Forecasting the Oil and Gas Content of the Southern Part of the Perm Krai Using Regional Three-Dimensional Modeling

Abstract


The territory of the southern part of the Perm Krai is characterized by a large oil and gas geological study, about 150 oil and gas fields have been discovered here, more than 7,000 deep wells have been drilled, 3D seismic works have been carried out on an area of more than 5,000 km2. The study of the territory allows you to get a huge array of geological information that can be used to search and predict the oil and gas content of previously missed or not previously explored structures. The study area was bounded from the south, west and east by the borders of the Perm Krai, and from the north -- by a conditional line along the border of the seismic survey carried out. To study the territory on the basis of the reflecting horizon surface of the Perm Krai, a three-dimensional geological model was built in the IRAP RMS software package. The model calculated the regional, zonal and local components of the reflecting horizon of the Perm Krai. The local component made it possible to identify structures that were divided into three categories: structures with an established oil and gas content, structures that did not contain oil and gas (empty), and structures for which it was necessary to perform a forecast. In the model, structural parameters were calculated, reflecting the potential of the trap for the accumulation and preservation of hydrocarbon deposits. The model was also loaded with geochemical parameters reflecting the generation potential and migration component, and hydrogeological parameters as indirect in determining the saturation of hydrocarbon structures. The obtained information about the value of each parameter for all structures made it possible to collect in a single database and forecast the oil and gas content of structures using the machine learning method - stepwise linear discriminant analysis. Based on the results of a stepwise linear discriminant analysis, 138 predicted structures were ranked according to their degree of perspective. Based on the constructed individual probabilistic models, a map of the regional probability of saturation of structures with hydrocarbons was obtained, which served as the basis for clarifying the boundaries of the oil and gas geological zoning of the southern part of the Perm Krai.


