Программно-аппаратные средства для интерпретации геофизических исследований скважин на основе нейроинформационных технологий тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Федоров, Алексей Владимирович

• Федоров, Алексей Владимирович
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Федоров, Алексей Владимирович

Введение.

1. Обзор существующих методов каротажа и интерпретации результатов геофизических исследований скважин.

1.1. Методы геофизических исследований скважин.

1.1.1. Электрические методы каротажа.

1.1.2. Акустический каротаж.

1.1.3. Радиоактивные методы каротажа.

1.1.4. Кавернометрия.

1.2. Автоматизация обработки и интерпретации результатов ГИС

1.3. Интерпретация каротажных данных.

1.4. Алгоритмы интерпретации каротажных данных.

1.4.1. Статистические методы.

1.4.2. Алгоритм с использованием диагностических кодов

1.4.3. Литологическое расчленение с оценкой вероятности . .

1.4.4. Метод нормализации.

1.4.5. Методы классификации, основанные на петрофизиче-скгос данных.

1.5. Комплексы программных средств для обработки данных ГИС

1.5.1. Программы для оцифровки каротажных диаграмм

1.5.2. Программы интерпретации каротажных диаграмм

1.6. Выводы, постановка цели и задач исследований.

2. Совершенствование методов оптимизации, применяемых при обучении интеллектуальных систем для интерпретации ГИС.

2.1. Методы оптимизации, построенные на вычислении градиента целевой функции.

2.2. Генетические алгоритмы оптимизации.

2.3. Стандартный генетический алгоритм с двоичным кодированием (BGA).

2.4. Генетический алгоритм с вещественным кодированием (RGA)

2.5. Гибридный генетический алгоритм с элитным обучением лидера.

2.6. Тестирование гибридного алгоритма на многоэкстремальных функциях.

2.7. Применение гибридного алгоритма BGAVM для решения оптимизационных задач.

2.8. Полученные результаты и выводы.

3. Разработка интеллектуальной системы интерпретации ГИС на основе теории нейронных сетей.

3.1. Основы нейроинформационных технологий.

3.2. Алгоритм обратного распространения ошибки.

3.3. Обучение нейронной сети с помощью гибридного алгоритма

3.4. Радиальные нейронные сети.

3.5. Нечеткая нейронная сеть TSK.

3.6. Расчленение разреза на пласты нейросетевыми методами.

3.7. Определение коэффициентов пористости коллекторов.

3.8. Влияние представления данных на процесс интерпретации многослойной нейронной сетью.

3.9. Полученные результаты и выводы.

4. Математические и программные средства повышения информативности моделей интерпретации данных ГИС.

4.1. Модель поточечной интерпретации геофизических данных.

4.2. Снижение размерности системы данных.

4.3. Методы классификации пластов нефтяных скважин.

4.3.1. Метод многомерного шкалирования.

4.3.2. Самоорганизующиеся карты Кохонена. 4.3.3. Метод выделения главных компонент.

4.4. Полученные результаты и выводы.

Введение диссертации (часть автореферата) на тему «Программно-аппаратные средства для интерпретации геофизических исследований скважин на основе нейроинформационных технологий»

Актуальность темы. В настоящее время преимущества применения компьютерной техники в геофизике ни у кого не вызывает сомнений. Она позволяет отойти от традиционных методов сбора и обработки информации, решать проблему переработки больших массивов информации, исключить субъективность интерпретации результатов исследований.

Существует большое количество программных средств и аппаратно-программных комплексов, позволяющих автоматизировать все процессы сбора, обработки и хранения данных геофизических исследований скважин (ГИС). Но даже при современном многообразии различных программных средств, производящих интерпретацию ГИС, системы, использующие возможности искусственного интеллекта, немногочисленны по своей номенклатуре и обладают достаточно невысокими интеллектуальными способностями, что не позволяет использовать их в качестве основных решающих инструментов при вынесении заключения с высокой степенью достоверности о наличии нефтяных коллекторов в литологической структуре как скважин, так и геологических горизонтов. Развитие интеллектуальных компьютерных систем, разработка высоких информационных технологий, доведение их до уровня, соответствующего современным требованиям экспертных систем, является магистральным направлением в развитии скважинной геофизики.

Использование преимуществ искусственного интеллекта позволяет выйти на иной, более качественный уровень обработки результатов ГИС, поскольку он позволяет в значительной мере заменить геофизика-интерпретатора, занимающегося рутинной работой просмотра огромных массивов однотипной геолого-геофизической информации на автоматизированный программно-аппаратный комплекс, использующий сетевые технологии, Internet-технологии и инфотелекоммуникационные системы для принятия с высокой степенью достоверности решения о наличии нефтеносного коллектора при ГИС.

Одним из направлений развития систем искусственного интеллекта является использование в них аппарата искусственных нейронных сетей (НС). Несмотря на простоту их построения и функционирования, они позволяют накапливать уже известные закономерности ГИС, обобщать факты и давать вполне корректные оценки в ситуациях, когда на входе НС представлены зашумлен-ные данные. НС уже широко применяются за рубежом в различных системах распознавания образов, например, прогнозирования, управления и др. К сожалению, в нашей стране, пока это редкое явление.

