Эффективные вычислительные технологии для геолого-технологического моделирования и разработки нефтегазовых месторождений тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Власов, Сергей Пантелеевич

  • Власов, Сергей Пантелеевич
  • кандидат технических науккандидат технических наук
  • 2008, Ижевск
  • Специальность ВАК РФ05.13.18
  • Количество страниц 192
Власов, Сергей Пантелеевич. Эффективные вычислительные технологии для геолого-технологического моделирования и разработки нефтегазовых месторождений: дис. кандидат технических наук: 05.13.18 - Математическое моделирование, численные методы и комплексы программ. Ижевск. 2008. 192 с.

Оглавление диссертации кандидат технических наук Власов, Сергей Пантелеевич

Введение.

1. Методы повышения эффективности создания трехмерных геолого-гидродинамических моделей нефтегазовых месторождений.

1.1. Исходная информация для моделирования нефтегазовых месторождений.

1.2. Задачи обработки и анализа геофизической информации при разведочном бурении скважин.

1.3. Методы и алгоритмы обработки геофизической информации.

1.3.1. Методы кластеризации.

1.3.2. Деревья решений.

1.3.3. Статистические подходы анализа данных.

1.3.4. Метод ближайших соседей.

1.3.5. Нейронные сети.

1.3.6. Методы нечеткого логического вывода.

1.4. Проблема компьютерного моделирования месторождений.

1.5. Гидродинамическое моделирование на базе метода линий тока

1.5.1. Наглядная визуализация потока флюидов.

1.5.2. Моделирование в масштабе всего месторождения.

1.5.3. Эффективность и скорость вычислений.

1.5.4. Возможность постепенного усложнения физических свойств потока.

1.5.5. Поток несжимаемой жидкости и управление скважинами

1.5.6. Новая (специфическая для метода линий тока) информация

1.6. Постановка цели и задач исследований.

2. Методика экспресс-оценки запасов углеводородов по результатам геофизических исследований скважин с применением нечетких деревьев решений.

2.1. Метод классификации, основанный на деревьях решений с вероятностным и возможностным критериями разбиения.

2.2. Метод построения нечетких деревьев решений.

2.3. Оценка начальных запасов нефти и газа на основе объемного метода

2.4. Применение дискретного вейвлет-преобразования для проведения геофизической интерпретации.

2.5. Параметрическая настройка дерева решений для задачи литоло-гического разделения.

2.6. Методика оценки продуктивности скважины.

2.7. Полученные результаты и выводы.

3. Методические аспекты геолого-технологического моделирования нефтегазовых месторождений.

3.1. Укрупненные этапы создания трехмерных геолого-гидродинамических моделей нефтегазовых месторождений.

3.2. Геологическое моделирование.

3.2.1. Методика и результаты интерпретации данных керна и ГИС.

3.3. Построение трехмерной геологической модели месторождений.

3.3.1. Обоснование объёмных сеток параметров модели.

3.3.2. Построение структурной модели.

3.3.3. Построение литологической модели и распределение ФЕС.

3.3.4. Построение модели насыщения пласта флюидами.

3.4. Подсчет запасов нефти.

3.5. Цифровая фильтрационная модель.

3.5.1. Математические модели расчета фильтрационных процессов на месторождении.

3.5.2. Исходные данные для построения цифровой фильтрационной модели.

3.5.3. Требования к точности исходных данных.

3.6. Полученные результаты и выводы.

4. Применение метода линий тока при комплексной интерпретации данных.

4.1. Методика ранжирования геостатистических моделей пласта.

4.1.1. Методика ранжирования.

4.1.2. Рабочий пример месторождения.

4.2. Методика ремасштабирования геологической модели коллектора

4.2.1. Процедура ремасштабирования.

4.2.2. Рабочие примеры месторождений.

4.3. Методики качественной оценки эффективности схемы размещения скважин.

4.3.1. Методика баланса схемы расположения скважин.

4.3.2. Методика оценки эффективности нагнетания.

4.3.3. Методика оценки эффективности добычи.

4.4. Полученные результаты и выводы.

Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Введение диссертации (часть автореферата) на тему «Эффективные вычислительные технологии для геолого-технологического моделирования и разработки нефтегазовых месторождений»

Актуальность темы. Двадцать первый век приносит новые проблемы для мировой экономики. Динамичный глобальный рынок требует изменения существующей парадигмы в нефтяной отрасли, поскольку потребность в нефти продолжает доминировать в общемировой сфере энергопотребления.

Моделирование месторождений является одной из многих современных технологий, используемых при разработке и добыче нефти. Оно используется для сравнения различных механизмов добычи и предоставляет базу для экономического анализа потенциальных сценариев подготовки месторождения. Кроме того, к данному типу моделирования предъявляются все большие требования, т.к. нефтегазовые площади стареют, и процесс добычи становится все более сложным. Успешное, экономически обоснованное использование современных технологий интенсификации добычи нефти и повышения нефтеотдачи обеспечивается путем создания компьютерных цифровых геолого-гидродинамических моделей пластовых систем и протекающих в них процессов. Существующие коммерческие программные пакеты для проведения моделирования представляют широкий набор инженерных средств, обеспечивающих принятие оптимального решения в управлении месторождением. Однако точность выдаваемых ими прогнозов в большой степени зависит от разрешающей способности модели. Из-за существующих вычислительных ограничений, высоко-детализированную сетку геологической модели подвергают осреднению до сетки с сотнями тысяч блоков. Одно из решений усовершенствования симулятора основано на достижениях компьютерного прогресса в области аппаратных средств ЭВМ. Второй подход состоит в том, чтобы непосредственно улучшить эффективность моделирования. При таком решении остается возможность использования стандартных компьютерных средств, но с получением достаточно точных прогнозов за меньшее время.

