Бесплатный автореферат и диссертация по геологии на тему

Количественные методы регионального и локального прогноза нефтегазоносности

ВАК РФ 04.00.17, Геология, поиски и разведка нефтяных и газовых месторождений

Автореферат диссертации по теме "Количественные методы регионального и локального прогноза нефтегазоносности"

ЛИНИСТЕРСТВО ПРИРОДНЫХ РЕСУРСОВ РОССИЙСКОЙ ФЕДЕРАЦИИ РОССИЙСКАЯ АКАДЕМИЯ НАУК ВСЕРОССИЙСКИЙ НЕФТЯНОЙ НАУЧНО-ИССЛЕДОВАТЕЛЬСКИЙ ГЕОЛОГОРАЗВЕДОЧНЫЙ ИНСТИТУТ

2 1\ ФЕО 1397

На правах рукописи

Белонин Михаил Даниилович

КОЛИЧЕСТВЕННЫЕ МЕТОДЫ РЕГИОНАЛЬНОГО И ЛОКАЛЬНОГО ПРОГНОЗА НЕФТЕГАЗОНОСНОСТИ

04.00.17-Геологая, поиски и разведка нефтяных и газовых месторождений

ДИССЕРТАЦИЯ на соискание ученой степени доктора геолого-минералогических наук в форме научного доклада

Санкт-Петербург 1997

Официальные оппоненты: доктор физико-математических наук,

член-корр. РАН, профессор Гольдин C.B.

доктор геолого-минералогических наук, член-корр. РАЕН, профессор Золотов А.Н.

доктор геолого-минералогических наук, член-корр. РАЕН, профессор Старосельцев B.C.

Ведущее предприятие: Институт геологии и разработки горючих ископаем! (ИГ и РГИ) г. Москва.

Защита состоится " 11 " марта 1997 г. в 14 часов на заседании диссертационно совета Д 002.50.04 при Объединенном институте геологии,геофизики минералогии Сибирского отделения Российской Академии Наук по адрес 630090, Новосибирск 90, Университетский пр.З, конференц-зал.

С диссертацией в виде научного доклада можно ознакомиться в б и бл йота Объединенного института геологии, геофизики и минералогии СО РАН.

Диссертация в форме научного доклада разослана " 7 " февраля 1997г.

Ученый секретарь диссертационного Совета,

доктор геолого-минералогических наук

Актуальность проблемы. Современная экономическая ситуация диктует необходимость опережающего моделирования всей системы работ на нефть и газ (от прогноза до открытия и освоения месторождений) в пределах конкретных территорий прежде чем приступать к непосредственному ведению поис-хово-разведочных и эксплуатационных работ.

Моделирование поисково-разведочных и эксплуатационных работ необходимо для определения целесообразности инвестиций. Чем точнее моделирование, тем меньше риск.

Успех же в моделировании в свою очередь зависит от того, насколько достоверны имеющиеся представления о богатстве недр, о качестве углеводородного сырья, т.е. от показателей нефтегазоносности, которые являются результатом геологического прогноза нефтегазоносности. Совершенство последнего неразрывно связывается с оперативным доступом ко всему, накопленному материалу, умением грамотно в реальном масштабе времени систематизировать имеющуюся информацию и на базе последней осуществлять наиболее правдоподобные оценки богатства недр территорий, опираясь и максимально используя при этом опыт и интуицию специалистов. Стало также очевидным, что геологический прогноз неотделим от оценки экономической значимости прогнозируемых скоплений разномасштабных объектов. Но не менее очевидно и то, что собственно геологический прогноз сохранил и представляет до сих пор самостоятельную ценность. И он нуждается и будет нуждаться в постоянном совершенствовании. Поэтому необходимо обобщение опыта геологического прогноза, необходимо построение геолого-математических моделей, адекватных природным объектам, и моделей распределения в них ресурсов углеводородов, и создание отвечающих современным требованиям систем прогнозирования нефтегазоносности разномасштабных объектов, опирающихся на компьютерные технологии и последние достижения в области методики и методологии прогнозирования.

Цель работы - усовершенствовать механизм прогноза нефтегазоносности, повысить его достоверность и оперативность получения прогнозных решений путем:

- разработки методологических основ прогноза;

- создания человеко-машинной технологии;

- выявления критериев, конструирования и практического использования геолого-математических моделей многовариантного прогноза, адекватных природным объектам.

Основные задачи исследований

1. Обобщение и критический анализ существующих подходов и разработка

с системных позиций единых методологических основ прогноза нефтегазо носности.

2. Конструирование и реализация технологической схемы многовариаш ного решения комплекса прогнозных задач нефтяной геологии.

3. Создание баз фактических данных по нефтегазоносности бассейнов, об ластей и локальных структур.

4. Оценка информативности показателей, подлежащих использованию пр] решении задач геологического прогноза нефтегазоносности разномасштабны: объектов.

5. Построение на единой методологической основе системы геолого математических методов прогноза нефтегазоносности бассейнов, нефтегазо носных областей и локальных структур; определения величины запасов круп нейших месторождений нефти и газа в нефтегазоносных бассейнах (НГБ) 1 нефтегазоносных областях (НГО).

6. Создание технологической схемы оценки нефтегазоносности больши: (более 4,5 км) глубин и оценка нефтегазоносности глубоких недр России I стран бывшего СССР.

Научная новизна. Личный вклад. Автором впервые:

- разработаны на основе обобщения и критического анализа существую щих подходов единые методологические основы прогноза нефтегазоносносп геологических объектов различных порядков;

- разработана комплексная методика геолого-математического анализа (< использованием методов многомерного анализа) фактических данных по ре шешно типовых задач на всех этапах прогноза;

- разработана комплексная человеко-машинная технология многовариант ной оценки прогнозных ресурсов нефти и газа, решения типовых задач нефтя ной геологии;

- предложен комплекс геолого-математических моделей многовариантно£ оценки запасов крупнейшего нефтяного и газового месторождения;

- предложен комплекс прогностических моделей по качественной и количе ственной оценке параметров нефтегазоносности геологических объектов раз личных порядков (от нефтегазоносных бассейнов до локальных структур дш разных районов бывшего СССР: Волго-Уральской НГП, Амударьинской си неклизы, Предкавказья, Тимано-Печорской НГП);

- оценены прогнозные запасы углеводородов на больших глубинах (боле« 4,5 км) и в пределах слабоизученных бассейнов бывшего СССР на единой методической основе.

- осуществлена прогнозная оценка нефтегазоносности локальных структур: до постановки на них глубокого бурения с помощью комплексного геолого-

математического анализа для районов Волго-Уральской НГП, Амударьин-ской синеклизы, Предкавказья, Тимано-Печорской НГП;

- заложены основы и определено новое направление исследований по созданию АСУ-Нефтегазразведка.

Основные защищаемые положения и новые научные результаты.

1) единые методологические основы прогноза нефтегазоносности;

2) комплексная методика геолого-математического анализа фактических данных (при решении типовых задач на всех этапах прогноза);

3) комплексная человеко-машинная технология многовариантной оценки ресурсов нефти и газа (при решении типовых задач нефтяной геологии);

4) комплекс моделей многовариантной оценки запасов крупнейшего нефтяного и газового месторождения;

5) комплекс прогностических моделей по качественной и количественной оценке параметров нефтегазоносности геологических объектов различного порядка от локальных структур до бассейнов, включая ресурсы УВ на больших глубинах (более 4,5 км);

6) комплексный геолого-математический анаши локальных структур с целью оценки нефтегазоносности до постановки на них глубокого бурения;

7) по мере уменьшения размера объектов оценки снижается роль генерационных критериев и возрастает значимость показателей миграции, аккумуляции и эволюции УВ. На локальном уровне наряду с региональными критериями большой вес получают локальные (морфологические) характеристики объектов оценки. Вместе с тем при прочих равных условиях расположение гигантских месторождений в очень сильной степени определяется зонами генерации УВ.

8) при региональном прогнозе ведущее место принадлежат морским и карбонатным отложениям в разрезе, объему отложений па глубинах свыше 2 и 4 км и доле песчано-алевритовых отложений в разрезе, а при локальном прогнозе - удаленности структур от флексурно-разрывных зон и уступов, распо-поженных ниже по падению мощности региональных покрышек и абсолютным амплитудам новейших тектонических движений.

9) с увеличением глубины погружения резервуаров возрастает роль термо-эарического фактора при дифференциальном улавливании углеводородов.

Фактический материал и методы исследований. Проведенные исследования эазировались на теоретических и методических разработках в области происхождения нефти и газа, формирования залежей, методологии и методов прогноза нефтегазоносности ведущих отечественных и зарубежных ученых, в пер-зую очередь А.А.Бакирова, Н.И.Буялова, Н.Б.Вассоевича, А.М.Волкова,

И.В.Высоцкого, В.С.Вышемирского, У.Гассоу, С.В.Гольдина, Ф.Г.Гурари М.Ф.Двали, В.И.Демина, Г.Х.Дикенштейна, А.Н.Дм1ггриевского, Н.А.Ере менко, В.И.Ермакова, А.Н.Зологова, Г.И.Каратаева, К.А.Клещева, А.Э.Кон торовича, В.Н.Корценштейна, Н.А.Крылова, В.С.Лазарева, С.П.Максимова М.С.Моделевского, В.Д.Наливкина, С.Г.Неручева, И.И.Нестерова, Г.П.Свер чкова, В.В.Семеновича, В.А.Скоробогатова, Б.А.Соколова, В.И. Старо сельского, А.А.Трофимука, В.И.Шпильмана, М.Хабберта и др.

Работа основана на большом фактическом материале по отечественным I зарубежным в достаточной степени изученным нефтегазоносным бассейнам нефтегазоносным областям, многочисленным месторождениям, локальныь структурам, привлечены обширные и разнообразные данные по геологии I нефтегазоносности морей, больших глубин России, по крупнейшим нефтяныл и газовым месторождениям. Привлечены сформированные базы данных ш крупнейшим нефтяным и газовым месторождениям, нефтегазоносным бассей нам и нефтегазоносным областям (более 50 объектов); по более чем 400 ло кальным структурам в пределах древних и молодых платформ (в Аму Дарьинской - 65; Предкавказье - 84; Волго-Уральской НГП - 120 объектов' при охарактеризованности каждого из локальных объектов более чем 160 по казателями, а также по большим глубинам, где база данных является произ водной от созданной базы данных "Итоги геологоразведочных работ ш нефть и газ".

Методы исследований включали: критический анализ с системных позиций различных существующих подходов и создание на этой основе едино* усовершенствованной методологии прогноза; формирование баз данных па раметров, характеризующих процессы генерации, миграции, аккумуляции и эволюции углеводородных скоплений; комплексный анализ фактического материала с использованием методов многомерного статистического анализа к методов имитационного моделирования; причинно-следственный анализ полученных результатов, геолого-математическое моделирование и конструирование прогностических моделей и технологических схем многовариантногс прогноза.

Сведения о практическом использовании полученных результатов.

1. Разработаны методология решения задач нефтегеологического прогноза в автоматизированном режиме.

2. Разработана компьютерная технология, (реализованная в виде функционирующей автоматизированной системы) оценки нефтегазоносности разномасштабных природных объектов, находящихся на различных стадиях освоения.

3. Выявлены критерии и сконструированы решающие правила многовари-1нтной прогнозной оценки нефтегазоносности как крупных территорий, так и шкальных объектов. Выполнены прогнозные оценки начальных потенциаль-1ых ресурсов (НПР) наиболее интересных слабоизученных территорий России 1976-1979 гг.).

4. Разработаны модели и технология многовариантного прогноза и оценки 1апасов крупнейших нефтяных и газовых месторождений (1983).

5. Разработаны методические основы и осуществлена оценка величины нагельных потенциальных ресурсов углеводородов и динамики их освоения на больших глубинах (более 4,5 км) (1965-1986 гг.).

6. Проведена оценка локальных объектов в различных регионах России и гтран СНГ (1971-1980 гг.).

Многие разработки, выполненные как самим автором, так и в соавторстве ; другими исследователями, внедрялись в производственных и научно-тсследовательских организациях разных ведомств и регионов страны. Они шедрены в практику при количественной оценке перспектив нефтегазоНос-гости и оценке нефтегазоносности локальных объектов Западно-Сибирской, Гимано-Печорской, Амударьинской, Волго-Уральской НГП и субаквальных ЯГБ (1977-1980 гг.).

От внедрения только одной рекомендации по методике геолого-натематической обработки и анализу геологической информации с целью вы-гапеиия закономерностей формирования скоплений УВ и определения параметров нефтегазоносности структур, завершенной оценкой 13 поднятий Аму-дарьинской синеклизы (ВНИИГаз, 1975, 1976) получен условный экономиче-:кий эффект в 1 млн.руб. (в ценах до 1985 г.). В последующие годы (1977-1984 :г.) с помощью разработанных геолого-математических методов в Амударьинской синеклизе был оценен весь фонд выявленных структур.

Многие результаты, полученные диссертантом, были использованы орга-¡шзациями Мингео, Миннефтепрома и Мингазпрома при прогнозных оценках ресурсов по различным регионам страны и при составлении Комплексных программ на Х1-Х111 пятилетки (прежде всего по Тимано-Печорской провинции и Дальневосточному региону).

Результаты исследований по совершенствованию методологических основ прогноза нефтегазоносности были использованы при создании межотраслевого документа - "Методических указаний по количественной оценке прогнозных ресурсов нефти, газа и конденсата".

Вклад автора в разработку и внедрение автоматизированной системы прогноза нефтегазоносности, человеко-машинных технологий геолого-экономического прогнозирования был отмечен золотой (1981), двумя сереб-

ряными (1986) и тремя бронзовыми медалями ВДНХ, большой серебряной бронзовыми медалями горнорудного Пршибрама.

За цикл работ, выполненных совместно с В.Д.Наливкиным и Г.П. Сверг ковым, автор был удостоен в 1986 году премии АН СССР имени академик И.М.Губкина. За работы по созданию автоматизированного банка данных методики геолого-экономического прогноза нефтегазоносности и планировг ния работ на нефть и газ автор, как руководитель коллектива и непосре/ сгвенный разработчик, был в 1990г. отмечен премией Министерства геологи СССР.

Работа "Атлас карт нефтегазоносности недр России. Компьютерная мс дель. Масштаб 1:5000000. Объяснительная записка" выдвинута в 1996 году н соискание премии Правительства Российской Федерации, где соискатель Я1 ляется соавтором и научным руководителем этой работы.

Апробация работы. Основные положениия работы неоднократно доклада вались на Всесоюзных, Всероссийских и региональных совещаниях и семинг pax в Москве, Санкт-Петербурге, Ташкенте, Тюмени, Новосибирске, Саратс ве, Сыктывкаре, Львове, Иркутске, Киеве и др., а также на международны форумах, таких как МГК (Прага, 1968; Москва, 1984; Вашингтон, 1988; Кис то, 1992; Пекин, 1996); ежегодные конференции американских геологов нефтя ников (Даллас, 1991; Сидней, 1992; Денвер, 1994; Сан-Диего, 1996); КОДАТ; конференциях (Баку, 1981; Гюстров, 1980; Лидс, 1991; Енсхеде 1993), Конфе ренции Горнорудного Пршибрама (1977,1981,1983,1985,1987,1989, 1991 1993,1995) и др.

Материалы диссертационной работы неоднократно экспонировались н ВДНХ СССР, выставках "Геоэкспо-84", "Интенсификация-90".

Публикации: По теме диссертации в журналах (как отечественных, так зарубежных) и сборниках опубликованы 76 работ, в том числе 12 моногрг фий, 1 методическое руководство и 9 обзоров. Работа выполнена во ВНИГРК

В основу диссертационной работы легли результаты почти 30-летних и< следований автора. Многие из положений, бывшие в свое время предмета оживленных дискуссий, за этот период стали общепризнанными, очевидными

На направление исследований, на подход к ним существенное влияние оке зали выдающиеся геологи-нефтяники, которых я считаю своими учителями М.Ф.Двали, А.Б.Вистелиус, С.Н.Симаков. Основные результаты удалось пс лучить только благодаря многолетней работе в составе творческого коллект* ва под руководством чл.-корр.РАН В.Д. Наливкина, где работал Г.П.Сверчков, В.СЛазарев, К.П.Иванова, К.А.Черников, Н.М.Круглико] Р.С.Сахибгареев и др. В дальнейшем, будучи уже руководителем работ, авто долгие годы работал совместно с Ю.В.Подольским, И.В.Татариновьи

В.М.Омелтшым, И.С.Симаковой, Т.Е. Похитоновой, В.П.Шейманом и др..

В процессе исследований автору много дали ценные советы и помощь со стороны Г.И. Амурского, В.И.Демина, В.В.Самсонова, В.И.Шпильмана, В.П.Якуцени, и др. Всем им, а также многочисленным сотрудникам из других организаций, которые способствовали выполнению настоящей работы, автор приносит искреннюю благодарность.

1. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ СОЗДАНИЯ КОМПЬЮТЕРНОЙ ТЕХНОЛОГИИ КОЛИЧЕСТВЕННОГО ПРОГНОЗА Н ЕФТЕГАЗОН О СИ О СТИ.

С начала шестидесятых годов в связи с освоением новых территорий в пределах бывшего СССР усиленное внимание стало уделяться проблеме прогноза нефтегазоносности, созданию такой системы прогнозирования, которая бы отвечала все возрастающим требованиям планирующих органов по оптимальному ведению геологоразведочных работ на нефть и газ. При этом стало очевидным, что подобная система должна быть ориентирована на решение не отдельно взятой задачи, а целого комплекса задач. Большинством исследователей была осознана необходимость создания специализированных автоматизированных систем количественного прогноза нефтегазоносности.

Появление такого мировозрения и его реализация связана с именами ведущих ученых А.А.Бакирова, Н.И.Буялова, А.М.Волкова, Ю.А.Воронина, И.В. Высоцкого, В.С.Вышемирского, С.В.Гольдина, Ф.Г.Гурари, В.И.Демина,

A.Н.Дмитриевского, Е.В.Захарова, Б.П.Кабьппева, Г.И.Каратаева, К.А.Кле-щева, А.Э.Конторовича, Н.А.Крылова, В.В.Марченко, М.С.Моделевского,

B.Д.Наливкина, И.И.Нестерова, Д.А.Родионова, Г.П.Сверчкова, В.В.Семеновича, А.А.Трофимука, В.И.Шпильмана и др..

В этот период в четырех крупных научных нефтегеологических центрах (Москвы, Ленинграда, Тюмени и Новосибирска) были поставлены и успешно реализованы работы по созданию автоматизированных систем количественного прогноза нефтегазоносности. Результаты этих работ нашли отражение в первой крупной коллективной монографии советских ученых "Методы оценки перспектив нефтегазоносности", вышедшей в 1979г. в свет под редакцией Н.И.Буялова и В.Д.Наливкина, легли в основу изданных в 1983 году "Методических указаний по количественной оценке прогнозных ресурсов нефти, газа и конденсата".

Диссертант являлся непосредственным исполнителем и руководителем работ по созданию и внедрению АС "Прогноз нефтегазоносности" в Ленинградском нефтегеологическом центре - ВНИГРИ.

Создание АС "Прогноз нефтегазоносности" предполагало разработку еди-

ной методологической концепции и на ее основе - технологии решения все] системы задач нефтегеологического прогноза в автоматизированном режиме применением математических методов. Сегодня стал очевидным факт, чи геологическая оценка ресурсов и запасов углеводородов немыслима без эко номической их оценки и наоборот. Более того последняя, может и должн; рассматриваться не только как завершающий этап определения целесообраз ности освоения углеводородных богатств недр, но и как одно из средств по вышения достоверности прогнозных геологических и проектных решений. Ее тественно, появление экономического прогноза не могло не отразиться на со ставе решаемых задач при собственно геологическом прогнозировании: в за висимости от масштаба объектов подлежат оценке не только величина ресур сов и запасов, но и распределение ожидаемых скоплений по размерам, по раз резу, по типам коллекторов и ловушек. Будучи увязанными с темпами и ре зультатами ведения поисково-разведочных работ статический геологически прогноз оказался достаточно легко трансформируемым в динамический про гноз.

В цепом геологический и экономический прогноз должны быть увязань как между собой, так и с результатами ведения геологоразведочных работ i эксплуатации месторождений. Эта увязка возможна в условиях создания спе циализированной системы мониторингового типа, опирающейся на специали зированный банк данных и комплекс обрабатывающих систем. Естественно что подобная система должна быть состыкована с системой лицензирования i недропользования.

Из сказанного следует, что геологический прогноз не является чем-т< устоявшимся прежде всего в плане набора и состава решаемых задач, и oi нуждается в постоянном совершенстве.

В то же время очевидно, что прогноз как осуществлялся, так осуществляет ся и будет осуществляться в условиях неопределенности. Как уменьшить эг неопределенность? Как повысить достоверность прогноза? Каким образоь можно учесть при прогнозировании все последние достижения нефтяной reo логии? Как следует учитывать опыт и интуицию геолога? Каким образом еде лать принятие решений более формализованным? Можно ли создать такук систему прогнозирования, которая бы, выполняя роль помошника и одно временно оппонента геологу, могла бы рассматриваться в качестве прообраз; систем искусственного геологического интеллекта?

Многие из перечисленных выше вопросов в явном или неявном виде рас сматривались или затрагивались в многочисленных публикациях отечествен пых и зарубежных исследователей. Они затрагивают не только методические но и методологические основы прогнозирования. Очевидно, наступил момент

когда требуется систематизировать весь накопленный опыт. Это и привело автора к необходимости рассмотрения с системных позиций методологических основ прогноза нефтегазоносности. Ниже дана характеристика той методологии, которая была разработана преимущественно автором и легла в основу технологии прогноза нефтегазоносности.

Методология нами рассматривается как ключ к конструированию систем прогнозирования и созданию на основе последних геолого-математических моделей ("решающих" правил) прогноза.

В настоящей работе в основу методологии создания человеко-машинных технологий прогнозирования положен системный подход. В связи с этим проанализированы цели и задачи, существующие объекты оценки, процедуры и методы решения прогнозных задач в зависимости от средств (информационных, методических, технических), которыми располагает геолог в момент прогноза. Особое внимание обращено на анализ возможностей использования существующего математического аппарата и ЭВМ для реализации человеко-машинных процедур многовариантной обработки данных, корректной оценки точности и надежности получаемых результатов, принятия оптимальных решений.

Проделанная работа позволила определить иерархические уровни объектов прогноза, сформулировать информационные ситуации и привязать к ним задачи, методы их решения, реализовать последние в виде человеко-машинных технологий комплексной обработки данных на ЭВМ.

Цель и задачи прогноза нефтегазоносности [6,7,15,17,18,20,30,33,35]. Основная цель прогноза - получение, "производство" информации рациональной точности и надежности о нефтегазоносности природных объектов, необходимой для решения задач текущего, среднесрочного, долгосрочного и стратегического планирования. Эта цель достигается путем решения целой системы задач прогноза. При этом от последнего требуется оценка не только величины, но и структуры ресурсов.

Величина и структура ресурсов не остаются постоянными во времени. Их оценки пересматриваются по мере уточнения параметров нефтегазоносности перспективных объектов, изменения эффективности геологоразведочных работ, пересмотра кондиций.

Поэтому важным представляется и прогнозирование динамики изменения структуры прогнозных ресурсов, ожидаемых открытий, эффективности геологоразведочных работ. Налицо перерастание чисто геологического прогноза в геолого-экономический. При этом оценка динамических характеристик освоения недр позволяет в силу обратной связи использовать результаты геологоразведочных работ для корректировки осуществляемых прогнозных оце-

нок ресурсов и структуры последних.

В свете сказанного создание системы, удовлетворяющей все возрастающш требованиям (в плане качества прогноза и количества решаемых задач) поис ков, разведки и добычи нефти и газа, можно рассматривать в качестве основ ной конечной цели исследований в области разработки методов црогнозиро вания нефтегазоносности.

Получение требуемой для осуществления геологического прогноза ин формации сводится к прогнозированию значений комплекса показателей < нефтегазоносности природных объектов и особенностях их освоения. Это: комплекс - непостоянный и зависит от масштаба объектов прогноза, сгепеш их изученности, определяющей информационную базу прогноза; совер шенства теоретических и методических основ прогноза и сроков упреждени: последнего. В общем случае цель прогноза достигается решением в опреде ленной последовательности комплекса прогнозных задач, каждая из который требует разработки специальных решающих правил преобразована имеющейся косвенной информации в сведения о прогнозируемом параметре т.е. построения соответствующей прогнозной модели и формулирования пра вил ее применения. Входящие в комплекс прогнозные задачи, как и состав ляющие их более мелкие задачи, являются по существу типовыми задачами нефтегеологического прогнозирования. Решение последних сводится к созда нию и реализации соответствующих специализированных человеко машинных технологий. Сама же система прогноза в конечном итоге должнг представлять человеко-машинную автоматизированную систему, гаранта рующую максимальное использование достижений теоретической и практической геологии, методов геолого-математического моделирования и ЭВМ опыта и интуиции геолога и учета всего имеющегося фактического материала.

Оценка нефтегазоносности объектов в системе рассматривается как итеративный процесс, призванный сузить круг поисков. При этом каждый последующий шаг отличается от предыдущего, как правило, детализацией объектов прогнозирования, объемом и степенью достоверности информации, которой располагает геолог в момент прогноза.

В результате система, как минимум, должна обеспечивать:

1. возможность осуществления прогноза нефтегазоносности в любой момент времени на любом этапе изучения территории, что является необходимым для обеспечения скользящего планирования (технико-экономического и долгосрочного) и оперативного корректирования планов ведения поисково-разведочных работ;

2. учет всей имеющейся информации как теоретического, так и фактического характера и оперативную корректировку прогнозных решений по мере

-ю-

поступления новой информации как по району исследований, так и по другим районам;

3. воспроизводимость решения прогнозных задач и возможность решения ее несколькими независимыми методами;

4. рациональную точность решения прогнозных задач;

5. возможность постоянного совершенствования путем включения новых, более эффективных методов решения и увеличение количества решаемых задач прогноза, т.е. открытость системы.

Эффективное решение задач нефтегеологического прогнозирования, как показывает опыт, имеет место, когда оно базируется на принципах геолого-математического моделирования, которые впервые были сформулированы независимо друг от друга А.Э.Конторовичем и автором в 1973 г. Геолого-математическое моделирование предполагает содержательную постановку задач, определение информационной базы их решения в соответствии с возможными моделями изучаемых объектов и явлений, проверку и выявление наиболее адекватных моделей, максимальный учет априорной информации. Математические методы при этом представляют собою средство проверки справедливости геологических построений и инструмент поиска наилучших решающих правил. ЭВМ на всех этапах решения прогнозных задач выступает в роли помощницы исследователя. Получаемые при геолого-математическом моделировании результаты подвергаются осмысливанию и контролю человеком, т.е. прогнозные результаты являются лишь основой для принятия решений, а окончательное решение остается за специалистом-геологом. Подобного рода система должна быть открытой на предмет включения как новых методов решения уже известных задач, так и вновь сформулированных. И в любых ситуациях она должна выполнять функции информационного характера для обеспечения исследователя данными, необходимыми для решения еще не поддающихся формализации задач.

В общем случае оценка нефтегазоносности изучаемых объектов на любой стадии работ может быть сведена к решению следующих задач:

1. качественная оценка объектов прогноза (классификация на неперспективные и перспективные, с разделением последних по крупности);

2. расчет количественных параметров нефтегазоносности объектов, получивших положительную качественную оценку - величины начальных и текущих потенциальных ресурсов, с характеристикой особенностей распределения последних по площади и разрезу с учетом фазового состояния и качества УВ, прогнозирование размеров крупнейшего нефтяного и газового месторождения;

3. прогнозирование характеристик, отражающих геологические условия

проведения поисково-разведочных работ (глубины залегания залежей; во: можность обнаружения пластов с аномально высокими и аномально низким пластовыми давлениями) и эксплуатации месторождений (типы залежей, ож* даемые дебиты скважин, наличие нефтяных оторочек, газовых шапок, соде] жание конденсата, серы и др. компонентов);

4. нефтегеологическое районирование изучаемой территории (выделени объектов с заданными свойствами);

5. выбор первоочередных объектов для постановки на них более дегалл ных работ.

Приведенный перечень показателей не является исчерпывающим и ней: менным. Несомненно, он должен и будет дополняться и корректироваться.

Заметим, что перечисленный перечень показателей отвечает виду прогнс зирования, когда прогнозная оценка осуществляется для уже выделенных обт ектов, т.е. "изыскательскому" виду прогнозирования ("пассивный эксперт мент"). Между тем возможен, другой весьма перспективный вид прогнозирс вания - "нормативный" ("активный эксперимент"), когда прогнозная задач решается в иной постановке: определить местоположение скоплений УВ с за ранее задаваемыми параметрами нефтегазоносности (например, местополс жение уникальных и крупнейших месторождений нефти, газа, зон концентра ций углеводородов и т.д.). Решение в такой постановке задач прогноза обес печивает более целенаправленное ведение геологоразведочных работ по обна ружению, разведке и передаче в эксплуатацию объектов прогноза с заране задаваемыми параметрами нефтегазоносности.

В заключение подчеркнем одну исключительно важную функцию прогноз, - оказывать влияние на направление научно-технического прогресса: он дол жен определять те наиболее актуальные направлениия и сроки выполнена исследований, которые необходимы для повышения технической вооружен ности поисково-разведочных и эксплуатационных работ в связи с ожидаемы! переходом к освоению новых типов залежей, в новых физико-географически: и термобарических условиях.

Объекты и уровни прогноза [6,7,9,16,35]. Под объектом прогноза п< В.Д.Наливкину понимается часть геологического пространства, способноп аккумулировать и сохранять скопления нефти и газа.

В практической деятельности оценка нефтегазоносности производится п< тем объектам, в пределах которых завершен определенный объем работ, по зволяющий судить о геологическом строении и ожидаемой нефтегазоносносп недр.

Решение большинства задач нефтегеологического прогнозирования бази руется на классическом принципе аналогий, что с необходимостью выдвигает.

