THE JUSTIFICATION OF ZONAL OIL AND GAS POTENTIAL OF THE TERRITORY OF VISIMSKAYA MONOCLINE BY GEOCHEMICAL CRITERIA

Abstract


The paper presents the zonal probability and statistical assessment of the generation potential of deposits that form oil and gas potential of the territory of Visimskaya monocline. Databases on geochemical and bituminological characteristics of dispersed organic matter (DOM) in Domanicoid type deposits of the Upper Devonian-Tournaisian formation were used. The following indicators were used: content of organic carbon Sorg, %; organic matter OM, %; composition of DOM (content of bitumoids: % - chloroform - CBE, petroleum - PB, alcohol-benzene - ABB, humic acids - HumA, %, insoluble residue - IR, %) and characteristics of DOM conversion (ratio of chloroform bitumen to alcohol-benzene one - CBE/ABB, bitumoid coefficient - β), as well as the conversion factor for Sorg - Kc. In order to determine the informativeness of these characteristics, the Student’s ( t ) and Pearsonʼs (c2) statistical criteria were used. When building models for predicting the zonal oil and gas potential of the territory of Visimskaya monocline, one-dimensional and step-by-step multidimensional regression analyzes were used, which allowed to construct one-dimensional and multidimensional regression linear models. Using the step-by-step multidimensional regression analysis a complex criterion was developed taking into account influence of each geochemical indicator separately and their combinations. This made it possible to construct a scheme for distribution of probability of petroleum potential of the territory of Visimskaya monocline. Analysis of the scheme showed that the most favorable geochemical conditions for the formation of petroleum potential due to DOM are observed in the central part of Visimskaya monocline (within the Maykorskoye field and surrounding area, bounded by the likelihood more than 0.5). Besides, areas in the south of Visimskaya monocline in the territories where > 0.5 are of particular interes in terms of zonal oil and gas potential. North of Visimskaya monocline probably has a certain interest as well.