В сложных условиях залегания углеводородов на больших глубинах в тонких пластах-коллекторах при многокомпонентном литологическом составе и сложной структуре порового пространства возрастают требования к качеству интерпретации результатов геофизических исследований скважин (ГИС). Одним из направлений повышения геологической эффективности и оперативности использования материалов ГИС является автоматизация процессов сбора обработки и интерпретации информации с использованием ЭВМ. При наличии эмпирической базы данных возможно использование методов извлечения знаний из данных и применение обучающихся информационных систем. Так как задачи интерпретации ГИС имеют в своей основе сложные функциональные зависимости, то для их решения нашли применение системы нейронных систем, нечеткой логики. При разработке интеллектуальных компьютерных систем предпочтение отдается методам, допускающим представление знаний в виде набора некоторых понятных человеку правил.

В целом, применение математических методов теории интеллектуальных систем для интерпретации данных ГИС, позволяющее сократить временные затраты и повысить надежность результатов оценки продуктивности скважин, разработка и применение методов непосредственного улучшения компьютерного моделирования месторождений, а также их интегрирования с уже существующими технологиями, являются актуальными задачами.

Объектом исследования является геолого-технологическое моделирование нефтяного пласта, а также данные геофизических исследований скважин, представленные в цифровом виде.

Предметом исследования являются математическое описание алгоритмов и методов интерпретации каротажных диаграмм, определение продуктивных коллекторов и их классификация на основе метода нечетких деревьев решений и вейвлет-преобразования, а также применение MJ1T при комплексной интерпретации данных.

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

При решении задачи распознавания литологической структуры разреза скважины использовалась модель нечеткого дерева решений. Настройка параметров нечетких деревьев осуществлялась на комбинациях методов каротажа, входящих в состав стандартного набора методов ГИС, снимаемых на скважине. Для получения дополнительной информации о границах коллекторов геофизические сигналы обрабатывались с применением дискретного вейвлет-преобразования. Результаты работы исследовались на предмет адекватности выделенных нефте-газонасыщенных, водонасыщенных и непродуктивных участков разреза скважины экспертным оценкам.

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

Достоверность и обоснованность полученных в работе результатов и выводов подтверждена сопоставительным анализом разработанных несуществующих математических моделей и методов, а также итогами проведения вычислительного эксперимента.

Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях теории обычных и нечетких множеств, теоретических основах функционального анализа, теории статистического* анализа, теории информации, теории вероятности, вычислительной гидродинамики, подземной гидромеханики и флюидодинамике, нефтегазовой геологии.

Достоверность экспериментальных результатов обеспечена' использованием большого объема экспериментального материала по ГИС, моделированием фильтраций флюидов в существенно отличающихся по строению пластах при различных начальных и граничных условиях, хорошей согласованностью прогнозируемых и реальных эксплутационных характеристик.

На защиту выносятся результаты разработки и применения эффективных вычислительных технологий для геолого-технологического моделирования и разработки нефтегазовых месторождений, в том числе:

- метод и алгоритм построения деревьев решений с нечеткими условиями и нечетким логическим выводом для решения задач геофизической классификации, аппроксимации и прогнозирования;

- методика экспресс-оценки запасов углеводородов с применением нечетких деревьев решений;

- обоснование для проведения геофизической интерпретации дискретным вейвлет-преобразованием;

- алгоритм методики оценки продуктивности газовых и нефтяных скважин по показаниям геофизических методов;

- методика ранжирования геостатистических моделей пласта на основе применения MJ1T;

- методика ремасштабирования геологической модели коллектора на основе применения MJIT;

- методики качественной оценки эффективности размещения схемы расположения скважин на основе применения MJIT;

- результаты численных расчетов и экспериментов с использованием данных реальных месторождений.

Научная новизна результатов диссертационного исследования, полученных лично автором, заключается в следующем:

- развит алгоритм построения бинарного дерева решений с новым информационным критерием выбора атрибута и условием для ветвления, основанном на возможностной мере нечеткости;

- разработан новый метод классификации и аппроксимации, использующий для генерации правил возможностное дерево решений и нечеткий логический вывод по Сугено;

- создана новая методика определения нефтегазонасыщенности и продуктивности скважин по результатам интерпретации ГИС с совместным применением метода нечетких деревьев и вейвлет-преобразования;

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

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

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

Практическая значимость работы определяется тем, что применение системы интерпретации ГИС на основе метода нечетких деревьев позволяет существенно сократить временные затраты при решении задачи литологиче-ской классификации. Разработанные в работе методики и алгоритмы экспресс-интерпретации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора с одновременным повышением качества интерпретации. Применение системы повышает уровень достоверности и согласованности данных, используемых в качестве исходных при построении геологических, гидродинамических и других моделей месторождений. Система интерпретации может функционировать на вычислительных средствах с ограниченными возможностями.