требование иерархической соразмерности объектов прогноза и эталонов (объектов обучения и экзамена), их объемной и генетической сопоставимости.

Размеры природных объектов при решении прогнозных задач варьируют в широких пределах. Для некоторых из них контуры и размеры определяются естественными геологическими границами. Однако ряд промежуточных объектов между осадочным бассейном и локальной структурой не имеет строгих критериев для выделения и их размеры часто зависят как от принципов районирования так и от степени изученности конкретного нефтегазоносного бассейна. В то же время требование изообъемной и генетической сопоставимости объектов прогноза становится принципиально важным при решении прогнозных задач и, особенно, с помощью геолого-математических методов. И здесь важен не столько выбор самого принципа, по которому выделяются геологические объекты, сколько строгость и однозначность их описания в связи с выбранной классификацией.

По принципу выделения объекты прогноза могут быть классифицированы на три основные группы.

1. Объекты, выделяемые по масштабам аккумуляции нефти и газа. К этой группе объектов относятся скопления нефти и газа различного масштаба: ме-гапровинции, провинции, области, районы, зоны нефтегазонакопления и как элементарные единицы - месторождение и залежь.

Выделение объектов скоплений нефти и газа разного масштаба имеет существенное значение для прогнозирования подобных зон в слабо изученных регионах. Сопоставление их характеристик с различными геологическими условиями необходимо для выявления критериев, позволяющих прогнозировать такие скопления в еще слабо изученных регионах и тем самым проводить поиск объектов с заранее заданными характеристиками нефтегазоносности.

2. Объекты, выделяемые по их приуроченности к тектоническим элементам различного порядка в современной структуре земной коры. Выделение объектов прогноза по тектонической приуроченности, по мнению автора, является более предпочтительным. Вся, теория нефтегеологического прогнозирования в основном базируется на количественных геологических признаках, описывающих прежде всего тектонические структуры или их эквиваленты. Важным представляется и то, что тектонические структуры, представляющие собою естественные геологические тела, допускают достаточно точное измерение их характеристик. Структуры можно измерить, "снять" с них определенные геолого-геохимические и геофизические параметры, описать форма-ционный состав слагающих пород, увязать с тектоническими движениями, которые создали эти структуры, а также выявить последовательность событий, формировавших эти структуры.

Тектонические классификации облегчают возможность корректного опи сания геологических тел в целом, используя для этого ряд изообъемных с объ ектом признаков описания, отражающих как современное их строение, так 1 историю их становления (палеопоказатели).

3. Условно выделяемые объекты. Эта группа объектов выделяется тольк< при прогнозировании частей бассейнов осадконакопления, соответствующи: по масштабу областям и районам нефтегазонакопления. Она в какой-то мер восполняет трудности выделения объектов промежуточного порядка.

Последний, формальный принцип выделения объектов был предложа А.Э.Конторовичем и В.И.Шпильманом. Ими было показано на примере За падной Сибири, что оптимальной площадью вырезок является 1500-2000 км2.

При любом принципе выделения объектов в плане каждый из них, в зави симости от масштаба и степени изученности, может быть разбит на бол© мелкие объекты по интервалам разреза: комплексам, свитам, горизонтам, глу бинам.

Внутри первой и второй групп существует иерархия объектов, различи мых по размерам и являющихся отражением результатов деятельности про цессов нефтегазообразования и нефтегазонакопления различной масштаб ности.

Анализ существующих подходов к геологическому районированию пока зывает, что оптимальным вариантом выделения таксономических единиц дга прогноза с учетом требований математических методов к исходным данны.\ (однозначность и сопоставимость выделяемых объектов и их описания) мож но считать в настоящее время тектоническое районирование территории щц нефтегеологическое, в основе которого лежат тектонические построения.

Отмеченная выше иерархия объектов прогноза облегчает прогнозирова ние и позволяет в соответствии с числом уровней объектов выделять и соот ветствующие уровни прогноза, а именно:

1) надрегиональный прогноз - оцениваются в целом бассейны осадкона копления или межбассейновые области бассейнов в их современных тектони ческих границах, а также крупные литолого-стратиграфические комплексы I отдельные НГК;

2) региональный прогноз - оцениваются структуры первого порядка крупные структуры второго порядка, или условно выделяемые объекты, т.е крупные составные части, а также литолого-стратиграфические серии и НГК;

3) зональный прогноз - оцениваются структуры второго порядка, условнс выделяемые объекты, а также свиты и подсвиты и НГК;

4) локальный прогноз - оцениваются локальные структуры, ловушки не структурного типа, а также пласты и группы сближенных неразделенные

шастов.

Взаимосвязь между стадиями ведения работ на нефть и газ с позиций ре-пения прогнозных задач выражается в том, что конечные результаты работ гредыдущего этапа являются отправными данными для следующего этапа. В го же время результаты следующего этапа работ используются для проверки хостоверности выводов из результатов работ предыдущего этапа, выяснения необходимости их уточнения. Они способствуют также уточнению представ-тений о строений объектов более высокого иерархического уровня и тем са-иым уточнению их прогнозной оценки как за счет учета более достоверной анформации, так и за счет возможности использования качественно новых зидов информации.

Информационные ситуации осуществления прогноза нефтегазоносности. Содержательный аспект основных задач прогноза [6,7,9,13]. В процессе освоения региона непрерывно улучшается изученность каждого из объектов прогноза - надрегионального, регионального, зонального, локального; растет эпыт; выявляются новые эмпирические зависимости и закономерности в размещении скоплений УВ в каждом конкретном регионе. Очевидно, что по мере освоения региона падает и неопределенность, в условиях которой осуществляется прогноз. С ростом информации практически после каждой вновь пробуренной скважины и(или) вновь выполненного объема геолого-геофизических работ, меняется набор решаемых задач, их важность, требования к качеству и подходы к их решению. При этом информационная база выступает как основной критерий определения возможности применения конкретных методов прогноза.

Степень освоенности региона определяет состояние изученности недр, знание особенностей их геологического строения и достоверность геолого-геофизической информации, а, следовательно, и ту информационную ситуацию, в условиях которой осуществляется прогноз нефтегазоносности.

Автор в 1979г. предложил различать шесть информационных ситуаций с характерными для каждой из них наиболее важными задачами прогноза и подходами, используемыми при прогнозировании.

1. Территория объекта (провинции, бассейна, области, района) изучена с помощью методов, дающих общее представление о его геологическом строении (региональные, геологические и геофизические работы); нефтегазонос-ность объекта предполагается, но бурением еще не доказана. Объекты более низкого иерархического уровня не выделены. Актуальной является задача определения местоположения участков, наиболее предпочтительных для постановки детальных работ.

2. На исследуемой территории выделены объекты прогноза, но еще нет ре-

зультатов бурения ни с положительной, ни с отрицательной оценкой. Здеа важным представляется выделение наиболее перспективных объектов с цель» открытия хотя бы одного месторождениия (не обязательно самого крупного) чтобы доказать промышленную нефтегазоносность.

3. Объекты выделены. Есть единичные объекты, оцененные бурением, но < отрицательным результатом. Наиболее актуальной остается та же задача, чт< и во втором случае.

4. Получены доказательства промышленной нефтегазоносности, но числс продуктивных объектов невелико.

5. Район изучен хорошо: имеется достаточное количество продуктивных I непродуктивных объектов. Здесь важным представляется диагностика по воз можносги всех продуктивных объектов и выделение среди них первоочеред ных.

6. Территория, в значительной степени разбурена: пик открытий миновал Важно обнаружение даже самых мелких, но рентабельных месторождений Появляется и новая задача - поиска месторождений, приуроченных к новь™ типам ловушек (например, литологическим), или расположенным в новы? условиях (например, на больших глубинах). Принимая во внимание необхо димый для этого большой объем бурения, должна быть разработана методике поиска таких новых типов объектов с заранее задаваемыми параметрами неф-тегазоносности. Сейчас подобное положение сложилось в отношении обна< ружении неструктурных залежей и залежей на больших глубинах.

Необходимо отметить, что на всех стадиях изучения нефтегазоносности Недр дежурной, постоянно решаемой задачей геологического прогноза является задача оценки величины и структуры начальных потенциальных и прогнозных ресурсов, которая оказывается тесно связанной с задачами геолого-экономического прогнозирования по определению динамики открытий в зависимости от объема ассигнований, геолого-геофизических работ.

Охарактеризованная классификация, как показал опыт, оказалась достаточно удобной для практического применения. Она хорошо согласуется как в содержательном, так и формальном отношениях со спецификой в постановке и решении задач прогноза, меняющейся по мере освоения региона, и с динамикой подготовки запасов в регионе. Заметим, что данная классификация по существу легла в основу выделения этапов освоения регионов, рекомендуемых в "Методических указаниях ..." и используемых для определения применимости методов количественной оценки прогнозных ресурсов.

Выделяемые информационные ситуации нельзя отождествлять со стадийностью работ.

Известно, что в своей практической деятельности геолог стремится к мак-

симальному использованию эмпирических и теоретических сведений. Очевидно, роль каждой из компонент в выделенных информационных ситуациях оказывается различной. Например, в первых двух случаях (ситуация I и И), отличающихся друг от друга наличием или отсутствием уже выделенных объектов прогноза, специалист опирается преимущественно на сведения теоретического характера о благоприятных и неблагоприятных признаках нефтегазо-носности, среди которых преобладают, как правило, широко известные так называемые необходимые показатели, отражающие наличие благоприятных условий для нефтегазонакопления и сохранности углеводородов. Важно подчеркнуть, что специалист вынужден принимать решение в условиях, когда достоверность информации оказывается невысокой.

Следующие три информационные ситуации отвечают уже стадии прогнозирования на территории с достоверно известными результатами бурения, т.е. имеются объекты-эталоны, данные по которым могут быть использованы как для корректировки имеющихся сведений теоретического характера, так и для проверки правильности прогнозных решений.

Последняя информационная ситуация для хорошо изученных типов продуктивных объектов характеризуется минимумом неопределенности. Имеется большое количество достоверно установленных закономерностей и фактического материала, прогноз может осуществляться с использованием различных моделей. Привлекается большое количество установленных для данного района эмпирических зависимостей и закономерностей. Повышению точности и достоверности прогноза способствуют возможность одновременной оценки нефтегазоносности объектов всех иерархических уровней и типов и увязка полученных результатов. В целом надежность прогноза возрастает. Однако для новых типов объектов (например, неструктурных залежей, залежей на больших глубинах и др.) - эта неопределенность высока и практически соответствует первой информационной ситуации с тем (но весьма существенным) отличием, что имеются достоверные данные о строении регионов, о самой системе нефтегазонакопления и нефтегазогенерации. Следовательно, здесь более правомочна постановка и решение задачи в плане не пассивного выделения и затем оценки продуктивности объекта, а активного эксперимента - поиска местоположения скоплений углеводородов, отвечающих определенным требованиям в отношении их размеров, качества, условий размещения и т.д.

Приведенные сведения позволяют говорить как о положительных, так и об отрицательных сторонах прогноза, осуществляемого геологом-экспертом. К положительным моментам можно отнести следующие:

1. В основе прогнозных решений широко используются принципы аналогии, типичности и аномалийности. Последний принцип применяется преиму-

щественно на ранних стадиях освоения территорий, а также при поиске аномальных и новых типов объектов.

2. Выделению аномальных объектов предшествует обычно процедура их предварительной группировки.

3. Решению задач количественного прогноза обычно предшествует решение задач качественной оценки.

4. Повышение достоверности прогноза достигается путем использования различных подходов к решению одной и той же задачи и последующего сравнения получаемых результатов.

5. При оценке продуктивности объекта широко используются опыт геолога, априорная информация; учет индивидуальных особенностей прогнозируемого объекта обеспечивается благодаря привлечению так называемых "скользящих" (различных для разных объектов) критериев.

К отрицательным сторонам прогноза следует отнести:

1. Отсутствие оценки степени неопределенности ситуации при которой осуществляется прогноз; игнорируется вероятностная природа прогноза.

2. Отсутствие строгих критериев определения аналогии, типичности и аномалийности объектов.

3. Отсутствие проверки правомочности использования в конкретной ситуации берущихся на вооружение представлений теоретического характера, т.е. нет объективных критериев проверки адекватности моделей.

4. Невоспроизводимость и субъективность результатов решения прогнозных задач из-за недостаточной формализации процедуры прогноза.

5. Ограниченность количества решаемых задач прежде всего ввиду трудоемкости процесса обработки фактического материала, к тому же не все задачи при таком подходе поддаются решению.

6. Отсутствие быстроты в решении задач, и, следовательно, невозможность оперативного учета вновь поступающей информации.

В создаваемой системе "Прогноз нефтегазоносносги" основным было закрепить (не упустить) все то положительное, что накоплено геологом-экспертом, и свести к минимуму те отрицательные моменты, которые неизбежны при экспертном подходе.

Формальная постановка задач прогноза [6,7,18]. Рассмотренная выше содержательная сторона прогнозирования позволяет считать, что в общем случае прогноз нефтегазоносносги сводится к качественной оценке объектов про гноза с последующим определением количественных значений параметро! нефтегазоносносги для тех объектов, которые получили положительную каче ственную оценку. Прогнозирование предполагает решение ряда задач, числс которых зависит от числа прогнозируемых показателей нефтегазоносносги

Каждая из них с формальных позиций представляет собой задачу предсказания той или иной характеристики нефтегазоносности (у) по имеющимся в нашем распоряжении сведениям теоретического и фактического (значения геолого-геофизических характеристик X - xt, .....хт прогнозируемого объекта)

характера. С этой целью строится некоторая функция / определенного вида (зависящего от подхода и используемой математической модели), описывающая связь между ВХОДНЫМИ X (*;, *2..... *л) и ВЫХОДНЫМИ У (у;, у2, ук)

параметрами объекта У= /(*).

В зависимости от характера переменной У, дискретного или непрерывного, мы имеем дело либо с качественными, либо с количественными задачами прогноза.

Заметим, что данная постановка охватывает и постановку задачи прогнозированию! нефтегазоносности по кривым освоения. В этом случае в качестве X выступает либо время, либо объемы бурения.

Функция / представляет собою прогностическую модель (решающее правило), являющуюся основным (в процедурном отношении) инструментом прогноза. В качестве / может выступать как функция любого вида (например, уравнение дискриминантной функции, регрессионное уравнение, различные типы 5-образных кривых и т.д.), так и определенная система правил преобразования косвенной информации (данных об X) в сведения о характеристиках нефтегазоносности. В качестве показателей X используются критерии прогноза, которые выполняют функцию предсказателей.

Выбор вида моделей (функций f) определяется решаемой задачей, типом объекта, степенью изученности недр и оцениваемого объекта, доступной информацией, степенью разработанности теоретико-эмпирических основ прогноза и зависит от подхода к решению прогнозных задач.

Качественный прогноз. Каждому из охарактеризованных выше сосотоянии изученности недр (информационных ситуаций) может быть поставлен в соответствие свой вариант постановки задач качественного прогнозированиия и свои подходы к их решению.

Вариант 1 (информационные ситуации I и II). Постановка задачи сводится к следующему.

Первая информационная ситуация. Имеется некоторая область Rm -мерного признакового пространства, определенная на конечном множестве элементов (скважин, точек наблюдениия) SeR. На элементах S определены значения X{s} геолого-геофизических характеристик.

Требуется внутри области R выделить такие подобласти гчтобы все элементы SCO е г; были близки между собой и отражали наиболее благоприятные условия нефтегазоносности.

Решение задачи может быть осуществлено двумя путями:

- построением для каждой из характеристик {хт} функции, описывающей изменение (хт) на всей области Я.,] выделением по каждому из признаков областей, благоприятствующих и неблагоприятсгвующих нефтегазонакоплению и последующим "сложением" такого рода карт; при этом последовательность рассмотрения признаков определяется ролью последних в аккумуляции и сохранности углеводородов;

- разбиением на компактные связные множества элементов е т ¡с выделением среди них и определением местоположения множеств, отражающих наиболее благоприятные условия для нефтегазоносности (здесь возможно использование разнообразных методов автоматической классификации).

Первый путь представляет собой формализованное воспроизведение последовательности действий геологов при оценке перспектив нефтегазоносности крупных территориий и может бьггь отнесен к числу геолого-эвристических способов прогнозирования, предложенных и реализованных в 1975г. Г.И.Каратаевым.

Второй путь возможен, по-видимому, перспективен, но еще не реализован.

Вторая информационная ситуация. В распоряжении исследователя имеется выборка А из множества нефтегазоносных и непродуктивных объектов. На элементах 5 ее также определены значения Х5, отражающие благоприятные условия для нефтегазонакопления. Требуется выявить наиболее перспективные объекты. Решение задачи сводитсяя к разбиению с помощью некоторой функции V множества А на р однородных подмножеств Ар- и выделению среди последних таких, которые отвечают некоторым сформулированным требованиям. В частности, они должны быть охарактеризованы такими значениями признаков Х„ которые отвечают благоприятным условиям. Так, при ориентации на обнаружение наиболее крупных объектов подобное множество должно содерджать малое число элементов и характеризоваться наиболее высокими значениями показателей, используемых при балансовых подсчетах.

Вариант 2 (третья и четвертая информационные ситуации).

Введем обозначения: А' - выборка из множества А продуктивных объектов; В'- выборка из множества В пустых объектов; С - объекты, элементы которых требуют решения о принадлежности к А или В по значения Х5.

Здесь возможны следующие задания исходных данных: 1) имеются В' и С; 2) имеются А', В' и С.

Решение задачи прогнозирования возможно следующими способами:

1) формируется множество (если есть только В') й = В'I) С; с помощью некоторой функции V множество О разбивается на р однородных подмножеств

Ор'. Тогда искомое множество будет находиться среди множеств, для которых будет выполняться соотношение: А" ={ О р': О р' п В'=°0}

Дальнейшее выделение наиболее предпочтительных объектов должно осуществляться аналогично рассмотренному случаю при варианте 1 для второй информационной ситуации;

2) в соответствии с рекомендацией Д.А.Родионова формируется множество О = Л'и С которое разбивается с помощью некоторой функции V на р однородных подмножеств. Искомым множеством является такое А", которое отвечает соотношению: А" = { И р': Б р"{)А—0}, т.е. содержит хотя бы один элемент БеА';

3) искомое множество определяется соотношением: А"=С^\А ,

для чего используется некоторый критерий А'), описанный в работе Мо-туза-Матузявичуса.

В качестве функции V можно воспользоваться как статистическими, так и эвристическими методами автоматической классификации.

Вариант 3 (пятая и частично шестая информационные ситуации). Имеются две выборки - А' и В' и некоторое множество С. На элементах этих множеств заданы значения X, геолого-геофизических характеристик. Требуется относительно каждого элемента ЗсС принять одно из утверждений - БеА или БеВ.

Для решения задачи на основании значений X, в выборках А' и В' строится некоторая функция классификации 0(Х; А'; В'). Нахождение ее параметров осуществляется в соответствии с требованием достижения минимума (или максимума) сформулированного критерия качества опознавания или классификации. При таком подходе соответствующее решающее правило имеет вид: если £)<0о, то 5еА\ если 0>Д0, то ЯеВ, где Па - некоторое пороговое значение.

При этом важным представляется факт зависимости положения О0 от цен ошибочных классификаций, на что обратил внимание А.М.Волков.

Изменяя цену ошибочных классификаций, можно добиться необходимых: вариаций порога Оо, тем самым смещая в ту или иную сторону делящую поверхность. Если важно как можно скорее открыть месторождение (независимо от размера), следует задавать очень высокую цену ошибочной классификации структуры как нефтеносной; если важно не пропустить ни одного месторож-дения(заключительная стадия освоения региона, шестая информационная ситуация), эта цена существенно снижается. Соответственно, в первом случае ряд нефтеносных структур будет классифицироваться как "пустые", а во втором -ряд "пустых", как нефтеносные.

В качестве й(Х, А', В') наиболее широко используются линейные дискри-

минантные функции, последовательный анализ А.Вальда в модификации Ген-кина и Гублера и эвристические методы распознавания образов.

Вариант 4 (шестая информационная ситуация в связи с поисками новых типов залежей и мелких скоплений УВ).

Здесь возможны две постановки задачи, когда объекты-эталоны отсутствуют и когда они уже обнаружены. В первом из указанных случаев имеется набор элементов 5 (точек наблюдений, скважин), охарактеризованных значениями Хг Решение задачи по обнаружению возможного местоположения залежей основывается на предположении, что последние вследствие своего воздействия на вмещающую их среду приводят к закономерным изменениям в соотношении компонент векторов Хб, тем сильнее, чем ближе к контуру залежи они расположены. В этом случае задается некоторая функция V на множестве элементов 5, которая определяется степенью их отклонения (расстояние г) от фоновых характеристик. Возможными объектами поисков будут являться зоны экстремальных значений величины г. При выборе функции V можно воспользоваться методами автоматической классификации, а также методом, выявления и идентификации геохимических аномалий, предложенным автором и опирающимся на обратную (по автору) задачу факторного анализа.

Во втором случае имеется некоторая выборка А', положение элементов БеА которой по отношению к залежи известно, в частности известно расстояние до залежи. Решение задачи здесь сводится к прогнозированию величины расстояния до залежей всех элементов 5 из множества С и базируется на использовании регрессионной модели, строящейся на основании информации об элементах 5 из выборки А'. В постановочном и методическом отношениях она аналогична задачам количественного прогнозирования.

Количественный прогноз нефтегазоносное/пи. Здесь наиболее часто приходится иметь дело с двумя вариантами постановки задач.

Вариант 1 (при всех информационных ситуациях).

Имееется выборка С из всего множества 5 изучаемых объектов. Каждый элемент 5 охарактеризован т + Ь-мерными векторами, где Х1 - прогнозирующие, а У5 - прогнозируемые параметры.

Требуется по результатам наблюдения на новых объектах 5 из выборки С.-С'р1 С-0предсказать значение Уу Решение задачи связано с нахождением некоторой функции у/ХД достаточно хорошо описывающей взаимосвязь между у; и X, на множестве элементов С. Наиболее распространенным методом ее решения является регрессионный анализ.

Следует заметить, что в ряде случаев, оказывается возможным использование функции для решения задач качественного и количественного прогноза одновременно, если принять значения интересующей нас характери-

стики нефтегазоносности на непродуктивном объекте (например, величины запасов, доли газообразных и др.) равной нулю. Однако применение в таком режиме уХХ,) для целей прогноза требует соблюдения ряда довольно жестких условий, прежде всего таких как равноизменчивость прогнозируемой переменной и нормальный характер функции распределения последней. Данные условия при описанном выше представлении данных для непродуктивных объектов оказываются трудно выполнимыми. Поэтому более естественной, обеспечивающей выполнение отмеченных условий, является предложенная автором двухступенчатая процедура: последовательное решение задач сначала качественного, затем количественного прогноза нефтегазоносности.

Автором также показано, что в тех случаях, когда прогнозируемые переменные обусловлены воздействием факторов, имеющих несколько различных уровней, оказывается целесообразным использование фиктивных переменных. Различие в уровнях, например, может быть вызвано дискретностью самой прогнозируемой переменной, на что обращено внимание В.Д.Наливкиным и В.И.Шпильманом. Применительно к прогнозу нефтегазоносности, как показывает наш опыт, такие уровни, вероятно существуют у мелких, крупных и гигантских месторождений.

Вариант 2 (5-я и 6-я информационные ситуации).

Имеются сведения о динамике подготовки запасов категории А+В+С1+С2 по изучаемому объекту (локальной структуре, нефтегазоносной области, бассейну, как в целом, так и по его отдельным нефтегазоносным комплексам) по годам 1„, (/,...,(„. Принимая во внимание, что величина запасов определяется величиной НПР, требуется выявить закономерности в имеющей место динамике, и, используя ее, найти предел, к которому стремится накопленная сумма запасов указанных категорий и который представляет собой величину НПР УВ. Для аппроксимации необходимого временного ряда (вместо < лучше взять такой показатель, как объем бурения) рекомендуется использование 5-образных кривых, имеющих асимптоту, положение которой определяет величину НПР. Среди 5-образных кривых наиболее предпочтительными являются логистическая кривая и кривая Гомперца-Мейкема.

Мы рассмотрели наиболее распространенные варианты постановок задач, естественные для описанных выше информационных ситуаций. Данные постановки и рекомендации по решению сформулированных задач в значительной степени отвечают статистическому, эвристическому и историко-статисгическому подходам и, естественно, не охватывают полностью всех возможных постановок задач. Среди последних следует особо отметить варианты решения задач, базирующихся на использовании детерминированных объемно-генетических моделей (для определения возможной продуктивности

бассейнов и получения представления о верхней границе ресурсов), статистической модели распределения месторождений по крупности запасов (для выяснения структуры ресурсов) и др. Однако и в этих ситуациях соответствующие расчеты должны строиться на основе всего накопленного фактического материала при обязательной проверке на непротиворечивость получаемых результатов теоретическим положениям нефтегазовой геологии.

Подходы к решению задач прогноза [6,7,15,17,18,20]. Современное размещение скоплений нефти и газа в недрах - результат действия многих факторов природной динамической системы. Поэтому прогноз нефтегазоносности должен базироваться на учете как основных закономерностей, так и специфических особенностей этой системы.

Автором предложено различать следующие подходы к решению прогнозных задач.

1. Экспертный, базирующийся на опыте и интуиции геолога, на проводимых им аналогиях; процедуры определения аналогии не формализованы, получаемые результаты не имеют вероятностной оценки, отсутствует оценка точности и надежности прогноза. Этот подход является таким же полноправным, как и все перечисленные ниже, особенно в случаях значительного недостатка исходного фактического материала, а также принятия решений. Главным достоинством его служит универсальность, а недостатком - субъективность суждения.

2. Кибернетический, признающий сложность природной системы, но игнорирующий вероятностную природу и в значительной степени причинную обусловленность наблюдаемых зависимостей; он базируется в первую очередь на моделировании экспертных методов решения прогнозных задач.

3. Вероятностно-статистический, базирующийся на представлении о сложности системы, на невозможности (на данном уровне познания) описания результатов ее действия функциональными связями и, следовательно, на стохастическом характере проявления устанавливаемых закономерностей при признании причинной обусловленности последних.

4. Детерминированный, базирующийся на представлении о том, что результаты действия системы могут быть описаны функциональными зависимостями, имеющими вид закона. Его достоинством является то, что искомые данные получаются путем прямого расчета для рассматриваемого объекта без применения статистических методов аналогии, всегда дающих осредненный результат. Недостатком служит недоработанность теоретических основ и трудность определения численных значений результатов действия всех процессов, протекающих в меняющихся геологических условиях.

5. Историко-статистический (геолого-экономический, динамико-статисти-

ческий, по кривым освоения), опирающийся на изучение тенденций освоения региона, например, темпа прироста ресурсов, темпов и очередности открытий и динамики изменчивости ряда геолого-экономических показателей и на экстраполяцию устанавливаемых закономерностей.

Практическая реализация любого из подходов требует построения специальных прогностических моделей - инструментов прогноза, конструируемых в соответствии с теоретико-эмпирическими представлениями и отражающих наиболее важные для прогноза закономерности. Модели, соответствующие первым трем подходам, базируются преимущественно на использовании принципа аналогии, поэтому основанные на их использовании методы целесообразно выделить в группу сравнительно-геологических. Поскольку объекты изучения в геологии могут быть всесторонне охарактеризованы с помощью лихпь комплекса признаков, то соответствующие модели должны предусматривать возможность обобщения информации по многопризнаковому описанию геологических объектов. Такого типа модели предлагается называть признаковыми. Заметим, что в случае детерминированных моделей также приходится иметь дело с тем или иным набором признаков.Однако здесь их число ограничено и определяется видом функциональной зависимости. К тому же последний определяет роль и вес каждого из показателей. При конструировании же признаковых моделей в остальных случаях информация о перечне показателей, их роли отсутствует и подлежит выявлению в каждой конкретной ситуации, для чего используются разнообразные методы анализа многопараметрических данных.

Совершенство конструируемых моделей зависит от степени отображения в моделях как основных закономерностей, так и специфических особенностей проявления факторов генерации, миграции, аккумуляции и сохранности углеводородов, а также от полноты и достоверности исходной информации. Поэтому создаваемые прогностические модели должны основываться на использовании генетических моделей, вытекающих из теории формирования углеводородных скоплений и объясняющих размещение "месторождений нефти и газа. Совершенствование сравнительно-геологических методов идет по пути широкого применения методов многомерного анализа при одновременном учете достижений теоретической нефтяной геологии, на основе геолого-математического моделирования.

При определении степени предпочтительности того или иного подхода представляется важным учет следующих моментов:

- изучаемые природные системы в большинстве случаев зависят от большого числа причин - факторов и требуют для своего описания многих показателей, отражающих эту причинную связь;

- тот или иной фактор или значения показателей в большинстве случаев обязаны действию не одного, а целого ряда процессов, находящихся друг с другом в различных временных и пространственных взаимоотношениях;

- хорошо интерпретируемыми функциональными связями могут быть описаны результаты действия простой системы, где налицо доминирующая роль одного какого-либо известного процесса; для сложных динамических систем, где имеет место взаимодействие нескольких процессов, подобное описание практически невозможно;

- в силу недостаточного знания характера отдельных явлений и их механизма нам нередко остаются неизвестными некоторые из протекающих в них элементарные процессы.

Системы, обладающие такого рода свойствами, известны в теории плани-рованиия экспериментов под названием "плохо"организованных, диффузных систем.

При изучении подобных систем весьма эффективен наряду с кибернетическим вероятностно-статистический подход, базирующийся на широком применении методов многомерной статистики (регрессионный анализ, факторный анализ, статистические методы классификации и т. д.). При этом эффективность вероятностно-статистического моделированиия предопределяется четкой формулировкой цели и содержательной постановкой задачи.

Заметим, что диффузность системы в геологии зависит от масштаба объектов и степени их изученности и убывает по мере детализации работ и исследования все более мелких объектов. Иными словами, с ростом изученности территорий, большей детализации работ создаются предпосылки и для примене-ниия детерминированных моделей. В связи со сказанным, вероятностное моделирование следует рассматривать в качестве обязательного этапа познания сложных диффузных систем, предшествующего этапу применения детерминированных моделей.