Full Text

Введение Существующие стандартные методики оценки нефтегазоносности не всегда позволяют выделить те локальные объекты, которые будут содержать скопления нефти. Многие авторы для зонального прогноза нефтегазоносности предлагают использовать различные количественные или качественные критерии. В данной статье выполняется зональная вероятностно-статистическая оценка генерационного потенциала отложений, формирующих нефтегазоносность осадочного разреза территории развития Висимской моноклинали. Здесь, как и на территории всего Пермского края, традиционными нефтегазоматеринскими толщами являются отложения верхнедевонско-турнейского карбонатного (D3-C1t) комплекса [1-12]. Для решения данной задачи использованы базы данных по геохимическим и битуминологическим характеристикам рассеянного органического вещества (РОВ) верхнедевонско-турнейских карбонатных отложений, определенных в скважинах на территории Висимской моноклинали. В работе были использованы следующие показатели: содержание органических соединений в породе (органического углерода Сорг, %, и органического вещества ОВ, %); состав РОВ (содержание битумоидов, % - хлороформенных - Бхл, петролейных - Бпэ, спиртобензольных битумоидов - Бсб, гуминовых кислот - ГумК, нерастворимого остатка - НО) и характеристики преобразования РОВ (отношение концентраций хлороформенного битумоида к спиртобензольному - Бхл/Бсб, битумоидный коэффициент - β), а также коэффициент пересчета для Сорг - Кк. Статистический анализ проведен по 325 определениям геохимических характеристик по керну. Нефтегазоматеринские толщи в разрезе верхнедевонско-турнейского нефтегазового комплекса являются отложениями доманикоидного типа, с которыми в настоящее время связывают формирование основного объема залежей нефти и газа во всем осадочном чехле северо-восточной части Волго-Уральской нефтегазоносной провинции, куда входит территория Висимской моноклинали. Ранее в работах различных авторов были рассмотрены геохимические особенности каждого стратиграфического подразделения этих отложений, выявлена их генерирующая роль и выполнены исследования по прогнозированию нефтегазоносности. Геолого-геохимические особенности этих отложений были изучены авторами достаточно подробно для всей территории Пермского края [1-8]. Здесь необходимо отметить, что в данных работах особенностям распределения РОВ по территории Висимской моноклинали уделено мало внимания. Это связано во многом с тем, что на данной территории к настоящему времени открыто мало месторождений нефти и газа, при этом в достаточно ограниченном стратиграфическом диапазоне. По мнению авторов данной статьи, привлечение математических методов позволит оценить связи между характеристиками РОВ и нефтегазоносности территории Висимской моноклинали. Возможности построения геолого-математических моделей для решения различных задач приведены в работах [13-38]. При построении одномерных и многомерных линейных статистических моделей использовались элементы математической статистики и теории вероятностей, которые детально описаны в работах как отечественных, так и зарубежных авторов [1, 11, 20, 27, 29, 30, 39-46]. Построение одномерных моделей Проводился анализ результатов исследований образцов из скважин, которые находятся в пределах границ Висимской моноклинали и в непосредственной близости к ним. Первоначально показатели, характеризующие РОВ по изучаемым отложениям, были условно разграничены на две группы. К первой отнесены определения РОВ по скважинам, находящимся вблизи месторождений и непосредственно в их контурах, ко второй - определения из скважин, находящихся за пределами нефтяных месторождений. Первым статистическим инструментом для оценки степени различия параметров для двух выборок является проверка гипотез о различиях или неразличиях средних значений рассматриваемых характеристик РОВ при помощи t-критерия Стьюдента: , где Х1, Х2 - соответственно средние значения показателей РОВ для нефтяных и «пустых» площадей; - дисперсии показателей. Различие в средних значениях считается статистически значимым, если tp > tt. Значения tt определяются в зависимости от количества сравниваемых данных и уровня значимости (α = 0,05). Данные статистических расчетов средних значений (t-критерия и достигаемого уровня значимости р) геохимических и битуминологических параметров в группах для отложений доманикового типа верхнедевонско-турнейских отложений (D3-С1) приведены в табл. 1. Статистическая значимость различий средних величин геохимических и битуминологических характеристик РОВ верхнедевонско-турнейской толщи установлена для трех показателей: Кк, Бпэ, Бсб. Максимальное статистическое различие по критерию t получено для Бсб, минимальное - ОВ. Чтобы оценить возможности формирования нефтегазоносности Висимской моноклинали по характеристикам РОВ верхнедевонско-турнейской толщи, для них были построены индивидуальные модели прогноза с целью оценки нефтегазоносности. Методика построения таких моделей достаточно подробно изложена в работе [1]. Рассмотрим построение индивидуальных вероятностных моделей. Таблица 1 Сравнение средних значений геохимических и битуминологических характеристик и индивидуальные вероятностные модели нефтегазоносности для отложений доманикового типа D3-С1 Показатель Статистические