WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

 

На правах рукописи

ЛЯЛИН Вадим Евгеньевич

ЭФФЕКТИВНЫЕ ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ

для комплексной интеРпретации данных КАРОТАЖА
И ГЕОЛОГО-ТЕХНОЛОГИЧЕСКОГО МОДЕЛИРОВАНИЯ

НЕФТЕГАЗОВЫХ МЕСТОРОЖДЕНИЙ

Специальности:

25.00.10 – Геофизика, геофизические методы поисков

полезных ископаемых

Автореферат диссертации на соискание ученой степени

доктора геолого-минералогических наук

Москва 2012

Работа выполнена на кафедре «Математические технологии в нефтегазовом машиностроении» ФГБОУ ВПО «Ижевский государственный технический университет имени М.Т. Калашникова» (ИжГТУ).

Официальные оппоненты:        –        Уткин Владимир Иванович,

               член-корреспондент РАН,
доктор технических наук, профессор,
Институт геофизики
Уральского отделения РАН,
ведущий научный сотрудник лаборатории
ядерной геофизики, советник РАН,
заслуженный деятель науки РФ

–        Пахомов Владимир Иванович,

       доктор геолого-минералогических наук,
профессор,

ФГБОУ ВПО «Российский государственный геологоразведочный университет»,
заведующий кафедрой информатики
и геоинформационных систем

–        Токарев Михаил Андреевич,

       доктор геолого-минералогических наук,
профессор,

ФГБОУ ВПО «Уфимский государственный нефтяной технический университет»,
профессор кафедры разработки и эксплуатации нефтегазовых месторождений

Ведущая организация:        –        Государственное автономное научное учреждение «Институт нефтегазовых технологий и новых материалов Республика Башкортостан»

Защита состоится «_18_» октября 2012 г. в «_15_» часов на заседании диссертационного совета Д 212.121.04 при ФГБОУ ВПО «Российский государственный геологоразведочный университет имени Серго Орджоникидзе» (РГГРУ) по адресу:

117997, Москва, ул. Миклухо-Маклая, д.23., к. 4-73.

С диссертацией можно ознакомиться в библиотеке РГГРУ.

Автореферат разослан «___» _________ 2012 г.

Ученый секретарь диссертационного совета

А.И. Бобков

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Массовые геофизические исследования скважин (ГИС) возможны только при использовании интеллектуальных информационно-измерительных систем (ИИС), осуществляющих преобразование аналоговых каротажных сигналов в цифровой код, записи его на машинные носители информации, фильтрацию, распознавание и редактирование полученных данных, обработку и регистрацию каротажных диаграмм (КД), привязанных к откорректированным с помощью компьютеров значениям глубины скважины, и экспертных систем для последующей верификации и интерпретации отредактированных КД.

Развитие ГИС происходит по нескольким направлениям, это разработка новых информативных методов исследований, включающих аппаратуру, методику и технологию, создание аппаратурно-методических комплексов, позволяющих за один спуск аппаратуры в скважину измерять целый набор параметров, наконец, разработка компьютеризированных ИИС ГИС, обеспечивающих управление измерениями, регистрацию и первичную обработку скважинных материалов.

Решение проблемы автоматизации ГИС требует создания и совершенствования парка приборов, включающего цифровые регистраторы, компьютеризированные системы для производства работ отдельными скважинными приборами или комплексом скважинных приборов, цифровые каротажные станции, а также системы для ГИС программно-управляемыми приборами.

При этом особое место уделяется разработке новых принципов автоматизации процессов сбора, оперативной предварительной обработки и интерпретации результатов ГИС, широко использующих современные программные комплексы для классификации и распознавания КД и геологических объектов.

В сложных условиях залегания углеводородов на больших глубинах в тонких пластах-коллекторах при многокомпонентном литологическом составе и сложной структуре порового пространства возрастают требования к качеству интерпретации результатов ГИС

При наличии некоторой эмпирической базы данных возможно использование методов извлечения знаний из данных и создание обучающихся информационных систем для интерпретации ГИС. Интерпретация ГИС относится к классу особо сложных задач, решаемых в условиях неполной информации. Однако в большинстве существующих методик интерпретации не заложен принцип адаптивности, т.е. самонастройки к условиям измерений и объектам ГИС. Этот фактор негативно влияет на качество и скорость интерпретации данных.

Методы интеллектуального анализа данных включают ряд конкурирующих подходов, к которым, в частности, относятся нечеткая логика (НЛ) и искусственные нейронные сети (НС). Адаптивные системы нечеткого вывода в настоящее время представляют собой перспективное направление в развитии теории искусственного интеллекта. Появление таких систем объясняется возросшей потребностью в анализе больших массивов данных, накопленных в базах данных автоматизированных систем обработки информации. НС нашли широкое применение для извлечения знаний из системы данных и для решения задач аппроксимации сложных функций многих переменных. Важным их свойством является способность к обучению и обобщению полученных знаний. Перспективным и реализованным в данной работе является объединение идеологий нечеткого вывода и НС.

При использовании методов интерпретации ГИС часто приходится решать оптимизационные задачи. Использование для этого классических алгоритмов, основанных на вычислениях градиента целевой функции, показало низкую эффективность, связанную с разрывностью и многоэкстремальностью функции. Значительно более эффективным, что показано в данной работе, является применение генетических и гибридных алгоритмов. Принимая во внимание, что задачи интерпретации ГИС имеют в своей основе сложные функциональные зависимости, обладающие структурной и параметрической неопределенностью, применение адаптивных систем НЛ и НС для их решения вполне приемлемо и обоснованно.

Развитие интеллектуальных компьютерных систем, разработка высоких информационных технологий, доведение их до уровня, соответствующего современным требованиям экспертных систем, является магистральным направлением в развитии скважинной геофизики.

Использование преимуществ искусственного интеллекта позволяет выйти на иной, более качественный уровень обработки результатов ГИС, поскольку он позволяет в значительной мере заменить геофизика-интерпретатора, занимающегося рутинной работой просмотра огромных массивов однотипной геолого-геофизической информации на автоматизированный программно-аппарат-ный комплекс, использующий сетевые технологии, Internet-технологии и инфотелекоммуникационные системы для принятия с высокой степенью достоверности решения о наличии нефтеносного коллектора при ГИС.

В настоящее время создано множество программных продуктов, имитирующих работу систем интерпретации, однако возможности их применения в геофизической области весьма ограничены. Это связано с тем, что данные программы не содержат в себе ни правил, формализующих знания эксперта, применяемых для решения задач ГИС, ни механизмов обучения и адаптации к условиям измерений и объектам ГИС, ни средств импорта/экспорта геофизических данных.

Взаимодействие естественного и искусственного интеллекта в процедурах принятия решений через информационные объекты по критериям максимальной эффективности может быть закодировано сложными инструментальными методами. В связи с этим, применение математической теории интеллектуальных систем для повышения эффективности интерпретации ГИС является крайне актуальной  проблемой.

Область исследования. Диссертационная работа выполнена в соответствии с пунктами «14. Методы обработки и интерпретации результатов измерения геофизических полей», «16. Использование геолого-геофизических данных для построения геологических, гидродинамических и геодинамических моделей месторождений. «17. Мониторинг геологического строения и разработки месторождений геофизическими методами» и «23. Теория, технические средства, технологии, методы сбора и интерпретации каротажной информации, геолого-технологических исследований скважин, геофизических методов исследования технического состояния скважин, вскрытия пластов в скважинах» паспорта специальности 25.00.10 – «Геофизика, геофизические методы поисков полезных ископаемых».

О бъектом исследования являются геолого-технологическое моделирование нефтяного пласта и информационные технологии для автоматизации процессов сбора, оперативной предварительной обработки и интерпретации результатов ГИС.

Предметом исследования являются математическое описание алгоритмов и методов интерпретации каротажных диаграмм, определение продуктивных коллекторов и их классификация на основе интеллектуальные информационные технологии интерпретации ГИС, а также применение метода  линий  тока (МЛТ) при комплексной интерпретации данных.

Цель работы состоит в получении научно-обоснованных технических и методических решений, направленных на создание современных программно-аппаратных средств и интеллектуальных информационно-измерительных технологий для автоматизации комплексных ГИС, ранжирования и ремасштабирования геостатистических реализаций модели пластовой системы, а также увеличение эффективности компьютерного гидродинамического моделирования пластовых систем на основе МЛТ, что будет способствовать упрощению процесса управления и контроля комплексной интерпретации исходных данных в рамках геолого-технологического моделирования и разработке нефтегазовых месторождений, повышению скорости получения прогнозов эксплутационных характеристик для продуктивных пластов.

Для реализации поставленной цели необходимо решить следующие задачи:

- выбор и обоснование путем теоретических и экспериментальных исследований структуры и функциональных схем аппаратуры цифровой записи параметров каротажа (АЦЗПК) и устройств ввода-вывода геофизической информации в ЭВМ, компьютеризированного ПАК для ГИС, принципов построения программного, лингвистического и информационного обеспечения ПАК, обеспечивающих цифровую запись каротажных сигналов и их оперативную предварительную обработку;

- создание автоматизированной технологии оцифровки КД с бумажного носителя; разработка математической модели оценки точности формирования скан-образов КД, а также аппаратно-программных средств для определения, анализа и устранения погрешностей процесса сканирования КД;

- выработка  методики  построения моделей НЛ для распознавания литологической структуры разреза скважины; разработка способа определения информативности методов каротажа при интерпретации результатов ГИС на основе алгоритмов нечеткого вывода;

- формализация задачи качественной интерпретации данных ГИС для ее решения с помощью аппарата НС; разработка правил и методик применения НС для решения задачи литологического расчленения разреза скважины; выбор корректных оценок, позволяющих определять качество интерпретации с помощью НС; создание алгоритмов последующей обработки результатов работы НС для повышения качества и надежности интерпретации;

- разработка  методических и алгоритмических  средств для выделения продуктивных слоев, выбор методики оценки петрофизических свойств коллекторов, построение  типовых схем оперативной обработки данных ГИС;

- создание моделей нечетких деревьев решений при распознавании литологической структуры разреза скважины; разработка метода построения деревьев решений с возможностным критерием разбиения и нечетким логическим выводом;

- формализация задачи интерпретации данных ГИС для ее решения с помощью аппарата нечетких деревьев решений и вейвлет-преобразований; создание алгоритмов последующей обработки результатов работы нечетких деревьев решений для повышения качества и надежности интерпретации;

- обоснование нового  подхода к ранжированию геологических реализаций продуктивных пластов с использованием моделирования на базе метода линий тока (МЛТ);

- создание  методики укрупнения ячеек математической модели при переходе от детальной геологической модели коллектора к его осредненной фильтрационной модели на основе МЛТ-моделирования;

- использование  получаемой новой информации, предоставляемой МЛТ-симулятором, для качественной оценки эффективности схемы размещения скважин; апробация  разработанных методики и подходов на примерах реальных месторождений.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования.

Теоретические исследования базируются на использовании методов статистического анализа временных рядов в приложении к сигналам геофизических датчиков как одномерным случайным процессам, При проектировании основных узлов аппаратной части ПАКов применялись теоретические основы радиоэлектроники и теория точной магнитной записи.

Обучение системы НЛ осуществлялось на всех возможных комбинациях методов каротажа, входящих в состав стандартного набора методов ГИС, снимаемых на скважине. Результаты работы системы НЛ исследовались на предмет адекватности выделенных нефтенасыщенных, водонасыщенных и непродуктивных участков разреза скважины экспертным оценкам. При решении задачи качественной интерпретации данных ГИС применялись: многослойная НС; радиальная сеть; нечеткая сеть TSK; математические методы снижения размерности данных. Для обучения интерпретирующих систем применялся гибридный алгоритм оптимизации.

Информационная модель интерпретирующих систем создана с учетом объектно-ориентированных принципов разработки программных комплексов. При решении задачи распознавания литологической структуры разреза скважины использовалась модель нечеткого дерева решений. Для получения дополнительной информации о границах коллекторов геофизические сигналы обрабатывались с применением дискретного вейвлет-преобразования. Результаты работы системы, основанной на нечетких деревьях решений, исследовались на предмет адекватности выделенных нефте-газонасыщенных, водонасыщенных и непродуктивных участков разреза скважины экспертным оценкам.

Цифровые геологические модели исследуемых примеров месторождений отстроены на программном продукте IRAP RMS фирмы ROXAR в виде трехмерной детерминированной геологической модели. При моделировании пластов использовалась трехмерная дискретная сетка геометрии угловой точки (Corner Point) c равной мощностью ячеек по оси Z. Построение гидродинамической модели проводилось с использованием пакета программ расчетного комплекса 3DSL фирмы StreamSim Technologies.

Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня – Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 7.0, база данных работает под управлением таких СУБД как Oracle 8, Finder и Microsoft SQL Server 7.0, а внутренняя база данных реализована в формате Microsoft Access (mdb). Часть правил системы используются в виде внешних библиотек (dll) и реализованы на языке высокого уровня Microsoft Visual C++.

Достоверность и обоснованность изложенных положений работы подтверждается результатами обеспечения серийных производств АЦЗПК и регистраторов КД, а также опубликованными отчетами о НИОКР, научными трудами и авторскими свидетельствами на изобретения, а также результатами системного анализа и технической диагностики устройств магнитной записи-воспроизведения и их внедрением в производственную эксплуатацию в составе цифровых каротажных станций. Кроме того, достоверность выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, а также итогами практического использования систем интерпретации ГИС.

Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях теории нечетких множеств и многослойных НС, на теоретических основах функционального анализа, теории статистического анализа  КД как временных рядов, а также теории вероятностей, случайных функций и фундаментальных основ построения экспертных систем. Методики расчета параметров коллекторов базируются на широко применяемых при ГИС петрофизических зависимостях.

Достоверность экспериментальных результатов обеспечена использованием большого объема экспериментального материала, статистическими методами обработки данных и хорошей воспроизводимостью результатов. Достоверность эталонного материала для обучения моделей НЛ обеспечена использованием утвержденных в ОАО «Башнефтегеофизика» экспертных заключений по обрабатываемым скважинам.

Н аучная новизна полученных результатов определяется проведенными комплексными исследованиями, в результате которых вместо применения классических методов интерпретации КД использован подход, существенно сокращающий количество вычислительных операций и повышающий быстродействие оперативной качественной интерпретации непосредственно на скважине в ходе проведения ГИС в ходе которых:

- созданы интеллектуальные информационно-измерительные технологии и современные программно-аппаратные средства для автоматизации комплексных ГИС, включающих экспресс-интерпретацию каротажных данных. Разработаны информационно-интерпретирующая система оцифровки КД с бумажного носителя и метод обнаружения и распознавания структурных элементов КД, построенный на базе центроидной фильтрации и кластерного анализа реакций центроидного фильтра на элементы изображения КД.

- осуществлен выбор структуры и сформирована концепция программно-аппаратных средств для определения, анализа и устранения погрешностей формирования скан образов каротажных кривых; разработаны критерии точности ввода данных ГИС при оцифровке, оценки достоверности полученных критериев; построена математическая модель, позволяющая количественно рассчитывать величину и характер погрешностей, определять параметры сканирования, обеспечивающие требуемую точность ввода каротажных данных;

- предложена модель НЛ для литологического расчленения пройденных скважиной пород; отработана и апробирована методика построения правил базы знаний; в результате проведения комплекса исследований по экспресс-интерпретации КД и сопоставления их результатов с экспертными оценками выведены критерии, позволяющие использовать оптимальный набор методов каротажа для выделения нефтенасыщенных коллекторов с заданной точностью;

- применен аппарат искусственных НС, позволяющий использовать накопленный эмпирический материал и знания опытных интерпретаторов, являющийся ядром базы знаний интеллектуальной системы для литологического расчленения разреза скважины;

- получены зависимости точности определения литологической структуры разреза скважины от вида представления каротажных данных, что дает возможность применять аппарат искусственных НС в геолого-геофизической области; предложена методика применения НС, не зависящая от количества входных КД, позволяющая проводить качественную экспресс-интерпретацию;

- обосновано применение дискретного вейвлет-преобразования для литологического расчленения  разреза нефтяных и газовых скважин; создана новая методика определения нефтегазонасыщенности и продуктивности скважин по результатам интерпретации ГИС с совместным применением метода нечетких деревьев и вейвлет-преобразования;

- установлено, что для применения метода деревьев решений к анализу непрерывных петрофизических зависимостей целесообразна его доработка в виде алгоритма нечетких деревьев решений с нечеткими условиями ветвления и с нечетким логическим выводом;

- показано, что тестирование метода нечетких деревьев решений с возможностным критерием ветвления имеет универсальную способность решать задачи дискретной классификации и непрерывной аппроксимации. Погрешность аппроксимации на тестовых функциях в 2-3 раза ниже, чем в наиболее эффективном варианте НС – TSK;

- предложен метод обучения нечетких сетевых моделей с применением генетического алгоритма с вещественным кодированием, который повысил точность найденных решений и скорость нахождения глобального минимума или максимума;

- предложена методика ранжирования геостатистических моделей пласта, базирующаяся на иерархическом принципе учета неопределенностей в исходных данных, в которой критериями ранжирования являются функция коэффициента охвата, вычисляемая с помощью времени пролета вдоль линии тока, и функция первоначального объема нефти при нормальных условиях (STOIIP);

- разработана методика ремасштабирования геологической модели коллектора в вертикальном направлении с сохранением существенных неоднородных особенностей коллектора путем укрупнения слоев с близкими по среднему значению коэффициентами охвата, вычисляемого на основе МЛТ-моделирования;

- для качественной оценки эффективности схемы размещения скважин предложены три методики баланса схемы расположения скважин, оценки эффективности нагнетания и оценки эффективности добычи путем расчета с помощью МЛТ объема пористого пространства коллектора, ассоциированного с каждой отдельной скважиной.

Практическая ценность работы. Получены технические решения, способствующие созданию автоматизированных ПАКов двух поколений оригинальной структурной конфигурации. Технический и экономический эффект от внедрения ПАКов первого поколения заключается в резком сокращении трудоемкости технологического процесса ГИС и расхода материалов, что привело к сокращению численности работников, занятых ГИС в расчете на одну скважину.

Тесная интеграция системы в программный комплекс оцифровки, предназначенный для создания базы электронных дел скважин ряда месторождений Западной Сибири, позволило увеличить скорость обработки скан-образов и снизить ошибки, возникающие при заполнении базы. Результатом верификации являлось построение геологических и гидродинамических моделей месторождений.

Полученные в работе методики и алгоритмы применения аппарата искусственных НС и метода нечетких деревьев для качественной экспресс-интерпре-тации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора за счет колоссальных вычислительных возможностей по обработке терабайт геофизической информации интеллектуальными системами на базе как отдельных компьютеров, так и компьютерных сетей, существенно использующих реляционные базы данных таких как «Finder» и др. НС за счет заложенных в них эталонных данных позволяют сократить время, необходимое на проведение качественной экспресс-интерпретации скважин в несколько раз с одновременным повышением качества интерпретации и сокращением ошибок при принятии решений.

Разработанный в диссертации новый подход к генерации и ранжированию геостатистических реализаций коллектора позволяет в рамках комплексной интерпретации данных при геолого-технологическом моделировании определять пессимистические, вероятные и оптимистические сценарии разработки с учетом неопределенностей в будущих прогнозах. Авторская методология выбора оптимальной процедуры вертикального ремасштабирования может быть успешно применена в реальных промысловых исследованиях, что позволит существенно снизить затраты на адаптацию по истории моделей месторождений. Предложенные авторские методики качественной оценки эффективности схемы размещения скважин могут использоваться для оптимизации эксплуатационных характеристик месторождения.

Реализация работы в производственных условиях. Полученные результаты использованы при проведении ГИС в ОАО «Удмуртгеология». За большой вклад в разработку, создание, опытно-методическую отработку и внедрение в производство интеллектуальной информационно-измерительной технологии (ИИТ) и ИИС, обеспечивших автоматизацию ГИС, автор работы удостоен почетного звания «Лауреат премии НТО Удмуртии» (1983), серебряной медали ВДНХ СССР (1988) и почетного звания «Заслуженный изобретатель РФ» (1998).

Работа выполнялась в соответствии с планами госбюджетных и хоздоговорных НИР, проводимых ИжГТУ и Удмуртским производственным геологическим объединением: - № ГР 79058505 «Разработка и внедрение аппаратуры цифровой записи параметров каротажа для серийных каротажных станций»; № ГР 32-8-78/25 «Разработка конструкторской документации и изготовление опытной партии»; № ГР 32-81-78/24 «Опытно-методические работы по освоению и внедрению новых методов ГИС и цифровой записи каротажа»;  № ГР 01840012827 «Опытно-методические работы по обеспечению эффективности применения цифровой записи параметров каротажа на серийных станциях АКСЛ-7. Разработка комплекса аппаратуры для автоматизации геофизических исследований скважин»; № ПРГ-14/84-86 «Опытно-методические работы по внедрению новых методов ГИС и цифровой записи каротажа»; № ГР 32-85-45/42 «Опытно-методические работы по внедрению системы цифровой записи и дистанционной передачи параметров каротажа»; № ГР 32-86-19/43 «Совершенствование методов и средств записи, документирования, передачи и обработки каротажных данных с помощью ЭВМ»; № ГР 32-87-43/37 «Опытно-методические работы по совершенствованию системы цифровой регистрации параметров каротажа».

Работа выполнялась в соответствии с планами хоздоговорных НИР, проводимых ООО «Институт интеллектуальных технологий» и ОАО «ТНК-BP»: № ГР 01200 405097 «Верификация геолого-геофизической информации по объектам разработки месторождений Северного НГДП ОАО «Нижневартовск»; № ГР 01200 405096 «Формирование базы данных геолого-технологических мероприятий на скважинах Самотлорского месторождения»; № ГР 01200 405095 «Оцифровка каротажного материала Кашироподольского объекта Вятской площади Арланского месторождения»; № ГР 01200 405096 «Создание библиотеки скан-образов скважин Самотлорского месторождения»; № ГР 01200406709 Формирование базы данных по ОАО «Варьеганнефтегаз».

Работа выполнялась в Институте математического моделирования разработки нефтяных месторождений ИжГТУ в соответствии с планами хоздоговорных НИР, проводимых ИжГТУ с ОАО «Удмуртгеология» и ОАО «Белкамнефть».

Разработана и реализована система интерпретации, построенная на принципах иерархической классификации и нечеткого логического вывода. Работа системы протестирована в ходе верификации геолого-геофизических и промысловых данных ряда газовых месторождений Западной Сибири. Вся работа в целом, а также ее отдельные части могут быть использованы предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геолого-геофизической и промысловой информации.

Апробация работы. Отдельные законченные этапы работы обсуждались на более чем 50 всесоюзных, всероссийских, международных научно-техни-ческих конференциях, съездах и симпозиумах, в том числе: 2-й Всесоюзной НТК «Дальнейшее развитие теории и техники магнитной записи» (Москва-Киев, 1978); Всесоюзном научно-практическом совещании по цифровой записи и обработке геофизической информации (Калинин, 1980); Всесоюзной конференции «Измерения и контроль при автоматизации производственных процессов» (Барнаул, 1982); 28-м Международном научном коллоквиуме (Ильменау, 1983); 5 и 6-м Всемирном конгрессе международной федерации по теории механизмов и машин (Дели - 1983, Севилья - 1987); Международной НТК «Информационные технологии в инновационных проектах» (Ижевск,1999-2004); 4-м и 5-м Международном конгрессе по мат. моделированию (Дубна, 2002, 2004); Международной НТК «Интеллектуальные и многопроцессорные системы» (Таганрог, 2003); 31-й Международной конференции «Информационные технологии в науке, образовании, телекоммуникациях и бизнесе» (Украина, Ялта – Гурзуф, 2004-2007); 6-м Международном конгрессе по мат. моделированию (Н. Новгород, 2004); Международном симпозиуме «Надежность и качество» (Пенза, 2004-2009); IX Европейском конгрессе «Математическое моделирование технико-экономических проблем в нефтегазовой отрасли» (Франция, Канны, 2004); Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2005-2006); X Международной конференции Российской научной школы «Инноватика-2005» (Сочи, 2005); Международной НТК «Искусственный интеллект» (п.Дивноморское, 2005-2009); Конгрессе по интеллектуальным системам и информационным технологиям «AIS-IT’09»; Международной НТК «Многопроцессорные вычислительные и управляющие системы» (Таганрог, 2007-2009); Международная научно-практическая конференция «Перспективы развития информационных технологий» (Новосибирск, 2010); Международная научно-практическая конференция «Науки о Земле на современном этапе» (Москва, 2011).

Публикации. Основные научные результаты по теме диссертации опубликованы в 206 научных работах, в том числе 4 монографии (общим объемом 301,7 п.л.). Автор имеет 75 научных трудов в изданиях, выпускаемых в РФ и рекомендуемых ВАКом для публикации основных результатов диссертаций на соискание ученой степени доктора наук, в том числе 51 авторское свидетельство СССР на изобретения.

Структура диссертационной работы определяется общими замыслом и логикой проведения исследований. Диссертация содержит введение, 8 глав и заключение, изложенные на 428 стр. машинописного текста. В работу включены 196 рис., 32 табл., список литературы из 386 наименований. В приложении представлены акты о внедрении и использовании результатов работы.

СОДЕРЖАНИЕ РАБОТЫ

Введение содержит обоснование актуальности темы, формулировку цели и задач работы, основные положения, выносимые на защиту, и определяет содержание и методы выполнения работы.

В первой главе рассмотрены принципы автоматизация обработки результатов ГИС, преимущества цифровой регистрации и построение программно-управляемых каротажных комплексов.

Во второй главе описан разработанный программно-аппаратный комплекс ИИТ ГИС.

В третьей главе приведено описание комплекса программ для сбора, хранения и обработки ГИС.

В четвертой главе исследованы информационно-измерительные, программно-алгоритмические средства и математические критерии оценки точности оцифровки твердых копий КД на бумажном носителе.

В пятой главе предложена интерпретация результатов ГИС на основе применения интеллектуальных алгоритмов нечеткой логики.

В шестой главе рассмотрена разработка интерпретирующих систем с использованием нейросетевых методов.

Седьмая глава содержит результаты применения нечетких деревьев решений для классификации и интерпретации ГИС.

В восьмой главе описано применение  метода линий тока при комплексной интерпретации данных.

ОСНОВНЫЕ НАУЧНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫ,
ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Созданы интеллектуальные информационно-измерительные технологии и современные программно-аппаратные средства для автоматизации комплексных геофизических исследований скважин, включающих экспресс-интерпретацию каротажных данных. Разработаны информационно-интерпретирующая система оцифровки КД с бумажного носителя и метод обнаружения и распознавания структурных элементов КД, построенный на базе центроидной фильтрации и кластерного анализа реакций центроидного фильтра на элементы изображения КД.

