Оценка продуктивности газовых и нефтяных скважин на основе метода нечетких деревьев решений тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Ворончак, Виктор Иванович

• Ворончак, Виктор Иванович
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Ворончак, Виктор Иванович

Введение.

Глава 1. Методы обнаружения геофизических знаний в данных разведочного бурения.

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

1.2. Методы обнаружения и извлечения новых знаний из данных геофизических исследований.

1.3. Задачи, решаемые с помощью методов KDD.

1.4. Методы и алгоритмы обработки геофизической информации.

1.4.1. Методы кластеризации.

1.4.2. Деревья решений.

1.4.3. Статистические подходы анализа данных.

1.4.4. Метод ближайших соседей.

1.4.5. Нейронные сети.

1.4.6. Методы нечеткого логического вывода.

1.5. Постановка цели и задач исследований.

Глава 2. Литологические свойства коллекторов нефти и газа.

2.1. Коллекторские свойства пористых сред.

2.2. Физическое состояние углеводородов в зависимости от условий залегания.

2.3. Заполнение коллекторов горных пород нефтью, газом и водой.

2.4. Геофизические методы исследования скважин.

2.5. Полученные результаты и выводы.

Глава 3. Решение задач классификации и аппроксимации с применением нечетких деревьев решений.

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

3.2. Метод построения нечетких деревьев решений.

3.3. Результаты численного эксперимента тестирования метода нечетких деревьев решений.

3.4. Полученные результаты и выводы.

Глава 4. Методика экспресс-оценки запасов углеводородов по результатам геофизических исследований скважин.

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

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

4.3. Параметрическая настройка дерева решений для задачи ли-тологического разделения.

4.4. Методика оценки продуктивности скважины.

4.5. Полученные результаты и выводы.

Введение диссертации (часть автореферата) на тему «Оценка продуктивности газовых и нефтяных скважин на основе метода нечетких деревьев решений»

Актуальность темы. Развитие нефтегазодобывающего комплекса связано с разведкой, разработкой и освоением новых месторождений нефти и газа. 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). Геологоразведочные работы сводятся к прослеживанию минерализованных участков недр и оконтури-ванию месторождений полезных ископаемых путём их выборочного пересечения разведочными скважинами. По данным разведочного бурения (анализ керна, результаты геофизических исследований скважин) определяются запасы не опробованных продуктивных пластов. Продуктивные пласты нефтяных, газовых и газоконденсатных месторождений характеризуются пористостью, проницаемостью, насыщенностью нефтью, газом и водой.

При геологической разведке месторождений важной является предварительная экспресс-оценка продуктивности скважины. В настоящее время идет интенсивное развитие автоматизации методов изучения геологического разреза скважин в процессе бурения с применением комплекса геофизических методов без отбора керна. Традиционные неавтоматизированные приемы сбора, хранения, обработки и интерпретации большого объема получаемой геофизической информации с помощью палеточного инструмента требуют больших трудовых и временных затрат, не обладают необходимой оперативностью, не исключают субъективности в решении геологических задач по результатам ГИС и не обеспечивают полного извлечения геологической информации из геофизических данных.

Одним из направлений повышения геологической эффективности и оперативности использования материалов ГИС является автоматизация процессов сбора обработки и интерпретации информации с использованием ЭВМ. Широкое применение при решении задач ГИС находят методы классификации и распознавания образов, позволяющие упростить и упорядочить полученную информацию, учесть имеющиеся априорные данные, а также, по возможности, устранить элементы субъективности. 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 набор некоторых понятных человеку правил. Применение математических методов теории интеллектуальных систем для интерпретации данных ГИС, позволяющее сократить временные затраты и повысить надежность результатов оценки продуктивности скважин, является актуальной задачей.

Объектом исследования являются данные геофизических исследований газовых и нефтяных скважин, представленные в цифровом виде; модели нечетких деревьев для решения задач интерпретации ГИС.

Предметом исследования являются программное, информационное обеспечение интерпретации результатов ГИС; методы построения нечетких деревьев решений; математическое описание алгоритмов и методов интерпретации каротажных диаграмм; математическое описание алгоритмов преобразования сигналов; определение продуктивных коллекторов и их классификация методом нечетких деревьев решений.

Цель работы состоит в разработке и научном обосновании совместного применения нечетких деревьев решений и вейвлет-преобразований для решения задач оперативной интерпретации данных ГИС при оценке продуктивности разбуренной скважины.