характеристики показателей Критерий Стьюдента Верхняя строка - уравнение вероятности принадлежности к классу территорий в пределах контуров месторождений; средняя - область применения модели; нижняя - диапазон изменения вероятности территория контуров месторождений (группа 1) территория за контурами месторождений (группа 2) (в контуре n = 95, за контуром n = 142) НО, % 47,4 ± 42,4 0,501 ± 0,002 53,5 ± 42,0 0,499 ± 0,001 -1,21853 0,22424 Р(НО) = 0,502-0,0005 НО 0,35-99,75 % 0,497-0,502 Сорг, % 0,64 ± 1,23 0,501 ± 0,003 0,44 ± 0,62 0,499 ± 0,002 0,61471 0,53933 Р(Сорг) = 0,499 + 0,00425 Сорг 0,02-24,33 % 0,499-0,602 ОВ, % 0,81 ± 1,54 0,501 ± 0,003 0,57 ± 0,86 0,499 ± 0,003 0,54493 0,58631 Р(ОВ) = 0,499 + 0,00321 ОВ 0,03-32,36 % 0,499-0,603 Бпэ, % 0,006 ± 0,018 0,511 ± 0,072 0,0003 ± 0,01 0,489 ± 0,072 3,49030 0,00054 Р(Бпэ) = 0,488 + 3,9047 Бпэ 0,000-0,08 % 0,488-0,800 Бхл, % 0,056 ± 0,258 0,504 ± 0,038 0,021 ± 0,030 0,496 ± 0,004 1,61845 0,10690 Р(Бхл) = 0,495 + 0,15082 Бхл 0,000-2,5 % 0,495-0,872 Бсб, % 0,064 ± 0,086 0,504 ± 0,021 0,033 ± 0,011 0,497 ± 0,010 3,65523 0,00031 Р(Бсб) = 0,488 + 0,24752 Бсб 0,000-0,940 % 0,489-0,723 ГумК, % 0,003 ± 0,010 0,500 ± 0,005 0,004 ± 0,057 0,500 ± 0,006 -0,77114 0,48314 Р(ГумК) = 0,501-0,4559 ГумК 0,00-0,08 % 0,464-0,501 Бхл/Бсб, отн. ед. 1,63 ± 3,54 0,503 ± 0,020 0,78 ± 1,39 0,498 ± 0,008 1,76051 0,07962 Р(Бхл/Бсб) = 0,495 + 0,00572 Бхл/Бсб 0,00-20,8 % 0,495-0,613 β, % 10,47 ± 14,54 0,501 ± 0,001 7,21 ± 14,82 0,499 ± 0,010 0,62548 0,53226 Р(β) = 0,496 + 0,0092 β 0,05-88,88 % 0,496-0,577 Кк, отн. ед. 1,27 ± 0,04 0,516 ± 0,085 1,29 ± 0,041 0,483 ± 0,090 2,87379 0,00581 Р(Кк) = 3,399-2,259 Кк 1,25-1,33 отн. ед. 0,394-0,575 Примечание: * - в числителе - средние значения показателя и стандартное отклонение в классе, в знаменателе - среднее значение вероятности и стандартное отклонение в классе. Таблица 2 Распределение значений Бхл/Бсб по отложениям доманикового типа Класс объектов Интервал варьирования Бхл/Бсб, доли ед. 0,0-2,0 2,0-4,0 4,0-6,0 6,0-8,0 8,0-10,0 10,0-12,0 12,0-14,0 14,0-16,0 Более 16,0 Территории в пределах контуров месторождений (n = 95) 0,886 - 0,031 0,010 - 0,010 0,021 0,021 0,021 Территории за пределами контуров месторождений (n = 142) 0,922 0,036 0,021 0,007 0,007 0,007 - - - В качестве примера выполним статистический анализ по показателю Бхл/Бсб для проб, отобранных в пределах контуров месторождений и за их пределами. Сравнение средних значений, приведенных в табл. 1, показывает, что среднее значение для территорий в пределах контуров месторождений - 1,634, для территорий за пределами контуров месторождений - 0,782. По критерию t средние значения не являются различными, так как р = 0,07962. Распределения значений Бхл/Бсб по доманиковым отложениям приведено в табл. 2. Отсюда видно, что распределения значений Бхл/Бсб для территорий нефтяных месторождений и за их пределами значительно отличаются. Для территорий нефтяных месторождений значения Бхл/Бсб в интервале 0,0-4,0 доли ед. встречаются с частостью 0,886, тогда как для территорий за пределами - 0,956. В интервале 2,0-10,0 в первом случае 0,041, во втором - 0,042, т.е. наблюдается практическое равенство значений частостей. При Бхл/Бсб > 12,0 для территорий нефтяных месторождений частость равна 0,063, за пределами нефтяных месторождений такие высокие значения не встречаются. Выполненная оценка различия по критерию c2 показала, что распределения являются статистически различными. Это позволило использовать данную характеристику для построения вероятностной модели. В соответствии с используемой методикой на первом этапе построения вероятностной модели в каждом интервале определяются вероятности принадлежности к территориям нефтяных месторождений (Р(Бхл/Бсби)). Далее интервальные вероятности принадлежности к 1-му классу сопоставляются со средними интервальными значениями Бхл/Бсби. По величинам Р(Бхл/Бсби) и Бхл/Бсби высчитывается парный коэффициент корреляции r и строится уравнение регрессии. Последующая корректировка построенных моделей выполняется из условия, что среднее значение вероятностей для территорий нефтяных месторождений должно быть больше 0,5, а для территорий за пределами нефтяных месторождений меньше 0,5. Таким образом, линейные модели, построенные для данной толщи, позволили оценить индивидуальную информативность каждого геохимического показателя в отношении нефтегазоносности. Пример графического изображения построенной линейной модели по показателю Бхл/Бсб приведен на рис. 1. Рис. 1. Зависимость Р(Бхл/Бсб) от Бхл/Бсб Отсюда видно, что при повышении значений Бхл/Бсб от 0 до 21 доли ед. величина Р(Бхл/Бсб) увеличивается от 0,494 до 0,617. Построение многомерных моделей На следующем шаге прогнозных оценок авторами работы был обоснован комплексный критерий, учитывающий построенные линейные индивидуальные вероятностные модели каждого геохимического показателя для данного комплекса. Критерий был вычислен по следующей формуле: Таблица 3 Исследование сочетаний вероятности принадлежности к классу территорий в пределах контуров месторождений при разных значениях m Вероятность Сочетание вероятностей при различных m 2 3 4 5 6 7 8 9 10 Р(НО) + + + + + Р(Сорг) + + Р(ОВ) + Р(Бпэ) + + + + + + + + + Р(Бхл) + + + + + + Р(Бсб) + + + + + + + + + Р(ГумК) + + + + Р(Бхл/Бсб) + + + + + + + Р(β) + + + Р(Кк) + + + + + + + + Среднее