Full Text

Введение В Пермском крае (ПК) наиболее изученной является площадь, относящаяся к его южной части. Собран большой массив информации для дальнейшего анализа потенциала структур методами машинного обучения [1]. Данные по прогнозу нефтегазоносности ранее не выявленных локальных структур могут быть использованы при определении очередности ввода структур в глубокое поисковое бурение [2]. На основании вероятностно-статистических моделей, полученных в ходе проведения статистического анализа, можно определить наиболее влияющие на нефтегазоносность параметры. Для сбора сведений по параметрам построена региональная трехмерная геологическая модель на территории исследования [3]. Целью данной работы является выделение структур по отражающему горизонту IIК, прогноз их нефтегазоносности, а также оценка влияния различных параметров на насыщение углеводородами структур с учетом различных неопределенностей [4-20]. Региональное трехмерное моделирование южной части Пермского края Территория исследования была ограничена рамкой моделирования, выбранной так, чтобы максимально задействовать все имеющиеся сведения по проведенным сейсморазведочным работам в 2D- и 3D-формате. Основой для региональной модели послужили сведения о проведенных сейсморазведочных работах в формате 2D и 3D по отражающему горизонту (ОГ) IIК, приуроченному к кровле турнейских карбонатных отложений. В непосредственной близости с ОГ IIК располагается один из основных нефтегазоносных комплексов (НГК) Волго-Уральской нефтегазоносной провинции - нижне-средневизейский терригенный НГК [9]. По данным изолиний проведенных сейсморазведочных работ в 2D- и 3D-формате была построена единая поверхность отражающего горизонта. Для изучения изменения структурного плана отражающего горизонта осуществлен тренда-анализ, описанный в работах [1, 4]. Данный метод позволил выделить региональную составляющую, на которой отчетливо видны крупные тектонические элементы - структуры I порядка, своды, впадины, седловины. При вычитании из исходной поверхности отражающего горизонта региональной составляющей получена зональная составляющая, отражающая структуры II порядка (валы, выступы) [6-8]. Также было произведено выделение локальной составляющей, на которой выделены структуры III порядка [21]. На рис. 1 приведены поверхности отражающего горизонта IIК, его региональная, зональная и локальная составляющие. На поверхности локальной составляющей выделены антиклинальные и синклинальные замкнутые структуры. Далее рассмотрим только антиклинальные структуры. Для этого по поверхности локальной составляющей выявлены последние замкнутые изолинии структур антиклинального типа, полигоны которых сопоставлены с полигонами уже открытых месторождений и структур, где известно насыщение углеводородами (УВ). Таким образом, все полученные локальные остатки классифицированы на три категории: насыщенные УВ, пустые (в которых не обнаружены УВ) и прогнозные. Для каждой структуры в трехмерном кубе рассчитаны такие параметры, как амплитуда (Ampl), площадь (S), наивысшая абсолютная отметка структуры (Abs.Otm.), интенсивность структуры (Int), расстояние до разрывных нарушений (FD) [4, 22, 23]. Также для количественного описания морфологии структур локальной составляющей в трехмерной модели рассчитаны кубы, содержащие информацию о кривизне поверхности (Dip) и азимуте угла наклона поверхности (Dip_az). Данные параметры отражают структурный потенциал ловушки, возможность ловушки аккумулировать и сохранять в себе залежи УВ. Помимо описанных структурных параметров для прогноза нефтегазоносности области исследования [13] привлечены параметры, отражающие сведения о генерационном потенциале территории. Отображением генерационного потенциала Рис. 1. Составляющие поверхности: а - отражающего горизонта IIК (м); б - региональная (м); в - зональная (м); г - локальная (м) территории служат геохимические параметры нефтематеринской свиты [5, 10-12]. В нашем случае основной нефтематеринской толщей являются семилукские отложения верхнего девона [24, 25]. Для оценки возможностей генерации углеводородов в региональную модель включены следующие геохимические параметры: содержание органического углерода в породе - C_org (на основании региональных карт содержания C_org семилукских отложений); содержание хлороформенного битумоида (BHL); отражающая способность витринита (RO); толщина доманика (M_dm). Содержание органического углерода в породе показывает генерационную возможность территории, а также степень катагенетических преобразований в породе. Отражательная способность витринита указывает на степень преобразования органического вещества в породе, а также на зрелость нефтегазоматеринских пород за счет изменения содержания в них витринита. Содержание хлороформенного битумоида изменяется по площади от 0 до 6 %. Чем выше значение данного параметра, тем больше битумоида содержится в органическом веществе, что говорит об его нефтегазоматеринском потенциале. Наибольшие значения содержания хлороформенного битумоида в породе фиксируются на территории Башкирского свода и Бабкинской седловины. Также небольшие увеличения значений параметра определены на территории