Бесплатный автореферат и диссертация по наукам о земле на тему

Повышение информативности гидродинамических исследований скважин

ВАК РФ 25.00.17, Разработка и эксплуатация нефтяных и газовых месторождений

Автореферат диссертации по теме "Повышение информативности гидродинамических исследований скважин"

На правах рукописи УДК 622.276.031

Рочев Алексей Николаевич

ПОВЫШЕНИЕ ИНФОРМАТИВНОСТИ ГИДРОДИНАМИЧЕСКИХ ИССЛЕДОВАНИЙ СКВАЖИН

Специальность 25.00.17 - «Разработка и эксплуатация нефтяных и газовых месторождений»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Ухта 2004

Работа выполнена в Ухтинском государственном техническом университете.

Научный руководитель:

кандидат технических наук А.А. Мордвинов

Официальные оппоненты:

доктор технических наук Л.М. Рузин

кандидат технических наук Е.М. Гурленов

Ведущая организация: ООО «Севергазпром»

Защита состоится 21 мая 2004 г. в 10 часов в конференц-зале на заседании диссертационного совета Д212.291.01 Ухтинского государственного технического университета по адресу; 169300, Ухта, Республика Коми, Первомайская 13.

С содержанием диссертации можно ознакомиться в библиотеке университета. Автореферат разослан 19 апреля 2004 г.

Ученый секретарь диссертационного совета, кандидат технических наук

Н.М. Уляшева

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. Гидродинамические исследования скважин являются одним из основных методов получения наиболее достоверной информации о продуктивном пласте. Чем больше информации о пласте и чем точнее эта информация, тем эффективнее будет осуществляться разработка месторождений нефти и газа.

Технология гидродинамических исследований скважин, как известно, базируется на замерах показателей работы скважин (давления, дебиты и т.д.) и на интерпретации результатов этих замеров. В зависимости от примененной методики обработки замеров можно получить различную информацию о пластах и скважинах как по количеству, так и по качеству.

Часто под гидродинамическими исследованиями скважины понимается только исследования скважины на установившихся (например, снятие индикаторных диаграмм) и неустановившихся (например, снятие кривых восстановления давления) режимах работы. Обработка результатов таких гидродинамических исследований скважин основана на решении обратных задач подземной гидромеханики. Несмотря на то, что математический аппарат решения уравнений подземной гидромеханики разрабатывается и совершенствуется десятки лет, решение обратных задач часто, в конкретных практических ситуациях, наталкивается на значительные трудности. Одной из них является выбор модели пласта, к которой относится конкретная кривая восстановления давления. Применение численных моделей позволяет получить множество эталонных кривых для различных моделей пластов. Тогда возникает задача определения, к какой из моделей относится фактическая кривая восстановления давления. Для решения этой задачи необходимо привлечь высокоэффективные методы классификации. Другой сложностью при определении фильтрационных параметров пласта по кривым восстановления давления является то, что задача определения параметров оказывается некорректно поставленной. тому, что

незначительные вариации в исходных данных, которые всегда присутствуют в замерах, вызывают значительные изменения в конечных результатах. Все это требует создания и привлечения новых методов и алгоритмов при обработке результатов гидродинамических исследований скважин. Решению этих задач и посвящена диссертационная работа.

Цель исследования состоит в том, чтобы повысить вероятность принятия правильных решений по совершенствованию разработки месторождений нефти и газа за счет увеличения количества и повышения качества информации о пластах и скважинах, получаемой в результате гидродинамических исследований.

Основные задачи исследования:

изучить характер колебаний давления в нефтяных добывающих скважинах;

исследовать возможность применения инструментария искусственных нейронных сетей для определения модели пласта по кривой восстановления давления;

исследовать влияние архитектуры нейронной сети на качество классификации кривых восстановления давления;

рассмотреть особенности создания автоматизированных информационных систем для обработки результатов гидродинамических исследований скважин.

Теоретической и методологической основой исследования послужили работы отечественных и зарубежных авторов. Решению обратных задач подземной гидромеханики посвящено большое количество работ отечественной научной школы, среди которых особое место занимают труды В.Н. Щелкачева. Методы и особенности обработки результатов гидродинамических исследований скважин изложены в работах З.С. Алиева,

Г.И. Баренблатта, К.С. Басниева, С.Н. Бузинова, Л. Г. Кульпина, А.Х. Мирзаджанзаде, Ю.А. Мясникова, И.А. Чарного, Э.Б. Чекалюка, Р.Г. Шагиева и др.

В последние годы для задач классификации в ряде отраслей науки стали применяться искусственные нейронные сети. В этой связи автором изучены работы А.Н. Горбаня, В.Г. Царегородцева, С.А. Терехова, Ф. Уоссермена. Связи теории искусственных нейронных сетей с нелинейной динамикой посвящены публикации Г.Г. Малинецкого, А.Б. Потапова.

Методы регуляризации некорректно поставленных задач изложены в трудах А.Н. Тихонова. Примеры применения регуляризирующих алгоритмов к решениям некоторых задач нефтегазодобычи рассмотрены в работах А.Х. Мирзаджанзаде.

Нелинейная динамика и синергетика являются бурно развивающимися в настоящее время областями науки. Им посвящено большое количество публикаций. Учитывая междисциплинарность подходов, развиваемых в этих науках, среди авторов работ по нелинейной динамике можно встретить специалистов из самых различных областей. В нефтегазодобыче это в первую очередь труды А.Х. Мирзаджанзаде и его научной школы. Основы фрактальной геометрии заложены в работах Бенуа Мандельброта. Методы анализа временных рядов с позиций нелинейной динамики описываются в публикациях П. Берже, К. Видаль, И. Помо, Г.Г. Малинецкого, Е. Федера и др.

Научная новизна диссертационного исследования заключается в привлечении инструментария искусственных нейронных сетей для классификации кривых восстановления давления и в применении алгоритмов фрактального анализа для изучения поведения динамики давления в скважинах.

Защищаемые положения:.

• разработанные рекомендации по применению искусственных нейронных сетей для определения модели пласта по кривой восстановления давления;

• методика применения регуляризирующих алгоритмов для получения при обработке кривых восстановления давления более точных параметров пластов и скважин;

• вывод о том, что динамика давлений в фонтанирующих нефтяных скважинах может иметь детерминированный характер.

Апробация, практическая ценность и реализация работы. Основные

результаты выполненной работы докладывались:

• на I Всероссийской геофизической конференции-ярмарке «Техноэкогеофизика - новые технологии извлечения минерально-сырьевых ресурсов в XXI веке», Ухта, 1-5 октября 2002 года;

• на 5-ой международной научно-практической конференции «Хазарнефтегазятаг-2002», Баку, 18-19 ноября 2002 года;

• на Всероссийской конференции «Большая нефть: реалии, проблемы, перспективы. Нефть и газ Европейского Северо-Востока» Ухта, 15-17 апреля 2003 года;

• на 1-ой международной конференции «Нефтеотдача 2003», Москва, 19-23 мая 2003 года.

Тема диссертации связана:

• с госбюджетной НИР «§47. Совершенствование разработки месторождений нефти и газа в осложненных условиях»;

• с хоздоговорной НИР «Проведение динамического анализа разработки месторождений ОАО НК «КомиТЭК» и ОАО «Коминефть» на основе эволюционных синергетических моделей и оценки размерностных

характеристик процессов при добыче нефти с целью определения направлений нефтеотдачи пластов»;

• с хоздоговорной НИР «Разработка методики интерпретации кривых восстановления давления в газовых скважинах, вскрывших трещиновато-пористый пласт, с использованием модели Полларда».

Разработанное руководство автоматизированной информационной системы для обработки кривых восстановления давления «Поллард-Газ-КВД» принято к внедрению Вуктыльским ГПУ.

Структура диссертации. Диссертация состоит из введения, четырех разделов, заключения, библиографического списка, приложений. Работа изложена на 145 страницах, содержит 13 таблиц и 59 рисунков. Библиографический список включает 115 наименований.