значение вероятности по территориям в пределах контуров месторождений 0,515 0,529 0,531 0,532 0,533 0,532 0,532 0,532 0,532 Среднее значение вероятности по территориям за пределами контуров месторождений 0,486 0,470 0,470 0,468 0,469 0,468 0,467 0,467 0,467 4,267 0,00002 4,3953 0,000017 4,6082 0,000007 4,7188 0,000004 4,7591 0,000003 4,7792 0,000003 4,7542 0,000003 4,7511 0,000004 4,7445 0,000004 где Рин - соответственно индивидуальные вероятности Р(Кк), Р(НО), Р(Сорг), Р(ОВ), Р(Бпэ), Р(Бхл), Р(ГумК), Р(Бхл/Бсб), Р(β), а П - их произведение. При вычислении комплексного критерия Ркомп для верхнедевонско-турнейского нефтегазового комплекса использовалось такое сочетание вероятностей m, при котором средние значения вероятностей Ркомп в группах наиболее статистически различны (табл. 3). Выбранные таким образом сочетания вероятностей, вычисленные по геохимическим показателям от m = 2 до m = 10, приведены в табл. 3. Из табл. 3 видно, что на первом шаге построения модели, при m = 2, были использованы значения Р(Бпэ) и Р(Бсб), при m = 3 в модель была дополнительно включена вероятность Р(Кк), далее последовательно включались в построение модели Р(Бхл/Бсб), Р(Бхл), Р(НО), Р(ГумК), Р(β), Р(Сорг), Р(ОВ). Зависимость значений от m приведено на рис. 2. Отсюда видно, что при повышении m от 1 до 6 среднее значение для территорий в пределах контуров месторождений закономерно растет от 0,515 до 0,533, затем при m > 6 остается постоянным. Для территорий за пределами контуров месторождений наблюдается тенденция уменьшения значений при повышении m. Для разработки методики вычисления значений по данным отложениям с используемыми показателями будем использовать значения при m = 7. Это определяется тем, что при данном сочетании имеется максимальное значение критерия t. Рис. 2. Зависимость значений от m Таблица 4 Корреляционная матрица Кк НО Сорг ОВ Бпэ Бхл Бсб ГумК Бхл/Бсб β 1,00 1,00 1,00 -0,73* -0,85* 0,96* 0,28* 0,22 0,57* -0,02 0,14 -0,30* -0,02 0,13 -0,31* 0,50* 0,54* 0,07 0,29* 0,35* -0,52* 0,37* 0,35* -0,22 -0,19 -0,00 -0,37* 0,24 0,51* -0,33* 0,09 0,42* -0,39 Кк 1,00 1,00 1,00 -0,53* -0,45* -0,68* 0,16 -0,09 0,33* 0,17 -0,08 0,34* 0,16 0,14 0,25 0,23 0,06 0,63* 0,21 0,08 0,42* 0,10 -0,01 0,26* 0,03 -0,21 0,42* 0,25* -0,11 0,46 НО 1,00 1,00 1,00 0,14 0,25 -0,01 0,14 0,25 -0,02 -0,22 -0,24 -0,15 -0,10 0,04 -0,62* -0,25 -0,20 -0,52* 0,08 0,30 -0,04 -0,12 0,05 -0,38* -0,39* -0,08 -0,52 Сорг 1,00 1,00 1,00 1,00* 1,00* 1,00* 0,10 -0,04 0,41* 0,28* 0,65* 0,26 0,15 0,17 0,43* 0,11 0,26 0,57 0,02 -0,05 -0,05 -0,11 -0,11 -0,21 ОВ 1,00 1,00 1,00 0,10 0,04 0,41* 0,28* 0,65* 0,26 0,15 0,17 0,43* 0,11 0,26 0,57 0,02 -0,05 -0,05 -0,11 -0,11 -0,21 Бпэ 1,00 1,00 1,00 0,45* 0,39* 0,06 0,64* -0,06 0,51* -0,09 0,03 0,04 0,31* 0,64 -0,02 0,33* 0,48* -0,05 Бхл 1,00 1,00 1,00 0,41* 0,19 0,49* 0,00 0,31 0,22 0,26* 0,34 0,47* 0,32* 0,42* 0,57* Бсб 1,00 1,00 1,00 0,01 0,13 0,15 -0,03 -0,19 -0,02 0,15 -0,03 0,01 ГумК 1,00 1,00 1,00 -0,05 -0,08 -0,04 -0,11 -0,07 0,11 Бхл/Бсб 1,00 1,00 1,00 0,66* 0,90* 0,75* β 1,00 1,00 1,00 Примечание: верхняя строка - все данные, средняя строка - контур месторождений, нижняя строка - за контуром месторождений; * - статистически значимые корреляционные связи. Необходимость построения многомерной модели связана с тем, что изучаемые показатели различно влияют на комплексный критерий как по силе, так и по направлению. Исследуем влияние всех изучаемых показателей путем вычисления коэффициентов корреляции r, определенных в трех вариантах: первый вариант - по всем данным, второй - по данным геохимических проб, отобранных в пределах контуров месторождений, третий - за пределами контуров месторождений. Результаты расчетов значений r приведены в табл. 4. Отсюда видно, что значения коэффициентов корреляции r между изучаемыми показателями различные. Например, корреляция между и β для проб, отобранных в пределах контуров месторождений, имеет статистически значимую положительную связь, тогда как для проб, отобранных за пределами контуров месторождений, она также статистически значимая, но обратная. Различия по направленности и тесноте корреляций для изучаемых двух классов наблюдаются между и другими геохимическими показателями (см. табл. 4). Также необходимо отметить, что между показателями, формирующими значения для двух изучаемых классов, наблюдаются различные статистические связи. Например, корреляция между Бпэ и Бхл для проб, отобранных в пределах контуров месторождений, имеет статистически значимую положительную связь, тогда как для проб, отобранных за пределами контуров месторождений, она практически отсутствует. Все эти данные показывают, что наблюдаются статистические отличия как в распределениях, так и в корреляциях для проб, отобранных в пределах контуров месторождений и за их контурами. Следовательно, нефтегазоносность Висимской моноклинали зависит от геохимических характеристик РОВ верхнедевонско-турнейских отложений. По мнению авторов данной работы, по этим показателям можно произвести зональную нефтегазоносность изучаемой территории. Для учета многообразия различных, и в ряде случаев разнонаправленных, влияний изучаемых показателей на построим многомерные модели с помощью