Development of Zone Forecast probability Models for Oil and Gas Potential in the Central Part of the Permian Uplift by Structural and Capacity Criteria

Abstract


The task to which this article is devoted has not received due attention in recent years, since the preparation of structures for deep drilling is carried out using seismic exploration. At the same time, there is a huge array of data on structured drilling, unfortunately, it has not been fully used. Thus, the goal of the study is to use data on structured drilling to solve not only structural problems for marking surfaces, but also more complex ones related to zonal oil and gas potential of territories. The forecast of oil and gas content for marking and oil and gas horizons was carried out in three zones of oil and gas geological zoning. Using the data on these territories, studies were carried out to build probabilistic models for the zonal forecast of oil and gas content. To substantiate the joint use of data on marking surfaces and data on the tops of oil-bearing horizons, materials were studied for 447 deep wells. Probabilistic models of zonal forecast of oil and gas content of the central part of the Permian uplift were developed according to structural and capacity criteria. The complex use of data on the absolute marks of deep and structured wells made it possible to rank the territory of the central part of the Permian uplift by the degree of zonal oil and gas content. Severokamskoye (0.73), Krasnokamskoye (0.67), Baklanovskoye (0.67), Polaznenskoye (0.67), Rassvetnoye (0.64) and Mezhevskoye (0.63) fields were characterized by the maximum values of P COM. For the Kozubaevskoye field, the P COM was 0.57. The Gorskoye, Lobanovskoye, Talitskoye, Zorinskoye and Shemetinskoye fields were characterized by minimum values of P COM, varying in the range of 0.51-0.53. This scheme can be used when designing prospecting and exploration works in this area.


Full Text

Введение Использование вероятностных методов для решения задач прогноза зональной и локальной нефтегазоносности приведено в работах [1-17]. Отметим, что прогноз различных геологических явлений с использованием построения вероятностных моделей выполнялся по территориям, которые характеризуются различным геологическим строением [3-50]. Задаче, которой посвящена данная статья, в последние годы не уделяется должного внимания, так как подготовку структур к глубокому бурению производят с помощью сейсморазведки. В то же время накоплена огромная информация по данным, которые получены по структурному бурению, но, к сожалению, используются не полностью. Была поставлена задача исследования: показать, что те данные, которые получены по структурному бурению, можно использовать для решения не только структурных задач по маркирующим поверхностям, но и более сложных, связанных с зональной нефтегазоносностью территорий. Для решения данной задачи использован анализ территории центральной части Пермского свода, по которой накоплен большой массив сведений по маркирующим горизонтам и нефтесодержащим пластам. Прогноз нефтегазоносности по маркирующим и нефтегазоносным горизонтам проводился в пределах этой территории Пермского свода (ПС) в трех зонах нефтегазогеологического районирования (рис. 1). В зоне 1.Б.4 расположены Краснокамский (Северокамское и Краснокамское месторождения нефти) и Осинский (Беляевское месторождение) валы (см. рис. 1). Также к этой зоне относятся северо-западная и центральная части ПС; в зоне 2.А.3 расположены Горское, Рассветное, Баклановское, Козубаевское и Лобановское месторождения. В зоне 2.А.4 - Талицкое, Южно-Межевское, Межевское, Полазненское, Шеметинское месторождения. С использованием данных по этим территориям выполнялись исследования для построения вероятностных моделей зонального прогноза нефтегазоносности. При обосновании совместного использования данных по маркирующим поверхностям и данных по кровлям нефтесодержащих горизонтов исследовались материалы по 447 глубоким скважинам. Обоснование построения вероятностных моделей прогноза зональной нефтегазоносности При разработке вероятностных моделей зонального прогноза нефтегазоносности были использованы следующие абсолютные отметки кровель горизонтов и ярусов: · бобриковский горизонт - C1bb, · терригенная пачка тульского горизонта - C1tlt, · карбонатная пачка тульского горизонта - C1tlk, · башкирский ярус - C2b, · верейский горизонт - C2vr, · терригенная пачка артинского яруса - P1art, · карбонатная пачка артинского яруса - P1ark, · иренский горизонт - P1ir. На первом этапе статистического анализа вычислены значения коэффициентов корреляции r между всеми изучаемыми абсолютными отметками (табл. 1). Анализ значений r показывает, что наблюдаются две группы, в пределах которых выявлены очень высокие по тесноте связи. Первая группа высоких корреляций обнаружена между маркирующими поверхностями, здесь Рис. 1. Схема нефтегазогеологического районирования наблюдаются значимые прямые корреляционные связи (P1art, P1ark, P1ir). Вторая группа наличия значимых высоких корреляций наблюдается между всеми изучаемыми нефтегазоносными горизонтами (C1bb, C1tlt, C1tlk, C2b, C2vr). Необходимо отметить, что между нефтегазоносными и маркирующими горизонтами коэффициенты корреляции низкие, статистически не значимые, изменяются от 0,01 до -0,33 (см. табл. 1). Все это показывает, что использование абсолютных отметок по маркирующим поверхностям для зональной оценки нефтегазоносности по всей территории центральной части Пермского свода затруднительно. Поэтому разработку моделей зонального прогноза с участием данных по маркирующим горизонтам произведем дифференцированно по зонам нефтегазогеологического районирования. При разработке статистических моделей зонального прогноза нефтегазоносности использовались данные только по следующим абсолютным отметкам: · верейский горизонт - C2vr, · терригенная пачка артинского яруса - P1art, · карбонатная пачка артинского яруса - P1ark, · иренский горизонт - P1ir. Это связано с двумя причинами: во-первых, верейский горизонт находится наиболее близко в разрезе от маркирующих горизонтов; во-вторых, между всеми нефтегазоносными горизонтами (C1bb, C1tlt, C1tlk, C2b, C2vr) имеются положительные статистически значимые, очень сильные корреляционные связи (r изменяется от 0,94 до 0,99). Совместное использование данных по этим горизонтам нецелесообразно вследствие получения практически одинаковых результатов. Дополнительно изучались мощности толщ между маркирующими поверхностями и верейским горизонтом. Предлагаемую методику зонального прогноза нефтегазоносности рассмотрим на примере данных по скважинам, которые расположены в зоне 1.Б.4. Для этой зоны были вычислены некоторые статистические характеристики (табл. 2) по данным скважин, расположенных в пределах контуров нефтегазоносности (класс 1), и по данным скважин, находящихся за их пределами (класс 2). Значения гипсометрических отметок кровель иренского и верейского горизонтов, а также для толщины разреза между ними - m (vr-ir) с учетом выделенных классов приведены в табл. 2. Таблица 1 Корреляционная матрица Параметр H(ir) H(art) H(ark) H(vr) H(b) H(tlk) H(tlt) H(bb) H(ir) 1,00 0,98 0,98 -0,30 -0,33 -0,13 -0,10 -0,16 H(art) 1,00 -0,18 -0,21 -0,02 0,01 -0,05 H(ark) 1,00 -0,18 -0,21 -0,02 0,01 -0,05 H(vr) 1,00 0,99 0,95 0,95 0,94 H(b) 1,00 0,95 0,94 0,94 H(tlk) 1,00 0,99 0,98 H(tlt) 1,00 0,98 H(bb) 1,00 Примечание: Выделены значимые коэффициенты корреляции. Таблица 2 Некоторые статистические характеристики для зоны 1.Б.4 Параметр Средн. знач. Ст. отклонен. Мин. знач. Макс. знач. Показатель H(ir), м Класс 1 -7,1 55,9 -193,6 105,2 Класс 2 -154,3 89,4 -336,1 54,0 Показатель H(vr), м Класс 1 -822,9 23,5 -906,6 -789,1 Класс 2 -901,6 44,8 -1007,6 -818,2 Показатель m(vr-ir), м Класс 1 815,8 55,0 709,0 938,0 Класс 2 747,3 69,3 660,0 907,0 Таблица 3 Распределение значений H(ir) Класс объекта Интервал варьирования H(ir) -350…-300 -300…-250 -250…-200 -200…-150 -150…-100 -100…-50 -50…0 0…50 50…100 100…150 Территории в пределах контуров месторождений, n = 70 0,042 0,085 0,471 0,271 0,114 0,017 Территории за пределами контуров месторождений, n = 49 0,043 0,022 0,285 0,326 0,040 0,163 0,061 0,040 0,020 Отсюда видно, что абсолютные отметки кровли иренского горизонта в пределах контуров нефтегазоносности залегают значительно выше, чем за их пределами. Среднее значение H (ir) для класса 1 на 147,2 м выше среднего значения, чем для класса 2. Для оценки различий в средних значениях по H (ir) вычислим значение критерия t по следующей формуле: где Х1, Х2 - соответственно средние значения H (ir) для классов 1 и 2; - среднеквадратичные отклонения. Различие в средних значениях считается статистически значимым, если tp > tt. Значения tt определяются в зависимости от количества сравниваемых данных и уровня значимости (р = 0,05). Для показателя H (ir) значение tp =11,286, р = 0,000000. Это говорит о том, что средние значения по H (ir) статистически различны. Для того чтобы оценить возможности оценки нефтегазоносности данной зоны по H(ir), была построена индивидуальная модель прогноза по методике, которая достаточно подробно изложена в работе [1]. Кратко рассмотрим методику построения индивидуальных вероятностных моделей на примере H (ir). По данной характеристике исследовались плотности распределений в пределах двух классов. В первом случае изучаются данные по значениям H (ir). В пределах территорий нефтяных месторождений - класс 1, n1=70, во втором изучаются данные по территориям за пределами нефтегазоносности - класс 2, n2 = 49. Необходимо по H (ir) совокупности (набору) разделить их на объекты, принадлежащие к классу 1. Следуя используемой методике, на первом этапе построения вероятностной модели по данным H (ir) для классов 1 и 2 строятся гистограммы. Оптимальные величины интервалов значений H (ir) вычисляются по формуле Стерджесса: где Хmax - максимальное значение показателя, Хmin - минимальное значение показателя, N - количество данных. В каждом интервале определяются частотности: где P(Х) - частотность в k-м интервале для группы Квыт (q = 1), q = 2 соответствует группе Квытмо, Nk - число случаев содержания показателя P(Х) в k-м интервале, Nq - объем выборки для классов 1 и 2. Для исследования соотношений доли объектов, попавших в различные интервалы варьирования H (ir), выполнен интервальный анализ, приведенный в табл. 3. Отсюда видно, что для нефтегазоносных территорий при повышении H (ir) наблюдается увеличение частоты встречаемости значений. Отметим, что для нефтегазоносных территорий в диапазоне -350…-200 м значения не наблюдаются, тогда как за пределами контуров нефтегазоносности суммарная частота их обнаружения составляет 0,341. Для территорий за пределами нефтегазоносности с интервала -200…-150 м происходит снижение частоты встречаемости значений. Модальный интервал для а б в Рис. 2. Зависимость: а - P (ir) от H (ir); б - P (vr) от H (vr); в - P (vr-ir ) от m (vr-ir) а б в г Рис. 3. Вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 по показателю: а - P (ir); б - P (vr); в - P (vr-ir); г - PКОМ для зоны НГГР 1.Б.4 нефтегазоносных территорий находится в диапазоне -50…0 м, для территорий за пределами нефтегазоносности в диапазоне -200…-150 м. Если в диапазоне -350…-100 м отношение частоты встречаемости первого класса ко второму равно 0,055, то в диапазоне -100…150 м данное отношение значительно выше и равно 3,373. Все это показывает, что распределение значений H (ir) в пределах изучаемых классов значительно различается. Для количественного различия распределений был вычислен критерий Пирсона χ2 по формуле где N1, N2 - количество значений H (ir) в классах 1 и 2 соответственно; M1, M2 - количество значений, попавших в заданный интервал, для двух изучаемых классов соответственно; е - количество интервалов. Значения критерия χ2 по показателю H (ir) равно 85,061 при р = 0,000000. Это показывает, что плотности распределений являются статистически различными. Далее в каждом интервале вычисляются вероятности принадлежности к территориям нефтяных месторождений. Затем интервальные вероятности принадлежности к классу 1 сопоставляются со средними интервальными значениями H (ir)и. По величинам Р(H (ir)и и H (ir)и высчитывается парный коэффициент корреляции r и строится уравнение регрессии. Последующая корректировка построенной модели 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. Линейная зависимость P (ir) от H (ir) имеет следующий вид: P (ir) = 0,594+0,0015 H (ir). По остальным показателям линейные вероятностные модели строятся аналогичным образом и приведены далее в тексте статьи. Графическое изображение данной модели приведено на рис. 2, а. Отсюда видно, что при изменении значений H (ir) от -336,1 до 105,2 м величина P (ir) возрастает от 0,09 до 0,75. По данной модели были вычислены значения P (ir) по скважинам в пределах данной зоны, и по ним построена вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 (рис. 3, а). Отсюда видно, что максимальные вероятности перспектив зональной нефтегазоносности находятся на северо-востоке данной зоны. Значения P (ir) для Краснокамского и Северокамского месторождений, расположенных в пределах данной зоны, равны 0,59 и 0,74 соответственно. Кровля верейского горизонта, как видно из табл. 2, в пределах контуров нефтегазоносности залегает значительно выше, чем за их пределами. Модель, построенная по H (vr) имеет следующий вид: P (vr) = 2,488+0,0023 H (vr). Графическое изображение данной модели приведено на рис. 2 ,б. Отсюда видно, что при изменении значений H (vr) от -1007 до -789 м величина P (vr) повышается от 0,17 до 0,67. По данной модели была построена вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 (рис. 3, б). Отсюда видно, что максимальные вероятности находятся на северо-востоке данной зоны. Таблица 4 Распределение значений PКОМ Класс объекта Интервал варьирования, PКОМ 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 Территории в пределах контуров месторождений, n = 70 0,050 0,100 0,450 0,316 0,083 0,017 Территории за пределами контуров месторождений, n = 49 0,061 0,244 0,387 0,081 0,122 0,081 0,020 Среднее значение толщины пород между верейским и иренским горизонтами, как видно из табл. 2, в пределах контура нефтегазоносности (815 м) несколько больше, чем за его пределами (747 м). Вероятность наличия нефтеносности для данной зоны имеет следующий вид: P (vr-ir) = 0,345+0,0002 m (vr-ir). Графическое изображение данной зависимости приведено на рис. 2, в. Отсюда видно, что при повышении значений m (vr-ir) от 660 до 938 м величина P (vr-ir) возрастает незначительно - от 0,47 до 0,53. Данный показатель характеризуется значительно меньшей информативностью, чем структурные показатели. По данной модели была построена вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 (рис. 3, в). Из седений, приведенных в рис. 3, в, видно, что повышенными значениям вероятности (P (vr-ir)>0,5), помимо Северокамского и Краснокамского месторождений, характеризуется и территория, расположенная южнее их. Разработка комплексной модели прогноза зональной нефтегазоносности Анализ построенных моделей показал, что они контролируют нефтегазоносность данной зоны, но интервалы варьирования значений вероятностей достаточно различны. Для комплексного использования вышеприведенных показателей будем использовать комплексный показатель, который вычисляется по следующей формуле: PКОМ = где Р (W1/Xj) - соответственно вероятности: P (ir), P (vr) и P (vr-ir). По значениям PКОМ была построена вероятностная схема перспектив нефтегазоносности для зоны НГГР 1.Б.4 (рис. 3, г). Распределения значений PКОМ в зависимости от нефтегазоносности территорий приведены в табл. 4. На основании данных таблицы можно заключить, что для нефтегазоносных территорий значения в 95 % случаев PКОМ > 0,5, для территорий за пределами месторождений в основном меньше 0,5. Среднее значение PКОМ для нефтегазоносных территорий равно 0,679 ± 0,117, для территорий за пределами месторождений - 0,309 ± 0,185, по критерию t они статистически различны (t = 13,368; p = 0,000000). Значения критерия χ2 по показателю PКОМ равно 103,947 при р = 0,000000. Это показывает, что плотности распределений PКОМ являются статистически различными. Рис. 4. Вероятностная схема перспектив нефтегазоносности по показателю PКОМ для центральной части территории ПС Также видим, что по повышенным значениям вероятности (PКОМ>0,5) четко выделяются Северокамское и Краснокамское месторождения, причем на первом из них вероятность выше (0,84), чем на втором (0,73). Остальная территория зоны НГГР 1.Б.4. малоперспективна по структурным показателям для поиска залежей нефти и газа. Заключение Далее по данной методике были построены индивидуальные и комплексные модели по другим территориям центральной части Пермского свода. По моделям были вычислены значения PКОМ по всем скважинам, и по этим данным построена вероятностная схема перспектив зональной нефтегазоносности для центральной части территории Пермского свода (рис. 4). Анализ схемы показывает, что комплексные вероятности контролируют контуры нефтегазоносности у всех рассматриваемых месторождений. Максимальными значениями PКОМ характеризуются Северокамское (0,73), Краснокамское (0,67), Баклановское (0,67), Полазненское (0,67), Рассветное (0,64) и Межевское (0,63) месторождения. Для Козубаевского месторождения PКОМ равно 0,57. Горское, Лобановское, Талицкое, Зоринское и Шеметинское месторождения характеризуются минимальными значениями PКОМ, изменяющимися в интервале 0,51-0,53. Таким образом, можно констатировать, что комплексное использование данных по абсолютным отметкам глубоких и структурных скважин позволяет ранжировать территорию центральной части Пермского свода по степени зональной нефтегазоносности. Данная схема может быть использована при проектировании поисково-разведочных работ на данной территории.

About the authors

Konstantin A. Koshkin

Uraloil LLC

Author for correspondence.
Email: koshkin@uraloil.com
4 Sibirskaya st., Perm, 614990, Russian Federation

Head of the Department of Geology and Licensing

Ilya A. Tatarinov

NAST-M LLC

Email: i_tatainov@mail.ru
Office 1, 12a Makarenko st., Perm, 614107, Russian Federation

Director

References

  1. Galkin V.I., Rastegaev A.V., Galkin S.V. Veroiatnostno-statisticheskaia otsenka neftegazonosnosti lokal'nykh struktur [Probabilistic-statistical assessment of oil and gas content of local structures]. Ekaterinburg: Ural'skoe otdelenie Rossiiskoi akademii nauk, 2001, 277 p.
  2. Kozlova I.A., Galkin V.I., Vantseva I.V. K otsenke perspektiv neftegazonosnosti Solikamskoi depressii s pomoshch'iu geologo-geokhimicheskikh kharakteristik neftegazomaterinskikh porod [Evaluation of petroleum potential of Solikamsk depression based on geological and geochemical characteristics of oil and gas source rocks]. Neftepromyslovoe delo, 2010, no. 7, pp. 20-23.
  3. Krivoshchekov S.N., Galkin V.I., Nosov M.A. Otsenka nelokalizovannykh resursov nefti territorii Permskogo kraia pri pomoshchi sistemy elementarnykh uchastkov [Evaluation of non-localized oil resources in Perm region by a system of elementary sections]. Neftianoe khoziaistvo, 2014, no. 6, pp. 9-11.
  4. Krivoshchekov S.N., Kozlova I.A., Sannikov I.V. Otsenka perspektiv neftegazonosnosti zapadnoi chasti Solikamskoi depressii na osnove geokhimicheskikh i geodinamicheskikh dannykh [Estimate of the petroleum potential of the western Solikamsk depression based on geochemical and geodynamic data]. Neftianoe khoziaistvo, 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 dispersed organic matter (DOM) of rocks as criteria of hydrocarbon potential evaluation]. Neftepromyslovoe delo, 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]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2017, no. 2, pp. 4-8.
  7. Galkin V.I., Kozlova I.A. Razrabotka veroiatnostno-statisticheskikh regional'no-zonal'nykh 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]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 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]. Neftepromyslovoe delo, 2015, no. 7, pp. 32-35.
  9. Galkin V.I., Kozlova I.A., Krivoshchekov S.N., Nosov M.A. Reshenie regional'nykh zadach prognozirovaniia neftenosnosti po dannym geologo-geokhimicheskogo analiza rasseiannogo 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]. Neftianoe khoziaistvo, 2015, no. 1, pp. 21-23.
  10. Galkin V.I., Kozlova I.A., Krivoshchekov S.N., Melkishev O.A. K obosnovaniiu postroeniia modelei zonal'nogo prognoza neftegazonosnosti dlia nizhne-srednevizeiskogo kompleksa Permskogo kraia [On the justification of the construction of models for oil and gas potential area forecast Visean deposits of Perm region]. Neftianoe khoziaistvo, 2015, no. 8, pp. 32-35.
  11. Galkin V.I., Zhukov Iu.A., Shishkin M.A. Primenenie veroiatnostnykh modelei dlia lokal'nogo prognoza neftegazonosnosti [Application of probabilistic models for local forecast of oil and gas content]. Ekaterinburg: Ural'skoe otdelenie Rossiiskoi akademii nauk, 1990, 108 p.
  12. Galkin V.I., Shaikhutdinov A.N. O vozmozhnosti prognoza neftegazonosnosti iurskikh otlozhenii veroiatnostno-statisticheskimi metodami (na primere territorii deiatel'nosti 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. Moscow: VNIIOENG, 2009, no. 6, pp. 11-14.
  13. 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]. Neftianoe khoziaistvo, 2010, no. 1, pp. 52-54.
  14. 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 predicting oil and gas content by probabilistic and statistical methods in the Perm Territory]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii. Moscow: VNIIOENG, 2008, no. 8, pp. 20-23.
  15. Galkin V.I., Krivoshchekov S.N. Obosnovanie napravlenii poiskov mestorozhdenii nefti i gaza v Permskom krae [Justification of the directions of prospecting for oil and gas deposits in the Perm Territory]. Nauchnye issledovaniia i innovatsii. Perm', 2009, vol. 3, no. 4, pp. 3-7.
  16. 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]. Neftepromyslovoe delo. Moscow: VNIIOENG, 2010, no. 7, pp. 4-7.
  17. Belokon' T.V., Galkin V.I., Kozlova I.A., Pashkova S.E. Dodevonskie otlozheniia Permskogo Prikam'ia kak odno iz perspektivnykh napravlenii geologo-razvedochnykh rabot [Pre-Devonian deposits of the Perm Kama region as one of the promising areas of geological exploration]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii. Moscow: VNIIOENG, 2005, no. 9, pp. 24-28.
  18. Putilov I.S. Razrabotka tekhnologii kompleksnogo izucheniia geologicheskogo stroeniia i razmeshcheniia mestorozhdenii nefti i gaza [Development of technologies for a comprehensive study of the geological structure and location of oil and gas fields]. Perm': Permskii natsional'nyi issledovatel'skii politekhnicheskii universitet, 2014, 285 p.
  19. Galkin V.I., Kozlova I.A., Krivoshchekov S.N., Piatunina E.V., Pestova S.N. O vozmozhnosti prognozirovaniia neftegazonosnosti famenskikh otlozhenii s pomoshch'iu postroeniia veroiatnostno-statisticheskikh modelei [On the possibility of predicting the oil and gas content of the Famennian deposits using the construction of probabilistic and statistical models]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii. Moscow: VNIIOENG, 2007, no. 10, pp. 22-27.
  20. Galkin V.I., Solov'ev S.I. Raionirovanie territorii Permskogo kraia po stepeni perspektivnosti priobreteniia neftianykh uchastkov nedr [Classification of Perm krai areas according to prospectivity for oil fields acquisition]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2015, no. 16, pp. 14-24.
  21. Sosnin N.E. Razrabotka statisticheskikh modelei dlia prognoza neftegazonosnosti (na primere terrigennykh devonskikh otlozhenii Severo-Tatarskogo svoda) [Development of statistical models for predicting oil-and-gas content (on the example of terrigenous devonian sediments of North Tatar arch)]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2012, no. 5, pp. 16-25.
  22. 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]. Neftianoe khoziaistvo, 2013, no. 4, pp. 28-31.
  23. Dement'ev L.F. Matematicheskie metody i EVM v neftegazovoi geologii [Mathematical methods and computers in oil and gas geology]. Moscow: Nedra, 1987, 264 p.
  24. Davydenko A.Iu. Veroiatnostno-statisticheskie metody v geologo-geofizicheskikh prilozheniiakh [Probabilistic and statistical methods in geological and geophysical applications]. Irkutsk, 2007, 29 p.
  25. Mikhalevich I.M. Primenenie matematicheskikh metodov pri analize geologicheskoi informatsii (s ispol'zovaniem komp'iuternykh tekhnologii) [Application of mathematical methods in the analysis of geological information (using computer technology)]. Irkutsk, 2006, 115 p.
  26. Andreiko S.S. Razrabotka matematicheskoi modeli metoda prognozirovaniia gazodinamicheskikh iavlenii po geologicheskim dannym dlia uslovii Verkhnekamskogo mestorozhdeniia kaliinykh solei [Development of mathematical model of gas-dynamic phenomena forecasting method according to geological data in conditions of Verkhnekamskoie potash salt deposit]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2016, no. 21, pp. 345-353. doi: 10.15593/2224-9923/2016.21.6
  27. Devis Dzh. Statistika i analiz geologicheskikh dannykh [Geological data statistics and analysis]. Moscow: Mir, 1977, 353 p.
  28. Pomorskii Iu.L. Metody statisticheskogo analiza eksperimental'nykh dannykh [Methods for statistical analysis of experimental data]. Leningrad, 1960, 174 p.
  29. Cherepanov S.S. Kompleksnoe izuchenie treshchinovatosti karbonatnykh zalezhei metodom Uorrena - Ruta s ispol'zovaniem dannykh seismofatsial'nogo analiza (na primere turnefamenskoi zalezhi Ozernogo mestorozhdeniia) [Integrated research of carbonate reservoir racturing by Warren – Root method using seismic facies analysis (evidence from tournaisian-famennian deposit of Ozernoe field)]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2015, no. 14, pp. 6-12. doi: 10.15593/2224-9923/2015.14.1
  30. Galkin V.I., Ponomareva I.N., Cherepanov S.S. Razrabotka metodiki otsenki vozmozhnostei vydeleniia tipov kollektorov po dannym krivykh vosstanovleniia davleniia po geologo-promyslovym kharakteristikam plasta [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)]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2015, no. 17, pp. 32-40.