Разработан ПАК ИИТ ГИС, структурная схема которого представлена на рис. 1, который включает АЦЗПК, центр предварительной обработки информации (ЦПОИ), реляционную БД «Finder» и комплекс программного обеспечения.

АЦЗПК предназначена для усиления низковольтных сигналов, преобразования их в цифровую форму и запоминания на магнитном носителе. Для записи информации о скважине в цифровом магнитном регистраторе (ЦМР) разработаны устройства усиления сигналов, измерения скорости подъема скважинного прибора и синхронизации протяжки ЦМР со скоростью подъема скважинного прибора. Контроль оценки качества записанной информации осуществлялся с помощью графического устройства, которое позволяло визуализировать КД с информацией о глубине и служебной информации. Для оперативности в работе на скважине разработано устройство распознавания кода глубины, воспроизводимого с ЦМР, которое позволяло отыскивать необходимую глубину, записанную в ЦМР.

На вход АЦЗПК поступали аналоговые геофизические сигналы регистрируемых методов ГИС, значения кода глубины и 5-сантиметровые синхроимпульсы скорости подъема скважинного прибора. Аналоговая информация 1 – 8 каналов поступала на вход модуляционных усилителей, далее, через коммутатор каналов и фильтр нижних частот шла на вход ЦМР. Четырехдекадный двоично-десятичный код глубины поступал на вход блока синхронизации глубины, где запоминается через каждый метр прохождения скважины и передается в блоке формирования кода глубины. Информация о скважине формировалась в блоке ввода служебной информации. ЦМР был предназначен для записи аналоговой информации по семи каналам, хранения ее и передачи на вход ЭВМ.

Схема управления ЦМР поднимала или уменьшала напряжения питания двигателя ЦМР до тех пор, пока периоды 5-сантиметровых и опорных импульсов оказывались равными. Таким образом, происходило автоматическое управление протяжкой двигателя ЦМР синхронно скорости подъема скважинного прибора. Подключение медленного или быстрого двигателя ЦМР определялось методом регистрации ГИС. Скорости подъема скважинных приборов 220 – 240 м/час для радиоактивного каротажа, 1000 – 1500 м/час для акустического каротажа и 2000 – 2500 м/час для электрометодов. Максимальное время регистрации составляло 20 часов непрерывной работы, это обеспечивало регистрацию полного комплекса ГИС по одной скважине с забоем на глубине до 2000 метров.

Рис. 1. ПАК на базе ЦМР

Блок ввода перед началом каротажа, а также при регистрации методов обеспечивал запись в оперативную память блока информацию о скважине и данных каждого из проводимых методов каротажа в буквенно-цифровом режиме и по командам из блока управления переписывал данную информацию в служебный канал ЦМР. В данном блоке разработана и применена схема синхронизации скорости протяжки ЦМР со скоростью подъема скважинного прибора, с индикацией последней на индикаторах блока управления, что значительно упрощало работу оператора ГИС при производстве работ на скважинах.

Схема состоит из аналогового и цифрового блоков и включает: СГП – скважинный геофизический прибор; ДМГ – датчик меток глубины; ДММ – датчик магнитных меток; АНП – аналоговую наземную панель; ЦНП – цифровую наземную панель; БКГ – блок контроля глубины; ДУ – дифференциальный усилитель; ФНЧ – фильтр низких частот; АК – аналоговый коммутатор; НУ – нормирующий усилитель; БУ – блок управления; ИСКГ – интерфейсную схему контроля глубины; ИСШ КОП – интерфейсную схему шины коллективного пользования; ИСПУ – интерфейсную схема печатающего устройства; ЭСПУ – электростатическое печатающее устройство; ИСК – интерфейсную схему связи с компьютером.

Рис. 2. Структурная схема ИИС ГИС

Измеритель скорости подъема, имеющийся в составе каротажной станции не обеспечивал достаточного диапазона измерения. Для устранения этого недостатка был разработан блок измерения скорости подъема скважинного прибора. Блок синхронизации скорости записи обеспечивал синхронно с изменением скорости подъема скважинного прибора изменение скорости движения магнитной ленты при записи.

Предложено устройство для селекции импульсов полезной информации и помехи для точной привязки к глубине поступающей информации. При использовании в цифровой обработке данных, поступающих из скважины для распознавания полезных ископаемых (например, нефти и газа), необходимо было отфильтровывать импульсы, вызванные магнитными метками, от импульсов помехи. Для этой цели использовался датчик угловой скорости подъема. Импульсы с его выхода после формирования и деления частоты выполняли функцию сигналов, синхронизирующих работу элементов памяти, которые на основе сигналов управления от двух датчиков перемещения блокировали прохождение импульсов помехи на выход устройства.

В работе описана разработанная компьютеризированная ИИС для каротажных работ, структурная схема которой представлена на рис. 2. Созданная ИИС ГИС построена на базе персонального компьютера IBM и предназначена для работы в составе цифровой каротажной станции.

Программное обеспечение системы сбора и регистрации данных реализует следующие режимы функционирования: ввод и настройку в диалоговом режиме параметров системы сбора информации, включая число и расположение датчиков, порядок и частоту их опроса, тарировочные коэффициенты измерительных трактов и т.д.; автоматизированную калибровку измерительных каналов системы с целью выбора оптимального динамического диапазона сигналов с датчиков; обеспечение съема информации с датчиков во время каротажа в реальном масштабе времени; отображение на устройстве сигналов датчиков; автоматический расчет и корректировку глубины и скорости геофизического прибора по сигналам ДМГ и ДММ; визуализацию глубины и скорости геофизического прибора; регистрацию информации в цифровом виде на долговременный носитель в форме, пригодной для ее дальнейшей обработки на базовой ЭВМ; оперативную обработку измерительных данных с выдачей КД.

Разработаны инструментальные средства распознавания графических изображений КД (рис.3). Использована субоперационная система HMS/Pilot v3.0, дополненная пакетом прикладных подпрограмм обработки изображений. Эта система обеспечивает модульность программирования, поддержку макросов любого уровня вложенности, легкость адаптации интерфейса пользователя и автоматизированность обмена данными между процедурами. Все эти качества резко сокращают затраты на программирование в процессе формирования определенных конфигураций пользовательских систем и обеспечивают практически неограниченные возможности построения различных схем обработки информации самим пользователем.

а) исходное изображение
(фрагмент КД)

б) результат распознавания (синтезированное изображение)

Рис. 3. Центроидная фильтрация
псевдополутонового изображения  КД

Прикладные программы к системе обеспечивают реализацию следующих функций: преобразование растрового изображения в двумерный числовой массив; центроидная фильтрация на двумерном числовом массиве; пороговое обнаружение центроидных линий; кластерное обнаружение структурных элементов; распознавание графических характеристик структурных элементов; анализ связности центроидных линий; однонаправленное секторное цепное кодирование центроидных линий; распознавание связных сегментов секторных линий; синтез графических изображений на двумерном числовом массиве; преобразование двумерного числового массива в растровое изображение.

Таким образом, этот перечень процедур содержит в себе как функции анализа, так и функции синтеза изображений. Для каждого из обрабатываемого изображений КД выполнялось несколько серий экспериментов. В каждой серии изучалось влияние изменений какого-либо параметра обработки: величина анализирующего интервала центроидного фильтра, порог обнаружения структурных элементов, размеры выявляемых кластеров значений пространственно-структурных параметров (ПСП), набор сканометрий, параметры цветотонового преобразования, графические параметры синтеза изображений и параметры их визуализации.

Рис. 4. Проявление селективного эффекта

центроидного фильтра по отношению
к структурным элементам изображения

Это обусловлено тем, что значения ПСП на выходе центроидного фильтра проявляют селективные эффекты по отношению к структурным элементам изображения. Действие этих эффектов показано на рис. 4, из которого видно, что при прохождении скользящим интервалом импульса, соответствующего в сканограмме структурному элементу, значения всех ПСП стабилизируются в некоторой точке фиксации, которая под воздействием шумов и помех размывается в кластер. Последующая обработка может заключаться в задании порога обнаружения линий на изображениях центроидов и оценки характеристик этих линий по значениям масс и диссипаций. При этом указанная выше модификация центроидных изображений обеспечивает накопление веса обнаруживаемых центроидов импульсных сигналов при перемещении скользящего интервала (рис. 4).

В результате экспериментов было установлено, что существует определенный скользящий интервал анализа центроидного фильтра, величина которого должна превосходить поперечные размеры линейных структурных элементов настолько, насколько позволяет плотность их размещения на изображении. При большей величине интервала происходит выпадение точек из кластеров, а при меньшей – снижается порог обнаружения или суммарная масса кластеризованных точек. Кроме того, учет пространственно-частотных искажений изображений при их центроидной фильтрации показал, что даже в сочетании с аддитивным гауссовым шумом, кластерная схема распознавания работает стабильно и качество распознавания элементов КД практически не снижается.

2. Развит новый, активно формирующийся класс интеллектуальных систем автоматического управления интерпретацией ГИС, построенных на технологии обработки знаний с позиции эффективного применения при решении задач управления в условиях неопределённости. В качестве приоритетного теоретического базиса для проектирования и исследования таких систем обосновано применение технологии нечёткой логики, и предложена методика синтеза нечётких алгоритмов управления.

Предложены алгоритмы предварительной обработки КД, разработаны модели НЛ для выделения нефтенасыщенных коллекторов, определены способы оценки качества результатов литологического расчленения разреза по данным ГИС на основе алгоритмов нечеткого вывода.

Проведено исследование возможности интерпретации результатов ГИС на основе применения адаптивных систем нечеткого вывода (НЛ). Процесс построения системы нечеткого вывода состоит из двух этапов: структурной и параметрической адаптации. На этапе параметрической адаптации минимизируется сумма квадратов разностей между фактическим  и спрогнозированным  значениями переменной вывода нечеткой системы. Дополнительно накладываются ограничения на границы термов.

Для обучения нечеткой системы применен разработанный гибридный алгоритм. В работе рассмотрен алгоритм точечной оценки. Функции принадлежности имели трапецеидальную форму, которую можно описать с помощью координат угловых точек трапеций для каждого терма. Дефаззификация осуществлялась с помощью центроидной точечной оценки.

Итогом работы алгоритма точечной оценки является результат, зависящий от правил и параметров функций принадлежности. Для обучения определена целевая функция. Ее минимизация дает оптимальные значения параметров нечеткой системы. Оптимальные функции принадлежности, полученные в результате обучения на правилах и соответствующие рассматриваемым геофизическим методам, используются далее для прогнозирования и идентификации литологических типов пластов на новых скважинах.

Описан процесс создания и обучения системы НЛ на основе различных наборов методов каротажа, определена информативность методов каротажа в зависимости от их набора, по которому строилась система НЛ.

Объектом исследования явились скважины Вятской площади Арланского месторождения. КД представлены в числовом виде, а их интерпретация была осуществлена специалистами ОАО «Башнефтегеофизика» без использования автоматизированных систем интерпретации.

Исследовано 25 скважин с номерами из интервала 13015–13622, на которых снимался набор из пяти методов каротажа (гамма-каротаж (GR), нейтронный гамма-каротаж (NGR), BK, акустический каротаж (DT) и кавернометрия (DS)). Рассмотрению подлежали интервалы глубин.

На каждую скважину пришлось порядка 900 отсчетов. Обучающую выборку составили 5 скважин с номерами 13090, 13115, 13438, 13499, 13582; остальные 20 использовались на этапе экзамена. Для создания нечеткой системы принимались во внимание такие литологические типы как нефтеносный коллектор, водоносный коллектор и неколлектор.

Использование метода среднего максимума в качестве метода дефаззификации позволило сопоставить четким значениям переменной вывода следующую смысловую нагрузку: 0 – «нет насыщения», 1 – «вода», 2 – «вода+нефть», 3 – «нефть».

Так как идентификация литологической структуры разреза ориентирована на нахождение нефтеносных слоев, сначала осуществлялось выявление доли нефтеносных участков, определенных как нефтеносные, а только после этого вычислялась ошибка распознавания литологического состава по всему разрезу скважины.

GR

NGR

BK

DT

DS

а) по одному методу каротажа

б) по двум методам каротажа

Рис. 5. Результаты интерпретации

Рис. 6. Литологическое расчленение скважины на основе данных ГИС

Модель НЛ считалась адекватной при 100% совпадении нефтеносных участков. При этом часть слоев, не являющихся нефтеносными, могли быть определены как нефтеносные, но не наоборот. Результаты распознавания структуры разреза при помощи системы НЛ по одному и по пяти методам каротажа приведены на рис. 5, 6. Экспериментально установлено, что наилучшие оценки при полном комплексе ГИС (10 методов), в отличие от случая отсутствия весовых коэффициентов, дает разбиение пластов на 5 классов.

а) боковой
и гамма-каротаж

б) боковой каротаж
и диаметр скважины

в) боковой
и акустический каротаж

г) боковой и нейтронный
гамма-каротаж

Рис. 7. Кросс-плоты при разбиении на 4 класса по 5 методам

При наличии только стандартного комплекса измерений (5 методов) наибольший эффект проявляется при разбиении на 4 класса. Кроме этого можно сделать вывод о том, что введение дополнительных методов не дает заметного прироста эффективности, и их можно считать избыточными. Для визуальной оценки качества классификации использовались кросс-плоты и гистограммы распределения значений методов по классам. Кросс-плоты распределения значений методов ГИС для одной из скважин приведены на рис. 7. По результатам эксперимента можно сделать выводы о состоятельности подхода к задаче распознавания литологического состава разреза скважины при помощи обучения моделей НЛ. Наблюдается тенденция повышения качества распознавания при увеличении количества методов каротажа, участвующих в работе модели НЛ. Оценки литологического состава разреза скважины, полученные при помощи моделей НЛ, могут служить оценкой сверху наличия нефтеносных участков в разрезе.