пошагового регрессионного анализа. Расчет регрессионных коэффициентов в разрабатываемой модели выполним при помощи метода наименьших квадратов. Под регрессионным анализом понимается статистический метод исследования зависимостей между зависимой переменной Y и одной или несколькими независимыми переменными Х1, Х2, Хр. Зависимый признак в регрессионном анализе называется результирующим, независимый - факторным. Обычно на зависимую переменную действуют сразу несколько факторов. Совокупное влияние всех независимых факторов на зависимую переменную учитывается благодаря множественной регрессии. В общем случае множественную регрессию оценивают параметры линейного уравнения вида Y = а + b1X1 + b2X2 +…+ bрXр. В данном уравнении регрессионные коэффициенты (b-коэффициенты) представляют независимые вклады каждой независимой переменной в предсказание зависимой переменной. Линия регрессии выражает наилучшее предсказание зависимой переменной (Y) по независимым переменным (Хn). В нашем случае в качестве зависимого признака выступает , а в качестве независимых факторов - значения Кк, НО, Сорг, ОВ, Бпэ, Бхл, ГумК, Бхл/Бсб, β. Таблица 5 Значения Площадь № скважины Возраст Кол-во проб среднее min max Висим-Истокская 33 D3f2-C1t 10 0,458 ± 0,164 0,369 0,887 Висимская 11 D3f2-C1t 7 0,408 ± 0,043 0,379 0,502 Висимская 13 D1-D3f1 21 0,445 ± 0,067 0,373 0,574 Висимская 14 D3f2-C1t 9 0,467 ± 0,087 0,379 0,646 Висимская 15 D3f2-C1t 21 0,536 ± 0,111 0,381 0,695 Висимская 16 D3f2-C1t 17 0,556 ± 0,157 0,397 0,972 Висимская 23 D3f2-C1t 2 0,384 ± 0,008 0,378 0,390 Гаринская 62 D1-D3f1 27 0,552 ± 0,012 0,540 0,581 Дмитриевская 2 D3f2-C1t 7 0,545 ± 0,003 0,542 0,551 Дмитриевская 5 D3f2-C1t 3 0,384 ± 0,015 0,369 0,401 Инвинская 71 D3f2-C1t 6 0,387 ± 0,016 0,370 0,413 Карнашевская 90 D3f2-C1t 7 0,378 ± 0,021 0,363 0,410 Касибская 15 D3f2-C1t 4 0,411 ± 0,013 0,393 0,421 Касибская 2 D3f2-C1t 2 0,390 ± 0,025 0,372 0,409 Касибская 3 D1-D3f1 6 0,573 ± 0,018 0,548 0,592 Купросская 9 D1-D3f1 13 0,552 ± 0,007 0,546 0,562 Майкорская 13 D3f2-C1t 6 0,794 ± 0,212 0,373 0,982 Назаровская Дуринская D3f2-C1t 16 0,385 ± 0,022 0,346 0,442 Назаровская Иважинская D1-D3f1; D3f2-C1t 30 0,434 ± 0,077 0,366 0,561 Нылобско-Урайская 17 D1-D3f1; D3f2-C1t 14 0,434 ± 0,086 0,369 0,548 Родниковская 12 D3f2-C1t 1 0,369 Романшорская 1 D3f2-C1t 16 0,552 ± 0,060 0,372 0,696 Сенькинская Белопашнинская D1-D3f1 4 0,553 ± 0,015 0,533 0,576 Слуцкая 279 D1-D3f1; D3f2-C1t 18 0,423 ± 0,062 0,375 0,558 Тукачевская 3 D1-D3f1 10 0,560 ± 0,015 0,546 0,584 Усть-Кондасская 3 D3f2-C1t 3 0,489 ± 0,090 0,385 0,543 Чермозская 3 D1-D3f1; D3f2-C1t 14 0,585 ± 0,043 0,544 0,691 Шатовская 287 D1-D3f1; D3f2-C1t 22 0,524 ± 0,110 0,371 0,808 Шатовская 293 D3f2-C1t 9 0,412 ± 0,066 0,374 0,586 Таблица 6 Распределение значений среднее, min, max Интервалы варьирования 0,0-0,1 0,1-0,2 0,2-0,3 0,3-0,4 0,4-0,5 0,5-0,6 0,6-0,7 0,7-0,8 0,8-0,9 0,9-1,0 Среднее - - - 0,241 0,351 0,373 - 0,035 - - Минимальное - - - 0,758 - 0,242 - - - - Максимальное - - - 0,068 0,208 0,448 0,138 - 0,069 0,069 Построенная модель по геохимическим характеристикам РОВ верхнедевонско-турнейских отложений имеет следующий вид: = 2,952 - 2,26761Кк + 2,26761Бпэ + + 0,16153Бхл + 0,22506Бсб + + 0,000742Бхл/Бсб - 0,45018ГумК - - 0,00005НО + 0,00005β + 0,0001ОВ при R = 0,999, р < 0,0000, ошибка прогноза равна 0,00311. Формирование очередности включения показателей в уравнения регрессии происходило в последовательности показателей, приведенных в уравнении. На первом шаге формирования уравнения был включен показатель Кк при R = 0,726; далее величина R изменялась следующим образом: 0,956; 0,981; 0,991; 0,994; 0,996; 0,997; 0,998; 0,999. С помощью данной модели вычислены значения по всем геохимическим пробам, отобранным из данных отложений. Информация о номерах скважин, из которых были отобраны пробы, возрасте, их количестве и значениях приведена в табл. 5. По данным 29 скважин и 322 определений показателей РОВ среднее значение = 0,480 ± ± 0,094, оно варьируется от 0,346 до 0,982. По данным табл. 5 построены плотности распределений значений среднее, min, max, приведенные в табл. 6. Отсюда видно, что значения во всех трех случаях изменяются незначительно. Например, вероятность среднее в большинстве случаев имеет значения в диапазоне 0,4-0,6 (0,724). По средним значениям в скважинах была построена схема распределения вероятности нефтегазоносности для территории Висимской моноклинали (рис. 3). Заключение В результате выполненных исследований установлено, что максимально благопри-ятные геохимические условия формирования Рис. 3. Схема распределения вероятности нефтегазоносности по геохимическим и битуминологическим характеристикам для территории Висимской моноклинали нефтегазоносности за счет РОВ наблюдаются в центральной части Висимской моноклинали, в пределах Майкорского месторождения и территории вокруг него, ограниченной изовероятностью больше 0,5. Также определенный интерес с точки зрения зональной нефтегазоносности представляют участки на юге Висимской моноклинали на территориях, где > 0,5. Вероятно, определенный интерес имеют территории на севере Висимской моноклинали. Данная схема будет использована в дальнейших оценках зональной нефтегазоносности территории Висимской моноклинали.