  31. Cherepanov S.S., Martiushev D.A., Ponomareva I.N. Otsenka fil'tratsionno-emkostnykh svoistv treshchinovatykh karbonatnykh kollektorov mestorozhdenii Predural'skogo kraevogo progiba [Evaluation of filtration-capacitive properties of fractured carbonate reservoir of Predural'skogo edge deflection]. Neftianoe khoziaistvo, 2013, no. 3, pp. 62-65.
  32. Galkin V.I., Kunitskikh A.A. Statisticheskoe modelirovanie rasshiriaiushchegosia tamponazhnogo sostava [Statistical modelling of expanding cement slurry]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2017, vol. 16, no. 3, pp. 215-244. doi: 10.15593/2224-9923/2017.3.2
  33. Galkin V.I., Ponomareva I.N., Repina V.A. Issledovanie protsessa nefteizvlecheniia v kollektorakh razlichnogo tipa pustotnosti s ispol'zovaniem mnogomernogo statisticheskogo analiza [Study of oil recovery from reservoirs of different void types with use of multidimensional statistical analysis]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2016, no. 19, pp. 145-154. doi: 10.15593/2224-9923/2016.19.5
  34. Krivoshchekov S.N., Galkin V.I. Postroenie matritsy elementarnykh iacheek pri prognoze neftegazonosnosti veroiatnostno-statisticheskimi metodami na territorii Permskogo kraia [Construction of a matrix of elementary cells in predicting oil and gas content by probabilistic and statistical methods in the Perm Territory]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii. Moscow: VNIIOENG, 2008, no. 8, pp. 20-23.
  35. Ivanov S.A., Rastegaev A.V., Galkin V.I. Analiz rezul'tatov primeneniia GRP (na primere Povkhovskogo mestorozhdeniia nefti) [Analysis of results of applying formation hydraulic fracturing in Povkhovsky oil field]. Neftepromyslovoe delo. Moscow: VNIIOENG, 2010, no. 7, pp. 54-58.
  36. 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 content of structures]. Neftepromyslovoe delo. Moscow: VNIIOENG, 2010, no. 7, pp. 28-31.
  37. Houze O., Viturat D., Fjaere O.S. Dinamie data analysis. Paris: Kappa Engineering, 2008, 694 p.
  38. Van Golf-Racht T.D. Fundamentals of fractured reservoir engineering. Elsevier scientific publishing company. Amsterdam - Oxford - New York, 1982, 709 p.
  39. Horne R.N. Modern well test analysis: A computer Aided Approach. 2nd ed. Palo Alto: Petroway Inc, 2006, 257 p.
  40. Johnson N.L., Leone F.C. Statistics and experimental design. New York - London - Sydney - Toronto, 1977, 606 p.
  41. Mon tgomery D.C., Peck E.A. Introduction to liner regression analysis. New York: John Wiley & Sons,1982, 504 p.
  42. Darling T. Well Logging and Formation Evalution. Gardners Books, 2010, 336 p.
  43. Watson G.S. Statistic on spheres. New York: John Wiley and Sons, Inc., 1983, 238 p.
  44. Yarus J.M. Stochastic modeling and geostatistics. AAPG. Tulsa, Oklahoma, 1994, 231 p.
  45. Koshkin K.A., Melkishev O.A. Use of derivatives to assess preservation of hydrocarbon deposits. IOP Conf. Series: Journal of Physics: Conference Series, 2018, vol. 1015, 032092 p. doi: 10.1088/1742-6596/1015/3/032092
  46. Zhuoheng Ch., Osadetz K.G. Geological risk mapping and prospect evaluation using multivariate and Bayesian statistical methods, western Sverdrup Basin of Canada. AAPG Bulletin, 2006, vol. 90, no. 6, pp. 859-872. doi: 10.1306/01160605050
  47. Ahlbrandt T.S., Charpentier R.R., Klett T.R., Schmoker J.W., Schenk C.J., Ulmishek G.F. Global resource estimates from total petroleum systems. AAPG Memoir, 2005, no. 86, pp. 1-334. doi: 10.1306/M861061
  48. Pang-Ning Tan, Michael Steinbach, Vipin Kumar. Introduction to data mining. Boston: Pearson Addison Wesley, 2005, 769 p.
  49. Warren J.E., Root P.J. The behavior of naturally fractured reservoirs. Soc. Petrol. Eng. J., 1963, vol. 3, iss. 3, pp. 245-255. doi: 10.2118/426-PA
  50. Tiab D. Modern core analysis. Vol. 1. Theory, core laboratories. Houston, Texas, 1993, 200 p.

Statistics

Views

Abstract - 303

PDF (Russian) - 78

PDF (English) - 83

Refbacks

  • There are currently no refbacks.

Copyright (c) 2021 Koshkin K.A., Tatarinov I.A.

This website uses cookies

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

About Cookies