3. Представлены системы, в которых целесообразно использование технологий экспертных систем и нейроинформационных структур. Разработаны алгоритмы применения нейросетевых методов для определения литологического состава разреза скважины по данным каротажа путем обучения на основе анализа соответствия КД имеющемуся экспертному заключению. Разработаны специализированные алгоритмы обработки результатов работы сети для увеличения информативности сигнала, выдаваемого НС, и повышения надежности распознавания.

Представлены результаты разработки интерпретирующих систем с использованием нейросетевых методов. В работе проведено исследование применимости трех типов НС для решения задач интерпретации ГИС: многослойная однонаправленная сеть; радиальная сеть (RBF), нечеткая сеть (TSK).

а)                                        б)

Рис.8. График выходов НС TSK, определяющей

пористость: а) обучающее множество; б) тестовое множество

Объединение принципов нечеткого логического вывода и нейросетевой структуры привело к созданию нечетких НС. В диссертации использован один из вариантов НС – нечеткая НС Такаги-Сугено-Канга (TSK). Для обучения использовалась система данных, представляющая собой набор наблюдаемых точек. Система данных делится на две выборки: обучающую  и проверочную. Неизвестные коэффициенты нужно подобрать таким образом, чтобы они обеспечили минимальное отклонение рассчитываемых в сети значений  от имеющихся, т.е. давали бы минимум целевой функции оптимизации. Рассмотренные НС применялись для прогнозирования коэффициента пористости выделенного пласта-коллектора. На входы сети подавались КД выделенных пластов-коллекторов, выходной сигнал соответствовал значению пористости для всего пласта. В эксперименте участвовало 8 разведочных скважин Вятской площади, к которым прилагались расшифровки геофизиков-интерпретаторов с указанием глубин скважин, соответствующих коллекторам, коэффициента общей пористости (м3/м3, %) и типа насыщения. Для нефтенасыщенных коллекторов дополнительно указывался коэффициент нефтенасыщения . На вход сети подавались показания 7 методов: BK, SP (собственные потенциалы), PZ (потенциал-зонд), GR, NGR, DT, IK (индукционный каротаж).

а)

б)

Рис. 9. Разделение пластов нейросетевым методом:

а) скважина №13022; б) скважина №13416

Общее количество обучающих примеров составило 200, половина из которых использовалась для обучения, остальные – для тестирования НС. Для синтеза архитектуры и обучения многослойной НС применялся генетический алгоритм BGA. Модель многослойного персептрона удовлетворительно справляется с прогнозированием пористости по данным комплекса геофизических методов. Определено, что задача определения коэффициента пористости лучше решалась сетью TSK. Среднеквадратичная ошибка прогнозирования на тестовом множестве данных для многослойного персептрона , для сети TSK – . На рис. 8 изображены графики зависимостей коэффициента , выданного НС, от эталонного коэффициента пористости .


– Обучающий сигнал

– Аппроксимация RBF

Рис. 10. Результат работы сети RBF на скважине
при выделении коллекторов

Нейросетевые методы также применялись для разделения разреза на пласты-коллекторы. Методика выделения коллекторов по КД основывается на следующих характерных признаках коллекторов: проницаемость; пониженное содержание поверхностно-активной пластичной составляющей твердой фазы; повышенная пористость. На входы сети подавались показания геофизических методов в каждой точке скважины. На выходе фиксировались одно из двух значений – 1 (пласт есть) и 0 (пласт отсутствует). Более высокого качества разбиения, с учетом того, что границы пластов-коллекторов являются размытыми, удалось добиться с помощью кодирования выходных сигналов НС. Для этого в пласт вписывается функция, заданная параболой.

Таким образом, в середине пласта-коллектора выходное значение сети максимально и равно 1. При исследовании эффективности метода для обучения НС были взяты геофизические данные для скважин Вятской площади с известными расшифровками границ пластов. Обучающая выборка содержала около 2000 точек. После обучения процент распознанных точек достиг 80. Проверка проводилась также на других скважинах. Ниже показано разделение разреза на пласты по указанной методике для двух скважин №13022 (рис. 9, а) и №13416 (рис. 9, б). Спрогнозированные пласты показаны верхними прямо-угольниками. Нижние прямоугольники соответствуют данным расшифровки КД для соответствующих скважин.

Используя полученную от геофизика информацию о выделенных коллекторах из нескольких скважин, выявлены закономерности между показаниями каротажей и наличием или отсутствием коллектора. Задачи выделения коллекторов решались с применением всех рассмотренных типов НС. На рис. 10 показан результат аппроксимации радиальной сетью RBF части сигнала, представленного в обучающей скважине на глубине от 900 до 930 м. Метод нейросетевого выделения пластов геофизических скважин показал высокую скорость обработки новых скважин и независимость от условий измерений.

В работе описаны экспериментальные исследования, проведенные на оцифрованном материале скважин Вятской площади. Перед обработкой КД нормировались. В эксперименте участвовало 400 интерпретированных скважин, которые разделялись на обучающее (30%) и тестовое (70%) множества. Целью исследования являлась проверка применимости многослойной НС для литологического расчленения разреза скважины и оценка качества интерпретации. Эксперимент был разделен на пять частей: обучение НС без окна данных по группе методов; обучение НС с окном данных по группе методов; обучение НС без окна данных по каждому методу отдельно; обучение НС с окном данных по каждому методу отдельно; переход к точным оценкам и повышение надежности распознавания.

Рис. 11. Результаты обучения сети при выделении
пластов-коллекторов

Рис. 12. Результаты обучения сети при определения типа
насыщения

Рис. 13. Результаты обучения сети с окном данных 3 отсчета

Рис. 14. Результаты обучения сети с окном данных 5 отсчетов

В каждой части эксперимента кроме перехода к точным оценкам, производилось выделение пластов-коллекторов и нефте-, водо-, нефтеводонасыщенных пластов без предварительного выделения коллекторов.

В качестве входных данных были выбраны следующие каротажные методы: BK, диаметр скважины (DS), DT, GR, NGR. Это объясняется тем, что данные методы представлены на всех скважинах в имеющемся наборе каротажных методов. Размерность входного слоя НС составила 5 нейронов. В ходе эксперимента было построено и обучено по несколько НС на каждый вариант формализации задачи, а затем из полученного множества была выбрана одна, наиболее точно строящая заданное отображение.

Использование окна данных позволяет НС анализировать не только текущее значения каротажных методов, но и характер поведения кривой в окрестности оцениваемой глубины. В ходе эксперимента применялись окна размерностью в 3 и 5 отсчетов глубины. Размерность входных слоев НС составила 15 и 25 нейронов соответственно. Результаты эксперимента представлены на рис. 13 для окна в 3 отсчета и на рис. 14 для окна в 5 отсчетов. Результаты эксперимента по одной скважине при выделении пластов-коллекторов без использования окна данных представлен на рис. 11. Для определения типа насыщения результат обучения сети без окна данных представлен на рис. 12.

Кривая BK

Кривая DS

Кривая DT

Кривая GR

Кривая NGR

Кривая PZ

Кривая IK

Кривая SP


Рис. 15. Определение типа насыщения по отдельным методам

Установлено, что качество интерпретации при использовании окна данных возрастает. Но при этом возрастает размерность интерпретирующей НС и, как следствие, время ее обучения. При проведении эксперимента с разделением каротажных методов в качестве входных данных были выбраны BK, DS, DT, GR, NGR, IK, PZ, SP. Результаты эксперимента по одной скважине (определение характера насыщения) с окном данных в пять отсчетов приведены на рис. 15.

Для проверки точности данного подхода были интерпретированы скважины по полному набору методов и по части методов, а именно: BK, GR, NGR, DS.

Результаты выделения пластов-коллекторов при полном наборе методов каротажа представлены на рис. 16 без окна данных и на рис. 17 при окне данных в 5 отсчетов. Для приведения оценок НС к точным значениям применялось два метода: введение порога округления и использование нечеткой системы.

При решении данной задачи предполагалось, что коэффициенты  в петрофизических уравнениях известны. Для их определения необходимо иметь обучающую выборку.

Рис. 16. Результат выделения коллекторов без окна по 8 методам

Рис. 17. Результат выделения коллекторов с окном данных

в 5 отсчетов

Решены задачи повышения информативности моделей интерпретации данных ГИС. Обозначим свойства разреза вектором . В качестве таких свойств обычно выступают коэффициент пористости , коэффициент глинистости , коэффициент водонасыщенности , коэффициент нефтенасыщенности и т.д. Для проведения ГИС применялись несколько методов: электрометрические, акустические, радиометрические, термометрические и др. Для каждого метода фиксировался сигнал , определяющий физические характеристики (электрическое сопротивление, скорость распространения звуковой волны, уровень радиоактивного излучения), связанные со свойствами разреза.

Рис. 18. Результаты интерпретации фрагмента
сигнала по разделению пластов с применением составной сети

Повышение качества интерпретации ГИС достигается также снижением размерности системы данных. Методы снижения размерности предназначены для представления системы, характеризующейся переменными , в координатном пространстве меньшей размерности , причем . Для этого можно использовать либо нелинейные методы (многомерное шкалирование), либо линейные (метод главных компонент). В методе главных компонент PCA каждая координатная ось является линейной комбинацией исходных переменных системы . Преобразование по методу главных компонент определяет корреляцию между переменными, образующими входное множество. Если переменные коррелируют между собой, то для определения всех данных достаточно взять меньшее число переменных.

На представленной выборке определялась матрица преобразования сигналов в значения главных компонент  для пяти методов. Значения подавались на вход нечеткой сети TSK вместо сигналов . Фактически, это означает, что конструируется сеть вида: . Результаты экспертной интерпретации и расчета показаны на рис. 18.

Рис. 19. Результаты двухмерного шкалирования

Проведено исследование применения методов классификации пластов нефтяных скважин, основанных на алгоритмах обучения без учителя, для задач интерпретации ГИС с целью получения дополнительной информации о структуре разреза. Рассмотрены следующие алгоритмы: самоорганизующиеся карты Кохонена; метод многомерного шкалирования; метод главных компонент РСА. Указанные алгоритмы дали примерно одинаковые результаты.

Рис. 20. Двухмерное шкалирование для группы
пластов с неизвестными
литологическими характеристиками

Например, для случая двухмерного шкалирования имеем отображение многомерного пространства признаков на плоскость в системе измерений , , показанное на рис. 19 с известными результатами расшифровок для них. Из рис. 19 следует, что все пласты расположились двумя компактными группами. Одна группа занимает область и соответствует продуктивным пластам. Другую группу образуют водоносные пласты. Смешанные пласты занимают промежуточное положение.

После добавления к рассмотренным объектам группы пластов еще для трех скважин с неизвестными заранее литологическими свойствами все продуктивные пласты оказались выше линии раздела, а все водоносные – ниже (рис. 20). Таким образом, разделение на продуктивные и непродуктивные пласты данным методом является стопроцентным.

4. Применен метод деревьев решений к анализу непрерывных петрофизических зависимостей путем его доработки в виде алгоритма нечетких деревьев решений с нечеткими условиями ветвления и с нечетким логическим выводом.

Для оценки объема содержащихся в породе углеводородов быстрое определение коэффициента пористости, границ коллекторов осуществлено алгоритмом нечетких деревьев решений, являющимся заменителем решения системы петрофизических уравнений.

Разработана методика применения вейвлет-преобразования с целью первичного сглаживания показаний геофизических методов для фильтрации каротажных сигналов от шума и получения дополнительной информации о строении исследуемой породы, которая позволяет уточнять границы коллекторов с помощью полученных коэффициентов вейвлетов.

Проведена классификация результатов измерений методом деревьев решений с возможностным критерием, и определяются границы коллекторов. Границы коллекторов уточняются с помощью полученных коэффициентов вейвлетов.

Предложена процедура построения нечеткого дерева решений на примере тестовой функций, в качестве которой выбран двумерный аналог функции «мексиканская шляпа», часто применяющейся в теории вейвлет-преобразова-ний: .

Рис. 21. График тестовой функции «мексиканская шляпа»

Вид этой функции для приведен на рис. 21. Данные для обучающей выборки в количестве 1089 точек генерировались случайным образом. Для обучения выборка поделена на две примерно равные части – тренировочную (544 точки) и тестовую (545 точек). Значения функции равномерно разделены на частей и образуют классы . Построенное дерево содержит 25 узлов и представлено на рис. 22. После номера узла следует условие вида , за ним идет количество объектов в выделенном множестве. Последняя цифра относится к листьям и соответствует номеру класса, к которому отнесен объект, удовлетворяющий данным условиям. Значения приведены в безразмерном виде.

Количество правильно классифицированных объектов на тренировочной выборке составляет 97.4%, а на проверочной 96.9%.

На этапе проведения поисково-разведочных работ проводится предварительная оценка запасов нефти и газа. По данным разведочного бурения определяются запасы категории неопробованных продуктивных пластов. Запасы этой категории определяются по результатам бурения, керна и ГИС. Продуктивные пласты нефтяных, газовых и газоконденсатных месторождений характеризуются пористостью, проницаемостью, насыщенностью нефтью, газом и водой.