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

Реализация работы в производственных условиях. Результаты исследования протестированы в ходе верификации геолого-геофизических и промысловых данных, геолого-технологического моделирования и разработки ряда нефтегазовых месторождений Западной Сибири. Работа может быть использована предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением цифровых моделей на основе геолого-геофизической и промысловой информации.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на: Международных научно-технических конференциях «Информационные технологии в инновационных проектах» (Ижевск, 2003-2004); VI Международный конгресс по математическому моделированию (Нижний Новогород, 2004); Международной конференции «Компьютерное моделирование» (Санкт-Петербург, 2003-2004); 4-м научном симпозиуме «Геоинформационные технологии в нефтепромысловом деле» - секции «А» 6-го международного конгресса нефтегазопромышленников России (Уфа, 2005); Международных симпозиумах «Надежность и качество» (Пенза, 2005-2007); 33-й международной конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); 6th international conference «Vibroengineering 2006» (Каунас, Литва, 2006); 34-й Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2007); VIII Международной научно-технической конференции «Искусственный интеллект - 2007» (пос. Дивноморское, 2007); Международной научно-технической конференции «Многопроцессорные вычислительные и управляющие системы» (пос. Дивно-морское, 2007).

Публикации. Основные научные результаты по теме диссертации опубликованы в 16 научных работах общим объемом 7,94 п.л. Автор имеет 7 научных трудов в издании, выпускаемом в РФ и рекомендуемом ВАКом для публикации основных результатов диссертаций.

Структура диссертационной работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и приложения с актом о внедрении и использовании результатов работы, изложенные на 192 стр. машинописного текста. В работу включены 80 рис., 4 табл. и список литературы из 168 наименований.

Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Власов, Сергей Пантелеевич

ЗАКЛЮЧЕНИЕ

В ходе выполнения настоящей работы получены следующие основные выводы и результаты.

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

2. В целом, в техническом отношении качество геофизического материала позволяет использовать его для трехмерного геологического моделирования. Детальность масштабов регистрации, скорость записи соответствуют требованиям, предъявляемым к исходным данным для количественной обработки и интерпретации. Комплекс промыслово-геофизических исследований позволил решить следующие геолого-промысловые задачи: провести детальное литологическое расчленение разреза скважин, выделить пласты-коллекторы, оценить их эффективную толщину; определить значения пористости и нефтенасыщенности коллекторов в каждом пластопересечении; определить характер насыщения пластов-коллекторов.

3. Проведенный анализ методов обнаружения знаний в данных показал, что метод деревьев решений в задачах геофизической интерпретации имеет преимущества в наглядности правил и быстроте обработке при высоком качестве классификации.

4. Для применения метода деревьев решений к анализу непрерывных пет-рофизических зависимостей целесообразна его доработка в виде алгоритма нечетких деревьев решений с нечеткими условиями ветвления и с нечетким логическим выводом.

5. Результаты применения метода нечетких деревьев для задач геофизической интерпретации показали его преимущество по сравнению с нейронными сетями, выражающееся в увеличении доли роста правильно распознанных коллекторов с 75% до 79% и снижение ошибки прогнозирования показателей газо и нефтенасыщенности с 6,5% до 4,4%.

6. Получены правила, доступные для понимания интерпретатором, характеризующие зависимость литологических характеристик разреза скважины от показаний геофизических методов.

7. Применение вейвлет-преобразования для сглаживания исходного сигнала и выделения границ коллекторов по виду коэффициентов вейвлетов повысило долю правильно распознаваемых коллекторов до 84%, что соответственно повысило точность прогноза продуктивности скважин.

8. Метод нечетких деревьев решений в совокупности с вейвлет-преобразованием реализован в виде программного комплекса, позволяющего проводить количественную оценку продуктивности скважин непосредственно на месте бурения.

9. Критерий времени пролета вдоль линии тока предоставляет общий и эффективный инструмент для ранжирования геологических моделей, который учитывает взаимодействие между статическими параметрами модели и динамическими режимами потока.

10. Значения коэффициента охвата коллектора совместно с STOIIP могут использоваться для определения пессимистического, оптимистического и вероятного сценариев разработки месторождения.

11. Высокая скорость ранжирования на основе MJIT позволяет исследовать влияние неоднородностей, наблюдаемых в различных статических и динамических параметрах, в реальных промысловых условиях.

12. Коэффициент охвата при известном параметре времени пролета является подходящим критерием для нахождения оптимальных способов вертикального ремасштабирования, при которых сохраняются важные детали неоднородного строения пласта.

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

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

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

Список литературы диссертационного исследования кандидат технических наук Власов, Сергей Пантелеевич, 2008 год

1. Азиз X., Сеттари Э. Математическое моделирование пластовых систем: Пер. с англ. / Под ред. М.М. Максимова. - Москва-Ижевск: Институт компьютерных исследований, 2004. - 416 с. Репринтное издание. Оригинальное издание: М.: «Недра», 1982 г.

2. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во ТГУ, 2000. - 352 с.

3. Амикс Дж., Басс Д., Уайтинг Р. Физика нефтяного пласта. — М.: Гостоптехиздат, 1962. 572 с.

4. Андерсон Д., Таннехилл Дж, Плетчер Р. Вычислительная гидродинамика и теплообмен: Пер. с англ. Т. 1-2. - М.: «Мир», 1990.

5. Аронов В.И. Об оптимальном размещении разведочных скважин / Математические методы решения задач нефтяной геологии на ЭВМ. М.: ВНИГНИ, 1979. - С. 3 - 13.j

6. Бадабаглы В.А., Изотова Т.С., Карпенко И.В., Кучеров Е.В., Лито-логическая интерпретация геофизических материалов при поисках нефти и газа. М.: Недра, 1998.

7. Баренблатт Г.И., Ентов В.М., Рыжик В.М. Движение жидкостей и газов в природных пластах. М.: «Недра», 1984. — 211 с.

8. Басниев К.С., Дмитриев Н.М., Розенберг Г.Д. Нефтегазовая гидромеханика: Учебное пособие для вузов. М.-Ижевск: Институт компьютерных исследований, 2005. — 544 с.

9. Басниев К.С., Кочина И.Н., Максимов В.М. Подземная гидромеханика: Учебник для вузов. М.: «Недра», 1993. - 416 с.

10. Боганик В.Н., Медведев А.И., Григорьев С.Н., и др. Способы повышения достоверности обработки данных ГИС// НТВ «Каротажник». Тверь: Изд. АИС. 2001. Вып. 86. С. 99-110.

11. Борисов А.Н., Алексеев А.В., Крумберг О.А. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. — 256 с.

12. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования. — Рига: Зинатне, 1990. — 184 с.

13. Брусиловский А.И.-Фазовые превращения при разработке месторождений нефти и газа. -М.: «Грааль», 2002. 575 с.

14. Васильев А.В., Лялин В.Е. Анализ применения трехмерных геолого-гидродинамических моделей нефтяных месторождений // Надежность и качество. Труды международного симпозиума / Под ред. Н.К. Юркова. — Пенза: Изд-во Пенз. гос. ун-та, 2005. С. 201-204.

15. Власов С.П. Предварительная оценка запасов нефти и газа по данным разведочного бурения // Информационные технологии в инновационных проектах. Труды Международной научно-технической конференции. Ижевск: Изд-во ИжГТУ, 2003. - С. 27-33.

16. Власов С.П., Денисов С.В. Адаптированная схема подготовки данных каротажа для их интерпретации с помощью многослойной нейронной сети // Вестник Московской Академии рынка труда и информационных технологий. 2006. -№ 22 (44). - С. 20-27.

17. Власов С.П., Денисов С.В. Предобработка исходных данных для многослойной нейронной сети при интерпретации геофизических исследованийскважин // Ж. АН Украины «Искусственный интеллект» № 4. - Донецк: Изд-во Наука i освгга, 2007 - С. 56-65.

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

19. Власов С.П., Лялин В.Е. Минимизация обучающей выборки для интерпретации геофизических исследований скважин с помощью аппарата нейро-информатики // Вестник Московской Академии рынка труда и информационных технологий. 2006. - № 22 (44). - С. 69-78.

20. Власов С.П., Сидельников К.А. Методика ремасштабирования геологической модели коллектора на основе метода линий тока // Вестник Моелковской Академии рынка труда и информационных технологий. — 2006. — № 24 (46).-С. 96-104.

21. Власов С.П., Сидельников К.А. Методики качественной оценки эффективности схемы размещения скважин на основе метода линий тока // Вестник Московской Академии рынка труда и информационных технологий. -2006. № 24 (46). - С. 96-104.

22. Ворончак В.И. Выбор параметров деревьев решений при интерпретации результатов ТИС // Компьютерные и информационные технологии в науке, инженерии и управлении: Материалы Всеросс. НТК Таганрог: Изд-во ТРТУ, 2006. - С.

23. Ворончак В.И. Методика экспресс-оценки запасов углеводородов по результатам геофизических исследований скважин // Надежность и качество. Труды междунар. симпозиума. В 2-х томах / Под. ред. Н.К. Юркова Пенза:

24. Изд-во Пенз. гос. ун-та, 2006. Т. 1. - С. 253-255.

25. Ворончак В.И. Решение задач геофизической классификации методом деревьев решений // Известия ТулГУ. Серия. Математика. Механика. Информатика. Т. 11. Вып. 3. Информатика. - Тула: Изд-во ТулГУ, 2005. - С. 36-484.

26. Ворончак В.И., Тененев В.А. Количественная оценка запасов нефти и газа методом нечетких деревьев решений. /Интеллектуальные системы в производстве, №1, 2006.

27. Гиматудинов Ш.К. Физика нефтяного и газового пласта: Учебник для вузов. 2-е изд., перераб. и доп. - М.: «Недра», 1971. - 312 с.

28. Добеши И. Десять лекций по вейвлетам.- Москва — Ижевск:НИЦ «Регулярная и хаотическая динамика», 2004.464с.

