Probabilistic and Statistical Assessment of Zonal Oil and Gas Potential of the Perm Arch based on Geochemical Criteria

Abstract


A zonal probabilistic-statistical assessment of the generation potential of deposits that form the oil and gas potential of the territory of the Perm arch was carried out. To assess the oil and gas content, databases were used on the geochemical and bituminological characteristics of dispersed organic matter in the Upper Devonian-Tournaisian carbonate, Lower Visean terrigenous and Middle Carboniferous (Oka-Bashkirian) carbonate deposits. Statistical models were built on the basis of the following parameters: organic carbon content (CORG, %); organic matter (OM, %); composition of dispersed organic matter (content of bitumoids, %: chloroform (BCL), petroleum (BPE), alcohol-benzene (BAB), humic acids (HumA, %), insoluble residue (IR, %) and DOM conversion characteristics (ratio of concentrations of chloroform bitumoid to alcohol-benzene (BCL/BAB), bitumoid coefficient (β). To determine the information content of these characteristics in relation to oil and gas potential, Student's statistical criteria - t and Pearson's - c2 were used, which made it possible to develop one-dimensional and multidimensional linear regression models. With the help of step-by-step multidimensional regression analysis, a complex criterion was developed that took into account the influence of both each geochemical indicator separately and their combinations. This made it possible to construct a distribution scheme for the probability of oil and gas content for the Perm arch territory. The analysis of the constructed scheme showed that the most favorable geochemical conditions for the formation of oil and gas potential due to the dispersed organic matter of the studied deposits were observed in the northeastern part of the Perm arch, which limited the isoprobability to more than 0.5.

Full Text

Введение Существующие стандартные методики оценки нефтегазоносности не всегда позволяют выделить те локальные объекты, которые будут содержать скопления нефти. Многие авторы для зонального прогноза нефтегазоносности предлагают использовать различные количественные или качественные критерии. Выполнена зональная вероятностно-статистическая оценка генерационного потенциала отложений, формирующих нефтегазоносность осадочного разреза территории Пермского свода. Для решения данной проблемы использовались вероятностно-статистические методы, возможность использования которых при построении одномерных и многомерных линейных статистических моделей решалась путем использования элементов математической статистики и теории вероятностей, которые детально описаны в работах как отечественных, так и зарубежных авторов [1-36]. Здесь, как и на территории всего Пермского края, традиционными нефтегазоматеринскими толщами являются отложения верхнедевонско-турнейского карбонатного (D3-C1t) комплекса, описание потенциала которых, в том числе и с помощью статистических методов, для оценки потенциальной нефтегазоносности приведено в следующих работах [37-47]. В данной статье к построению математических моделей для зонального прогноза нефтегазоносности с использованием вероятностно-статистических методов привлечены характеристики рассеянного органического вещества (РОВ) нижневизейских терригенных и среднекаменноугольных (окско-башкирских) карбонатных отложений. По мнению автора данной статьи, привлечение данных по этим отложениям позволит более полно решить проблему зонального прогноза нефтегазоносности территории Пермского свода. Для решения данной задачи использованы базы