Для оценки объема содержащихся в породе углеводородов необходимо знание величины коэффициента эффективной пористости. При наличии системы из скважин, определяющих свойства рассматриваемого объема в каждой точке с координатами , , , , начальные запасы нефти на основе объемного метода определяются формулой:

,

где – площадь треугольника, вершинами которого являются скважины; – количество треугольников, покрывающих рассматриваемую залежь; – коэффициент открытой пористости; – коэффициент нефтенасыщенности; – усадка и плотность нефти соответственно.


Рис. 22. Вид построенного
дерева решений

Аналогичным способом по объемному методу определяются запасы газового месторождения:

.

Плотность газа вычисляется по пластовому давлению и температуре и приводится к стандартным условиям : , где – газовая постоянная. Характеристики пластов (коэффициенты пористости, нефтенасыщенности, газонасыщенности) необходимо определить через показания геофизических методов. Пористость и насыщенность нефтегазоносных пластов может сильно изменяться в одном и том же пласте. Быстрое определение коэффициента пористости, границ коллекторов возможно осуществлять на основе экспресс-интерпретации результатов ГИС на основе поточечного анализа.

Обучающая выборка для определения коэффициента пористости имела 774 точки. Половина из них (387 точек) вошла в тренировочную выборку. Остальные точки использовались в качестве проверочной выборки. В результате, коэффициент пористости определяется алгоритмом нечетких деревьев решений, являющемся заменителем решения системы петрофизических уравнений.

Сравнение фактических значений коэффициента пористости с рассчитанным значением показано на рис. 23. Сформированные правила и весовые коэффициенты , , получены по результатам обучения. Входной вектор соответствует показаниям геофизических методов:

– метод БК; – акустический метод; – гамма-метод; – нейтронный гамма-метод; – метод кавернометрии.

Проведенные численные исследования показали, что целесообразно привлечь дополнительную информацию, связанную с определением границ пластов коллекторов. На основе метода деревьев решений определяются границы пластов – коллекторов по показаниям геофизических методов или функция .

Рис. 23. Сравнение фактических и рассчитанных значений
коэффициента пористости

Подставив эту функцию в формулу для запасов получим нижнюю оценку величины запаса, соответствующей анализируемой скважине:

, где – величина шага по глубине скважины. Фрагмент каротажной диаграммы показан на рис. 24.


Рис. 24. Фрагмент каротажной диаграммы

Сложность создаваемых деревьев определяется количеством узлов и ветвей. Простое дерево имеет более наглядный вид. Одним из факторов, влияющих на сложность дерева, является минимальное количество объектов (точек) в конечном узле – .

Рис. 25. Зависимость количества правил от

Данные каротажа характеризуются высокой степенью зашумленности и значение должно быть достаточно большим. Для установления наилучшего значения проведена серия расчетов, выявившая зависимость сложности построенных деревьев от минимального количества объектов в конечном узле. Сложность характеризуется количеством полученных правил. На рис. 25 приведены результаты этих расчетов. Количество правил при малом велико (более 100). Результаты выделения пластов по алгоритму деревьев решений приведены на рис. 26 (сплошная линия) для проверочных данных (новая скважина). Здесь же показаны результаты экспертной интерпретации (пунктирная линия с крестиками).

Доля правильно классифицированных точек на данной скважине составила 82%. Можно отметить наличие тонких пластов, выделенных алгоритмом деревьев решения, и их отсутствие у интерпретаторов. Это связано с тем, что при интерпретации обычно ставится условие: не учитывать тонкие пласты. Введение этого условия в алгоритм классификации также убирает тонкие пласты. Результаты обработки 20 скважин показали, что средняя доля правильно распознаваемых пластов составляет 79% при 75%, полученных с помощью нейронных сетей.

В работе дано обоснование для проведения геофизической интерпретации

дискретным вейвлет-преобразованием. Записанные каротажные сигналы содержат случайные высокочастотные составляющие. Для повышения качества интерпретации целесообразно очистить сигнал от шума. Максимальная частота определяется дискретностью записи показаний геофизических приборов. Чрезмерное подавление высокочастотных составляющих также нежелательно, так как они могут нести информацию о структуре разреза скважины.


Рис. 26. Сравнение результатов классификации с экспертной интерпретацией

Одним из направлений обработки сигналов с разложением на составляющие с разными частотами является применение вейвлет-преобразований. Обозначим снимаемый по глубине скважины сигнал .

Результаты численных исследований показали, что для анализа геофизических сигналов хорошо подходят вейвлеты Добеши с минимальной асимметрией, имеющие максимальное число нулевых моментов с , . Разложение сигнала дает две составляющие , , полностью характеризующие исходный сигнал и позволяющие его восстановить. Функция характеризует сглаженный вариант сигнала. Коэффициенты вейвлета дают информацию об отклонениях сигнала от низкочастотной составляющей.


Рис. 27. Койфлет с минимальной асимметрией для .

Функции характеризуются нерегулярностью и значительной асимметрией. Увеличение длины компактного носителя улучшает регулярность данных функций. Применение фильтров с меньшей асимметрией улучшает качество сжимаемости. Одним из способов снижения асимметрии фильтров является применение койфлетов с минимальной асимметрией как показано на рис. 27 для , где – коэффициенты масштабирующей функции.

Установлено, что вейвлет-преобразование дает дополнительную информацию о строении исследуемой породы. На рис. 28 показан фрагмент КД, на котором представлены запись исходного сигнала, соответствующего БК-методу, сглаженный сигнал и коэффициенты вейвлета. Также на рисунке показаны границы коллекторов, выделенные экспертом и полученные расчетом по методу нечетких деревьев решений.


Рис. 28. Сигнал, его разложение и границы коллекторов

Из рис. 28 следует, что повышение по модулю значений коэффициентов вейвлета соответствует границам коллекторов. Это дает возможность определить функцию при , и при и использовать ее для уточнения границ коллекторов.

Вейвлет-разложение также имеет лучшие сглаживающие показатели, по сравнению с Фурье-преобразованием. На рис. 29 показан результат сглаживания сигнала обоими методами. Недостаток Фурье-фильтрации заключается в появлении отрицательных значений амплитуд, противоречащих физическому содержанию сигнала.


Рис. 29. Сглаживание сигнала

В работе предложен алгоритм методики оценки продуктивности газовых и нефтяных скважин по показаниям геофизических методов, который имеет следующий вид.

Проводится первичное сглаживание показаний геофизических методов с помощью вейвлет-преобразования. Численные исследования показали, что достаточно двукратное масштабирование при м. Проводится классификация результатов измерений методом деревьев решений с возможностным критерием и определяются границы коллекторов. Границы коллекторов уточняются с помощью полученных коэффициентов вейвлетов. В коллекторах рассчитываются показатели пористости, газо-, нефте- и водонасыщенности с применением поточечного анализа показаний каротажных методов на основе метода нечетких деревьев решений. Определяется оценка продуктивности газовой или нефтяной скважины, либо их совокупности. Применение данного алгоритма привело к тому, что количество правильно распознанных пластов-коллекторов по результатам обработки 20 скважин, увеличилось с 79% до 84%, с соответствующим повышением точности прогноза продуктивности.

5. Предложена методика распределения линий тока между нагнетающими скважинами и гранями блоков их содержащих, которая наглядно показывает области с высокой скоростью фильтрации за счет большего числа линий тока, проходящих через эту область, а с другой стороны позволяет более точно определить водо- и нефтенасыщенность для таких областей, которые, как правило, представляют больший интерес для инженеров-нефтяников.

В работе предложен численный способ решения уравнения для давления на основе метода конечных  объемов. Описана процедура учета членов-источ-ников для численного моделирования скважин и граничных условий.

Последовательность основных действий при моделировании на базе МЛТ в данном случае сводится к следующему: 1) решение дифференциального  уравнения в частных производных для давления в новый момент времени с учетом заданных на основной сетке граничных условий и поля подвижности, рассчитанного на предыдущем шаге по времени (IMPES-метод); 2) определение поля общих скоростей на основе закона Дарси; 3) трассировка линий тока; 4) решение одномерной транспортной задачи вдоль каждой линии тока; 5) отображение одномерных решений обратно на основную сетку.

Как только распределение давления было найдено, для трассировки линий тока определяется поле общих скоростей на основе закона Дарси. Для определения вектора скорости на грани сеточного блока, окончательный шаг требует преобразования скорости фильтрации в поровую скорость . Трассировка линий тока может происходить с использованием простейшего метода Эйлера или более точного метода Рунге-Кутта. Однако в данной работе был использован алгоритм Поллока, который является достаточно простым и консервативным методом трассировки.

Для преобразования многомерного транспортного уравнения в МЛТ используется параметр времени пролета (TOF) . Время пролета определяется как время, требуемое для частицы преодолеть расстояние от точки нагнетания до точки отбора. С использованием соответствующего координатного преобразования многомерное транспортное уравнение расщепляется на множество одномерных, решаемых вдоль каждой линии тока аналитически или численно.

Число линий тока, которые начинаются на грани нагнетающего блока, может быть постоянным для всех скважин, может меняться от скважины к скважине в зависимости от расхода закачиваемого флюида, а также может варьироваться в соответствии с расходом через каждую грань нагнетающего блока. В настоящей работе использовался последний способ. Сначала определялось число испускаемых линий тока для каждой скважины , где – суммарный расход от всех нагнетающих скважин; – общее число линий тока, задаваемое пользователем. Линии тока распределялись равномерно по всем граням нагнетающего блока, однако их число для разных граней определялось как , где – расход через грань блока с общим расходом . Затем определялся расход для каждой линии тока . Данный подход, с одной стороны, наглядно показывает области с высокой скоростью фильтрации за счет большего числа линий тока проходящих через эту область, с другой стороны позволяет более точно определить долю индикатора для таких областей, которые, как правило, представляют больший интерес для инженеров-нефтяников.

После того как решены одномерные уравнения вдоль линий тока, происходит их обратное отображение на основную сетку. Для этого каждому блоку назначается та или иная величина насыщенности фазой на основании известной информации вдоль линий тока, проходящих через данный блок. Отображение происходит путем средневзвешенного суммирования по всем линиям тока, где в качестве веса берется приращение времени пролета .

Для большинства случаев моделирования не все сеточные блоки будут содержать хотя бы одну линию тока. Для этих пропущенных блоков время пролета все равно должно быть определено для определения свойств флюида в этом блоке. Назначение TOF пропущенному блоку достигается за счет простой трассировки в обратном направлении к ближайшему блоку, содержащему среднее значение TOF или нагнетающую скважину. Линия тока должна обязательно пройти через пропущенный сеточный блок, поэтому необходимо правильно выбрать его грань, откуда начнется обратная трассировка. При этом точка входа для этой грани в общем случае выбирается произвольно.

В некоторых случаях может оказаться так, что количество пропущенных блоков будет очень большим. Тогда обратная трассировка может потребовать больше времени, чем прямая. При этом нет необходимости проводить обратную трассировку для каждого пропущенного блока. Это связано с тем, что, как указывалось ранее, пропущенные блоки образуются в области медленного течения флюидов и поэтому не требуют высокой точности обработки. В работе предлагается простой алгоритм, который может существенно уменьшить количество обрабатываемых пропущенных блоков. Он основан на том, чтобы отсортировать пропущенные блоки таким образом, чтобы при обратной трассировке строить сначала наиболее длинные линии тока.

Обозначим множество индексов пропущенных блоков, полученных после прямой трассировки по методу Поллока, и множество индексов добывающих скважин. Рассчитаем для каждого пропущенного блока расстояния до добывающих скважин области . Выберем для каждого пропущенного блока минимальное расстояние с образованием соответствующего множества признака «близости» пропущенного блока к добывающим скважинам: . Тогда отсортируем множество в соответствии с так, что получим новое множество индексов пропущенных блоков, которые будут участвовать при обратной трассировке. При этом она будет начинаться с тех пропущенных блоков, которые находятся ближе всего к какой-либо из добывающих скважин. Обозначим первый элемент множества как . Результатом обратной трассировки будет множество пропущенных блоков, через которые прошла линия тока, назначенная . Причем . Теперь перед началом новой обратной трассировки исключим из индексы тех блоков, через которые прошла линия тока на предыдущем шаге, т.е. . Процедура обратной трассировки заканчивается когда .

6. Представлен новый подход к ранжированию геологических продуктивных пластов с использованием моделирования на базе МЛТ. Цель заключается в создании управляемого числа реализаций и предоставлении геологу информации о возможных неопределенностях в описании коллектора. Предложена «иерархическая методология» учета неоднородностей продуктивного пласта. Авторский подход к ранжированию базируется на использовании в качестве критерия связности время пролета линии тока, получаемого МЛТ-симулятором.

Оценено влияние недостоверных данных в расчетах коэффициентов пористости на результаты гидродинамического моделирования.

Рис. 30. Методика ранжирования

Методика иллюстрируется на рис. 30. Предложен подход, базирующийся на иерархических принципах. Сначала рассматривается неопределенность, обладающая потенциально наибольшим влиянием. Например, при ограниченном управлении скважиной структурная неопределенность, полученная в результате интерпретации данных сейсмической разведки, может сильно влиять на режим фильтрации, либо наибольшую значимость представляет неопределенность в распределении трещин. Затем исследуется следующий уровень неопределенности и т.д. Самым последним уровнем неопределенности является множество геостатистических реализаций коллекторских свойств для заданного набора входных параметров. Петрофизические неопределенности имеют тенденцию слабо влиять на динамику совместной фильтрации флюидов по сравнению с другими факторами, влияющими на более масштабные движения жидкостей и газов в пластовых условиях.