About the authors

Vladislav I. Galkin

Perm National Research Polytechnic University

Author for correspondence.
Email: vgalkin@pstu.ru
29 Komsomolskiy av., Perm, 614990, Russian Federation

Doctor of Geology and Mineralogy, Professor, Head of the Department of Oil and Gas Geology

Konstantin A. Koshkin

Uraloil LLC

Email: konstkoshkin@rambler.ru
4 Sibirskaya st., Perm, 614990, Russian Federation

Head of the Department for Geology and Licensing

Oleg A. Melkishev

Perm National Research Polytechnic University

Email: melkishev@pstu.ru
29 Komsomolskiy av., Perm, 614990, Russian Federation

PhD in Engineering, Associate Professor at the Department of Oil and Gas Geology

References

  1. Galkin V.I., Rastegaev A.V., Galkin S.V. Veroyat­nostno-statisticheskaya otsenka neftegazonosnosti lokalnykh struktur [Probabilistic-statistical evaluation of the gas content of local structures]. Ekaterinburg, 2001, 277 p.
  2. Kozlova I.A., Galkin V.I., Vantseva I.V. K otsenke perspektiv neftegazonosnosti Solikamskoy depressii s pomoshchyu geologo-geokhimicheskikh kharakteristik neftegazomaterinskikh porod [On the assessment of the prospects for the oil and gas potential of the Solikamsk Depression using the geological and geochemical characteristics of the oil and gas source rocks]. Oilfield engineering, 2010, no.7, pp.20-23.
  3. Krivoshchekov S.N., Galkin V.I., Nosov M.A. Otsenka nelokalizovannykh resursov nefti territorii Permskogo kraya pri pomoshchi sistemy elementarnykh uchastkov [Evaluation of non-localized oil resources in Perm Region by a system of elementary sections]. Oil industry, 2014, no.6, pp.9-11.
  4. Krivoshchekov S.N., Kozlova I.A., Sannikov I.V. Otsenka perspektiv neftegazonosnosti zapadnoy chasti Solikamskoy depressii na osnove geokhimicheskikh i geodinamicheskikh dannykh [Estimate of the petroleum potential of the western Solikamsk depression based on geochemical and geodynamic data]. Oil industry, 2014, no.6, pp.12-15.
  5. Galkin V.I., Kozlova I.A., Melkishev O.A., Shadrina M.A. Geokhimicheskie pokazateli ROV porod kak kriterii otsenki perspektiv neftegazonosnosti [Geochemical indicators of rock DOM as criteria for evaluating oil and gas potential]. Oilfield engineering, 2013, no.9, pp.28-31.
  6. Kozlova I.A., Melkishev O.A. Prognoznaia otsenka raspredeleniia nelokalizovannykh resursov nefti v devonskom terrigennom komplekse na territorii Permskogo kraia [Predictive estimation of non-localized oil resources distribution in the Devonian terrigenous complex in Perm region]. Geologiya, geofizika i razrabotka neftyanykh i gazovykh mestorozhdeniy, 2017, no.2, pp.4-8.
  7. Galkin V.I., Kozlova I.A. Razrabotka veroiatnostno-statisticheskikh regionalno-zonalnykh modelei prognoza neftegazonosnosti po dannym geokhimicheskikh issledovanii verkhnedevonskikh karbonatnykh otlozhenii [Development of probabilistic-statistical regional-zoning models of oil and gas potential prediction based on the data of geochemical studies of the Upper Devonian carbonate deposits]. Geologiya, geofizika i razrabotka neftyanykh i gazovykh mestorozhdeniy, 2016, no.6, pp.40-45.
  8. Galkin V.I., Kozlova I.A., Krivoshchekov S.N., Nosov M.A., Koltyrina N.S. Otsenka perspektiv neftegazo­nosnosti iuga Permskogo kraia po organo-geokhimicheskim dannym [Estimation of petroleum potential prospects in the south of Perm territory on the basis of organic-geochemical data]. Oilfield engineering, 2015, no.7, pp.32-35.
  9. Galkin V.I., Kozlova I.A., Krivoshchekov S.N., Nosov M.A. Reshenie regionalnykh zadach prognozirovaniya neftenosnosti po dannym geologo-geokhimicheskogo analiza rasseyannogo organicheskogo veshchestva porod domanikovogo tipa [Solutions to regional problems of forecasting oil bearing according to geological and geochemical analysis of dispersed organic matter of Domanic type rocks]. Oil industry, 2015, no.1, pp.21-23.
  10. Galkin V.I., Kozlova I.A., Krivoshchekov S.N., Melkishev O.A. K obosnovaniyu postroeniya modeley zonalnogo prognoza neftegazonosnosti dlya nizhne-srednevizeyskogo kompleksa Permskogo kraya [On the justification of the construction of models for oil and gas potential area forecast Visean deposits of Perm region]. Oil industry, 2015, no.8, pp.32-35.
  11. Galkin V.I., Zhukov Yu.A., Shishkin M.A. Primenenie veroyatnostnykh modeley dlya lokalnogo prognoza neftegazonosnosti [Application of probabilistic models for local prediction of oil and gas potential]. Ekaterinburg, URo RAN, 1990, 108 p.