данных по геохимическим и битуминологическим характеристикам РОВ этих отложений, определенные в скважинах территории Пермского свода. Геолого-геохимические особенности этих отложений были изучены достаточно подробно для всей территории Пермского края [37-43]. Здесь необходимо отметить, что в данных работах особенностям распределения РОВ по территории Пермского свода уделено мало внимания. По мнению автора данной статьи, привлечение вероятностно-статистических методов позволит оценить связи между характеристиками РОВ и нефтегазоносности территории Пермского свода. Построение одномерных моделей Анализ результатов исследований образцов проводился в скважинах, которые находятся в пределах границ Пермского свода. Первоначально показатели, характеризующие РОВ по изучаемым отложениям, были условно разделены на две группы. К первой отнесены определения РОВ по скважинам, находящимся в контурах месторождений, ко второй - определения из скважин, находящихся за пределами нефтяных месторождений. Эти показатели будут анализироваться по верхнедевонско-турнейским карбонатным (Д3-С1t), нижневизейским терригенным (С1v) и среднекаменноугольным (окско-башкирских) карбонатным (C2) отложениям. Назовем условно эти отложения - геохимические комплексы (ГХК). Первым статистическим инструментом для оценки степени различия параметров для двух выборок является проверка гипотез о различиях или отсутствию таковых средних значений рассматриваемых характеристик РОВ, при помощи t-критерия Стьюдента. Данные статистических расчетов средних значений (t-критерия и достигаемого уровня значимости р) геохимических и битуминологических параметров в группах для изучаемых отложений приведены в табл. 1. Статистические характеристики геохимических показателей для ГХК в скважинах Пермского свода приведены в табл. 1. Количественно средние значения сравним с помощью критерия Стьюдента t (табл. 1). Анализ данных показывает, что в ряде случаев наблюдаются статистические различия в средних значениях. Рассмотрим технологию построения линейных вероятностных моделей, которые будут использованы для прогноза зональной нефтегазоносности территории исследований. Детально методика построения одномерных вероятностных моделей для оценки нефтегазоносности описана в работах [14, 16, 43, 44]. В качестве примера использования данной методики рассмотрим порядок построения индивидуальных одномерных вероятностных моделей на примере Бхл/Бсб по ГХК Д3-С1t. Для этого изучаются плотности распределений по значениям Бхл/Бсб в пределах территорий нефтяных месторождений - класс 1, n1 = 61, и данные за пределами территорий нефтегазоносности - класс 2, n2 = 167. Необходимо по Бхл/Бсб-совокупности (набору) разделить их на объекты, принадлежащие к классу 1. Плотности распределений по Бхл/Бсб для классов 1 и 2 приведены в табл. 2. По этим данным в каждом интервале варьирования вычисляются вероятности принадлежности к территориям нефтяных месторождений - Р(Бхл/Бсби). Затем они сопоставляются со средними интервальными значениями Бхл/Бсби. По величинам Р(Бхл/Бсби) и Бхл/Бсб высчитывается парный коэффициент корреляции r и строится уравнение регрессии. Последующая корректировка построенных моделей выполняется из условия, что среднее значение вероятностей для территорий нефтяных месторождений должно быть больше 0,5, а для территорий за пределами нефтяных месторождений меньше 0,5. Вероятностная модель по Бхл/Бсб и другим показателям приведена в табл. 3. Из данных табл. 3 видно, что уравнения регрессии имеют как положительные, так и отрицательные виды. По показателям НО, Сорг, ОВ, Бхл, Бсб, Гум К они имеют разнонаправленные корреляции для изучаемых ГХК. По показателям Бпэ, Бхл/Бсб и β однонаправленные виды для всех ГХК. Примеры графического изображения построенных моделей по Бхл/Бсб для ГХК Д3-С1t, С1v, С2 приведены на рис. 1. Отсюда видно, что зависимости Р(Бхл/Бсб) от Бхл/Бсб для ГХК значительно отличаются. При этом необходимо отметить, что для С1v и С2 значения вероятностей имеют больший размах, чем по Д3-С1t. По моделям вычислены значения по всем анализируемым данным и определены средние значения для нефтяных и «пустых» территорий, которые в первом случае больше 0,5, во втором меньше 0,5. Построение многомерных моделей На следующем шаге зонального прогноза по значениям индивидуальных вероятностей был вычислен комплексный критерий по следующей формуле: где P(W1 | Xj) - индивидуальные вероятности принадлежности скважин к классу нефтяных зон; П - их произведение. Расчеты выполняются по каждому комплексу раздельно. Далее величины были раздельно использованы при построении многомерных моделей по ГХК. Модель для верхнедевонско-турнейского ГХК имеет следующий вид: = -3,288 + 0,97038 Р(НО) + 1,00461 Р(Бхл) + 0,41960 Р(Сорг) + 0,94026 Р(β) + 1,00515Р(Бхл/Бсб) + 1,04776 Р(Бпэ) + 1,02328 Р(Бсб) + 1,16665 Р(ОВ), при R = 0,999, р < 0,0000, ошибка прогноза равна 0,0032. Таблица 1 Средние значения геохимических показателей по геохимическим комплексам Показатель ГХК Критерий Стьюдента Д3-С1t С1v C2 НО, % 38,99 ± 41,29 94 81,34 ± 25,44 73 -7,6977 0,000000 81,34 ± 25,44 73 27,17 ± 30,56 67 11,42838 0,000000 38,99 ± 41,29 94 27,17 ± 30,56 67 1,985389 0,048821 Сорг, % 0,39 ± 0,72 116 6,56 ± 16,19 50 -4,2490 0,000028 6,56 ± 16,19 50 0,24 ± 0,31 67 3,19403 0,001811 0,39 ± 0,72 116 0,24 ± 0,31 67 1,575542 0,116878 ОВ, % 0,50 ± 0,90 116 8,73 ± 21,54 50 -4,1196 0,000060 8,73 ± 21,54 50 0,33 ± 0,44 67 3,19069 0,001830 0,50 ± 0,90 116 0,33 ± 0,44 67 1,380581 0,169110 Бпэ, % 0,0017 ± 0,0079 234 0,00021 ± 0,00045 123 2,0739 0,038807 0,00021 ± 0,00045 123 0,00225 ± 0,014 156 0,122420 0,122420 0,0017 ± 0,0079 234 0,00225 ± 0,014 156 -0,477432 0,633332 Бхл, % 0,045 ± 0,117 247 0,030 ± 0,046 126 1,3247 0,186094 0,030 ± 0,046 126 0,017 ± 0,102 157 1,30703 0,192272 0,045 ± 0,117 247 0,017 ± 0,102 157 2,392633 0,017186 Бсб, % 0,081 ± 0,129 232 0,065 ± 0,084 125 1,2390 0,216158 0,065 ± 0,084 125 0,025 ± 0,082 156 4,03537 0,000070 0,081 ± 0,129 232 0,025 ± 0,082 156 4,805095 0,000002 Гум К, % 0,0014 ± 0,0035 245 0,038 ± 0,134 175 -4,3410 0,000018 0,038 ± 0,134 125 0,001 ± 0,005 156 3,45518 0,000635 0,0014 ± 0,0035 245 0,001 ± 0,005 156 -0,133462 0,893896 Бхл/Бсб, отн.ед. 0,488 ± 0,381 228 0,518 ± 0,304 125 -1,7501 0,080972 0,518 ± 0,304 125 0,584 ± 0,658 156 -1,03703 0,300622 0,488 ± 0,381 228 0,584 ± 0,658 156 -2,54602 0,011288 β, % 13,63 ± 16,13 112 3,83 ± 9,04 48 3,94801 0,000118 3,83 ± 9,04 48 5,84 ± 11,69 67 -0,99566 0,321543 13,63 ± 16,13 112 5,84 ± 11,69 67 3,448253 0,000705 Примечание: * - числитель - средние значения и стандартное отклонение, знаменатель - количество данных. Таблица 2 Распределение значений Бхл/Бсб доманиковидных отложений Д3-С1 Класс объекта Интервалы варьирования Бхл/Бсб, отн. едн 0,0-0,50 0,5-1,0 1,0-1,5 1,5-2,0 Территории в пределах контуров месторождений, n1 = 61 0,672 0,262 0,016 0,049 Территории за пределах контуров месторождений, n2 = 167 0,796 0,161 0,035 0,006 Таблица 3 Индивидуальные модели прогноза зональной нефтегазоносности по ГХК Д3-С1t, ГХК-С1v и ГХК С2 ГХК Уравнение вероятности принадлежности к классу территорий в пределах контуров месторождений ГХК Уравнение вероятности принадлежности к классу территорий в пределах контуров месторождений Д3-С1t Р(НО) = 