Рис. 31. Поперечный разрез одной из генерируемых реализаций

В работе использован трехмерный МЛТ-симулятор для моделирования совместного движения флюидов в пласте. В МЛТ определение насыщенностей отделяется от основной сетки за счет использования координат времени пролета. В качестве основного критерия ранжирования был использован объемный коэффициент охвата. Как только время пролета вычислено, объемный коэффициент охвата в любой момент времени может быть рассчитан по известному распределению времени пролета следующим образом , где – функция Хэвисайда, и – объемный расход, соответствующий линии тока .

Важно также включить значения первоначального объема товарной нефти (STOIIP) в процесс ранжирования, чтобы рассматривать количество нефти для каждой реализации. Идея состоит в том, что оптимистический сценарий может характеризоваться высоким охватом и большим значением STOIIP, тогда как пессимистический сценарий соответствует низкому охвату и малому значению STOIIP. Таким образом, вероятный сценарий может иметь средние значения STOIIP и коэффициента охвата.

Рис. 32. Модель изменения давления в псевдоисточниках вдоль границы водоносного слоя для

имитации его напора

Помимо этого, определяется индекс неоднородности для моделируемых карт проницаемостей, который определяется как , где – среднеквадратичное отклонение логарифмически нормального распределения проницаемостей; – длина корреляции.

Комплексная параметризация пласта проводилась для естественно трещиноватого карбонатного коллектора. Структурно месторождение характеризуется пологой, простой, вытянутой антиклиналью, погруженной в северо-восточном и юго-западном направлениях. К настоящему моменту было пробурено 39 скважин (вертикальных и горизонтальных). Однако уже в имеющихся данных присутствует значительная неопределенность. Распределение разломов для данного месторождения игнорировалось. Тем не менее, в коллекторе имеется существенный разброс трещин в виде трещинных коридоров. Он формировался случайным образом на основе сейсмических и скважинных данных. Структурное моделирование осуществлялось с использованием четырех карт поверхности, полученных по результатам сейсмики, которые приводят к трем основным моделям пласта.

Рис. 33. Упрощенный график отбора

для скважины 14

Множество трехмерных реализаций генерировались с использованием информации о типе породы и петрофизических свойствах (пористость, проницаемость и насыщенность водой) в местоположениях скважин, полученных на основе каротажных и керновых данных. Далее на эти реализации были наложены результаты сейсмометрических измерений пористости. Тип породы в местоположениях скважин генерировался с использованием элетрофациального подхода, результатом которого стали восемь различных основных типов породы.

Были разработаны две вариограммные модели, которые использовались при геостатистическом моделировании. Первая модель базируется исключительно на скважинных данных (точные данные), тогда как вторая модель получается на основе как достоверных, так и неточных данных.

Рис. 34. Суммарный расчет коэффициента
охвата для всех реализаций

Моделирования свойств проводились с использованием гауссовского моделирования, и сейсмические ограничения вводились через процедуру обновления данных Байеса. Эта процедура давала непротиворечивые свойства пласта, которые согласуются с основным распределением разных типов пород. Рис. 31 демонстрирует одну из реализаций, созданной для конкретных типов пород, пористости и проницаемости, которые отражают класс неоднородности и диапазоны изменения пористости, а также проницаемости, сформированной для данного пласта. Всего было создано 48 реализаций, учитывающих четыре основных типа неопределенностей: структура (три случая), пространственная модель (две модели), петрофизические свойства (два случая) и геостатистические реализации (четыре случая).

Рис. 35. Кросс-плот «Коэффициент охвата /
/ Поровый объем»

Исследуемый пласт находится в стадии первичной разработки и осуществляет отдачу при сильном притоке из водоносного слоя. Водоносный слой моделировался с помощью псевдоисточников вдоль границы пласта с заданным давлением. Размер каждой ячейки сетки остается неизменным. Данные о давлении, полученные с наблюдательных скважин в водоносном слое, используются для нахождения давления в псевдоисточниках вдоль границы пласта (рис. 32).

Важным фактором является минимизация числа обновлений давления для увеличения вычислительной эффективности. Способ состоит в том, чтобы объединить различные скважинные события. Графики изменения расходов упорядочиваются таким образом, чтобы учитывать только сильные изменения, а не малые флуктуации в процессе добычи. Было отмечено, что уменьшение числа обновлений до 14 позволило достаточно точно воспроизводить значительные изменения давления по сравнению с ежемесячными обновлениями по всей истории разработки. В качестве примера, на рис. 33 показан средний темп добычи для скважины 14, используемый в МЛТ-модели.

Рис. 36. Реализация сценариев ремасштабирования

Рис. 37. График коэффициента охвата для детальной геологической модели

После проведения МЛТ-моделирования были рассчитаны суммарные коэффициенты охвата для каждой реализации в конце каждого интервала обновления давления. Результаты вычисления коэффициента охвата и неопределенности в STOIIP для 48 реализаций показаны на рис. 34. В целях достоверности значения STOIIP нормализуются с использованием следующего уравнения:

, где представляет собой число реализаций. Три скопления на рис. 34 соответствуют трем структурам (низкой, средней и высокой). На этом рисунке значения коэффициента охвата больше для реализации с низкой структурой по сравнению с теми, которые имеют более высокую структуру. Однако более удобно строить кросс-плот «Коэффициент охвата / Поровый объем» от STOIIP, как показано на рис. 35. В этом случае проще устанавливать связь между различными структурными группами.

Используя критерии ранжирования, три реализации передаются для детального моделирования на базе МКР и адаптации по истории. Это относится к реализациям под номером 41, 15 и 27 для пессимистического, вероятного и оптимистического случаев соответственно. Эти реализации выделены красным цветом на рис. 35, и их свойства суммируются в табл. 2.

В работе разработана методика оптимального ремасштабирования геологической модели с сохранением существенных неоднородных особенностей коллектора. Наиболее значительный уровень неоднородности наблюдается в вертикальном направлении. Степень осреднения по вертикали определялась путем исследования фронта заводнения, который может быть быстро выявлен с помощью МЛТ-симулятора. Идея состоит в укрупнении слоев с близкими по среднему значению коэффициентами охвата. Величины коэффициентов охвата коллектора для каждого слоя изображаются в виде графика, как показано на рис. 36. Этот график позволяет определить те слои, которые будут объединяться в процессе ремасштабирования по вертикали.


Рис. 38. Фронт заводнения в поперечном разрезе пласта для различных уровней ремасштабирования

Оценить влияния ремасштабирования можно путем проведения МЛТ-моделирования для каждого применяемого сценария ремасштабирования и вычисления коэффициенты охвата для каждого слоя. На данном этапе происходит осреднение значений проницаемостей. Оптимальный уровень ремасштабирования по вертикали определялся двумя способами: 1) распределение фронта заводнения изображается графически с использованием параметра времени пролета для каждого из укрупненных слоев; 2) визуально сравниваются вертикальные сечения пласта.

Таблица 2.

Коэффициент охвата, STOIIP и для трех выбранных реализаций

Реализация

41

15

27

Структура

Высокая

Средняя

Низкая

Нормализированный STOIIP

0,77

1,01

1,23

Коэффициент охвата / Поровый объем

0,54

0,65

0,74

Индекс неоднородности

0,16

0,13

0,10

Было проведено комплексное исследование сильно изломанного карбонатного месторождения в Западной Сибири. Стратегия параметризации пласта для данного исследования начиналась с создания геологической схемы типов пород-коллекторов (ТПК). Схема затем использовалась для сужения интервала возможных значений геостатистических характеристик.

На рис. 37 построен график значений коэффициента охвата для каждого слоя детальной модели. Этот график использовался для определения слоев, которые можно укрупнить в процессе ремасштабирования по вертикали.

В результате, были выбраны 5 различных способов вертикального осреднения: 100, 75, 55, 46 и 31 слоев соответственно. Использовались следующие техники осреднения свойств: пористость путем нахождения среднего арифметического; насыщенность водой путем нахождения среднего арифметического; проницаемость путем усреднения тензоров; типы пород путем выбора породы с наибольшим поровым объемом. В процессе ремасштабирования для визуального сравнения фронта заводнения использовались карты времени пролета.

Рис. 39. Значения коэффициента охвата каждого
слоя в зависимости от уровня ремасштабирования

Рис. 40. Более детальное исследование графиков
коэффициентов охвата моделей с 55 и 246 слоями

Рис. 41. Графики коэффициентов охвата
для моделей с 246 и 57 слоями

На рис. 38 показано влияние ремасштабирования на фронт заводнения для 5 различных способов укрупнения по вертикали. Видно, что оптимальная степень укрупнения лежит где-то в районе 55 слоев. На рис. 39 изображены графики послойных коэффициентов охвата в зависимости от уровня вертикального ремасштабирования. Более детальное исследование кривых коэффициентов охвата для модели с 55 и 246 слоями показывает, что присутствуют несколько областей возможного улучшения графиков эффективности вытеснения, как показано на рис. 40. В итоге, модель с 55 слоями была детализирована для получения модели с 57 слоями, график коэффициентов охвата которой приведен на рис. 41. Таким образом, можно считать, что модель с 57 слоями будет включать оптимальную укрупненную сетку с сохранением той же степени неоднородности, что и в детальной геологической модели. В работе методика ремасштабирования апробировалась на примере месторождения, для которого ранее проводилось ранжирование его геостатистических реализаций. Аналогично путем исследования значений коэффициента охвата были выбраны семь разных способов осреднения по вертикали (80, 66, 50, 36, 30, 20 и 11 слоев). Результаты численных исследований показали, что модели с числом слоев выше 30 достаточно хорошо воспроизводят детальную геологическую модель.

Для численной оценки результатов вычислялись две статистические характеристики – коэффициент корреляции (рис. 42) и дисперсия (рис. 43) для детальной (93 слоя) и осредненной моделей. Значительные отклонения происходят, когда сетка укрупняется до 30 слоев и меньше.

Рис. 42. Коэффициент корреляции между эффективностью охвата коллектора
для его детальной и укрупненной моделей

Рис. 43. Дисперсия коэффициентов охвата для детальной и укрупненной моделей

На рис. 44 и 45 сравниваются графики пористости и проницаемости в скважине для детальной и осредненной моделей соответственно. Главные особенности детального описания просматриваются и в укрупненной модели.

В диссертации описаны авторские методики качественной оценки эффективности схемы размещения скважин. Линии тока могут мгновенно указать водоотдачу со скважинами за пределами основной схемы. Линии тока естественным образом позволяют определять распределение потоков между скважинами за счет суммирования объемных расходов через все линии тока, связанные с конкретной скважиной, парой скважин или группой скважин (рис. 46).В рамках методики оценки эффективности нагнетания более «эффективные» нагнетательные скважины, к примеру, должны, вероятно, получать больший объем нагнетаемой жидкости, чем менее эффективные скважины

На рис. 47 показаны реальные данные для установившегося заводнения. График зависимости между нагнетаемым объемом и количеством добытой нефти для каждой нагнетательной скважины дает четкую картину качества работы скважин на всем месторождении. Устанавливая пограничную эффективность, равную отношению объемов добытой нефти к нагнетаемой воде в процентах (10% в этом примере), график может быть  разбит на четыре квадранта, обозначенные под номерами 1, 2, 3 и 4.  Квадрант 1 (желтый) представляет наиболее эффективные нагнетательные скважины, т.е. те скважины, которые обеспечивают наибольшим количеством нефти на каждый баррель нагнетаемой воды. Квадрант 4 (красный), с другой стороны, включает наименее эффективные скважины, которые при большом объеме воды приводят к малой величине отбора нефти. Эти скважины – прямые кандидаты на закрытие, в частности, когда ограничен объем воды или их можно использовать более эффективно где-то в другом месте месторождения. Скважины в квадранте 3 соответствуют менее 10% от нагнетаемого объема, но значительному количеству по абсолютной величине и, таким образом, требуют более детального анализа.

Аналогично, скважины в квадранте 2 обеспечивают менее 10% от нагнетаемого объема, но с другой стороны не требуют больших по абсолютному значению объемов нагнетаемой воды. Что с ними делать, зависит от проведенного инженерного анализа разработки месторождений. Например, вода, используемая скважинами в квадранте 4 (и возможно в квадранте 3), могла бы быть перенаправлена в скважины в квадрантах 2 и 3 для «перемещения» их в квадрант 1.

Рис. 44. Значения пористости для разных масштабов в скважине 14

Рис. 45. Значения проницаемости для
разных масштабов в скважине 14

В рамках методики оценки эффективности добычи индикатором может выступать обводненность скважины. Поскольку линии тока позволяют определять ассоциированный с добывающими скважинами поровый объем, то возможен более детальный анализ, при котором строится кросс-плот дебита нефти и средней нефтенасыщенности для всех эксплутационных скважин (рис. 48). Кросс-плот делится на участки с помощью диагональных линий, причем самая левая линия представляет эффективную линейную зависимость дебита нефти от средней нефтенасыщенности для данного конкретного месторождения. В приведенном примере эту линию определяют три скважины (рис. 48). Средняя и самая правая линии проводятся параллельно первой линии. Задавая пороговое значение дебита (горизонтальная линия на рис. 48), в кросс-плоте образуются подобласти, идентифицирующие самые эффективные эксплутационные скважины (желтые), наименее эффективные добывающие скважины (красные) и скважины (зеленые), работу которых можно улучшить. Скважины, обозначенные черным цветом, на рис. 48 занимают промежуточное место, т.к. они неэффективны с точки зрения отдачи, но, с другой стороны, соседствуют с областями коллектора с высокой средней нефтенасыщенностью.