Учет механизма явлений при вероятностно-статистическом подходе происходит на стадии построений модели на содержательном уровне, которая служит основой для формирование признакового пространства (признаковой модели нулевой итерации), обоснования используемой вероятностной модели, критического анализа получаемых результатов.

Надо особо подчеркнуть, что максимальная степень отображения в признаковых моделях основных содержательных, генетических положений является обязательным условием и залогом построения наиболее совершенных моделей (решающих правил) прогноза. Именно в этом состоит суть геолого-математического моделирования. Необходимо особо подчеркнуть, что при геолого-математическом моделировании обязательным является учет генети-

ческих представлений, всех особенностей геологической информации и изучаемых объектов и, конечно, опыта и интуиции геологов.

Применяемые в рамках обсуждаемого подхода статистические методы обусловливают вероятностный характер результатов прогноза: при прогнозировании характеристик нефтегазоносности получаемые значения рассматриваются в качестве точечных оценок истинных значений. Интервально-вероятностная оценка является в этом случае естественной, само собой разумеющейся и обязательной. При вероятностно-статистическом подходе оказывается возможным решение задач как качественного, так и количественного прогноза.

В практической деятельности, главным образом ввиду диффузного характера природных систем, наибольшее применение нашел вероятностно-статистический подход и соответствующие ему модели, опирающиеся на широкое использование методов многомерного статистического анализа.

В настоящее время детерминированные модели в чистом виде при прогнозе нефтегазоносности не нашли широкого применения. Уже одно обстоятельство, что для определения параметров таких моделей (в случае наличия условий, благоприятствующих их применению) требуется достаточно представительный фактический материал, превращает их в детерминированно-вероятностные (детермшшрованные по характеру учитываемых зависимостей и вероятностные по способу определения параметров). Примером могут служить различные модификации объемно-генетического метода.

При кибернетическом подходе акцент делается на имитацию логических схем анализа информации, которые лежат в основе экспертных оценок. Важным его преимуществом является возможность широкого использования априорной информации, которая в чисто вероятностно-статистических моделях подлежит лишь ограниченному учету. Однако, в получаемых результатах, как правило, не учитывается то обстоятельство, что мы имеем дело не со всей генеральной совокупностью, а с выборкой.

Особого внимания заслуживает историко-статистический подход и соответствующие ему модели прогноза. В его основе лежит обобщенная системная модель освоения региона. По мере освоения региона, когда динамика вырисовывается со все большей отчетливостью, результаты такого прогнозирования становятся более точными и могут использоваться с большим успехом, чем получаемые с помощью других методов. Соответствующие методы будем называть динамико-статисгическими, так как параметры прогностической модели динамического типа определяются статистически, на основании уже имеющегося материала по объекту прогноза с учетом данных по аналогичным и полностью изученным эталонным объектам. Недостатком рассматри-

ваемого типа моделей является невозможность учета при их построении генетических аспектов формирования залежей.

Фактически ни один из охарактеризованных выше подходов в чистом виде не применяется: в той или иной мере в каждом из них отражаются черты, свойственные другим подходам.

Комплексирование подходов представляется достаточно эффективным путем совершенствования методических основ прогноза нефтегазоносное™ и в ряде случаев оно может дать начало новым путям изучения природных систем.

Итак, при прогнозировании можно говорить о большой группе моделей детерминированного типа и группе моделей вероятностно-статистического типа. К первой группе должны быть отнесены и традиционные геологические, в том числе методы экспертных оценок. Среди вероятностно-статистических моделей наибольшее распространение получили модели регрессионного типа и модели, опирающиеся на использование методов распознавания образов и автоматической классификации. При этом, как показывает и наш опыт, нет необходимости противопоставлять методы друг другу. Более того, наоборот, использование различных независимых методов и способов решения одной и той же задачи позволяет, как это показано ниже, повысить качество прогноза. Иными словами, имеющее место разнообразие методов прогноза делает реальным многовариантное прогнозирование.

Критерии нефтегазоносности и предъявляемые к ним требования [3, 5, 6, 7, 16, 28, 35]. Решение прогнозных задач требует разработки специальных правил преобразования информации, заложенной в наиболее информативных показателях, в сведения количественного и качественного характера о нефтегазоносности объекта прогноза. Эти правила, называемые решающими, могут представлять собой определенную совокупность логических действий либо иметь математическое выражение, т.е. вид модели, называемой также прогностической. Составляющими такого рода модели являются набор показателей и сам вид модели, которые в совокупности должны отражать особенности проявления процессов нефтегазонакопления применительно к объектам изучаемого иерархического уровня и установленные эмпирические закономерности. Решающие правила должны базироваться на учете показателей, существенное влияние которых на нефтегазоносность вытекает из доказанных теоретических положений и связь которых с нефтегазоносностью доказана эмпирически и может быть охарактеризована количественно.

Такие показатели и предлагается считать критериями нефтегазоносности.

Нельзя отождествлять критерии нефтегазоносности с геологическими показателями в отрыве от процедур, правил преобразования заложенной в пока-

зателях информации в сведения качественного и количественного характера о нефтегазоносности объекта прогноза. В отрыве от этих процедур показатели могут в лучшем случае рассматриваться лишь как "кандидаты" в критерии прогноза.

Сказанное выше и весь опыт прогнозирования нефтегазоносности дают основание для следующего определения критериев нефтегазоносности: под критериями нефтегазоносности следует понимать комплекс геологических условий, описываемых определенным набором показателей, отвечающих в совокупности требованиям необходимости и достаточности и позволяющих, благодаря привлечению специальных правил (алгоритмов) использования заложенной в них информации, решать задачу прогноза. Устанавливаемый таким образом комплекс показателей должен быть по соответствующему правилу однозначно связан с фактом наличия или отсутствия углеводородных скоплений и с особенностями их размещения по площади и разрезу. Если есть углеводородные скопления, то обязательны определенные значения показателей, входящих в данный комплекс (условие достаточности) и наоборот, если наблюдаемое значение комплекса показателей находится в допустимых пределах, то должны бьггь углеводородные скопления (условия необходимости).

1. Критерии, а следовательно, и соответствующие наборы показателей, должны выделяться и оцениваться с учетом задач и масштаба объекта прогноза, степени его изученности, стадийности ведения поисково-разведочных работ и характера информации, полученной на каждой стадии этих работ.

2. Используемый для прогноза комплекс показателей должен отвечать одновременно условиям необходимости и достаточности. В противном случае он может лишь в той или иной мере сузить зону поиска, но не позволит решать проблему прогнозирования углеводородных скоплений. Так, существование ловушки отвечает условию необходимости, но не условию достаточности. Факт наличия ловушки сужает область поиска и в некоторой степени повышает уверенность прогноза, но не позволяет выделять среди множества ловушек нефтегазоносные.

С другой стороны наличие благоприятных условий для генерации углеводородов еще не может рассматриваться в качестве достаточного критерия существования скоплений нефти и газа. Иными словами, любой показатель, взятый в отдельности, не может отвечать условиям необходимости и достаточности. Для этого требуется учет целого комплекса показателей, которые в совокупности отражали бы условия, необходимые и достаточные для существования скоплений углеводородов (условия генерации, миграции, аккумуляции и консервации).

3. Комплекс критериев нефтегазоносности должен отвечать требованию

полноты и оптимальности. Под полнотой следует понимать требование, чтобы комплекс отражал все основные особенности процессов генерации, миграции, аккумуляции и консервации углеводородных скоплений, учитывал требуемую временную взаимосвязь этих процессов и необходимость одновременного их проявления на различных этапах истории геологического развития региона.

Под оптимальностью следует понимать необходимость привлечения таких показателей, отражающих необходимые и достаточные условия, которые содержали бы по возможности не дублирующуюся информацию.

4. Из необходимости соблюдения оптимальности вытекает требование использовать для прогнозирования минимум показателей, отражающих комплекс необходимых и достаточных условий.

5. Показатели, используемые для прогнозирования, должны отвечать требованию сравнительной простоты и дешевизны их определения и базироваться на учете объективно измеряемой информации.

Наряду с указанными требованиями комплекс показателей и каждый отдельно взятый показатель должен в свою очередь отвечать дополнительным требованиям: 1) показатель должен характеризовать весь объект в целом или отражать его какие-либо специфические особенности; 2) по степени обобщенности он не должен быть ниже уровня прогноза, т.е. отражать как свойства объектов уровня прогноза, так и свойства объектов более высокого иерархического уровня; 3) он должен определяться по минимуму объема информации и соответствовать уровню изученности объектов. Желательно также, чтобы показатели имели количественное выражение. Последнее требование не является жестким. При прогнозе возможно использование и качественных показателей, в том числе не поддающихся ранжированию. Реализация подобной возможности связана с введением так называемых фиктивных переменных.

Нахождение удовлетворяющего сформулированным выше требованиям комплекса показателей было бы идеальным решением задачи по выявлению критериев нефтегазоносности. К сожалению, в настоящее время комплекс условий, необходимых и достаточных для прогнозирования скоплений углеводородов не определен. Естественной в современных условиях выглядит ориентация на выбор не полного набора показателей, а лишь определенной их части, являющейся наиболее информативной в аспекте решаемой задачи и при использовании выбранного алгоритма. Обязательным является обоснованность их выбора с генетических позиций.

Иными словами, данное нами строгое понимание критериев нефтегазоносности трансформируется на практике в более узкое понимание - под критерием нефтегазоносности мы понимаем комплекс информативных показате-

лей, учтенных в модели прогноза, связь которых с нефтегазоносностью доказана теоретическими положениями и эмпирически и может быть выражена количественно. Отмеченная тесная связь комплекса показателей с моделью предопределяет зависимость количества информативных показателей (критериев прогноза) от объема выборки, доступности информации от принятой технологической схемы решенииия задач прогноза. Эта зависимость придает выявленным критериям прогноза относительный характер.

На современном этапе изученности следует стремиться к поиску возможно более полного набора информативных для решения конкретной задачи показателей, учет которых обеспечит сведение к минимуму той неопределенности, которая имеет место при прогнозе. Поскольку априори нельзя определить набор заведомо информативных показателей, на стадии, предшествующей сбору и обработке материала по отысканию решающих правил, целесообразно вводить в рассмотрение все те наборы признаков, которые вытекают из рассмотрения возможных схем формирования скоплений УВ и могут быть определены при существующей изученности территории.

Точность и надежность прогнозных решений [6,7,19,21,43]. Для определения качества прогноза, его достоверности, используются апостериорные и априорные оценки.

Апостериорная оценка. Ее применение в принципе возможно лишь после того, как период упреждения уже окончился и в распоряжении специалистов имеются сведения о фактическом значении прогнозируемых переменных. Они используются также и для "экзаменационной" проверки эмпирически конструируемых моделей. В целом же их применимость в нефтегеоло-гическом прогнозировании, главным образом из-за свойственных ему больших сроков упреждения, весьма ограничена. Правда, и в ситуациях с большими сроками упреждения такого рода оценки находят применение: для этого вводятся и рассчитываются коэффициенты подтверждаемое™ прогнозов за фиксированные промежутки времени существенно меньшей продолжительности. Более перспективным здесь представляется путь выделения и прогнозной оценки значений таких параметров нефтегазоносности, которые являются производными от величины НПР и подтверждаются практикой еще задолго до полного освоения недр. К числу подобных параметров могут быть отнесены, например, такие как величина запасов максимального месторождения, динамика выявления месторождений и др..

Априорная оценка. Априорная оценка качества прогноза считается необходимой,обязательной, т.к. она позволяет судить о возможном варьировании значений прогнозируемой переменной до момента установления истины и позволяет более объективно подходить к определению тактики и стра-

тегии освоения недр.

Общие замечания. Основные понятия. Прогноз осуществляется в условиях неопределенности, вызванной прежде всего неполнотой сведений о прогнозируемом объекте.

Результатом прогноза, как известно, могут быть оценки как численных значений параметров нефтегазоносности (количественные задачи прогноза), так и качественного состояния объекта (качественные задачи прогноза). Во втором случае возможен прогноз одного из двух возможных состояний или одного из нескольких возможных состояний, причем последние могут быть ранжируемыми и неранжируемыми.

В соответствии со сказанным априорную оценку качества количественного прогноза целесообразно осуществлять с помощью двух показателей: точности и достоверности, а качественного прогноза лишь надежности прогноза.

Прогнозные решения носят приближенный, вероятностный характер. Так, в результате вычислений с помощью любой прогнозной модели вероятностного типа (например, регрессионной) мы получаем некоторое численное значение, которое является точечной оценкой интересующего нас параметра. Истинное же значение этого параметра может не совпадать с полученной цифрой, причем величина отклонения зависит от степени адекватности модели, объема и представительности обучающей выборки и от положения объекта в пространстве признаков. Поэтому при эмпирических исследованиях следует пользоваться интервально-вероятностными оценками.

Опираясь на понятие о доверительном интервале, предлагается понятие точности (абсолютной) прогноза. Под абсолютной точностью прогноза ( абс) следует понимать величину доверительного интервала возможного варьирования прогнозируемой переменной при заданной доверительной вероятности а: Л абс = а - Ь, где а,Ь - соответственно верхняя и нижняя 1раница доверительного интервала при заданной доверительной вероятности. Надежность же отражает степень уверенности попадания в этот интервал. Тогда относительная точность прогноза определяется согласно выражению _ а — Ь

т|отн.--где Х7- - вычисленное значение прогнозируемой переменной.

Хгр

Значение доверительной вероятности а следует выбирать с таким расчетом, чтобы в зависимости от степени ответственности решения иметь необходимую гарантию того, что вычисленные значения не выйдут за пределы доверительных интервалов.

Величина не может быть одинаковой для НГБ с уже доказанной и недоказанной промышленной нефтегазоносностью; для больших глубин и глубин,

уже освоенных бурением. Очевидно, что точность прогноза определяется адекватностью используемой модели и погрешностями в задании исходных данных для объектов обучения и прогноза.

Введенная характеристика оценки качества количественного прогноза была бы всеобъемлющей, если бы существовала полная уверенность в применимости используемой прогнозной модели в данной конкретной ситуации, т.е. в применимости ее для оценки данного объекта.

Такой уверенности в общем случае нет. В силу сказанного автором предлагается к использованию еще одна характеристика оценки степени достоверности результатов количественного прогнозированиия с помощью полученного решающего правила. Она зависит от соответствия геологических условий нахождениия объектов обучения и экзамена геологическим условиям нахождения объектов прогноза. В качестве подобной меры соответствия может быть рекомендован коэффициент аналогии (V) между обстановками обучения и прогноза ( V изменяется от 1 до 0). Одновременный учет точности и достоверности прогноза в этом случае достигается путем внесения корректив в задаваемые значения доверительных вероятностей согласно формуле а = ау).

Для представления прогнозных значений при интервально-вероятностном оценивании последних рекомендуется пользоваться интервальной кривой ( Ф1) субъективной вероятности.

Ф' = 1 - Ф (а),. где Ф (а ) - кривая функции распределения параметра.

При использовании такого представления результатов прогноза появляется возможность быстрого получения сведений об ожидаемой величине ресурсов при различной степени их достоверности. Это представляется важным, т.к. различные решения могут опираться на оценки ресурсов различной степени достоверности в зависимости от величины риска.

При решении задач качественного прогноза соответствующий результат должен сопровождаться оценкой степени достоверности (надежности, правдоподобия), отражающей уверенность в реальности данной диагностики. Степень достоверности меняется от 1 (полная достоверность) до 0 (полная невозможность). Следует заметить, что между этим понятием и вероятностью существует глубокая аналогия.

Степень достоверности фактически аналогична понятию о субъективной вероятности. Степень достоверности (Р) диагностики объекта определяется согласно Р = Р V , где Р - вероятность справедливости данной диагностики в предположении правильности применения прогнозной модели в конкретной геологической ситуации, V - коэффициент аналогии обстановок обучения и прогноза (изменяется от 0 до 1).

Очевидно, что Р' зависит как и соответствующий показатель в случае ре грессионной модели от адекватности модели и от точности задания прогнози рующих показателей.

Источники ошибок прогноза и оценка возможной их величины. Моделх ошибки прогноза [6,7,9,18,19,20,21,38]. Прогноз нефтегазоносности геологиче ских объектов складывается из выделения объектов для прогноза и оценю выделенных объектов по прогнозируемым параметрам.

Надежность работы системы прогнозирования (Ррр) в общем виде опреде ляется соотношением:

Рпр = Р в ■ Рп,

где Рв - надежность работ по выделению объектов; Рп - надежность ра бот по собственно прогнозной оценке природных объектов.

Приведенное выше соотношение показывает, что прогнозная оценка недо стоверно выделенных объектов лишена смысла.

Прогнозная оценка природных объектов. Качество собственно прогноза (второе звено в системе прогноза) определяется качество]« выполнения каждой из составляющих его процедур, а в общем виде качеством построения модели прогноза, возможностью применения ее в прогнозных ситуациях и достоверностью используемой при прогнозе информации. В суммарной величине ошибки можно выделить две составляющие: одна связана с неадекватностью модели для прогнозных условий (методологическая составляющая), другая - со степенью адекватности модели, определяемой по эталонной выборке, и с погрешностями в определении значений параметров, входящих в формулы расчетов (метрологическая составляющая).

Метрологические ошибки прогноза обусловлены погрешностями в определении значений диагностических показателей и могут быть оценены дисперсией ошибки О(у) .

Анализ известных формул расчета дисперсий в случае как независимых, так и коррелированных переменных х}, ...хш показывает, что величина метрологических ошибок зависит от числа переменных; и от погрешности их определения; тесноты связи между пременными; вида расчетной формулы (функции) и ее частных производных.

При этом далеко не безразлично, в каком виде входит в расчетную формулу переменные, характеризующиеся ошибками измерений. Так, введение в модель переменной х>1 в виде при к>1 приводят к росту й(у), а при к < 1 - к уменьшению последней.

Сказанное выше свидетельствует о том, что метрологическая составляющая может быть источником больших ошибок при прогнозе и выступать в качестве критерия при выборе прогнозных моделей. Реальны ситуации, когда

из-за больших ошибок в определении исходных параметров может быть забракована более точная модель и взята на вооружение упрощенная, более схематичная. Поэтому выбору прогнозной модели должна предшествовать оценка величины доверительных интервалов значений прогнозирующих переменных. Такая предварительная оценка позволяет получить представление о максимально достижимой точности прогноза, расклассифицировать все возможные функциональные преобразования (модели) на "допустимые" и "недопустимые" к использованию в конретной ситуации.

Оценка метрологических погрешностей и их представление опирается на предположение, что получаемые в результате расчетов результаты имеют симметричный характер распределения и, следовательно, подлежат использованию симметричные доверительные интервалы. В случае же зависимости переменных такое представление является не достаточно корректным.

Для случая зависимых переменных Д.Марсал показал, что обычно среднее значение произведения случайных величин отличается от произведения средних его сомножителей, если по крайней мере два его сомножителя взаимосвязаны. При этом произведение двух даже нормально распределенных величин характеризуется асимметричным распределением. В этом случае модальное значение не совпадает с его средним и для получения симметричного доверительного интервала в подобной ситуации автором рекомендуется пользоваться, либо неравными доверительными вероятностями, либо (наоборот), равным (по обе стороны от среднего) доверительным вероятностям будет соответствовать несимметричный доверительный интервал.

Из сказанного вытекают следующие замечания. На стадии описания эталонных и вновь оцениваемых объектов (при определении средних значений критериев нефтегазоносное™) надо иметь в виду, что среднее значение произведения в общем случае не может быть получено путем перемножения средних значений сомножителей. В зависимости от характера и силы связи между показателями это расхождение может быть значительным в сторону как завышения, так и занижениия истинного среднего. Сам же факт получения несимметричного распределения результирующей величины при перемножении даже двух независимых величин, характеризующихся симметричными распределениями, с необходимостью требует представления результатов прогноза в виде несимметричного интервала возможных значений с равными остаточными вероятностями.

При количественном прогнозировании естественным, более отвечающим геологической ситуации, является задание значений показателей не в виде точной цифры (точечное задание), а в интервально-вероятностном виде. При этом в пределах интервала значения могут встречаться с различной вероят-

ностыо, а закон распределения может быть отличным от симметричного. Пр] подобном интервально-вероятностном задании предсказателей результата прогноза также должны быть представлены в интервально-вероятностном ви де, что может быть достигнуто только благодаря применению метода Монте Карло. Если при этом не учитывается степень адекватности моделей и не учи тываются показатели качественного характера, лимитирующие нефтегазонос ность, соответствующие кривые носят название "безрисковых". Учет методо логической погрешности означает переход от "безрисковой" к "рисковой' кривой.

Методологические погрешности связаны с построение?« моделей прогноза. В основе моделирования лежит предположение о том, чтс закономерности, выявленные для хорошо изученных объектов, справедливы г для менее изученных и, следовательно, они могут быть использованы для прогноза.

Величина методологических погрешностей определяется совершенством модели, т.е. степенью ее адекватности процессам генерации, миграции, аккумуляции и сохранности углеводородных скоплений в районе прогноза и устойчивостью полученных решений при интерполяционной и экстраполяци-онной постановках задач прогноза.

Степень адекватности модели для эталонных условий определяется на стадии построения модели. Однако даже абсолютно верная модель, построенная для одних условий, может оказаться непригодной в новых условиях. Поэтому принято проверять работоспособность модели на экзаменационной выборке объектов. Результаты экзамена служат основанием для определения степени пригодности модели и внесения в нее поправок.

Ввиду того, что результаты экзамена практически приходится распространять на обстановку прогноза, важным становится вопрос о степени соответствия обстановок размещения экзаменационных и прогнозных объектов. В связи со сказанным и с целью снятия остроты вновь возникающей проблемы автором предложен подход к выбору экзаменационных объектов с позиций возможного разнообразия прогнозных ситуаций, в которых используются прогностические модели.

Введем понятие области обучения Л0 и области прогноза Яп, понимая под первой область задания входных (прогнозирующих) переменных у эталонных объектов, а под второй - аналогичного вида область для прогнозных объектов. Область задания переменных Ко определяется интервалами изменчивости соответствующих характеристик. В зависимости от положения значений предсказателей прогнозного объекта по отношению к указанным интервалам можно говорить об экстраполяции (значения выходят за пределы интервалов)

и интерполяции (значения находятся внутри интервалов). Аналогично математическому пониманию интерполяции и экстраполяции целесообразно введение понятия геологических интерполяции и экстраполяции, положив в основу пространственное соотношение прогнозируемых и эталонных объектов. Геологическая интерполяция будет отвечать случаям расположения прогнозируемых объектов внутри эталонной области. Во всех остальных случаях мы имеем дело с геологической экстраполяцией тем более далекой, чем дальше расположены прогнозные объекты от эталонных. Из сказанного очевидно, что геологическое и математическое понимания интерполяции и экстраполяции не идентичны. Поэтому возможны следующие условия (типы прогнозных ситуаций) применения прогностической модели: 1) интерполяция в геологическом и математическом понимании; 2) интерполяция математическая и экстраполяция геологическая; 3) экстраполяция математическая при геологической интерполяции; 4) экстраполяция математическая и геологическая.

Для получения представления о работоспособности модели в различных типах прогнозных ситуаций экзаменационные объекты должны выбираться не случайным образом, а с учетом приведенной выше классификации ситуаций. В случае качественных задач прогноза, окончательная величина степени достоверности будет иметь вид: Р = V (1 - а), где V- коэффициент подобия, а -теоретическая ошибка классификации.

При решении количественных задач прогноза коэффициент подобия учитывается в виде сомножителя в уровне задаваемой доверительной вероятности. Так, если до внесения корректив доверительному интервалу 1а, Ы соответствует доверительная вероятность а, то после внесения корректив уже иная доверительная вероятность а = ссу , что означает фактически переход к более широким доверительным интервалам при прежних значениях доверительных вероятностей.

Проверка пригодности модели и само применение последней должны осуществляться при условии обязательного выполнения требования однозначности процедур и принципов выделения и описания эталонных, экзаменационных и прогнозных объектов.

Определение устойчивости решающих правил на основе выявления "слабых " звеньев моделей прогноза [9,45,66]. Не подлежит обсуждению важность знания того, каким образом влияют на "устойчивость" полученного прогнозного результата возможные погрешности в определении критериев нефтегазонос-ности при условии, что степень адекватности используемой модели прогноза уже учтена. Здесь возможны две крайние ситуации. Первая - когда геолог располагает сведениями о возможных погрешностях в определении значений предсказателей. Решение здесь очевидно и по существу сводится к прямой за-

даче теории погрешностей.

Вторая ситуация, - когда геолог затрудняется или не в состоянии указать возможные погрешности в определении значений геологических показателе! для каждого объекта. Эта ситуация является достаточно распространенной. Для подобных ситуаций - автором разработана специальная методика выявления "слабых" звеньев прогностических моделей. Она предполагает с помощью анализируемой модели прогноза определение для каждого показателя (в предположении неизменности остальных показателей) того значения, по достижении которого происходит значимое изменение прогнозного результата (например, изменение диагностики локальной структуры с "возможно продуктивной" на "пустую").

Суть предлагаемой методики сводится к следующему.

Назовем интервал значений предсказателя, при котором результат прогноза не меняется, допустимым абсолютным пределом варьирования (граничных, критических значений) в определении данного критерия Qa.ii = -Хф > гДе

Хф - фактическое значение предсказателя;

Х^ - то пороговое значение, по достижении которого результат прогноза значимо меняется.

Тогда допустимый относительный предел варьирования определяется согласно:

ЧР - хф

Очевидно, что предсказатели, для которых допустимые пределы варьирования оказываются маленькими по своей величине и близкими или превосходящими возможную погрешность их определения, рассматриваются нами как "слабые" звенья прогнозной модели. Они должны быть предметом особо пристального изучения, поскольку именно из-за возможных ошибок в их определении результат прогноза может быть иным.

Важно обратить особое внимание на то, что в силу неравномерности проявления по площади и разрезу нефтегазогенерирующих факторов при использовании даже одной и той же модели прогноза показатели подобного типа и величины допустимых для них погрешностей будут строго индивидуальны для каждого объекта.

В задачах качественного прогноза показатели, обладающие отмеченными свойствами, в значительной степени ответственны за прогнозную диагностику, т.е. им принадлежит определяющее значение.

В задачах количественного прогноза нефтегазоносности выявление

"слабых" звеньев прогностической регресионной модели сводится к определению с помощью полученной регрессионной модели для оцениваемого объекта } для каждого х- (при фиксированных значениях других предсказателей), тех значений Хц (критических х^)), по достижении которых изменение становится существенным, статистически значимым. Для проверки справедливости гипотезы используется Ькритерий Стьюдента.

Здесь возможно два критических значения. Наличие двух значений объясняется тем, что изменчивость может иметь место, когда х-^ > х1} (кр) и когда Хц < х ]1(кру Соответственно, можно говорить о максимальных и минимальных значениях х\^кру

Таким образом выявление "слабых" звеньев сводится к последовательному решению следующих взаимосвязанных задач:

- установление допустимых пределов варьирования (запаса прочности) критериев прогноза, гарантирующих отсутствие значимых изменений результата прогноза;

- выявление показателей в прогностической модели, наиболее сильно влияющих на изменчивость результата прогноза.

Применение предлагаемых процедур представляется целесообразным всегда, но они совершенно необходимы, когда геолог затрудняется указать возможные погрешности в определении значений геологических показателей для каждого объекта. В результате геолог получает представление о допустимом варьировании переменных и на основании этого устанавливает, возможны или нет соответствующие ошибки в определении критериев нефтегазонос-носга. Он намечает и наиболее "уязвимые" места, "слабые" звенья в модели, требующие более пристального внимания и в силу этого приобретающие особую важность. При этом геолог может определить требуемые для этого Затраты и оценить целесообразность доизучения объекта уже с экономических позиций.

Многовариантный прогноз как средство повышения надежности прогнозирования [6,7,9,29,45,47,48,64,75]. Одним из важнейших средств повышения правдоподобия результатов прогноза является повторное независимое решение одной и той же задачи несколькими способами. Оно базируется на положении, что случайное совпадение результатов маловероятно, и если это происходит, то для такого совпадения должна быть причина. В случае независимости решений единственной причиной может быть скорее всего та, что результат верен.

Д.А.Родионовым и автором в 1976 г. независимо друг от друга показано, что комплексирование методов прогноза представляет собой одно из средств повышения точности и надежности прогнозных решений, а сам процесс согла-

сования многовариантных оценок поддается формализации и должен лежать в основе принятия корректных решений в системах прогнозирования. Важным представляется вывод, что даже при применении методов, каждый из которых характеризуется достаточно большой погрешностью, вероятность получения ошибочного результата уменьшается с увеличением числа методов. Регулируя число методов, можно заметно повысить достоверность прогноза и отделить объекты с надежной прогнозной оценкой от таковых, оценка которых является ненадежной. Необходимо только чтобы эти методы были независимыми, т.к. в случае зависимых методов сам процесс взаимного контроля существенно усложняется.

Автор различает два направления комплексирования.

Первое направление комплексирования. Используется комплекс методов для прогнозной оценки не одного, а нескольких показателей, как у данного оцениваемого объекта, так и у иерархически соподчиненных объектов, т.е. речь идет о получении комплексного представления об объекте. Для повышения качества прогноза здесь должна подлежать учету имеющаяся взаимосвязь между прогнозируемыми показателями, что дает основание подходить к прогнозу как к оценке взаимосвязанного комплекса системы показателей. Отсюда появляется возможность контролировать решение одной задачи решением (или решениями) другой (других). Действительно, такая ситуация имеет место, когда прогнозируются значения для объектов различных иерархических уровней. Между оценками одноименных показателей для объектов различных иерархических уровней не должно быть противоречий. Например, прогнозируемая величина запасов максимального месторождения в НГО не должна быть меньше запасов уже выявленных месторождений на локальных объектах и не должна превышать величины запасов максимального месторождения в НГБ.