Для реализации поставленной цели необходимо решить следующие задачи: - выработка научно-обоснованных решений для создания моделей нечетких деревьев решений при распознавании литологической структуры разреза скважины;

- разработка метода построения деревьев решений с возможностным критерием разбиения и нечетким логическим выводом;

- выбор и обоснование методик преобразования сигналов, соответствующих оцифрованным каротажным данным;

- формализация задачи интерпретации данных ГИС для ее решения с помощью аппарата нечетких деревьев решений и вейвлет - преобразований;

- создание алгоритмов последующей обработки результатов работы нечетких деревьев решений для повышения качества и надежности интерпретации;

- разработка программного обеспечения интеллектуальной подсистемы интерпретации ГИС.

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

При решении задачи распознавания литологической структуры разреза скважины использовалась модель нечеткого дерева решений. В модели нечеткого дерева решений применяются нечеткие условия ветвления с сигмоидными функциями принадлежности. 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 системы, основанной на нечетких деревьях решений, исследовались на предмет адекватности выделенных нефте-газонасыщенных, водонасыщенных и непродуктивных участков разреза скважины экспертным оценкам.

Информационная модель подсистемы интерпретации создана на основе принципов объектно-ориентированного программирования. Программное обеспечение подсистемы реализовано на алгоритмическом языке высокого уровня -Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 7.0

Достоверность и обоснованность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, а также итогами практического использования подсистемы интерпретации ГИС.

Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях теории обычных и нечетких множеств, на теоретических основах функционального анализа, теории статистического анализа каротажных диаграмм как дискретной последовательности сигналов, а также теории информации и фундаментальных основ построения экспертных систем.

Достоверность экспериментальных результатов обеспечена использованием большого объема экспериментального материала по ГИС, статистическими методами обработки данных и хорошей согласованностью прогнозируемых и экспериментальных характеристик.

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, использующего для генерации правил возможностное дерево решений и нечеткий логический вывод по Сугено;

- обосновано применение дискретного вейвлет - преобразования для лито-логического разделения разреза нефтяных и газовых скважин;

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

- разработано программное обеспечение, являющееся частью информационной интеллектуальной системы распознавания литологической структуры и оценки продуктивности газовых и нефтяных скважин.

Практическая полезность исследования состоит в том, что применение системы интерпретации ГИС на основе метода нечетких деревьев позволяет существенно сократить временные затраты при решении задачи литологической 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.

Реализация работы в производственных условиях. При участии автора была разработана и реализована, описанная в данной работе, система интерпретации, построенная на принципах иерархической классификации и нечеткого логического вывода. Работа системы протестирована в ходе верификации геолого-геофизических и промысловых данных ряда газовых месторождений Западной Сибири. Работа может быть использована предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геолого-геофизической и промысловой информации.

Апробация работы.

Основные положения и результаты диссертации докладывались и обсуждались на российских и международных научно-технических конференциях и конгрессах: Международном симпозиуме «Надежность и качество» (Пенза, 2005-2006); 33 Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2006).

Публикации. Основные научные результаты по теме диссертации опубликованы в 11 научных работах общим объемом 1,3 п.л., в том числе 7 публинаций единолично.

Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.

Диссертация содержит введение, 4 главы и заключение, изложенные на 151 страницах машинописного текста. В работу включены 43 рисунка, 2 таблицы, список литературы из 121 наименований.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Ворончак, Виктор Иванович

ЗАКЛЮЧЕНИЕ

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

1. 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.

2. 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.

3. Тестирование метода нечетких деревьев решений с возможностным критерием ветвления показало его универсальную способность решать задачи дискретной классификации и непрерывной аппроксимации. Погрешность аппроксимации на тестовых функциях в 2-3 раза ниже, чем в наиболее эффективном варианте нейронных сетей - TSK.

4. 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%.

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

6. 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.

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

Список литературы диссертационного исследования кандидат технических наук Ворончак, Виктор Иванович, 2006 год

1. Аиикс Дж., Басе Д., Уайтинг Р. Физика нефтяного пласта. М., Гостоп-техиздат, 1962, 572 с.

2. Алиев З.С, Басниев К.С., Сомов Б.Е. Новые методы подсчета извлекаемых запасов газа. М.: изд. ИРЦ Газпром, 1999.

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

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

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

6. Берман Л.Б., Нейман B.C. Исследование газовых месторождений и подземных хранилищ газа методами промысловой геофизики. М.: Недра, 1972.

7. 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."

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

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

10. Вахитова Г.Р., Валиуллин Р.А., Ремеев И.С. Экспертная система обработки данных ГИС//НТВ «Каротажник». Тверь: Изд. АИС. 2000."

11. Венделынтейн Б.Ю., Резванов Р.А. Геофизические методы определения параметров нефтегазовых коллекторов. М.: Недра, 1976.

12. Вендельштейн Б.Ю., Резванов Р.А. Геофизические методы опре-де-ления параметров нефтеносных коллекторов, М,: Недра, 1978, - 317 с,

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

14. Ворончак В.И. Применение нечеткой классификации при предварительной оценке запасов углеводородов // Компьютерные и информационные технологии в науке, инженерии и управлении: Материалы Всеросс. НТК Таганрог: Изд-во ТРТУ, 2006. - С.