На современном уровне развития технологий результатом сбора и обработки геолого-геофизической и промысловой информации является построение моделей месторождений. Недостоверность данных может оказать значительное влияние на поведение модели. Например, на качество конечной гидродинамической модели может повлиять ошибка в расчетах коэффициентов пористости.

Гидродинамические модели были построены с использованием симулятора ROXAR TempestMORE. Визуализация и экспорт данных для последующего анализа результатов осуществлялась с помощью встроенного инструментария Tempest. Модели построены на основе реальных данных одного из месторождений Западной Сибири. Для одной из моделей взято поле коэффициентов пористости, построенное с использованием непроверенных данных, а в другой – полученное после проверки. Коэффициенты нефте- и газонасыщенности полученные в результате эксперимента были сопоставлены с реальными данными, имеющимися в распоряжении соответствующих департаментов нефтяных компаний.

Рис. 46. Использование линий тока для баланса системы расположения скважин

Рис. 47. Кросс-плот для оценки
эффективности нагнетательных скважин

Рис. 48. Кросс-плот для оценки дренируемого объема добывающих скважин

В настоящее время одним из важнейших направлений повышения качества подсчета запасов, проектирования, управления и контроля за разработкой нефтяных месторождений является применение постоянно-действующих геолого-гидродинамических моделей.


Рис. 49. Базовая гидродинамическая модель (поле нефтенасыщенности)

Детальное геолого-гидродинамическое моделирование позволяет оперативно управлять текущими запасами, на ранних стадиях разработки группировать запасы в соответствии с оптимальными для их извлечения технологиями, осуществлять оперативное, экономически-обоснованное управление разработкой, проектировать оптимальные с точки зрения прибыльности и снижения затрат на добычу нефти системы разработки. На основе моделирования решаются многие задачи геологии и разработки: оптимизация заложения разведочных и эксплуатационных скважин; минимизация риска бурения; дифференцированный подсчет запасов; проектирование систем разработки; оценки эффективности работы каждой скважины в течение всего периода эксплуатации и др.

Одним из важнейших этапов создания гидродинамической модели является ее адаптация. Цель адаптации модели – добиться близкого соответствия расчетной и фактической добычи нефти, газа, воды, пластового давления и других параметров, как по всему месторождению, так и по отдельным скважинам в течение всего периода разработки. Успешная адаптация – ключ к расчету научно-обоснованных показателей добычи на периоде прогноза разработки месторождения.

Рис. 50. Поле проницаемости, полученное по зависимости от пористости

Рис. 51. Поле проницаемости, полученное
с помощью нейронной сети

Адаптация модели достигается изменением параметров модели в пределах неопределенности их задания. Одним из таких параметров является проницаемость. Как правило, проницаемость определяется через нелинейную зависимость через пористость. Но, ввиду того, что проницаемость в типичном пласте изменяется пространственно намного сильнее, чем пористость, то подобная зависимость вносит дополнительную неопределенность. Одной из задач данной работы является сравнение влияния полей проницаемости, полученных традиционно (через зависимость от пористости) и с помощью искусственных нейронных сетей, определяющих данный параметр пласта в зависимости от данных каротажных исследований, на гидродинамическую модель месторождения. Для проведения эксперимента была создана гидродинамическая модель (рис. 49).

Также были созданы поля проницаемости. Первое через зависимость от пористости, а второе с помощью нейронной сети. Для наглядности данные поля приведены в виде карт (рис. 50 и 51).

Рис. 52. Сравнение исторической добычи нефти с результатами моделирования при классическом определении проницаемости

Рис. 53. Сравнение исторической добычи нефти с результатами моделирования при определении проницаемости с помощью нейронных сетей

На основании полученных полей были рассчитаны две модели. На рис. 52 представлены графики исторической добычи нефти с полученным по модели с использованием классического подхода к определению проницаемости, на рис. 53 аналогичные графики, только проницаемость определялась с помощью нейронных сетей. Как видно из представленных рисунков, первая модель требует серьезной адаптации, в то время как вторая – практически готова к работе. Отсюда можно сделать вывод, что с помощью нейронных сетей проницаемость определяется намного точнее, чем через классические зависимости от пористости.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Компьютерные технологии в области моделирования месторождений в настоящее время имеют тенденцию устойчивого роста интереса со стороны нефтяных компаний. Они позволяют обосновывать стратегию разработки нефтяных месторождений. Моделирование ориентировано изначально на залежи нефти в мощных пластах песчаников, значительных по площади простирания, разбуренных плотной сеткой скважин при фонде скважин от нескольких сотен до нескольких тысяч. Информативность исходных данных таких крупных месторождений достаточно высока.

2. Создана интеллектуальная информационно-измерительная технология и программно-аппаратные средства для автоматизации комплексных ГИС, включающие цифровую регистрацию, оперативную предварительную обработку геофизических сигналов, применение программной системы управления и реляционной базы данных ГИС для их интерпретации.

3. Создан и внедрен автоматизированный ПАК для ГИС первого поколения, включающий в свой состав АЦЗПК, устройство ввода служебной информации, устройство для селекции импульсов глубины скважины от импульсов помех, регистраторы КД и интерфейсный блок согласования ЦМР с ЭВМ. Техническая новизна и практическая полезность всех блоков ПАКа первого поколения защищены несколькими десятками авторских свидетельств СССР на изобретения. Предложен отличный от традиционного принцип информационного обеспечения  в базе данных компьютеризированного ПАКа второго поколения.

4. Создана информационно-интерпретирующая система оцифровки КД с бумажного носителя. Разработан метод обнаружения и распознавания структурных элементов КД, построенный на базе центроидной фильтрации и кластерного анализа реакций центроидного фильтра на элементы КД. На основе секторных цепных кодов построена схема распознавания линий на растре, учитывающая геометрические их характеристики: местоположения, ориентировки и длины. Данная  система  полностью автоматизирует оцифровку КД в отличие от существующих.

5.Установлено,  что, в целом, в техническом отношении качество геофизического материала позволяет использовать его для трехмерного геологического моделирования. Комплекс промыслово-геофизических исследований позволил решить следующие геолого-промысловые задачи: провести детальное литологическое расчленение разреза скважин, выделить пласты-коллекторы, оценить их эффективную толщину; определить значения пористости и нефтенасыщенности коллекторов в каждом пластопересечении; определить характер насыщения пластов-коллекторов.

6. Разработан способ определения информативности методов каротажа при распознавании литологической структуры моделью НЛ. Проведенные оценки выявили показатели информативности методов каротажа при интерпретации результатов ГИС на основе алгоритмов НЛ. Наибольшую информативность при использовании пяти методов имеет метод GR – 26, следующий BK – 22.3, затем DS – 19.6, DT – 14.9 и NGR – 9.6.

8. Проведен комплексный эксперимент по обучению НС, заключающийся в выделении пластов-коллекторов и нефтенасыщенных, водонасыщенных, нефтеводонасыщенных пластов. Получены экспериментальные зависимости между правилами формализации задачи и конечными результатами распознавания литологической структуры разреза скважины с помощью аппарата искусственных НС. Это позволило сделать вывод о применимости многослойной НС для качественной экспресс-интерпретации данных ГИС. Среди рассмотренных нейросетевых алгоритмов (многослойный персептрон, радиальная сеть, нечеткая сеть) наилучшую эффективность (погрешность аппроксимации) обеспечивает нечеткая сеть TSK с обучением на основе псевдоинверсии и гибридного алгоритма.

9. Применение алгоритмов обработки выхода НС позволило получить до 85% совпадений оценок сети с эталонными данными при использования порога округления и до 93% при использовании аппарата нечеткой логики. Иными словами, точность выделения литологических пластов в разрезе скважины с помощью НС может быть выше указанной. Среднеквадратичная ошибка прогнозирования на тестовом множестве данных составила для многослойного персептрона , для сети TSK .

10. Для применения метода деревьев решений к анализу непрерывных петрофизических зависимостей целесообразна его доработка в виде алгоритма нечетких деревьев решений с нечеткими условиями ветвления и с нечетким логическим выводом. Тестирование метода нечетких деревьев решений с возможностным критерием ветвления показало его универсальную способность решать задачи дискретной классификации и непрерывной аппроксимации. Погрешность аппроксимации на тестовых функциях в 2-3 раза ниже, чем в наиболее эффективном варианте НС – TSK. Результаты применения метода нечетких деревьев для задач геофизической интерпретации показали его преимущество по сравнению с НС, выражающееся в увеличении доли роста правильно распознанных коллекторов с 75% до 79% и снижение ошибки прогнозирования показателей газо- и нефтенасыщенности с 6,5% до 4,4%.

11. Разработана методика применения дискретного вейвлет-преобразования с целью первичного сглаживания показаний геофизических методов для фильтрации каротажных сигналов от случайных высокочастотных составляющих и получения дополнительной информации о строении исследуемой породы, которая позволяет уточнять границы коллекторов с помощью полученных коэффициентов вейвлетов. Метод нечетких деревьев решений в совокупности с вейвлет-преобразованием реализован в виде программного комплекса, позволяющего проводить количественную оценку продуктивности скважин непосредственно на месте бурения.

12. Критерий времени пролета вдоль линии тока предоставляет общий и эффективный инструмент для ранжирования геологических моделей, который учитывает взаимодействие между статическими параметрами модели и динамическими режимами потока. Значения коэффициента охвата коллектора совместно с STOIIP могут использоваться для определения пессимистического, оптимистического и вероятного сценариев разработки месторождения.

13. Высокая скорость ранжирования на основе МЛТ позволяет исследовать влияние неоднородностей, наблюдаемых в различных статических и динамических параметрах, в реальных промысловых условиях. Коэффициент охвата при известном параметре времени пролета является подходящим критерием для нахождения оптимальных способов вертикального ремасштабирования, при которых сохраняются важные детали неоднородного строения пласта.

14. МЛТ дает прямое и точное решение проблемы качественной оценки эффективности схемы размещения скважин. Линии тока естественным образом позволяют определять распределение потоков между скважинами за счет суммирования объемных расходов через все линии тока, связанные с конкретной скважиной, парой скважин или группой скважин, что позволяет лучше сбалансировать существующую систему разбуренных скважин.

15. Востребованным на практике является метод, при котором определяется количеством добытой нефти как функции нагнетаемого объема. Это тот самый тип информации, который линии тока предоставляют естественным образом. График зависимости между нагнетаемым объемом воды и количеством добытой нефти для каждой нагнетательной скважины дает четкую картину качества их работы на всем месторождении.

16. Поскольку линии тока позволяют определять ассоциированный с добывающими скважинами поровый объем (область дренирования), то становится возможным более детальный анализ, при котором строится кросс-плот дебита нефти и средней нефтенасыщенности (и даже объема подвижной нефти в стандартных условиях) для всех эксплутационных скважин. Такой график сразу покажет наиболее эффективные добывающие скважины (высокий темп добычи при низкой нефтенасыщенности ассоциированного порового объема) и наименее эффективные добывающие скважины (низкий дебит и высокая нефтенасыщенность области дренирования).

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ
ОТРАЖЕНО В СЛЕДУЮЩИХ РАБОТАХ АВТОРА:

I. Монографии

1. Лялин В.Е., Рагульскис К.М., Бенткус Р.Ю. и др. Динамика прецизионных лентопротяжных механизмов: монография. – Вильнюс: Мокслас, 1984. – 171 с.

2. Лялин В.Е. Интеллектуальные информационно-измерительные технологии и программно-аппаратные комплексы для автоматизации ГИС. – Екатеринбург – Изд-во ИЭ УрО РАН, 2001. – 352 с.

3. Денисов С.В., Лялин В.Е., Сидельников К.А. Эффективные вычислительные технологии  для гидродинамического моделирования месторождений. Методы трубок и линий тока: монография. – Екатеринбург: Изд-во УрО РАН, 2011. – 182 с.

4. Лялин В.Е. Программно-аппаратные средства, математические модели и интеллектуальные информационные технологии для обработки и интерпретации геофизических исследований скважин. – Екатеринбург: Изд-во УрО РАН, 2012. – 324 с.

II. Научные статьи в центральных изданиях, рекомендованных ВАК РФ

5. Лялин В.Е., Сметанина Л.П., Тарануха В.П. О продольных колебаниях троса в  скважине с подвешенным на конце измерительным прибором // Вестник Удмуртского гос. университета – Ижевск: УдГУ, 1994, №8. – С.54-59.

6. Гурьянов А.В., Нистюк А.И., Лялин В.Е. Комплекс программ для оперативной предварительной обработки каротажных сигналов // «Вестник ИжГТУ». – Ижевск: Изд. ИжГТУ, 2002. Вып.3. С. 15-20.

7. Щеглов А.П., Лялин В.Е. Описание способов и устройств для определения и устранения погрешностей, возникающих при сканировании бумажных носителей // «Вестник ИжГТУ»: Математическое и программное обеспечение экспертных систем для  ГИС, 2002. – С. 8-11.

8. Лялин В.Е., Коваленко Р.А. Оптимизация конструкции емкостного датчика виброакустических сигналов в заданном диапазоне рабочих частот скважинной  колонны // Вестник ИжГТУ. – Вып. 5. – Ижевск, 2002. – С. 49-51.