Как элементы одной системы взаимосвязаны также и разноименные показатели, но одного и того же объекта. Иными словами, можно говорить о меж-уровневом и внутриуровневом, пообъектном согласовании результатов прогноза. Такое согласование можно рассматривать как один из видов комплексирования методов и получения достаточно сбалансированного непротиворечивого комплексного представления об объекте прогноза, повышающего достоверность последнего. Естественно, что получаемые комплексные представления об объекте должны быть увязаны не только между собой, но и с реальной геологической ситуацией.

Второе направление комплексирования. Используется нескольких методов для решения одной и той же задачи. При этом методы могут комплексироваться двояким образом: чтобы получить одно единствен-

ное решение конкретной задачи (случай последовательного применения методов) и чтобы получить несколько решений одной и той же задачи (случай параллельного, независимого применения методов). Очевидно, что в практической деятельности существует и встречается постоянно промежуточный вид комплексирования, когда одно или несколько независимых решений опираются в свою очередь на последовательное применение нескольких методов. Однако последний случай с позиций принятия решения не имеет никаких принципиальных отличий. Главное здесь уметь оценивать количественно степень неопределенности решений, которая оказывается присущей при применении каждого отдельно взятого или комплекса методов.

При последовательном применении методов вероятность получения правильного окончательного решения будет падать с увеличением числа шагов. Иными словами, подобный вид комплексирования следует по возможности избегать, или обязательно контролировать получаемое таким образом решение другими методами.

Во втором случае параллелизм в решении задачи приводит к получению более достоверного результата прогноза. Поэтому при решении прогнозных задач должен быть обязательно взят на вооружение многовариантный подход.

С ростом числа способов решения задачи вероятность ошибочного заключения по всем вариантам падает.

Путем регулирования числа вариантов (способов) решения задачи можно добиваться требуемой надежности распознавания. Сложным при этом представляется определение того варианта, который дает безошибочное решение. Автором предложено оправдавшее себя на практике правило разбраковки классифицируемых объектов на объекты с заведомо однозначной (например, продуктивные, пустые) и неоднозначной диагностикой (продуктивные или непродуктивные). При этом последние, естественно, должны бьггь подвергнуты дополнительному изучению специалистом на предмет выяснения причин такого отнесения.

В случае однозначной диагностики по всем вариантам уверенность в результатах прогноза возрастает и, следовательно, от эксперта в этой ситуации требуется меньше усилий при принятии окончательного решения по оценке продуктивности объекта. Работа эксперта здесь должна сводиться лишь к проверке того, учтены ли особенности нефтегазонакопления, свойственные только этому объекту.

Вместе с тем нельзя не заметить, что с ростом числа методов будет уменьшаться вероятность однозначной оценки объектов, т.к. все большее число исходов будет характеризоваться тем, что хотя бы один метод даст оши-

бочный результат. Эта зона неопределенности с ростом к растет. В силу сказанного, описанная выше процедура разбраковки классифицируемых объектов на объекты с заведомо однозначной (заведомо продуктивные, пустые, крупные и т.д.) и неоднозначной диагностикой автором была усовершенствована с тем, чтобы даже в случае противоречивых прогнозов можно было отдать предпочтение более надежному. В ее основе лежит формула Байеса, что позволяет и в случае неоднозначных оценок рассчитывать вероятность отнесения объекта к каждому из выделенных классов. Наибольшая трудность при применении формулы Байеса связана с определением априорной вероятности справедливости проверяемой гипотезы. При расчетах применительно, например, к решению задачи о выделении продуктивных и пустых структур в качестве априорной вероятности справедливости гипотезы Н0 (структура продуктивна) автором предлагается использовать коэффициент успешности поискового бурения.

В случае применения нескольких независимых методов используется обобщенная формула Байеса. Расчеты показывают, что при наличии даже двух методов прогноза и при однозначной диагностике надежность прогноза резко повышается и тогда, когда одно из решающих правил характеризуется достаточно большими ошибками I и II рода.

Значительно сложнее обстоит дело с получением "согласованного" и, следовательно, более обоснованного результата при количественном прогнозировании. Достаточно строгие решения здесь отсутствуют и применяющиеся при этом процедуры более отвечают правилам, носящим условный характер.

Выбор конкретных процедур согласования существенным образом зависит от количества сравниваемых результатов и преследуемых при этом целей. Здесь можно говорить как минимум о двух типовых ситуациях:

- когда требуется определить вероятность попадания в тот или иной интервал значений (например, вероятность принадлежности к мелким, средним, крупным месторождениям);

- когда необходимо получить согласованную количественную оценку.

Первая ситуация более свойственна задачам качественного прогноза.

Вторая ситуация является весьма характерной для количественного прогнозирования.

Установление непротиворечивости получаемых прогнозов и непосредственно сам синтез прогнозов взаимосвязаны между собой. Получение согласованного результата сводится к определению некоторого средневзвешенного (при количественном прогнозировании) среднего (или любого квантиля) результата прогнозов, полученных разными методами с учетом их достоверности. Считается, что чем менее достоверен результат, тем меньше его вес, вклад

в окончательный прогноз.

Не имеет также универсального решения и задача согласования качественных и количественных прогнозов. Вместе с тем уже полученные в этом направлении результаты оказываются, как показывает опыт, вполне пригодными для практической деятельности. Одним из наиболее распространенных способов "увязки" результатов качественных и количественных прогнозов является способ отображения конечных результатов прогноза с помощью так называемых "рисковых" кривых, где в качестве оценки риска используются качественные оценки тех же объектов.

Многовариантные решения, несомненно, повышают надежность окончательных выводов. Но для этого исследователь, пользующийся результатами математического моделирования для принятия окончательных решений на их основе, должен знать, какая в каждом конкретном случае была использована математическая модель, как и с какой точностью и надежностью получены информативные факторы, какие из них учтены моделью, что из главных и второстепенных факторов осталось вне расчетов и подлежит качественной оценке, наконец, какова достоверность получаемых результатов из-за погрешностей модели, исходных данных, при применимости модели в условиях геологической или математической интерполяции (или экстраполяции). При этом точность вычислений должна сообразовываться с точностью данных, а точность последних - с той практической потребностью, для которой нужны результаты вычислений.

Итак, среди наиболее сильно действующих факторов в первую очередь следует назвать факторы, обусловленные 1) несовершенством научной базы, 2) недостаточно полным отображением в моделях отдельных факторов нефтега-зообразования, 3) малым объемом "обучающих" выборок, 4) неоднородностью выборок, 5) отсутствием формализованных подходов к определению методологической составляющей погрешности.

С целью элиминирования действия третьего и четвертого факторов необходимо использовать специальные процедуры. Так, для элиминирования третьего фактора могут быть рекомендованы алгоритмы типа "все на обучении -все на экзамене", или алгоритм "складного ножа" Ф.Мостеллера.

Не менее важным представляется учет неоднородностей, обусловленных возможным существованием критических рубежей и скачкообразных переходов на новые уровни. В общем случае не существует взаимно-однозначного соответствия между однородностью совокупности по признакам X и однородностью по У. Отсюда следует, что в реальных ситуациях при построении регрессионных моделей необходимо иметь в виду возможность существования нескольких уровней у откликов процессов - прогнозируемых параметров неф-

тегазоносности. Учет имеющей место неоднородности следует осуществлять либо с помощью ступенчатой процедуры построения и использования регрессионных моделей, либо с помощью введения в модели прогноза фиктивных переменных. Игнорирование факта возможной неоднородности исходной совокупности недопустимо, т.к. в подобных случаях трудно расчитывать на получение моделей высокой степени адекватности.

В результате рекомендуемого автором анализа прогностических моделей на предмет выявления в последних "слабых" звеньев по существу определяются нормативы точности снятия значений критериев нефтегазоносное™.

Приведенные выше сведения о структуре погрешностей и перечне факторов, оказывающих влияние на качество прогноза, позволяют сделать следующие выводы:

1. Точность и надежность - дорогостоящие категории и их повышение всегда сопряжено с увеличением затрат, в общем случае возрастающих быстрее, чем точность и надежность.

2. В последовательных и параллельных цепях формирования ошибок измерений, вычислений и моделирования доминирующую роль играет ошибка самого неточного, "грубого" звена.

3. Решение проблемы выбора рационального уровня точности и надежности моделирования лежит в границах, определяющих гармоническое сочетание точности и надежности исходной информации, точности и надежности модели и точности вычислительных алгоритмов.

4. Из составляющих погрешности прогноза к числу регулируемых в первую очередь относится метрологическая составляющая, обусловленная ошибками в определении критериев прогноза.

5. Возможная величина метрологической составляющей, определяемая до осуществления прогноза, дает представление о максимально достижимой точности прогноза. Такого рода информация о метрологических погрешностях может быть использована для определения целесообразности количественного и качественного решения прогнозной задачи, вида прогностической модели, вида функционального вхождения отдельных параметров, количества последних, а в ряде случаев и границ изменения численных значений параметров модели. Информация о возможных погрешностях в определении параметров определяет тактику и стратегию решения задач прогноза.

6. Методологическая составляющая погрешности прогноза зависит от обоснованности применения выбранной модели в прогнозных условиях.

7. Повышение степени адекватности модели требует идентичности принципов выделения и характера описания объектов эталонных, экзаменационных и прогнозных совокупностей (при данном уровне разработки теорети-

ческой базы).

8. С целью более корректного определения правомочности применения модели в прогнозных ситуациях и выявления необходимости внесения соответствующих корректив выбор экзаменационных объектов следует осуществлять, опираясь на введенную автором классификацию прогнозных ситуаций.

9. Повышение правдоподобности результатов прогноза достигается путем решения одних и тех же задач несколькими независимыми способами, т.е. благодаря реализации многовариантного принципа решения задач.

10. Вероятностный характер получаемых результатов требует представления их с обязательным отражением степени уверенности, соответствующей тем или иным прогнозным решениям.

11. При выборе методов решения задач прогноза следует обязательно принимать во внимание "способность" методов оценивать влияние ошибок в определении критериев прогноза на конечный результат.

В заключение отметим, что обработка материала на всех этапах должна сопровождаться анализом с содержательных позиций получаемых результатов. Исключительно важен этот момент для заключительной стадии прогноза - принятия окончательных решений на основании данных, получаемых при использовании прогностических моделей. При однозначной оценке объекта прогноза подобный анализ преследует цель выявить, не оказались ли вне поля зрения результаты действия локальных, строго индивидуальных факторов, неблагоприятные значения которых могут обусловить полную бесперспективность структуры, несмотря на благоприятные сочетания других факторов. Такого рода факторы автор предложил называть лимитирующими нефтегазо-носносгь. Описанная ситуация возможна либо когда лимитирующий фактор проявляется эпизодически, либо когда он не нашел соответствующего отражения при построении прогнозной модели, а для отдельных объектов есть информация об этом факторе. С другой стороны, может быть информация о показателях, наличие которых существенно повышает перспективность объектов. Эти показатели мы предлагаем рассматривать как благоприятствующие нефтегазоносности.

При неоднозначной диагностике привлечения дополнительной информации о лимитирующих нефтегазоносность и благоприятствующих ей факторах позволяет определить более предпочтительные варианты решения задач прогноза.

Характеристика математических методов и особенностей их применения [5,6,7,8,14,15,17,18,19,20,21,25,26,32,36,40,43,49,68,71,75]. Решение прогнозных задач сводится к применению в определенной последовательности тех или иных методов. Математический аппарат используется уже на стадии форми-

рования признакового пространства. Набор привлекаемых методов весьма широк и охватывает методы аппроксимации (тренд-анализа, сплайн-аппроксимации и др.) и многомерного анализа. На первоначальной стадии анализа фактического материала используются методы изучения вида функций распределения переменных, знание которого необходимо для определения комплекса статистических методов, чтобы их применение в данной ситуации было корректным. Следующий этап - построение адекватных моделей формирования углеводородных скоплений - связан с привлечением методов корреляционного и факторного анализов, а также методов оценки дискриминирующей способности показателей при сравнительном анализе классифицируемых множеств.

Весьма важным этапом является этап построения решающих правил, для чего привлекаются разнообразные методы распознавания образов, автоматической классификации (методы кластер-анализа), регрессионный анализ. Поскольку исходные данные, используемые при прогнозе нередко неточны, то для облегчения работы геолога при принятии последним окончательных решений необходимо уметь количественно оценивать условия неопределенности. Подходы к решению этой задачи базируются на использовании метода Монте-Карло.

Анализ функций распределения. Здесь различают два подхода к оценке природных распределений по выборочным данным. Первый -оценочный - сводится к подбору функции, которая удовлетворяет требованию наилучшего сглаживания наблюденных распределений частот. При этом накладываемые ограничения базируются не на учете возможных представлений о течении процессов, а на учете преимущественно формально-математических требований. Второй подход - эвристический, несомненно является более предпочтительным. Предположение о функции распределения здесь исходит из такой модели природного процесса, которая должна привести к некоторому теоретическому распределению. Эта модель может быть как простой - понятийной, так и сложной, например физико-химической.

Метод изучения связей между переменными. Следует различать три типа племенных: количественные, ранговые (упорядоченные) и качественные (дихотомические, альтернативные и др.). В зависимости от вида переменных существуют различные виды коэффициентов корреляции. Как правило, корреляционный анализ осуществляется с целью проверки гипотез о существовании зависимостей между геологическими и показателями нефтега-зоносности. Общая схема проведения корреляционного анализа сводится к следующему. Сначала производится расчет информационных коэффициентов корреляции, которые обеспечивают проверку гипотез о существовании и кри-

волинейных (а не только линейных как в случае парных коэффициентов корреляции) связей. При значимом информационном коэффициенте корреляции отыскивается форма (линейная, криволинейная), конкретный вид зависимости и теснота последней.

Методы оценки информативности показателей. Здесь следует различать информативность показателей при решении задач методами распознавания образов и методом регрессионного анализа. В первом случае оценка информативности сводится к определению "расстояния" между сравниваемыми совокупностями по каждому отдельно взятому показателю. Наиболее широкое применение получил критерий Пирсона (х2), который может применяться как при качественных, так и при количественных переменных. Достаточно эффективно использование расстояния Махаланобиса (но только для количественных показателей). Меньшее распространение получили информационные коэффициенты, критерий Смирнова-Колмогорова, Уил-коксона и др.

Во втором случае - информативность оценивается с помощью коэффициента корреляции или любых других коэффициентов, используемых для оценки связи между переменными.

Факторный анализ. В геологии наибольшее распространение получила разновидность факторного анализа - метод главных компонент. Он широко применяется для свертки информации - перехода к меньшему числу независимых переменных. В этом случае его привлечение в большей степени диктуется техническими соображениями. Гораздо более интересна сфера его применения, как это показано автором, связанная с изучением природных процессов, а точнее с проверкой представлений о возможном существовании конкретных природных процессов и выяснении относительной значимости последних. Применение метода главных компонент стимулирует работу в области конкретизации модельных представлений. Интерес представляет появляющаяся возможность картирования природных процессов, определение количественных характеристик изменчивости изучаемых параметров под влиянием природных факторов путем расчета значений восстановленных показателей. Все вместе взятое, подкрепленное глубоким содержательным анализом, служит основой для выявления генетичных групп показателей, связанных с теми или иными параметрами нефтегазоносности, что позволяет подойти к выбору информативных показателей с генетических позиций (опираясь на полученную информацию о процессах). По существу компонентный анализ представляет более мощное средство анализа схем формирования и построения адекватной схемы, т.к. при его использовании в более полной мере учитывается взаимосвязь между показателями и выявляется внутренняя структура

корреляционных связей, что в совокупности позволяет более обоснованно подойти к выявлению причинно-следственных связей.

Компонентный анализ может применяться также и в задачах автоматической классификации, а также в задачах распознавания образов при наличии представителей лишь одного класса и ограниченного числа представителей нескольких классов. Весьма эффективно его применение в комплексе с другими методами, в частности, с методами регрессивного анализа, распознавания образов.

Методы распознавания образов. Среди нашедших применение выделяются детерминистские (информационно-логические, эвристические) и статистические. При этом преследуется цель получить в некотром смысле оптимальное решающее правило классификации. Применение каждого из методов оптимально при условии справедливости посылок, лежащих в основе метода. Однако фактически области применимости для большинства методов не определены. По мнению автора, целесообразно введение формальных ограничений на применимость получаемых решающих правил. Они вытекают из анализа положения значений прогнозирующих характеристик объектов прогноза относительно области задания обучающих совокупностей; получаемые уравнения должны применяться для диагностики лишь таких объектов, значения геологических показателей которых не выходят за пределы изменчивости соответствующих показателей в обучающих совокупностях. В противном случае будет иметь место экстраполяция (в математическом и (или) геологическом понимании) полученных решающих правил, использование которых без должного обоснования может привести к ошибочным результатам.

Все случаи экстраполяции должны подвергаться особо тщательной проверке с учетом имеющейся априорной информации и геологической специфики, не нашедших отражения в вероятностных моделях.

В созданной автором системе "Прогноз нефтегазоносносги" ЛДФ занимает доминирующее положение прежде всего в силу того, что при ее применении:

1. Не требуется градации признаков;

2. Возможно использование зависимых признаков в силу того, что в решающих правилах имеющаяся зависимость между признаками подлежит учету;

3. Значительно проще и достовернее оценивается информативная емкость каждого из рассматриваемых признаков.

При выводе уравнения ЛДФ необходимо соблюдение ряда требований, из которых в первую очередь следует назвать требование о нормальном характере распределения переменных, об определенном соотношении между числом

переменных, входящих в уравнение, и объемом выборки. Более подробно эти и другие условия применимости ЛДФ, как и сама техника построения уравнений описана в специальной литературе.

Мы считаем необходимым дополнительно обратить внимание на следующие моменты:

1. Если С(В/А) - цена ошибочного отнесения объекта из совокупности А к совокупности В, то определение величины порогового значения Ь обычно осуществляется в предположении равенства цен С(В/А) и С(А/В). Применительно же к диагностике нефтегазоносных объектов и в зависимости от стадии освоения региона и технической оснащенности эти цены могут быть разными. Подобная специфика в постановке задач может быть отражена в модели ЛДФ путем внесения соответствующих корректив в величину порогового значения Ь. В силу сказанного, следует при характеристике полученных решающих правил дополнительно указывать и положение Ь.

2. Уравнение ЛДФ (благодаря применению ЭВМ) строятся с использованием действительно наиболее информативных показателей. Получила распространение процедура последовательного включения в уравнение ЛДФ наиболее информативных переменных. Но при этом происходит оценка информативности с формальных позиций. Для прогноза важно, чтобы определенный таким образом информативный набор был информативен и с содержательных позиций. Каждый из вошедших в: решающее правило показателей должен подлежать проверке на соответствие граничным условиям.

3. Пригодность модели ЛДФ должна подлежать проверке не на любых экзаменационных объектах, а таких, которые бы отвечали всему многообразию прогнозных ситуаций - ситуации математической и/или геологичеоож интерполяции и/или экстраполяции.

4. Для проверки качества классификационных моделей важным представляется выявление "слабых" и "доминирующих" звеньев модели.

5. При решении задач прогноза методами распознавания образов полезным может быть комплексирование их с методом главных компонент. Такой подход при сравнительном анализе обеспечивает учет специфики проявления процессов, обусловливающих наблюдаемое различие, оценку их интенсивности. Все вместе взятое способствует выявлению природы внутренней сути сходства и различия, имеющих первостепенное значение для целей прогнозирования.

6. При использовании классификационных моделей обязательной оценке подлежит та неопределенность, которая имеет место при прогнозе конкретно взятого объекта. Наряду с неопределенностью, вызванной попаданием объекта прогноза в область пересечения классов или за пределы области их суще-

ствования, имеется неопределенность, являющаяся следствием ошибок в задании значений прогнозирующих характеристик. В первом случае она может быть оценена с помощью предложенного А.М.Волковым критерия, во втором - с помощью метода Монте-Карло. Последний применим и для оценки коэффициентов модели прогноза при неточном задании прогнозирующих переменных. Выяснению степени неопределенности служит и процедура выявления "слабых" звеньев диагностики объекта, которая является по существу единственной, когда отсутствуют сведения об ошибках в определении критериев нефтегазоносносги.

Регрессионный анализ. Нашел самое широкое применение в том числе и при решении задач прогноза нефтегазоносносги земель. Он применяется в ситуациях, когда требуется на основании информации о замеряемых значениях показателей хь хк определить значения одной или нескольких переменных^, у2,.... ут.

Принимая во внимание специфику геологического материала при применении регрессионного анализа следуегг особое внимание обращать на следующие моменты.

1. Общеизвестно, что при применении методов регрессионного анализа весьма важным является соблюдение требований нормальности, однородности (равноизменчивости), эталонной совокупности, которая трудно диагностируется при малых выборках. Между тем нередки случаи использования регрессионного анализа без предварительной оценки равноизменчивости изучаемой совокупности по прогнозируемому показателю (например, в одну совокупность объединяются объекты мелкие, средние, крупные и т.д.). В результате на выходе получаются регрессионные модели, не очень высокой степени адекватности.

Автор, исходя из необходимости соблюдения требования о равноизменчивости прогнозируемой переменной, предложил процедуру предварительной классификации объектов на однородные группы при помощи одного из методов распознавания образов с последующим уточнением значений показателей путем использования регрессионных уравнений, но выведенных уже для более однородных групп объектов. В этом случае удается добиваться лучшей адекватности регрессионных моделей и, следовательно, свести к минимуму соответствующие ошибки. Интересно, что данный подход в настоящее время получает подтверждение и с предметных позиций, проистекающих из признания факта существования естественных рубежей в распределении природных объектов.

В случае одновременного использования количественных и качественных показателей или большой неточности в определении некоторых из количе-

ственных показателей целесообразна специальная кодировка данных с целью перехода к так называемым фиктивным переменным.

2. Практическое применение регрессионных моделей должно осуществляться с учетом области задания прогнозируемой переменной. Дело в том, что уравнения регрессии находятся для прогнозирования некоторой переменной, имеющей либо естественное ограничение (например, процент газообразных УВ), либо искусственное, определяемое принадлежностью объектов к той или иной совокупности (например, к средним по размерам месторождениям). Поэтому если для оцениваемого объекта значение прогнозируемой переменной выходит за рамки принятого ограничения (например, при расчете для объекта из совокупности "средние месторождения" величина запасов оказалась характерной для крупных месторождений), то за расчетное следует принимать ближайшее граничное.

3. Область применения регрессионных моделей в пространстве предсказателей х1 определяется диапазоном изменения значений х, объектов эталонной, обучающей выборки. Предсказание возможных значений у за пределами этой области представляет собою решение эксгграполяционной задачи. Поэтому здесь следует (по аналогии с классификационными моделями) при выборе экзаменационных объектов для проверки качества регрессионных моделей исходить из предложенной автором классификации прогнозных ситуаций.

4. При выборе вида функции / лежащей в основе модели прогноза, самым надежным представляется эвристический подход. В этом случае функцию выбирают, исходя из понятийной (концептуальной) или физико-химической модели процессов. В диффузных же системах, с которыми нам приходится иметь дело, такой подход возможен далеко не всегда.

Правомочным представляется так называемый оценочный подход к выбору вида функции, когда на вид функции, как правило, не накладывают никаких принципиальных ограничений, кроме некоторых формальных математических условий, вытекающих из постановки решаемой задачи.

Способ количественного отражения условий неопределенности прогноза. Прогноз всегда осуществляется в условиях неопределенности, одной из причин которой являются ошибки в задании прогнозирующих показателей как у прогнозных, так и у эталонных объектов. При этом у первой группы объектов эти ошибки, как правило, значительно выше, чем у второй. Сказанное позволяет рассматривать в прогнозной модели у = /(х1,х2,...,д:п)ггеремеяные у и х; в качестве случайных переменных, характеризующихся свойственными им функциями распределения. В таком случае при использовании в прогнозных целях моделей и при определении параметров модели следует использовать метод Монте-Карло, специально пред-

назначенный для моделирования случайных величин. Это с неизбежностью позволяет дать вероятностную характеристику получаемым результатам, к тому же в легко обозримом виде. При этом естественным образом теряет свою остроту и проблема, связанная с имеющей место неопределенностью в задании критериев прогноза.

Доопределение признаков, используемых при про г н о з е, осуществляется с помощью набора методов, среди которых особая роль принадлежит методам тренд-анализа и сплайн-аппроксимации, как обеспечивающим изучение площадной изменчивости показателей. Важным при этом представляется учет априорной информации.

2. ХАРАКТЕРИСТИКА КОМПЬЮТЕРНОЙ ТЕХНОЛОГИИ РЕШЕНИЯ ЗАДАЧ ПРОГНОЗА НЕФТЕГАЗОНОСНОСТИ

[4,6,7,18,20,27,30,33,40,43,48,51,52,54,58,67,71].

В соответствии с изложенными выше принципами была разработана технология решения задач прогноза нефтегазоносносги, реализованная в виде АС "Прогноз нефтегазоносносги". Данная система состыкована с другой системой геолого-экономического прогнозирования и планирования работ на нефть и газ.

Спектр решаемых задач определяется предназначением самого геологического прогноза. Под нефтегазоносностью недр понимаются не только величина прогнозных ресурсов нефти и газа и характер распределения их по площади и разрезу, но и структура углеводородных ресурсов всего осадочного чехла в целом и отдельных НГК как в пределах НГБ, так и составных частей НГБ -НГО, НГЗ. Структура ресурсов - это прежде всего распределение начальных и текущих ресурсов УВ по месторождениям разной крупности, распределение скоплений УВ по типам ловушек, по глубинам, по типам коллекторов, по степени изученности и освоенности недр. Из сказанного очевидно, что набор решаемых задач по прогнозу нефтегазоносносги недр достаточно широк. При этом связующей задачей между традиционными задачами геологического прогноза и задачами геолого-экономического прогноза оказалась задача по прогнозной оценке величины запасов крупнейшего нефтяного и газового месторождения.

Поскольку процесс нефтегеологического прогнозирования не может быть полностью формализован, то технология прогноза нефтегазоносносги реализована в рамках человеко-машинной технологии. Геолог ставит задачи, формулирует требования к результатам их решения, осуществляет выбор исходного признакового пространства, определяет подлежащей обработке массив

данных, хранящихся в банках данных, задает граф обработки, проводит содержательный анализ всех промежуточных и окончательных результатов; за ним остается также и принятие окончательных решений на всех этапах обработки материала.

В постановке задач в равной мере подлежит учету ограниченность УВ ресурсов, их геологические особенности, вероятностный характер геологических результатов и прогнозных оценок в целом. В системе педусмотрено решение широкого круга взаимоувязанных задач, начиная от сбора фактического материала, правил его агрегирования, многовариантной обработки и кончая принятием решений. Все расчеты сопровождаются оценками точности и надежности полученных результатов. Повышение надежности решений осуществляется за счет комплексирования методов. Согласование многовариантных оценок опирается на байесовский подход, но при обязательной проверке соответствия согласованных оценок неучтенным в моделях прогноза граничным условиям. В системе предусмотрен интерактивный режим обработки данных.

Показатели геологического прогнозирования позволяют осуществлять комплексную оценку перспектив нефтегазоносносги объектов разного масштаба и изученности:

- выявлять перспективные на нефть и газ территории (площади) и давать им качественную оценку;

- оценивать величину (удельную плотность) ресурсов выделенных объектов, в том числе распределение ресурсов по отдельным месторождениям (залежам) и нефтегазоносным комплексам (глубинам);

- прогнозировать возможный фазовый и качественный состав УВ;

- выбирать первоочередные объекты для постановки на них более детальных работ (с учетом геологического риска).

Набор прогнозных геологических задач, подходы к их решению и требования к качеству получаемых результатов в каждом конкретном случае определяются степенью изученности недр, масштабом оцениваемого объекта, требованиями планирования. Степень изученности недр определяет информационную обеспеченность решаемых задач, а стало быть и набор возможных подходов и методов их решения. Автор, как отмечалось выше, предложил различать шесть информационных ситуаций с соответствующими каждой из них наиболее важными задачами прогноза и методами решения последних.

Наличие банка данных и компьютеризация технологии получения значений прогнозных характеристик сделали возможной по мере получения новых фактических данных корректировку имевшихся ранее прогнозных оценок для объектов всех масштабов. Такая корректировка должна осуществляться по-

стоянно, пока ведутся поисково-разведочные работы на данной территории.

Решение задач нефтегеологического прогноза, как отмечалось выше, сво дится в конечном счете к построению прогнозных геолого-математически: моделей для объектов различного масштаба, проверке качества этих моделей на экзаменационных объектах и дальнейшему их применению для оценки па раметров нефтегазоносности новых объектов.

Геологическое прогнозирование включает три этапа:

1. Определение оптимальных моделей процесса формирования скопленш УВ и соответствующего этим моделям генетически обоснованного комплекс: критериев прогноза нефтегазоносности.

2. Построение геолого-математических моделей качественного и количе ственного прогноза нефтегазоносности объектов разного масштаба и их ис пользование при оценках перспектив нефтегазоносности.

3. Определение детальной структуры прогнозных ресурсов нефти и газа, из дифференциация по локальным объектам.

Краеугольным камнем, отправной точкой прогноза являются геологиче ские гипотезы. Именно они определяют тот первоначальный набор призна ков, размерность признакового пространства, которые служат основой дго выявления наиболее информативных показателей и построения решающи; правил.

Специфика работ первого этапа состоит в том, что они опираются на раз нообразные, иногда альтернативные геологические гипотезы, которые требуется проверять на фактическом материале, для чего привлекается болына* по номенклатуре показателей и обычно недостаточная по объему информация. Этому этапу придается большое значение.

На втором этапе конкретные постановки и решение задач геологического прогноза базируются на детерминированных, статистических и имитационных моделях качественной и количественной оценки параметров нефтегазоносности. Все расчеты сопровождаются оценками методических и метрологических погрешностей. Для повышения достоверности оценок рекомендуете* использовать при решении одной и той же задачи несколько независимых методов прогноза с последующим согласованием получаемых результатов.

При количественной оценке УВ ресурсов осадочных бассейнов определяющее значение имеют показатели масштабов генерации нефти и газа, время образования и условия сохранности углеводородов.