15. 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.

16. Ворончак В.И., Тененев В.А. Количественная оценка запасов нефти и газа методом нечетких деревьев решений // Интеллектуальные системы в производстве. №2, 2006. - С.

17. Геолого-технологические исследования в процессе бурения//РД 390147716-102-87. Уфа: ВНИИнефтепромгеофизика. 1987.273 с.

18. Геолого-технологические исследования скважин/ JI.M. Чекалин, А.С. Моисеенко, А.Ф. Шакиров и др. М.: Недра. 1993. 240 с. 129

19. Геофизические методы исследования скважин: Справ. геофизика/Под ред. Б.М. Запорожца. М.: Недра. 1983.

20. Гиматудинов Ш. К. Физика нефтяного и газового пласта. Учебник. Изд. 2, перераб. и доп. М., «Недра», 1971, стр. 312.

21. Головин Б.А., Калинникова М.В, Оптимальный технико-методический комплекс литолого-петрофизических исследований в про-цессе бурения нефтегазовых скважин//НТВ «Каротажник». Тверь: Изд. АИС. 1998. Вып.51. С. 55-64."

22. Гурьянов А.В., Нистюк А.И., Лялин В.Е. Комплекс программ для оперативной предварительной обработки каротажных сигналов//НТЖ «Вестник ИжГТУ» -Ижевск: Изд. ИжГТУ, 2002. Вып.З, С, 93-101.

23. Дахнов В.Н. Интерпретация результатов геофизических иссле-до-ваний резервов скважин. М., Недра, 1982. - 448с.

24. Дахнов В.Н. Электрические и магнитные методы исследования скважин. М, Недра,, 1980.

25. Дахнов В.Н., Долин Л. П. Геофизические методы изучения нефтегазоносных коллекторов. М., Гостоптехиздат, 1959. 268 с.

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

27. Добрынин В.М. Физические свойства нефтегазовых коллекторов в глубоких скважинах. М., »Недра», 1965, 163 с. 1968, № 3.

28. Дьяконов Д.И., Леонтьев Е.И., Кузнецов Г.С. Общий курс гео-фи-зических исследований скважин. М.: Недра, 1984. - 432 с.

29. Дьяконова Т.Ф. Применение ЭВМ при интерпретации данных геофизических исследований скважин. М.: Недра, 1991. 220е.

30. Дюк В., Самойленко A. Data Mining. СПб.: Питер, 2001. - 368 с.

31. Жданов М.А., Лисунов В.Р., Гришин Ф.А. Методика и практика подсчетов запасов нефти и газа. М., изд-во «Недра», 1967.

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

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

34. 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.

35. Зувделевич С.М., Сохранов Н.Н. и др. Описание алгоритмов ин-терпретаций данных электрического каротажа в рамках АСОИГИС/Г.С. — М.: Изд. ВНИИ Геофизики, 1983. 82 с.

36. Ивакин В.Н., Карус Е.В., Кузнецов O.JI Акустический метод ис-следования скважин. М.: Недра» 1978,

37. Ивахненко А.Г. и Мюллер Й.А., Самоорганизация прогнозирующих моделей. Киев, Наукова думка, 1985.

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

39. Импульсный нейтронный каротаж: Методические указания по проведению измерений и интерпретации результатов МУ-41-06-026-83/Я.Н. -/асин и др. М.: изд. ВНИИЯГ, 1984.

40. Инструкция (временное методическое руководство) по исследова-нию нефтегазовых скважин аппаратурой СПАК-4. М.: Недра, 1979.

41. Интерпретация геофизических исследований скважин: Сиппрочник геофизика/Под ред. В.М. Добрынина. М.: Недра, 1987.

42. Итенберг C.C. Интерпретация результатов геофизических исследований скважин. — М.: Недра, 1987.131с.

43. Итенберг С.С., Шнурман Г.А. Интерпретация результатов карота-жа сложных коллекторов. — М.: Недра, 1984.

44. 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. И.М. Губкина, 1994.

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

46. Кнеллер JI.E., Рындин В.Н., Плохотников А.Н. Оценки прони-цае-мости пород и дебетов нефтегазовых скважин в условиях сложных кол-лек-торов по данным ГИС// Обзор. Сер. Разведочная геофизика. М.: ВИЭМС МГП Теоинформмарк. 1991. 65 с.

47. Комаров B.JI. Статистическая оценка коллекторских параметров песчаных пластов. —Труды УфНИИ, 1961, вып. VIII, с. 237—249. М., 1'сстоптех-издат, 1953.