29. Долгопольский А. Модель неопределенности // Нефтегазовая вертикаль.-2004.-№14.

30. Ермилов O.M., Ремизов В.В., Ширковский Л.И., Чугунов Л.С. Физика пласта, добыча и хранение газа. — М.: «Наука», 1996. — 541 с.

31. Желтов Ю.П. Механика нефтегазоносного пласта. М.: «Недра», 1975.-216 с.

32. Желтов Ю.П. Разработка нефтяных месторождений: Учебник для вузов. М.: «Недра», 1986. - 332 с.

33. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. -М.: Мир, 1976. — 165 с.

34. Закиров С.Н., Лапук Б. Б. Проектирование и разработка газовых месторождений. М., «Недра», 1974. 376 с.

35. Зверев Г.Н., Халилов Д.Д., Головацкая И.Б. Применение алгоритма распознавания образцов для интерпретации промыслово-геофизических данных в Башкирии. Тр. МИНХиГП, Вып. 62. М.: Недра, 1966.

36. Зувделевич С.М., Сохранов Н.Н. и др. Описание алгоритмов интерпретаций данных электрического каротажа в рамках АСОИГИС/ЕС. — М.: Изд. ВНИИ Геофизики, 1983. 82 с.

37. Ивакин В.Н., Карус Е.В., Кузнецов О.Л Акустический метод исследования скважин. — М.: Недра» 1978,с»

38. Ивахненко А.Г. и Мюллер И.А., Самоорганизация прогнозирующих моделей. Киев, Наукова думка, 1985.

39. Ильинский В.М. Боковой каротаж. М.: Недра, 1971.

40. Итенберг С.С. Интерпретация результатов геофизических исследований разрезов скважин. М.: «Недра», 1972. - 312 с.

41. Каневская Р.Д. Математическое моделирование гидродинамических процессов разработки месторождений углеводородов. — Москва-Ижевск: Институт компьютерных исследований, 2003. — 128 с.

42. Классификация ресурсов и запасов нефти и газа (совершенствование классификации ресурсов и запасов нефти и газа)/ В.А.Двуреченский, Н.Н. Лисовский и др. М.: изд. ГАНГ им. ИМ. Губкина, 1994.

43. Клир Дж. Системология. Автоматизация решения системных задач.- М.:Радио и связь, 1990.-554с.

44. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. М.: Изд-во МГТУ им. Баумана, 2002. - 320 с.

45. Комплексная интерпретация геофизических параметров функциональными преобразованиями с помощью ЭВМ/ Под. ред. Шапиро О.Г. — Минск, 1981.

46. Концептуальные основы структуры программного обеспечения информационно-измерительной системы для компьютеризированной каротажной станции / Кузнецов В.Б., Оленчикова Т.Ю., Иванов В.А., Лялин В.Е.; ИжГТУ -Ижевск, 1999.-Деп. в ВИНИТИ 1999, №3881-В99.-15с.

47. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. -М., Нолидж, 2001. 352 с.

48. Коротаев Ю.П. Комплексная разведка и разработка газовых месторождений. М.: Недра, 1968.

49. Корреляция геофизических резервов скважин на ЭВМ/ Ш.А, Гу-берман, Е.Е. Калинина, М.И. Овчинникова, В.Ф. Осипов, Геология нефти и газа, 1981, №2, с. 52-57.

50. Котяхов Ф.И. Физика нефтяных и газовых коллекторов. — М.: «Недра», 1977.-287 с.

51. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. —432 с.

52. Кравченко Ю.А. Перспективы развития гибридных интеллектуальных систем // Перспективные информационные технологии и интеллектуальные системы. 2002. - № 3. - С. 34-38.

53. Крешер В.М. Поиски и разведка месторождений полезных ископаемых. 2 изд., М, Недра, 1969.

54. Круглов В.В. Адаптивные системы нечеткого вывода // Нейрокомпьютеры: разработка и применение. 2003. - № 3. - С. 15-19.

55. Круглов В.В., Дли М.И., Голу нов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. - 224 с.

56. Лапук Б.Б. Теоретические основы разработки месторождений природных газов. Москва-Ижевск: Институт компьютерных исследований, 2002. — 292 с. Репринтное издание. Оригинальное издание: М.-Л.: Гостоптехиздат, 1948.

57. Латышова М.Г. Практическое руководство по интерпретации диаграмм геофизических методов исследования нефтяных и газовых скважин. -М.: Недра, 1996.

58. Латышова М.Г., Венделынтейн Б.Ю., Тузов В.П. Обработка и интерпретация геофизических исследований скважин. М.: Недра, 1990. -312с.

59. Лейбензон Л.С. Движение природных жидкостей и газов в пористой среде. — М.-Л.: ОГИЗ, Государственное издательство технико-теоретической литературы, 1947. 244 с.

60. Лукьянов Э.Е., Нестерова Т.Н. Компьютерная технология проведения геолого-технологических исследований/УНТВ «Каротажник». Тверь: Изд. АИС. 1998. Вып.53. С. 18-29.

61. Лялин В.Е., Власов С.П. Методика экспресс-оценки запасов углеводородов по результатам геофизических исследований скважин // Ж. АН Украины «Искусственный интеллект» № 4. - Донецк: Изд-во Наука i освгга, 2007 —1. С. 99-109.