В настоящее время создано множество программных продуктов, имитирующих работу НС. Но возможности их применения в геофизической области весьма ограничены. Это связано с тем, что данные программы не содержат в себе ни правил формализации исходных данных и заключений, применяемых для решения задач ГИС, ни специализированных НС, ни средств импорта/экспорта геофизических данных.

В связи с этим, применение НС для интерпретации данных ГИС позволит повысить надежность результатов интерпретации, сократить время, затрачиваемое на решение данной задачи. Поэтому решению данных актуальных задач и посвящена настоящая диссертация.

Объектом исследования являются каротажные данные (КД), представленные в цифровом виде; адаптивные модели НС для решения задач интерпретации ГИС; многослойные, радиальные и нечеткие интерпретирующие НС; интеллектуальные системы интерпретации (ИСИ) ГИС на основе моделей НС; методы оптимизации, применяемые для обучения ИСИ.

Предметом исследования являются методы и алгоритмы интерпретации геофизической информации; генетические алгоритмы оптимизации; методы и алгоритмы обучения НС; нейроинформационные технологии для расчленения разреза скважины на пласты; нейросетевые методы прогнозирования коэффициентов пористости коллекторов; нейросетевая модель поточечной интерпретации данных ГИС; методы классификации пластов нефтяных скважин; программное, информационное обеспечение и структура ИСИ ГИС.

Цель работы состоит в получении научно-обоснованных математических моделей и программно-аппаратных средств интеллектуальных систем интерпретации ГИС, обеспечивающих литологическое расчленение скважины и выявление нефтенасыщенных коллекторов на основе разработки эффективных алгоритмов интерпретации ГИС, базирующихся на нейросетевых технологиях, внедрение которых имеет существенное значение для повышения степени автоматизации интерпретации геолого-геофизической информации.

Для реализации поставленной цели необходимо решить следующие задачи:

- выбор и обоснование путем теоретических и экспериментальных исследований структуры ИСИ, ее аппаратной части, принципов построения программного и информационного обеспечения; кодирование отдельных модулей ИСИ ГИС;

- формализация задачи качественной интерпретации данных ГИС для ее решения с помощью аппарата НС;

- разработка правил и методик применения НС для решения задачи лито-логического расчленения разреза скважины;

- разработка алгоритма поточечного моделирования для решения задачи интерпретации разных уровней;

- применение метода главных компонент для сжатия входной информации в сочетании с применением нечеткой нейронной сети;

- выбор корректных оценок, позволяющих определять качество интерпретации с помощью НС;

- разработка методики классификации пластов нефтяных скважин, основанных на применении алгоритмов обучения без учителя;

- создание алгоритмов последующей обработки результатов работы НС для повышения качества и надежности интерпретации.

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

При решении задачи качественной интерпретации данных ГИС применялись: многослойная нейронная сеть; радиальная сеть; нечеткая сеть TSK; математические методы снижения размерности данных. Для обучения интерпретирующих систем применялся гибридный алгоритм оптимизации.

Предварительная обработка геолого-геофизической информации базируется на использовании методов статистического анализа временных рядов в приложении к геофизическим сигналам. Построение ИСИ велось на основе метода структурной декомпозиции программных модулей, позволяющего обеспечить удобство настройки системы и высокую степень интеграции с другими программными продуктами. При решении задач комплексного анализа достоверности данных использовались алгоритмы математической статистики, пет-рофизические закономерности.

Информационная модель ИСИ создана с учетом объектно-ориентированных принципов разработки программных комплексов. База правил разработана с учетом механизмов построения реляционных структур данных. Структурная схема системы спроектирована и реализована с учетом теоретических основ информатики и вычислительной техники.

Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня - Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 6.0, а внутренняя база данных реализована в формате Microsoft Access (mdb). Часть правил системы используются в виде внешних библиотек (dll) и реализованы на языке высокого уровня Microsoft Visual С++.

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

Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях теории нейроинформационных технологий, на теоретических основах функционального анализа, теории статистического анализа каротажных диаграмм как временных рядов, а также теории вероятностей, случайных функций и фундаментальных основ построения экспертных систем. Методики расчета параметров коллекторов базируются на широко применяемых при геофизических исследованиях скважин петрофизиче-ских зависимостях.

Достоверность экспериментальных результатов обеспечена использованием большого объема экспериментального материала, статистическими методами обработки данных и хорошей воспроизводимостью результатов. Достоверность эталонного материала для обучения моделей HJI обеспечена использованием утвержденных в ОАО «Башнефтегеофизика» экспертных заключений по обрабатываемым скважинам.

