Оценка продуктивности газовых и нефтяных скважин на основе метода нечетких деревьев решений

• Автор: Ворончак, Виктор Иванович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Ижевск
• Количество страниц: 154 с. : ил.

Глава 1. Методы обнаружения геофизических знаний в данных разведочного бурения
1.1. Задачи обработки и анализа геофизической информации при
г разведочном бурении скважин
1.2. Методы обнаружения и извлечения новых знаний из данных геофизических исследований
1.3. Задачи, решаемые с помощью методов КИЮ
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 при-

менением 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 литологического разделения
4.4. Методика оценки продуктивности скважины
4.5. Полученные результаты и выводы
Заключение
Литература
Приложение
Акт о внедрении результатов диссертационной работы

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 рас-

Производную Эр/&* вычислим через аргументы на следующем слое:
дР ^ 5Р ЭР (Ю
Я-* ~ 2-і Д-4+1 ~
дг* % дгк;1 Ц % дгк/' 8и)
,* эр сю
Обозначим через Р =—-—г и получим для нахождения А рекуррент-
&Г с/м.
ную формулу:
к ар ас
а2“ а«

2>ГЧ'*'
и-« )
/?<(!-<)•
Выражение для вычисления компонентов градиента примет вид

а^/=1,р^=о,рА_,д = 1,Рс.
Для начала вычислений по рекуррентной формуле необходимо определить значения 8. при к-Кс. Для этого найдем ЭР/Эи^с на последнем слое дифференцированием целевой функции
№ =(уг/п^р-' и
Щс ' '' уаи*
Последовательность вычислений:
1. Задается начальное приближение коэффициентов Му, / = 1,Л^,
у = 0,РА_,, к = ,Кс, как правило, случайным образом.
2. По формулам и) = Х;=о = )> г" = 1, , Р = 1, РГс вычисля-
~ к Кг
ются выходные значения нейронов 2. , в том числе у. =
3. Определяются =(у; -А)Ру,(-у,), і = ІМКс и далее для
Р = РГс —вычисляются все значения 8* и Эр/Эи>*
После этого полученные значения компонентов вектора градиента целевой функции применяются для уточнения вектора коэффициентов на следующей итерации. Самой простейшей разновидностью градиентных методов явля-