62. Лялин В.Е., Власов С.П. Применение метода деревьев решений для оценки запасов углеводородов по результатам геофизических исследований скважин // Вестник Московской Академии рынка труда и информационных технологий. 2006. - № 22 (44). - С. 96-104.

63. Лялин В.Е., Сидельников К.А. Концепции математического моделирования пластовых систем на базе метода линий тока // Нефтегазовое дело. Электронный научный журнал. 2005. - www.ogbus.ru.

64. Маскет М. Течение однородных жидкостей в пористой среде: Пер. с англ. М.А. Геймана Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2004. - 628 с. Репринтное издание. Оригинальное издание: М.-Л.: Гос-топтехиздат, 1949.

65. Маскет М. Физические основы технологии добычи нефти: Пер.с англ. М.А. Геймана. Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2004. - 606 с. Репринтное издание. Оригинальное издание: М.-Л.: Гос-топтехиздат, 1953.

66. Математические методы в задачах петрофизики и корреляции/Подред. Вайнбер Я.М. и др. -М.: Наука, 1983.

67. Миловаевский Э.Ю., Сохранов Н.Н. Построение геолого-геофизических моделей разреза нефтяных и газовых скважин при комплексной интерпретации результатов полевой и промысловой геофизики. // НТВ «Каро-тажник». Тверь: Изд. АИС. 2000. Вып. 68. С. 57-62.

68. Мирзаджанзаде А.Х., Хасанов М.М., Бахтизин Р.Н. Моделирование процессов нефтегазодобычи. Нелинейность, неравновесность, неопределенность. — М.-Ижевск: Институт компьютерных исследований, 2004. 368 с.

69. Мищенко И.Т. Скважинная добыча нефти: Учебное пособие для вузов. М.: ФГУП Изд-во «Нефть и газ» РГУ нефти и газа им. И.М. Губкина, 2003.-816 с.

70. Нечеткие множества в моделях управления и искусственного ин- . теллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986. - 311 с.

71. Николаевский В.Н. Геомеханика и флюидодинамика. М.: «Недра», 1996.-447 с.

72. Николаевский В.Н., Басниев К.С., Горбунов А.Т., Зотов Г.А. Механика насыщенных пористых сред. М.: «Недра», 1970. - 339 с.

73. Обработка и интерпретация данных промысловых геофизических исследований на ЭВМ: Справочник / Н.Н. Сохранов, С.М. Аксельрод, С.М. Зунделевич, И.М.Чуринова. -М.: Недра, 1989. 240 с.

74. Оркин Г.К., Кучинский П.К. Физика нефтяного пласта. — М.: Гос- топтехиздат, 1962. — 299 с.

75. Особенности разведки и разработки газовых месторождений Западной Сибири/ О.Ф. Андреев, КС. Басниев, Л.Б. Берман и др. М.: Недра, 1984.

76. Осовский С. Нейронные сети для обработки информации / Пер. спольского И.Д. Рудинского. М.: Финансы и статистика, 2002. - 344 с.

77. Паклин Н.Б., Сенилов М.А., Тененёв В.А. Возможности применения интеллектуальных систем в задачах интерпретации каротажных диаграмм.// Материалы международной юбилейной НТК. Ижевск: Изд. ИжГТУ, 2002, - с. 147-152.

78. Пирвердян A.M. Физика и гидравлика нефтяного пласта. — М.: «Недра», 1982.- 192 с.

79. Пыхачев Г.Б., Исаев Р.Г. Подземная гидравлика: Учебное пособие.- М.: «Недра», 1972. 360 с.

80. Роуч П. Вычислительная гидродинамика: Пер. с англ. / Под ред. П.И.Чушкина. М.: «Мир», 1980. - 616 с.

81. Сенилов М.А., Тененев В.А. Интеллектуальные алгоритмы интерпретации геофизических исследований скважин. СПб: Изд-во СПбГЭТУ «ЛЭ-ТИ»,2004.128с.

82. Сенилов М.А., Тененев В.А., Паклин Н.Б. Модели радиальных нейронных сетей в задачах промышленной геофизики // Труды IV межд. науч.-техн. конференции «Информационные технологии в инновационных проектах».- Ижевск: Изд-во ИжГТУ, 2003. Ч. 2. - С. 85-87.

83. Сидельников К.А., Васильев В.В. Анализ применений математического моделирования пластовых систем на базе метода линий тока // Нефтегазовое дело. Электронный научный журнал. 2005. — www.ogbus.ru.

84. Сидельников К.А., Власов С.П. Методика ранжирования геостатистических моделей пласта на основе метода линий тока // Вестник Московской Академии рынка труда и информационных технологий. — 2006. — № 24 (46). С. 96-104.

85. Сидельников К.А., Власов С.П. Теоретические аспекты гидродинамического моделирования месторождений на основе метода линий тока // Вестник Московской Академии рынка труда и информационных технологий. — 2006. № 24 (46). - С. 96-104.

86. Сохранов Н.Н. Машинные методы обработки и интерпретации результатов геофизических исследований скважин. М., Недра, 1973.