Углеводородный потенциал нефтегазоносных областей (НГО) определяется более широким комплексом условий и факторов. Для его оценки важне знать условия, влияющие на пространственное размещение скоплений УВ, е

частности, на положение зон аккумуляции и перераспределение УВ по разрезу. Геолого-математические модели прогноза, соответствующие зональному уровню, получены в результате статистической обработки материала по 50 хорошо изученным "эталонным" НГО, каждая из которых была охарактеризована 80 геологическими признаками.

При локальном прогнозе учитываются региональные, зональные и локальные факторы и условия. Локальным показателям обычно принадлежит решающая роль, но их комплекс испытывает большие вариации. Поэтому с особой тщательностью следует подходить к определению оптимальной модели формирования месторождений.

Конкретные постановки задач базируются на детерминированных и статистических моделях. Первые выбираются в соответствии с принятыми геологическими схемами процессов формирования УВ скоплений и расчетными формулами, вторые - строятся по критериям нефтегазоносное™ (высоко-информатавным показателям) с обязательной статистической проверкой их адекватности фактическому материалу. При решении любой задачи допускается использование детерминированных, статистических и имитационных моделей, любое сочетание методов обработки, если для их реализации имеются необходимые данные.

К критериям нефтегазоносности, которые входят в модели прогноза и на которых по существу основывается прогноз, предъявляются требования максимальной информативности, в ряде случаев - независимости. Исходный набор признакового пространства обычно велик и не всегда отвечает этам требованиям. Именно поэтому на первых этапах, путем проверки геологических гипотез строится модель формирования УВ скоплений, адекватная установленным эмпирическим зависимостям и находящаяся в соответствии с существующими теоретическими представлениями. Этой модели ставится в соответствие система наиболее информативных геологических показателей, которые в дальнейшем и используются для отыскания критериев прогноза и опирающихся на них прогностических моделей. В качестве математического аппарата здесь наиболее широко используются методы многомерного статас-тического анализа (парная, множественная, каноническая корреляция, оценки разделяющей способности признаков. Окончательный набор информативной комбинации признаков-критериев прогноза устанавливается итеративным путем при выводе решающих правил методами направленного перебора. Но при этом обязательным представляется содержательный, геологический анализ выявленных таким эмпирическим путем критериев прогноза.

Прогнозируемые показатели нефтегазоносности имеют как качественное, так и количественное выражение. В соответствии с этим различаются и моде-

ли прогноза - для качественной и количественной оценки. Качественная оцен ка предварительно выделенных объектов осуществляется на основе классиче ских принципов прямых аналогий - путем сравнения объектов прогноза пс комплексу информативных показателей с эталонами, а при отсутствии эта лонных выборок - между собой. Математические постановки этих задач хо рошо известны и отвечают алгоритмам распознавания образов с обучением I без обучения. При построении моделей качественного прогноза мы считаек обязательным учет области признакового пространства, где осуществлялоа "обучение". Знание этой области необходимо для того, чтобы выделить си туации прогнозных оценок, соответствующих условиям интерполяции и экс траполяции. Отметим также, что к экзаменационным объектам предъявляют ся дополнительные, новые требования, вытекающие из возможного разнооб разия прогнозных ситуаций. В соответствии с предложенной автором класси фикацией прогнозных ситуаций должны выбираться и экзаменационные объ екты.

Для оценки устойчивости моделей прогноза в системе используется дв; подхода. Первый связан с интервально-вероятностным представлением ко печного результата, учитывающим методическую и метрологическую по грешности (при обязательном применении метода Монте-Карло). Когда от сутствует информация о величине погрешностей в определении предсказате лей, используется второй подход, при котором выявляются так называемы! "слабые" звенья прогнозной модели применительно к каждому, отдельно взя тому объекту прогноза.

В основе прогнозной оценки численных значений параметров нефтегазо носности оцениваемых объектов лежат регрессионные модели и детерминиро ванные расчеты. Вероятностная оценка получаемых результатов включаем оценки методологических и метрологических погрешностей.

При применении регрессионных моделей важным представляется соблю дение однородности эталонной совокупности как с формальных, так и содер жательных предметно-геологических позиций. С этой целью автором предаю жено на этапе, предшествующем применению регрессионных моделей, с по мощью классификационных моделей выделять однородные группы и лили затем для каждой из таких однородных групп строить регрессионные модега (например, отдельно для мелких, средних и крупных месторождений). Тако! двухступенчатый подход к построению моделей регрессионного типа вытека ет и из предметных соображений, а именно - из признания факта существова ния рубежей в распределении природных объектов, а стало быть и в обласп нефтегазогенерации и нефтегазонакопления. При построении регрессионны: моделей при таком подходе рекомендуется использование фиктивных пере

менных. В случае регрессионных моделей, аналогично моделям классификационным, обязательному учету подлежат области признакового пространства, где происходит обучение; при выборе экзаменационных объектов также рекомендуется исходить из возможного многообразия прогнозных ситуаций; обязательной считается процедура выявления "слабых" звеньев сконструированной модели.

В тех случаях, когда объекты прогноза не выделены, прогноз сводится к выделению перспективных участков. Их выделение осуществляется путем картирования признаков нефтегазоносносги и изучения изменчивости этих признаков по площади (с использованием разнообразных алгоритмов аппроксимации). Структурные построения сопровождаются палеоструктурным анализом, изучается совместная изменчивость признаков. Выделяются и картируются однородные группы точек.

Для повышения достоверности прогноза широко используется комплекси-рование методов прогноза. Здесь реализованы два подхода к комплексирова-нию. Из возможных видов комплексирования наиболее действенен вид, предполагающий решение одной и той же задачи несколькими независимыми методами ("параллельное" комплексирование).

Разработанная технология позволяет легко добиваться увязки результатов геологического прогноза с планированием геологоразведочных работ. Это оказалось возможным благодаря совершенствованию методологии и методики прогноза, расширению числа решаемых нефтегеологических прогнозных задач и моделированию поисково-разведочного процесса, широкой компьютеризации и созданным базам данных. Характерной особенностью является то, что эти задачи могут решаться в неразрывной связи, а возможность проведения машинных экспериментов позволяет проверять различные гипотезы и "прослеживать" до практики к каким следствиям они могут приводить и в какой степени эти прогнозируемые следствия согласовываются с практическими результатами. Наличие обратной связи позволяет вносить коррективы либо в результаты прогноза либо в тактику и стратегию ведения поисково-разведочных работ.

З.ГЕОЛОГО-МАТЕМАТИЧЕСКИЕ МЕТОДЫ ПРОГНОЗА НЕФТЕГАЗОНОСНОСТИ

3.1 Модели прогнозной оценки запасов крупнейшего нефтяного и газового месторождений в НГБ и НТО. "Геологический портрет" месторожденш [10, 18, 20, 39,44, 46, 49, 51, 55, 67, 70].

Задача предсказания величины крупнейшего нефтяного и газового местс рождений не потеряла своей актуальности и в настоящее время несмотря н то, что пора открытий крупнейших месторождений в большинстве НГБ НГО уже миновала. Остались еще не до конца изученными морские НГБ, тр< буют своего изучения и большие глубины. Информация о такого рода местс рождениях - ключ к изучению структуры, к геолого-экономической оценк НПР в первую очередь для каждого нового НГБ и новой НГО. Для уж осваиваемых НГБ и НГО эта информация необходима для корректировк: проводимых поисково-разведочных работ, для уточнения величины НПР i прогнозных ресурсов углеводородов. Нельзя не заметить, что размер круп нейшего месторождения представляет и самостоятельный интерес, так ка определяет максимальную эффективность работ в регионе. Естественно, чт задача конструирования и применения моделей количественного прогнозиро вания размеров крупнейших месторождений относится к числу первоочеред ных. Важным для целенаправленных поисков крупнейших месторождений яв ляется и другая задача - задача построения возможного "геологическоп портрета" таких объектов.

Началу целенаправленных исследований по изучению закономерносте] формирования и размещения нефтяных и газовых гигантских и супергиган ских месторождений положил вышедший в 1956г. первый статистический об зор по крупнейшим месторождениям, подготовленный Г. Кнебелом i Х.Родригесом.

Из наиболее значительных работ последних лет, где рассматриваются гео логические условия, благоприятствующие формированию месторождений гигантов и устанавливаются связи между соответствующими геологическим! показателями и степенью концентрации УВ в месторождениях-гигантах, еле дует назвать прежде всего работы А.А.Бакирова, В.С.Вышемирскогс А.Н.Дмитриева, Н.А.Калинина, А.Э.Конторовича, И.П.Лаврушко, И.И.Нес терова, В.В.Потеряевой, Ф.К.Салманова, В.В.Семеновича, А.А.Трофимука Э.Э.Фотиади, В.И.Шпильмана , В.ПЛкуцени и др.

Работами упомянутых выше исследователей был установлен ряд законо мерностей в размещении крупнейших и гигантских месторождений, что по зволило подойти вплотную к решению таких вопросов как: какова вероят

ность обнаружения крупнейших, гигантских и супергигантских месторождений? Какова величина запасов этих месторождений? Ответ на них связан с получением и использованием специальных прогностических моделей, опирающихся на установленные зависимости между величиной запасов максимальных месторождений и нефтегеологическими показателями - критериями прогноза.

Одной из первых работ (1975 г.), где для оценки размеров крупнейшего месторождения помимо общих геологических обоснований использовался математический аппарат, является монография И.И. Нестерова, В.В. Потеряе-вой и Ф.К. Салманова. Предложенная авторами регрессионная модель описывает статистическую зависимость концентрации запасов в крупных месторождениях (с запасами более 200 млн.т нефти и 200 млрд.м3 газа) от величины начальных потенциальных ресурсов, числа региональных нефтегазоносных комплексов и скорости осадконакопления.

А.Э. Конторович и О.С. Краснов (1981г.), опираясь на посылку, что наи-эольшая вероятность открытия крупного месторождения имеется в зонах с гаибольшей плотностью запасов УУВ, вывели зависимость между средними 5апасами (Q) месторождений в элементарных геологических тепах (площадью 1000-1500 км2) и плотностью (qs) НПГР УУВ.

В интересующей нас постановке задача рассматривается в работах П.Ф.Айвенхо и В.И.Шпильмана. Так, Л.Ф. Айвенхо, обобщив материалы по межгорным бассейнам и платформенным областям, предложил в 1976 г. спе-диальные палетки, где увязал между собой ресурсы региона, размер крупней-пего месторождения, размер минимального экономически рентабельного месторождения и число месторождений. В.И. Шпильманом на основе обоб-цения теоретически выведенных зависимостей в 1982г. была предложена модель, связывающая размер максимальной залежи с потенциальными ресурсами "достаточно больших регионов - нефтегазоносных областей".

Описанные выше модели позволяли решать лишь часть из сформулиро-$анных выше задач по прогнозной оценке размеров крупнейших месторожде-шй в естественных природных объектах - нефтегазоносных провинциях, нефтегазоносных областях. В этом отношении наиболее прогрессивной была мо-[ель, предложенная В.И.Шпильманом. Однако, ее одновременное применение сак для НГП, так и для НГО в неявном виде предполагает справедливость, сак минимум, двух следующих положений:

- нефтегазоносные бассейны с одинаковыми НПР(но не обязательно с оди-тковыми плотностями ресурсов) должны иметь и одинаковые размеры круп-1ейших месторождений, иными словами здесь постулируется независимость Qmax от плотности ресурсов;

- всегда крупнейшее в НГБ месторождение должно располагаться в НГО находящейся в том же НГБ, и обладающей потенциальными ресурсами, рав ными потенциальным ресурсам всего НГБ.

Имеющиеся данные по нефтегазоносносги бассейнов свидетельствуют, чтс данные положения справедливы далеко не всегда. Следовательно, и более ши рокое использование обсуждаемой модели требует определения области е< применимости и придания, как минимум, ей вёроятностно-статистйческогс характера.

Автором были сконструированы геолого-математические модел! (вероятностно-статистического характера) оценки размеров крупнейших мес торождений как для нефтегазоносных бассейнов, так и для нефтегазоносны; областей.

При этом для увеличения надежности прогнозных решений был реализо ван принцип многовариантной оценки. При выявлении критериев прогноза I конструировании конкретных геологических моделей автор опирался на опи санные выше в докладе методологические принципы и возможности реализо ванной автоматизированной системы "Прогноз нефтегазоносносги".

Конструирование прогностических моделей опиралось на обобщение ма териалов по хорошо изученным НГБ и НГО Северной Америки и бывшей СССР.

В качестве критериев прогноза использовались показатели, отражающие 1 интегрированном виде результаты действия всей гаммы процессов формиро вания скоплений УВ - величины НПР и плотности НПР.

Для реализации принципа многовариантного прогнозирования предлага ется использовать два метода - экспресс-метод и метод последовательной оценивания величины С>тах. Первый метод опирается на применение тольк< регрессионного анализа, а второй - как регрессионного анализа, так и метод; линейной дискриминантной функции.

1. Экспресс-метод. Опирается на использование регрессионных моделей построенных по объединешгой для НГБ и НГО обучающей выборке. Быта получены модели для предсказания величины запасов крупнейшего отдельш нефтяного и газового месторождений (рис.1). Обращает на себя внимани бблыпая степень адекватности моделей для газовых месторождений по срав нению с нефтяными.

2. Методика последовательного оценивания. Задачу по определению (2та оказалось возможным свести к последовательному решению двух подзадач решение которых преследует цель получения ответов на следующие вопросы:

1) к какому из выделенных трех классов крупности относится самое круп ное в НГБ и НГО месторождение (I класс отвечает НГБ и НГО с <Зтах <

' ■ .......... ^

0,005 0,01 0,05 0,10,250,5 1 2,5 5 10 25 50 <2г,трлн.М3

Рис.1. Зависимость величины крупнейшего нефтяного (А) и

газового (Б) месторождений от величины ресурсов и их плотности в НГБ и НТО А. Эталонные объекты из обучающей совокупности с Ожа,: 1 - 2тд1<100 млн.т (а - НГО, б - НГБ), 2-100 млн.т 2 бт„< 500 млн.т (а - НГО, б - НГБ),, 3 - £>тах< 500 млн.т (а - НГО, б - НГБ); 4 - изолиния запасов (млн.т).

Б. Эталонные объекты из обучающей совокупности с <2т,„ : 1 - 100 млрд.м3 (а - НГО, б - НГБ), 2 -100 млрд.м3 < <2т«< 500 млрд.м3 (а - НГО, б - НГБ),. 3 - 0,тахй 500 млрд.м3 (а -НГО, б - НГБ); 4 - изолиния запасов ()тал. (млрд.м3)

100 млн.т, II - с 100 млн.т < <2тах < 500 млн.т, III - с 0.гпа, > 500 млн.тУУВ);

2) какие ресурсы (в количественном выражении) У В сосредоточены в максимальном месторождении.

В первом случае мы фактически имеем дело с решением задачи в качественной, во втором - в количественной постановке. Решение их опирается не применение методов распознавания образов (первая подзадача) и регрессион ного анализа (вторая подзадача).

Настоящая методика сводится к определению класса крупности С>та* т первом этапе (с помощью классификационных моделей) и последующему уточнению величины его запасов на втором этапе (с помощью регрессионны? моделей).

Для определения класса крупности на основе полученных моделей постро ены специальные графики-номограммы (рис. 2). В большинстве случаев уда лось "согласовать" прохождение границ между одноименными классами длз НГБ и НГО. Однако в ряде случаев выделяется не одно, а два положения гра ниц между классами, каждое из которых отвечает крайним ситуациям:

1) когда важным представляется надежно диагностировать объекты, заве домо содержащие более крупные нефтяные (или газовые) месторождения, да же путем ошибочного отнесения некоторых из них к менее богатым НГБ I НГО;

2) когда важным представляется не пропустить ни одного более богатой НГБ, даже путем ошибочного отнесения к данной группе менее богатых НГ1 и НГО.

При многовариантной оценке запасов согласованию подлежат ре зультаты количественной оценки полученные с помощью экспресс

методики и методики последовательного оценивания.

При этом мы не можем не считаться с тем, что экспресс-метод нам дает бо лее приближенную оценку, чем методика последовательного оценивания. 1 силу сказанного, предпочтение должно отдаваться последней методике.

Методика многовариантной оценки С^ автором рассматривается как за юпочительная стадия всего формализованного цикла работ по определена величины запасов крупнейшего месторождения. Именно поэтому строго обя зательным является геологический контроль полученных результатов.

Этот контроль прежде всего сводится к моделированию геологических си туаций нахождения подобных месторождений и определению возможных мес их расположения. Наиболее перспективным оно представляется применител! но к супергигантским и гигантским месторождениям и для обстановок, гд спектр действующих на формирование скоплений УВ условий ограничен, на пример, для прогноза местоположения гигантских и супергигантских место

.J* £

> er

100 50

10 5

0,1

Б

аб

оО

ali

□ □

а о

д д

Щ 4 © 4

а~о

а ш

аТГ

ай

3'

2"-»2 8

0

0,01 од

1

20

Qr ,трл.м3

Рис.2. Качественная оценка запасов крупнейшего нефтяного (А) и газового (Б) в пределах НГБ и НГО. Л. Эталонные объекты из обучающей совокупности в зависимости от значения Qmv, млн.т:

1-би<и<100, 2 - 100 < Qmax<500,, 3 - Qmax> 500; экзаменационные объекты в зависимости от значения Qmax, млн.т 4 - Qmax < 100, 5 - 100 iQm„<S00, 6 - 6„«>500 (а - НГО, б - НГБ); 7 - оцениваемые НГО (прогнозные объекты); 8 - положение границы между классами объектов.

Б. Эталонные объекты из обучающей совокупности в зависимости от значения Q/плх.^ илрд.м5: 1 - Qmax < 100, 2 - 100 < Qmax <500,, 3 - Qmax 5 500, экзаменационные объекты в зависимости от значения Qmal, млрд.м3, 4 - 100 < Qmax < 500, 5 - Qmax>500, 6 - Qmax> 500 (а -НГО, б - НГБ); 7 -оцениваемые НГО (прогнозные объекты); 8 - положение границы между классами объектов.

рождений в условиях больших глубин.

Этот контроль прежде всего сводится к моделированию геологических с* туаций нахождения подобных месторождений и определению возможных мес их расположения. Наиболее перспективным оно представляется применитеш но к супергигантским и гигантским месторождениям и для обстановок, гд спектр действующих на формирование скоплений УВ условий ограничен, ж пример, для прогноза местоположения гигантских и супергигантских местс рождений в условиях больших глубин.

По существу, моделирование геологических ситуаций нахождения круг нейших месторождений сводится к конструированию своеобразного геолога ческого "портрета" такого месторождения и оценки определения мест во: можного нахождения подобных геологических объектов. Для конструировг ния "портрета" по данным о величине запасов моделируются возможные оди или несколько геологических типов месторождений, которые могут быть при сущи данному типу НГБ и НГО и выясняется реальность их существования конкретном НГБ или НГО.

Например, при определении возможности обнаружения гиганта или су пергиганта следует исходить из оценки мощности продуктивных горизонтов ; пористости . пород, но обязательно с учетом термобарических условий на хождения УВ скоплений. В этом случае можно воспользоваться объемно] формулой подсчета и, задавшись ожидаемыми на интересующих нас глубина температурами и давлениями, получить значения параметров ловушек: пло щади, эффективной мощности продуктивных горизонтов, пористости. Анали же геологической ситуации должен в таком случае дать ответ на вопрос, каки параметры ловушки следует ожидать в каждом конкретном районе и могут и быть вообще обнаружены такие тела, а если могут, то где. Заметим, что по добный подход к имитации геологических моделей месторождений може иметь и самостоятельное значение для решения задачи по определению место нахождения скоплений с заданными характеристиками нефтегазоносности задачи, свойственной нормативному прогнозу. Решение ее представляете: особо актуальным для стратегии целенаправленного изучения глубоких недр.

3.2 Количественные методы прогноза нефтегазоносности слабоизученных земель. [16,28,35,65]

Слабоизученные территории и субаквальные бассейны существуют до си: пор. В первую очередь - это субаквальные бассейны. Частично к слабоизу ченным территориям в пределах России можно отнести и Восточную Сибирь Дальним Востоком.- Иными словами, актуальность проблемы региональ ной оценки начальных потенциальных ресурсов нефти и газа на регионально:«

уровне не подлежит сомнению.

Автором были предложены геолого-математические модели прогноза неф-тегазопосности крупных слабоизученных территорий. Ообъектами изучения и прогноза являются бассейны и межбассейны. Под бассейнами по И.О.Броду, В.Е.Хаину и Б.А.Соколову следует понимать крупные отрицательные структуры типа синеклиз, авлакогенов, желобов, крупных впадин и т.п.

Межбассейновые области - это другой тип нефтегазоносных объектов (обычно это достаточно закрытые антеклизы, гряды или крупные своды) - те области, к которым нередко примыкают или которыми разделяются платформенные бассейны. В отношении аккумуляции мажбассейновые области более благоприятны, чем примыкающие к ним бассейны. В плане же генерации картина по существу прямо противоположная: бассейны являются основными зонами генерации, в пределах межбассейновых областей генерация либо вообще может не происходить, либо ее роль по сравнению с примыкающими бассейнами невелика.

В качестве прогнозируемых показателей были выбраны удельные плотности нефти (тыс.т/км3), газа (в млн.м3/км3) и величина отношения газ-нефть.

В обучающую совокупность вошли 46 наиболее хорошо изученных меж-Зассейновых областей и бассейнов СССР, а также бассейны Уинд-Ривер, Пау-цер-Ривер, Уинта-Пайсенс, Денвер, являющиеся по существу приплатфор-менными орогенами.

В методическом отношении поиск регрессионной модели сводился к автоматическому выбору (путем "сортировки" и отбраковки геологических переменных) наиболее информативного набора геологических переменных и к автоматическому определению класса функций (из предлагаемого набора), эбеспечивающего получение оптимального уравнения регрессии. В условиях ограничений, вытекающих из неотрицательности прогнозируемых переменных, целесообразным оказался поиск регрессионных моделей в классе логарифмических функций.

Как показали проведенные нами эксперименты наиболее предпочтитель-шми оказались следующие три модели: для прогнозирования плотности за-тасов нефти в тыс.т/км3 (модель 1), газа в млн.м3/км3 (модель 2) и отноше-шя газ/нефть (модель 3).

Первая модель имеет вид: у} ~ е^ , где

Д = -0.1 ■ Ю-3 ■ х}2 - 1.613981п х, + 0.97052х1-1 - 0.65903*^ - 5.0591^ +

0.1112x4 - 0.04676*! + 2.66988Х51 + 2.180471п х5 - 0.15839.

Степень адекватности модели оценивается величиной К = 0,89 и Б о пет. =

0,572. Область варьирования значений плотностей запасов у эталонны: НГБ колеблется от 0,13 до 25,9 тыс.т./км3.

Вторая модель описывается уравнением вида у2 = е^ , где £1

/2 = 0.06088е 6 - 0.0645*2 - 0.00281х| - 5.3737xJl - 0.002021дг| - 4.05293xJ! --4.4643XJ1 - 10.03348х7 - 42096.

Степень адекватности модели оценивается величинами R = 0,95 и S отел.: 0,35. Область изменения значений плотностей запасов эталонных НП определяется величинами 0,1 и 5,8 млн.м3/км3.

Третья модель, предназначенная для вычисления отношени "газ/нефть", имеет вид: Уз = eh , где

/3 = 0.4023/пх, - 2.4898X21 - 0.0114*з + O.OOlóx?1 - 0.7273х| + 7.5756е~"х9 --0.0186х]"о —1.1319.

Степень адекватности модели оценивается величинами R - 0,93 и S стал.: 0,37. Область изменения значений отношения газ-нефть у эталонных НГ1 определяется величинами 0,01 и 14,3, что отвечает 1% и 93,5% газообразны: УВ. ■■■"■'■ ' '

В приведенные выше модели вошли следующие показатели: Xj - общий объем нескладчатого фанерозоя (км3 ■ 10 -2), х2 - объем осадков, погруженных на глубину более 2 км (км3 • 10 -2), х3 - мористость разреза (% 101),

х4 - общий объем фанерозоя (в единицах условной кодировки), xs - процент (от общего объема) осадков, погруженных на глубину бс лее 2 км (%-Ю-1),

х6 - максимальная мощность фанерозоя (км), х7 - карбонатность разреза (%),

xs - карбонатность разреза (в единицах условной кодировки), х9 - возраст верхнего мегакомплекса (в единицах условной кодировки), х]0- масштаб мезо-кайнозойского прогибания (% от объема бассейна). Выбор критериев прогноза, вошедших в описанные выше решающие прг вила регрессионного типа, осуществлялся с таким расчетом, чтобы они имел количественное выражение, чтобы в их основе лежали модели формировани скоплений нефти и газа и, естественно, чтобы критерии были достаточно oí щими и доступными для слабоизученных территорий.

Одновременное использование всех трех моделей дает возможность и< пользовать принцип многовариантного прогноза, что, как отмечалось выш(

способствует получению более надежных результатов. В этом случае результаты прогноза, получаемые с помощью первых двух моделей, сопоставляются с результатами оценки доли газообразных УВ, получаемыми с помощью третьей модели. Получаемые расчетные по уравнениям регрессии значения прогнозируемых величин должны сопровождаться вероятностно-интервальным оцениванием.

Для практического использования предлагаемых моделей необходимо иметь в виду следующие обстоятельства.

1. Описанные выше модели выведены для НГБ с установленной промышленной нефтегазоносностью и, следовательно, они могут применяться для оценки начальных потенциальных ресурсов УВ лишь тех объектов, перспективы нефтегазоносности которых не вызывают сомнений. Однако и в этом случае обязательным является соблюдение всех требований формального характера, о чем говорилось в предшествующих разделах. Важно также, следить за тем, попадают ли в область изменения значений прогнозируемых переменных, устанавливаемую по "обучающей" выборке, значения прогнозируемых переменных у оцениваемого объекта. Если прогнозная оценка оказывается за пределами этой области, то для дальнейших расчетов в качестве точечной прогнозной оценки применяется близлежащее крайнее значение области задания.

Для бассейнов, где промышленная нефтегазоносность не доказана, а лишь предполагается, все сказанное выше сохраняет свою силу.

2. В силу вероятностного характера моделей нельзя ожидать полного совпадения данных о доле газообразных по моделям 1 и 2 с данными о доле газообразных по модели 3. В качестве новой "согласованной" оценки нами рекомендуется среднеарифметическая величина доли газообразных, получаемая из моделей 1 и 2, и доли газообразных, получаемой из модели 3. Но только в том случае, если вновь получаемые "согласованные" модальные значения укладываются в границы доверительного интервала при 95% доверитель-яой вероятности по модели 3. В противном случае, в зависимости от положения модального значения корректировке подлежит либо нижняя, либо верхняя границы доверительного интервала.

Решение задачи определения скорректированных точечных оценок запа-:ов УВ с учетом полученных новых "согласованных" значений доли газообразных заключается в нижеследующем.

Как уже отмечалось выше, с помощью моделей регрессионного типа мы голучаем интервально-вероятностную оценку прогнозируемых параметров, ^ля использования же этих результатов необходимы конкретные значения, определяемые с учетом величины допустимого риска.

Важным при этом представляется учет степени изученности территорш Так, если мы применяем данную регрессионную модель для оценки плотнося ресурсов нефти и газа в НГБ с еще недоказанной промышленной нефтеп зоносносгью (1 -ая стадия изучения НГБ), то применительно к такому НГБ ( когда он не является продолжением какого-нибудь мегабассейна с доказш ной нефтегазоносностью) целесообразно ориентироваться на наиболее тара! тированную ожидаемую величину ресурсов. Иными словами, в подобной а туации при планировании следует исходить из нижнего (или близкого к нем; предела интервально-вероятностной оценки. Для подобных (возможно нефт газоносных) бассейнов в качестве оценки нами рекомендуется величина ресу] сов ), соответствующая нижней границе доверительного интервала при 68' доверительной вероятности. В общем случае доверительная вероятность а соответствующее ей значение 8 должны выбираться с учетом величины дол стимого риска. Последний же будет неодинаков для каждого из регионов определяется в значительной степени конкретными экономике географическими условиями освоения недр. Оценка последних и определен!: на их основе величины допустимого риска задача пока еще полностью г решена. Поэтому автор считает возможным для всех слабоизученных НГБ использовать одну и ту же процедуру выбора а и в: для НГБ, промышленна нефтегазоносность которых не вызывает сомнений и изученность которы высокая, целесообразна ориентация на модальные значения. Переход к н< вым скорректированным точечным оценкам должен осуществляться уже пр условии соблюдения того соотношения между газообразными и жидкими У1 которое устанавливается в результате согласования моделей 1, 2 и 3.

4. Оценка плотности ресурсов УВ в межбассейновых территориях прои: водилась с учетом как собственных генерирующих способностей, так и с уч! том подтока углеводородов из окружающих НГБ. Процедура учета собстве! ного генерационного потенциала аналогична таковой для НГБ и сводится применению описанных выше регрессионных моделей. Для оценки ресурсе УВ в межбассейновых территориях за счет подтока УВ из окружающи бассейнов использовалось эмпирическое правило, установленное в 1976 : Г.П.Сверчковым; удельная плотность запасов УВ в межбассейновых областя равна среднему значению соответствующих удельных плотностей запасов окружающих бассейнах при значениях последних от 5 до 10 тыс.т/км3 и пр| восходит в 2-3 раза средние значения при величинах плотностей, больших 1 тыс.т/км3. Среднее значение по бассейнам, окружающим конкретную меа бассейновую территорию, вычисляется с учетом степени протяженной границы "бассейна" и "межбассейна".

Окончательная плотность ресурсов для межбассейновых территори

определяется как сумма плотности ресурсов генерированных на месте и плотности ресурсов УВ, мигрировавших из окружающих НГБ.

5. Получаемые итоговые результаты оценки начальных потенциальных ресурсов УВ должны иметь интервально-вероятностное представление с указанием наиболее вероятного (модального) значения, пессимистических и оптимистических оценок, обычно соответствующих нижней и верхней границам доверительного интервала при 95% доверительной вероятности. Эта оценка является базовой, подлежащей корректировке экспертом, прежде всего тогда, когда в модели не учтен какой-либо из специфических для данного объекта, но важный для оценки нефтегазоносности фактор. Например, трапповый магматизм при оценке НПР в Восточной Сибири.