Автор считает приятным долгом выразить искреннюю благодарность научному руководителю А.А. Мордвинову, доктору технических наук профессору А.Х. Мирзаджанзаде за постановку задачи о регуляризации и ректору УГТУ профессору Н.Д. Цхадая за содействие и постоянное внимание к работе на всех этапах подготовки диссертации. Также автор благодарит сотрудников Ухтинского государственного технического университета В.Н. Пушкина, В.П. Пятибрата, Ю.М. Фирсову за ценные советы; коллектив ООО ПФ «Аленд» и лично Н.В. Ирбахтина за возможность использования информационной базы по гидродинамическим исследованиям; ассистента О.М. Корохонько за помощь в оформлении текста диссертации и весь коллектив кафедры разработки и эксплуатации нефтяных и газовых месторождений и подземной гидромеханики за содействие и поддержку. Особую признательность автор выражает кандидату технических наук доценту ВА Соколову за постоянные консультации по направлению исследований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении дается обоснование актуальности проблемы и темы исследования, характеризуется степень ее разработанности, определяются объект, цель и задачи исследования, раскрывается новизна работы и ее практическая значимость. Сформулированы положения, выносимые на защиту.

Первый раздел диссертации «Фрактальный анализ динамики давления в скважине» посвящен применению алгоритмов обработки временных рядов, разработанных в нелинейной динамике, к анализу динамики давления в нефтяных скважинах. Раздел содержит подразделы с теоретическими основами фрактального анализа, постановкой задачи и результатами расчетов и выводами.

Применение в последние десятилетия в практике нефтегазодобычи электронных приборов позволило выявлять и исследовать многие, недоступные ранее, интересные явления и процессы. Например, обнаружено, что при работе добывающих скважин динамика давления может носить сложный, нерегулярный характер. В работе проведен анализ замеров давления в добывающих нефтяных скважинах с позиций нелинейной динамики -дисциплины, изучающей нелинейные динамические системы.

Технологический режим эксплуатации скважин характеризуется, как известно, дебитом, давлением, температурой и составом продукции на устье скважины. Дебит скважины, давления на устье и на забое скважины - это характеристики скважины, которые замеряются наиболее часто. Логика говорит о том, что поведение давления в скважине должно быть информативным по отношению к процессам, происходящим в ней. Ниже представлены результаты исследования поведения давления в нефтяных скважинах с использованием фрактального анализа.

На рис. 1 приведена динамика давления в нескольких скважинах в ходе

их фонтанной эксплуатации. Замеры осуществлены электронным манометром

8

типа Микон МС-107 (чувствительность прибора 0,001 МПа). В табл. 1 приведены основные параметры работы фонтанных скважин, замеров и результаты расчета корреляционной размерности. Величина М в табл. 1 - это то значение размерности пространства, начиная с которого прекращается рост корреляционной размерности (рис. 2).

0,0Е+0<> 5.0Е+03 1.0Е+04 1.5Е+04 2.0Е+04 2.5Ы-04

Рис. 1. Динамика давления в скважинах: 1- скв. 20 Щельяюр (забойное); 2- скв. 201 Луза (забойное); 3 - скв. 224 Вост.-Сотчемью-Талыйюская (устьевое); 4 - скв. 224 Вост.-Сотчемью-Талыйюская (забойное)

Таблица 1

Результаты расчета корреляционной размерности

Скважина Время замера, с Дискретность замера, с М

20 Щельяюр 532 320 120 3

201 Луза 27 165 15 4

224 Восточно-Сотчемыо-Талыйюская (устье) 19140 30 >6

224 Восточно-Сотчемью-Талыйюская (забой) 22 710 30 3

На рис. 2 приведены результаты расчета корреляционной размерности. Расчет показывает, что размерность вложения для динамики забойного давления не превышает 4, в то время как для замера устьевого давления (см. рис. 2 диаграмма 3) корреляционная размерность продолжает расти и при размерности пространства, равной 6.

Таким образом, на основании проведенных расчетов можно говорить о детерминированном .характере изменения давления на забое скважины. Следует отметить, что подобный характер изменения давления в скважине наблюдается далеко не всегда. Например, динамика давления в скважине 20 Щельяюр первоначально была монотонной, а переход к хаотическому поведению произошел после поступления в скважину воды. В продукции остальных двух скважин в течение всего периода исследования уже присутствовала пластовая вода. По всей видимости, поступление воды в скважину явилось тем фактором, который приводит динамику давления в скважине к хаотической. В этом случае оценка степени хаотичности динамики давления может служить признаком для раннего диагностирования обводнения продукции скважины в случаях, когда скорости подъема в насосно-компрессорных трубах не достаточно для выноса воды на поверхность и происходит ее накопление на забое скважины.

Рис. 2. Изменение корреляционной размерности с ростом размерности вложения для динамики давления: 1- скв. 20 Щельяюр (забойное); 2- скв. 201 Луза (забойное); 3 — скв. 224 Вост.-Сотчемью-Талыюсская (устьевое); 4 - скв. 224 Вост.-Сотчемью-Талыюсская (забойное). Кругами обозначена зависимость для случайной последовательности, квадратами — для замера давления ^ - корреляционная размерность, m - размерность пространства).

Второй раздел диссертации «Применение искусственной нейронной сети для классификации кривых восстановления давления» разбит на семь подразделов. В первом и втором подразделах приводятся основные понятия и положения теории искусственных нейронных сетей, рассматривается область применения искусственных нейронных сетей. Подразделы с третьего по пятый посвящены постановке задачи, формированию обучающего множества, и приведению задачи к безразмерному виду. Шестой подраздел является основным. В нем описаны методы и результаты исследования по применению искусственных нейронных сетей для классификации кривых восстановления давления.

Процесс обработки результатов гидродинамического исследования скважины состоит из двух основных этапов. Первый — выбор модели пласта, второй - расчет фильтрационных параметров. На современном этапе благодаря

развитию численного моделирования исследователь имеет возможность рассмотреть очень большое количество различных моделей. Наиболее распространенным подходом в настоящее время является сопоставление фактической кривой с рядом модельных и выбор той из них, с которой наблюдается наибольшее соответствие. Сопоставление, как правило, выполняется визуально, т.е. исследователь должен сравнить фактическую кривую с каждой из возможных моделей. В случае, когда количество моделей ограниченно или их круг можно сузить за счет имеющейся априорной информации, обработка нескольких кривых не представляет значительной трудности. Однако нередко, особенно на ранних стадиях разведки и разработки, возникает необходимость рассмотрения широкого круга моделей. Информации для того, чтобы отдать какой-то из них предпочтение недостаточно. Также может иметь место необходимость сопоставить с новой моделью большое количество ранее снятых кривых, хранящихся в базе данных. В этих ситуациях процедура сравнения фактических и эталонных кривых может привести к значительным затратам времени или привлечению дополнительного количества специалистов.

В работе рассмотрена возможность применения инструментария искусственных нейронных сетей (ИНС) для выбора наиболее подходящей модели пласта по фактической кривой восстановления давления. По сути дела задача выбора модели — это задача классификации. Из литературных данных известно, что в ряде отраслей задачи классификации успешно решаются путем применения ИНС. Вместе с тем применение нейросетевых алгоритмов допускает большое количество подходов к решению подобной задачи. На данный момент не существует общих правил по выбору архитектуры сети для решения той или иной задачи. В связи с этим немаловажное значение представляет выбор архитектуры сети (количество слоев, вид функции активации) и алгоритма обучения сети.

В работе рассмотрено применение нескольких вариантов архитектур для решения задачи классификации кривых восстановления давления. Обучение

сети проведено по алгоритму обучения с учителем. В качестве обучающего набора данных использовался ряд модельных кривых восстановления давления. В табл. 2 приведен перечень моделей, которые использовались для обучения сети (в формулах таблицы: Р - давление, t - время, с - константа).