На защиту выносятся результаты проведения исследований по определению информативности методов каротажа при распознавании литологической структуры разреза скважины, исследования применения нейронных сетей для качественной интерпретации данных ГИС, обеспечивающих возможность получения заключения по наличию нефтенасыщенных коллекторов непосредственно после проведения каротажных работ на скважине, а также принципы разработки ИСИ ГИС, обеспечивающей повышение уровня достоверности и согласованности геолого-геофизической и промысловой информации, в том числе:

- применение средств искусственного интеллекта для определения лито-логического состава разреза скважины по данным каротажа путем обучения на основе анализа соответствия КД имеющемуся экспертному заключению;

- результаты разработки гибридного оптимизационного метода, основанного на применении градиентных и генетических алгоритмов, и его тестирование на возможность применения при оптимизации многоэкстремальных функций большой размерности;

- выбор и обоснование правил формализации задачи литологического расчленения разреза скважины с помощью НС;

- анализ влияния правил представления входных геофизических данных и выходных заключений результатов интерпретации на качество обучения нейронной сети;

- достижение преимуществ применения специализированных алгоритмов обработки результатов работы сети для увеличения информативности сигнала, выдаваемого НС, и повышения надежности распознавания;

- реализация разработанных алгоритмических средств и программного комплекса для практического использования и получения реальных результатов экспресс-интерпретации различных скважин;

- проектирование и реализация ИСИ ГИС, разработка концептуальной структуры объектно-ориентированной системы, принципов построения программного, информационного, математического и лингвистического обеспечения системы.

Научная новизна полученных результатов определяется проведенными комплексными исследованиями, в результате которых вместо применения классических методов интерпретации, использующих решения трансцендентных уравнений петрофизики, в процессе интерпретации КД применен подход, существенно сокращающий количество вычислительных операций и повышающий быстродействие оперативной качественной интерпретации непосредственно на скважине в ходе проведения ГИС путем применения современной математической теории интеллектуальных систем на основе нейроинформационных технологий, в ходе которых:

- осуществлен выбор структуры и создана ИСИ ГИС на основе нейроинформационных технологий, предложены концепция и принципы построения ее программного и информационного обеспечения;

- разработан новый гибридный метод оптимизации, основанный на параллельной работе градиентного метода (МСГ - метод сопряженных градиентов, МПМ - метод переменной метрики) и генетического алгоритма с бинарным или вещественным кодированием;

- применен аппарат искусственных нейронных сетей, позволяющий использовать накопленный эмпирический материал и знания опытных интерпретаторов, являющийся ядром базы знаний интеллектуальной системы для лито-логического расчленения разреза скважины;

- получены зависимости точности определения литологической структуры разреза скважины от вида представления каротажных данных, что дает возможность применять аппарат искусственных НС в геолого-геофизической области;

- предложена методика применения НС, не зависящая от количества входных каротажных диаграмм, позволяющая проводить качественную экспресс-интерпретацию даже в тех случаях, когда на скважине проведен неполный набор методов геофизических исследований и решающая проблему точной классификации типа пласта в случае противоречивости данных ГИС;

- разработаны алгоритмы повышения надежности распознавания литологической структуры скважины, являющиеся составной частью интеллектуальной системы и обеспечивающие возможность использования в качестве операторов-пользователей данной системы специалистов среднего уровня;

- разработана интеллектуальная система на основе НС, опирающаяся на проведенный вычислительный эксперимент, позволяющая проводить качественную экспресс-интерпретацию каротажных диаграмм, используя созданную базу знаний с учетом эмпирических данных высококлассных геофизиков-интерпретаторов, даже в процессе проведения ГИС.

Практическая полезность. Применение ИСИ ГИС позволяет существенно сократить временные затраты при решении задачи литологического расчленения скважин за счет реализации современных достижений в области развития систем искусственного интеллекта. Это выражается в том, что найден магистральный путь отхода от решения классических уравнений математической физики, в частности, геофизики, и переходу к применению дискретных многофункциональных систем, использующих базы знаний и базы данных, позволяющих принимать решения на основе применения эмпирически обоснованных экспертных оценок. Данные возможности появились в результате реализации математической теории интеллектуальных систем на основе нейросетевый технологий.

Полученные в работе методики и алгоритмы применения аппарата искусственных нейронных сетей для качественной экспресс-интерпретации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора за счет колоссальных вычислительных возможностей по обработке терабайт геофизической информации интеллектуальными системами на базе как отдельных компьютеров, так и компьютерных сетей, существенно использующих реляционные базы данных таких как «Finder» и др. НС за счет заложенных в них эталонных данных позволяют сократить время, необходимое на проведение качественной экспресс-интерпретации скважин в несколько раз с одновременным повышением качества интерпретации и сокращением ошибок при принятии решений.

Информационная модель системы состоит из правил предметной области, описывающих корректность информации, которые организованы в единую базу данных. Использование в качестве СУБД SQL-сервера, Oracle и Microsoft SQL Server, поддерживающих стандарт ANSI SQL 92, позволяет модифицировать структуру БД под вновь возникающие требования, а также в случае необходимости адаптировать ее под любую другую СУБД, поддерживающую реляционные модели баз данных. Модульность созданной системы обеспечивает возможность подключения программных модулей сторонних разработчиков, что позволяет более тонко осуществлять настройку на предметную область. Измерительная информация представлена в виде базы данных, что позволяет обрабатывать данные по скважинам, методам и измерениям.

Интеграция в единый программный продукт всех модулей ИСИ, средств хранения, предварительной обработки и интерпретации, наличие интерфейсов взаимодействия с другими программными комплексами, использование динамически связываемых библиотек (dll), дающих широкие возможности расширения, позволяет рассматривать созданную ИСИ как многофункциональный инструмент анализа геофизических данных.

Реализация работы в производственных условиях. При непосредственном участии автора была разработана и реализована ИСИ ГИС, построенная на принципах систем искусственного интеллекта и реализованная на математическом аппарате нейроинформационных технологий, в том числе созданы технические и методические средства, направленные на повышение точности ее функционирования и универсальности.

Работа выполнялась в соответствии с планами хоздоговорных НИР, проводимых ООО «Институт интеллектуальных технологий» и ОАО «ТНК-ВР»: № ГР 01200 405097 «Верификация геолого-геофизической информации по объектам разработки месторождений Северного НГДП ОАО «Нижневартовск»; № ГР 01200 405096 «Формирование базы данных геолого-технологических мероприятий на скважинах Самотлорского месторождения»; № ГР 01200 405095 «Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторождения»; № ГР 01200 405096 «Создание библиотеки скан-образов скважин Самотлорского месторождения»; № ГР 01200 406709 Формирование базы данных по ОАО «Варьеганнефтегаз».

Работа выполнялась в Институте математического моделирования разработки нефтяных месторождений ИжГТУ в соответствии с планами хоздоговорных НИР, проводимых ИжГТУ с ОАО «Удмуртгеология» и ОАО «Белкамнефть».

Вся работа в целом, а также ее отдельные части могут быть использованы предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геолого-геофизической и промысловой информации.

Апробация работы. Отдельные законченные этапы работы обсуждались на Международных НТК «Информационные технологии в инновационных проектах» (Ижевск,2002-2004); Научно-технических конференциях ИжГТУ (Ижевск,2002-2004); 5-м Международном конгрессе по мат.моделированию (Дубна,2002); Международной НТК «Интеллектуальные и многопроцессорные системы-2005» (Таганрог,2005); Международной НТК «Искусственный интеллект-2005» (п.Дивноморское,2005); Междунар. научной молодежной школе «Нейроинформатика и системы ассоциативной памяти» (Таганрог,2005); 4-м научном симпозиуме «Геоинформационные технологии в нефтегазовом сервисе» (Уфа,2005).

Публикации. Основные научные результаты по теме диссертации опубликованы в 13 научных работах, в том числе: 6 отчетов о НИР (63с., 59с., 91с., 35с., 53с., 80с.), 1 депонированная рукопись (объемом 42 страницы), 4 статьи в журналах и сборниках, 2 тезиса докладов на научно-технической конференции.

Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.

Диссертация содержит введение, 4 главы и заключение, изложенные на 152 с. машинописного текста. В работу включены 53 рис., 7 табл., список литературы из 157 наименований и приложение, в котором представлен акт об использовании результатов работы.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Федоров, Алексей Владимирович

ЗАКЛЮЧЕНИЕ

1. В работе получены научно-обоснованные математические модели и программно-аппаратные средства интеллектуальных систем интерпретации ГИС, обеспечивающие литологическое расчленение скважины и выявление нефтенасыщенных коллекторов на основе разработки эффективных алгоритмов интерпретации ГИС, базирующихся на нейросетевых технологиях, внедрение которых имеет существенное значение для повышения степени автоматизации интерпретации геолого-геофизической информации.

2. Разработан гибридный генетический алгоритм с элитным обучением лидера, показавший пригодность при решении широкого класса задач: условной и безусловной оптимизации, решения систем нелинейных уравнений большой размерности. Тестирование предложенного метода на овражных, многоэкстремальных функциях большой размерности показало его высокую эффективность. Оптимальное решение с точностью ~ 1(Г5 при размерности задачи до 2000 находится за 600 - 1500 итераций. Ни один из известных оптимизационных методов с этой задачей не справляется.

3. Применение гибридной схемы для генетического алгоритма, основанной на дополнительном обучении квазиньютоновским методом лучшего представителя популяции, дало эффект - «сумма больше составляющих частей». В результате стало допустимым решение задач, невозможное при использовании каждого метода в отдельности.

4. Результаты тестовых исследований показали возможность использования гибридного генетического алгоритма с градиентным обучением лидера для решения широкого круга задач большой размерности: условная оптимизация, нахождение корней систем нелинейных уравнений, оптимизация динамических систем, обучение искусственных нейронных сетей и гибридных интеллектуальных систем.

5. Разработаны принципы построения программного комплекса, реализующего интерпретацию результатов ГИС на основе НС. Создана интеллектуальная система для интерпретации результатов ГИС на основе НС с возможностью как ручной настройки правил, так и обучения по обучающей выборке, имеющая удобный интерфейс и возможность интегрирования с другими программными средствами за счет динамически связываемых библиотек (dll).

6. В результате анализа применимости НС для распознавания литологи-ческой структуры скважины доказана возможность применения аппарата НС для качественной интерпретации данных ГИС, что позволяет автоматизировать качественную интерпретацию непосредственно на скважине с достаточно высокой степенью надежности.

7. Проведен комплексный эксперимент по обучению НС, заключающийся в выделении пластов-коллекторов и нефтенасыщенных, водонасыщенных, неф-те-водонасыщенных пластов. Получены экспериментальные зависимости между правилами формализации задачи и конечными результатами распознавания литологической структуры разреза скважины с помощью аппарата искусственных НС. Это позволило сделать вывод о применимости многослойной НС для качественной экспресс-интерпретации данных ГИС.

8. Тестирование алгоритмов обучения нейронных сетей показало, что применение нового гибридного метода с элитным обучением лидера в 5 раз снижает погрешность аппроксимации на тестовых выборках по сравнению с известными методами. Среди рассмотренных нейросетевых алгоритмов (многослойный персептрон, радиальная сеть, нечеткая сеть) наилучшую эффективность (погрешность аппроксимации) обеспечивает нечеткая сеть TSK с обучением на основе псевдоинверсии и гибридного алгоритма.

9. Разработанный алгоритм поточечного моделирования позволяет решать задачи интерпретации разных уровней. При наличии данных о коэффициентах, характеризующих общие свойства пород, поточечная интерпретации результатов ГИС может проводиться для произвольных месторождений.

10. Применение метода главных компонент (РСА) для сжатия входной информации в сочетании с нечеткой НС TSK привело к архитектуре составной НС PCA-TSK и повысило точность распознавания и обработки геофизических сигналов.

11. Для решения задачи классификации пластов нефтяных скважин рассмотрена возможность применения алгоритмов обучения без учителя (метод многомерного шкалирования, самоорганизующиеся карты Кохонена, метод выделения главных компонент). Эти методы дают дополнительную информацию о структуре разреза скважин, повышающую достоверность интерпретации.

Список литературы диссертационного исследования кандидат технических наук Федоров, Алексей Владимирович, 2005 год

1. Абрамов И. В., Клековкин В. С., Сенилов М. А. Управление показателями качества машиностроительных изделий // Вестник ИжГТУ. - Ижевск: Изд-во ИжГТУ, 1998. - Вып. 1. - С. 29 - 33.

2. Аверкин А.Н. и др. Нечеткие множества в моделях управления и искусственного интеллекта/Под. ред. О.А. Поспелова. М: Наука, 1986. 312с.

3. Альбом палеток и номограмм для интерпретации промысловых геофизических данных. М.: Недра, 1984.

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

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

6. Батищев Д.И. Генетические алгоритмы решения экстремальных задач / Под ред. Львовича Я.Е.: Учеб. пособие. Воронеж, 1995.

7. Бахвалов Н.С. Численные методы. М.: Наука, 1973. - 631 с.

8. Бенамеур JL, Минаев Ю.Н., Филимонова О.Ю., Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. М: Горячая линия - Телеком, 2003.

9. Боганик В.Н. Методы оперативного обобщения промыслово-геофизической информации. -М.: Недра, 1983.

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. Бродский П.А., Фионов А.И., Тальнов В.Б. Опробование пластовприборами на кабеле. М.: Недра, 1974.

13. Васильков В.И., Горшков Л.Ф., Свириденко В. А. Методы и средства организации каналов передачи данных./Под ред. В.И.Васильева. -М.: Радио и связь, 1982. -152 с.

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

15. Вендельштейн Б.Ю., Резванов РА. Геофизические методы определения параметров нефтеносных коллекторов, М,: Недра, 1978, - 317 с,

16. Волков A.M. Решение практических задач геологии на ЭВМ. М.: Недра, 1980. - 224 с.

17. Вороновский Г.К. и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. Харьков: Основа, 1997. - 112 с.

18. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. Харьков: Основа, 1997. - 112 с.

19. Геолого-технологические исследования в процессе бурения//РД 390147716-102-87. Уфа: ВНИИнефтепромгеофизика. 1987. 273 с.

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

21. Геофизические методы исследования скважин. Справочник геофизика. Под ред. В.М. Запорожца. М., Недра, 1983.

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

23. Городнов А.В., Добрынин В.М., Чёрноглазов В.Н., Рыжков В.И. Применение системы "Камертон" для обработки волновых акустических полей и комплексной интерпретации данных ТИС// НТВ "Каротажник". Тверь: Изд.

24. АИС. 2000. Вып. 71. С. 69-77.

25. Григорьев А.И., Тульчинский В.Г. Практическое применение пакета программ "Геопоиск" для обработки данных ГИС. НТВ Каротажник. №77. - С. 60-69.

26. Губерман Ш.А., Извекова М. Л., Хургин Я. И. Применение методов распознавания образов при интерпретации геофизических данных. М.: Самообучающиеся автоматические системы, 1966.

27. 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.

28. Дахнов В.Н. Геофизические методы определения коллекторских свойств и нефтегазонасыщения горных пород. М., «Недра», 1975. С. 268-272.

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

30. Дебранд Р. Теория и интерпретация результатов геофизических методов исследования скважин. -М.: Недра, 1972.

31. Добрынин В.М. Каротаж // БСЭ: В 30 т. / Гл. ред. А.М.Прохоров. -3-е изд. М.: СЭ, 1975. Т. 11: Италия - Кваркуш. - С. 450 - 451.

32. Дьяконов Д.И., Леонтьев Е.И., Кузнецов Г.С. Общий курс геофизических исследований скважин. М.: Недра, 1984. - 432 с.

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

34. Дьяконова Т.Ф., Рудая B.C., Расторгуев В.Н. Комплексы обработки данных ГИС на ЭВМ эффективность, качество. НТВ Каротажник. - №33. - С. 87-97.

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

36. Завьялец А.Н., Кусембаев С.Х. О некоторых вопросах внедрения компьютеризированных каротажных станций информации // Научно-технический вестник АИС "Каротажник"-Тверь, 1997, Выпуск 32, С. 26-32.

37. Зайченко В.Ю. Интеллектуализация добычных нефтегазовых технологий в России следствие глобализации// НТВ "Каротажник". Тверь: Изд. АИС. 2001. Вып. 84. С. 59-70.

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

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

40. Ивакин В.Н., Карус Е.В., Кузнецов O.JI Акустический метод исследования скважин. М.: Недра» 1978,

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

42. Инструкция (временное методическое руководство) по исследованию нефтегазовых скважин аппаратурой СПАК-4. М.: Недра, 1979.

43. Итенберг С.С. Интерпретация результатов геофизических исследований скважин. М.: Недра, 1987.131с.

44. Итенберг С.С. Интерпретация результатов каротажа скважин. М.: Недра, 1978.

45. Итенберг С.С., Шнурман Г.А. Интерпретация результатов каротажа сложных коллекторов. -М.: Недра, 1984.

46. Кабанов В.М., Красильников С.Н, Драцов В.Г. Компьютеризированная обработка данных геолого-геофизических исследований скважин. НТВ Каротажник. №92. - С. 75-85.

47. Каждая А.Б. Разведка месторождений // БСЭ: В 30 т. / Гл. ред. А.МЛрохоров. 3-е изд. - М.: СЭ, 1975. Т. 21: Проба - Ременсы. - С. 406.

48. Каллан Р. Основные концепции нейронных сетей. М.: Вильяме, 2002.

49. Кафедра ТИС РГУ нефти и газа им. И.Н. Губкина предлагает компьютерную систему "Камертон"//НТВ "Каротажник". Тверь: Изд. АИС. 1999. Вып. 54. С. 106-109.

50. Кнеллер Л.Е., Гайфуллин Я.С., Рындин В.Н. Автоматизированное определение коллекторских свойств, нефтегазонасыщенности по данным каротажа (петрофизические модели и методы)// Обзор. М,: ВИЭМС 1990 72 с.

51. Кнеллер Л.Е., ГайфуллинЯ.С., Потапов А.П. и др. Некоторые вопросы теории и интерпретации материалов геофизических исследований сква-жин//НТВ "Каротажник". Тверь: Изд. АИС. 2001. Вып. 82. С. 188-205.

52. Кнеллер Л.Е., Рындин В.Н., Плохотников А.Н. Оценка проницаемости пород и дебитов нефтегазовых скважин в условиях сложных коллекторов по данным ГИС// Обзор. Сер. Разведочная геофизика. М.: ВИЭМС МГП Тео-информмарк. 1991. 65 с.

53. Колмогоров А.Н. Теория вероятностей и математическая статистика. М.: Наука, 1986. - 536 с.

54. Комаров С.Г. Геофизические методы исследования скважин. М.: Недра, 1973.

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

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

57. Конев С.Н., Косолапов Ю.В. Пять лет использования компьютеризированных комплексов ГЕОТЕК// НТВ "Каротажник". Тверь: Изд. АИС. 2001. Вып. 83. С. 30-39.

58. 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.

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

60. 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.

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

62. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. — 2-е изд., стереотип. М.: Горячая линия-Телеком, 2002.-382с.:ил.

63. Купер Дж., Макгиллем К. Вероятностные методы анализа сигналов и систем: Пер с англ.-М.: Мир, 1989.-376 с.

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

65. Латышова М.П. Практическое руководство по интерпретации диаграмм геофизических методов исследования нефтяных и газовых скважин. М.: Недра, 1996.

66. Ломтадзе В.В. Программное и информационное обеспечение геофизических исследований. -М.: Недра, 1993.

67. Лукьянов Э.Е., Нестерова Т.Н. Компьютерная технология проведения геолого-технологических исследований/УНТВ "Каротажникл. Тверь: Изд. АИС. 1998. Вып.53. С. 18-29.

68. Лукьянов Э.Е., Стрельченко В.В. Геолого-технологические исследования скважин в процессе бурения. М.: Нефть и газ. 1997. 679 с.

69. Лялин В.Е., Федоров А.В. Гибридный метод оптимизации на основе генетического алгоритма с бинарным и вещественным кодирование // Ж. АН Украины «Искусственный интеллект» №3, 2005. - Донецк: Изд-во Наука i ос-вгга, 2005. - С.446-449.

70. Математические методы в задачах петрофизики и корреляции/Под ред. Вайнбер Я.М. и др. -М.: Наука, 1983.

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

72. Мкртчян С.О. Нейроны и нейронные сети. (Введение в теорию формальных нейронов) М.: Энергия, 1971. - 232 с.

73. Нестерова Т.Н. Состояние и перспективы развития программного обеспечения геолого-технологических исследований. НТВ Каротажник. №69. - С. 20-30.

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

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

76. Зимин П.В., Сенилов М.А. Анализ алгоритмов и программных средств для обработки геофизической информации/ Вестник ИжГТУ. Ижевск: ИжГТУ, 2002.

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

79. Померанц Л.И., Чуркин В.Т. Аппаратура и оборудование для геофизических исследований скважин. М., Недра, 1978.

80. Попов Э. В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987.

81. Поспелов Д.А. Моделирование рассуждений: опыт анализа мыслительных актов. -М.: Радио и связь, 1989. 184 с.

82. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990. 186 с.

83. Программно-аппаратный комплекс ScanDigit 4.4. Дубна: НТП "Норд Софт", 2000.

84. Программный комплекс DigitControl 2.4. Дубна: НТП "Норд Софт", 2000.

85. Рекламные материалы НПЦ "Тверьгеофизика": Комплекс программ обработки данных электрического, электромагнитного, акустического и радиоактивного каротажа нефтегазовых скважин// HI В "Каротажник". Тверь: Изд. АИС. 1997, Выпуск 32, С. 81-95.

86. Сенилов М. А. Математическая модель адаптивного выбора подклассов на основе ранговых корреляций // Методы вычислительного эксперимента в инженерной практике. Вып. 1. Ижевск, 1992.

87. Сенилов М. А. Метод выделения коллекторов радиальной нейронной сетью при геофизическом исследовании скважин // Известия СПбГЭТУ «ЛЭТИ». Сер. «Информатика, управление и компьютерные технологии».

88. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2004. Вып. 1. - С. 84 - 88.

89. Сенилов М. А. Применение методов искусственного интеллекта в инженерных расчетах // Диагностика, информатика, метрология 94 (ДИМ-94): Тез. докл. науч.-техн. конф.(Санкт-Петербург, 28-30 июня 1994 г.). - СПб., 1994.-С. 168- 169.

90. Сенилов М. А. Применение обучающихся информационных систем для интерпретации каротажных диаграмм // Вестник Московской академии рынка труда и информационных технологий. М.: МАРТИТ, 2004. - № 11. - С. 55-60.

91. Сенилов М. А. Развитие интеллектуальных методов обработки геофизических данных // Искусственный интеллект. Донецк: Наука i освгга, 2003.- № 4. С. 357-364.

92. Сенилов М. А. Язык представления знаний с фреймовой структурой для САПР // Вторая республиканская науч. конф. молодых ученых: Тез. докл. Техника. Ижевск, 1981.

93. Сенилов М. А. Языковые и программные средства создания концептуальной модели с фреймовой структурой для САПР // Обмен опытом в области современных методов разработки программ на ЗВМ: Тезисы докладов семинара. Ижевск, 1982.

94. Сенилов М. А., Карпов С. В. Вопросы применения методов искусственного интеллекта в инженерном конструировании // Диагностика, информатика, метрология, экология, безопасность 96 (ДИМЭБ-96): Тез. докл. науч.-техн. конф. - СПб., 1996.

95. Сенилов М. А., Карпов С. В. Применение методов искусственного интеллекта в расчетах деталей машин // Диагностика, информатика, метрология- 95 (ДИМ-95): Тез. докл. науч.-техн. конф. (Санкт-Петербург, 4-6 июля 1995 г.).-СПб., 1995.-С. 183.

96. Сенилов М. А., Коловертнов Г. Ю. Применение составной сети PCA-TSK для анализа результатов геофизического исследования скважин // Вестник Московской академии рынка труда и информационных технологий. -М.: МАРТИТ, 2004. -№ 12.-С. 107-113.

97. Сенилов М. А., Пугачев П. П. Алгоритм построения конечноэлементных моделей // Методы вычислительного эксперимента в инженерной практике. Вып. 3. Ижевск, 1992.

98. Сенилов М. А., Пугачев П. П. Математическая модель для оценки зависимости параметров систем по данным экспертного опроса // Математическое моделирование в инженерной практике: Тез. докл. зональной науч.-техн. конф. Ижевск, 1988.

99. Сенилов М. А., Пугачев П. П. Методика поддержки средствами искусственного интеллекта системы управления качеством товаров // Диагностика, информатика, метрология, экология, безопасность 96 (ДИМЭБ-96): Тез. докл. науч.-техн. конф. - СПб., 1996.

100. Сенилов М. А., Пугачев П. П. Методы построения и оптимизации конечноэлементных сеток // Ученые Ижевского механического института -производству: Тез. докл. науч.-техн. конф. Ижевск, 1990.

101. Сенилов М. А., Пугачев П. П. Программное обеспечение и основанная на нем методика бизнес-планирования // XXXI науч.-техн. конф. ИжГТУ, 15-17 апр. 1998 г.: Тез. докл. В 2-х ч. - Ч. 1. - Ижевск: Изд-во ИжГТУ, 1998. - С. 8.

102. Сенилов М. А., Лялин В. Е., Коловертнов Г. Ю. Построение модели разреза геологоразведочной скважины // Вестник Московской академии рынка труда и информационных технологий. М.: МАРТИТ, 2004. - № 12. - С. 49 - 55.

103. Сенилов М. А., Мочалов А. В. Нечеткая система оценки технического состояния высокоточных роторов // Диагностика, информатика, метрология, экология, безопасность 96 (ДИМЭБ-96): Тез. докл. науч.-техн. конф. -СПб., 1996.

104. Сенилов М. А., Старыгин А. В. Использование нечетких моделей в САПР трубчатых валов // XXXI науч.-техн. конф. ИжГТУ, 15-17 апр. 1998 г.: Тез. докл. В 2-х ч. - Ч. 1. - Ижевск: Изд-во ИжГТУ, 1998. - С. 5 - 6.

105. Сенилов М. А., Старыгин А. В. Применение схемы индуктивного нечеткого вывода в расчетах деталей машин // Молодые ученые первые шаги третьего тысячелетия: Тр. электронной заочной конф. - Ижевск: Изд-во УдГУ, 2000.-С. 77-78.

106. Сенилов М. А., Старыгин А. В. Применение экспертных систем на различных этапах жизненного цикла машиностроительного изделия // XXXI науч.-техн. конф. ИжГТУ, 15-17 апр. 1998 г.: Тез. докл. В 2-х ч. - Ч. 1. -Ижевск: Изд-во ИжГТУ, 1998. - С. 4 - 5.

107. Сенилов М. А., Тененев В. А. Интеллектуальные алгоритмы интерпретации геофизических исследований скважин. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2004. - 128 с.

108. Сенилов М. А., Тимохин В. И. Применение метода гибких масок в некоторых задачах распознавания искаженных сигналов // Известия ЛЭТИ. Вып. 232. Л.: Изд-во ЛЭТИ, 1978. - с.94-96.

109. Сенилов М.А., Лялин В.Е. Нейросетевая модель поточечной интерпретации геофизических данных // Вестник Нижегородского университета им. Н.И. Лобачевского. Н.Новгород:ННГУ, 2005. - №6. - С.73-79.

110. 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.

111. Система автоматизированной визуальной интерпретации результатов геофизических исследований скважин Gintel 97. Руководство пользователя.- М.: Компания ГИФТС Ко. Лтд., 2000.

112. Словарь терминов разведочной геофизики / В.Н.Боганик и др.; Под ред. А.И. Богданова. М.: Недра, 1989. - 183 с.

113. Совершенствование методов оптимизации, рименяемых при обучении интеллектуальных систем для интерпретации геофизических исследований скважин / Федоров А.В.; ИжГТУ Ижевск, 2005. - Деп. в ВИНИТИ 2005, №1442-В2005. - 42с.

114. Солтон Дж. Динамические библиотечно-информационные системы. М.: Мир, 1979

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

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

117. Спецификация формата LAS. URL=http://www.geotec.ru/f LAS.php3

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

119. Устройства для регистрации аналого-цифровой информации автоматических каротажных станций / Вахрушев И.А., Лялин В.Е., Попович М.Е.; ИжГТУ- Деп. в ВИНИТИ 1999, № 3428-В99. 54с.

120. Фролов Ю.В. Интеллектуальные системы и управленческие решения М.: МГПУ, 2000 - 294 с.

121. Химмельблау Д. Анализ процессов статистическими методами. -М.: Мир, 1973.-957 с.

122. Чекалин Л.М., Мельников И.Г., Кожевников С.В. Геолого-технические исследования как составная часть компьютеризированной технологии поисково-разведочных работ// НТВ "Каротажник". Тверь: Изд. АИС 2000. Вып. 71. С. 51-58.

123. Чуринова И.М., Сержантов Р.Б., Скрипникова Г.В., Шацкий А.В. Интегрированная система "Гемма" и ее применение при моделировании залежей углеводородов. НТВ Каротажник. №80. - С. 108-120.

124. Швецова JI.E. О качестве и достоверности ГИС в связи с автоматизированной обработкой данных ГИС-контроль. НТВ Каротажник. №95. - С. 94-100.

125. Шерстнев С.Н. Аппаратное обеспечение компьютеризированной технологии геолого-геохимических исследований скважин в процессе буре-ния//НТВ "Каротажник". Тверь: Изд. АИС. 2000. Вып.73. С. 47-68.

126. Элланский М.М. Использование современных достижений петро-физики и физики пласта при решении задач нефтегазовой геологии по сква-жинным данным. Учебное пособие Сводный тем. план, 1999 г.

127. Элланский М.М., Еникеев Б.Н. Использование многомерных связей в нефтегазовой геологии. М.: Недра, 1991.

128. Элланский М.М., Еникеев Б.Н. Компьютерное моделирование и современные компьютерные технологии в нефтегазовой геологии: Учебное пособие для вузов. РГУ нефти и газа, 1999.

129. Элланский М.М., Садыков А. Применение математических методов и алгоритмизация в решении задач нефтегазовой геологии: Учебное пособие. -Ташкент.: Ташк. Политехи. Ин-т,1989

130. Элланский М.М., Холин А.И., Зверев Г.Н., Петров А.П. Математические методы в газонефтяной геологии и геофизике. М.: Недра, 1972.

131. Michalewicz, Z. Genetic algorithms, numerical optimization and constraints // Proceedings of the 6th International conference on genetic algorithms, Pittsburgh, July 15-19, 1995.-P. 151-158.