  12. Brodiagin V.V., Potriasov A.A., Skachek K.G., Shaikhutdinov A.N. Zonalnyi prognoz neftegazonosnosti iurskikh otlozhenii v predelakh territorii deiatelnosti tpp “Kogalymneftegaz” [Zonal forecast of the oil and gas potential of the Jurassic sediments within the territory of activity of the CCI “Kogalymneftegas”. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2008, no.8, pp.31-35.
  13. Galkin V.I., Shaykhutdinov A.N. O vozmozhnosti prognoza neftegazonosnosti yurskikh otlozheniy veroyatnostno-statisticheskimi metodami (na primere territorii deyatelnosti TPP “Kogalymneftegaz”) [About possibility to forecast the oil-and-gas content of jurassic sediments based on probable and statistical methods (case study of the territorial industrial enterprise “Kogalymneftegas”)]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2009, no.6, pp.11-14.
  14. Galkin V.I., Shaikhutdinov A.N. Postroenie statisticheskikh modelei dlia prognoza debitov nefti po verkhneiurskim otlozheniiam Kogalymskogo regiona [Development of statistical models for predicting the oil flow rates by example jurassic deposits of Kogalym region territory]. Oil industry, 2010, no.1, pp.52-54.
  15. Galkin V.I., Krivoshchekov S.N. Postroenie matritsy elementarnykh iacheek pri prognoze neftegazonosnosti veroiatnostno-statisticheskimi metodami na territorii Permskogo kraia [Construction of a matrix of elementary cells in the prediction of oil and gas potential by probabilistic-statistical methods on the territory of the Perm Territory]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2008, no.8, pp.20-23.
  16. Galkin V.I., Krivoshchekov S.N. Obosnovanie napravlenii poiskov mestorozhdenii nefti i gaza v Permskom krae [Justification of the direction of the search for oil and gas in the Perm region]. Nauchnye issledovaniya i innovatsii, Perm, 2009, vol.3, no.4, pp.3-7.
  17. Galkin V.I., Kozlova I.A., Rastegaev A.V., Vantseva I.V., Krivoshchekov S.N., Voevodkin V.L. K metodike otsenki perspektiv neftegazonosnosti Solikamskoy depressii po kharakteristikam lokalnykh struktur [Estimation procedure of petroleum potential of solikamsk depression based on local structures parameters]. Oilfield engineering, 2010, no.7, pp.12-17.
  18. Galkin V.I., Rastegaev A.V., Kozlova I.A., Vantseva I.V., Krivoshchekov S.N., Voevodkin V.L. prognoznaia otsenka neftegazonosnosti struktur na territorii Solikamskoi depressii [Probable estimation of oil content of structures in territory of Solikamsk depression]. Oilfield engineering, 2010, no.7, pp.4-7.
  19. Belokon T.V., Galkin V.I., Kozlova I.A., Pashkova S.E. Dodevonskie otlozheniia Permskogo Prikamia kak odno iz perspektivnykh napravlenii geologo-razvedochnykh rabot [Pre-Devonian deposits of the Perm Prikamye as one of the promising areas of geological exploration]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2005, no.9, pp.24-28.
  20. Putilov I.S. Razrabotka tekhnologii kompleksnogo izucheniia geologicheskogo stroeniia i razmeshcheniia mestorozhdenii nefti i gaza [Development of technologies for the integrated study of the geological structure and location of oil and gas fields]. Perm', Izdatel'stvo Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta, 2014, 285 p.
  21. Galkin V.I., Kozlova I.A., Krivoshchekov S.N., Pyatunina E.V., Pestova S.N. O vozmozhnosti prognozirovaniya neftegazonosnosti famenskikh otlozheniy s pomoshchyu postroeniya veroyatnostno-statisticheskikh modeley [On the possibility of predicting the petroleum potential of the Famennian sediments using the construction of probabilistic-statistical models]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2007, no.10, pp.22-27.
  22. Galkin V.I., Solov′ev S.I. Classification of Perm krai areas according to prospectivity for oil fields acquisition. Perm Journal of Petroleum and Mining Engineering, 2015, no.16, pp.14-24. doi: 10.15593/224-9923/2015.16.2
  23. Sosnin N.E. Development of statistical models for predicting oil-and-gas content (on the example of terrigenous devonian sediments of North Tatar arch). Perm Journal of Petroleum and Mining Engineering, 2012, no.5, pp.16-25.
  24. Galkin V.I., Sosnin N.E. Razrabotka geologo-matematicheskikh modelei dlia prognoza neftegazonosnosti slozhnopostroennykh struktur v devonskikh terrigennykh otlozheniiakh [Geological development of mathematical models for the prediction of oil and gas complex-built structures in the Devonian clastic sediments]. Oil industry, 2013, no.4, pp.28-31.
  25. Dementev L.F. Matematicheskie metody i EVM v neftegazovoy geologii [Mathematical methods and computers in oil and gas geology]. Moscow, Nedra, 1987, 264 p.