9. Лялин В.Е., Григорьев Е.В. Разработка критериев синтеза динамических систем с отклоняющимся аргументом и распределенными параметрами // Вестник ИжГТУ.– Вып. 5. – Ижевск, 2002. – С. 28 – 31.

10. Лялин В.Е., Сенилов М.А. Математическое моделирование процесса интерпретации данных ГИС// Вестник МАРТИТ – М., 2004. – № 11. – С. 108-115.

11. Сенилов М.А., Лялин В.Е. Построение модели разреза геологоразведочной скважины // Вестник МАРТИТ– М., 2004. – № 12. – С. 49-55.

12. Лялин В.Е., Сенилов М.А. Нейросетевая модель по точечной интерпретации геофизических данных // Вестник Нижегородского гос. унив-та им. Н.И. Лобачевского, 2005. – С. 215-221.

13. Васильев В.В., Лялин В.Е., Сенилов М.А. Сравнительный анализ методов классификации пластов-коллекторов // Нефтяное хозяйство – Уфа, 2005 – №5 – С. 50-51.

14. Лялин В.Е., Сидельников К.А. Аналитические решения задач многофазной многокомпонентной фильтрации // Нефтегазовое дело  – Уфа, 2005. – № 3. – С. 79-92.

15. Лялин В.Е., Сидельников К.А. Современные модели линий и трубок тока для описания многофазной фильтрации в неоднородном пласте // Известия ТулГУ. Серия. Математика. Механика. Информатика. – Т. 11. Вып. 4. – Тула, 2005. – С. 126-146.

16. Сидельников К.А., Лялин В.Е. Основные области применения метода линий тока при разработке нефтяных и газовых месторождений // Известия ТулГУ. Серия. Математика. Механика. Информатика. – Т. 11. Вып. 3.– Тула, 2005. – С. 167-179.

17. Лялин В.Е., Костиков Д.В. Оценка эффективности вейвлет-анализа данных геофизических исследований // Известия ТулГУ. Серия. Математика. Механика. Информатика. – Т. 11. Вып. 5. – Тула, 2005. – С. 87-96.

18. Лялин В.Е., Лутфуллин Р.Р. О применении теории матриц в математическом моделировании инклинометрических систем с трехкомпонентными акселерометрическими датчиками // Датчики и системы. – 2005. – № 1. – С. 21-24.

19. Костиков Д.В., Лялин В.Е. Оценка сложности обучающей выборки с помощью выборочной константы Липшица при распознавании литологической структуры скважины нейронной сетью // Известия ТулГУ. Серия. Математика. Механика. Информатика. – Вып. 3 – Тула, 2006. – С. 155-160.

20. Костиков Д.В., Лялин В.Е. Применение метода «выбеливания» входов обучающих примеров при распознавании литологической структуры скважины нейронной сетью // Известия ТулГУ. Серия. Математика. Механика. Информатика. – Вып. 3. – Тула, 2006. – С. 161-167.

21. Лялин В.Е., Титов В.А., Пивоваров И.В. Распознавание и обработка картографических изображений // Известия ТРТУ. Тематический выпуск: Материалы Всеросс. НТК с международным участием «Компьютерные и информационные технологии в науке, инженерии и управлении». – Таганрог: Изд-во ТРТУ, 2006. – №5(60). – С. 160-168.

22. Лялин В.Е., Фролов К.В. Интеллектуализация нечетких систем для моделирования производственно-технических процессов транспортировки природного  газа// Вестник МАРТИТ– М. 2006. – № 22 (44). – С. 3-10.

23. Денисов С.В., Лялин В.Е., Сидельников К.А. Математические вопросы аналитического решения уравнений одномерной трехфазной фильтрации в постановке задачи Римана // Нефтегазовое дело – Уфа, 2008. – Т. 6. – № 2. – С. 144-168.

24. Исмагилов Р.Н., Лялин В.Е., Сидельников К.А. Решение обратных коэффициентных задач с применением нечетких деревьев регрессии на примере обработки кривой восстановления давления // Известия ТулГУ Серия: Естественные науки. – Вып. 3. – Тула, 2009. – С. 255-266.

25. Лялин В.Е., Денисов С.В., Исмагилов Р.Н. Модификация метода последовательного прогнозирования вероятностей для анализа данных ГДИС // Вестник ИжГТУ. – Ижевск:, 2009. № 2 (42). С. 129-134.

26. Лялин В. Е., Санников В. А. Моделирование влияния капиллярного числа на относительные фазовые проницаемости флюидов с помощью метода линий тока // Вестник ИжГТУ . – Ижевск, 2011. № 2. – C. 165–169.

III. Авторские  свидетельства  СССР, прираниваемые к  публикациям в

центральных изданиях, рекомендованных ВАК РФ

27. А.с. №1037300 (СССР), МКИ G 06 К 15/14. Устройство для регистрации информации / В.Е. Лялин, Р.М. Гараев, А.И. Нистюк и др. – №3438600. Заявл. 17.05.82; Опубл. в Б.И. 1983. – №31.

28. А.с. №1030818 (СССР) МКИ G06К15/22. Устройство для регистрации информации/ В.Е. Лялин, А.И. Нистюк и др. – №3394911/24. Заявл. 08.02.82. – Опубл. в Б.И. 1983, №27.

29. А.с. №1136194 (СССР), МКИ G06K15/12. Устройство для регистрации информации / В.Е. Лялин, П.Г. Кузнецов, Р.М. Гараев и др. – №3517535/24-24. Заявл. 03.12.82; Опубл. в Б.И. 1985, №3.

30. А.с. №1156104 (CCCР), МКИ G06К9/36. Устройство для селекции импульсов / Р.М. Гараев, В.Е. Лялин, А.И. Нистюк – №3570734/24-24. Заявл. 01.04.83; Опубл. в Б.И. 1985, №18.

31. А.с. №1275531 (СССР), МКИ G11 В 5/09. Устройство для цифровой магнитной записи / В.Е. Лялин, Гараев Р.М., Тарасов А.В. – №3884082/24-10. 3аявл. 15.04.85; Опубл. в Б.И. 1986, №45.

32. А.с. №1295426 (СССР), МКИ G 06 К 9/36. Устройство для классификации сигналов объектов/ В.Е. Лялин, В.С. Поздеев, Р.М. Гараев – №3924781/24-24; Заявл. 08.07.85; Опубл. в Б.И. 1987, №9.

33. А.с. №1309057 (СССР), МКИ С06 К 9/36. Устройство для селекции признаков при распознавании образов / В.Е. Лялин, В.С. Поздеев, Р.М. Гараев – №3989146/24-24. Заявл. 10.12.85; Опубл. в Б.И. 1987, №17.

34. А.с. №1436124 (СССР), МКИ G11В15/46. Устройство регулирования скорости движения носителя магнитной записи / В.Е. Лялин, А.В. Тарасов, Р.М. Гараев. – №4148642/24-10. Заявл. 30.07.86; Опубл. в Б.И. 1988, №41.

IV.Статьи в региональных журналах, сборниках научных трудов, а также материалы конференций

35. Лялин В.Е., Нистюк А.И. Synthesis of Tape Drives on then Basis of Frequency Spectra for a Threecomponent Rheological Tape Model // Vibration Engineering. – №4. – 1990. – P.61-71.

36. Лялин В.Е., Распознавание взаимного расположения частотных спектров при синтезе прецизионных лентопротяжных механизмов каротажных  регистраторов// В кн.: Материалы VI Всемирного конгресса международной федерации по теории механизмов и машин, Дели (Индия), 1983. – т.1. – C.681-685.

37. Опытно-методические работы по обеспечению эффективности применения цифровой записи параметров каротажа на серийных станциях АКСЛ-7: Заключительный отчет о НИР / Ижевский мех. инс-т; Рук. В.Е. Лялин; Исп. Р.М. Гараев, А.И. Нистюк. – № ГР 01850004401; Инв. № 02860033931. – Ижевск, 1985. – 145 с.

38. Опытно-методические работы по внедрению системы цифровой записи и дистанционной передаче параметров каротажа: Отчет о НИР / Удмурт. геолог. произв. объедин; Рук. В.Е. Лялин; Исп. А.В. Тарасов, И.А. Вахрушев и др. – № ГР 32-85-45/22; Инв. № 1937. – Ижевск, 1987. – 150 с.

39. Лялин В.Е., Мурынов А.И. Применение методов распознавания образов для автоматизированного синтеза, контроля и диагностики машин и механизмов // Докл. VII Всемирного конгресса Международной федерации по теории машин и механизмов. – Севилья (Испания): Пергамон пресс, 1987. – С.849-852.

40. Мурынов А.И., Вдовин А.М., Лялин В.Е. Оценка геометрико-топологи-ческих параметров деталей изображений на основе метода центроидной фильтрации // Химическая физика и мезоскопия. Т.4, 2002, №2. – С. 145-160.

41. Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторождения: Отчет о НИР / Институт интеллектуальных технологий; Рук. В.Е.Лялин; Исп. В.П. Цепелев, А.В.Гурьянов и др. – № ГР 01200 405095 – Ижевск, 2004, 91 с.

42. Верификация геолого-геофизической информации по объектам разработки месторождений Северного НГДП ОАО «ТНК-Нижневартовск»: Отчет о НИР / Институт интеллектуальных технологий; Рук. В.Е.Лялин; Исп. Д.С. Гаврилов, В.Н. Дубовецкий и др. – № ГР 01200 405097 – Ижевск, 2004, 63 с.

43. Отчет по договору 561 на производство работ по переинтерпретации материалов ГИС Ижевского месторождения ОАО «Удмуртнефть»: Отчет о НИР/ Институт интеллектуальных технологий Рук. В.Е. Лялин; Исп. Т.Г. Немирович, М.В. Данилов и др. – № ГР 01200 408505 – Ижевск, 2004, 53 с.

44. V.E. Lyalin, V.V. Vasilyev. The Definition of a Lithologic Well Profile with Application of Artificial Neural Networks // 9th European Conference on the Mathematics of Oil Recovery. – Cannes (France), 2004, – P009 (8 pages).

45. Костиков Д.В., Лялин В.Е. Результаты применения метода уменьшения объема обучающей выборки при распознавании литологической структуры скважины нейронной сетью по данным ГИС // Надежность и качество. Труды междунар. Симп. В 2-х томах / Под. ред. Н.К. Юркова – Пенза, 2006. – Т. 1. – С. 150-153.

46. Костиков Д.В., Лялин В.Е. Применение спектрального анализа для улучшения качества распознавания литологической структуры скважины нейронной сетью по данным ГИС// Надежность и качество. Труды междунар. симпозиума. В 2-х томах / Под. ред. Н.К. Юркова – Пенза, 2006. – Т. 1. – С. 245-248.

47. Лялин В.Е., Ясовеев И.М. Применение нечеткой логики и нейронных сетей для литологического расчленения разреза скважины // Надежность и качество. Труды междунар. Симп. В 2-х томах / Под.ред. Н.К. Юркова – Пенза, 2006. – Т. 1. – С. 44-48.

48. Лялин В.Е., Мыльцев В.А. Метод моделирования сложных технологических процессов с помощью причинно-следственной сети на основе комбинированного применения нечеткого логического вывода, нейросетевой аппроксимации деревьев решений // Информационные технологии в науке, образовании  и др.. Материалы 34-й междунар. конф. – Украина, Крым, Ялта-Гурзуф, 2007. – С. 157-159.

49. Лялин В.Е., Власов С.П. Принципы моделирования производственно-технических процессов  мониторинга  газового конденсата  на основе нечетких систем // Многопроцессорные вычислительные и управляющие системы: Мат-лы Междунар. науч.-техн. конф. – Таганрог: Изд-во ТТИ ЮФУ, 2007. – Т. 2. – С. 28-33.

50. Лялин В.Е., Власов С.П. Методы уменьшения обучающей выборки для нейронной сети при интерпретации данных ГИС // Ж. АН Украины «Искусственный интеллект» – № 3. – Донецк: Изд-во Наука i освiта, 2007 – С. 509-517.

51. Лялин В.Е., Фролов К.В. Адаптация и оптимизация нечетких систем для моделирования производственно-технических процессов // Ж. АН Украины «Искусственный интеллект» – № 4. – Донецк: Изд-во Наука i освiта, 2007 – С. 111-119.

52. Лялин В.Е., Власов С.П. Методика экспресс-оценки запасов углеводородов по результатам ГИС// Ж. АН Украины «Искусственный интеллект» – № 4. – Донецк: Изд-во Наука i освiта, 2007 – С. 99-110.

53. Лялин В.Е., Власов С.П. Применение дискретного вейвлет-преобразо-вания для проведения геофизической интерпретации // Многопроцессорные вычислительные и управляющие системы: Мат-лы Междунар. науч.-техн. конф. – Таганрог: Изд-во ТТИ ЮФУ, 2007. – Т. 2. – С. 182-186.

54. Лялин В.Е., Сидельников К.А.Определение параметров режимов фильтрации на графике производной давления с помощью нейронной сети // Материалы VIII Междунар. науч.-техн. конф. «Интеллектуальные системы», 2010, С. 34-40.

55. Лялин В.Е., Санников В.А. Гидродинамическое моделирование неоднородных площадных пластов-коллекторов с множеством скважин на основе метода линий тока // Актуальные проблемы гуманитарных и естественных наук. – М.: 2011. – № 3 (26). – С. 427-432.






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.