Верхнекамской впадины. Мощность доманика отражает толщину нефтематеринской породы, что напрямую влияет на нефтегазоносность вышезалегающих толщ. Все вышеперечисленные геохимические параметры в виде карт были загружены в региональную трехмерную геологическую модель. Для каждой структуры были выгружены значения данных параметров. В качестве косвенных признаков нефтегазоносности в число параметров были добавлены гидрогеологические критерии, определенные на территории исследования [26]. Среди гидрогеологических параметров выбраны следующие: среднее содержание хлор-брома в водах карбонатного визея - Cl-Br(Vk); среднее содержание серы в водах карбонатного визея - S(Vk); минерализация вод карбонатной части визейских отложений - Min(Vk); минерализация вод терригенной части визея - Min(Vt); среднее содержание натрий-хлора в водах терригенного и карбонатного визея - Na-Cl(Vt), Na-Cl(Vk). Данные параметры были загружены в региональную модель, и по каждой структуре было получено среднее значение параметра. Гидрогеологические параметры являются косвенными и включены в список используемых критериев для уточнения прогноза нефтегазоносности региона. Параметр содержания хлор-брома в составе вод визейских отложений указывает на нефтегазообразование [26], обусловливается значительной примесью брома органического генезиса в водах визея, связанного с нефтегазообразованием. Среднее содержание хлор-брома в водах карбонатного визея на территории исследования варьируется от 166,04 до 454,6 мг/л. Высокое содержание серы в составе вод визейских отложений отражает сохранность скоплений нефти и газа, а также самих углеводородов. Содержание серы в водах карбонатного визея ограничивается диапазоном значений от 0,05 до 2,28 мг/л. Высокие значения минерализации вод отражают сохранность залежей углеводородов от физико-химического разрушения при отсутствии соляных пластов и штоков. Этот показатель косвенно свидетельствует о благоприятных условиях сохранения залежей от механического разрушения. Также минерализация вод и данные о количестве натрий-хлора в составе вод являются косвенным показателем благоприятности гидравлических условий сохранения залежей. Минерализация вод карбонатной части визейских отложений варьируется от 139,66 до 271,31 мг/л, а терригенной части - от 241,61 до 271,48 мг/л. Среднее содержание натрий-хлора в водах терригенного визея находится в диапазоне от 0,617 до 0,794 мг/л, а в карбонатной части - от 0,585 до 0,878 мг/л. Таким образом, по всем трем типам параметров (структурные, геохимические, гидрогеологические) были получены значения по каждому выделенному локальному остатку. На основе этих параметров составлена единая база данных. Прогноз нефтегазоносности южной части Пермского края В зависимости от выбранного параметра были получены индивидуальные модели, отражающие вероятность насыщения структуры УВ. Выполненный анализ показал, что наибольшее влияние на насыщение структур углеводородами оказывает параметр амплитуды. В качестве примера на рис. 2 показаны изменения значения вероятности насыщения структур углеводородами в зависимости от величин используемых параметров. Отметим, что для параметра Ampl наблюдается незначительная нелинейность изменений значения P(Ampl) в зависимости от величин Ampl, при этом значения P(Ampl) варьируются от 0,21 до 0,96. Для зависимости изменения вероятности насыщения структур от кривизны поверхности отмечена нелинейность. Значения вероятности насыщения варьируются в диапазоне от 0,32 до 0,98. Среди геохимических параметров только зависимость изменения вероятности насыщения структур от отражательной способности витринита является обратной, значения P(RO) варьируются от 0,25 до 0,65. По остальным зависимостям изменения вероятности насыщения от геохимических параметров прослеживается прямая связь: чем выше значение параметра, тем выше вероятность насыщения структур УВ. Среди гидрогеологических параметров зависимость вероятности насыщения структур от минерализации вод терригенных отложений визея также представляется обратной. Остальные зависимости по гидрогеологическим параметрам выражены линейно и представляют собой прямую связь между вероятностью насыщения и используемым параметром. При проверке правильности определения насыщения структур по полученным моделям максимальное значение правильности для пустых структур составило 61 %, а для насыщенных - 53 %. Статистические модели прогноза нефтегазоносности по параметрам приведены в табл. 1. Рис. 2. Изменения вероятностей насыщения структур углеводородами по параметру: а - амплитуды (м); б - кривизны поверхности (ед.); в - отражательной способности витринита (%); г - минерализации вод карбонатного визея (мг/л) Анализ индивидуальных вероятностных моделей показывает наличие зависимостей насыщения структур УВ от каждого из используемых параметров, но для более точного прогноза нефтегазоносности следует применить комплексный подход, включающий в себя совокупность данных параметров. Для комплексного прогноза нефтегазо-носности на основании большого массива данных по структурам было решено использовать пошаговый линейный дискриминантный анализ (ПЛДА). При помощи ПЛДА на основе всех