Описанные выше модели в соответствии с охарактеризованной технологией их применения были использованы в разное время для оценки НПР нефтегазоносных бассейнов как терральных, так и субаквальных.

Интересным, на наш взгляд, представляется анализ полученных оценок и их сопоставление с современными оценками.

Бассейны и межбассейновые территории Восточной Сибири. Оценка была эсущеегвлена в 1976 году. При выделении объектов-бассейнов и межбассей-яовых территорий была взята за основу карта нефтегеологического районирования Восточной Сибири, составленная специалистами ВНИГРИ. Из бас-гейнов оценке были подвергнуты Усть-Енисейско-Хатангский, Лено-\набарский, Лено-Вшпойский, Аяно-Майский, Прибайкальско-Патомский, "аяно-Енисейский, Эвенкийский, Нижне-Дюпкунский; из межбассейновых территорий - Предгаймырская, Алданская, Ангаро-Ленская, Черемхово-4ркутская, Восточно-Саянская, Аянская, Турухано-Норильская, Анабарская.

тот момент доказана нефтегазоносность была лишь в Усть-Енисейско-<атангском, Лено-Анабарском и Лено-Вюпойском бассейнах и в Ангаро-Тенской межбассейновой территории. Полученные по каждому из объектов очечные оценки подвергались корректировке в соответствии с изложенными 1ыше соображениями. Кроме этого, принимая во внимание специфику Си-»ирской платформы, вводились поправки на характер и интенсивность вос-.одящих мезо-кайнозойских движений. Дело в том, что в моделях учитывался арактер мезокайнозойских движений лишь нисходящих. Благодаря разрабо-анной В.В.Забалуевым методике удалось оценить интенсивность мезокай-юзойских движений и в случае восходящего их характера. Учет характера и [нтенсивности восходящих движений был осуществлен исходя из принципа инейной зависимости ( в сторону уменьшения) плотности запасов от мас-тба восходящих движений. В случае нисходящих движений поправочный оэффициент не вводился. Для межбассейновых территорий вводились по-

правки на подток углеводородов из примыкающих бассейнов. Дополнитеш но для Анабарской и Алданской межбассейновых территорий вводились пс правки на раскрытость недр: коэффициент для первого межбассейна бы условно принят равным 1/3, а для второго 1/4. Суммарная оценка НГТГР газ составила 26 трлн.м3 при минимальных и максимальных значениях соотвеч ственно 14,5 трлн.м3 и 62, 0 трлн.м3; для нефти эти цифры составили соотвеп ственно 46,7 млрд. т, 31,5 млрд.т и 374,4 млрд.т. В целом для Сибирской плат формы запасы углеводородов были оценены в 72,7 млрд.т УУВ, при мит мальной и максимальной величинах соответственно в 46 и 436 млрд.т. Оч< видно, что в настоящее время, даже если ориентироваться на прежние знач< ния предсказателей, но при этом учесть имевшие место открытия в Восточно Сибири точечная оценка НПГР УВ должна претерпеть изменения в сторон увеличения как по газу и нефти, так и УВ в целом.

Субаквалъные бассейны и межбассейны. Оценка была осуществлена в 197 году. Выделение границ объектов и оценка вошедших в модели значений пс казателей были выполнены О.И.Супруненко. При этом в пределах каждог из морей были выделены элементы - бассейны и межбассейновые области. Дл каждого из выделенных объектов были проведены расчеты по оценке плотнс стей ресурсов нефти и газа и доли газообразных углеводородов.

На тот момент нефтегазоносность была доказана лишь в Печорском море

Поправки на подток УВ были сделаны лишь для межбассейновых террг торий Баренцева моря как наиболее изученного в целом.

Автор счел целесообразным привести в табл.1 результаты оценки НСР у1 леводородов по субаквальным бассейнам России, осуществленные в 1979г. п разработанным моделям и полученным в 1993 году при переоценке ресурсе! когда имелся уже богатейший материал о строении и нефтегазоносности з( мель.

Результаты оценки геолого-математическими моделями предвосхитили оказались близкими к результатам оценки на 01.01.93 г., которые были полз чены при значительно большей изученности акваторий. ; г

Из таблицы 1 видно, что почти все точечные оценки величины НСР не4 ти, газа и УУВ на 1.1.1993 г. оказываются в пределах возможного диапазс на варьирования этих характеристик, установленного в 1979 году. Для Охот ского моря наблюдается наибольшее расхождение точечных оценок.

Кроме того, для морей Баренцева и Карского доля газообразования ощ нивается цифрами 44% и 46% соответственно. Для морей Лаптевых, Востот но-Сибирского и Берингова она оказывается равной 20-21%, а для Охотског моря - 15%. Иными словами, наблюдается тренд в изменении доли газообра; ных. Возможно, что намечающаяся закономерность, вызвана воздействием

Таблица 1

Сравнительная оценка начальных суммарных ресурсов морей России методом геолого-математического анализа (на 1.1.1979 г.) и количественной оценки НСР УВ Российских акваторий на 1.1.1993 г. (нефть, млрд.т; газ, трлн.м3; сумма УВ -млрд.т УТ) (НСР геологические)

Море Метод "Колга" 1.1.1979 г.(до изобаты 200 м) Оценка на 1.1.1993 г. (до изобаты 500 м)

нефть, млрд.т газ, трлн. м3 1УВ, млрд.т УТ нефть, млрд.т газ, трлн. м3 2УВ, млрд.т УТ

Баренцево (включая Печорское) 22,5 8,8-90,7 17,526-52,5 _40,02- _ 14,8-143,2 10,626 29,829 40,455

Карское (южная часть) 5,4-60,5 13,57 8-50,47 29.23. 13-111 8,477 36,138 44,615

Лаптевых 1.29. 0,35-3,97 0,34 0,2-0,95 ],633_ 0,55-4,92 2,22 2,24 4,46

Восточно-Сибирское 7,713 3,3-35,16 1,17-5,93 9,794 4,47-41,1 4,911 3,346 8,257

Берингово 2,755 0,58-7,84 0,7 0,46-1,8 3.455 1,04-9,64 1,07 0,715 1,785

Охотское 3,34-36,4 1,045_ 0,61-3,2 7,173_ 3,95-39,6 7,141 6,225 13,366

) Числитель - модальные наиболее вероятные (согласно регрессионной модели) значения;

знаменатель: нижняя - пессимистическая, но наиболее уверенная оценка; верхняя - оптимистическая, но наименее уверенная оценка - граница доверительного интервала при 95% доверительной вероятности.

сейсмичности: более сейсмически активные НГБ должны характеризовать меньшей долей газообразных в силу интенсивного проявления процесса деп зации недр. Это объяснение пока носит характер предположения. Но арг; менты в пользу его справедливости несомненно есть. Достаточно вспомнит относительно невысокую долю газообразных О.Сахалина и Аляски.

Заметим, что при оценке в 1979 году сопоставление полученных величи плотности ресурсов УВ в Карском море с соответствующими показателям для прилегающей к шельфу территории Западно-Сибирской нефтегазоносно провинции наводило на мысль, что принимаемые точечные оценки для Kai ского моря скорее всего являются заниженными.

Такое же предположение возникало, при учете открытий у берегов Аляск! и при пришггаи точечных оценок НСР по Чукотскому и Берингову моря» Но в тот период отсутствовали другие соображения и предпочтение был отдано формальному подходу при выборе точечных оценок НСР.

Очевидно, что в настоящее время, даже если ориентироваться на прежни значения предсказателей, но при этом учесть имевшие место открытия Баренцево-Карской НГП и дальневосточных морях, оценки НСР в nepeyi очередь точечные, по большинству субаквальных бассейнов должны nperej петь изменения в сторону увеличения. Естественно, что уточнение значени предсказателей позволит уточнить соотношение нефти и газа и, конечнс оценки плотностей ресурсов углеводородов.

3.3. Геолого-математические модели прогноза нсфтегазоносности областей нефтегазонакопления [46].

Решались следующие задачи:

1.Определение возможности обнаружения промышленных скоплений У в НГО.

2.0пределение ожидаемой величины ресурсов УВ в НГО.

З.Определение доли газообразных УВ.

4.0пределение положения в разрезе комплекса с максимальными запасе ми (базисного комплекса).

5,Определение величины максимального по запасам месторождения.

В обучающую совокупность вошло 50 хорошо разведанных НГО впади* ного и сводового (бассейнового и межбассейнового) типов, находящихся пределах древних и молодых плит. Каждая область была охарактеризована 8 геологическими показателями, отражающими основные условия нефтегазооб разования и нефтегазонакопления. Выбор исходного набора признаков да оценки НГО, равно как и для оценки нефтегазоносности бассейнов и локаш ных объектов, проводился с учетом того, что значения этих признаков могу

быть определены на ранних стадиях изученности объектов. Сведения о базисном наборе признаков и геолого-математических моделях прогноза приведены в одной из работ автора.

Для всесторонней качественной и количественной оценки НГО рекомендуется 25 решающих правил, выведенных с использованием методов ЛДФ и регрессионного анализа. В каждую модель обычно входят от 3 до 5 наиболее информативных показателей (критериев).

Среди основных критериев нефтегазоносности во всех группах решаемых задач преобладают показатели генерации УВ. Однако их роль в сравнении с оценкой нефтегазоносности бассейнов несколько снижается и одновременно возрастает роль показателей миграции, аккумуляции и эволюции. Подобный сдвиг в генетической принадлежности критериев прогноза вполне закономерен, поскольку параметры нефтегазоносности конкретных областей зависят не только от масштабов генерированных в них УВ, но и от возможности подтока нефти и газа извне (или оттока за пределы НГО), условий аккумуляции и сохранности больших масс жидких газообразных УВ.

Обращает на себя внимание, что одни и те же показатели генерации весьма часто участвуют в решении разных задач. Что касается других генетических типов критериев, то они не имеют столь широкой универсальности и большинство их участвует в решении лишь единичных групп задач. Содержащиеся в прогностических моделях показатели генерации (процентное содержание морских отложений на глубинах свыше 2 км; дохи карбонатных отложений на глубинах свыше 2 км; доля глинистых отложений на глубинах свыше 2 км; объем битуминозных толщ; объем осадков на глубинах более 2 км; отношение объема отложений небольших прогибов к объему НГО) отражают в основном условия, предопределяющие интенсивность и масштабы нефтега-зообразования. Косвенно эти условия характеризует и показатель "среднее значение абсолютных амплитуд новейших тектонических движений в питающих прогибах", который в случае нисходящих движений описывает интенсивность процесса генерации на заключительной стадии развития региона, а в случае восходящих - условия, способствующие выделению газа в свободную фазу.

Показатели региональной миграции (число сторон возможного регионального подтока УВ - угол регионального наклона) влияют в основном на величину ресурсов НГО, а показатели аккумуляции, помимо этого, и на фазовое состояние УВ. В частности, обогащение скоплений У В свободным газом происходит по мере возрастания интенсивности положительных структур I порядка. Показатели эволюции имеют существенное значение при решении всех групп задач. Ведущее место среди них принадлежит показателям, отра-

жающим условия сохранности скоплений УВ: минимальная удаленность центра Н ГО от зоны региональной инфильтрации вод; наличие эвапоритовых покрышек; суммарная мощность региональных покрышек; абсолютная амплитуда новейших тектонических движений. Последний из упомянутых показателей в данном случае характеризует общие предпосылки развития процессов вертикальной миграции - с ростом амплитуд трещиноватость и проницаемость разреза обычно усиливаются.

3.4. Технология и результаты количественного прогноза нефтегазоносное™ локальных структур [3,4,5,7,25,29,34,41,42,53].

Описанная выше система нефтегеологического прогноза легко может быть адаптирована к оценке нефтегазоносности локальных объектов. Это -определение продуктивности локальных структур; оценка возможной величины скоплений УВ; определение фазового состава и особенностей распределения углеводородных скоплений по разрезу.

Данная система нашла применение при оценке нефтегазоносности локальных , структур различных НГП бывшего СССР, в том числе молодых платформ юга бывшего СССР и Волго-Уральской провинции.

С целью реализации принципа многовариантной оценки для каждой из сформулированных задач (после определения адекватных схем формирования скоплений углеводородов) было определено несколько логических ветвей анализа фактического материала.

Оценка продуктивности отложений в пределах локальных структур проводилась по трем вариантам. Первый вариант предполагает оценку продуктивности структуры в целом на основе сравнительного анализа совокупностей продуктивных и непродуктивных (пустых) структур. По второму варианту ответ о продуктивности структуры получается в результате оценки продуктивности каждого отдельно взятого комплекса, требующей сравнительного анализа продуктивных и непродуктивных по каждому из комплексов структур, Третий вариант, как и первый, предусматривает оценку продуктивности структуры в целом, но данная оценка базируется на сравнительном анализе сначала двух совокупностей - "непродуктивные структуры + мелкие месторождения" и "месторождения со средними и крупными запасами", а затем, если оцениваемый объект попадает в первую совокупность, - "непродуктивных структур и месторождений с небольшими запасами УВ".

При втором варианте дополнительно получается информация и об особенностях распределения нефти и газа по разрезу, а именно, об этаже нефтегазоносности на ожидаемом месторождении. К тому же открывается возможность использования информации, получаемой в процессе разбуривания верх-

них горизонтов, для более уверенного прогнозирования нефтегазоносное™ нижних комплексов. При оценках по третьему варианту появляются дополнительные сведения о размерах возможных скоплений УВ.

Как видно, логика решения задач требует умения на каждом шаге анализа материала определять принадлежность объектов к одному из двух классов. Это позволило нам ограничиться применением метода линейных дискрими-нантяых функций. При нахождении соответствующих решающих правил классификации осуществлялся выбор наиболее информативных показателей в пространстве признаков, адекватных принятой схеме формирования углеводородных скоплений.

Оценка величины запасов скоплений УВ возможна как в качественной, так и в количественной постановке. Качественная постановка предполагает определение принадлежности прогнозируемого объекта к одному из классов месторождений, выделяемых по величине запасов, например, к небольшим (мелким), средним или крупным. Для определения ожидаемой величины запасов целесообразно сведение оценки запасов продуктивных структур к последовательному решению двух последовательно решаемых задач: 1) отнесение оцениваемого объекта (или группы объектов) к одной из выделяемых классификационных групп по величине запасов (качественная оценка); 2) определение абсолютной величины запасов на прогнозируемых структурах в рамках соответствующих классов месторождений (количественная оценка).

Количественная оценка величины запасов при принятом подходе фактически преследует цель уточнения величины запасов, ибо принадлежность объекта к классу месторождений уже известна. Она базируется на использовании регрессионных моделей, строящихся для каждого отдельно взятого класса месторождений.

Решение последней задачи, связанной с выяснением особенностей распределения запасов УВ по разрезу месторождений, проводилось в качественной и количественной постановках. Качественная оценка базируется на определении принадлежности объектов к месторождениям, полностью совпадает со второй логической ветвью определения продуктивности структур. Количественная оценка особенностей распределения УВ по разрезу заключается в отыскании зависимости переменной доли запасов УВ в каждом из комплексов на месторождениях от значений геологических переменных и в использовании полученной зависимости для предсказания искомого соотношения на предполагаемых месторождениях. В математическом плане она опирается на использование метода регрессионного анализа и требует построения соответствующей регрессионной модели.

Принятые в настоящей работе логические ветви решения одной и той же

задачи не являются единственно возможными.

Конечный результат решения каждой из поставленных задач с помощьк системы представляет собою своеобразное обобщенное выражение результа тов, получаемых по каждой из логических ветвей. Итогом работы системь является информация о параметрах нефтегазоносности, имеющих как каче ственный, так и количественный характер. В связи с этим контроль правиль ности решений может осуществляться путем сопоставления результатов реше ния сходных по содержанию задач в качественной и количественной поста новках.

Задача определения продуктивности локальных структур. Решение задач! по каждой из ветвей носит многоступенчатый характер. В предположении не зависимости решения задач по каждой ступени одной логической ветви веро ятность безошибочности соответствующей диагностики объекта (например вероятность его отнесения к продуктивным или непродуктивным структурам будет определяться по Д.А.Родионову выражением

где k {1, 2, 3} - номер ветви (варианта),; - индекс объекта, S {1, 2, ..., т} номер ступени, I - номер задачи, т - число ступеней в логической ветви.

Если по всем вариантам (логическим ветвям) объект диагностируется од нозначно, то вероятность того, что хотя бы один из вариантов верен, а следо вательно, и данная диагностика верна:

if-.-fiM«).

Таким образом, при решении данной задачи система позволяет класси фицировать структуры на "заведомо продуктивные" (определяются как продуктивные по всем ветвям), "заведомо пустые" (диагностируются как пусты« по всем ветвям), с неоднозначной диагностикой.

В последнем случае можно выделять по преобладающему типу классифи кационной принадлежности разновидности "возможно продуктивных" v "возможно пустых структур". Для "заведомо продуктивных" и "заведомо пустых" по приведенной выше формуле определяются вероятности правдоподобия диагностики. Если нет уверенности, что в прогностической модели наши отражение все лимитирующие нефтегазоносностъ факторы, то требуется введение корректирующих множителей.

Предметом самого пристального изучения должны быть объекты с неоднозначной диагностикой. Здесь, прежде всего, опираясь на выдаваемую си-

темой информацию о "слабых" звеньях в диагностике, необходимо выяснить гричину альтернативной классификации и в зависимости от этого либо рекомендовать структуры для дальнейшего изучения с целью повторной диагно-ггики, либо отнести в разряд структур с конкретной классификационной при-тдлежностью.

Задача определения возможной величины скоплений УВ. При определении :ласса ожидаемого месторождения по запасам имеется некоторое отличие от щенки продуктивности в процедуре определения Р/

По результатам диагностики здесь возможно выделение структур с 'заведомо" крупными, с "заведомо" средними и с "заведомо" небольшими жоплениями УВ, а также объектов с неоднозначной диагностикой. Последите, как и в предыдущей задаче, должны внимательно анализироваться на гредмет выявления слабых звеньев диагностики и сведений о неучтенных ли-штирующих факторах локального значения для того, чтобы по-возможности 'странить несоответствия. При неоднозначной диагностике целесообразно >азличать следующие ситуации.

1. Прогнозируемый объект классифицируется принадлежащим к двум соедини классам месторождений, например, средним и крупным. Тогда оче-1Идно, что вероятность того, что оцениваемое месторождение будет не мень-ие среднего весьма высока: по крайней мере не меньше, если бы мы имели де-ю с отнесением объекта к категории средних месторождений по всем трем 1етвям. Однако в данном случае есть надежда, что месторождение окажется не *енее среднего по величине.

2. Прогнозируемый объект классифицируется относящимся одновремен-ю ко всем трем выделенным классам месторождений. Вероятность того, что тот объект будет как минимум небольшое месторождение, равна вероят-юсти, что данная структура является продуктивной.

3. Прогнозируемый объект классифицируется по одной или двум ветвям :ак небольшое месторождение, а по остальным - как крупное. Эта ситуация •дна из наиболее сложных для расчета вероятностей обнаружения как мини-1ум средних месторождений. Что касается вероятности открытия месторож-<ения как минимум с небольшими запасами, то она всегда остается равной ¡ероятаости обнаружения на структуре нефти или газа.

Для каждой из ситуаций предложены формулы для определения вероят-юстей мелких, средних и крупных месторождений. Этап решения задачи по щенке величины запасов на ожидаемых месторождениях в качественной по-тановке заканчивается определением принадлежности объекта к тому или тому классу месторовдений с соответствующей вероятностной характери-тикой надежности произведенного прогноза.

Для уточнения представления о величине запасов используются регресси онные уравнения. Выбор последних в каждом конкретном случае осу ществляется в зависимости от установленной принадлежности оцениваемогс объекта к тому или иному классу (или классам) месторождений. С помощыс выбранных уравнений по значениям прогнозирующих геологических показа телей определяются наиболее вероятные значения ожидаемых запасов (уТеор) * возможная величина ошибки (стандарт) в их определении. На основании вы численных значений указанных характеристик строится интегральная вероят ностная кривая изменения величины запасов для каждого из оцениваемы? объектов. Следует отметить, что принадлежность оцениваемой локальное структуры к данному конкретному классу месторождений устанавливаете лишь с определенной вероятностью. Необходима совмещенная оценка резуль татов качественного и количественного прогноза величины скоплений УВ. I общем случае такое совмещение достигается путем умножения интегральное вероятностной кривой изменения величины запасов на величину вероятности отнесения объекта к данному классу, т.е. переходом от безрисковой к рисковой кривой.

В случае неоднозначной диагностики объекта можно в принципе ограничиться приведением двух (или трех) кривых вероятностной оценки величинь: запасов. Однако такое представление результатов прогноза, на наш взгляд неудобно для дальнешего использования. В силу этого автором была предложена процедура согласования величин запасов, рассчитываемых по каждом} из уравнений, заключающаяся в "склейке" построенных вероятностных кривых.

Итоговая информация о вероятностной оценке величины запасов здесь так же, как и в случае однозначной диагностики, может быть представлена либо в виде кривой, либо в виде таблицы, соответствующей этой кривой.

Выше уже отмечалось, что сопоставление результатов качественной и количественной оценок объекта в случае их несоответствия побуждает выяснить причины расхождения и часто позволяет устранять неоднозначность прогноза. Еще более строгий взаимный контроль при использовании системы имеет место в случаях, когда задачи количественной оценки решаются независимо от качественных задач. Например, стратиграфический этаж нефтегазонос-ности можно устанавливать путем определения продуктивности каждого НГК. Эта же задача в количественной постановке может решаться путем определения доли запасов в нижнем или каком-либо другом НГК от суммы запасов этого и вышележащих НГК. Естественно, при наличии нескольких продуктивных НГК доля запасов в каждом НГК всегда должна быть меньше 100%.

Используя человеко-машинную технологию решения однотипных задач та качественной и количественной основе с применением принципа многова-шантной оценки, мы тем самым не только ужесточаем контроль принятия эешения, но делаем прогноз более достоверным и объективным, так как пол-тее учитываем условия формирования скоплений УВ, вовлекаем в анализ боке широкий комплекс геологических критериев (информативных показате-гей), влияющих на прогнозируемую характеристику объекта. Но как бы ни пирок был этот комплекс, практически он никогда полностью не отражает 5ск> многогранность условий и факторов формирования скоплений УВ.

Поэтому окончательное заключение должно приниматься после проведе-тя экспертного анализа результатов прогноза и геологической обстановки ю конкретным объектам. Этот конечный этап работы является важной составной частью человеко-машинной технологии, поскольку он в ряде случаев ложегс приводить к существенным изменениям оценок, выдаваемых в автома-гизированном режиме.

Результаты оценки параметров нефтегазоносноети локальных структур. Зценка локальных структур. Построению моделей прогноза для локальных объектов предшествовал тщательный анализ схем формирования месторож-1ений в каждом обособленном регионе. В результате обработки на ЭВМ об-шгрной систематизированной информации было установлено, что в Волго-/ральской, Амударьинской, Тимано-Печорской и в ряде других нефтегазо-госных провинций более обоснованной является модель, предусматривающая штенсивное развитие процессов нефтегазообразования не во всех, а лишь в ^которых НГК, и широкое перераспределение УВ по разрезу в зонах с повы-иенной вертикальной проницаемостью. Всего в детальный анализ было во-шечено свыше 400 хорошо изученных месторождений и пустых структур (в \.му-Дарьинской 65; Предкавказье -84; Волго-Уральской НГП -120 объектов). Саждый нефтегазоносный локальный объект был охарактеризован свыше 160 еологическими признаками. На основе адекватных схем формирования мес-■орождений в каждом регионе создавался свой базисный набор признаков, источающий лишь те информативные геологические показатели, значения по :оторым могут быть получены до разбуривания локальных структур. В ба-исные наборы входило обычно около 50 признаков.

Для решения полного комплекса задач по оценке нефтегазоносноети ло-гальных объектов в Волго-Уральской и Амударьинской провинциях предло-кено свыше 30 геолого-математических моделей прогноза. Использованные 1ри их построении целевые массивы состояли в большинстве своем из 30-60 »бъектов обучения и нескольких десятков описывающих их геологических физнаков.

Среди основных критериев нефтсгазоносности практически полностьк отсутствуют показатели генерации и резко усиливается роль показателей миг рации, аккумуляции и эволюции, которые занимают примерно равноценно положение. Такое смещение акцента в сторону негенерационных показателе] является вполне закономерным и свидетельствует о том, что особенности неф тегазоносности конкретных локальных объектов определяются не общим! условиями генерации в регионе (при прочих равных условиях), а способ носгью этих объектов улавливать и сохранять жидкие и газообразные УВ.

Продуктивность локальных объектов и величина их запасов определяют ся в основном условиями латеральной миграции УВ в первично нефтегазоносных комплексах, среди которых прежде всего следует отметит) положение ловушек относительно главных путей струйной миграции: локаль ными условиями аккумуляции и сохранности УВ, в частности, площадями I интенсивностью ловушек, мощностью коллекторов, вещественным составом мощностями и трещиноватостью покрышек. На фазовое состояние УВ наи большее влияние оказывают региональные условия, в частности, контраст ность крупных положительных структур, в пределах которых расположень ловушки, время образования этих структур, а также и другие условия, способ ствующие выделению газа в свободную фазу и сохранению УВ (удаленносл структуры от флексурно-разрывной зоны или уступа ниже по падению, мощ ность региональных покрышек). Распределение УВ по разрезу зависит как о: региональных, так и локальных показателей нефтегазоносности. Все основньи критерии, обладающие наибольшей информативностью при прогнозировали! этого параметра нефтегазоносности, прямо (интенсивность положительно! структуры I и II порядка, амплитуда ловушки, интенсивность ловушки, лито логический состав региональных покрышек) или косвенно (удаленноси структуры от ближайшей флексурно-разрывной зоны, удаленность структурь от флексурно-разрывной зоны или уступа ниже по падению, удаленность ло кальной структуры от гидрохимической аномалии, градиент абсолютных ам плитуд новейших тектонических движений) характеризуют вертикальнук проницаемость разреза.

Для нахождения критериев и решающих правил по конкретным задачал прогноза формировались целевые массивы, состоящие из хорошо изучении; объектов и значений характеризующих эти объекты информативных призна ков из базисного набора, имеющих непосредственное отношение к решаемо! задаче и вытекающих из адекватной схемы формирования. Полученные ге материале целевых массивов геолого-математические модели прогноза оцени вались сначала в содержательном плане на предмет исключения случайные связей, противоречащих теоретическим представлениям, а затем проходил!

проверку на устойчивость (качество) прогноза путем апробации их на экзаменационных объектах, не участвовавших в обучающей выборке. Лишь после выполнения всех перечисленных процедур и получения положительных результатов найденные критерии и уравнения включались в общую систему прогнозирования локальных структур.

На основе построенной системы решающих правил и комплексного гео-пого-математического анализа фактических данных была проведена в 1977 году оценка нефтегазоносносги 70 локальных структур в Восточной Туркмении и Западном Узбекистане и разработаны рекомендации по выбору первоочередных объектов поисково-разведочного бурения в этих регионах. При этом 38 поднятий было отнесено к группе "заведомо" и "предположительно" продуктивных и 32 поднятия - к группе "заведомо" и "предположительно" пустых. За истекшие после этого (т.е. к 1984 году) 7 лет поисково-разведочное эурение было поставлено на 26 оцененных структурах. Из числа последних 18 лруктур получили уверенную оцежу. Подтверждаемосгь прогноза по геолого-математическим моделям, составила 83%. При этом ошибки распознавания, за исключением структуры Кулач, связаны с неоднозначно диагностировавшимися объектами. На структуре Кулач, однозначно классифицированной ■сак месторождение, в перспективной части верхнеюрского карбонатного разреза не оказалось проницаемых коллекторов. Фактические коэффициенты /дачи, фиксировавшиеся в этом регионе в период 1970-1980 гг., в среднем элизки к 0.3-0.4.

3.5. Сопоставление критериев на разных уровнях прогноза [5,7,28,34,46].

Анализ комплексов критериев, используемых при оценке разномасштаб-шх объектов и выявленный с применением методов геолого-математического моделирования, позволил сделать следующие основные выводы:

1. По мере уменьшения размера оцениваемых геологических объектов троисходит последовательное снижение роли генерационных критериев и юзрастание значимости показателей миграции, аккумуляции и эволюции УВ. Вели при оценке НГБ явное господство принадлежит первым, то при прогнозе нефтегазоносносги локальных объектов - вторым. Вместе с тем при прочих эавных условиях расположение гигантских месторождений в очень сильной ггепени определяется законами генерации УВ.

2. Для каждого уровня прогноза при решении однотипных групп задач сарактерен свой специфичный комплекс критериев. Число критериев, участвующих в решении сходных задач на двух уровнях прогноза весьма незна-штельно. При решении задач I и III групп оно не превышает 10%, а при прогнозе фазового состояния скоплений УВ несколько увеличивается (до 20%).

3. В оценке нефтегазоносное™ бассейнов и областей по понятным прич! нам используются лишь региональные показатели, характеризующие объект целом. В локальном прогнозе наряда с региональными критериями, больше вес получают локальные (морфологические характеристики объектов) оценю

4. При региональном прогнозе ведущее место принадлежат морским карбонатным отложениям в разрезе, объему отложений на глубинах свыше и 4 км и доле песчано-алевритовых отложений в разрезе, а при локально прогнозе - удаленное™ структур от флексурно-разрывных зон и уступов, ра положенных ниже по падению мощности региональных покрышек и абс< лютным амплитудам новейших тектонических движений.

4. НЕФТЕГАЗОНОСНОСТЬ БОЛЬШИХ ГЛУБИН (БОЛЕЕ 4,5 КМ) [1,10,23,24,39,44,55,70,72,74].