  26. Davydenko A.Yu. Veroyatnostno-statisticheskie metody v geologo-geofizicheskikh prilozheniyakh [Probabilistic-statistical methods in geological and geophysical applications]. Irkutsk, 2007, 29 p.
  27. Mikhalevich I.M. Primenenie matematicheskikh metodov pri analize geologicheskoi informatsii (s ispolzovaniem kompiuternykh tekhnologii) [Use of mathematical methods in the analysis of geological information (using computer technology)]. Irkutsk, 2006, 115 p.
  28. Andreiko S.S. Development of mathematical model of gas-dynamic phenomena forecasting method according to geological data in conditions of Verkhnekamskoie potash salt deposit. Perm Journal of Petroleum and Mining Engineering, 2016, no.21, pp.345-353. doi: 10.15593/224-9923/2016.21.6
  29. Devis Dzh. Statistika i analiz geologicheskikh dannykh [Statistics and analysis of geological data]. Moscow, Mir, 1977, 353 p.
  30. Pomorskiy Yu.L. Metody statisticheskogo analiza eksperimentalnykh dannykh [Methods of statistical analysis of experimental data]. Leningrad, 1960, 174 p.
  31. Cherepanov S.S. Integrated research of carbonate reservoir racturing by Warren – Root method using seismic facies analysis (evidence from tournaisian-famennian deposit of Ozernoe field). Perm Journal of Petroleum and Mining Engineering, 2015, no.14, pp.6-12. doi: 10.15593/224-9923/2015.14.1
  32. Galkin V.I., Ponomareva I.N., Cherepanov S.S. Development of the methodology for evaluation of possibilities to determine reservoir types based on pressure build-up curves, geological and reservoir properties of the formation (case study of famen deposits of Ozernoe field). Perm Journal of Petroleum and Mining Engineering, 2015, no.17, pp.32-40. doi: 10.15593/224-9923/2015.17.4
  33. Cherepanov S.S., Martyushev D.A., Ponomareva I.N. Otsenka filtratsionno-emkostnykh svoystv treshchinovatykh karbonatnykh kollektorov mestorozhdeniy Preduralskogo kraevogo progiba [Evaluation of filtration-capacitive properties of fractured carbonate reservoir of Predural'skogo edge deflection]. Oil industry, 2013, no.3, pp.62-65.
  34. Galkin V.I., Kunitskikh A.A. Statistical modelling of expanding cement slurry. Perm Journal of Petroleum and Mining Engineering, 2017, vol.16, no.3, pp.215-244. doi: 10.15593/224-9923/2017.3.2
  35. Galkin V.I., Ponomareva I.N., Repina V.A. Study of oil recovery from reservoirs of different void types with use of multidimensional statistical analysis. Perm Journal of Petroleum and Mining Engineering, 2016, no.19, pp.145-154. doi: 10.15593/224-9923/2016.19.5
  36. Krivoshchekov S.N., Galkin V.I. Postroenie matritsy elementarnykh yacheek pri prognoze neftegazonosnosti veroyatnostno-statisticheskimi metodami na territorii Permskogo kraya [Construction of a matrix of elementary cells in the prediction of oil and gas potential by probabilistic-statistical methods on the territory of the Perm Territory]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2008, no.8, pp.20-23.
  37. Ivanov S.A., Rastegaev A.V., Galkin V.I. Analiz rezultatov primeneniya GRP (na primere Povkhovskogo mestorozhdeniya nefti) [Analysis of results of applying formation hydraulic fracturing in povkhovsky oil field]. Oilfield engineering, 2010, no.7, pp.54-58.
  38. Krivoshchekov S.N., Galkin V.I., Volkova A.S. Razrabotka veroiatnostno-statisticheskoi metodiki prognoza neftegazonosnosti struktur [Development of a probabilistic-statistical method for predicting the oil and gas potential of structures]. Oilfield engineering, 2010, no.7, pp.28-31.
  39. Houze O., Viturat D., Fjaere O.S. Dinamie data analysis. Paris, Kappa Engineering, 2008, 694 p.
  40. Van Golf-Racht T.D. Fundamentals of fractured reservoir engineering. Elsevier scientific publishing company. Amsterdam, Oxford, New York, 1982, 709 p.
  41. Horne R.N. Modern well test analysis: A computer Aided Approach. 2nd ed. Palo Alto, PetrowayInc, 2006, 257 p.
  42. Johnson N.L., Leone F.C. Statistics and experimental design. New York, London, Sydney, Toronto, 1977, 606 p.
  43. Montgomery D.C., Peck E.A., Introduction to liner regression analysis. New York, John Wiley & Sons, 1982, 504 p.
  44. Darling T. Well logging and formation evalution. GardnersBooks, 2010, 336 p.
  45. Watson G.S. Statistic on spheres. New York, John Wiley and Sons, Inc., 1983, 238 p.
  46. Yarus J.M. Stochastic modeling and geostatistics. AAPG. Tulsa, Oklahoma, 1994, 231 p.

Statistics

Views

Abstract - 349

PDF (Russian) - 90

PDF (English) - 44

Refbacks

  • There are currently no refbacks.

Copyright (c) 2018 Galkin V.I., Koshkin K.A., Melkishev O.A.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies