Бесплатный автореферат и диссертация по наукам о земле на тему

Разработка статистических моделей для определения конечного коэффициента извлечения нефти из недр

ВАК РФ 25.00.12, Геология, поиски и разведка горючих ископаемых

Автореферат диссертации по теме "Разработка статистических моделей для определения конечного коэффициента извлечения нефти из недр"

На правах рукописи

Акимов Иван Александрович

РАЗРАБОТКА СТАТИСТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ОПРЕДЕЛЕНИЯ КОНЕЧНОГО КОЭФФИЦИЕНТА ИЗВЛЕЧЕНИЯ НЕФТИ ИЗ НЕДР (на примере территории Пермского края)

25 00 12 - Геология, поиски и разведка горючих ископаемых

Автореферат диссертации на соискание ученой степени кандидата технических наук

Пермь 2007

□□3174БЗЗ

003174633

Работа выполнена в Пермском государственном техническом университете

Научный руководитель - заслуженный деятель науки РФ,

доктор геолого-минералогических наук, профессор Галкин Владислав Игнатьевич

Официальные оппоненты - доктор технических наук

Крысин Николай Иванович (ООО «ПермНИПИнефть»)

- кандидат технических наук

Коноплев Александр Васильевич (Пермский государственный университет)

Ведущее предприятие - ФГУДП «КамНИИКИГС»

Защита состоится 7 ноября 2007 г в 16 часов на заседании диссертационного совета Д 212 188.03 при Пермском государственном техническом университете по адресу

614990, г Пермь, Комсомольский проспект, 29, ауд 423 6

С диссертацией можно ознакомиться в научной библиотеке ПГТУ

Автореферат разослан 5 октября 2007 г

Ученый секретарь диссертационного совета доктор геолого-минералогических наук

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

В настоящее время в Пермском крае используется ряд отечественных и зарубежных методик для оценки коэффициента извлечения нефти из недр (КИН) Причем все эти методики составлены для более широких территорий, например, для Волго-Уральской нефтегазоносной провинции Поэтому целесообразно оценить «работоспособность» применяемых методик путем сравнения их с утвержденными ЦКР Роснедра коэффициентами извлечения нефти в проектно-технологических документах (КИНщ>) и обоснованными с применением геолого-гидродинамического моделирования

В целом анализ показывает, что эти методики, обоснованные по состоянию разработки месторождений на период 1970-80 годов, фактически устарели, так как накопленные данные по выработке нефтяных объектов показывают, что использование этих методик в настоящем виде занижает КИНпр и необходима их корректировка

Использование огромного, накопленного на текущий момент опыта разработки месторождений позволило построить адекватные математические модели для оценки конечной нефтеотдачи объектов разработки Пермского края

Цель работы

Разработка математических моделей для определения КИН объектов разработки на основе вероятностно-статистического анализа геолого-промысловых данных

Основные задачи исследований

1 Обоснование требований к обучающей выборке при построении моделей для определения КИН,

2 Научное обоснование необходимости оценки КИН в зависимости от типа коллектора, способа эксплуатации объектов разработки, нефтегазоносных комплексов, входящих в объект разработки пластов, нефтегеологического районирования территории,

3 Построение статистических моделей для определения КИН по геолого-промысловой информации

Методы решения задач

Для решения поставленных задач использованы результаты геологического и гидродинамического моделирования, а также геолого-промысловая информация по разрабатываемым залежам месторождений Пермского края Результаты проанализированы и обобщены с использованием статистических методов обработки экспериментальных данных

Научная новизна

1 Впервые разработана методика формирования обучающей выборки при построении статистических моделей для определения значений КИН,

2 Впервые построены статистические модели определения КИН с учетом регионального изменения геолого-физических свойств пластов коллекторов и физико-химических характеристик нефтей,

3 Обоснована необходимость дифференцированной оценки КИН в зави-

симости от типа коллектора, способа эксплуатации объектов разработки, нефтегазоносных комплексов, входящих в объект разработки пластов,

4 Построены общие и дифференцированные статистические модели для определения КИН объектов разработки месторождений Пермского края, выполнен анализ их «работоспособности»

Защищаемые положения диссертации

1 Методика формирования обучающей выборки при построении моделей КИН,

2 Нефтегеологическое районирование изучаемой территории для построения статистических моделей определения КИН с учетом свойств пластов коллекторов и нефтей,

3. Математические модели для определения КИН объектов разработки месторождений Пермского края

Практическая ценность работы

1 Создание и внедрение в практику методики оценки КИН объектов разработки месторождений Пермского края,

2 Повышение точности оценки извлекаемых запасов нефти месторождений Пермского края,

3 Использование полученных моделей при оперативных подсчетах запасов, контроле значений КИН, полученных при промышленном подсчете запасов, геолого-гидродинамическом моделировании объектов разработки, оценке запасов по международным классификациям.

Апробация работы

Результаты работы используются в ООО «ПермНИПИнефть» для расчета КИН при первом подсчете запасов и в ООО «ЛУКОЙЛ-ПЕРМЬ» при контроле проектных значений КИН

Материалы диссертации докладывались и обсуждались на конференциях молодых ученых и специалистов ООО «ЛУКОЙЛ-ПЕРМЬ» (2004-2007 гг), конференции молодых ученых и специалистов ОАО «ЛУКОЙЛ» (2005 г ), научно-практической конференции ООО «ПермНИПИнефть» (2006 г), научно-практической конференции Горного Института Уральского отделения РАН (2004 г ), научно-практических конференциях ПГТУ (2002-2007 гг )

Публикации

Основные положения диссертации изложены в 8 публикациях

Объем работы

Диссертационная работа состоит из введения, четырех глав и заключения Объем работы 121 страница, включая 94 рисунка, 46 таблиц, список литературы из 116 наименований.

Автор выражает благодарность научному руководителю, заслуженному деятелю науки РФ, доктору геолого-минералогических наук, профессору В И Галкину

Искреннюю признательность за консультации и поддержку в работе над диссертацией автор выражает А. И Савичу, С В Галкину

СОДЕРЖАНИЕ РАБОТЫ В первой главе дано краткое описание изучаемой территории по нефтегазоносным комплексам, а также приведено сопоставление КИНщ> с КИН, рассчитанным по имеющимся математическим моделям

В пределах Пермского края в тектоническом отношении выделяются следующие крупные структуры. Пермский свод (ПС), Башкирский свод (БС), Бым-ско-Кушурская впадина (БКВ), Верхнекамская впадина (ВКВ), Висимская впадина (ВисВ), Ракшиская седловина (РакС) - находятся на платформенной части изучаемой территории, Соликамская депрессия (СолД), Косьвинско-Чусовская седловина (КЧС) и Юрюзаио-Сылвинская депрессия (ЮСД) - приурочены к Предуральскому краевому прогибу, Передовые складки Урала (ПСУ)

Промышленная нефтегазоносность территории установлена в отложениях шести нефтегазоносных комплексов, в эйфельско-кыновских терригенных, в верхнедевонско-турнейских карбонатных, в визейских терригенных, в башкирско-серпуховских карбонатных, в московских терригенно-карбонатных, в верх-некаменноугольно-нижнепермских карбонатных отложениях

В настоящее время при оценке КИН в Пермском регионе используется ряд аналитических методик Нами оценена их эффективность применительно к месторождениям Пермского края, и проанализированы полученные по ним результаты с величинами, утвержденными государственными инстанциями

Сопоставление значений рассчитанных по имеющимся статистическим моделям КИН с КИНдр показало, что имеющиеся на сегодняшний день методики фактически устарели, так как обоснованы по состоянию разработки месторождений на период 1970-80-х гг Накопленные данные по выработке нефтяных объектов показывают, что использование имеющихся методик в настоящем виде занижает КИНПр и необходима их корректировка

Во второй главе выполнено построение и анализ обобщенных статистических моделей для определения КИН Разработана методика формирования обучающей выборки Обоснована необходимость дифференцированной оценки КИН в зависимости от ряда факторов

В настоящее время на территории Пермского края имеется информация по КИНцр и текущим КИНт по 489 объектам разработки (п=489)

Если сопоставить КИНпр и КИНт по всем данным, то величины характеризуются статистически значимой связью Анализ корреляционного поля показывает, что оно имеет высокую степень неоднородности, особенно это относится к объектам с выработанностью запасов (В, %) менее 50% [5]

В диссертации разработана методика формирования обучающей выборки необходимой для изучения статистического влияния различных геолого-технологических показателей на величину КИНпр Располагая наличием значимых корреляционных связей между КИНт и КИНпр и отсутствием статистических различий в средних значениях между ними, при доверительной вероятности 0,95 построен ряд обобщенных статистических моделей для прогноза КИНпр Определение необходимого количества объектов разработки для статистического анализа выполнено с учетом выработанности запасов (табл 1)

Таблица 1

Статистическое обоснование выбора объектов разработки

для построения модели для определения КИНМ*_

в,% п Стат. характеристики*' Р Уравнение регрессни

КИНцр КИНт

В>0 489 0,334±0.143 0,062-0,831 0.142±0.145 0,0001-0,821 17,64 0,000 КИНпр=0,265+0,486-КИНт 1=0,626

В>50 167 0.382±0.126 0,100-0,831 0.305±0.129 0,089-0,821 5,503 0,000 КИНпр=0,122+0,853-КИНт г=0,857

В>70 107 0.387±0.138 0,100-0,831 0.349±0.136 0,089-0,821 2,056 0,041 КИНпр=0,046+0,977-КИНт г=0,967

В>71 105 0,389±0,138 0,100-0,831 0.352±0.136 0,089-0,821 1,998 0,047 КИНпр=0,043+0,983-КИНт г=0,968

В>72 104 0,388±0,138 0,100-0,831 0,351±0,137 0,089-0,821 1,927 0,056 КИН„р=0,043+0,980КИНТ г=0,971

В>73 102 0.387±0.138 ОД 00-0,831 0.352±0.137 0,089-0,138 1,807 0,073 КИНпр=0,041 +0,982-КИНт г=0,974

В>74 100 0.389±0,139 0,100-0,831 0.354±0.137 0,089-0,821 1,746 0,083 КИНпр=0,03 8+0,987КИНт г=0,975

В>75 97 0.389±0.141 0,100-0,831 0.355±0,139 0,089-0,821 1,645 0,102 КИНпр=0,03 6+0,991 -КИНт г=0,977

В>95 36 0.410±0,179 0,100-0,831 0.209+0,079 0,098-0,316 0,022 0,982 КИНпр—0,005+1,025-КИНт г=0,999

*' среднее значение ± отклонение интервал изменения параметра где п - количество наблюдений; г - коэффициент корреляции; - коэффициент Стьюдента; р - доверительная вероятность.

Анализ данных, приведенных в табл. 1 показывает, что условию отсутствия статистических различий в средних значениях удовлетворяют объекты разработки, у которых В>72% (рис. 1.а,б).

0,8

0,6

0,4

0,2

0,0

Щ, * * •г • " • * V г лГ

7:' ^'

0,8

0,6

0,4

0,2

0,0

0,2

0,6

0,8

0,0 0,0

«

«• • 4

< • •

... •

•Ъ

0,2

0,4

кинт

а), при В > 0 (п = 489)

0,6 0,8 кинх

б), при В > 72 % (п = 104) Рис. 1. Поля корреляции между КИНт> и КИНт

С помощью пошагового регрессионного анализа построена и проанализирована многомерная статистическая модель для определения КИН по данным 104 залежей. В построенной модели присутствуют 11 критериев, описывающих

различные условия разработки 104 объектов:

КИНм^-0,218+0,000009-дд+0Д01-КпЕсч+0,0286-С11+1,170-Кп+0,0116-РнАС+ +0,00074-ГПР+0,000051-8Д-0,046-ВВШ-0,0029-ССА-0,00039-Сг+0,218-Кн; Я=0,78,

рр/р1=1,07; где Од - начальные геологические запасы, приходящиеся на одну добывающую скважину, тыс.т/скв.; Кпесч ~ коэффициент песчанистости пласта, д.е.; Сп - содержание парафина в нефти, %; Кп - коэффициент открытой пористости пласта, д.е.; Риде - давление насыщения нефти, МПа; Гпр - гидропровод-ность пласта, мкм2-см/мПа-с; Бд - плотность сетки добывающих скважин, тыс.м2/скв., Бвнз ~ доля водонефтяной зоны пласта, д.е.; Сед — содержание смол и асфальтенов в нефти, %; Сг - газосодержание пластовой нефти, м3/т; Кн - коэффициент нефтенасыщенности, д.е.

Далее по формуле (КИНМ'), выполнены расчеты по тем объектам разработки, характеристики которых находятся в пределах интервалов варьирования использованных в обучающей выборке показателей. Например, по показателю ГЗВнз можно выполнять расчеты только по тем объектам, значения которых находятся в интервале 0,014 - 1,00; по показателю Кп - в интервале от 0,06 до 0,23 и.т.д. Всего данным геолого-промысловым условиям разработки соответствует 366 объектов.

КИНПР 0.7

0.6 0.5 0.4 0.3 0.2 0.1 0.0

О

о ПЭС^ ' О ° о О

« ^ 5Ь 0 о

* Г" £

• 1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 • Карбонатный о Терригенный КИНМ

КИНпр1 0.7 -

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 • без ППД о с ППД КИНм

а), с учетом литологии б), с учетом системы разработки

Рис. 2. Поля корреляции между КИНТО и КИНм1

Анализ корреляционных полей показал, что наблюдаются различные соотношения для терригенных и карбонатных пород (рис. 2.а.), и объектов, разрабатываемых с системой поддержания пластового давления (ППД) и без нее (рис. 2.6).

Для терригенных пород корреляция между КИНПр и КИНМ' является статистически значимой (г=0,52; для карбонатных пород - практически отсутствует (г=0,07; Кроме этого, из корреляционного поля видно, что значения КИНщ» и КИНм1 Для терригенных пород расположены в основном при значениях КИНпр и КИНм1 >0,3, тогда как для карбонатных пород, наоборот, при значениях КИНщ> и КИНМ! <0,4. Средние значения КИНПр и КИНМ' для обоих вариантов являются статистически различными.

Для объектов, разрабатываемых с ППД, значение коэффициента корреляции г между КИНпр и КИНм1 равно 0,62 Для объектов, разрабатываемых без ППД, корреляция между ними несколько меньше (г=0,43)

Все это показывает, что соотношения между КИНпр и КИНм1 значительно отличаются в зависимости от условий разработки Поэтому для достижения высоких корреляций между значениями КИНпр и КИНм построены модели учитывающие тип коллектора и систему разработки

Кроме этого выполненный анализ значений КИНПр и КИНм1 показал, что на значения КИНпр наиболее сильно влияет наличие или отсутствие системы ППД, а на КИНМ - тип коллектора. Поэтому при оценке значений КИН более целесообразно использовать не только значение КИН, полученное при гидродинамическом моделировании, но и контролировать полученные значения с помощью КИН, полученных по геолого-технологическим характеристикам [7]

Далее в диссертации исследованы связи между КИНпр и КИНм1 дифференцированно для объектов, разрабатываемых с ППД и без ППД, для терриген-ных и карбонатных объектов, в зависимости от тектонической принадлежности, а также нефтегеологического районирования [6]

Выполненный анализ «работоспособности» модели для определения КИНм1 показывает, что при разработке многомерных статистических моделей необходимо строить дифференцированные модели по отдельным объектам разработки с учетом наличия или отсутствия системы ППД Модели для этих условий приведены в табл. 2

Только в тех случаях, когда нет достаточно данных для выполнения этих условий, можно использовать для оценок значений КИН интегрированные модели, учитывая, что их «работоспособность» будет значительно хуже Поэтому, далее построим и проанализируем еще несколько обобщенных вариантов моделей вариант 2 - для терригенных пород (КИНМ2), вариант 3 - для карбонатных пород (КИНм3), вариант 4 - для объектов, разрабатываемых с ППД (КИНМ4), вариант 5 — для объектов, разрабатываемых без ППД (КИНм5)

Таблица 2

Модели для определения КИНМ2"5 учитывающие тип коллектора и систему разработки

Условия применения Формула для определения КИНм2"5 Л Ер Ъ

Герригенные объекты КИНм'=-0,381+0,00397 Ън+0,000078 Од+0,0278 Сгг+0,390854 Кн+ 0,000454 Гпр+1,493 Кгт+0,0106 Рнас-0,057 Овнз-0,0245 Сс 0,77 1,12

Карбонатные эбъекты КИН^Н),902-0,00022 8д-0,0044 Сса+0,Ю4 Кпр-0,0198 Тпл+ Ю,0217 Рпд-0,00064 ч„+0,000537 С!д-0,008 Ьн-0,512 Кн-0,00041 Сг+ +0,01064 РНАС 0,86 0,61

Объекты с ППД КИНм4=-0,022+0,00042 ян+1,772 Кп+0,031 Кпест+0,00051 Гпр--0,00108 ц+0,0081 Рнас-0,0036 Тач 0,78 1,80

Объекты без ППД КИНм5=0,175+0,00003 Уд+1,359 Кп-0,0052 Сса-0,1029 Бвнз+ +0,0234 Сп-0,000228 Яд 0,74 0,88

где Ьн - средневзвеш эффективная нефтенасыщенная толщина, м, Сс - содержание серы в нефти, %, Яи - средний начальный дебит нефти, т/сут, Ц - вяз-

кость пластовой нефти, мПа с, Тпл - начальная пластовая температура, °С, Уд -объемная плотность сетки добывающих скважин, тыс м3/скв Остальные условные обозначения приведены выше

Количество объектов обучения, по которым можно строить многомерные статистические модели определялось по разработанному ранее принципу для обобщенной модели

Построенные многомерные модели для определения КИНм2"5, несмотря на то, что в них использованы различные нефтегазоносные комплексы и объекты разработки, не противоречат индивидуальным корреляционным связям между КИНпр и используемым в моделях показателями

Выполненный анализ «работоспособности» полученных моделей для определения КИНм2"5 показал необходимость построения более дифференцированных моделей, в которых комплексно учитываются тип коллекторов и способ разработки

В третьей главе выполнено построение и анализ моделей для определения КИН по типу коллектора и способу разработки Рассмотрены следующие варианты для терригенных пород с ППД - вариант 6 (КИНм6), для карбонатных пород с ППД - вариант 7 (КИНм7), для терригенных пород без ППД - вариант 8 (КИНМ8), для карбонатных пород без ППД - вариант 9 (КИНМ9) Эти модели приведены в табл 3

Обоснование количества объектов обучающей выборки выполнено согласно разработанному ранее принципу

Таблица 3

Модели для определения КИНм6"9

комплексно учитывающие и тип коллектора, и систему разработки

Условия применения Формула для определеппя КИНм6*' К Ер Ъ

Герригенные = ППД КИНм6=-0,182+0,000135 8д+0,0246 Сп+0,000318 ГПр+1,188 Кп--0,0346 Сс+0,386 Кн 0,72 1,16

Карбонатные = ППД КИНм7=0,155+0,00241 ^+0,029 Кпесч-0,000009 Уд 0,71 2,28

Герригенные оезППД КИНм8=0,067+0,000066 8д+0,429 Кпесч+0,037 КРАСч-0,04087 Ьц+ +0,0373 Сс 0,88 2,03

Карбонатные без ППД КИНм"=0,402-0,01044 чн-0,036 Ц+0,000755 (Зд+0,0075 КРАсч+ +0,746 Кп-0,102 Овнз 0,99 14,4

Анализ полученных девяти моделей показал, что для ограниченных по условиям разработки вариантов (6-9), связи между значениями КИНпр и КИНМ более тесные, чем при рассмотрении обобщенных вариантов (1-5). Кроме того, полученные модели для определения КИН обладают различной эффективностью использования для различных условий Сопоставим значения КИНПр с КИНм в зависимости от степени дифференциации объектов в обучающей выборке. КИНм1кл - все объекты (класс 1 - соответствует значениям КИНМ'), КИНм2кл - терригенные и карбонатные коллектора (класс 2 - включает значения КИНм2 и КИНМ3), КИНм3кл -с ППД и без ППД (класс 3 - включает значения КИНМ4 и КИНм3), КИНм4кл - в зависимости от типа коллектора и способа разработки (класс 4 - включает значения КИНм6, КИНМ7, КИНМ8 и КИНМ9)

Число объектов разработки, по которым рассчитаны значения КИНмМк" - 286.

Выполненный анализ соотношений КИН11Р и КИНм1'41"1 (рис. 3) показал, что для всех выборок, кроме второй, отсутствует статистическое различие между средними значениями КИНМ и КИНПр- Значения коэффициента корреляции г между КИНМ и КИНпр во всех случаях статистически значимы, но для выборки 2 значение г минимально. Для уравнения регрессии, построенного по данным выборки 4, наблюдается самая тесная корреляция. Для оценки влияния на КИНпр значений КИНмМкл, полученных по этим выборкам, с помощью пошагового регрессионного анализа построена комплексная модель для определения КИНМ • Модель имеет следующий вид:

КИНм'^0,004+0,358,КИНМ4^+0Д39,КИНм2^+0Д18-КИНМ3|Ш+0,172,КИНМ1КЛ;

Я= 0,73; РрЯ7^ 18,9.

Формирование модели происходило первоначально по данным, полученным по более дифференцированным моделям, 'затем в нее были включены остальные значения КИНм- Отметим, что в модели присутствуют все значения КИНм, определенные по различным обучающим выборкам. Вероятно, именно это позволяет комплексно учесть все условия разработки изучаемых объектов.

кинь,

юлу*

кшу

кия,*"

_ ■ЯЯ—_

ющ»

КИНщ.=0,075+0,771 -КИНм1кл г = 0,65; tp >

КИНпр=0,114+0,616КИНм2кл г = 0,56; ^ >

КИНПр=0,058+0,824-КИНм3кл г = 0,64; tp > Ь

КИНпр=0,091+0,761-КИНм4кл г = 0,67; Ь > I,

КИНПр=0,0006+0,999КИНмк г = 0,73; 1Р > Ь

Рис. 3 Гистограммы и корреляционные поля значений КИНПР и КИНМ

Анализ «работоспособности» моделей показывает, что они могут быть использованы самостоятельно только в тех случаях, когда невозможно по каким-либо причинам оценить значение КИНМ по более «узким» моделям [6].

В четвертой главе выполнено построение и анализ моделей для определения КИН по нефтегазоносным комплексам в зависимости от способа разработки, нефтегеологического районирования, пластов входящих в объект разработки.

Фонд залежей Пермского края, разрабатываемых в терригенном девоне составляет всего 25 объектов. При этом по ряду объектов отсутствует необходимая информация для построения статистических моделей. В результате,

лишь для 15 объектов есть необходимые данные для статистического анализа Из них лишь 3 разрабатываются с ППД, 12 - на естественном режиме

Определение количества объектов для построения статистических моделей с учетом степени выработанности запасов невозможно ввиду малого объема обучающей выборки. Поэтому при анализе использованы данные по низко выработанным к настоящему времени объектам

При анализе коэффициентов г между значениями КИНпр и геолого-технологическими характеристиками объектов разработки можно сделать вывод, что наибольшими КИНПр в обучающей выборке характеризуются наиболее высоко залегающие пласты, объекты с минимальной нефтеиасыщенностью Кн и с минимальным начальным пластовым давлением РПл На столь непредставительной статистической выборке нельзя построить надежно «работающие» многомерные статистические модели для определения КИНм

Вместе с тем, логичными выглядят связи с дн, Сг, Овнз Попытка получить на основании этих показателей многомерную оценку привела к противоречивым результатам ввиду ограниченности объема обучающей выборки В связи с этим, оценку КИН пластов терригенного девона целесообразно производить по аналогии с длительно разрабатываемыми объектами или по обобщенным моделям, приведенным выше

Количество разрабатываемых турнейско-фаменских карбонатных объектов - 97 Из них 50 разрабатываются на естественном режиме и 47 - с ППД

Формирование обучающей выборки выполнено приведенным ранее способом Для построения многомерных зависимостей определения КИНм можно использовать 16 объектов при В>67%

Построенная модель обладает низкой «работоспособностью» ввиду малого объема обучающей выборки Это предопределяет необходимость использования для построения моделей и данных по низко выработанным к настоящему времени объектам

Разница средних значений КИНпр по объектам, разрабатываемым с системой ППД и без ППД не превышает 2%, что свидетельствует о необходимости использования данных вариантов в единой статистической группе Анализ показал, что объекты с различной выработанностью близки по конечному КИН, что позволяет рассматривать их без учета степени выработанное™ запасов

Очевидно, что в случае, когда В>100%, подсчитанные запасы не отражают реальной ситуации и нуждаются в корректировке Поэтому такие объекты разработки исключены из обучающей выборки Таким образом, для построения модели использованы данные по 92 объектам разработки В результате для оценки КИН построена следующая модель

КИНм10=0,131-0,043-Ввго+0,0028-Ьн+0,054-Кпр-0,00018-ц+0,00033-Сг+ +0,0014-РШ1+0,0023-чн+0,168-КВыт+0,0007-Пон-+0,00011-8д, 11=0,65, где КВЫт -коэффициент вытеснения, д е , пон - общий фонд нагнетательных скважин, шт Основными информативными показателями, обеспечивающими работу многомерной статистической модели здесь являются Кпр, Яд, Отметим, что повышение нижней границы возможных КИН (от 0,10 до 0,16), вероятно, указывает на то, что величину КИН=0,16 можно рассматривать как минимальное

значение для турнейско-фаменских карбонатных объектов в Пермском крае В диапазон больших невязок (более 0,10) попало 15 объектов обучения из 92

Для визейеквх терригенных объектов разработки построение статистических моделей для определения КИН произведено по 229 залежам

Анализ показал, что условию отсутствия статистических различий в средних значениях КИНщ> и КИНХ могут удовлетворять объекты разработки, у которых В>69%, таких объектов 74 По этим данным построена модель (КИНМП), приведенная в табл 4 [2].

По этой модели выполнены расчеты по 154 объектам, удовлетворяющим интервалам варьирования использованных в модели показателей Анализ корреляционного поля показал, что наблюдается различие в соотношении между КИНпр и КИНми для объектов, разрабатываемых с системой ППД и без нее [8] Поэтому построены модели определения КИН в зависимости от системы разработки

Таблица 4

Модели для определения КИНми"28 визейских терригенных объектов разработки_

Условия применения Формула для определения КИНм11"28 Хар-ки модели

Ro No Rnp NnP

Все объекты КИНм' '=-0,3039+0,009 Ьн+0,854 Кн+0,0234 Сп-•0,044 Dbh3-0,0222 dP-0,00004 Sro 0,72 74 0,60 154

Объекты с под КИНм"=-0,3245+0,0095 hH+0,892 Кн-0,0547 DBH3--0,003 ц+0,0144 Сп-0,0099 dP-0,00001 SH3 0,68 51 0,59 76

Объекты без ПОД КИНми=-0,1959+0,267 Кпесч+0,586 Кн+0,0285 Сп--0,3058 Кпр/ц-0,0581 DaH3-0,0187 dP 0,63 26 0,26 40

Гр I КИНм14=-0,052+2,7536 Кп+0,0075 hH 0,81 7 0,67 10

Гр II КИНм'ь-0,028+0,014 Ьн+0,375 Кн+0,0176 Сп-0,0128 dP 0,69 37 0,63 82

Гр II с ППД КИНм"=0,387+0,0010 hH+0,0124 Сп-0,0039 ц 0,73 27 0,63 43

Гр II без ППД КИНм17=0,397+0,02320 hH-0,0104 ССА 0,77 13 0,36 44

Гр III КИНм18=0,188+0,0011 Гпр+1,7629 Кп+0,2709 Кпесч--0,037 dP-0,1520 Dbh3 0,87 44 0,69 78

Гр III с ППД КИНм19=-0,209+4,0278 Кп+0,0007 Гпр-0,0331 dP 0,85 28 0,81 33

Гр III без ППД КИНм2-!,'425-2,5848 р+1,2152 Кц+0,4439 Кпесч 0,81 18 0,52 46

Тл объекты КИНм21=-0,2105+0,0386 hH+0,5479 Кн+0,0210 Сп--0,0114 dP-0,0001 SH3 0,72 30 0,59 48

Тле ППД КИНм"=0,1508+0,0316 Сп+0,0341 hH 0,90 13 0,84 16

Тл без ППД KHHM2i=0,0885-0,0063 ц+0,2825 Кн+0,0039 Qu 0,62 20 0,49 40

Бб объекты КИНм24^,4713-0,1741 Dbn3+0,0178 Сп 0,80 10 0,50 37

Тл-Бб КИНм25=-0,2044+0,0073 Ьц+0,6016 Кн+0,0281 Сп--0,0193 dP+0,1407 Кпесч 0,68 34 0,65 50

Тл-Бб с ППД КИНм26=0,046+0,0097 Ьн+1,6417 Кп+0,0302 Сп-0,0183 dP 0,69 32 0,67 40

Мл объекты КИНм27=-0,5621+0,000009 УЗАЛ+1,0432 Кн 0,89 10 0,22 16

Тл-Бб-Мл с ППД КИНм28=-1,9241+2,3486 Кн+1,9170 Кп 0,84 8 0,28 14

где Rq и Rnp - коэффициенты корреляции между значениями КИНПр и КИНМ

для обучающей выборки (при N0) и для выборки применения (при Мпр) соответственно, с!Р — разница между пластовым давлением и давлением насыщения, МПа, Бнэ - площадь нефтеносности, приходящаяся на одну эксплуатационную скв, тыс м2/скв, ц - вязкость пластовой нефти, мПа с

Для построения модели по объектам, разрабатываемым с ППД (КИНМ12) можно использовать 51 объект разработки при В>75% Из 126 объектов, разрабатываемых на естественном режиме (КИНм13), согласно разработанному принципу могут быть использованы 26 при В>57% (табл 4)

На величину КИНМ"'П'13 оказывают значительное влияние, как свойства нефтей, так и свойства коллекторов, которые закономерно изменяются в пределах исследуемой территории Для учета этого влияния выполнено районирование территории по использованным в моделях КИНм"'12,13 информативным показателям с помощью метода линейных дискриминантных функций

Нефтегазоносность визейского терригенного комплекса контролируется положением относительно ККСП, что обусловлено структурным фактором (залежи нефти приурочены к структурам облекания турнейско-фаменских рифовых массивов) Однако неравномерное распределение объектов в различных зонах ККСП определяет невозможность районирования территории по этому признаку для построения моделей определения КИН

В пределах тектонических элементов объекты разработки расположены более равномерно 68 разрабатываемых объектов (30 %) приурочено к БС, 37 (16 %) - к ВКВ, 18 (8 %) - к СолД, 63 (28 %) - к БКВ, 21 (9 %) - к ПС, 19 (8 %) - к ВисВ и 3 (1 %) - к КЧС Поэтому в качестве классификатора использовано тектоническое районирование Районирование территории выполнено по следующим критериям, р, Кп, с1Р, Ьн, Р (пересчетный коэффициент, д е.) и Кн

С помощью построенных линейных дискриминантных функций верно классифицировано 75% объектов разработки Несовпадение реального местоположения объектов с прогнозным, происходит, в основном, на границе сопредельных тектонических элементов Если сгруппировать эти территории в три группы, то к первой группе относятся 24 объекта, расположенные в Предураль-ском прогибе, а также сюда относятся Ярино-Каменноложское и Кухтымское месторождения Ко второй группе (БКВ, ПС и ВисВ) отнесено 98 объектов, к третьей (БС и ВКВ) - 107

Канонические уравнения линейной дискриминантной функции, с помощью которых получена верная принадлежность к группам, имеют следующий вид

0376-21,0720р-33,9485-Кп+0,2404 сНЧ-0Д569-Ьн-5,3968-р+5,9643-Кн Рт2=16,8019-27,2640-р-12,9669-Кп-0,4484-аР-0,156011н+12,7134-р+1,3497-Кн

По данным формулам 86 % объектов обучения принадлежат к своим группам Статистические характеристики выделенных групп приведены в табл 5 Схема районирования территории Пермского края для моделирования КИН ви-зейских терригенных объектов разработки по геолого-промысловым данным приведена на рис 4

впд

Условные обозначения:

тяш >

] Группа I С222 Группа П ■■■ ■ I Группа ГО

^ Совмещенные контура

нефтеносности внзейских залежей

,. Границы крупных

тектонических элементов

Административная граница Пермского края

Крупные структуры:

ВП - Вычегодский прогиб

КС - Камский свод

ВвсВ - Вяснмская впадина

ВКВ - Верхпекамская впадина

РакС - Ракшинская седловина

ПС - Пермский свод

БКВ - Бымско-Кунгурская впадина

ВС - Башкирский свод

ВПД - Верхнепечорская депрессия

КолС - Колвинская седловина

СолД - Соликамская депрессия

КЧС - Косьвинско-Чусовская седловина

ЮСД - Юрюзано-Сылвинская депрессия

ПСУ - Передовые складки Урала

ЦУП - Центрально-Уральское поднятие

Рис. 4. Схема районирования территории Пермского края для моделирования КИН визейских терригенных объектов разработки по геолого-промысловым данным

Из табл. 5 видно, что средняя плотность нефти и открытая пористость минимальны в первой группе, а максимальны - в третьей. По другим показателям также наблюдаются определенные тенденции.

Таблица 5

Статистические характеристики параметров использованных при

Показатель Группа 1 (ПКЦ) Группа 2 (БКВ-НПС+ВисВ) Группа 3 (БС+ВКВ)

тш шах среднее тш тах среднее тш тах вреднее

р, г/см3 0,798 0,861 0,829 0,720 0,905 0,850 0,823 0,941 0,889

Кп, д. е. 0,090 0,180 0Д40 0,120 0,230 0,169 0,140 0,240 0,198

<й\МПа 1,2 12,2 8,0 0,9 12,2 5,2 1,1 9,9 6,4

Ьн,м 1,4 20,0 6,7 0,8 12,8 3,7 0,8 12,0 3,8

Р,Д. е. 0,566 0,912 0,793 0,633 0,998 1 0,865 0,810 0,994 0,942

Кн, Д. е. 0,750 0,918 0,859 0,640 0,930 0,849 0,610 0,957 0,848

С учетом выполненного районирования и системы разработки при помощи пошагового регрессионного анализа построены модели для определения КИНМ14"20 (табл. 5).

Для учета изменения свойств коллекторов и нефтей в зависимости от входящих в объекты разработки пластов построены модели для определения

КИНМ21"28, приведенные в табл. 4.

Количество объектов разработки, используемых для построения статистических моделей (N0), тесно коррелирует с количеством всех объектов разработки (МПр), по которым выполнены расчеты г=0,92, а значения коэффициентов корреляции Ко (при N0) и Лпр (при 1Чт>) имеют слабую связь (г=0,12). Сравнение значений Яо и ЯПр показывает, что они сильно различаются, в основном, в тех случаях, когда уравнение регрессии для определения КИНМ строилось по ограниченному числу объектов разработки. При построении моделей для определения КИНм при N(><20 не удается учесть все особенности влияния показателей на КИН [3].

КИНПР=-0,012+1,021 КИНмС1у1кл г = 0,74; > и

КИНПр=-0,024+1 ,040-КИНмС1у2кя г = 0,80; <;Р > г,

КИНпр=-0,013+1,024-КИНмС1у3кл г = 0,83; 1Р > 1,

КИНпр=-0,017+1,071-КИНмС1у4сл г = 0,85; >

КИН„р=-0,017+1, 071КИНмС1у5кл г = 0,75; ^ > 1,

КИН„р=-0,013+1,020КИНмС1убкл г = 0,83; 1Р > 1,

КИНпр=-0,0002+1,0008-КИНмС1УК г = 0,90; >

Рис. 5. Гистограммы и корреляционные поля значений КИНпр и КИНМ

Для оценки влияния степени дифференциации объектов, на достоверность определения КИН, сгруппируем полученные в результате статистического анализа модели по классам: КИНмск,кл - все визейские терригенные объекты разработки (класс 1 - включает значения КИНми); КИНмС1у2кл - с ППД и без ППД (класс 2 - включает значения КИНМ12 и КИНМ13); КИНмС1у3ел - в зависимости от территориального районирования (класс 3 - КИНМ14, КИНМ15, КИНМ18); КИНмС1у4кл - с учетом районирования и системы разработки (класс 4 - КИНМ14, КИНм16, КИНм", КИНм" и КИНМ20); КИНмС1у5кл - в зависимости от входящих в объект разработки пластов (класс 5 - КИНМ2!, КИНМ24, КИНМ25, КИНМ27, КИНМ28); КИНмС1у6 101 - в зависимости от входящих в объект разработки пластов и системы разработки (класс 6 - включает значения КИНм , КИНМ23, КИНм24, КИНм25, КИНм26, КИНм27, КИНм28).

Для комплексной оценки используемых вариантов построена модель для

кин,,,.

кш!,,'

кин«0

._

кин/

кин,,1

киц,с

КИН^01*410

ШВнШ

Е^ —^ •

кии/-

определения КИНмС1уК визейских терригенных объектов разработки КИНмС1уК=-0,0762+0,6716-КИНмС1у4кл+0,5259-КИНмС1у6кл;К=0,90.

Сравнение корреляционных полей показывает, что наиболее тесная связь имеется между значениями КИНпр и КИНм4кл, что и определило его включение в модель (рис 5) на первом шаге ее построения

Построение моделей для определения конечной нефтеотдачи визейских терригенных объектов необходимо выполнять по более дифференцированным моделям, с обязательным условием обоснования количества объектов, по которым строились эти модели [3,4]

Анализируемый фонд эксплуатируемых окско-башкирских карбонатных и московских терригенно-карбонатных объектов разработки в Пермском крае, составил 133 залежи Из них 62 разрабатываются без системы ППД. Высокая степень выработанности запасов не показывает существенных изменений в представлениях о величине КИНпр, что позволяет при анализе учитывать и низко выработанные к настоящему времени объекты

Сравнение КИНпр по объектам, разрабатываемым с ППД и без, показывает, что разница в нефтеотдаче здесь составляет около 3%, что свидетельствует о возможности рассмотрения данных выборок в единой статистической группе При этом необходимо также учитывать более высокую нефтеотдачу разрабатываемых с ППД пластов путем учета показателей, характеризующих ППД

Минимальными значениями КИНщ> характеризуются каширо-верейские объекты (КВ!), далее по мере роста КИНпр следуют объекты В3В4, затем объекты Бш, характеризующиеся более высокими КИНпр

Во многих предшествующих работах приводятся данные о целесообразности рассмотрения башкиро-серпуховских и каширо-верейских объектов совместно Подобное допущение позволяет увеличить объем обучающей выборки, тем самым, повысив достоверность статистических оценок

Уже на этом этапе из статистической выборки исключены объекты с низкой кратностью запасов и относительно высоким годовым темпом отбора В результате обучающая выборка составила 117 объектов разработки

Анализ, выполненный для всех объектов разработки, показал, что параметры весьма слабо коррелируют с КИНПр Попытка применения комплексной оценки всех параметров также показала отсутствие значимых коэффициентов множественной корреляции Я при прогнозе КИНпр

Таким образом, вышеприведенные данные доказывают, что построить обобщенную модель для определения КИНМ не представляется возможным Поэтому построение моделей для определения КИНМ выполнено раздельно для башкиро-серпуховских и каширо-верейских объектов

Для башкиро-серпуховских залежей условию отсутствия статистических различий в средних значениях КИНпр и КИНт могут удовлетворять только 17 объектов разработки, у которых В>56% Однако полученный коэффициент множественной корреляции II между значениями КИНщ» и КИНМ не является статистически значимым Аналогичные выводы получены для каширо-верейских объектов

Ограничение анализируемого фонда предельной выработкой для окско-

башкирских карбонатных и московских терригенно-карбонатных объектов невозможно ввиду малого объема обучающей выборки Это предопределяет необходимость учета при анализе также и низко выработанных к настоящему времени объектов

В результате в выборку для построения модели определения КИНм по ка-широ-верейским залежам вошли 43 объекта разработки КВЬ В3В4 и КВ1-В3В4 В выборку, составленную из башкиро-серпуховских залежей, вошли 74 объекта разработки БшиБш-Срп

Для каширо-верейских объектов разработки построена следующая многомерная модель

КИНм2'=0,487+0,0047-Ьн+ОД07-Кп+0,33-Кпр/ц+0,0099-аР-3,31-КпП+0,00052-■пО1Г0,000021'Од; 11=0,62, п=43, где Кпп - предельное значение пористости, д е Диапазон прогнозных значений составляет от 0,17 до 0,48 Произошло повышение нижней границы КИНм29 относительно КИНПр (от 0,10 до 0,17) Величину КИНм29=0,17 можно рассматривать как минимальное значение для каширо-верейских объектов разработки в Пермском крае В диапазон больших невязок (более 0,10 по абсолютной величине) попало 4 объекта обучения из 43

По аналогичной схеме построена модель прогноза конечного КИН для башкиро-серпуховских объектов разработки

КИНм30=0,116-0,049-Ввнз+0,0016-Ьк+0,191-Кн+0,211-Кпр/ц+0,0013ян+ +0,00986'Пон/Ог) Я=0,59 (для объектов, разрабатываемых без ППД, значение Пон/Ог^О)» где Ьк - средняя толщина коллектора, м

Диапазон значений КИНМ30 от 0,20 до 0,50 Значение нижней границы КИНм30 можно рассматривать как минимальное для Пермского края В диапазон невязок более 0,15 по абсолютной величине попало 5 объектов, в диапазон более 0,10-4 объекта

Залежей с промышленными запасами нефти в нижнепермских карбонатных отложениях на территории Пермского края всего девять Основная часть промышленных скоплений располагается в Предуральском краевом прогибе. Одна залежь находится в пределах ВКВ

Попытка построения модели по этим данным показала, что в связи с малым объемом анализируемой информации многомерные статистические связи становятся неустойчивыми, что проявляется в отсутствии физического смысла в полученной многомерной модели

Дополнение выборки объектами разработки ряда территорий Волго-Уральской провинции (республика Башкортостан, Самарская и Оренбургская области) привело к увеличению обучающей выборки до 110 объектов разработки, из которых 30 - залежи свободного газа, 18 залежей имеют газовую шапку В расширенную выборку вошли нижнепермские объекты разработки стратиграфически представленные сакмарским, артинским и кунгурским ярусами

Таким образом, количество объектов разработки без залежей свободного газа и с учетом полноты имеющейся информации составило 50 объектов, эксплуатирующихся на текущий момент, или эксплуатировавшихся ранее

Анализ показал, что условию отсутствия статистических различий в средних значениях КИНПр и КИНт могут удовлетворять объекты разработки, у ко-

торых выработанность запасов В>52 %, их 26 Полученная многомерная статистическая модель (КИНМ31) приведена в табл 6

Выполнен расчет КИНМ п0 тем объектам разработки, характеристики которых соответствуют интервалам варьирования использованных показателей Связь между значениями КИНПр и КИНМ31 оценивается Кпр=0,36 (при 1Чпр=32) Снижение корреляции между значениями КИНщ> и КИНМ31 при N^=32 можно объяснить тем, что участвовавшие при построении модели объекты не в полной мере описывают все многообразие геолого-физических особенностей нижнепермских залежей Поэтому, для моделирования КИН использованы все нижнепермские объекты разработки (Ко=50), многомерная модель для определения КИНМ32 приведена в табл 6

Таблица 6

Модели для определения КИНМ31-36 нижнепермских карбонатных объектов разработки_

Условия применения Формула для определения КИНм3136 Хар-кп модели

No Ro Fp/F,

Все объекты (В>52%) КИНм3 -0,872-0,000796 Ьц-0,364 Кн-0,01405 Тпл+ +0,669 Кпр/ц+0,000549 Сг 26 0,70 3,73

Все объекты (В>0%) КИНм32=0,660-0,046 Кпесч+0,146 Кп+0,26011 Кн-0,735 р+ +0,0066 Ссум-0,0047 Тпл+0,102 КПр/ц+0,000155 Сг 50 0,53 2,02

Без газовой шапки КИНм33=0,088-0,000112 Hcp+0,131 Kit+0,134 Кн+ +0,0037 Сса-0,0058 Т3 37 0,59 3,38

С газовой шапкой КИНм34=0,349-0,091 Кгосч-0,0011 Тпл+0,0193 ГЪр--0,000325 Cr 13 0,90 8,59

Пласты Piar, Pis, Pis-аг КИНм35=0,090-0,175 Кгшсч+0,206 Кк+0,0291 Сп+ +0,000294 Сг 35 0,58 3,74

Пласт Pik КИНм36=-1,688-0,000267 Нср+0,529 Кц+2,008 р+0,00089 ц 15 0,75 3,17

где Ссум -содержание в нефти парафинов, серы, смол и асфальтенов, %, Т3 -температура застывания нефти, °С, Нср - средняя глубина залегания продуктивного пласта, м, остальные условные обозначения приведены выше

Учитывая различие средних значений КИНПр нижнепермских объектов в зависимости от входящих в них пластов и наличия газовой шапки, построим модели для определения КИН нижнепермских залежей дифференцированно КИНМ33 - без газовой шапки, КИНМ34 - с газовой шапкой, КИНМ35 - для артин-ско-сакмарских объектов (пласты P,ar, P,s, PiS-ar), КИНМ36 - для кунгурских объектов (пласт Pik) Полученные методом пошагового регрессионного анализа многомерные статистические модели приведены в табл 6

Дальнейшая дифференциация объектов не имеет смысла в связи с ограниченным объемом обучающей выборки

Для оценки влияния степени дифференциации объектов, на достоверность определения КИН, полученные в результате статистического анализа модели сгруппированы КИНмР1кл - все нижнепермские карбонатные объекты (класс 1 - включает значения КИНм3г), КИНмР2кл - с газовой шапкой и без нее (класс 2 -КИНМ33, КИНМ34), КИНмРЗкл - по пластам, входящим в объект разработки (класс 3 - КИНМ35, КИНМ36) Методом пошагового регрессионного анализа получена комплексная модель для определения КИНмрк нижнепермских карбонатных

объектов разработки:

КИНмРК=-0,109+0,656КИНмРЗкл+0,638КИНмР2кл+0,089КИНмР1кл;

R=0,76; N=50; Fp/Ft=21,22.

кини"«" |

keh„n" щ ■__

КИНПр=-0,00007+1,0001 КИНмР1кл г = 0,53; tP > t,

КИНПр=0,004+0,981-КИНмР2кл г = 0,66; tP > tt

яШи.

КИНпр=-0,004+1,0126'КИНм г = 0,65; tP > t,

КИНПР=0,003+0,993-КИНМРК г = 0,76; tP > t,

Рис. 6. Гистограммы и корреляционные поля значений КИНщ. и КИНМ

Сравнение корреляционных полей показывает, что наиболее тесная связь имеется между значениями КИНИр и КИНмРЗкл, что и определило его включение в комплексную модель (рис. 6) на первом шаге ее построения.

В результате проведенных исследований разработаны и проанализированы многомерные статистические модели для определения КИНм по геолого-технологическим показателям объектов разработки месторождений Пермского края.

Для понимания «работоспособности» построенных моделей исследованы связи между КИНПр и КИНМ19 по 9 вариантам обобщенных статистических моделей в зависимости от условий их использования. Анализ показал, что при расчетах значений КИНм по обобщающим моделям необходимо определить, не является ли значение КИНм, полученное в пределах тектонического элемента или района, аномальным.

Построены модели по нефтегазоносным комплексам с учетом системы разработки, пластов входящих в объекты разработки, нефтегеологического районирования территории. Анализ показал, что построение моделей для определения КИНм по геолого-технологическим показателям необходимо производить по более дифференцированным моделям, с обязательным условием обоснованности количества объектов, по которым строились эти модели.

Результаты выполненной работы могут быть использованы для расчета КИН на первых стадиях оценки месторождений, при расчете извлекаемых запасов, не эксплуатируемых в настоящий момент объектов разработки по зарубежным классификациям (SPE, SEC и др.), а так же для контроля значений КИН, полученных по другим моделям.

ЗАКЛЮЧЕНИЕ

1 На большом фактическом материале обоснована возможность построения статистических моделей определения конечной нефтеотдачи объектов разработки по геолого-технологическим характеристикам.

2 Предложен метод обоснования количества объектов обучающей выборки при условии статистического неразличия средних значений КИНпр и КИНТ в зависимости от степени выработанности запасов

3 Произведено нефтегеологическое районирование исследуемой территории для определения КИН визейских терригенных объектов разработки с учетом изменения свойств пластов и нефтей

4 Обоснована необходимость дифференцированной оценки КИН в зависимости от литологии залежей, способа эксплуатации объектов разработки, нефтегазоносных комплексов, стратиграфического состава объектов, нефтегео-логического районирования территории

5 Построены и апробированы модели для определения КИП

Основное содержание диссертации отражено в следующих работах:

1 Акимов И А Анализ состояния структуры промышленных запасов нефти разрабатываемых месторождений Пермской области // Горное эхо, Горный институт УрО РАН, Пермь, 2004, № 4, с 48-50

2 Галкин В И, Акимов И А О связи текущего коэффициента извлечения нефти (КИНТ) с некоторыми геолого-технологическими характеристиками объектов, находящихся на завершающей стадии разработки // Проблемы геологии и разработки нефтяных залежей Пермского Прикамья, сб науч тр ООО «ПермНИПИнефть», Пермь, 2006, с 20-26

3 Акимов И А Построение математических моделей для определения коэффициента извлечения нефти на примере визейских терригенных объектов разработки в пределах Пермского края // Горные ведомости, Тюмень, 2007, с 14-20

4 Акимов И А Алгоритм использования статистических моделей для определения коэффициента извлечения нефти (КИН) на примере визейских терригенных объектов разработки Пермского края // Геология, геофизика и разработка нефтяных и газовых месторождений, ВНИИОЭНГ, Москва, 2007, № 10, с 54-57

5 Акимов И А Использование статистических моделей для определения конечной нефтеотдачи визейских терригенных объектов разработки Пермского края // Геология, геоинформационные системы, горнонефтяное дело, сб науч тр ГПГТУ, Пермь, 2007, с 6-12

6 Галкин В И , Галкин С В , Савич А И , Акимов И А О возможности построения статистических моделей определения коэффициентов извлечения нефти (КИН) по обобщенным данным условий разработки // Геология, геофизика и разработка нефтяных и газовых месторождений, ВНИИОЭНГ, Москва, 2007, №9, с 6-10

7 Гачкин В И , Галкин С В , Савич А И , Акимов И А О необходимости комплексного определения коэффициента извлечения нефти (КИН) различны-

ми методами (на примере Пермского края) // Геология, геофизика и разработка нефтяных и газовых месторождений, ВНИИОЭНГ, Москва, 2007, № 9, с 24-27

8 Галкин В И, Савич А И, Акимов И А, О необходимости дифференциации визейских объектов разработки при построении статистических моделей для определения коэффициентов извлечения нефти (КИН) // Известия высших учебных заведений Нефть и газ, 2007, № 5, с 8-12

Подписано в печать 04 10 07. Формат 60X90/16 Набор компьютерный Тираж 100 экз Объем 1,00 уч-изд пл Заказ № 1340/2007

Издательство

Пермского государственного технического университета 614600, г Пермь, Комсомольский пр , 29, к 113 тел (342) 219-80-33

Содержание диссертации, кандидата технических наук, Акимов, Иван Александрович

Введение.

1. Общие сведения о районе работ.

1.1. Краткие сведения о геологическом строении территории.

1.2. Анализ различных существующих методик определения КИН.

2. Построение и анализ обобщенных статистических моделей для определения КИНм1"5.

2.1. Построение и анализ обобщающей статистической модели для определения КИНМ'.

2.2. Построение и анализ обобщенных статистических моделей для определения КИНМ2"5.

3. Построение и анализ дифференцированных по типу коллектора и способу разработки статистических моделей для определения КИНМ6'9.

3.1. Построение и анализ дифференцированных моделей для определения КИНм6*9.

3.2. Сопоставление полученных статистических моделей для определения КИНМЬ9.

4. Построение и анализ статистических моделей для определения КИНм в зависимости от входящих в объект разработки пластов.

4.1. Статистическая модель для определения КИН объектов разработки терригенного девона.

4.2. Статистическая модель для определения КИНМ10 турнейско-фаменских карбонатных объектов разработки.

4.3. Статистическая модели для определения КИНм1 * визейских терригенных объектов разработки.

4.4. Статистическая модели для определения КИНм29"30 башкирско-серпуховских карбонатных и московских терригенно-карбонатных объектов разработки.

4.5. Статистическая модели для определения КИНМ '*3 нижнепермских карбонатных объектов разработки.

Введение Диссертация по наукам о земле, на тему "Разработка статистических моделей для определения конечного коэффициента извлечения нефти из недр"

Актуальность проблемы

В настоящее время в Пермском крае используется ряд отечественных и зарубежных методик для оценки коэффициента извлечения нефти из недр (КИН). Причем все эти методики составлены для более широких территорий, например, для Волго-Уральской нефтегазоносной провинции. Поэтому целесообразно оценить «работоспособность» применяемых методик путем сравнения их с утвержденными ЦКР Роснедра коэффициентами извлечения нефти в проектно-технологических документах (КИНПр) и обоснованными с применением геолого-гидродинамического моделирования.

В целом анализ показывает, что эти методики, обоснованные по состоянию разработки месторождений на период 1970-80 годов, фактически устарели, так как накопленные данные по выработке нефтяных объектов показывают, что использование этих методик в настоящем виде занижает КИНпр и необходима их корректировка.

Использование огромного, накопленного на текущий момент опыта разработки месторождений позволило построить адекватные математические модели для оценки конечной нефтеотдачи объектов разработки Пермского края.

Цель работы

Разработка математических моделей для определения КИН объектов разработки на основе вероятностно-статистического анализа геолого-промысловых данных.

Основные задачи исследований

1. Обоснование требований к обучающей выборке при построении моделей для определения КИН;

2. Научное обоснование необходимости оценки КИН в зависимости от типа коллектора, способа эксплуатации объектов разработки, нефтегазоносных комплексов, входящих в объект разработки пластов, нефтегеологического районирования территории;

3. Построение статистических моделей для определения КИН по геолого-промысловой информации.

Методы решения задач

Для решения поставленных задач использованы результаты геологического и гидродинамического моделирования, а также геолого-промысловая информация по разрабатываемым залежам месторождений Пермского края. Результаты проанализированы и обобщены с использованием статистических методов обработки экспериментальных данных.

Научная новизна

1. Впервые разработана методика формирования обучающей выборки при построении статистических моделей для определения значений КИН;

2. Впервые построены статистические модели определения КИН с учетом регионального изменения геолого-физических свойств пластов коллекторов и физико-химических характеристик нефтей;

3. Обоснована необходимость дифференцированной оценки КИН в зависимости от типа коллектора, способа эксплуатации объектов разработки, нефтегазоносных комплексов, входящих в объект разработки пластов;

4. Построены общие и дифференцированные статистические модели для определения КИН объектов разработки месторождений Пермского края, выполнен анализ их «работоспособности».

Защищаемые положения диссертации

1. Методика формирования обучающей выборки при построении моделей КИН;

2. Нефтегеологическое районирование изучаемой территории для построения статистических моделей определения КИН с учетом свойств пластов коллекторов и нефтей;

3. Математические модели для определения КИН объектов разработки месторождений Пермского края.

Практическая ценность работы

1. Создание и внедрение в практику методики оценки КИН объектов разработки месторождений Пермского края;

2. Повышение точности оценки извлекаемых запасов нефти месторождений Пермского края;

3. Использование полученных моделей при оперативных подсчетах запасов, контроле значений КИН, полученных при промышленном подсчете запасов, геолого-гидродинамическом моделировании объектов разработки, оценке запасов по международным классификациям.

Апробация работы

Результаты работы используются в ООО «ПермНИПИнефть» для расчета КИН при первом подсчете запасов и в ООО «ЛУКОЙЛ-ПЕРМЬ» при контроле проектных значений КИН.

Материалы диссертации докладывались и обсуждались на конференциях молодых ученых и специалистов ООО «ЛУКОЙЛ-ПЕРМЬ» (2004-2007 гг.), конференции молодых ученых и специалистов ОАО «ЛУКОЙЛ» (2005 г.), научно-практической конференции ООО «ПермНИПИнефть» (2006 г.), научно-практической конференции Горного Института Уральского отделения РАН (2004 г.), научно-практических конференциях ПГТУ (2002-2007 гг.)

Публикации

Основные положения диссертации изложены в 8 публикациях. Объем работы

Диссертационная работа состоит из введения, четырех глав и заключения. Объем работы 121 страница, включая 94 рисунка, 46 таблиц, список литературы из 116 наименований.

Заключение Диссертация по теме "Геология, поиски и разведка горючих ископаемых", Акимов, Иван Александрович

ЗАКЛЮЧЕНИЕ

В результате проведенных исследований на большом фактическом материале разработаны и проанализированы многомерные статистические модели для определения КИНм по геолого-технологическим показателям по основным объектам разработки для территории Пермского края.

Построение статистических моделей определения КИНМ по геолого-технологическим показателям разработки выполнено в два этапа. На первом этапе произведено статистическое обоснование определения количества объектов разработки, по данным которых можно построить статистические модели для определения КИНм в зависимости от некоторых обобщенных условий. Построение обобщенных моделей позволило исследовать влияние ряда геолого-технологических факторов на проектное значение КИНпр- Далее с помощью пошагового регрессионного анализа было построено 9 обобщенных статистических моделей для определения значений КИНм. Выполнен анализ показателей, по которым строились многомерные модели для определения КИНМ. Оценена возможность использования построенных моделей по тем объектам разработки, у которых значения показателей находятся в диапазонах изменения их в объектах, по которым построены модели.

Для понимания «работоспособности» построенных моделей исследованы корреляции между КИНПр и КИНМ для всех 9 вариантов обобщенных статистических моделей в зависимости от условий их использования.

Первая обобщающая модель построена по данным 104 объектов разработки, по ней расчеты по определению КИНм выполнены по 262 объектам разработки. Всего сопоставление КИНпр и КИНМ путем расчетов коэффициентов корреляции и построения уравнений регрессии произведено по 366 объектам разработки. Исследована эффективность работы данной модели территориально: территории платформы, Предуральского краевого прогиба, крупных тектонических элементов, зон нефтегеологического районирования по терригенным и карбонатным объектам разработки как в целом, так и для условий разработки с системой ППД и без нее, пластов входящих в эксплуатационные объекты.

Вторая обобщающая модель построена для терригенных пород, третья -для карбонатных пород. Для терригенных пород модель построена по характеристикам 77 объектов разработки, для карбонатных - по 35. По этим моделям выполнены расчеты по определению КИНм еще по 123 и 96 объектам разработки. Всего по 2 и 3 обобщенным моделям выполнены расчеты по определению КИНм по 331 объекту разработки. По этим вариантам выполнено сопоставление КИНПр и КИНм и проведен детальный анализ этих соотношений для различных условий разработки.

Еще две обобщающие модели построены для объектов, разрабатываемых с системой ППД и без системы ППД - варианты 4 и 5. Построение модели для объектов, разрабатываемых с ППД, выполнено по данным 69 объектов разработки, без ППД - по 37. Расчеты значений КИНм по геолого-технологическим показателям выполнены еще по 132 объектам, разрабатываемым с ППД, и по 114 объектам, разрабатываемым без ППД. Всего по вариантам 4, 5 выполнено сопоставление значений КИНпр и КИНМ по 352 объектам разработки. Проведен тщательный анализ коэффициентов корреляции и уравнений регрессии, количественно описывающих эти соотношения для различных условий разработки.

Показана необходимость дальнейшей дифференциации эксплуатационных объектов, учитывающей и тип коллектора и способ разработки для моделирования КИНм

Шестая - девятая обобщающие модели для определения КИНМ построены для более конкретных условий разработки по сравнению с пятью предыдущими, 6 и 7 модели для терригенных и карбонатных пород с наличием системы ППД, 8 и 9 - аналогично, но без ППД. Эти четыре модели построены в сумме по геолого-технологическим показателям разработки по данным 107 объектов, расчеты по определению КИНм выполнены еще по 234 объектам разработки. Всего по этим моделям выполнено сопоставление КИНПр и КИНМ по 314 объектам разработки, выполнен детальный анализ построенных уравнений регрессии и значений коэффициентов корреляции.

В результате детального анализа было установлено, что все девять построенных моделей для определения КИНм работают удовлетворительно, но лучшие результаты получены для модели, построенной для терригенных пород с ППД. В данном случае модель строилась по геолого-технологическим показателям 48 объектов обучения, прогнозирование производилось по 50 объектам обучения, значение коэффициента корреляции между КИНпр и КИНм в первом случае составило 0,72, во втором - 0,65.

Проведенный совместный анализ значений КИНМ, полученных по совокупности использования всех 9 моделей, позволил по данным 286 объектов разработки сравнить их со значениями КИНпр. Выполненный анализ показал, что наиболее сильные корреляционные связи получены при сопоставлении КИНпр и КИНм, рассчитанные по обобщающим моделям, учитывающим как литологию пород, так и наличие или отсутствие ППД (совместные данные, учитывающие расчеты по моделям по вариантам 6-9).

Кроме этого, анализ показал, что при расчетах значений КИНМ по обобщающим моделям необходимо определить, не является ли значение КИНм, полученное в пределах тектонического элемента или нефтегеологического районирования, аномальным.

На втором уровне моделирования КИНМ были построены модели по объектам разработки турнейско-фаменского карбонатного, визейского терригенно-го, башкирско-серпуховского карбонатного, московского терригенно-карбонатного и нижнепермского карбонатного нефтегазоносных комплексов. Наибольшее количество моделей (18), учитывающие конкретные условия разработки, построены для визейских терригенных объектов разработки. Для построения наиболее «работоспособных» моделей для определения КИНм для визейских терригенных отложений разработана схема районирования территории Пермского края, учитывающая свойства нефтей и пластов коллекторов этих отложений. Районирование территории выполнено с использованием ЛДФ, с помощью чего объекты разработки сгруппированы в три зоны. В пределах этих зон построены модели для определения КИНМ, произведен анализ соотношений значений КИНпр и КИНм- Кроме этого, построены индивидуальные модели для определения КИНм по Тл, Бб, Тл-Бб и другим объектам разработки. По всем построенным моделям определены значения коэффициентов корреляции и уравнений регрессии между КИНПр и КИНМ, выполнен детальный анализ этих соотношений для конкретных условий разработки. Выполнено сопоставление количества объектов разработки, используемых для построения статистических моделей определения КИНм с количеством всех объектов, по которым выполнено определение КИНм и установлено, что они между собой хорошо коррелируют (r=0,92; tp>tt). На примере визейских терригенных объектов разработки с привлечением данных по 9 обобщающим моделям было определено, что если модель строится по данным менее 20 объектов разработки, то не всегда удается в ней учесть комплексное влияние геолого-технологических показателей на КИНм- В случаях, когда значение КИНм определяется по модели, которая строилась по данным менее 20 объектов, значения КИНм необходимо дополнительно оценивать путем вычисления КИНМ по другим, более интегрированным моделям. Весь выполненный анализ соотношений между КИНпр и КИНм показывает, что построение моделей для определения КИН по геолого-технологическим показателям необходимо производить по более дифференцированным моделям, с обязательным условием обоснованности количества объектов, по которым строились эти модели.

Результаты выполненной работы могут быть использованы для расчета КИН на первых стадиях разведки месторождений, при оценке извлекаемых запасов не эксплуатируемых в настоящий момент объектов разработки по зарубежным классификациям (SPE, SEC и др.), а так же для контроля значений КИН, полученных по другим моделям.

Библиография Диссертация по наукам о земле, кандидата технических наук, Акимов, Иван Александрович, Пермь

1. Азаматов В. И., Рыжик В. М., Халимов Э. М. Проблемы прогнозирования качества неразведанных запасов и ресурсов нефти // Разработка нефтяных месторождений и методы повышения нефтеотдачи, ВНИИО-ЭНГ, Москва, 1991,. № 5, с. 1-7.

2. Азаматов В. И., Сафин Д. К. Состояние и структура сырьевой базы нефтедобычи НК «ЛУКОЙЛ» // Геология, разработка, бурение и эксплуатация нефтяных месторождений Пермского Прикамья, Пермь, 1999, с. 107110.

3. Акимов И. А. Анализ состояния структуры промышленных запасов нефти разрабатываемых месторождений Пермской области // Горное эхо, Горный институт УрО РАН, Пермь, 2004, № 4, с. 48-50.

4. Акимов И. А. Построение математических моделей для определения коэффициента извлечения нефти на примере визейских терригенных объектов разработки в пределах Пермского края // Горные ведомости, Тюмень, 2007,с. 14-20.

5. Акимов И. А. Использование статистических моделей для определения конечной нефтеотдачи визейских терригенных объектов разработки Пермского края // Геология, геоинформационные системы, горнонефтяное дело, сб. науч. тр. ПГТУ, Пермь, 2007, с. 6-12.

6. Амелин И. Д., Сургучев М. Л., Давыдов А. В. Прогноз разработки нефтяных залежей на поздней стадии. М.: Недра, 1994.

7. Андерсен Т. Введение в многомерный статистический анализ. М.: Физ-матгиз, 1963, 500 с.

8. Айвазян С. А., Бешаева 3. И., Староваров О. В. Классификация многомерных наблюдений. М.: Статистика, 1974, 237 с.

9. Андерсен Т. Введение в многомерный статистический анализ. М.: Физ-матгиз, 1963, 500 с.

10. Аронов В. И. Математические методы обработки геологических данных на ЭВМ. М.: Недра, 1977, С. 168.

11. Афифи А. А., Эйзен С. П. Статистический анализ. Подход с использованием ЭВМ. М.: Мир, 1982, С.322-328.

12. Багишев Б. Т., Исаичев В. В., Кожакин С. В. и др. Регулирование процесса разработки нефтяных месторождений. М.: Недра, 1973.

13. Бачурин Б. А., Геохимические закономерности распределения водорас-творенных газов и органического вещества как критерии нефтегазонос-ности локальных объектов Прикамья: Автореферат дис. к.г.-м.н., 1977, 20 с.

14. Белонин М. Д. Методические аспекты прогноза нефтегазоносности земель // Геология нефти и газа. 1977, № 12, с. 32-37.

15. Боровко Н. Н. Статистический анализ пространственных геологических закономерностей. Л.: Недра, 1971, 173 с.

16. Борукаев Ч. Б., Воронин Ю. А. Математика и геологические задачи // Вести, АН СССР, 1975, № 11, с. 122-125.

17. Бреев В. А., Иоффе О. П. и др. Обоснование коэффициентов нефтеотдачи зависимости от различных геолого-физических факторов // Исследования в области нефтепромысловой геологии, ВНИИ, Москва, 1972, вып. 43, с. 146-156.

18. Бугаец А. Н., Вострокнутов Е. П., Вострокнутова А. И. Применение экспертных систем в геологическом прогнозировании. М.: Изд-во ВИЭМС, 1986,42 с.

19. Бусыгин Б.С., Мирошниченко JI.B. Выбор информативных признаков в распознавании образов применительно к задачам геологии. М.: ВИЭМС, 1986, 72 с.

20. Бухарцев В. П. Вероятностный прогноз нефтеносности // Математика, ЭВМ и АСУ в геологии нефти и газа / ИГиРГИ. М., 1973. с. 7-41.

21. Вентцель Е. С. Теория вероятностей. М.: Недра. 1977.270 с.

22. Викторин В. Д. Влияние особенностей карбонатных коллекторов на эффективность разработки нефтяных залежей. М.: Недра, 1988,150 с.

23. Винниковский С. А., Шаронов JI. В., Закономерности размещения и условия формирования залежей нефти и газа Волго-Уральской области. Том 2, М.: Недра, 1977,272 с.

24. Вистелиус А. В. Основы математической геологии. JL: Недра, 1980, 389 с.

25. Волков А. М. Конструктивный подход к построению системы, моделирующей деятельность геолога // Применение математических методов и ЭВМ в геологии. Тюмень, 1988, с. 10 19.

26. Волков А. М. Структура системы решений геологических задач // Математическое моделирование в геологии нефти и газа: Тр. Зап-СибНИГНИ. Вып. 211, Тюмень, 1986, с. 3 8.

27. Воронин Ю. А. Геология и математика. М.: Наука, 1967, С.251.

28. Воронин Ю. А. Распознавание образов в вычислительной геологоразведке / Методы автоматизированной оценки пористости и водонасы-щенности в терригенных коллекторах. Тюмень, 1987, с. 12 22.

29. Воронин Ю. А. Теория классифицирования и ее приложение. Новосибирск: Наука, 1985,270 с.

30. Воронин Ю. А., Гольдин Н. А. О математико-логическом анализе геологических классификаций в геологии нефти и газа // Геология нефтегазоносных районов Сибири: Тр. ВНИИГГиМС. Вып. 32, Новосибирск, 1984, с. 94-109.

31. Воронин Ю. А., Еганов Е. А. Методологические вопросы применения математических методов в геологии. Новосибирск: Наука, 1984, 75 с.

32. Воронин Ю. А., Марасулов А. К., Зверинский К. И. О сопоставлении алгоритмов распознавания // Теоретическое и алгоритмическое обеспечение задачи вычислительной геологоразведки. Новосибирск: ВЦ СО АН СССР, 1987, с. 148-159.

33. Габриэлянц Г. А. и др. «Региональная геология нефтегазоносных территорий СССР» М.: Недра, 1991.

34. Глазунов Н. М. Об оценках информативности признаков в задачах классификации // Автоматизация проектирования информационных систем / Ж АН УССР. Киев, 1976, с. 57 66.

35. Горовов В. И., Распопов А. В., Шустеф И. Н. Приближенный метод расчета показателей разработки месторождений // «Нефтяное хозяйство», Москва, 1988, № 6, с. 25 27.

36. Гришин Ф. А. Подсчет запасов нефти и газа в США. М.: Недра, 1993, 343 с.

37. Губерман Н. Ш. Неформальный анализ данных в геологии и геофизике. М.: Недра, 1987,482 с.

38. Гуськов О. И., Кушнарев П. И. Таранов С. М. Математические методы в геологии: Сб. задач. М.: Недра, 1991,205 с.

39. Дементьев JI. Ф. Математические методы и ЭВМ в нефтегазовой геологии. М.: Недра, 1983, 187 с.