Задача освоения больших глубин по мере истощения недр на малых средних глубинах приобретает все большую практаческую значимость, ос< бенно для старых нефтегазодобывающих регионов страны. Уже первая оценк нефтегазоносное™ больших глубин, проведенная в 1965 году автором сс вместно с М.Ф.Двали, показала, что к ним приурочены достаточно большк запасы углеводородов, преимущественно газообразные. В результате этих и« следований все нефтегазоносные бассейны были проранжированы по степен богатства углеводородами наиболее погруженных частей разреза. Особо о( ращалось внимание на возможную нефтегазоносность промежуточного кол плекса, подчеркивалась сильная зависимость фазового состояния углеводорс дов от геотемпературного режима недр, а последнего - от характера разреза, частности прогнозировался пониженный геотемпературный режим на бот ших глубинах в Прикаспийской впадине в виду наличия в ее разрезе мощны галогенных отложений.

В дальнейшем, благодаря исследованиям А.Н.Золотова, В.И.Ермаков; Н.А.Калинина, Л.Н.Калченко, М.ИЛоджевской, С.П.Максимова, М.С.Мод( левского, С.Г.Неручева, И.И.Нестерова, В.Ф.Раабена, В.В.Семенович; С.Н.Симакова, Э.В.Чайковской, В.П~Якуцени и др. были существенно рааш рены представления о факторах, регулирующих формирование месторожд( ний нефта и газа на больших глубинах.

Важно отметить, что благодаря существенному прогрессу в области м< тодики количественного прогноза нефтегазоносное™ и, несмотря на еще елг бую изученность больших глубин, для последних представляется оправданно постановка и решегаш не только задачи по оценке величины потенциальны ресурсов нефта и газа, но и структуры последних. Такое расширение подай жащих решению прогнозных задач необходимо прежде всего в силу необхс

тимости предсказания возможной эффективности работ и динамики открытий ш больших глубинах, т.к. при дорогостоящем сверхглубоком бурении и еще слабой изученности глубоких частей разреза такого рода сведения могут рас-:матриваться в качестве решающих факторов обоснования целесообразности юисков нефти и газа на глубинах более 4500 м.

4.1. Методические основы.

При выборе подходов и методов решения сформулированных задач автор опирался на накопленный опыт их решения применительно к условиям малых 1 средних глубин, а также непосредственно на результаты исследований по оценке нефтегазоносности больших глубин. Большинство сделанных выводов о применимости основных методологических положений прогноза нефтегазо-юсности малых и средних глубин и слабоизученных территорий было взято га вооружение и при оценке нефтегазоносности больших глубин. Прежде все-

0 это касается положения о необходимости адекватной оценки степени неоп-оеделенносги прогнозных решений применительно к условиям больших глу-оин, что достигается благодаря применению метода Монте-Карло и положе-шя о многовариантном оценивании, способствующих в свою очередь снижение степени неопределенности.

При оценке ресурсов больших глубин автор исходит их того, что большие ■дубины - это элемент, составная часть системы нефтегазогенерации и нефте-•азонакопления, именуемой нефтегазоносным бассейном. Отсюда, следует южное положения, что оценка ресурсов нефти и газа больших глубин не должны находиться в противоречии с оценкой ресурсов нефти и газа бассейна

1 целом.

Вместе с тем зона глубокого погружения нефтегазоносного бассейна НГБ) рассматривается как самостоятельный объект - аналог сильно-родированного НГБ, но характеризующегося повышенным термобарическим •ежимом, более высокой степенью метаморфизма ОВ и стадиального преоб-•азования пород. Здесь также имеют место процессы генерации, миграции, ккумуляции и сохранности скоплений УВ, но условия для их протекания в >бщем случае оказываются менее благоприятными, чем на меньших глубинах. $ определенной мере большие глубины могут рассматриваться в качестве налогов верхней части НГБ, но при условии введения поправочных коэффициентов, "приводящих" условия нефтегазоносности больших глубин к тако-ым малых и средних глубин.

Подробная трактовка зон глубокого погружения НГБ позволяет более ффективно использовать накопленные теоретические и практические знания | нефтегазоносности глубин, хорошо освоенных бурением. В этом случае

имеющийся по большим глубинам фактический материал выступает в качестве экзаменационного, используемого для проверки соответствующих мо делей, построенных для меньших глубин, и для определения поправочных ко эффициентов, с которыми можно применять такого рода модели для прогноз ной оценки нефтегазоносности больших глубин.

Основные положения, подлежащие учету при оценке ШII1 больших

глубин.

Нами уже обращалось внимание на то, что любая прогностическая мо дель величины и структуры НПР УВ не в состоянии отразить в формализо ванном виде действие всех факторов, контролирующих формирование скоп лений УВ. Поэтому получаемые в результате расчетов оценки величины НП1 УВ должны быть подвергнуты проверке на соответствие граничным услови ям. Последние вытекают из известных закономерностей или эмпирически подмеченных зависимостей, важных для оценки богатств недр, но не учтенные в использованной модели прогноза. В настоящее время количество закономерностей, которые могут быть распространены на большие глубины, не ве лико.

Ниже приведены сведения о тех закономерностях и принципиальных по ложениях, которые, на наш взгляд, должны подлежать обязательному учету при обосновании методов оценки нефтегазоносности глубоких недр и прг определении граничных условий.

1. Исследования последних лет показали, что существуют предельны« значения температуры, при которых нефтеносная зона сменяется газоносной Эти значения не одинаковы для древних и молодых платформ, молодые складчатых областей и современных подвижных поясов земли. Из данньп многочисленных исследователей вытекает, что геотермический рубеж в 200° С следует рассматривать как предел существования нефтяных залежей промышленного значения во всех типах НРБ. Для молодых платформ с преимущественно мезозойской седиментацией переход нефтеносной зоны в газоноснук происходит при температурах 160-170°С (Среднекаспийский НГБ, глубины 44,5 км). В случае же мощного кайнозойского прогибания подобная смена фазового состояния УВ осуществляется уже при температурах, близких к 200°С (Галф-Кост, глубина 6 км).

2. По данным С.Г.Неручева предельная глубина распространения промышленных нефтяных залежей для древних платформ и эпиплатформеннью регионов определяется в 5 км, для большинства регионов молодых платформ с развитыми угольно-континентальными толщами - 4 км, в условиях отсутствия последних - 6 км, а в подавляющем большинстве молодых (альпийских^ складчатых и современных подвижных поясов земли, характеризующихся ис-

шючительно высокими скоростями погружений, - 6 км и более. С увеличением общей мощности осадков в НГБ с мощным соленакоплением и в прогибах шьпийских складчатых областей зона проявления ГФН в современном струк-гурном плане становится все более глубокой, опускаясь в отдельных случаях 1о 6 км. Зона же ГФГ при этом опускается от 3,5 - 5 до 6 - 9 км. Имеет место существенное миграционное перераспределение нефти и газа. От ранее обра-ювавшихся в отложениях, прошедших ГФГ при градациях катагенеза выше МК2-МКЗ, нефтяных залежей почти ничего не остается вследствие их разрушения и вытеснения позже генерирующимися газами. Есть основание считать, ito на глубинах более 7 км в промышленных количествах может быть встре-тен лишь один газ. Исключение представляет Прикаспийская впадина, где 1ефть (сильно газонасыщенная) и газоконденсат могут быть встречены, по-зидимому на глубинах до 8 км.

3. М.С.Моделевским установлена отчетливо выраженная тенденция паде-шя доли жидких и газообразных УВ в общей величине ресурсов по мере уда-тения по разрезу от интервалов максимального нефте- или газонакопления. Гемп уменьшения доли газовых ресурсов в отложениях всех возрастов примерно одинаковый и составляет 1,5-2% на 1 км. В результате vi.C-Моделевский поинтервальное соотношение между жидкой и газообраз-юй компонентами определяет для интервала 5-7 км в палеозойских отложе-шях как 1:3, в мезозойских - 1:1, в кайнозойских - 1,5:1. В интервале 7-9 км в 1алеозойских отложениях нефть должна отсутствовать, а в мезозойских и сайнозойских образованиях эти соотношения соответственно оцениваются сак 1:10 и 1:3. На глубинах более 9 км скопления жидких У В (в виде конден-;атной нефти) следует ожидать лишь в кайнозойских породах (в соотношении ie более чем 1:10). Нами для определения доли газообразных рекомендуется утя каждого бассейна построение кривых изменения доли газообразных в за-(исимости от глубины с соответствующей их экстраполяцией на оцениваемые штервалы глубин.

4. С.Г.Неручевым установлено, что наиболее погруженные зоны бассей-юв, в которых после проявления ГФН имело место развитие ГФГ, почти пол-юстью лишены нефти и характеризуются распространением преимуществен-ю газоконденсатных и газовых залежей. В силу сказанного в пределах НГБ шеет место площадная зональность в распределении скоплений нефти и газа. Иллюстрацией такой зональности могут служить полученные автором доклада следующие данные по Днепрово-Донецкой впадине: при мощности осадоч-юго чехла 4-7 км соотношение нефть-газ по уже открытым в разрезе залежам вставляет 2:3, при мощности более 7 км -1:4.

5. В условиях больших глубин удельная поинтервальная плотность запа-

сов УВ, по мнению С.Г.Неручева, должна снижаться. Последнее же должн приводить в свою очередь к снижению степени концентрации запасов УВ крунейших месторождениях.

6. Положение нижней границы существования залежей определяется пс ложением кристаллического фундамента и степенью катагенного преобразс вания пород. По данным АЗ.Конторовича и С.Г.Неручева залежи не могу существовать в отложениях, достигших градации катагенеза АКз-АК». Отсюд следует, что лимитирование распространения скоплений кристаллически! фундаментом с генетических позиций является дишь частным случаем: в об щем случае эта предельная глубина распространения залежей находится гип сометрически выше кристаллического фундамента.

7. Наилучшие коллекторские свойства на больших глубинах должны на блюдаться в молодых впадинах, характеризующихся большими скоростям) осадконакопления. Можно считать, что на больших глубинах эффективна пористость равна общей пористости пород.

8. На больших глубинах преимущественно распространены газообразны УВ, а встречаемые нефти сильно газонасыщены и характеризуются высоко! подвижностью. Состав газов, как это показано Э.В.Чайковской, обнаружи вает сильную зависимость как от типа бассейна, так и от состава вмещающи отложений. Для дальнейшего важно подчеркнуть, что с увеличением глуби из углеводородных компонентов в составе газовых залежей преобладающи! становится метан.

9. По данным В.П.Якуцени при прочих равных условиях (генетический ] газогенерационный потенциал, сохранность скоплений) промышленная газо продуктивность недр выше в НГБ с наиболее высокой минерализацией плас товых вод. С этих позиций, наиболее перспективными в отношении формиро вания скоплений газообразных УВ на больших глубинах являются НГБ мощными соленосными толщами.

10. Для больших глубин характерным является широкое распространени АВПД.

11. Большие глубины характеризуются превалирующим воздействие! термобарических факторов на систему порода-газ-нефть-вода, в силу чего си стема характеризуется меньшим (по сравнению с малыми и средними глуби нами) числом степеней свободы. С позиций оценки возможной величины за пасов УВ нас интересует прежде всего, как меняется с ростом давления и тем пературы аккумулирующая способность пород-коллекторов по отношению з нефти и газу.

Как показано автором, с ростом глубины удельные газо- и нефтевмести мости порового пространства изменяются по-разному. С ростом глубин по

гружения пород их удельная газовместимость растет: на глубине 7 км вместимость 1 удельной единицы порового пространства в 1,5 раза выше эталона (при г=50°С и Р=20 атм). Для районов с АВПД это превышение еще больше. Применительно к газам давление выступает в качестве фактора, существенным образом компенсирующего уменьшение пористости пород с глубиной погружения. Увеличение температуры при сохранении давления способствует расширению газа (приводит к уменьшению удельной газонасыщенности) и, как следствие, к частичной дегазации недр, усиливающих процессы эмиграции углеводородов (например, под воздействием конвективной составляющей геотермического поля) и аккумуляции последних в участках более благоприятных для сохранности залежей.

Применительно к нефтям температура играет решающую роль в опреде-тении удельной нефтевмесгимости пород: с ростом температуры имеет место тепловое расширение нефтей и, как следствие, аккумуляционные способности юрод по отношению к нефти по мере роста глубин падают. Принимая во шимание и имеющее место уменьшение пористости пород, можно утверждать, что удельная плотность запасов нефти с глубиной только в силу дей-ггвия этих двух факторов должна существенно падать.

Иными словами, с увеличением глубины погружения термобарический фактор выступает в качестве своеобразной хроматографической колонки, эаздеяяющей жидкую и газообразную фазы. С глубиной все сильнее начинают троявляться дефицит емкостного пространства, его дезинтеграция. В связи с >тим жидкие и газообразные формы обнаруживают антагонистические свойства (естественно, после исчерпания возможности взаимного растворе-шя). Следовательно, даже если предполагать отсутствие термального эффекта, установленного К.Ландесом и признаваемого не всеми исследователями, с юстом глубин должно иметь место "всплывание" образовавшихся и обра-(ующихся скоплений нефти. Установленная С.Г.Неручевым приуроченность -лавной зоны нефтеносности к глубинам 1,8-2,4 км, позволяет говорить о воз-ложно существенной роли описанного выше механизма "всплывания" нефти, гак как глубины 1,8-2,4 км и соответствующие им температуры не являются Фсдельными для существования нефтяных углеводородов.

4.2. Методика оценки НПР больших глубин.

Большие глубины характеризуются специфическими особенностями усло-иш нахождения углеводородных скоплений: высокие температуры и давле-шя, более низкие коллекторские свойства пород, более низкий удельный вес 1ефтей и повышенная подвижность последних и т.д. При этом мы располага-:м здесь значительно меньшим количеством материала, чем по малым и сред-

ним глубинам. Все это вместе взятое ограничивает круг методов оценки по тенциальных ресурсов, которые могут быть пригодными на данном этапе дон условий больших глубин.

Из формализованных методов наибольшего внимания заслуживают объ емно-генегические методы и различные модификации объемного метода Очевидна предпочтительность первой группы методов как базирующихся н; генетических представлениях, объясняющих принципиальную возможност генерации углеводородов на всех глубинах вплоть до фундамента и даюпщ сведения о масштабах генерации.

Для больших глубин объемно-генетический метод следует рассматриват: как способ получения информации о масштабах генерации на больших глу бинах. Для получения же представлений о величине ресурсов результаты рас четов с использованием объемно-геологического метода должны быть cono ставлены с аккумулирующими возможностями больших глубин.

В том случае, когда масштабы генерации достаточно велики, лучше представление о величине ресурсов на больших глубинах дает нам объемны! метод оценки запасов. С увеличением глубины залегания в системе порода газ-нефть-вода начинает действовать меньший спектр факторов и превали рующими оказываются термобарические. Пористость по мере погружени уменьшается и, следовательно, велика вероятность, что данный фактор яе ляется одним из основных лимитирующих факторов формирования углеводе родных скоплений на глубинах более 4,5 км. У системы появляется меньше число степеней свободы. В этих условиях оправданным для решения прогноз ных задач представляется привлечение методов, учитывающих, с одной стс роны, возможно лимитирующию роль коллекторов, а с другой - изменчивост физико-химических свойств УВ. Таким практически единственный методо! является объемный. Существенным является и то обстоятельство, что ег применение в обязательном порядке требует скрупулезного, анализа геолог* ческого материала фактического характера для обоснования входящих в фо! мулу подсчета численных значений параметров.

Для условий больших глубин формула объемного метода должна использс ваться с учетом коэффициентов объемного сжатия соответственно газа и nei] ти при ожидаемых пластовых температурах и давлениях.

Для определения условно извлекаемых ресурсов необходимо введение пс правочных коэффициентов, учитывающих коэффициент нефте- и газоотдач (Кн и Кг), долю промышленно рентабельных ресурсов (г), т.е. СЬсл.ювл = Q k-r,

Следует заметить, что большая часть из входящих в подсчетные формул параметров для условий больших глубин не может быть определена с высоко точностью. Поэтому рекомендуется задавать значения параметров в инте]

вально-вероятностном виде, что с необходимостью приведет нас к интерваль-ао-вероятностной оценке НПР. Получаемые при этом оценки дают представление о возможных масштабах углеводородонакопления и, следовательно, цают необходимую информацию для сравнительного анализа глубоких недр нефтегазоносных бассейнов.

Во всех ситуациях, а особенно при недостатке данных для расчетов по данным формулам, полученные с их помощью результаты должны быть более гесно увязаны с запасами, открытыми и прогнозируемыми на меньших глубинах. Увязка эта должна осуществляться с учетом намечающейся эмпирически или предполагаемой теоретически динамикой изменения показателей и факторов, определяющих формирование углеводородных скоплений. При этом особое внимание уделяется учету факторов, лимитирующих нефте- и газоносность глубоких недр. Их учет при применении объемного метода следует рассматривать как введение своеобразных граничных условий, подлежащих использованию для корректировки результатов объемного метода.

Такой методический прием, по существу, позволяет добиваться учета в более полной форме имеющихся теоретических и эмпирических сведений о нефтегазоносности больших глубин, нежели это возможно при использовании объемного метода в чистом виде. Среди граничных условий следует назвать прежде всего такие, как положение в разрезе ГЗН и геоизотермы 200°С, увеличение доли газообразных с ростом глубины, большую газонасыщенность недр в НГБ с присутствием в разрезе ГЗГ и посгумной зоны газообразования, глу-эину залегания пород литогенетической зоны АК4, общее уплотнение пород, развитие АВПД, корреляция величины ресурсов с объемом пород: доля ресурсе, приходящихся на большие глубины, не должна превышать доли объема пород на этих же глубинах и др.

Повидимому, граничные условия должны быть пополнены и фактом снижения плотности ресурсов по мере глубины погружения пород, и как следствие, из числа других граничных условий можно упомянуть те, которые лежат в основе положений, подлежащих учету при оценке нефтегазоносности Золыпих глубин. Всякое исключение из этого принимаемого нами априори правила должно быть предметом специального рассмотрения и подлежать аргументированному геологическому обоснованию.

Достоверность прогнозных оценок НПР больших глубин, получаемых с помощью объемного метода, во многом определяется достоверностью учитываемой динамики изменения значений показателей, входящих в подсчетную формулу, и достоверностью определения непосредственно самих значений показателей.

Определение нефтегазоносности больших глубин с помощью объемного

метода и выбор соответствующего точечного значения внутри определяемой интервала величины ресурсов производится с учетом изученности малых i средних глубин. Для оценки НГБ с еще недоказанной промышленной нефтега зоносностью, желательна ориентация на наиболее гарантированную ожи даемую величину запасов (на нижний или близкий к нему предел интервально вероятностной оценки). По мере роста изученности НГБ в качестве точечны: оценок следует выбирать те значения НПР, которым соответствуют меныпи значения субъективной вероятности. Очевидно, что рекомендуемая формаль ная процедура выбора точечной оценки должна сопровождаться и более топ - контролироваться - оценкой геологической ситуации, учетом особенноста строения недр и нефтегазоносное™ последних.

Для НГБ, промышленная нефтегазоносность которых не вызывает сом нений и изученность которых высокая, следует ориентироваться на модаль ные значения. В качестве минимальных (пессимистической оценки) и макси мальных (оптимистической оценки) значений рекомендуется во всех случая брать значения, соответствующие границам доверительного интервала npi 95% доверительной вероятности.

Снижение уровня неопределенности оценки достигается за счет использо вания принципа многовариантной прогнозной оценки.

Требование многовариантного оценивания нефтегазоносности больши: глубин привело нас к необходимости поиска дополнительных независимы: методов оценивания и последующего согласования получаемых оценок. Н наш взгляд, наиболее целесообразным оказалось использовать результат! оценки нефтегазоносности глубин 4.5-7 км, которые содержатся в информа ции об утверждаемых прогнозных запасах. Такие оценки практически ассими пируют как накопленный опыт освоения малых и средних глубин, так и взгля ды экспертов на нефтегазоносность как в целом всего чехла, так и отдельны нефтегазоносных комплексов и интервалов глубин. Это - положительная стс рона оценок. Отрицательная же - сопряжена с отсутствием учета имеюще: место неопределенности прогноза, что является следствием оценки величин! запасов одной цифрой - точечным оцениванием. И тем не менее, согласовани точечных оценок, получаемых при использовании модифицированного..объ емного метода и при использовании общегеологических методов (данные oí утвержденных запасах), позволяет, на наш взгляд, получать более достовер ную, сбалансированную оценку величины НПР УВ на больших глубинах.

Среди дополнительных, независимых методов возможны и другие. Ис ходным здесь должна выступать оценка НПР в целом для бассейна, получен ная по аналогии или с помощью объемно-статистического метода. Соответ ствующая методика в этом случае заключается в "привязке" всех ожидаемы

ресурсов УВ к глубинам в соответствии с динамикой изменения наиболее легко определяемых показателей, которые выступают в качестве факторов, лимитирующих нефтегазоносность.

К числу такого рода факторов, лимитирующих нефтегазоносность больших глубин, можно отнести структурный фактор, объем пород, величину эффективности емкостного пространства пород, интенсивность процессов генерации, миграции, аккумуляции и сохранности углеводородов, повышенные значения температур и давлений.

Новый подход приемлем для НГБ практически любой степени изученности, т.к. по каждому НГБ в настоящее время регулярно проводятся все более приближающиеся к истине расчеты величины НПР как в целом для НГБ, гак и для глубин до 5 км.

4.3. Прогнозирование величины крупнейшего нефтяного и газового месторождения в условиях больших глубин.

Эта методика сводится к применению полученных выше прогностических моделей при обязательном введении поправок на специфику больших глубин.

Применительно к оценке условий формирования на больших глубинах фупнейших месторождений должны подлежать учету как минимум два обстоятельства: 1) общее ухудшение условий аккумуляции с глубиной вследствие эоста стадиального преобразования пород; 2) наличие максимальной глубины существования скоплений УВ.

Первое из них должно найти непосредственное отражение при определе-таи поправочного коэффициента К: можно, например, допустить, что значе-гие последнего варьирует в каком-то интервале, скажем в интервале 1.0-2.0. Зстественно, что наименьшие значения К должны быть приняты для НГБ с эастянутой шкалой метаморфизма и стадиального преобразования пород например, для Прикаспийского и Южно-Каспийского). Для НГБ с нормаль-юй шкалой метаморфизма и стадиального преобразования пород следует тринимать промежуточное значение К, а максимальное - для НГБ со сжатой нкалой метаморфизма. Очевидно, что с ростом глубин должно расти и значе-гае К.

Учет второго обстоятельства осуществляется путем корректировки значе-шя НПР. Например, если для данного НГБ предельная глубина существовали залежей оказывается ниже глубины залегания фундамента, то из получен-шх объемным методом значений НПР следует исключить запасы, приходя-циеся на интервал глубин ниже предельной глубины существования залежей. Заметим, что все расчеты следует осуществлять отдельно для нефти и для газа.

Заключительный этап определения размеров максимального нефтяного и

газового месторождения заключается в определении правдоподобности полз чаемых результатов и внесении необходимых корректив. С этой целью полено сравнительное изучение вычисленного Qmax 6 для больших глубин с уж выявленным QmaXM на меньших глубинах. Очевидно, что соотношение Qmax6 QmaxM говорит о неудовлетворительном характере прогноза и необходимости внесения корректив. В частности, это соотношение можно использовать дл внесения поправок в интервально-вероятностную оценку Qmax - в ее верхни предел. Важным средством проверки правдоподобности полученного резуш тата является также и оценка с геологических позиций возможностей обнарз жения месторождения спрогнозированных размеров. Для этого следует п данным о запасах смоделировать возможные один или несколько геологич« ских типов месторождений, которые могут быть присущи данному типу НГ1 и выяснить реальность их существования в конкретном НГБ. Известно, чт размеры месторождения (при наличии благоприятных генерационных и мш рационных условий) определяются в первую очередь емкостными возможнс стями ловушки и возможностями сохранности скоплений УВ. Емкостные во: можносги прежде всего зависят от площади структуры, эффективной мои ности продуктивных горизонтов и пористости пород. Следовательно, задав; ясь различными значениями указанных параметров, можно определить еь костной "портрет" залежей различного размера. ■■■■■ ;

Анализ же геологической ситуации должен в таком случае дать ответ н вопрос, какие параметры ловушки следует ожидать в каждом конкретно районе и могут ли бьггь вообще обнаружены такие,тела, а если могут, то гд В случае отрицательного ответа необходимо внесениеакорректив в значен!; поправочного коэффициента К.. Заметим, что подобный подход к имитаци геологических моделей месторождений может иметь и самостоятельное знач( ние для решения задачи по определению местонахождения скоплений с зада! ными характеристиками нефтегазоносности - задачи, свойственной нормг тивному прогнозу. Решение ее представляется особо актуальным для услови больших глубин, где ввиду трудности создания большого фонда структур ш иск скоплений должен исходить из стратегии целенаправленного изучени глубоких недр.

4.4. Результаты оценки величины и структуры III IP УВ больших глубин

В соответствии с описанной выше методикой, автором была осущеспда на оценка НПР НГБ и возможных размеров крупнейших нефтяных и газовы месторождений.

Проведенная автором оценка величины НПР УВ свидетельствует о вн; шительности размеров ресурсов УВ на больших глубинах. Они оцениваются

125 млрд.т УУВ, что составляет 16% от величины НПР УУВ всего разреза. Это означает, что ресурсы отложений вышележащей части разреза почти в 5 раз превосходят таковые больших глубин. Соотношение же объемов пород, приводящихся на глубины до и более 4.5 км, оказывается равным 2:1. По оценкам автора, средняя объемная плотность запасов УУВ на глубинах более 4.5 км примерно в 2.5 раза меньше таковой малых и средних глубин. Из 125 млрд.т УУВ на долю морских НГБ приходится 25 млрд.т УУВ, т.е. в 4 раза меньше.

Обращает на себя внимание резкое преобладание в ресурсах газообразной компоненты над жидкой. Лишь для глубин 4.5-5.5 км этот показатель оказывается относительно маленьким, отвечая в среднем соотношению 3:1. Для платформенных НГБ, в первую очередь древних платформ, он еще ниже и отвечает соотношению 2:1. Среди морских НГБ Каспийский выделяется незначительным преобладанием газообразных УВ над жидкими: они относятся как 1.5:1. В интервале глубин 5.5-7 км лишь в исключительных случаях ^Прикаспийский, Северо-Кавказский и Каспийский НГБ) указанное соотно-пение не испытывает резкого изменения в сторону преобладания газообраз-пух УВ: для Прикаспийского НГБ оно равно 3.5:1, для Северо-Кавказского ВГБ 4:1, для Каспийского НГБ 2.3:1. В остальных случаях имеет место резкое треобладание в интервале 5.5-7 км газообразных УВ.

По всем НГБ бывшего СССР на долю жидких углеводородов приходится 15 млрд.т против 100 трлн.м3 газа.

О степени благоприятности структуры НПР У В на больших глубинах в ЗГБ бывшего СССР, кроме самой их величины, свидетельствуют и результаты оценки ожидаемых размеров самых крупных месторождений нефти и газа. 3 отношении нефти наиболее благоприятными являются платформенные НГБ Западно-Сибирский, Прикаспийский, Волго-Уральский; а среди морских Н[ГБ - Каспийский. Как по абсолютной величине, так и по структуре НПР {ефти наиболее благоприятными являются платформенные бассейны - Запад-го-Сибирский и Прикаспийский. В их недрах могут быть встречены самые срупные в стране скопления жидких УВ (до 480 млн.т и 250 млн.т соответственно). Среди морских НГБ наиболее благоприятными являются Каспийский. Выделяются бедностью НПР нефти Лено-Тунгусский НГБ, Мангышлак, \мударьинский НГБ.

В отношении структуры НПР газа картина представляется значительно >олее отрадной. Размеры самых крупных газовых скоплений оказываются достаточно внушительными даже в наименее благоприятных НГБ. Первооче->едными же в отношении газообразных УВ и здесь являются НГБ Западносибирский (Qmax до 1 трлн.м3) и Прикаспийский (Qmax до 700 млрд.м3), а среди юрских - Баренцево-Карская (до 500 млрд.м3). Из бассейнов геосинклиналь-

ного типа в краевых прогибах наибольшие запасы крупнейшего месторожд ния ожидаются в пределах Лено-Вшпойского НГБ (до 19 млрд.м3), Запада Туркменского НГБ (до 170 млрд.м3) и Южно-Каспийского (Азербайджг НГБ (до 220 млрд.м3).

С другой стороны, расчеты показывают, что на глубинах более 4.5 ; структура ресурсов обнаруживает тенденцию к ухудшению, к появлеш большего количества мелких месторождений и залежей.

Естественно, для решения практических задач по освоению больших п бин важно знать, какая нас может ожидать эффективность поисков разведочных работ при ориентации последних на глубокопогруженные отл жения. Решение этой задачи требует моделирования структуры ресурсов НГБ в условиях больших глубин и моделирования возможной динамики с крытая.

Автор придерживается точки зрения, что и для условий больших глуб] для моделирования структуры ресурсов справедливы рекомендац] А.Э.Конторовича и В.И.Демина об использовании для этих целей усеченно распределения Парето. Моделирование же открытий и в условиях больш глубин возможно, как отмечалось автором, на основе метода Монте-Карл когда "открытие" очередного месторождения сводится к разыгрыванию ел чайной величины методом Монте-Карло, задаваемой соответствующим рг пределением.

Иммитационно-нормативное моделирование позволяет в каждом ко кретном случае найти возможные темпы и эффективность освоения мест рождений на глубинах более 4.5 км. На примере гипотетического газоносно бассейна, для которого с помощью системы геологического прогнозирован: были оценены запасы газа (в интервале глубин 4.5-5.5 км они составили 23 млрд.м3; на глубинах более 5.5 км - 1450 млрд.м3), было показано, что по ме подготовки одних и тех же объемов запасов быстро растут число откр: ваемых месторождений (в основном за счет мелких) и объемы поискового 6 рения. Это обуславливает и снижение эффективности поисковых работ. Т при подготовке в интервале глубин 4,5-5.5 км первых 150 млрд.м3 эффекта ность поискового бурения составляет уже 120 тыс.м3/м. Для глубин же бол 5.5 км максимально возможная эффективность поискового бурения уже i первом этапе не превышает 250 тыс.м3/м.

Проведенные расчеты показывают, что потенциальные ресурсы больш: глубин неравнозначны по себестоимости их подготовки к освоению. Сре; них всегда можно выделить ту часть ресурсов, разведка которых может бы проведена с заданной эффективностью, в том числе более высокой, чем в щ делах активно осваиваемых районов и глубин. Так, с эффективностью 95-1

ыс.м3/м в рассматриваемом примере на глубинах свыше 4.5 км может быть юдготовлено около 625 млрд.м3 газа, из которых более трети приходится на •лубины свыше 5.5 км. И это - типичная картина. Из ее анализа со всей оче-1Идностыо следует, что на большие глубины следует идти, обладая не только (остаточно мощной технической базой, но и очень важно - прогнозом с высо-:ой достоверностью. Лишь сверхбогатые глубокие недра не предъявляют та-:их требований. А басссейнов со сверхбогатыми большими глубинами не так 'ж много. Россия не является в этом отношении, к сожалению, исключением.

Заключение

В работе представлена технология количественного многовариантного [рогноза нефтегазоносности объектов локального и регионального уровней, ключая большие глубины (более 4.5 км). Данная технология обеспечивает говышеиие достоверносш и оперативности получения прогнозных оценок и нижение субъективизма при принятии решений. Эти особенности в совокуп-госги отличают представленную работу от известных аналогов.

1. Анализ существующих подходов к прогнозу нефтегазоносности показал, гго совершенствование прогноза нефтегазоносности, повышение его досто-ерности и оперативности получения прогнозных решений требует создания пециализированных автоматизированных систем, конструируемых на основе овременной методологии и опирающихся на базы данных геолого-еофизической и нефтегеологической информации.

2. Конфигурация системы, комплекс решаемых задач, информационное беспечение - определяются прежде всего назначением системы, ее местом в истеме планирования и управления геологоразведочными работами на нефть

газ.

3. Система геологического прогноза нефтегазоносности является элемен-ом системы более высокого иерархического уровня - системы геолого-кономического прогноза нефтегазоносности разномасштабных природных бъектов . В связи со сказанным система собственно геологического прогноза ефтегазоносности должна обеспечить получение тех характеристик нефтега-оносности, которые представляются необходимыми для осуществления эко-омической оценки прогнозных ресурсов.

4. В результате обобщения существующих подходов к решению задач про-ноза нефтегазоносности удалось разработать методологические основы про-ноза нефтегазоносности, на которых должны базироваться компьютерные ехнолопш решения всего комплекса прогнозных задач нефтегазовой геоло-ии.

5. В основу методологии создания человеко-машинных технологий долж( быть положен системный подход. Эффективное решение задач нефтегеолог ческого прогнозирования требует с необходимостью использования принц пов геолого-математического моделирования, предполагающего содерж тельную постановку задач, определение информационной базы их решения соответствии с возможными моделями изучаемых объектов и явлений, пр верку и выявление наиболее адекватных моделей, максимальный учет априо ной информации. Получаемые при геолого-математическом моделироваш прогнозные результаты являются лишь основой для принятия решений, окончательное решение остается за специалистом-геологом.

Для формализации процедур прогноза нефтегазоносности целесообразнь: представляется выделение 6 типов информационных ситуаций, в условиях к торых осуществляется прогноз. Каждый из выделяемых типов информацио ных ситуаций отражает степень изученности территорий и, следовательн оказывается тесно увязанным с комплексом подлежащих решению прогно ных задач.

6. Опыт решения прогнозных задач показал, что наиболее перспективны и отвечающим характеру решаемых задач является вероятности статистический подход, обеспечивающий максимальную степень отображеш в соответствующих моделях основных содержательных, генетических полож ний; особенностей геологической информации и изучаемых объектов. При] ципиальным является то обстоятельство, что при данном подходе естестве] ным является представление конечных результатов в интервалы* вероятностном виде, что отвечает приближенному характеру исходной и] формации, используемой при прогнозировании.

Вероятностно-статистический подход делает естественным и необходимы оценку качества, достоверности прогноза. Анализ модели ошибки прогно: позволяет дифференцированно подходить к изучению влияния на конечнь результаты методологической и метрологической ошибок. В свете только чт сказанного при использовании прогностических моделей полезными пре, ставляются учет и использование введенных автором классификации прогно ных ситуаций, процедуры оценки устойчивости решающих правил на осно] выявления "слабых" звеньев моделей прогноза. С целью повышения надо ности прогноза обязательным представляется многовариантный прогноз.

7. В соответствии с охарактеризованными выше методологическими ос» вами была разработана и нашла практическое применение АС" Прогноз не( тегазоносности". Технология прогноза реализована в рамках человек! машинной технологии. Показатели геологического прогнозирования позв! ляют осуществлять комплексную оценку перспектив нефтегазоносности об'

жтов разного масштаба и изученности. Решение задач нефтегеологического фогноза сводится к построению прогнозных геолого-математических моде-1ей для объектов разного масштаба, проверке качеств этих моделей на экзаменационных объектах и дальнейшему их применению для оценки параметров 1ефтегазоносности новых объектов.

8. С помощью АС "Прогноз нефтегазоносности" были сконструированы ¿одели прогнозной оценки величины запасов УВ крупнейшего нефтяного и •азового месторождений в НГБ и НГО.

В качестве критериев прогноза использовались показатели, отражающие в штегрированном виде результаты действия всей гаммы процессов формиро-1эния скоплений УВ - величины НПР и плотности НПР. При этом увеличение гадежности прогнозных решений оказалось возможным благодаря реализа-щи принципа многовариантной оценки.

9. Для слабоизученных территорий с помощью АС'Прогноз нефтегазонос-гости" были сконструированы 3 регрессионные модели прогнозной оценки юличины НПР и соотношение пефть/газ на основе обобщения материалов по гб наиболее хорошо изученным межбассейновым областям и бассейнам "ССР, а также бассейнам Уинд-Ривер, Паудер-Ривер, Уинта-Пайсенс, Денвер. Степень адекватности моделей достаточно высокая: соответствующие значены Я колеблются в интервале 0.89-0.95. Сравнение результатов прогнозных »ценок, полученных с помощью геолого-математических моделей в 1976 и 979 году, с современными оценками (по состоянию на 01.01.93г.) для бассей-юв и межбассейновых территорий Восточной Сибири, для субаквальных бас-ейнов и межбассейнов показало, что приведешше в работе регрессионные годели имеют право на существование и в настоящее время.

10. Для оценки нефтегазоносного потенциала НГО был получен набор (в оличестве 25) решающих правил, опирающихся на применение ЛДФ и ре-рессионного анализа, и использование в каждом из решающих правил от 3 до критериев прогноза. Анализ полученных прогностических моделей позволя-г говорить о превалирующей роли при прогнозе генетических показателей, а акже показателей эволюции. Показатели же региональной миграции встре-аются лишь в моделях прогноза величины ресурсов НГО; показатели акку-[уляции - в моделях прогноза величины ресурсов НГО и фазового состояния Ъ.

11. Для количественного прогноза нефтегазоносности локальных структур 1С"Прогноз нефтегазоносности" была адаптирована к решению следующих адач - определению продуктивности локальных структур, оценке возможно-гей величины скоплений УВ; определению фазового состава и особенностей аспределения углеводородных скоплений по разрезу. На основе обобщения

большого объема фактического материала по нефтегазоносности локальнь структур различных НГП бывшего СССР (по почти 400 месторождениям пустым структурам Аму-Дарьинской, Волго-Уральской НГП, Предкавказы Для решения всего комплекса задач было построено более чем 30 геолог математических моделей, что дало возможность оценку параметров нефтег зоносности новых объектов осуществлять в соответствии с принципами мн говариантного прогноза. ' "

Среди основных критериев нефтегазоносности практически полностью о сутствуют показатели генерации и резко усиливается роль показателей мигр ции, аккумуляции и эволюции, которые занимают примерно равноценное п ложение. Такое смещение акцента в сторону негенерационных показателе является вполне закономерным и свидетельствует о том, что особенности не тегазоносности конкретных локальных объектов определяются не общи» условиями генерации в регионе, а способностью этих объектов улавливать сохранять жидкие и газообразные УВ.

12. Разработанная методология позволяет ставить и решать задачу оцеш нефтегазоносности больших глубин (более 4.5 км), используя при этом как д стижения в области совершенствования представлений о нефтегазоносное недр, так и достижения в области геолого-математического моделировани Здесь так же, как и в описанных выше в работе случаях, был взят на воору» ние принцип многовариантного прогнозирования, интервально-вероятнос ное представление конечных результатов. Более того оказывается возможны даже при слабой изученности больших глубин, оценить величину запас крупнейших нефтяных и газовых месторождений.

Результаты оценки НПР больших глубин показали, что к ним приуроче] порядка 125 млрд.т УВВ, что составляет 16% от величины НПР УУВ все; разреза, причем на долю субаквальных приходится 25 млрд.т УУВ. На дол жидких УВ приходится 25 млрд;т против 100 трлн.м3 газа. Расчеты показ: вают, что на глубинах более 4.5 км структура ресурсов обнаруживает тенде цию к ухудшению, к появлению большего количества мелких месторождеш и залежей. Правда, и на больших глубинах могут быть встречены гигантск скопления жидких (до 480 млн.т в Западно-Сибирском и до 250 млн.т в Пр каспийском НГБ) и газообразных (до 1 трлн.м3 в Западно-Сибирском, до 5 млрд.м3 в Баренцево-Карском НГБ) УВ. Сказанное свидетельствует, с одн< стороны, о перспективности больших глубин, с другой стороны, о необход мости освоения больших глубин при наличии не только мощной технически базы, но и прогноза высокой достоверности.

Как показали наши исследования, современные достижения в области тодологии прогноза дают основание расчитывать на получение прогнозш

>ешений высокой степени достоверности, что представляется исключительно !ажным в условиях резкого сокращения ассигнования на поисково->азведочные работы на нефть и газ.

Методологические основы, полученные модели прогноза и непосредствен-ю материалы прогнозов получили широкое внедрение в практику как состав-гения Комплексных программ ГРР, так и при выявлении первоочередных >бъектов для постановки на них поискового бурения.

Список основных опубликованных работ по теме диссертации

Монографии

1. Двали М.Ф., Белонин М.Д. Перспективы поисков нефти и газа на больших тлуби-ах на территории СССР. - Л.: Недра (Труды ВНИГРИ, вып.243), 1965. - 137 е..

2. Анализ влияния различных факторов на размещение и формирование месторожде-ий нефти и газа (на примере платформенных областей) / М.Д.Белонин, Г.П.Евсеев, LA.Глебовская и др. Под ред. B.C. Лазарева и В.Д. Наливкина.- Л.: Недра, 1971.- 335 с.

3. Критерии раздельной оценки нефтеносности и газоносности (на примере Тимано-1ечорской провинции) / Г.А.Амосов, М.Д.Белонин, И.С.Гольдберг и др. Под ред.

А.Черникова и Г.П.Сверчкова, - Л.: Недра, 1974. - 183 с.

4. АСУ-Нефтегазразведка. Принципы и результаты разработки / М.Д.Белонин, Э.В.Подольский, И.В.Татаринов и др. Под ред. М.Д.Белонина и Ю.В.Подольского. - Л.: [едра, 1977. - 199 с.

5. Анализ схем формирования месторождений и прогноз нефтегазоносности структур с применением математических методов и ЭВМ) / Л.З.Аминов, Г.А.Амосов, М.Д.Белонин др. Под ред. К.А.Черникова и Г.П.Сверчкова, - Л.: Недра, 1977.- 187 с.

6. Методы оценки перспектив нефтегазоносности I М.Д.Белонин, Н.И.Буялов, .В.Захаров и др. Под ред. д-ра геол.-минер.наук Н.И.Буялова и член-корр. АН СССР .Д.Наливкина. - М.: Недра, 1979. - 332 с.

7. Геолого-математические методы прогноза нефтегазоносности локальных структур олодых платформ / Г.И.Амурский, М.Д.Белонин, Я.А.Берето и др. Под ред. [.П.Жабрева и В.Д.Наливкина. - М.: Недра, 1980. - 262 с.

8. Белонин М.Д., Голубева В.А., Скублов Г.Т. Факторный анализ в геологии. - М.: [едра, 1982. - 269 с.

9. Происхождение и прогнозирование скоплений газа, нефти и битумов / Т.Д.Белонин, И.С.Гольдберг, А.Е.Гуревич и др.; - Л.: Недра. 1983.- 272 с.

10. Прогноз и оценка нефтегазоносности недр на больших глубинах / С.Н.Симаков, !.А.Аникиева, Т.П.Артамонова, М.Д.Белонин и др. Под ред. С.Н.Симакова. - Л.: Недра, Э86. - 248 с.

11. Нефтегазовый потенциал и геолого-экономические показатели подготовки и :воения углеводородного сырья в Тимано-Печорской провинции I Л.З.Аминов, [.Д.Белонин, В.И.Богацкий и др. Под ред. А.П.Боровинских. - С.-Петербург (ВНИГРИ), >95. - 98 с.

12. Атлас карт нефтегазоносности недр России. Компьютерная модель. Масштаб 5000000. Объяснительная записка / В.В.Самсонов, М.Д.Белонин, С.М.Бабикова и др. од ред. В.В.Самсонова. - С.-Петербург, 1995. - 134 с. + 9 карт.

Методические руководства

13. Методические указания по количественной оценке прогнозных ресурсов нефти, га-I и конденсата / С.П.Максимов, В.И.Ермаков, H.A. Крылов и др. -М.: ВНИГНИ, 1983. -i4c.

Обзоры

14. Факторный анализ в нефтяной геологии / М.Д.Белонин, И.В.Татаринов,

О.М.Калинин и др. - Обзор. Серия: Геология, методы поисков и разведки месторождеш нефти и газа. - М.: ВИЭМС, 1971. - 56 с.

15. Математические методы анализа при изучении закономерностей формирования размещения углеводородных скоплений / М.Д.Белонин, К.П.Иванова, В.Д.Наливкин и п - Обзор. Серия: Математические методы исследований в геологии. -М.: ВИЭМ, 1973. - 52 (совместно с,, Г.П.Сверчковым, и др.).

16. Критерии и методы количественной оценки нефтегазоносности крупных террит рий / В.Д.Наливкин, В.С.Лазарев, М.Д.Белонин и др. - Обзор. Серия: Геологические м тоды поисков и разведки месторождений нефти и газа. - М.: ВИЭМС, 1976. - 52 с.

17. Методы многомерного анализа при изучении нефтегазоносности земных недр М.Д.Белонин, К.П. Иванова, В.Д.Наливкин, Г.П.Сверчков. - Обзор. Серия: Математик ские методы исследований в геологии. - М.: ВИЭМС, 1976 .- 63 с.

18. Белонин М.Д., Подольский Ю.В. Разработка автоматизированной систек "Прогноз нефтегазоносности". - Инсгрукт. -метод, матер. Разработка и создание АС' Геология, вып.7, (14).- М.: ВИЭМС, 1978. - 71 с.

19. Метод Монте-Карло в нефтяной геологии / М.Д.Белонин, Ю.В.Подольски И.С.Симакова, В.П.Шейман. - Обзор, Серия: Математические методы исследований геологии. - М.: ВИЭМС, 1981 .- 44 с.

20. Белонин М.Д., Подольский Ю.В. Методологические основы создания автоматиз рованной системы геолого-экономического прогнозирования нефтегазоносности. Обзс Серия: Математические методы исследований в геологии - М.: ВИЭМС, 1984. - 106 с.

21. Белонин М.Д., Подольский Ю.В. Методы оценки погрешностей при решении зад; геологического прогноза нефтегазоносности. Обзор, Серия: Математические методы автоматизированные системы в геологии. - М.: ВИЭМС, 1988 .- 52 с.

22. Состояние ресурсов и перспективы Тимано-Печорской нефтегазоносной прови ции. / Н.П.Юшкин, М.Д.Белонин, В.И.Богацкий и др. / Тимано-Печорская провинця стратегия освоения новых районов в условиях рыночной экономики: Препринт. Конф ренция, 12-15.12 1994 . - Усинск, 1994. - 51 с.

Статьи, тезисы, доклады.

23. Двали М.Ф., Белонин М.Д. Перспективы поисков глубоких и сверхглубоких зал жей нефти и газа на территории СССР //Сов.геология: 1965. -№3. -С.10-22.

24. Двали М.Ф., Белонин М.Д. Перспективная оценка и пути освоения глубоких сверхглубоки* залежей нефти и газа на территории СССР // Бюлл.ОНТИ, 1965. -№ 1/54.1 : Недра. С.9-12.

25. Белонин М-Д. , Иванова К.П. Особенности залежей нефти в многопластовых ме торождениях Татарского и Пермско-Башкирского сводов // Нефтегазовая геология и ге физика.- 1967.-№3.- С.6-11.

26. Белонин М.Д., Кноринг Л.Д. Применение методов распознавания образов д оценки степени нефтегазоносности природных объектов И Геология нефти и газа. - 1971 № 7.,- С.15-18. ..,,,

27. Белонин М.Д. Состояние информационного обслуживания в области геологии СССР и за рубежом /Труды ВНЙГРИ. 1972. Вып.312, Л. С.11-20.

28. Критерии и методы количественной оценки нефтегазоносности / В.Д.Наливки М.Д.Белонин, В.С.Лазарев и др. //Советская геология. - 1976. 1. - С.28-39.

29. Опыт применения комплексного геолого-математического анализа для оценки г зоносности локальных структур молодых платформ юга СССР/ М.Д.Белони Г.И.Амурский, Я.А.Берето и др. II Геология и разведка газовых и газоконденсатных м« торождений. - Реф. сб. ВНИИЭгазпрома, 1976. -№10. -С. 13-18.

30. Автоматизированная система управления геологоразведочными работами на неф и газ / С.Н.Симаков, М.Д.Белонин, В.М.Омелин и др. II Геологическая информация и м тематическая геология: Доклады советских геологов на ХХУ сессии МГК. -М. : Недр 1976. С. 149-155.

31. Теоретические основы прогнозирования / В.Д.Наливкин, М.Д.Белонин, В.С.Л зарев, Г.П.Сверчков. // Критерии и методы прогнозирования нефти и газа: Тез. докл. С минара 14-16 декабря 1976. - Ленинград, 1976. С.З.

32. Белонин М.Д. О методических основах оценки перспектив нефтегазоносности зе-ель // Критерии и методы прогнозирования нефти и газа: Тез. докл. Семинара 14-16 де-}бря 1976.-Ленинград, 1976. С.13-14.

33. Белонин М.Д., Подольский Ю.В. О принципах и результатах создания СУ"Прогноз нефтегазоносности" как элемента АСУ-НГР // Критерии и методы прогно-фования нефти и газа: Тез. докл. Семинара 14-16 декабря 1976. - Ленинград, 1976. С.26-Г.

34. Сопоставление критериев нефтегазоносности локальных структур Урало-оволжья, Средней Азии и Предкавказья / Г.П.Сверчков, В.Д.Наливкин, М.Д.Белонин, .П.Иванова // Критерии и методы прогнозирования нефти и газа: : Тез. докл. Семинара 1-16 декабря 1976. - Ленинград, 1976. С.47-48 .

35. Задачи и критерии количественного прогнозирования и нефтегазоносности в сла-зизученных регионах / В.Д.Наливкин, В.С.Лазарев, М.Д.Белонин, Г.П.Сверчков // Гео-згия нефти и газа. - 1977. -№ 7. -С.19-23.

36. Белонин М.Д. Методические аспекты прогноза нефтегазоносности земель // Геоло-ш нефти и газа. -1977. 12. -С.32-37.

37. Теоретические основы прогнозирования / В.Д.Наливкин, М.Д.Белонин, В.С.Лаза-да, Г.П.Сверчков // // Геология нефти и газа. -1977. -№ 12. -С.7-12.

38. Белонин М.Д., Симакова И.С., Алексеев В.Б. Количественный учет условий неоп-даеленности прогноза и новый подход к оценке запасов с использованием метода Монте-арло.// Автоматизированные системы обработки для решения типовых задач нефтяной ологии. -Тр. ВНИГРИ, 1978. С. 44-59.

39. Белонин М.Д. Оценка прогнозных запасов углеводородов на глубинах более 4500 м СССР // Результаты и предпосылки поисков нефти и газа на больших глубинах. - Тр. ШГРИ, 1978. С. 108-136.

40. Белонин М.Д. Математические методы и автоматизированные системы управления СУ). П Проблемы геологии нефти и газа. - Л.: Недра, 1979. С. 92-98.

41. Обзор методов прогноза нефтегазоносности локальных ловушек и методология их югноза I В.Д.Наливхин, М.Д.Белонин, Н.И.Буялов и др. // Методы оценки нефтегазо-(сности локальных ловушек. - М.: Наука, 1981. С.6-15,

42. Принципы формирования исходного набора показателей прогноза нефтегазонос-'Сти перспективных структур и опыт применения математических методов для его ми-мизации (на примере Северо-Сахалинского нефтегазоносного бассейна) / М.Д.Белонин, 1П.Брутман, Р.Л.Буценко и др. II Методы оценки нефтегазоносности локальных ловушек Л.: Наука, 1981. С. 19-29.

43. Белонин М.Д., Наливкин В.Д. Методические основы геолого-экономического про-озированкя нефтегазоносности // Вопросы методологии нефтегазовой геологии: Губкин-ие чтения. - М.: Недра, 1982. С.26-36.

44. Белонин М.Д. Методика оценки величины и структуры потенциальных ресурсов яеводородов на больших глубинах (более 4500м) / Труды ВНИГРИ, 1982. С . 53-76.

45. Белонин М.Д. О совершенствовании сравнительно-геологических методов // Ком-ексирование методов прогноза нефтегазоносности объектов разного масштаба. - М.: 1ука, 1983. С. 148-162.

46. Комплекс критериев и геолого-математических моделей прогноза областей нефте-юнаколления / М.Д.Белонин, Г.П.Сверчков, В.Д.Наливкин и др. // Комплексирование тодов прогноза нефтегазоносности объектов разного масштаба. - М.: Наука, 1983. С.52-).

47. Белонин М.Д., Подольский Ю.В., Шейман В.П. Комплексирование методов про-эза нефтегазоносности - средство повышения точности и достоверности прогнозных пений // Комплексирование методов прогноза нефтегазоносности объектов разного сштаба. - М.: Наука, 1983. С.14-22.

48. Наливкин В.Д., Белонин М.Д., Сверчков Г.П. Принципы комплексирования мето-а в связи с созданием системы геолого-экономического прогноза нефтегазоносности II -мплексирование методов прогноза нефтегазоносности объектов разного масштаба. -: Наука, 1983.С.7-13.

49. Белонин М.Д., Подольский Ю.В. Геолого-математическое моделирование динами-прироста запасов и добычи и определение очередности открытия месторождений нефти

и газа // Геолого-экономическая оценка прогнозных ресурсов нефти и газа. -Тр. ВНИГТ 198. С. 172-188.

50. Белонин М.Д., Подольский Ю.В. Динамические модели в геолого-экономическ прогнозировании // Геолого-математическое моделирование в нефтяной геологии. ВНИГРИ, 1983.С.5-15.

51. Белонин М.Д., Наливкин В.Д., Подольский Ю.В. Теория и практика прогноза личины и структуры потенциальных ресурсов нефти и газа и динамики их освоения основе геолого-математических методов и ЭВМ // Тезисы докл. 27 МГК 4-14 августа 19 - М.: Наука, 1984, т.VIII, С. 329-330.

52. Белонин М.Д., Подольский Ю.В. Решение задач прогноза нефтегазоносности в i томатизированном режиме // Автоматизированная обработка геологических данных. - I ВИЭМС, 1984. С. 80-94.

53. Прогноз нефтегазоносности локальных ловушек / В.Д.Наливкин, Э.А.Енгалыче] др. // Тектоника и критерии нефтегазоносности локальных и зональных ловушек. - I Наука, 1987. С. 15-24.

54. Белонин М.Д., Подольский Ю.В. Создание человеко-машинной технологии шг летнего и перспективного планирования работ на нефть и газ // Человеко-машинная т нология решения прогнозных задач в нефтяной геологии. - Тр. ВНИГРИ, 1988. С. 7-13.

55. Научные основы и проблемы прогнозирования нефтегазоносности больших глуб / М.Д.Белонин, С.Г.Неручев, С.Н.Симаков, В.П.Якуцени // Условия нефтегазообразо; кия на больших глубинах. - М.: Наука, 1988. С. 14-19.

56. Модели формирования нефтегазового потенциала осадочных бассейнов, геоло1 экономической оценки и освоения углеводородных ресурсов / В.Д.Наливю М.Д.Белонин, Э.А.Енгалычев и др. // Генерация и миграция нефти. - М.: ВНИГНИ, 19; С. 140-147.

57. Значение и пути развития геолого-экономической оценки ресурсов нефти и газ: СССР /. В.Д.Наливкин, М.Д.Белонин, В.И.Назаров и др. 1! Геология нефти и газа. - 198 №10.-С. 2-8.

58. Белонин М.Д., Подольский Ю.В. Управление работами на нефть и газ и пути « оптимизации в Геосистеме // Методологические проблемы автоматизации процессов кс плексного изучения недр.- М.: ВНИИгеоинформсистем, 1989. С. 101-115.

59. Белонин М.Д., .Лейбсон М.Г., Подольский Ю.В. Экономическая оценка ресурс нефти и газа на основе динамического моделирования // Геология нефти и газа. - 199С №1, С. 42-46.

60. Белонин М.Д., Наливкин В.Д., Сверчков Г.П. Нефтегазоносность континентам ных структур России: перспективы новых открытий, проблемы эффективного освоен месторождений // Минеральные ресурсы России, экономика и управление. - 1994. -М С.9-14.

61. Белонин М.Д., Подольский Ю.В. Геолого-зкокомическая оценка потенциальн ресурсов Тимано-Печорской провинции, Печорского и Баренцева морей и возможная ; намика их освоения П Поиски, разведка и добыча нефти и газа в Тимано-Печорском б: сейне и Баренцевом море: докл. Междунар. конференции 15-17 августа 1994 г. - Сам Петербург, 1994. С. 13-24.

62. Ресурсы нефти и газа материковой части Тимано-Печорской провинции / Белон М.Д., В.Н.Макаревич, В.А.Холодилов и др. // Поиски, разведка и добыча нефти и газ. Тимано-Печорском бассейне и Баренцевом море: докл. Международной конференции 17 августа 1994 г. - Санкт-Петербург, 1994. С.103-111.

63. Белонин М.Д. Геологическая и экономическая оценка нефтегазоносности раз! масштабных объектов II Теория и практика геолого-экономической оценки разном: штабных нефтегазовых объектов. Тез. докл. 1-ой Междунар. конф.27 ноября-1 декаб 1995. - Санкт-Петербург, 1995. С. 11-13.

64. Белонин М.Д. Комплексмрование геохимического моделирования углеводородн систем и математического моделирования структуры ресурсов - путь к повышению дост верности и точности прогноза // Геохимическое моделирование и материнские поро. нефтегазоносных бассейнов: Тез. докл. 1-ой Междунар.конф. 22-24 мая 1995.- Саш Петербург, 1995. С. 15.

65. Criteria and methods of guantitative assessment of petroleum prospects in poorly studi

gre territories /V.D.Nalivkin, M.D.Belonin, V.S.Lazarev and etc. - International Geology eview, 1978, vol.18 №11, p.p. 1259-1268.

66. Белонин М.Д., Подольский Ю.В. Метод Монте-Карло - инструмент оценки усло-ш неопределенности при решении геологических задач II Matematicke metody v geologii. ршибрам (ЧССР), 1981. С.377-388.

67. Белонин М.Д., Подольский Ю.В. Геолого-математическое моделирование струк-гры потенциальных ресурсов и очередности выявления месторождений нефти и газа // [atematicke metody v geologii. Пршибрам (ЧССР), 1983. С.388-391.

68. Models of formation of oil and gas potential of sedimentary basins, geological and :onomic evaluation, and development of hydrocarbon resources / V.D.Nalivkin, M.D.Belonin, A.Engalitshev and etc. //Abstracts of 28th International Geol. Congress, USA, July 9-19, 1989. Washington, 1989, Abstracts, v.2. p.492.

69. Oil and Gas Geology of the USSR Far East Sedimentary Basins / M.D.Belonin, .A.Dranovsky, Yuri S.Voronkov, G.L.Berson // Energy Exploration & Exploitation vol. 7, №

1989. C. 443-456.

70. Yakutseni Y.P., Belonin M.D. Principles of oil and gas forecasting in great depths // bstracts of 29th Intern. Geological Congress, Japan, 24 August-3 September 1992. - Kyoto, •92, vol. Э.р.831.

71. Belonin M.D., Podolsky Y.V. Computerized technology for the solution of problems in :troleum geology // Second Codata Conference on Geomathematics and Geostatistics. Sei. de Terre, Ser., Inf., Nancy, 1992,31, p.169-176.

72. Belonin M.D., Yakutseni V.P. Hydrocarbon Resources in Deep Geopressured Zones of assia: Characteristics of Resources, Their Quality and Potential for Development // AAPG edberg Research Conference June 8-10, 1994. - Colorado, USA, 1994.

73. Belonin M.D., George V.Chilingar, Grigorenko Yu. N. Hydrocarbon distribution in dimentary basins of Northeastern Asia//Journal of Petroleum Science&Engineerjng, 15; 1996. 261-269.

74. Dyman Т., Belonin M.D., Henry M.E. Comparison of Resource Assesment Methods id Geologic Controls. Deep Natural Gas Plays and Zones, United States and Russia II AAPG nnual Convention, Abstracts, Sail-Diego, May, 1996. p. A40.

75. Belonin M.D. Mathematical geology. Progress, present state prospects 30th. ternational Geological Congress. Abstracts, vol.3, Beijing, China, 1996, p.487.

76. Belonin M.D. Resources of oil and gas in Russia and C.I.S. 30th. International ;ological Congress. Abstracts vol. 2., Beijing, China, 1996, p.833.

Подписано в печать 04.02.97. Формат 60*84/16. Бумага офсетная. Печать офсетная. Усл. печ. л. б. Тарах 130 экз. Бесплатно.

Отпечатано в МП "ЭКОДАТ". 197342, С.Петербург, ул. Политехническая д.26