параметров получена вероятность насыщения прогнозных структур на территории исследования. Примеры и возможности данного метода для решения различных задач приведены в работах [8, 11, 27-31]. ПЛДА позволяет находить линейные комбинации признаков, разделяющих выборку на две [32-45] части и более. В нашем случае деление производится по насыщению структур углеводородами на пустые и насыщенные. Суть применения метода сводится к тому, чтобы использовать зависимости между всеми параметрами, включенными в модель, для нахождения вероятности насыщения прогнозных структур. Прежде чем проводить ПЛДА, экзаменационную выборку, включающую в себя структуры с доказанной нефтегазоносностью, требовалось уравнять по количеству значений между пустыми и насыщенными УВ. Пустых структур изначально меньше, чем насыщенных, поэтому при помощи метода случайного числа из анализа были исключены случайные пустые структуры. Экзаменационная выборка насчитывает 483 структуры с доказанной нефтегазоносностью, из которых 250 насыщенных и 233 пустые. Прогнозируемые структуры в количестве 228 единиц попали в выборку, в которой только предстоит по результатам ПЛДА определить насыщение. При проведении анализа достигаемый уровень значимости (p-уровень) был установлен на отметке 0,05. По итогам проведения анализа были определены параметры, включенные в статистическую модель, оказывающие наибольшее влияние на нефтегазоносность структур: амплитуда, минерализация вод карбонатной части визейских отложений, содержание хлороформенного битумоида, мощность доманиковых семилукских отложений, абсолютная отметка свода структуры, отражающая способность витринита и содержание хлор-брома в водах Таблица 1 Статистические модели прогноза нефтегазоносности по параметрам Параметр Вероятность принадлежности к классу насыщенных структур - верхняя строка, область применения - средняя, диапазон изменения вероятностей - нижняя Статистические характеристики показателей насыщенные структуры пустые структуры Ampl - амплитуда, м P(Ampl) = 0,1832 + 0,0131 · Ampl-0,000048 · Ampl2 1-94 м 0,21-0,96 0,605 ± 0,231 0,389 ± 0,172 S - площадь, тыс. м2 P(S) = 0,4926 + 9,92 · 10-7 · S 40-6900 тыс. м2 0,39-0,91 0,562 ± 0,032 0,426 ± 0,029 Dip - кривизна поверхности, ед. P(Dip) = 0,3135 + 0,2005 · Dip-0,0148 · Dip2 0,04-7,57 ед. 0,33-0,98 0,531 ± 0,126 0,454 ± 0,089 C_org - содержание органического углерода в породе, % P(C_org) = 0,1912 + 0,0615 · C_org 1,8-5,2 % 0,31-0,71 0,535 ± 0,089 0,499 ± 0,098 BHL - содержание хлороформенного битумоида, % P(BHL) = 0,4174 + 0,079 · BHL 0,0-5,0 % 0,42-0,79 0,542 ± 0,117 0,489 ± 0,108 RO - отражающая способность витринита, % P(RO) = 0,7897 - 0,4522 · RO 0,39-1,09 % 0,30-0,61 0,522 ± 0,039 0,513 ± 0,053 M_dm - мощность доманика, м P(M_dm) = 0,1944 + 0,0146 · M_dm 6,75-37,34 м 0,30-0,73 0,532 ± 0,085 0,503 ± 0,081 Cl-Br(Vk) - содержание хлор-брома в водах карбонатного визея, мг/л P(Cl-Br(Vk)) = 0,3299 + 0,0006 · Cl-Br(Vk) 175,91-409,91 мг/л 0,44-0,59 0,520 ± 0,037 0,515 ± 0,037 S(Vk) - содержание серы в водах карбонатного визея, мг/л P(S(Vk)) = 0,3582 + 0,1803 · S(Vk) 0,07-2,26 мг/л 0,37-0,75 0,536 ± 0,104 0,497 ± 0,089 Min(Vk) - минерализация вод карбонатного визея, мг/л P(Min(Vk)) = 1,0573 - 0,0027 · Min(Vk) 142,25-267,09 мг/л 0,33-0,66 0,538 ± 0,103 0,496 ± 0,099 Na-Cl(Vk) - содержание натрий-хлора в водах карбонатного визея, мг/л P(Na-Cl(Vk)) = -0,4405 + 1,2611 · Na-Cl(Vk) 0,59-0,88 мг/л 0,32-0,66 0,526 ± 0,067 0,509 ± 0,063 Min(Vt) - минерализация вод терригенного визея, мг/л P(Min(Vt)) = -1,4819 + 0,0076 · Min(Vt) 243,48-271,48 мг/л 0,38-0,59 0,521 ± 0,037 0,514 ± 0,038 карбонатной части визейских отложений. По всем вышеперечисленным параметрам р-уровень значимости не достигает критической отметки в 0,05 д. ед. Также в модель были включены: минерализация вод терригенной части визейских отложений, интенсивность структуры, азимут угла наклона поверхности, содержание натрий-хлора в водах карбонатной части визейских отложений и расстояние до разрывных нарушений. P-уровень значимости для данных параметров выше 0,05 д.ед. Вне статистической модели остались параметры площади структуры, ее кривизны, а также содержание органического углерода в породе, серы в водах карбонатной части визея и натрий-хлора терригенной части визейских отложений (табл. 2). Таблица 2 Итоги ПЛДА для комплекса параметров Параметры (n = 483) Условное обозначение Р-уровень Лямбда Уилкса Коэффициенты для канонич. переменных Параметры в статистической модели Амплитуда Ampl 0,000 0,789 -0,033 Минерализация вод карбонатной части визея Min(Vk) 0,020 0,650 0,009 Минерализация вод терригенной части визея Min(Vt) 0,081 0,646 -0,033 Содержание хлороформенного битумоида BHL 0,001 0,656 -0,220 Интенсивность Int 0,613 0,643 -0,057 Мощность доманика M_dm 0,001 0,656 -0,058 Абсолютная отметка Abs.Otm. 0,000 0,667 0,006 Отражающая способность витринита RO 0,000 0,663 -7,716 Содержание хлор-брома карбонатной части визея Cl-Br(Vk) 0,018 0,646 0,005 Азимут угла наклона поверхности Dip_az 0,099 0,645 0,007 Содержание натрий-хлора карбонатной части визея Na-Cl(Vk) 0,130 0,645 4,376 Расстояние до разломов FD 0,276 0,644 -0,067 Параметры вне статистической модели Площадь S 0,798 0,642 Св,член Кривизна поверхности Dip 0,653 0,642 -1,084 Содержание органического углерода в породе C_org 0,339 0,641 - Содержание серы карбонатной части визея S(Vk) 0,561 0,642 - Содержание натрий-хлора терригенной части визея Na-Cl(Vt) 0,508 0,642 - Расчет доли правильности определений показал, что для насыщенных структур он составляет 78,4 %, для пустых - 74,7 %; в целом - 76,6 %. Правильность определений комплексного метода в процентном отношении оказалась выше полученных при использовании индивидуальных вероятностных моделей. Критерий согласия Пирсона также указывает на сильное различие между выборками насыщенных УВ и пустых структур и равен 209,97 ед., что в разы больше критического значения (3,841 ед.) и выше значений, полученных при использовании одной группы параметров для определения потенциального насыщения структур. Отношение расчетного и теоретического критерия Фишера Fp/Ft = 23,8. В результате проведения ПЛДА была получена следующая линейная дискриминантная функция: где clas - процент правильной классификации; Fp/Ft - отношение расчетного и теоретического критерия Фишера; p - уровень значимости. По данной функции определены значения вероятности принадлежности к классу насыщенных (нефтяных) структур P(Z). Установлено, что при изменении значений Z от отрицательных к положительным значения P(Z) закономерно уменьшаются. Зависимость P(Z) от Z приведена на рис. 3. Среднее значение Z для насыщенных структур равно 0,72, а для пустых - 0,76. При этом среднее значение P(Z) для насыщенных УВ структур равно 0,69, а для пустых - 0,32. Всего было получено 174 потенциально пустые структуры и 54 насыщенных углеводородами [38]. По схеме расположения месторождений нефти и перспективных структур южной части Пермского края видно, что потенциально насыщенные УВ структуры находятся рядом с уже открытыми месторождениями. Такие структуры выделены на небольшом расстоянии от Шумовского, Ножовской группы, Кокуйского, Шагиртско-Гожанского и других месторождений. Стоит отметить, что большое количество потенциально перспективных структур Рис. 3. Зависимость P(Z) от Z Рис. 4. Региональная карта вероятности насыщения углеводородами территории исследования с нанесением границ нефтегазогеологического районирования (красным цветом указаны действующие, синим - новые) сосредоточено в юго-восточной части края, находятся рядом с Веслянской валообразной зоной и Дороховским валом. Крупные структуры выделены в районах Верхнекамской впадины, Пермского свода и Бабкинской седловины. Менее крупные структуры относятся к Башкирскому своду и Бымско-Кунгурской моноклинали. Обоснование новых границ нефтегазогеологического районирования территории Индивидуальные вероятностные модели, построенные по каждому параметру, позволили получить зависимость насыщения от значения параметра, описанную линейной функцией. Данные функции были использованы в трехмерной региональной модели для создания кубов на основе ранее рассчитанных параметров. Таким образом получены вероятности насыщения по каждому из параметров и классифицированы по типу параметра (структурные, геохимические и гидрогеологические). Суммарные карты вероятности насыщения территории получены сложением карт вероятностей используемых параметров и делением на их количество. С учетом этого получены региональные карты насыщения по структурным, геохимическим и гидрогеологическим параметрам, на основе которых построена комплексная карта насыщения структур южной части Пермского края (рис. 4). Карта отражает вероятность насыщения территории углеводородами, и на основании данной карты можно произвести уточнение границ текущего нефтегазогеологического районирования в районе исследования. Новые предложенные границы нефтегазогеологического районирования увязаны с границами вероятности насыщения территории, которые были получены в результате вышеизложенного анализа. Карта изменения границ районирования площади также представлена на рис. 4. Заключение В рамках исследования построена трехмерная региональная геологическая модель, позволяющая комплексно проанализировать и получить сведения по структурным, геохимическим и гидрогеологическим параметрам. Трехмерная региональная геологическая модель позволила выявить локальные остатки, насыщение которых углеводородами до сих пор неизвестно. Анализ индивидуальных вероятностных кривых дает возможность оценить влияние отдельных параметров на насыщение структур углеводородами, а также выделить наиболее информативные из них. Для целей прогноза нефтегазоносности прогнозируемых структур применен пошаговый линейный дискриминантный анализ, по результатам которого была построена статистическая модель вероятности насыщения структур для южной части Пермского края, а также получены сведения о потенциальном насыщении ранее не исследованных локальных остатков. На основании построенных индивидуальных вероятностных моделей по всем используемым параметрам была получена региональная карта вероятности насыщения углеводородами территории исследования. Региональная карта вероятности насыщения углеводородами позволила уточнить границы нефтегазогеологического районирования.

About the authors

Aleksey L. Yuzhakov

PermNIPIneft branch of LUKOIL-Engineering LLC in Perm

Author for correspondence.
Email: alexey.yuzhakov@pnn.lukoil.com
3a Permskaya st., Perm, 614015, Russian Federation

Junior Researcher of the Petrophysical Modeling Department

Ivan S. Putilov

PermNIPIneft branch of LUKOIL-Engineering LLC in Perm

Email: ivan.putilov@pnn.lukoil.com
3a Permskaya st., Perm, 614015, Russian Federation

Doctor of Engineering, Deputy Director of the Branch for Scientific Work in the Field of Geology

References

  1. Iuzhakov A.L. Klassifikatsiia strukturnykh lokal'nykh ostatkov otrazhaiushchego gorizonta IIK na primere iuga Permskogo kraia [Classification of structural local remains of the reflective horizon IIK on the example of the south of the Perm Krai]. Problemy razrabotki mestorozhdenii uglevodorodnykh i rudnykh poleznykh iskopaemykh. Materialy XI Vserossiiskoi nauchno-tekhnicheskoi konferentsii, 7–9 November 2018, Perm, 2018, 85 р.
  2. Putilov I.S., Ladeishchikov S.V. Kompleksnyi podkhod pri seismofatsial'nom raionirovanii nizhnebobrikovskikh otlozhenii Chashkinskogo mestorozhdeniia [An integrated approach for seismic facies zoning of the Lower Bobrikov deposits of the Chashkinskoye field]. Teoriia i praktika razvedochnoi i promyslovoi geofiziki. Materialy mezhdunarodnoi nauchno-prakticheskoi konferentsii, 26–27 November 2015. Perm, Permskii natsional'nyi issledovatel'skii politekhnicheskii universitet, 2015, pp. 150-154.
  3. Putilov I.S. Trekhmernoe geologicheskoe modelirovanie pri razrabotke neftianykh i gazovykh mestorozhdenii [3D geological modeling in the development of oil and gas fields]. Perm, Permskii natsional'nyi issledovatel'skii politekhnicheskii universitet, 2011, 72 p.
  4. Putilov I.S., Galkin V.I. Razrabotka metodiki veroiatnostno-statisticheskogo prognoza neftegazonosnosti lokalizovannykh struktur (na primere iuzhnoi chasti Permskogo kraia) [Developing the technology for probabilistic and statistical forecast of oil-and-gas-bearing capacity of the south Perm region]. Neftianoe khoziaistvo, 2014, no. 4, pp. 26-29.
  5. Putilov I.S., Solov'ev S.I., Obukhov A.A., Piatunina E.V. Kompleksnyi podkhod k izucheniiu domanikovykh otlozhenii na territorii Permskogo kraia [An integrated approach to the study of Domanik deposits in the Perm region]. Perspektivy uvelicheniia resursnoi bazy razrabatyvaemykh otlozhenii, v tom chisle iz domanikovykh otlozhenii. Sbornik dokladov po itogam mezhregional'noi nauchno-prakticheskoi konferentsii, posviashchennoi 70-letiiu NGDU “Leninogorskneft'”, 6–7 August 2015, Karabash, PAO “Tatneft'”. Al'met'evsk, 2015, pp. 71-78.
  6. Krivoshchekov S.N. Razrabotka regional'no-zonal'nykh kriteriev prognoza neftegazonosnosti territorii Permskogo Prikam'ia veroiatnostno-statisticheskimi metodami [Establishment of regional and zonal criteria of Perm region`s oil forecast probabilistic and statistical methods]. Neftianoe khoziaistvo, 2011, no. 10, pp. 10-14.
  7. 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, 2010, no. 7, pp. 28-31.
  8. Melkishev O.A., Galkin V.I., Kozhevnikova E.E., Karaseva T.V. Zonal'nyi prognoz nefte­gazonosnosti devonskogo terrigennogo neftegazonosnogo kompleksa na iuge Permskogo kraia [Prediction of zonal hydrocarbon potentials Devonian clastic sediments on the south of Perm region]. Neftianoe khoziaistvo, 2014, no. 6, pp. 4-8.
  9. Kovalevskiy E. Geological Modelling on the Base of Geostatistics: Course Note. Student Lecture Tour. RUSSIA & CIS, 2011–2012.
  10. Krivoshchѐkov S.N., Kochnev A.A., Sannikov I.V. Perspektivy neftegazonosnosti otlozhenii domanikovogo tipa na territorii Permskogo kraia [Oil and gas prospects of domanic sediments in Perm krai]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2013, no. 9, pp. 18-26. doi: 10.15593/2224-9923/2013.9.2
  11. 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.
  12. Diubrul' O. Ispol'zovanie geostatistiki dlia vkliucheniia v geologicheskuiu model' seismicheskikh dannykh [Using geostatistics to include seismic data in a geological model]. Moscow: Evropeiskaia assotsiatsiia geouchenykh i inzhenerov (EAGE), 2002, 296 p.
  13. Voevodkin V.L., Galkin V.I., Krivoshchekov S.N. Issledovanie vliianiia kriteriev neftegazonosnosti i izuchennosti territorii Permskogo kraia na raspredelenie mestorozhdenii uglevodorodov [Investigation of the effect of oil-content and research criteria in the Perm region on the hydrocarbon deposits distribution]. Neftianoe khoziaistvo, 2012, no. 6, pp. 30-34.
  14. Galkin V.I., Karaseva T.V., Kozlova I.A., Nosov M.A., Krivoshchekov S.N. Differentsirovannaia veroiatnostnaia otsenka generatsionnykh protsessov v otlozheniiakh domanikovogo tipa Permskogo kraia [Differentiated probabilistic assessment of the generation processes in Domanic sediments of Perm region]. Neftianoe khoziaistvo, 2014, no. 12, pp. 103-105.
  15. Altunin A.E., Semukhin M.V. Raschety v usloviiakh riska i neopredelennosti v neftegazovykh tekhnologiiakh [Calculations under the conditions of risk and uncertainty in oil and gas technologies]. Moscow; Tyumen: Tiumenskii gosudarstvennyi universitet, 2004, 296 p.
  16. Ampilov Iu.P. Metody geologo-ekonomicheskogo modelirovaniia resursov i zapasov nefti i gaza s uchetom neopredelennosti i riska [Methods for geological and economic modeling of oil and gas resources and reserves, taking into account uncertainty and risk]. Moscow: Geoinformmark, 2002, 201 p.
  17. Galkin S.V. Veroiatnostnyi prognoz geologicheskikh riskov pri poiskakh mestorozhdenii nefti i gaza [Probabilistic forecast of geological risks in prospecting for oil and gas fields]. Perm: Knizhnyi mir, 2009, 224 p.
  18. Kurchikov A.R., Borodkin V.N., Galkin S.V., Galkin V.I., Rastegaev A.V. Metodika veroiatnostnoi otsenki geologicheskikh riskov pri poiskakh neftianykh mestorozhdenii dlia territorii s vysokoi plotnost'iu promyshlennykh otkrytii [Some method of probability assessment of geological risks while prospecting for oil fields on territories with high density of commercial discoveries]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2013, no. 10, pp. 4-13.
  19. Fokin. A. Riski i neopredelennosti v geologorazvedochnom protsesse [Risks and uncertainties in the exploration process]. Novator, 2011, no. 43, pp. 8-12.
  20. Meisner J., Demirmen F. The creaming method: a bayesian procedure to forecast future oil and gas discoveries in mature exploration provinces. Journal of the Royal Statistical Society. Series A, 1981, vol. 144, no. 1, pp. 1-31. doi: 10.2307/2982158
  21. Cosentino L. Integrated reservoir studies. Paris: Editions Technip, 2001, 400 p.
  22. Galkin V.I., Kozlova I.A., Rastegaev A.V., Vantseva I.V., Krivoshchekov S.N., Voevodkin V.L. K metodike otsenki perspektiv neftegazonosnosti Solikamskoi depressii po kharakteristikam lokal'nykh struktur [Estimation procedure of petroleum potential of Solikamsk depression based on local structures parameters]. Neftepromyslovoe delo, 2010, no. 7.
  23. Putilov I.S. Nauchnoe obosnovanie veroiatnostno-statisticheskikh metodov prognoza neftegazonosnosti struktur v usloviiakh vysokoizuchennykh territorii [Scientific substantiation of probabilistic and statistical methods for predicting the oil and gas content of structures in the conditions of highly explored territories]. Perm, 2016, 369 p.
  24. Stupakova A.V., Fadeeva N.P., Kalmykov G.A., Bogomolov A.Kh., Kiriukhina T.A., Korobova N.I., Shardanova T.A., Suslova A.A., Sautkin R.S., Poludetkina E.N., Kozlova E.V., Mitronov D.V., Korkots F.V. Poiskovye kriterii nefti i gaza v domanikovykh otlozheniiakh Volgo-Ural'skogo basseina [Criteria for oil and gas search in domanic deposits of the Volga-Ural basin]. Georesursy, 2015, no. 2 (61), pp. 77-86. doi: 10.18599/grs.61.2.7
  25. Nosov M.A., Galkin V.I., Krivoshchekov S.N., Melkishev O.A. Otlozheniia domanikovogo tipa – vozmozhnyi istochnik netraditsionnykh uglevodorodov dlia Permskogo kraia: obzor, perspektivy, rekomendatsii [Domanik type rocks – a possible source of non-conventional hydrocarbons for the Perm region: an overview, perspectives, recom­mendations]. Neftianoe khoziaistvo, 2012, no. 10, pp. 90-91.
  26. Kartsev A.A. Gidrogeologiia neftianykh i gazovykh mestorozhdenii [Hydrogeology of oil and gas fields]. Moscow: Nedra, 1972, 280 p.
  27. Galkin V.I., Kozlova I.A., Rastegaev A.V., Vantseva I.V., Krivoshchekov S.N., Voevodkin V.L. K metodike otsenki perspektiv neftegazonosnosti Solikamskoi depressii po kharakteristikam lokal'nykh struktur [Estimation procedure of petroleum potential of Solikamsk depression based on local structures parameters]. Neftepromyslovoe delo, 2010, no. 7, pp. 12-17.
  28. 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]. Yekaterinburg, 2011, 299 p.
  29. 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.
  30. Meng L., Zhen L., Minzhu L., Huilai Z. Prediction of residual oil saturation by using the ratio of amplitude of time-lapse seismic data. Geophysics, 2017, vol. 82, no. 1, pp. 1-12. doi: 10.1190/geo2015-0453.1
  31. Yarus J.M. Stochastic modeling and geostatistics. AAPG. Tulsa, Oklahoma, 1994, 231 p.
  32. Davis J.C. Statistics and Data Analysis in Geology. 3Rd Edition. John Wiley & Sons, 2002. 656 p.
  33. C.V. Deutsch Geostatistical Reservoir modelling. Oxford University Press, 2002.
  34. Armstrong M. Basic Linear Geostatistics. Springer, 1998, 155 p.
  35. Devis Dzh.S. Statisticheskii analiz dannykh v geologii [Statistical data analysis in geology]. Moscow: Nedra, 1990, book 1, 319 p.
  36. Devis Dzh.S. Statisticheskii analiz dannykh v geologii [Statistical data analysis in geology]. Moscow: Nedra, 1990, book 2, 426 p.
  37. Rodionov D.A., Kogan R.I., Golubeva V.A. et al. Spravochnik po matematicheskim metodam v geologii [A Handbook of Mathematical Methods in Geology]. Moscow: Nedra, 1987, 335 p.
  38. Iuzhakov A.L. Prognoz neftegazonosnosti struktur po tektonicheskim elementam otrazhaiushchego gorizonta IIK iuzhnoi chasti Permskogo kraia [Forecast oil and gas bearing structures of tectonic elements of the reflector IIк the southern part of the Perm region]. Novye napravleniia neftegazovoi geologii i geokhimii. Razvitie geologorazvedochnykh rabot. Sbornik materialov II Mezhdunarodnoi nauchnoi konferentsii. Perm, 2019, pp. 195-200.
  39. Johnson N.L., Leone F.C. Statistics and experimental design. New York – London – Sydney – Toronto, 1977, 606 p.
  40. Montgomery D.C., Peck E.A. Introduction to linear regression analysis. New York: John Wiley & Sons, 1982, 504 p.
  41. Yarus J.M. Stochastic modeling and geostatistics. AAPG. Tulsa, Oklahoma, 1994, 231 p.
  42. Houze O., Viturat D., Fjaere O.S. Dinamie data analysis. Paris: Kappa Engineering, 2008, 694 p.
  43. GSLIB: Geostatistical Software Library and User's Guide. New York: Oxford University Press, 1998, 369 p.
  44. Isaaks E.H., Srivastava R.M. An Introduction to Applied Geostatistics. Oxford University Press, 1989, 561 p.
  45. Kaufman M.G. Statistical issues in the assessment of undiscovered oil and gas resources. MITCEEPR, 1992, 30 p.

Statistics

Views

Abstract - 363

PDF (Russian) - 69

PDF (English) - 73

Refbacks

  • There are currently no refbacks.

Copyright (c) 2020 Yuzhakov A.L., Putilov I.S.

This website uses cookies

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

About Cookies