Таблица 2

Модели пласта для формирования обучающего множества

Вид модели Иллюстрация модели Аналитическое решение

Линейный фильтрационный поток '/(/{///___ —1—1—► о ! ! » о ! ; £ о__^ ////// ЭЦ/)

Билинейный фильтрационный поток тгУтт др, , -0,25с/"5 51п(/)

Сферический фильтрационный поток ( * ' < ' < < Л Ч1У —Щг-г =-0,5с1°'5

Радиальный фильтрационный поток ^ = 0,5 ЭЦг)

Влияние ствола скважины - дР ( 31п(г) с

Модельные кривые приводились к безразмерному виду, а затем использовались для обучения сети. Для этого каждой модели было сопоставлено числовое значение. Обучение сети состояло в подаче на входы сети точек модельных кривых. После того, как ошибка обучения сети (т.е. разница между тем числовым значением, которое выдает сеть и тем, что было задано для данной модели) снижалась до заданного заранее уровня, процесс обучения считался завершенным и проводился экзамен сети. Экзамен заключался в подаче на входы сети кривой восстановления давления, не использовавшейся для обучения, и проверке - правильно ли сеть классифицирует кривую. Общий объем обучающего множества составлял 150 кривых восстановления, по 30 кривых для каждой из моделей. Экзаменационное множество состояло из 50 кривых, по 10 для каждой из моделей. В табл. 3 представлены результаты обучения и тестирования сети для нескольких вариантов архитектур. Создание, обучение и тестирование искусственной нейронной сети проведено с помощью модуля Neural Analyzer аналитического пакета Deductor производства компании BaseGroup Labs. Для анализа использовалась свободно распространяемая версия пакета Neural Analyzer 2.0 Lite.

Проведенные расчеты показали, что искусственная нейронная сеть может успешно применяться для определения модели пласта по кривой восстановления давления. В табл. 3 приняты следующие обозначения:

• а - крутизна сигмоиды;

• величины в скобках столбца 3 - скорость и момент обучения;

• значения в скобках столбца 4 - количество нейронов в слое (первая цифра - в первом слое, вторая - во втором и т.д).

Таблица 3

Результаты обучения и экзамена сети

Вариант архитектуры Активацион-ная функция Алгоритм обучения Количество скрытых слоев Количество циклов обучения Качества обучения (%распознанных примеров на обучающем/ тестовом множествах) Результаты экзамена (% распознанных примеров/макс отклонение)

1 2 3 4 5 6 7

1 Сигмоид (а=1) Обратное распространение ошибки (0,1, 0,9) 2 (8,8) 630 100/100 100/0,141

2 Сигмоид (а=1) Обратное распространение ошибки (0,1,0,9) НЮ) 1500 38,3/36,7 Нет экзамена

3 Сигмоид (а=1) Обратное распространение ошибки (0,1,0,9) 1(20) 1333 98,3/100 100/0,130

4 Сигмоид (а=1) Обратное • распространение ошибки (0,1, 0,9) 1(30) 1500 52/40 Нет экзамена

5 Сигмоид (а-1) Обратное распространение ошибки (0,1, 0,9) 1(40) 1021 90/100 100/0,12

б Сигмоид (а=!) Обратное распространение ошибки (0,1,0,9) 2(8,6) 462 95/100 100/0,13

В третьем разделе «Регуляризация обратных задач гидродинамических исследований скважин» описываются теоретические основы методов регуляризации некорректно поставленных задач, приводятся примеры подобных задач, возникающих при обработке кривых восстановления давления, представлен метод их решения с помощью регуляризирующего алгоритма.

После того как определена модель пласта, к которой относится конкретная кривая восстановления давления, необходимо определить фильтрационные параметры. Распространенным подходом является линеаризация кривой восстановления в тех или иных координатах и дальнейшее определение параметров этой линейной зависимости методом наименьших квадратов (МНК).

Как известно, определение параметров по методу наименьших квадратов сводится к решению уравнения вида

где z - искомые переменные;

А,и -параметры.

В тех случаях, когда матрица А оказывается плохо обусловленной, решение задачи оказывается некорректно поставленным. В этих случаях малое изменение параметров в правой части уравнения (1) может привести к значительному разбросу полученных результатов. На рис. 3 приведен пример плохой обусловленности при обработке кривой восстановления давления методом касательной. Здесь вверху показана кривая восстановления давления, снятая на забое добывающей нефтяной скважины, а внизу - обработка кривой восстановления методом касательной. На кривую был наложен случайный шум, интенсивность которого не превышает чувствительности прибора. Различным реализациям шума соответствуют различные прямые на этом рисунке. Видно, что незначительное изменение в исходных данных приводит к значительным изменениям параметров прямой. Так как по параметрам прямой рассчитываются фильтрационные характеристика продуктивного пласта, то некорректность задачи приводит к значительным вариациям в получаемых значениях фильтрационных характеристик.

Рис. 3. Кривая восстановления давления (1) и обработка ее методом

касательной (2) (скважина 51 Ираель). Для решения подобных задач в работе применен метод регуляризации А.Н. Тихонова. Суть метода состоит в минимизации функционала

_||2

М-\Аг- й|| + аО(г),

где и — неточно заданная правая часть; П - стабилизирующий функционал; - параметр регуляризации.

Стабилизирующий функционал определяется выражением

где г0 — первое приближение.

Как видно из формул (2) и (3) для применения регуляризирующего алгоритма необходимо наличие априорной информации (г0). В качестве априорной информации могут выступать, например, фильтрационные параметры пласта, определенные по анализу кернов или определенные по более ранним гидродинамическим исследованиям. В данном случае использовался второй вариант.

В табл. 4 представлен результат применения регуляризирующего метода к обработке ряда кривых восстановления давления. Анализ таблицы показывает, что применение метода регуляризации существенно уменьшает вариации в результатах обработки.

Таблица 4

Результаты регуляризации обработки кривых восстановления давления

Скважина Первое приближение Угол МНК Отрезок МНК Угол регуляриз. Отрезок регуляриз.

угол отрезок мин. макс. мин. макс. мин. макс. мин. макс.

3 Мастерьель 0,0864 0,2969 0,099 0,62 0,046 0,194 0,1 0,102 0,167 0,185

1 Юж. Терехевей 0,247 0,578 0,163 0,233 0,694 1,329 0,224 0,271 0,359 0,78

502 Ираель 0,115 0,346 0,216 0,311 0,51 1,347 0,322 0,329 0,355 0,412

51 Ираель 0,13 3,00 0,013 0,172 2,583 4,176 0,105 0,156 2,742 3,25

51 Ираель 0,172 0,538 0,143 0,185 0,436 0,764 0,155 0,191 0,387 0,67

На основании проведенных расчетов сделан вывод о том, что применение регуляризирующих алгоритмов позволяет получить более надежное значение искомых параметров.

Четвертый раздел диссертации посвящен описанию созданной автоматизированной информационной системы для обработки кривых восстановления давления в газовых скважинах - «Поллард-Газ-КВД». Система

п(*М*-*о«2

была создана с целью автоматизации процесса обработки кривых восстановления давления методом Полларда.

Согласно модели П. Полларда, кривую восстановления давления в трещиновато-пористых газовых коллекторах можно представить аддитивно-экспоненциальной моделью вида

(4)

где п обычно равно трем;

- пластовое и забойное давления;

А,- предэкспоненциальные коэффициенты; - характерные времена процессов. При t = О имеем

= = + (5)

(=1

Уравнение (5) означает, что первоначальный перепад квадратов давления, наложенный на газовый трещиновато-пористый пласт, складывается из трех слагаемых, а именно:

- перепад меду пластовым и средним давлением в трещинах всей зоны дренирования (при закрытии скважины скорость его убывания во времени зависит от скорости перетока газа из пористых блоков в трещины);

- перепад давления, затрачиваемый на преодоление гидравлических сопротивлений при движении газа в трещинах до окрестностей скважины;

- перепад между давлением в окрестностях скважины и давлением на стенке скважины, обусловленный скин-эффектом.

Процесс обработки КВД по методу Полларда состоит в определении значений предэкспоненциальных коэффициентов и характерных времен.

Разработанная система "Поллард-Газ-КВД" предназначена для расчета гидродинамических параметров пласта различными методами обработки кривой восстановления давления. В системе реализованы следующие методы обработки КВД: метод Хорнера, метод касательной (в рамках закона Дарси),

19

метод касательной (при нарушении закона Дарси), метод Полларда, а также предусмотрен пересчет кривой восстановления, в результате которого учитывается влияние ствола скважины на темп восстановления давления.

В системе автоматизированы следующие функции:

• ввод, хранение, редактирование данных кривой восстановления давления (массив времен и давлений) и данных о скважине, на которой произведен замер КВД, включая эксплуатационные характеристики скважины и данные, полученные в результате предшествующих исследований скважины;

• визуализация КВД в табличном и графическом представлении;

• обработка КВД методами Хорнера, касательной и Полларда с сохранением результатов обработки в базе данных;

• пересчет КВД с целью учета влияния ствола скважины;

• формирование информационного отчета о процессе обработки и результатах обработки КВД, содержащего также полные сведения о скважине и ее конструкции, с возможностью вывода отчета на печать и сохранения в файле.

