Study of the Influence of Change in the Sandstone and Aleurolite Collector Properties on the Geological Modeling Quality

Abstract


The initial data when creating both geological and hydrodynamic reservoir models can lead to errors in the modeling results and the subsequent distortion of the economic assessment and prospects of an oil or gas field. In order to improve the predictive reliability of reservoir hydrodynamic models, a core material study for the Tula object of four fields at the Babkinskaya anticline was carried out. The ratio analysis of porosity (Kp), rock density (ρ) and permeability (Kperm) for sandstones and aleurolites was carried out. Using a statistical core sampling based on porosity, density and permeability parameters, a separation by sedimentation processes was carried out for all considered lithological differences. For aleurolite and sandstone, we could talk about the differentiation of characteristics in the process of reservoir properties formation. The values of the parameters Kp, ρ and Kperm, determined from laboratory core studies, were combined into a single statistical sample for the possibility of developing a methodology that would be aimed at describing Kperm using the integrated laboratory studies, namely by adding rock ρ to the analysis. As a result of statistical analysis, it was found that permeability in intervals with low reservoir properties was controlled with the same significance degree by both porosity and rock density for all lithological differences. At the same time, the presence of highly permeable reservoirs for sandstones and their practically absence for aleurolites were noted. For all lithological differences, relationships were established between the permeability coefficient not only with porosity, but also with rock density. The methodology for constructing statistical models for calculating permeability from the values of porosity and rock density was implemented separately for the fields of the eastern and western parts of the Babkinskaya anticline. The described approach to taking into account the influence of rock density on permeability made it possible to determine the differentiated influence of lithotypes on the filtration characteristics of the reservoir. When modeling a reservoir, it is necessary to move from linearity to nonlinearity and take into account that the problem of permeability distribution in the reservoir being solved is somewhat more complicated: in different areas, sometimes the permeability is not controlled by porosity in principle, but somewhere only this parameter prevails. The methodical approach was recommended for 3D modeling. Revealing the relationships between the parameters was most important when developing a methodology for tuning the model in the interwell space. The development of a reliable estimate of permeability for the vast majority of wells will significantly improve the efficiency of hydrodynamic modeling. At the same time, it is necessary to comprehensively take into account the identified relationships between the petrophysical characteristics of production layers. The use of the approach to the analysis of petrophysical characteristics will allow obtaining a more reliable and less subjective hydrodynamic model of the formation.

Full Text

Введение Построении геологических и гидродинамических моделей (ГДМ) сопровождается высокой степенью неопределенности исходной информации, особенно это касается распределения параметров пласта в межскважинном пространстве. Основой качественных гидродинамических моделей является геологическая модель, включающая достоверную оценку исходных фильтрационно-емкостных свойств (ФЭС). При этом главным фактором качественной настройки ГДМ, как считают многие специалисты, является достоверная оценка значений проницаемости (Kпр) [1-3]. Гидродинамическая модель должна максимально точно описывать фильтрационные и физико-химические процессы, характерные для реального пласта [4-8]. С целью получения надежного прогноза в процессе проектирования, а также при создании гидродинамических моделей месторождений, разрабатываемых на ранних стадиях, необходим более глубокий анализ исходных данных. На сегодняшний день моделирование проницаемости согласно действующему регламенту [9] остается на усмотрение автора модели. На практике значение Kпр берется либо на основе данных гидродинамических исследований скважин (ГДИ), либо сведений о петрофизической зависимости от пористости (Kп): Kпр = f (Kп) [10]. Оба метода имеют положительные и отрицательные стороны. Использование ГДИ позволяет получить оценку проницаемости, ориентированную на фактическую добычу, однако при этом модель в целом получается достаточно однородной ввиду как недостаточности количества определений ГДИ, так и оценки интервала добычи (перфорации) без дифференциации значений Kпр по пропласткам. Главной проблемой использования петрофизических зависимостей Kпр = f (Kп) является их недостаточно сильная корреляционная связь. В целом при использовании обоих подходов сходимость сопоставления фактических и проектных показателей разработки не всегда соответствует необходимым требованиям. Многие авторы в своих исследованиях поднимают вопрос о необходимости повышения качества определения фильтрационных параметров объекта [11-14]. С учетом вышесказанного выполнен анализ лабораторных данных керна продуктивного разреза тульского пласта для ряда месторождений одной из крупных тектонических единиц Пермского края - Бабкинской седловины (БаС). При этом исследовано влияние на проницаемость не только пористости, но и плотности породы (ρ). Исследование и анализ коэффициента проницаемости на основе петрофизических характеристик пород Основная промышленная нефтеносность месторождений Бабкинской седловины связана с визейскими (C1v) терригенными отложениями каменноугольной системы. Визейские отложения представлены переслаивающимися песчаниками и алевролитами. В разрезе терригенной толщи БаС большинства нефтяных месторождений представлено два основных пласта: в бобриковском горизонте (Бб) и в тульском (Тл). В рамках выполненной работы выделено четыре месторождения в пределах тектонического блока. Для визейского терригенного пласта Тл всех четырех нефтяных месторождений Бабкинской седловины осуществлен анализ лабораторных данных керна (492 образца, 81 скважина), из них 155 образцов - алевролит и 337 - песчаник. Учитывая удаленность одного, самого крупного из выборки месторождения (запад БаС) относительно трех других (восток БаС), рассмотрено распределение параметров Kп и Kпр для изучаемых литологических разностей отдельно. Для формаций, представленных алевролитом по месторождению в западной части, выделяются два пиковых значения в диапазонах 0,1-0,12 и 0,18-0,2, для восточной части месторождений выборки характерно близкое к равномерному распределение. В случае с песчаником для месторождения на западе БаС наблюдается равномерность распределения Kп, при этом по трем месторождениям восточной части отмечается наличие двух мод в диапазонах 0,1-0,12 и 0,16-0,18 (табл. 1). Данное наблюдение указывает на неоднородность геологических условий и сложность процесса формирования в пределах литологических разностей. Исходя из результатов, можно предположить различие в формировании пустотного пространства между западной и восточной частью БаС коллекторов одного и того же возраста. Аналогичным образом для рассматриваемых объектов построено распределение Kпр (табл. 2). Исходя из плотности распределения Kпр и Kп для песчаников и алевролитов, соотношение частостей до отметки в 10 % (Kп) и 0,110·103·мкм2 (Kпр) незначительное, что говорит о схожих процессах осадконакопления для всех рассматриваемых пород коллекторов на данном интервале. Учитывая распределение плотности Kпр после значения 0,110·103·мкм2 для алевролита и песчаника, можно говорить о подтверждении дифференциации в процессе формирования коллекторских свойств данных отложений. Формирование величины проницаемости как для литологических разностей, так и в целом зависит от многих факторов [15-19], в нашем случае рассмотрим Kп и ρ породы. При этом рассматриваемые связи будут не линейные, а сложнопостроенные. Статистическая оценка Для двух литологических разностей (алевролита и песчаника) выделен единый интервал по значению коэффициента проницаемости (Kпр) 0,000026-0,500 ммк2, где представлено большее количество совместных данных (Kпр, Kп и ρ). На основе имеющихся данных выполнен статистический анализ значений геолого-физических характеристик тульских пород коллекторов (табл. 3-4) [20-30]. Полученные значения t-критерия говорят о наличии статистически значимых различий между алевролитом и песчаником по всем параметрам для группы месторождений восточной части БаС и Kпр месторождения в западной части. Кроме того, наибольшее различие несет в себе параметр Kпр, далее Kп и ρ. Статистически значимые значения t-критерия Стьюдента параметра ρ для алевролита и песчаника позволяют использовать ρ как дополнительную характеристику при оценке Kпр коллекторов. При оценке проницаемости через петрофизическую зависимость Kпр = f (Kп) часто существуют объективные проблемы, связанные с недостаточной теснотой связи данных параметров. При экспоненциальной зависимости не удается обосновать различные соотношения между Kпр и Kп на разных диапазонах значений Kп. При рассмотрении стандартного комплекса ФЕС (Kп, Kпр) не всегда происходит детальный учет структуры пустотного пространства, которое зависит от минералогического и литологического состава отложений, способа упаковки частиц, диагенетических и катагенетических условий (приводящих к уплотнению и разуплотениению пород). Поэтому для повышения качества прогнозных моделей ФЕС необходимо использовать дополнительные характеристики, учитывающие состав и свойства горной породы [31-35]. Для более детального изучения проницаемой части коллекторов добавим к исследованию ρ горной породы. Необходимость обусловлена наличием ранее описанных различий между параметрами алевролита и песчаника. Особенности в литологическом строении описанных литологических разностей приводят к различным взаимным корреляциям между Kп, ρ и Kпр. Построение многомерных моделей, анализ петрофизических зависимостей Исследование и анализ совместного влияния Kп и ρ позволит уточнить методику прогнозирования Kпр и распределения значений показателя в пространстве Таблица 1 Сопоставление частостей Kп для алевролита и песчаника Интервал Kп, доли ед. Частость (алевролит), доли ед. Частость (песчаник), доли ед. запад БаС восток БаС запад БаС восток БаС 0,00-0,02 0 0 0 0 0,02-0,04 0 0,03 0,01 0,02 0,04-0,06 0,03 0,06 0,05 0,01 0,06-0,08 0 0,06 0,02 0,03 0,08-0,10 0,13 0,1 0,09 0,09 0,10-0,12 0,25 0,16 0,09 0,13 0,12-0,14 0,13 0,2 9 0,09 0,14-0,16 0,06 0,15 0,17 0,23 0,16-0,18 0,09 0,15 0,17 0,28 0,18-0,20 0,16 0,08 0,2 0,11 0,20-0,22 0,09 0,02 0,06 0,01 0,22-0,24 0,06 0 0,05 0 0,24-0,26 0 0 0,01 0 0,26-0,28 0 0 0,01 0 Таблица 2 Сопоставление частостей Kпр для алевролита и песчаника Интервал Kп, доли ед. Частость (алевролит), доли ед. Частость (песчаник), доли ед. запад БаС восток БаС запад БаС восток БаС 0,000-0,010 0,59 0,54 0,25 0,22 0,010-0,110 0,38 0,39 0,31 0,32 0,110-0,210 0,03 0,03 0,25 0,16 0,210-0,310 0 0,02 0,13 0,17 0,310-0,410 0 0,01 0,03 0,06 0,410-0,510 0 0 0,04 0,07 Таблица 3 Сравнение средних значений по t-критерию пород коллекторов пласта Тл месторождения на западе БаС Показатель Средние значения показателей Алевролит, n = 32 Песчаник, n = 176 Ср.знач ± СО min - max Ср.знач ± СО min - max t1-2 p1-2 Kп, доли ед. 0,15 ± 0,05 0,16 ± 0,05 0,737887 0,05-0,22 0,03-0,26 0,461423 Объемная плотность породы ρ, г/см3 2,29 ± 0,12 2,27 ± 0,15 -0,626928 2,15-2,68 2,03-2,6 0,531878 Kпр, мкм2 0,026 ± 0,042 0,116 ± 0,122 3,899526 0,000007-0,193 0,00006-0,495 0,000134 Таблица 4 Сравнение средних значений по t-критерию пород коллекторов пласта Тл на востоке БаС Показатель Средние значения показателей Алевролит, n = 123 Песчаник, n = 161 Ср.знач ± СО min - max Ср.знач ± СО min - max t1-2 p1-2 Kп, доли ед. 0,12 ± 0,04 0,14 ± 0,04 3,559429 0,03-0,21 0,02-0,21 0,000436 Объемная плотность породы ρ, г/см3 2,30 ± 0,13 2,26 ± 0,13 -2,777854 2,02-2,64 1,9-2,91 0,005840 Kпр, мкм2 0,031 ± 0,057 0,114 ± 0,137 8,579863 0,000005-0,312 0,0001-0,494 0,000000 залежи. Кроме того, использование параметра ρ горных пород при прогнозировании Kпр учитывает дополнительные особенности строения пустотного пространства одновозрастных пород. С целью выявления более значимых связей между петрофизическими характеристиками пласта Тл проанализировано 388 (с учетом данных по ρ породы) значений определений образцов керна песчаника (246) и алевролита (142). Значения параметров Kп, ρ и Kпр, определенные по лабораторным исследованиям керна, объединены в единую статистическую выборку. На рис. 1-2 приведены корреляционные поля в целом по всем месторождениям между Kпр и Kп, Kпр и ρ, Kп и ρ. Анализ корреляционных полей между значениями Kпр и Kп для алевролита и песчаника показывает, что между параметрами в обоих случаях присутствуют статистически значимые линейные связи, что в дальнейшем используется в качестве основного подхода в моделировании ФЕС для гидродинамических моделей [34-39]. Поинтервальное соотношение между песчаником и алевролитом подтверждается и на корреляционных полях, то есть отмечается наличие в левой зоне слабых коллекторов (или неколлекторов). Также можно отметить наличие высокопроницаемых коллекторов для песчаников и практически отсутствие их для алевролита. Дифференциация поинтервального распределения параметров Kпр и Kп для алевролита и песчаника говорит о различных условиях их формирования. Соотношение Kпр и Kп показывает, что влияние Kп на формирование проницаемости в разных интервалах сопровождается различием геологических условий. Влияние Kп на Kпр для алевролитов и песчаников характеризуется высокой степенью нелинейности, кроме того, вид этих нелинейностей различается на разных диапазонах изменения параметров. Формирование связи между Kп и ρ для алевролита и песчаника представлено двумя составляющими, характеризующими процесс уплотнения и разуплотнения: одна - корреляционно значимая, вторая - из точек, Рис. 1. Корреляционные поля между параметрами: а - для алевролита; б - для песчаника Рис. 2. Корреляционные поля параметров регрессионного уравнения: а - для песчаника; б - для алевролита выпадающих из общей зависимости. При Kп менее 20-22 % наблюдается уменьшение показателя при увеличении плотности, что, возможно, связано с появлением более плотных минералов в поровом пространстве или с перестроением кристаллических решеток в более плотные с уменьшением объема пор. Таким образом, отмечается тесная прямо пропорциональная зависимость, рост объемной плотности приводит к увеличению Kпр. Для прогноза значений Kпр построены многомерные уравнения регрессии, проведен пошаговый регрессионный анализ [40, 41]. На рис. 2 представлены корреляционные поля параметров регрессионных уравнений. В полученных моделях прогноза Kпр песчаника и алевролита положительные коэффициенты при Kп указывают на прямо пропорциональную зависимость Kпр от Kп, при этом можно выделить разнонаправленное поведение значений проницаемости на разных интервалах, что говорит о дифференцированном влиянии параметра Kп на этих отрезках. При этом для песчаника пороговым значением зависимости является 150 мД, для алевролита - 100 мД. Корреляционная зависимость по ρ как для песчаника, так и для алевролита имеет прямолинейный тренд. Это свидетельствует о том, что формирование значения Kпр в сочетании Kп и ρ носит дифференцированный характер, а показатель ρ способен увеличивать фильтрационную характеристику пород. Различие многомерных моделей прогноза Kпр для песчаника и алевролита связано с особенностями процессов их формирования. Это является важным фактором при формировании Kпр, так как вносит изменения в классическую (на основе ГИС) логарифмическую зависимость Kпр от Kп. В этом случае при распределении Kпр в трехмерном пространстве залежи нефти и газа можно использовать уточненную интерполяцию показателя. Изменение коэффициента корреляции R для песчаника и алевролита характеризуется существенным различием в зависимости от рассматриваемого диапазона изменения Kпр, что свидетельствует об избирательном влиянии параметров друг на друга на всем диапазоне значений. Стоит отметить, что до значения проницаемости 150 мД влияние по параметру ρ для песчаника и алевролита соизмеримо одинаково, а выше 150 мД - по песчанику зависимость сильнее, чем по алевролиту (рис. 3, а). То есть до определенного момента песчаники и алевролиты ведут себя одинаково, далее начинаются иные процессы осадконакопления, и наступает рассогласование в степени влияния на фильтрационные свойства. Зависимость проницаемости при угловом коэффициенте пористости представлена на рис. 3, б. Для пористости влияние для алевролита и песчаника на разных отрезках проницаемости носит дифференцированный характер. При этом максимальная степень рассогласования находится в районе значения проницаемости 150 мД. Влияние на проницаемость пористости и плотности пород различно и формируется различно на разных интервалах проницаемости, учитывая, что проницаемость - функция от плотности и пористости, можно определить, когда они работают совместно, а когда раздельно. Если говорить о перспективах дальнейшего моделирования проницаемости, кроме пористости и плотности, следует учесть и литологическую составляющую коллектора, судя по графикам, песчаник характеризуется большей дисперсией. Очевидно, что для низких значений проницаемости ввиду отсутствия в них запасов нефти построение прогнозной зависимости оценки проницаемости для поставленных задач не так актуально. Скважины, по которым отмечается высокая проницаемость (свыше 500 мД), важны в оценке ФЕС для описания таких процессов, как преждевременное обводнение, прорывы воды или высокие значения дебитов жидкости и нефти в единичных скважинах [42]. Для территории исследования их доля в коллекторах порового типа не превышает 3 % [43]. Заключение Выявление связей между параметрами Kпр, Kп и ρ горной породы имеет особое значение при разработке методики настройки модели в межскважинном пространстве. Из результатов исследования следует также, что учет литологической составляющей позволит дифференцировать распределение параметров, тем самым уточнить ФЕС по пласту. При моделировании коллектора необходимо перейти от линейности к нелинейности и принять во внимание, что решаемая задача распределения проницаемости в залежи несколько сложнее. На различных участках порой проницаемость не контролируется пористостью в принципе, а где-то преобладает только этот параметр. Достоверная оценка, учитывающая зависимости между свойствами коллекторов и диапазон наиболее вероятного изменения значений Kпр, позволит значительно повысить эффективность как геологического, так и гидродинамического моделирования. а б Рис. 3. Зависимость для песчаника и алевролита: а - углового коэффициента при объемной плотности породы и Kпр; б - углового коэффициента при пористости и Kпр

About the authors

Aleksey Yu. Vishnyakov

LUKOIL-Engineering LLC

References

  1. Халимов Э.М. Детальные геологические модели и трехмерное моделирование // Нефтегазовая технология. Теория и практика. - 2012. - Т. 7, № 3.
  2. Резванов Р.А., Смирнов О.А. Типизация коллекторов как средство повышения точности определения проницаемости // Нефтяное хозяйство. - 2013. - № 2. - С. 42-45.
  3. Кошовкин И.Н., Белозеров В.Б. Отображение неоднородностей терригенных коллекторов при построении геологических моделей нефтяных месторождений // Известия Томского политехнического университета. - 2007. - Т. 310, № 2. - С. 26-32.
  4. Козырев Н.Д., Вишняков А.Ю., Путилов И.С. Оценка влияния параметров неопределенности на прогнозирование показателей разработки // Недропользование. - 2020. - Т. 20, № 4. - С. 356-368. doi: 10.15593/2712-8008/2020.4.5
  5. Гавура В.Е. Геология и разработка нефтяных и газонефтяных месторождений. - М.: ВНИИОЭНГ, 1995.
  6. Азиз Х., Сеттари Э. Математическое моделирование пластовых систем. - М.: Недра, 1982.
  7. Кричлоу Г.Б. Современная разработка нефтяных месторождений - проблемы моделирования. - М.: Недра, 1979.
  8. Насыбуллин А.В., Антонов О.Г. Постоянно действующая геолого-технологическая модель 3-го блока Березовской площади // Сборник научных трудов ТатНИПИнефть / ОАО «Татнефть». - М.: ВНИИОЭНГ, 2012. - Вып. 80. - С. 91-95.
  9. Регламент по созданию постоянно действующих геолого-технологических моделей нефтяных и газонефтяных месторождений. РД 153-39.0-047-00. - М.: Министерство топлива и энергетики Российской Федерации, 2000.
  10. Методика перехода от средней керновой проницаемости к «истиной» / В.Н. Боганик, А.И. Медведев, А.Ю. Медведева, Н.А. Пестрикова, В.В. Пестов, В.А. Резниченко, В.Л. Ярметов // Технологии ТЭК. Нефть и капитал. - 2005. - № 1.
  11. Методика отображения в цифровой геологической модели литолого-фациальных особенностей терригенного коллектора / В.П. Мангазеев, В.Б. Белозеров, И.Н. Кошовкин, А.В. Рязанов // Нефтяное хозяйство. - 2006. - № 5.
  12. Бобров С.Е., Евдощук А.А., Розбаева Г.Л. Повышение точности прогноза проницаемости на основе выделения классов коллекторов и их изучения в объеме пласта Hx-I Сузунского месторождения // Нефтяное хозяйство. - 2013. - № 2. - С. 46-49.
  13. Hovadik J.M., Larue D.K. Static characterization of reservoirs: refining the concepts of connectivity and continuity // Petroleum Geoscience. - 2007. - Vol. 13. - P. 195-211. doi: 10.1144/1354-079305-697
  14. Дерюшев А.Б. О необходимости сопоставления геологических и гидродинамических характеристик залежей по данным трехмерного моделирования на примере продуктивного пласта Тл2-б Ножовского месторождения нефти // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2014. - № 13. - С. 15-25. doi: 10.15593/2224-9923/2014.13.2
  15. Новый инструмент пространственного анализа геолого-геофизической информации - Template Analyst / М.Г. Барский, А.В. Коноплев, В.В. Хронусов, С.Н. Кривощеков // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2008. - № 8. - С. 17-20.
  16. Вистелиус А. В. Основы математической геологии. - Л.: Недра, 1980. - 389 с.
  17. Галкин В.И., Хижняк Г.П. О влиянии литологии на коэффициент вытеснения нефти водой // Нефтяное хозяйство. - 2012. - № 3. - С. 70-73.
  18. Геологическое строение Камско-Кинельской впадины в связи с нефтегазоносностью и угленосностью Пермского области / C.А. Винниковский [и др.] // Геология и нефтегазоносность Камско-Кинельских прогибов. - Казань: Изд-во Казан. ун-та, 1970.
  19. Геофизические методы изучения подсчетных параметров при определении запасов нефти и газа / Б.Ю. Вендельштейн, Г.М. Золоева, Н.В. Царева [и др.]. - М.: Недра, 1985. - 248 с.
  20. Галкин В.И., Пономарева И.Н., Репина В.А. Исследование процесса нефтеизвлечения в коллекторах различного типа пустотности с использованием многомерного статистического анализа // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2016. - Т. 15, № 19. - С. 145-154. doi: 10.15593/2224-9923/2016.19.5
  21. Гмурман В.Е. Теория вероятностей и математическая статистика: учебное пособие для вузов. - 10-е изд., стереотип. - М.: Высшая школа, 2004. - 479 с.
  22. Девис Дж. Статистика и анализ геологических данных. - М.: Мир, 1977. - 353 с.
  23. Девис Дж.С. Статистический анализ данных в геологии. - М.: Недра, 1990. - Кн. 1. - 319 с.
  24. Девис Дж.С. Статистический анализ данных в геологии. - М.: Недра, 1990. - Кн. 2. - 426 с.
  25. Дементьев Л.Ф., Жданов М.А., Кирсанов А.Н. Применение математической статистики в нефтепромысловой геологии. - М.: Недра, 1977. - 255 с.
  26. Tiab D. Modern Core Analysis. Vol. 1: Theory, Core Laboratories. - Houston, Texas, 1993. - 200 p.
  27. Warren J.E., Root P.J. The Behavior of Naturally Fractured Reservoirs // Soc. Petrol. Eng. J. - 1963.
  28. Watson G.S. Statistic on spheres. - New York: John Wiley and Sons, Inc., 1983. - 238 р.
  29. Yang Xin-She. Mathematical modeling for Earth Sciences. - Dunedin Academic Press ltd, 2008. - 310 p.
  30. Yarus J.M. Stochastic modeling and geostatistics / AAPG. - Tulsa, Oklahoma, 1994. - 231 р.
  31. Репина В.А., Галкин В.И., Галкин С.В. Применение комплексного учета петрофизических характеристик при адаптации геолого-гидродинамических моделей (на примере визейской залежи Гондыревского месторождения нефти) // Записки Горного института. - 2018. - Т. 231. - С. 268-274. doi: 10.25515/pmi.2018.3.268
  32. Amanat U. Chaudry. Oil well testing handbook / Advanced TWPSON Petroleum Systems Inc. - Houston, 2004. - 525 p.
  33. Analysis and interpretation of the water-oil ratio in waterfloods / C. Yortsos Yannis, Choi Youngmin, Yang Zhengming, C. Shah. Piyush // SPE Annual Technical Conference and Exhibition, 5-8 October. - San Antonio, Texas, 1997. - P. 413-434. doi: 10.2118/38869-MS
  34. Anisur Rahman N.M., Bin Akresh S.A., Al-Thawad F.M. Diagnosis and characterization of cross flow behind casing from transient-pressure tests // SPE Annual Technical Conference and Exhibition, 28-30 September, Houston, Texas, 2015. doi: 10.2118/174999-MS
  35. Chan K.S. Water control diagnostic plots. Paper SPE 30755 // SPE Annual Technical Conference and Exhibition, 22-25 October. - Dallas, Texas, 1995. - P. 755-763. doi: 10.2118/30775-MS
  36. Гладков Е.А. Геологическое и гидродинамическое моделирование месторождений нефти и газа: учебное пособие. - Томск: Изд-во Томск. политехн. ун-та, 2012. - 99 с.
  37. Дементьев Л.Ф. Математические методы и ЭВМ в нефтегазовой геологии: учеб. пособие для вузов. - М.: Недра, 1983. - 62 с.
  38. Дементьев Л.Ф. Системные исследования в нефтегазопромысловой геологии: учеб. пособие для вузов. - М.: Недра, 1988. - 204 с.
  39. Присяжнюк М.А., Вишняков А.Ю. К вопросу о сопоставлении значений проницаемости в геологической и гидродинамической моделях // Проблемы разработки месторождений углеводородных и рудных полезных ископаемых : материалы XI Всерос. науч.-техн. конф., Пермь, 7-9 нояб. 2018 г / М-во науки и высш. образования Рос. Федерации, Перм. нац. исслед. политехн. ун-т. - Пермь: Изд-во ПНИПУ, 2018. - С. 187-189.
  40. Оценка коэффициентов извлечения нефти для месторождений Пермского края на основе статистических моделей / С.В. Галкин, Т.Б. Поплаухина, А.В. Распопов, Г.П. Хижняк // Нефтяное хозяйство. - 2009. - № 4. - С. 38-39.
  41. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. - М.: Изд. дом «Вильямс», 2007.
  42. Комплексирование исторических данных при обосновании пространственного распространения и фильтрационных свойств высокопроницаемых интервалов в разрезе пластов шеркалинской свиты Талинской площади / М.Н. Николаев, Е.В. Ермилов, Р.А. Гнилицкий, А.С. Сагайдачная, С.А. Кониенко // Нефтяное хозяйство. - 2013. - № 3. - С. 28-31.
  43. Поплыгин В.В., Галкин С.В. Прогнозная экспресс-оценка показателей разработки нефтяных залежей // Нефтяное хозяйство. - 2011. - № 3. - С. 112-115.

Statistics

Views

Abstract - 1

PDF (Russian) - 10

Refbacks

  • There are currently no refbacks.

Copyright (c) 2021 Vishnyakov A.Y.

This website uses cookies

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

About Cookies