87. Сохранов Н.Н., Акселърод С.М. Обработка и интерпретация с помощью ЭВМ результатов геофизических исследований нефтяных и газовых скважин, — М.; Недра, 1984.

88. Справочное руководство по проектированию разработки и эксплуатации нефтяных месторождений. Добыча нефти. / Под общ. ред. Ш.К. Гимату-динова. -М.: «Недра», 1983.-455 с.

89. Стрижов И.Н., Ходанович И.Е. Добыча газа. Москва-Ижевск: Институт компьютерных исследований, 2003. - 376 с. Репринтное издание. Оригинальное издание: M.-JI.: Гостоптехиздат, 1946.

90. Тененев В.А., Ворончак В.И. Решение задач классификации и аппроксимации с применением нечетких деревьев решений. /Интеллектуальные системы в производстве, №2, 2005.

91. Теоретические основы и методы поисков и разведки скоплений нефти и газа М., Недра, 1968.

92. Тришин Ф.В. Реальность виртуальная, польза реальная // Нефть и жизнь. 2004. -№ 1. - С. 22-24.

93. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. Пер. с англ. М., Мир, 1992.

94. Хасанов М.М., Булгакова Г.Т. Нелинейные и неравновесные эффекты в релогически сложных средах. Москва-Ижевск: Институт компьютерных исследований, 2003. — 288 с.

95. Хургин Я.И. Проблемы неопределенности в задачах нефти и газа. — Москва Ижевск: Институт компьютерных исследований. 2004. 320с.

96. Чарный И.А. Подземная гидрогазодинамика: Учебное пособие для вузов. — М.: Гостотехиздат, 1963. 397 с.

97. Чекалин JI.M., Мельников И.Г., Кожевников С.В. Геолого-технические исследования как составная часть компьютеризированной технологии поисково-разведочных работ// НТВ «Каротажник». Тверь: Изд. АИС2000. Вып. 71. С. 51-58.

98. Швидлер М.И. Статистическая гидродинамика пористых сред. — М.: «Недра», 1985.-288 с.

99. Щелкачев В.Н. Отечественная и мировая нефтедобыча — история развития, современное состояние и прогнозы: Монография. М.: ГУП Изд-во «Нефть и газ» РГУ нефти и газа им. Губкина, 2001. - 128 с.

100. Щелкачев В.Н., Лапук Б.Б. Подземная гидравлика: Учебное пособие для студентов нефтегазовых специальностей университетов. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. - 736 с.

101. Abou-Kassem, J.H., Farouq Ali, S.M. and M.R. Islam, Petroleum reservoir simulation: a basic approach, Gulf, Houston, 2006.

102. Ahmed, Т., Reservoir engineering handbook, 2nd ed.,Gulf, Houston,2001.

103. Al-Sunaidi, H.A., Advanced reservoir simulation technology for effective management of Saudi Arabian oil fields. www.worldenergy.org/wecgeis/ pub-lications/default/techpapers/17thcongress/ l227.asp.

104. Anderson, J.D., Jr., Computational fluid dynamics: The basics with application, McGraw-Hill, New-York, 1995.

105. Applied petroleum reservoir engineering / B.C. Craft and M.F. Hawkins, 2nd ed., Prentice-Hall, New York, 1991.

106. Ask, A.K., Dahle, H.K., Karlsen, K.H. and H.F. Nordhaud, A local streamline eulerian-lagrangian method for two-phase flow // Dept. of Mathematics, University of Bergen, Norway.

107. Ates, H., Use of streamline simulations for integrated reservoir modeling, Ph.D. Thesis, The University of Tulsa, 2005.

108. Baker, R., Streamline Technology: Reservoir History Matching and Forecasting = Its Success, Limitations, and Future // Journal of Canadian Petroleum Technology, 2001. Vol. 40. -№4. - P. 23-27.

109. Batycky, R.P., A three-dimensional two-phase field scale streamline simulator, Ph.D. Thesis. Stanford University, 1997.

110. Batycky, R.P., Thiele, M.R. and M.J. Blunt, A streamline simulator to model field scale three-dimensional flow // 5th European Conference on the Mathematics of Oil Recovery, 3-6 September 1996. -Leoben, Austria.

111. Batycky, R.P., Thiele, M.R. and M.J. Blunt, A streamline-based reservoir simulation of the House Mountain waterflood // SCRF, 1997. — Stanford Univer-sity-SUPRiC Research Group.

112. Bear, J., Dynamics of fluids in porous media, Dover, New York, 2005. Reprint. Originally published: American Elsevier, New York, 1972.

113. Berenblyum, R.A., Shapiro, A.A. and E.H. Stenby Reservoir streamline simulation accounting for effects of capillarity and wettabilty // 9th European Conference on the Mathematics of Oil Recovery, 30 August 2 September 2004. - Cannes, France.

114. Bigus J.P. Data mining with Neural Networks: Solving Business Problems From Application Development to Decision Support. New York, McGraw-Hill, 1996.

115. Brennen, C.E., Fundamentals of multiphase flows, CUP, Pasadena,2005.

116. Bretti, G., Modeling and numerics for porous media and traffic flow, Ph.D. Thesis, Universit? degli Studi di Roma "La Sapienza", 2003/2004.

117. Casillas J., Cordon O., Herrera F. Learning cooperative fuzzy linguistic rules using ant colony optimization algorithms // Technical Report DECSAI-00119, Dept. of Computer Science A.I., University of Granada, October 2000. 29 p.

118. Castellini, A., Flow based grids for reservoir simulation: M.S. Thesis,

119. Stanford university, 2001.

120. Christie, M., Subbey, S., Sambridge, M. and M. Thiele, Quantifying prediction uncertainty in reservoir modeling using streamline simulation // 15th ASCE Engineering Mechanics Conference, 2-5 June 2002. Columbia University, New York, NY.

121. Chung, T.J., Computational fluid dynamics, CUP, Cambridge, 2002.

122. Dake, L., Fundamentals of reservoir engineering, Elsevier, New York,1978.

123. Fanchi, J.R., Principles of applied reservoir simulation, 2nd ed., Gulf, Houston, 2001.

124. Farlow, S.J. (ed.) Self-organizing Method in Modelling: GMDH Type Algorithms. Statistics: Textbooks and Monographs, 54, 1984.

125. Ferziger, J.H. and M. Peric, Computational Methods for fluid dynamics, 3rd, rev ed., Springer, Berlin, 2002.

126. Holland J.H. Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann.Arbor, MI, 1975.

127. Hopfield J.J. Neural networks and physical systems with emergent collective computation abilities. Proc.Nat.Acad.Sci. USA. 1982, v.79, pp.2554-2558.

128. Juanes, R., Displacement theory and multiscale numerical modeling of three-phase flow in porous media, Ph.D. Thesis, University of California, 2003.

129. Kosko B. Fuzzy systems as universal approximators // IEEE Transactions on Computers, vol. 43, No. 11, November 1994. P. 1329-1333.

130. Kosko B. Fuzzy systems as universal approximators // IEEE Transactions on Computers, vol. 43, No. 11, November 1994. P. 1329-1333.

131. Lomax, H., Pulliam, Т.Н. and D.W. Zingg, Fundamentals of computational fluid dynamics, 1999.

132. Lyalin V.E., Tenenev V.A., Senilov M.A., Paklin N.B. Neuronet and fuzzy modeling of interpretation of data of geophysical well logging // 5 International congress of mathematical modeling. Book of abstracts, V. 2 M.: «JANUS-К», 2002 -P. 156.

133. Lyalin, V.E., and K.A. Sidelnikov, Modeling tracer displacement using streamlines // Proceedings of the 6th international conference "Vibroengineering 2006". Kaunas, Lithuania: Kaunas University of Technology, 2006. - P. 191-194.

134. McNeill D. and P. Freiberger. Fuzzy Logic. Simon & Schuster, New York, 1993, 320

135. Orr, F.M. Jr., Theory of gas injection processes, Stanford University, Stanford, 2005.

136. Prevost, M., The streamline method for unstructured grid, M.S. Thesis, Stanford University, 2000.

137. Schuermann J. and W. Doster. A decision-theoretic approach in hierarchical classifier design. Pattern Recognition, 17:359-369, 1984.

138. Stuben, K., Delaney, P., and S. Chmakov, Algebraic Multigrid (AMG) for Ground Water Flow and Oil Reservoir Simulation. www.scai.fraun-hofer.de/fileadmin/download/samg/PaperModflow.pdf.

139. Thiele, M.R. Streamline simulation // 6th International Forum on Reservoir Simulation, 3-7 September 2001. Schloss Fuschl, Austria.

140. Thiele, M.R., Batycky, R.P. and L.K. Thomas, Miscible WAG simulations using streamlines // 8th European Conference on the Mathematics of Oil Recovery, 3-6 September 2002. Freiberg, Germany.

141. Thiele, M.R., Batycky, R.P. and M.J. Blunt, A streamline-based 3D filed scale compositional reservoir simulator// SPE Reservoir Engineering, Oct. 5-8 1997. San Antonio, Texas, U.S.A.

142. Thiele, M.R., Modeling multiphase flow in heterogeneous media using streamtubes, Ph.D. Thesis, Stanford University, 1994.

143. Tureyen, O.I., Karacali, О., and J.A. Caers, Parallel, Multiscale Approach to Reservoir Modeling // 9th European Conference on the Mathematics of Oil Recovery, 30 August — 2 September 2004. Cannes, France.

144. Versteeg, H.K. and W. Malalasekera, An introduction to computational fluid dynamics: The finite volume method, Longman, New York, 1995.

145. Vora, H.K., Capillary number dependent streamline simulations, M.S. Thesis, University of Oklahoma, 2002.

146. Wang Q. R. and C. Y. Suen. Large tree classifier with heuristic search and global training. IEEE Transactions on Pattern Analysis and Machine Intelligence, 9(1):91-102, 1987.

147. Wang Q. R. and C. Y. Suen. Large tree classifier with heuristic search and global training. IEEE Transactions on Pattern Analysis and Machine Intelligence, 9(1):91-102, 1987.

148. Wesseling, P., Principles of computational fluid dynamics, Springer, Berlin, 2001.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.