Достоинства разработанной системы:

• возможность более гибкого сглаживания исходных данных двумя способами, что обеспечивает получение более адекватной дифференциальной кривой для прогнозирования истинного значения пластового давления;

• возможность учета влияния ствола скважины;

• возможность оценки гидравлических потерь в призабойной зоне пласта.

ОСНОВНЫЕ ВЫВОДЫ И РЕКОМЕНДАЦИИ

1. Методами фрактального анализа временных рядов установлено, что колебания давления на забое фонтанных скважин имеют детерминированный характер.

2. Показано, что задача определения модели пласта по кривой восстановления давления может рассматриваться как задача классификации.

3. Установлено, что для решения задачи классификации кривой восстановления давления могут быть применены методы, основанные на искусственных нейронных сетях.

4. Установлено, что в тех случаях, когда задача определения фильтрационных параметров пласта по КВД оказывается некорректно поставленной, для ее решения может быть применен метод регуляризации по А.Н. Тихонову.

5. Разработана АИС для обработки кривых восстановления давления, снятых в газовых скважинах, позволяющая автоматизировать процесс обработки КВД методом Полларда.

Основное содержание диссертации опубликовано в следующих печатных работах.

1. Рочев А.Н. О применении механических и электронных манометров при исследовании скважин / А.Н. Рочев, А.Н. Ирбахтин // Тезисы докладов Межрегиональной молодежной научной конференции «Севергеоэкотех - 2002» (Ухта, 19-21 марта, 2002 г). -Ухта, 2002. - С. 69-70.

2. Соколов В.А. Оценка эффективности воздействия на пласты при разработке трудноизвлехаемых запасов / В.А. Соколов, А.Н. Смирнов, А.Н. Рочев // Материалы I Всероссийской геофизической конференции-ярмарки «Техноэкогеофизика - новые технологии извлечения минерально-сырьевых ресурсов в XXI веке» (Ухта, 1-5 октября 2002 г.). Под ред. акад. РАЕН

О.Л. Кузнецова. - Ухта: Ухтинский государственный технический университет, 2002.-С.151-157.

3. Соколов В.А. Прогнозирование колебательных и хаотических режимов работы пластов и скважин / В.А. Соколов, А.Н. Смирнов, А.Н. Рочев // Доклады 5-ой международной научно-практической конференции «Хазарнефтегазятаг — 2002» (Баку, 18-19 ноября 2002 г.). -Баку, 2002.-С.241-252.

4. Соколов В.А. Мягкая эволюционная синергетическая трехмерная модель для расчета сценариев воздействия на пласт / В.А. Соколов,

A.Н Смирнов, А.Н. Рочев // Азербайджанское нефтяное хозяйство. — Баку, 2003. -№1.-С.1-7.

5. Соколов В.А. Применение эволюционных моделей для прогнозирования сценариев воздействия на пласт с целью поддержания системной самоорганизации при разработке нефтегазовых залежей /

B.Л. Соколов, А.Н. Смирнов, А.Н. Рочев // Большая нефть: реалии, проблемы, перспективы. Нефть и газ Европейского Северо-Востока: Материалы Всероссийской конференции (Ухта, 15-17 апреля 2003 г.). — Ухта: Ухтинский государственный технический университет, 2003. — С. 124-126.

6. Смирнов А.Н. Автоматизированная информационная система «Поллард-Газ-КВД» / А.Н. Смирнов, В.А. Соколов, А.Н. Рочев // Большая нефть: реалии, проблемы, перспективы. Нефть и газ Европейского Северо-Востока: Материалы Всероссийской конференции (Ухта, 15-17 апреля 2003 г.). - Ухта: Ухтинский государственный технический университет, 2003. - С. 131133.

7. Соколов В.А. Схема расчетов для определения параметров нелинейных эволюционных моделей с трехмерным фазовым портретом / В.А. Соколов, А.Н. Рочев // Большая нефть: реалии, проблемы, перспективы. Нефть и газ Европейского Северо-Востока: Материалы Всероссийской конференции (Ухта, 15-17 апреля 2003 г.). - Ухта: Ухтинский государственный технический университет, 2003.-С. 133-135.

8. Рочев А.Н. Диагностирование структуры объекта по характеристикам хаотичности переходных процессов в неоднородных пластах / А.Н. Рочев // Большая нефть: реалии, проблемы, перспективы. Нефть и газ Европейского Северо-Востока: Материалы Всероссийской конференции (Ухта, 15-17 апреля 2003 г.). - Ухта: Ухтинский государственный технический университет, 2003. -С.135-137.

9. Соколов В.А. Мягкое эволюционное моделирование процессов разработки месторождений / В.А. Соколов, А.Н. Смирнов, А.Н. Рочев // Материалы 1-ой международной конференции «Нефтеотдача 2003», (Москва, 19-23 мая 2003 г.).-М., 2003.-С. 151-158.

10. Рочев А.Н. Фрактальный анализ динамики давления в скважинах / А.Н. Рочев, А.А. Мордвинов // Материалы XXX юбилейной научно-технической конференции, посвященной 50-летию ПГТУ (Пермь, ноябрь 2003 г.).-Пермь, 2003.-С.133-141.

Соискатель

Рочев А.Н.

»-8175

Отпечатано в Отделе оперативной полиграфии Ухтинского государственного технического университета. Усл. п.л. 1,3. Уч-изд. л. 1,0. Сдано в печать 14.04.2004. Тираж 100 экз. Заказ№179 169300, Республика Коми, г. Ухта, ул. Октябрьская, 13.

Содержание диссертации, кандидата технических наук, Рочев, Алексей Николаевич

Введение.

1. Фрактальный анализ динамики давления в скважине.

1.1. Фрактальный анализ. Основные понятия.

1.2. Образование фрактальных структур в пористых средах.

1.3. Алгоритмы расчета фрактальных размерностей замеров временных рядов.

1.4. Область применения фрактального анализа.

1.5. Модельные примеры.

1.6. Фрактальный анализ динамики давления в скважине.

1.7. Выводы.

2. Применение искусственной нейронной сети для классификации кривых восстановления давления.

2.1. Искусственные нейронные сети. Основные понятия.

2.2. Задачи, решаемые с применением нейросетей.

2.3. Постановка задачи.

2.4. Модельные кривые восстановления давления. Формирование обучающего множества

2.5. Приведение задачи к безразмерному виду.

2.6. Классификация КВД с применением ИНС.

2.7. Выводы.

3. Регуляризация обратных задач гидродинамических исследований скважин.

3.1. Некорректно поставленные задачи. Понятия и определения

3.2. Область применения регуляризирующих алгоритмов.

3.3. Метод регуляризации по А.Н. Тихонову.

3.4. Регуляризация обработки кривой восстановления давления.

3.4.1 Регуляризация обработки кривой восстановления давления методом касательной.

3.4.2 Регуляризация обработки кривой восстановления давления методом П. Полларда.

3.5. Выводы.

4. Автоматизированная информационная система для обработки кривой восстановления давления.

4.1. Технические характеристики АИС.

4.2. Краткое описание интерфейса и работы с системой.

Введение Диссертация по наукам о земле, на тему "Повышение информативности гидродинамических исследований скважин"

Задачей гидродинамических исследования скважин (ГДИС) является изучение коллекторских, фильтрационных, геометрических и других свойств проницаемых пластов и продуктивных характеристик скважин. Без проведения ГДИС нельзя, например:

• принять обоснованное решение о необходимости применения методов воздействия на призабойную зону пласта (ПЗП);

• количественно оценить гидродинамический результат проведенных методов воздействия на ПЗП;

• узнать потенциальную продуктивность скважины;

• обоснованно установить норму отбора из скважины.

При проведении исследований измерять непосредственно можно только дебиты, давления и расстояния между скважинами. Численные же значения параметров, характеризующих гидродинамические и продуктивные свойства пласта и скважин, определяются расчетами путем решения обратных задач подземной гидромеханики.

На промыслах страны наибольшее распространение получили два метода исследования:

• исследование скважин на установившихся режимах работы;

• исследования скважин на неустановившихся режимах работы.