40. Демин В. И., Конторович А. Э. Основы методики и правила выбора вероятностей ошибок первого и второго рода последовательной по объектам процедуры распознавания образов // Тр. СНИИГТИМС. 1976, с. 8493.

41. Джафаров И. С., Джафаров Н. М., Эфендиев Г. М. Применение теории нечетких множеств к решению задач распознавания в нефтепромысловой геологии и геофизике: Обзор / ВИЭМС. М.: Изд-во ВИЭМС, 1985, 78 с.

42. Дмитриевский А. Н. Методология системно-геологических исследований // Проблемы нефтегазогеологического прогнозирования. М.: Наука. 1986, с. 11-13.

43. Дэвис Дж. Статистика и анализ геологических данных. М.: Мир, 1977, 572 с.

44. Дэвис Дж. С. Статистический анализ данных в геологии. М.: Недра, 1990, кн. 1. 319 е., кн. 2. - 426 с.

45. Еременко Н. А., Чилингар Г. В. Геология нефти и газа на рубеже веков. М.: Наука, 1996,176 с.

46. Жуков Н. Н. Вероятностно-статистические методы анализа геолого-геофизической информации. Киев: Вища школа, 1975, 304 с.

47. Иванова М. М., Тимофеев В. А., Брагин Ю. И., Дегтярева JI. А. Обводнение продукции, добываемой из залежей при вытеснении нефти водой //Геология нефти и газа. Москва, 1980, № 1, с. 44 48.

48. Иванова М. М. Динамика добычи нефти. М.: Недра, 1976.

49. Ивахненко А. Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Техника, 1975.

50. Инструкция по применению классификации запасов месторождений, перспективных и прогнозных ресурсов нефти и горючих газов. М., 1984, 24 с.

51. Инструкция о содержании, оформлении и порядке предоставления в ГКЗ СССР материалов по подсчету запасов нефти и горючих газов. М., 1984, 27 с.

52. Коблова А. 3., Дулепов Ю. А. Нефти, газы и ОВ пород севера Урало-Поволжья. Каталог физико-химических свойств. Выпуск III, Пермь, КАМНИИКИГС, 685 с.

53. Колганов В. И., Гавура А. В. Нефтеотдача карбонатных коллекторов при заводнении. Изд. ВНИИОЭНГ, 1980.

54. Крамбейн У., Кауфман Н. Модели геологических процессов. М.: Мир. 1969. 396 с.

55. Крамбейн У., Грейнбилл Ф. Статистические модели в геологии. М.: Мир, 1969, 396 с.

56. Крамер Г. Математические методы статистики. М.: Мир, 1975, 647 с.

57. Кузнецов В. П. Интервальные статистические модели. М.: Радио и связь, 1991,348 с.

58. Лаудак Т. ЭВМ и машинные методы в геологии. М.: Мир, 1981,318 с.

59. Лбов Г. С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука, 1981.

60. Лысенко В. Д. Проблемы проектирования разработки нефтяных месторождений. ВНИИОЭНГ, Москва, 1994.

61. Лядова Н. А. Анализ влияния региональных и локальных геологических условий на размещение залежей в каменноугольных отложениях Прикамья // Геология, геофизика и разработка нефтяных месторождений: Экспресс информ. М., 1992, с. 7 - 10.

62. Марковский Н. И. «Палеогеографические условия размещения крупных залежей нефти». М.: Недра, 1965.

63. Мартос В. И., Куренков А. И., Ключарев В. С. Обоснование оптимальной конечной нефтеотдачи на стадии разведки месторождений // Методы подсчета запасов нефти и газа, М.: Наука, 1986.

64. Миллер Р. А., Канн Дж. С. Статистический анализ в геологических науках. М.: Мир, 1965,482 с.

65. Мелик-Пашаев В. С., Кочетов М. Н. и др. Нефтеотдача длительно разрабатываемых залежей по геолого-промысловым данным // Нефтепромысловая геология. Тр. ВНИИ, М.: Недра, 1965, Вып. XLIII, с. 3 -106.

66. Методические рекомендации по выполнению аудита запасов с использованием программных продуктов Merak (Peep). Москва, Schlumberger, 2001.

67. Методические рекомендации по подсчету геологических запасов нефти и газа объемным методом. Под ред. Петерсилье, Пороскуна В. И., Яцен-ко Г. Г.Москва-Тверь: ВНИГНИ, НПЦ «Тверьгеофизика», 2003.

68. Методические рекомендации по заполнению формы федерального государственного статистического наблюдения № 6-гр (нефть, газ, компоненты), ведению федерального и сводных территориальных балансов запасов. М., 1996,45 с.

69. Мовшович Э. Б., Кнепель М. Н., Черкашин М. С. Формализация геологических данных для математической обработки. М.: Недра, 1987,215 с.

70. Морозова М. Н., Азаматов В. И. Коэффициенты извлечения нефти и начальные дебиты показатели качества запасов и ресурсов нефти // Дифференциация запасов и ресурсов нефти, сб. науч. тр. М.: ИГиРГИ, 1992, с. 66 - 76.

71. Новоселицкий В. М., Проворов В. М., Шилова А. А. Физические свойства пород осадочного чехла севера Урало-Поволжья. Свердловск: УНЦ АН СССР, 1985,133 с.

72. Патрик Э. Основы теории распознавания образов. М.: Сов. Радио, 1980, 427 с.

73. Паффенгольц К. Н., Боровиков Л. И. и др. Геологический словарь. М.: Недра, 1978, том 1 486 с, том 2 - 456 с.

74. Поплаухина Т. Б., Крылов Д. Ю., Хомутова А. В. Создание и применение алгоритмов выбытия фонда скважин в зависимости от условий разработки по месторождениям ЗАО «ЛУКОЙЛ-ПЕРМЬ» // «Нефть и газ», Москва, 2004, № 5, с. 79 87.

75. Проворов В. М. Структурно-фациальные зоны нефтегазонакопления в северных районах Урало-Поволжья // Тр. ВНИГНИ. М., 1982, Вып. 243, с. 3-21.

76. Проворов В. М. Строение верхнедевонско-турнейского палеошельфа севера Урало-Поволжья и задачи дальнейшего изучения // Геология нефти и газа. 1988, №2, с. 24-29.

77. Программа расчета коэффициента извлечения нефти. КИВЦ ОПН, Пермь, 1988.

78. Распопов А. В., Филонов М. П., Новикова В. Л. и др. Разработка программы "Аналог" для анализа технологических показателей разработки месторождений // ООО «ПермНИПИнефть», Пермь, 1996, 57 с.

79. РД 153-39-007-96 Регламент составления проектных технологических документов на разработку нефтяных и газовых месторождений. М., 1996,202 с.

80. РД 39-0147035-214-86 Методическое руководство по расчету коэффициентов извлечения нефти из недр. М., 1986, 253 с.

81. Родионов Д. А. Статистические решения в геологии. М.: Недра, 1981, с. 158- 165.

82. Родионов Д. А. Статистические методы разграничения геологических объектов по комплексу признаков. М.: Недра, 1968,158 с.

83. Савич А. И. Дифференцированная оценка коэффициента извлечения нефти на стадии поисково-разведочных работ // Дифференциация запасов и ресурсов нефти, сб. науч. тр. М.: ИГиРГИ, 1992, с. 91 98.

84. Савич А. И. Трудноизвлекаемые запасы нефти резерв увеличения выработки пластов // Вопросы методики изучения и освоения нефтяных залежей Пермского Прикамья в усложненных горногеологических условиях. сб. науч. тр. М.: ИГиРГИ, 1986, с. 11 -14.

85. Сазонов Б.Ф. Совершенствование технологии разработки нефтяных месторождений при водонапорном режиме. М.: Недра, 1973.

86. Сазонов Б. Ф. Некоторые проблемы прогнозирования коэффициентов извлечения нефти // Интервал, № 2 (49), 2003.

87. Себер Дж. Линейный регрессионный анализ. М.: Мир, 1980,455 с.

88. Сургучев М. Л., Гомзиков В. К. Статистические модели для определения нефтеотдачи пластов // Нефтепромысловое дело, РНТС, 1979, № 9, с. 11 -14.

89. Сургучев М. Л., Калганов В. И., Гавура В. А. и др. Извлечение нефти из карбонатных коллекторов. М.: Недра, 1987,230 с.

90. Турбович И. Г. О классификации задач и методов распознавания образов. М.: Наука, 1968, с. 18 23.

91. Уилкс С. Математическая статистика. М.: Наука, 1967, 600 с.

92. Фадеев Ю. И. Методика определения области надежной оценки запасов нефти статистическим методом // Тезисы докладов XIII научно-технической конференции молодых ученых «Проблемы освоения труд-ноизвлекаемых запасов» ПермНИПИнефть. Пермь, 1987, с. 69.

93. Хальд А. Математическая статистика с техническими приложениями. М.: Изд-во иностр. лит., 1956,488 с.

94. Харбух Дж., Давтон Дж. X. Применение вероятностных методов в поисково-разведочных работах на нефть. М.: Недра, 1981,243 с.

95. Харбух Дж., Бонем-Картер Г. Моделирование на ЭВМ в геологии. М.: Мир, 1974,318 с.

96. Черников К. А. и др. Словарь по геологии нефти и газа. М.: Недра, 1988, 679 с.

97. Чистяков В. В. Курс теории вероятностей. М.: Наука, 1996, 255 с.

98. Шавалиев А. М., Статистические исследования нефтеотдачи и водонеф-тяного фактора месторождений «Урало-Поволжья» // Нефтяное хозяйство, Москва, 1981, № 12, с. 30 32.

99. Шарапов Н. П. Применение математической статистики в геологии. М.: Недра, 1971,246 с.

100. Шустеф И. Н. Геологические основы технологических решений в разработке нефтяных месторождений. М.: Недра, 1988,199 с.

101. Эддоус М., Стенсфилд Р. Методы принятия решений. М.: Аудит, 1997.

102. Элланский М. М., Ованесов М. Г. Вероятностные многомерные модели в нефтепромысловой геологии. М.: Изд-во МИНГ им. И. М. Губкина, 1986, 62 с.

103. Wayhan D. A., Albrecht R. A., Andrea D. W., Lancaster W. R. Estimating waterflood recovery in sandstone reservoirs. Drill. And Prod. Prac. API, 1970, p. 252-259.