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

49. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Баз:.! данных. Интеллектуальная обработка информации. М., Нолидж, 2001. - 352 с.

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

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

52. Котяхов Ф. И. Методика определения коллекторских свойств горных пород по результатам анализа керна и гидродинамическим данным для подсчета запасов нефти и газа. М., «Недра», 1975. 88 с.

53. Котяхов Ф. И. Определение запасов нефти в открытой емкости пустот кавернозно-пористо-трещиноватых пород методом материального баланса при упругом и упруговодонапорном режимах.— Труды.ВНИИ, 1976, вып. 52.

54. Котяхов Ф. И. Физика нефтяных и газовых коллекторов. М., «Недра», 1977, 287 с.

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

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

57. Крешер В.М. Поиски и разведка месторождений полезных ис-ко-паемых. 2 изд., М, Недра, 1969.

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

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

60. Лапук Б. Б. Теоретические основы разработки месторождений природных газов. — Москва-Ижевск: Институт компьютерных исследований,2002,296 стр.

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

62. Мирзаджанзаде А.Х., Дурмишьян А.Г., Ковалев А.Г., Аллахвердиев Т. А. Разработка газоконденсатных месторождений, М., изд-во «Недра», 1967.

63. Мирзаджанзаде А.Х., Кузнецов О.Л., Басниев К.С, Алиев З.С. М 63 Основы технологии добычи газа. М.: ОАО «Издательство «Недра», 2003. - 880 с.

64. Мыльцев В.А., Ворончак В.И. Применение деревьев решений для задач интерпретации результатов геофизических исследований скважин // Надежность и качество: Труды междунар. симпозиума /Под. ред. Н.К. Юркова

65. Пенза: Изд-во Пенз. гос. ун-та, 2005. С. 220-222.

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

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

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

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

70. Паклин Н.Б., Сенилов М.А., Тененёв В.А. Возможности примене-ния интеллектуальных систем в задачах интерпретации каротажных диа-грамм.// Материалы международной юбилейной НТК. Ижевск: Изд. Иж-ГТУ, 2002, - с. 147-152.

71. Плав Л.З., Деев Н.Н., Кузнецов О.Л. Выделение газоносных коллекторов в обсаженных скважинах с применением импульсного нейтронного (ИНК) и акустического (АК) каротажа//Тр. ВНИИТнефть. 1970. Вып. 1.

72. Подсчет запасов месторождений полезных ископаемых. М., Недра,1960.

73. Померанц Л.И., Чуркин В.Т. Аппаратура и оборудование для гео-физических исследований скважин. М., Недра, 1978.

74. Разамат М.С., Рамазанова Э.Э., Обручникова Л.В. Экспресс-метод для распознавания типа газоконденсатных месторождений//Геология нефти и газа. -1974. -№12. -С. 60—63.

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

76. 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.

77. Степанова Г.С, Критская СЛ., Мосина А.А. Применение методов распознавания образов при определении типа газоконденсатных месторожде-ний//Разработка и эксплуатация газовых и газоконденсатных месторождений. -1978.-№7.-С. 19—26.

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

79. Тененев В.А., Сенилов М.А., Паклин Н.Б. Интеллектуальные системы интерпретации данных геофизических исследований скважин // Искусственный интеллект. Донецк: Наука i освгга, 2002. - № 3. - С. 439-447.

80. Тененев В.А., Сенилов М.А., Паклин Н.Б. Классификация пластов по результатам геофизических исследований скважин // Вестник ИжГТУ. -Ижевск: Изд-во ИжГТУ, 2002. Вып. 5. - С. 14-16.

81. Тененев В.А., Сенилов М.А., Паклин Н.Б. Определение продуктивных коллекторов с помощью обучающихся информационных систем // Вестник ИжГТУ. Ижевск: Изд-во ИжГТУ, 2002. - Вып. 5. - С. 31-34.

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

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

84. Фролов Ю.В. Интеллектуальные системы и управленческие решения. М„ МГПУ, 2000, 294 С.

85. Ханин А.А. Породы — коллекторы нефти и газа и их изучение. М., изд-во «Недра», 1969.

86. Berry M.J.A., G. Linoff. Data Mining Techniques. For Marketing, Sales and Customer Support. John Willey & Sons, Inc., 1997,454 P.

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

88. 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.

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

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

91. Hopfield J.J. Neural networks and physical systems with emergent collective computation abilities. Proc.Nat.Acad.Sci. USA. 1982, v.19, pp.2554-2558.

92. Introduction to Data Mining and Knowledge Discovery, 2nd edition. Two Crows Corp., 1998.

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

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

95. Moxon B. Defining Data Mining. DBMS Data Warehouse Supplement,1996.

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

97. 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.

98. 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.