Сущность исследования скважин на установившихся режимах работы заключается в замерах дебита и забойного давления скважины на нескольких режимах ее работы.

Сущность исследования скважин на неустановившихся режимах работы состоит в измерении изменяющегося давления либо на устье, либо на забое возмущающей или реагирующей скважины. Этот вид исследования реализуется на промыслах обычно в виде метода снятия кривой восстановления давления (КВД) на той же скважине, на которой изменяется режим работы. Поэтому этот метод иногда называют самопрослушиванием скважины. Исследование скважин на 4 неустановившихся режимах работы является наиболее информативным методом изучения продуктивных пластов.

Современный этап развития технологий характеризуется широкомасштабным внедрением информационных систем практически на всех уровнях производства. Это ведет к быстрому накоплению больших объемов информации. Особенностью гидродинамических исследований скважин является то, что они направлены на изучение сложной, скрытой от непосредственного наблюдения, природной системы - нефтяного или газового пласта. При этом следует учитывать не только процессы, протекающие в пласте, но и происходящие в стволе скважины. По этой причине оказывается, что получаемой информации чаще всего недостаточно для однозначного ответа на все вопросы, интересующие технологов по разработке месторождений. Более того, нередко полученные различными методами результаты оказываются противоречащими друг другу. В этих условиях возникает необходимость искать новые подходы для обработки результатов гидродинамических исследований.

Интерпретация результатов гидродинамических методов исследования приводит к необходимости решения обратных задач подземной гидромеханики. Решению обратных задач подземной гидромеханики посвящено множество монографий отечественной научной школы, среди которых особое место занимают труды

B.Н. Щелкачева. Методы и особенности обработки результатов гидродинамических исследований скважин изложены в работах З.С. Алиева, И.М. Аметова, Г.И. Баренблатта, К.С. Басниева,

C.Н. Бузинова, Ю.П. Желтова, Е.М. Гурленова, Г.А. Зотова, Ю.П. Коротаева, Л.Г. Кульпина, А.Х. Мирзаджанзаде, А.А. Мордвинова, И.Т. Мищенко, Ю.А. Мясникова, В.А. Соколова, P.M. Тер-Саркисова, И.А. Чарного, Э.Б. Чекалюка, Р.Г. Шагиева и др.

Несмотря на то, что математический аппарат решения уравнений подземной гидромеханики хорошо разработан, решение обратных задач наталкивается на трудности. Одной из них является выбор модели пласта, к которой относится конкретная кривая восстановления давления. Развитие численного моделирования позволяет получить множество эталонных кривых для различных моделей пластов. Возникает задача определения, к какой из моделей относится фактическая кривая восстановления давления. В работе рассмотрена возможность применения к ее решению инструмента искусственных нейронных сетей (ИНС). Среди публикаций, касающихся теории и применения ИНС, автором изучены работы А.Н. Горбаня, В.Г. Царегородцева, С.А. Терехова, Ф. Уоссермена.

Другой сложностью при определении фильтрационных параметров пласта по кривым восстановления давления является то, что задача определения параметров оказывается некорректно поставленной. Методы регуляризации некорректно поставленных задач изложены в монографиях А.Н. Тихонова. Примеры применения регуляризирующих алгоритмов к решениям задач нефтегазодобычи можно найти в работах А.Х. Мирзаджанзаде. В диссертации показано, что применение регуляризирующих алгоритмов для решения подобных задач позволяет получить более точные результаты по сравнению с традиционными методами.

Повышение чувствительности приборов, применяемых для ГДИС, позволило обнаруживать даже незначительное изменение измеряемой величины. Например, динамика изменения давления в добывающих нефтяных скважинах может иметь нерегулярный, хаотический xapaicrep. Учитывая многообразие процессов, которые могут происходить в системе пласт-скважина (фазовые превращения, отложение парафина и др.) в работе для анализа динамики давления в скважине использованы методы фрактального анализа. Фрактальный анализ временных рядов 6 является частью нелинейной динамики. Нелинейная динамика и синергетика являются бурно развивающимися в настоящее время областями науки. Им посвящено большое количество публикаций. Учитывая междисциплинарность подходов, развиваемых в этих науках, среди авторов работ по нелинейной динамике можно встретить специалистов из самых различных областей. В нефтегазодобыче это в первую очередь труды А.Х. Мирзаджанзаде и его научной школы. Основы фрактальной геометрии заложены в работах Бенуа Мандельброта. Методы анализа временных рядов с позиций нелинейной динамики описываются в публикациях П. Берже, К. Видаль, И. Помо, Г.Г. Малинецкого, Е. Федера и др.

Приведенные рассуждения позволяют сформулировать цель исследования, которая состоит в том, чтобы повысить вероятность принятия правильных решений по совершенствованию разработки месторождений нефти и газа за счет увеличения количества и повышения качества информации о пластах и скважинах, получаемой в результате гидродинамических исследований.

Информационную базу для проведения исследования составили модельные и фактические данные гидродинамических исследований скважин, показатели разработки и данные о технологических режимах работы скважин.

Научная новизна диссертационного исследования заключается в привлечении инструментария нейронных сетей для классификации кривых восстановления давления, применения регуляризирующих алгоритмов для уточнения результатов гидродинамических исследований, а также применения алгоритмов фрактального анализа для анализа колебаний давления в скважинах.

В процессе исследования получены теоретические и практические результаты, определяющие новизну и являющиеся предметом защиты:

• разработанные рекомендации по применению искусственных нейронных сетей для определения модели пласта по кривой восстановления давления;

• методика применения регуляризирующих алгоритмов для получения при обработке кривых восстановления давления более точных параметров пластов и скважин;

• вывод о том, что динамика давлений в фонтанирующих нефтяных скважинах может иметь детерминированный характер.

Практическая значимость. Применение методов и подходов, предлагаемых в работе позволит:

• более корректно интерпретировать полученные результаты промысловых гидродинамических исследований;

• получать более надежные оценки фильтрационных параметров пласта;

• принимать обоснованные решения по использованию методов улучшения фильтрационных характеристик призабойной зоны.

Реализация результатов. Тема диссертации связана:

• с госбюджетной НИР «§47. Совершенствование разработки месторождений нефти и газа в осложненных условиях»;

• с хоздоговорной НИР «Проведение динамического анализа разработки месторождений ОАО НК «КомиТЭК» и ОАО «Коминефть» на основе эволюционных синергетических моделей и оценки размерностных характеристик процессов при добыче нефти с целью определения направлений нефтеотдачи пластов»;

• с хоздоговорной НИР «Разработка методики интерпретации кривых восстановления давления в газовых скважинах, вскрывших трещиновато-пористый пласт, с использованием модели Полларда».

Заключение Диссертация по теме "Разработка и эксплуатация нефтяных и газовых месторождений", Рочев, Алексей Николаевич

ОСНОВНЫЕ ВЫВОДЫ И РЕКОМЕНДАЦИИ

Одним из факторов, определяющих развитие технологий в последние десятилетия, является бурное развитие систем сбора, хранения и обработки информации. Это касается практически всех областей производства. В нефтегазодобыче это проявляется в форме широкого внедрения средств телемеханики, автоматизированных систем управления, функционирующих в режиме реального времени. Базы данных, хранящие большие объемы информации, формируются практически на всех уровнях управления нефтегазодобывающим предприятием. Росту объема информации способствует также расширение спектра различного вида исследований (трехмерная сейсморазведка, акустическое зондирование и др.). В полной мере это коснулось и гидродинамических исследований скважин. Интерпретация результатов ГДИС требует учета многообразия технических аспектов и процессов, происходящий в системе пласт-скважина. Среди них: реологические свойства флюидов, условия и тип вскрытия пласта, тип коллектора и многие другие. На практике оказывается, что многие из этих факторов либо неизвестны, либо известны неточно, а иногда только на качественном уровне. Нередко складывается ситуация, когда получаемая информация оказывается противоречивой. Все это заставляет исследователей искать и привлекать к обработке результатов ГДИС новые методы. С другой стороны, достижения в области нелинейной динамики свидетельствуют, что не только сложные, но и простые системы могут демонстрировать сложное поведение. В первой главе показано, что динамика давления в фонтанирующих добывающих нефтяных скважинах может иметь немонотонный, хаотический характер. Проведенный фрактальный анализ для четырех замеров давления, снятых в разных скважинах, показал, что во всех случаях динамика давления является детерминированной и определяется 3-4 основными переменными.

Процесс обработки кривой восстановления давления требует определения модели пласта, к которой относится данная кривая восстановления. Рассматривая эту задачу как задачу классификации КВД, представляется естественным привлечь для ее решения инструментарий искусственных нейронных сетей. ИНС уже зарекомендовали себя как эффективное средство для решения задач классификации в условиях противоречивости или неточности исходной информации. Выполненная во втором разделе задача по классификации модельных кривых свидетельствует о том, что ИНС могут быть с успехом применены для решения этой задачи. Это позволит, во-первых, группировать кривые восстановления давления по степени близости к той или иной модели и, во-вторых, автоматизировать процесс обработки КВД.

Однако определение фильтрационных параметров пласта даже при полной уверенности в правильном выборе модели пласта может таить в себе трудности. Это связано с возможной некорректностью задачи по определению фильтрационных параметров. Некорректность задачи приводит к тому, что незначительные изменения исходных данных приводят к значительному изменению в результатах. Поскольку все замеры производятся с погрешностью, избежать некорректности невозможно. Для решения некорректных задач в математике разработан ряд алгоритмов. Часть из них: основана на применении регуляризирующих операторов (регуляризация по Тихонову). В третьем разделе показано, что применение регуляризирующих алгоритмов может успешно применяться для определения фильтрационных параметров пласта по КВД в тех случаях, когда задача оказывается некорректной. Вместе с тем применение методов регуляризации требует наличия априорной информации о значениях определяемых параметров пласта.

Предлагаемые в работе подходы призваны не заменить собой уже существующие методы анализа и обработки результатов ГДИС, а могут служить дополнительным средством для понимания процессов, происходящих в пласте и скважине и, как следствие этого, принятия эффективных технологических решений.

В заключении сформулируем кратко основные выводы.

1. Методами фрактального анализа временных рядов установлено, что колебания давления на забое фонтанных скважин имеют детерминированный характер.

2. Показано, что задача определения модели пласта по кривой восстановления давления может рассматриваться как задача классификации.

3. Установлено, что для решения задачи классификации кривой восстановления давления могут быть применены методы, основанные на искусственных нейронных сетях.

4. Установлено, что в тех случаях, когда задача определения фильтрационных параметров пласта по КВД оказывается некорректно поставленной, для ее решения может быть применен метод регуляризации по А.Н. Тихонову.

5. Разработана АИС для обработки кривых восстановления давления, снятых в газовых скважинах, позволяющая автоматизировать процесс обработки КВД методом Полларда.

Библиография Диссертация по наукам о земле, кандидата технических наук, Рочев, Алексей Николаевич, Ухта

1. Вольпин А.С. Обзор современных автономных глубинных манометров, используемых при исследованиях скважин / А.С. Вольпин, А.К. Пономарев // Нефтяное хозяйство. 2003. - №12. - С. 57-59.

2. Рочев АН. Фрактальный анализ динамики давления в скважинах / А.Н. Рочев, АА. Мордвинов // Материалы XXX юбилейной научно-технической конференции, посвященной 50-летию ПГТУ, Пермь, ноябрь 2003 г. Пермь, 2003. - С. 133-141.

3. Анищенко B.C. Знакомство с нелинейной; динамикой: Лекции соросовского профессора: Учеб. пособие / B.C. Анищенко. Москва-Ижевск: Институт компьютерных исследований, 2002. - 144 с.

4. Берже П. Порядок в хаосе. О детерминистском подходе к турбулентности / П.1 Берже, И. Помо, К. Видаль: Пер. с франц. Ю.А Данилова. М.: Мир, 1991.-368 с.

5. Ижикевич Е.М. О возможной роли хаоса в нейросистемах / Е М. Ижикевич, Г.Г. Малинецкий //Доклады Академии наук. М, 1992. - №4: -Т.326.-С. 626-632.

6. Малинецкий Г.Г. Хаос. Структуры. Вычислительный эксперимент: Введение в нелинейную динамику / Г.Г. Малинецкий. М.: Эдиториал УРСС, 2000. - 256 с.

7. Неймарк Ю.И. Стохастические и хаотические колебания / Ю.И. Неймарк, П.С. Ланда. М.: Наука, Главная редакция физико-математической литературы, 1987. - 424 с.

8. Ризниченко Г.Ю. Лекции по математическим моделям в биологии. Часть 1. / Г.Ю. Ризниченко. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2002. - 232 с.

9. Современные проблемы хаоса и нелинейности / К. Симо, С. Смейл, А. Шенсине и др.: Пер. с англ. под ред. А.В. Борисова, А.А. Килина. Ижевск: Институт компьютерных исследований, 2002. - 304 с.

10. Браже Р.А. (н.д. / 2002, Май 31). Цикличность, стохастичность и фрактальность в процессах формирования рыночных цен. WWW документ. URL http://lpur.tsu.ru/Public/a0101/a011601.shtm.

11. Пригожин И. Порядок из хаоса. Новый диалог человека с природой / И. Пригожин, И. Стенгерс: Пер. с англ. Ю.А. Данилова / Под ред. В.И. Аршинова, Ю.Л. Климонтовича, Ю.В. Сачкова. М.: Эдиториал УРСС, 2000.-312 с.

12. Мирзаджанзаде А.Х. Системные методы в нефтедобыче / А.Х. Мирзаджанзаде, В.П. Филиппов, И.М. Аметов. М.: Техника, ООО «ТУМА ГРУПП», 2002. - 144 с.

13. Мирзаджанзаде А.Х. Этюды о моделирование сложных систем нефтедобычи. Нелинейность, неравновесность, неоднородность /А.Х. Мирзаджанзаде, Р.Н. Хасанов, Р.К Бахтизин. Уфа: Гилем, 1999. -464 с.

14. Соколов В. А. Мягкая эволюционная синергетическая трехмерная модель для расчета сценариев воздействия на пласт / В.А. Соколов, А.Н. Смирнов, А.Н. Рочев // Азербайджанское нефтяное хозяйство. 2003. - № 1. - С.1-7.

15. Соколов В.А. Мягкое эволюционное моделирование процессов разработки месторождений / В.А. Соколов, А.Н. Смирнов,

16. A.Н. Рочев // Материалы 1-ой международной конференции «Нефтеотдача 2003», Москва, 19-23 мая 2003 г. М., 2003. - С. 151 -158.

17. Соколов В.А. Применение эволюционных моделей для прогнозирования сценариев воздействия на пласт с целью поддержания системнойs самоорганизации при разработке нефтегазовых залежей /

18. Дмитриевский А.Н. Фундаментальные проблемы геологии нефти и газа / А.Н. Дмитриевский II Современные проблемы геологии нефти и газа: Сборник статей М.: Научный мир, 2001. - С. 22-28.

19. Конторович А.Э. Детерминированный характер процесса нефтеобразования в истории земли и его количественные характеристики / А.Э. Конторович, В.Р. Лившии // Геология нефти и газа. -2002.-№1.-С. 9-16.

20. Захаров B.C. (2002). Поиск детерминизма в наблюдаемых геолого-геофизических данных: анализ корреляционной размерности временных рядов. WWW документ. URL http://dunamo.geol.msu. ru/personal/vsz/posters/Yanshin2002. html

21. Мандельброт Б. Фрактальная геометрия природы / Б. Мандельброт: Пер. с англ. А.Р. Логунова / Под ред. А.Д. Морозова. М.: Институт компьютерных исследований, 2002. - 656 с.

22. Жиков В.В. Фракталы / В.В. Жиков // Соровский образовательный журнал. 1996. - №12. - С. 109-117.

23. Божокин С.В. Фракталы и; мультифракталы: Учеб. Пособие / С.В. Божокин, ДА Паршин. Ижевск: НИЦ «Регулярная и хаотическая динамика»: 2001. - 128 с.

24. Морозов А.Д. Введение в теорию фракталов / А.Д. Морозов. -2-е изд., доп. Москва-Ижевск: Институт компьютерных исследований, 2002.-160 с.

25. Федер Е. Фракталы / Е.Федер: Пер с англ. Ю.А. Данилова, А. Шукурова. М.: Мир, 1991.-254 е.: ил.

26. Фракталы в физике: Труды VI международного симпозиума по фракталам в физике / МЦТФ, Триест, Италия, 9-12 июля, 1985 г. / Под ред Л. Пьетронеро, Э. Тозатти: Пер. с англ. под ред. Я.Г. Синая, И.М. Халатникова. М.: Мир, 1988. - 672 е.: ил.

27. Золотухин И.В. Фракталы в физике твердого тела / И.В. Золотухин // Соровский общеобразовательный журнал. 1998. - №7. -С. 108-113.

28. Запивалов Н.П., Смирнов Г.И. (н.д. / 2002, Май 27). Фракталы в нефтегазовой геологии и геофизике. WWW документ. URL http://lpur.tsu.ru/Public/a0101/a014601.shtm.

29. Пайтген Х^-О. Красота фракталов. Образы комплексных динамических систем / Х.-О. Пайтген, П.Х. Рихтер. М.: Мир, 1993. - 176 с.

30. Пахаруков Ю.В. Фрактальная геометрия как метод анализа процессов заводнения нефтяного пласта / Ю.В. Пахаруков, В.Н. Осташков, Н.Л. Кузнецова // Нефть и газ. 2000. - №6. - С. 56-60.

31. Пахаруков Ю.В. Механизм возникновения микро-гетерофазного состояния на границе раздела масло-вода / Ю.В. Пахаруков, И.М. Артюхова // Нефть и газ. 1999. - №4. - С.52-55.

32. Кузьмин Г.А. Вытеснение жидкости в пористых автомодельных средах / Г.А. Кузьмин, О.Н, Соболева // Физическая мезомеханика. -2002. №5. - С. 119-123.

33. Эфрос А.Л. Физика и геометрия беспорядка / А.Л. Эфрос. -(Библиотечка «Квант», выпуск 19). — М.: Наука. Гл. ред. физ.-мат. литературы. 1982. - 270 с.

34. Тарасевич Ю.Ю. Перколяция: теория, приложения, алгоритмы: Учеб. пособие / Ю.Ю. Тарасевич. М.: Едиториал УРСС. -2002.-112 с.

35. Фракталы и перколяция в пористой среде / Э. Гийон, К.Д. Митеску, Ж.-П. Юлен, С. Ру // Успехи физических наук. 1991. - №10. -Т.161. - С.121-128.

36. Хакен Г. Синергетика: Иерархии неустойчивостей в самоорганизующихся системах и устройствах / Г. Хакен: Пер. с англ. Ю.А. Данилова / Под ред. Ю.Л. Климонтовича. М.: Мир, 1985. -423 с.120

37. Малинецкий Г.Г. Современные проблемы нелинейной динамики / Г.Г. Малинецкий, А.Б. Потапов. М.: Эдиториал УРСС, 2000. - 336 с.

38. Павлов А.Н. Применение методики реконструкции математической модели к электрокардиограмме / А.Н. Павлов, Н.Б. Янсон // Известия вузов «ПНД». 1997. - №1 - Т.5. - С. 93-108.

39. Восстановление структуры динамической системы по временным рядам / Д.А. Грибков, В.В. Грибкова, Ю.А. Кравцов, Ю.И. Кузнецов, А.Г. Ржанов // Радиотехника и электроника. 1994. - Вып.2. -С. 269-277.

40. Ланда П.С. К вопросу о вычислении максимального ляпуновского характеристического показателя по одной экспериментальной реализации / П.С. Ланда, В.И. Четвериков //Журнал технической физики. 1988. -Т.58. - С. 433-441.

41. Малинецкий Г.Г. О вычислении размерности странных аттракторов / Г.Г. Малинецкий, А.Б. Потапов //Журнал вычислительной математики и математической физики. 1988. - №7. - Т.28. - С. 10211037.

42. Волович М.Е. (2001). Программные средства и? алгоритмы идентификации и исследования динамических систем по временным рядам. WWW документ. URL http://www.do.sssu.ru/ito2001/mater/mgapi2.html

43. Кубрин С.С. (н.д. / 2002, Май 31). Определение размерности Хаусдорфа фракталов с циклически повторяющимися структурами. WWW документ. URL http://lpur.tsu.ru/Public/a0101/a013001.shtm

44. A vectorized algorithm for correlation dimension estimation / E.Toledo, S. Toledo, Y. Almog, S. Akselrod // Physics Letters A. 1997. -№229. - June, 2. - P. 375-378.

45. Сычев В.В. (н.д./ 2002). Вычисление стохастических характеристик физиологических данных. WWW документ. URL http://impb.psn.ru/~sychyov/fractan.shtml

46. Pisarenko D.V. Statistical estimation of the correlation dimension / D.V. Pisarenko, V.F. Pisarenko // Physics Letters A. 1995. - №197. — January, 9.-P. 31-39.

47. Семенова Н.Ю., Захаров B.C. (н.д./ 2002) Фрактальный анализ и поиск детерминизма в данных ЭЭГ. WWW документ. URL http://dunamo.geol.msu.ru/personal/vsz/posters/Gurz2002/Gurz2002.html

48. Потапов А.А., Герман В.А. (н.д./2002) Применение фрактальных методов для обработки радиолокационных изображений. . WWW документ. URL http://www.cplire.ru/joined/win/lection6/text.html

49. Цветков И.В. (н.д./ 2002, Май 4).Применение фрактальных методов к анализу динамики электоральных предпочтений. WWW документ. URL http://aik.barnaul.ru/aik/bullet/rindex.html

50. Короткий С. Нейронные сети: основные положения. URL http://masters.donntu.edu.ua/2000/fkita/bloshits/biblio.htm

51. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика / Ф. Уоссермен: Пер. с англ. М.: Мир, 1992. - 240 с.

52. Шумский С. (2000 Февраль, 8). Нейросетевые агенты в интернете. WWW документ. URL http://www.computerra.ru.

53. Терехов С.А. (1994, оригинальный текст; 1998, электронная версия). Лекции по теории и приложениям искусственных нейронных сетей. WWW документ. URL http://alife.narod.ru/lectures/neural/Neuch03.htm.

54. Терехов С.А. (н.д./2003, Сентябрь 21). Глава 4. Нейросетевые информационные модели сложных инженерных систем. WWW документ. URL http://www.91.ru/Education/Books.

55. Суровцев И.С. Нейронные сети. Введение в современную информационную технологию / И.С. Суровцев, В.И. Клюкин, Р.П.122

56. Пивоварова; Под общей ред. И.С. Суровцева. Воронеж: Воронежский государственный университет, 1994. - 224 с.

57. Сотник С.Л. (1997-1998). Основы проектирования систем искусственного интеллекта. WWW документ. URL http://www.i2.com.ua.

58. Мкртчян С.О. Нейроны и нейронные сети : Введение в теорию формальных нейронов и нейронных сетей / С.О. Мкртчян. М.: Энергия, 1971.-232 с.

59. Короткий С. Нейронные сети: алгоритм обратного распространения.

60. URL http://masters.donntu.edu.ua/2000/fkita/bloshits/biblio.htm

61. Горбань А.Н. Нейронные сети на персональном компьютере / А.Н. Горбань, Д.А. Россиев. Новосибирск: Наука, Сибирская издательская фирма РАН, 1996. -276 с.

62. Вялый М. (2000, Февраль 8). Нейрооптимизм. WWW документ. URL http://www.computerra.ru.

63. Гуриев В. (2003, июль 9). Эдипов комплекс с точки зрения Эдипа WWW документ. URL http://www.computerra.ru/hitech/perspect/27302.

64. Левкович-Маслюк Л. (2002, Октябрь 23). Естественный путь к искусственному интеллекту. WWW документ. URL http://www.computerra.ru.

65. Пенроуз Р. Новый ум короля. О компьютерах, мышлении и законах физики /Р. Пенроуз. М. Эдиториал УРСС., 2003. - 384 с.

66. Борисюк Г.Н. Модели динамики нейронной активности при обработке информации мозгом итоги «десятилетия» / Г.Н. Борисюк, P.M. Борисюк, Я.Б. Казанович, Г.Р. Иваницкий // Успехи физических наук. - 2002. - №10. - Т. 172 - С. 1189-1214.

67. Костылев И. А. Параметры порядка в нейронной сети Хопфилда / И.А. Костылев, Г.Г. Малинецкий, А.Б. Потапов // Журналвычислительной математики и математической физики. 1994. - Т.34. -С. 1733-1741.

68. Использование метода на базе искусственного интеллекта для выбора объекта и технологии увеличения нефтеотдачи пласта / P.P. Ибатуллин, Е.Д. Подымов, А.А. Шутов, Н.Г. Ибрагимов, Р.С. Хисамов // Нефтяное хозяйство. 2002. - №10. - С. 52-55.

69. Соломатин Г.И. Прогнозирование работы скважин с помощью искусственных нейронных сетей / Г.И. Соломатин, А.З. Захарян, Н.И. Ашкарин // Нефтяное хозяйство. 2002. - №10. - С. 92-96.

70. Иваненко Б.П. Нейросетевое моделирование процессов добычи нефти / Б.П. Иваненко, С.А. Проказов, А.Н. Парфенов // Нефтяное хозяйство. 2003. - №12. - С. 46-49.

71. Разработка автоматизированной системы для прогнозирования показателей бурения на основе нейронных моделей / Р.А. Гасанов, Г.Н. Меджидов, Р.Б. Алекперов, К.С. Кемиров, Н.А. Меджидов // Нефтяное хозяйство. 2001. - №10. - С. 40-42.

72. Апостолов А.А. Нейросетевые экспертные системы для объектов магистрального транспорта газа / А.А. Апостолов, Б.Л. Кучин // Газовая промышленность. №2, 2004, - С. 72-75.

73. Кутуков С.Е. Генетический алгоритм диагностики осложнений технологических режимов нефте- и продуктопроводов / С.Е. Кутуков, Р.Н. Бахтизин // Нефть и газ. 2003. - №5. - С. 55-62.

74. Еремин Н.А. Моделирование месторождений углеводородов методами нечетной логики / Н.А. Еремин. М.: Наука, 19941 - 462 с.

75. Шагиев Р.Г. Исследование скважин по КВД / Р.Г. Шагиев. М.: Наука, 1998.-304 с.

76. Мордвинов А.А. Оценка гидродинамического совершенства скважин на основе применения идентификационных моделей / А.А. Мордвинов, В.Г. Рейтенбах // Известия вузов: Нефть и газ. 1987. -№10.-С. 43-45.

77. Мордвинов А.А. Оценка совершенства скважин Усинского месторождения / А.А. Мордвинов // Нефтяное хозяйство. 1987. - №4. -С. 43-44.

78. Вольпин С.Г. Гидродинамические исследования низкопроницаемых коллекторов / С.Г. Вольпин, Ю.А. Мясников, А.В. Свалов //Нефтяное хозяйство. 2000. - №12. - С. 8-10.

79. Гидродинамические исследования горизонтальных скважин / Р.Х. Муслимов, Р.С. Хисамов, Р.Г. Фархуллин, М.Х. Хайруллин, Р.В. Садовников, М.Н. Шамсиев, П.Е. Морозов // Нефтяное хозяйство. 2003.- №7. С. 74-75.

80. Рахматуллин В.У. Об одной задаче восстановления давления / В.У. Рахматуллин, А.П. Потапов // Нефтяное хозяйство. 2001. - №3. -С. 56-58.

81. Федоров В.Н. Современные гидродинамические методы исследования скважин / В.Н. Федоров, В.М. Мешков // Интервал. 2002.1. С. 55-60.

82. Мирзаджанзаде А.Х. Физика нефтяного и газового пласта: Уебник для вузов / А.Х. Мирзаджанзаде, И.М. Аметов, А.Г. Ковалев. М.: Недра, 1992.-270 с.

83. Бочаров Г.В. Метод интерпретации КВД в газоконденсатных скважинах / Г.В. Бочаров // Нефтепромысловое дело. 2003. - №9. - С. 29-33.

84. Болотник Д.Н. Постоянно действующие геолого-математические модели месторождений. Задачи. Возможности. Технологии / Д.Н. Болотник, B.C. Макарова, А.В. Рыбников, Г.Г. Саркисов // Нефтяное хозяйство. 2001. - №3. - С. 7-10.

85. Динариев О.Ю. Анализ и обработка геолого-технологической информации средствами виртуальной реальности / О.Ю. Динариев, Н.В. Евсеев, Е.И. Храпова // Нефтяное хозяйство. -2000. №10. - С. 57-59.

86. Костюченко С.В. Математическое моделирование полей давлений в нефтяных резервуарах с произвольными системами скважин различных профилей /С.В. Костюченко // Нефтяное хозяйство. 2000. -№10.-С. 70-77.

87. Макарова Е.С. Основные этапы трехмерного гидродинамического моделирования процессов разработки месторождений природных углеводородов / Е.С. Макарова, Г.Г. Саркисов // Нефтяное хозяйство. 2001. - №7. - С. 31-33.

88. Рыбников А.В. Стохастические геологические модели -методы, технологии, возможности * / А.В. Рыбников, Г.Г. Саркисов // Нефтяное хозяйство. 2001. - №6. - С. 22-24:

89. Самарский А.А. Математическое моделирование: Идеи. Методы. Примеры / А.А. Самарский, А.П. Михайлов. М.: Наука, 1997. -320 с.

90. Советкин В.Ю. Обоснование начального положения газонефтяного контакта при помощи компьютерного моделирования / В.Ю. Советкин // Нефтяное хозяйство. 2000. - №12. - С. 69-71.

91. Хасанов М.М. Программно-методическое обеспечение мониторинга процессов разработки / М.М. Хасанов, Н.Т. Карачурин, P.M. Галеев // Нефтяное хозяйство. 2000. - №10. - С. 78-80.

92. Ватульян А.О. (1998) Математические модели и обратные задачи. WWW документ. URL http://www.pereplet.ru/obrazovanie/stsoros/673.html.

93. Регуляризирующие алгоритмы и априорная информация /

94. A.Н. Тихонов, А.В. Гончарский, В.В. Степанов, А.Г. Ягола. М.: Наука, Главная редакция физико-математической литературы, 1983. -200 с.

95. Алифанов О.М. Обратные задачи теплообмена / О.М. Алифанов. М.: Машиностроение, 1988. -280 с.

96. Бакушинский А.Б. Итеративные методы решения некорректных задач / А.Б. Бакушинский, А.В. Гончарский. М.: Наука, Главная редакция физико-математической литературы, 1989. - 128 с.

97. Бакушинский А.Б. Некорректные задачи. Численные методы и приложения / А.Б. Бакушинский, А.В. Гончарский; М.: Издательство Московского университета, 1989. - 199 с.

98. Васин В.В. Некорректные задачи с априорной информацией /

99. B.В. Васин, А.Л. Агеев. Екатеринбург: УИФ «Наука», 1993. -262 с.

100. Ахатов И.III. Применение методов регуляризации для решения задач интерференции скважин / И.Ш. Ахатов, Р.Н. Бахтизин, АР. Латыпов // Нефть и газ. 1988. - №6. - С. 93-95.

101. Латыпов А.Р. О точности оценки начальных запасов газовых месторождений / А.Р. Латыпов, Р.Н. Бахтизин, А.У. Бакиров // Известия высших учебных заведений. 1991. - №8. - С. 33-37.

102. Булейко В.М. Применение метода регуляризации при обработке результатов теплофизических экспериментов / В.М. Булейко, Т.И. Савелова // Нефть и газ. 1987. - №6. - С. 57- 62.

103. Соколов В.А. Газогидродинамические методы исследования пластов и скважин: Учеб. Пособие / В.А. Соколов. Ухта: Ухтинский индустриальный институт, 1992. - 150 с.

104. Кульпин Л.Г. Современные принципы компьютерной интерпретации данных гидродинамических исследований скважин / Л.Г. Кульпин, Г.В. Бочаров // Нефтяное хозяйство. 2001. - №10. - С. 60-62.

105. Кузин Ф.А. Диссертация: Методика написания. Правила оформления. Порядок защиты: Практическое пособие для докторантов, аспирантов и магистров / Ф.А. Кузин. 2-е изд., доп. - М.: Ось-89, 2001. -320 с.

106. Фаронов В.В. Delphi 4. Учебный курс / В.В. Фаронов. М.: Нолидж, 1999.-464 с.

107. Дьяконов В.П. MathCAD 8/2000. Специальный справочник.

108. В.П. >нов. Питер, 2000. - 592 с.