0,558-0,0019 НО Д3-С1t Р(Бсб) = 0,491 + 0,10072Бсб С1v Р(НО) = 0,101 + 0,00506 НО С1v Р(Бсб) = 0,539-0,5876Бсб С2 Р(НО) = 0,346 + 0,00543 НО С2 Р(Бсб) = 0,502-0,1771Бсб Д3-С1t Р(Сорг) = 0,486 + 0,0364 Сорг Д3-С1t Р(Гум К) = 0,501-0,0003Гум К С1v Р(Сорг) = 0,485 + 0,00232 Сорг С1v Р(Гум К) = 0,486 + 0,34761Гум К С2 Р(Сорг) = 0,622-0,5917 Сорг С2 Р(Гум К) = 0,502-2,395Гум К Д3-С1t Р(ОВ) = 0,485 + 0,03014 ОВ Д3-С1t Р(Бхл/Бсб) = 0,481 + 0,0475Бхл/Бсб С1v Р(ОВ) = 0,486 + 0,00175 ОВ С1v Р(Бхл/Бсб) = 0,271 + 0,46511Бхл/Бсб С2 Р(ОВ) = 0,620-0,5117 ОВ С2 Р(Бхл/Бсб) = 0,361 + 0,21008Бхл/Бсб Д3-С1t Р(Бпэ) = 0,503-1,687Бпэ Д3-С1t Р(β) = 0,463 + 0,00263β С1v Р(Бпэ) = 0,542-250,00Бпэ С1v Р(β) = 0,481 + 0,00543β С2 Р(Бпэ) = 0,502-1,398Бпэ С2 Р(β) = 0,473 + 0,00467β Д3-С1t Р(Бхл) = 0,492 + 0,17574Бхл - - С1v Р(Бхл) = 0,520-0,6667Бхл - - С2 Р(Бхл) = 0,504-0,4975Бхл - - Рис. 1. Зависимости значений Р(Бхл/Бсб) от Бхл/Бсб по ГХК; Кн = Бхл/Бсб, отн. ед. Таблица 4 Значения по геохимическим комплексам № п/п Скважина среднее Скважина среднее Скважина среднее 1 Зоринская-208 0,519 Кизимская-Сев.Гешская 0,584 Кольцовская-1 0,454 2 Зоринская-218 0,429 Кизимская-Красновишерская 0,511 Ново-Талицкая-20 0,379 3 Зоринская-221 0,539 Кольцовская-1 0,368 Нытвенская-9 0,365 4 Зоринская-223 0,545 Нытвенская-9 0,323 Рассветовская-2 0,446 5 Зоринская-225 0,458 Рассветовская-2 0,416 Рассветовская-6 0,449 6 Зоринская-228 0,577 Рассветовская-6 0,468 Рожденственская-41 0,454 7 Кизимская-1 0,655 Рожденственская-41 0,433 Сухобизярская-Яборовская 0,660 8 Кизимская-2 0,496 Сухобизярская- Яборовская 0,578 Сухобизярская-Иважинская 0,569 9 Кольцовская-1 0,444 Сухобизярская-Иважинская 0,725 Сухобизярская-150 0,501 10 Кольцовская -3 0,297 Сухобизярская-150 0,507 - - 11 Луховская-1 0,417 Сухобизярская-1 0,414 - - 12 Ново-Талицкая-20 0,520 Слуцкая-279 0,542 - - 13 Нытвенская-9 0,447 - - - - 14 Рассветовская-2 0,435 - - - - 15 Рассветовская -6 0,588 - - -- - 16 Рожденственская-41 0,466 - - - - 17 Северокамская-12 0,518 - - - - 18 Сухобизярская-1 0,567 - - -- - 19 Сухобизярская-2 0,531 - - - - 20 Сухобизярская-150 0,502 - - - - 21 Шиховская-1 0,517 - - - - 22 Слуцкая-279 0,550 - - - - Таблица 5 Последовательность включения вероятностей в построенные многомерные уравнения регрессии для вычисления значений по геохимическим омплексам Вероятность Последовательность включения индивидуальных вероятностей при построении многомерных моделей, коэффициенты при показателях Коэффициенты Коэффициенты Коэффициенты Р(НО) 1 0,97038 2 0,86234 3 0,83277 Р(Сорг) 3 0,41960 4 1,75149 5 2,25739 Р(ОВ) 8 1,6665 - - 1 -0,91542 Р(Бпэ) 6 1,04776 3 0,90777 4 0,75568 Р(Бхл) 2 1,00461 8 1,07995 8 1,50130 Р(Бсб) 7 1,02328 5 0,76367 - - Р(Гум К) - - 7 0,71421 6 1,05721 Р(Бхл/Бсб) 5 1,00515 1 0,94381 2 0,93010 Р(β) 4 0,94026 6 0,72506 7 0,25492 Таблица 6 Корреляционная матрица Параметр Д3-С1t С1V С2 Д3-С1t 1,00 -0,91* -0,77 С1V 1,00 0,96* С2 1,00 а б Рис. 2. Зависимости изменения значений: а - Р(β) от β по ГХК; β, %; б - площадей по по ГХК; интервал варьирования Рис. 3. Схема распределения среднее для территории Пермского свода По данной модели вычислены значения по всем геохимическим пробам, отобранным из данных отложений. Название площадей, номера скважин и значения приведены в табл. 4. По средним значениям в скважинах были построены схемы распределения вероятностей зональной нефтегазоносности для территории Пермского свода. Данные схемы были использованы в дальнейших оценках зональной нефтегазоносности территории Пермского свода. Для понимания процесса формирования величин от значений индивидуальных вероятностей Р(НО), Р(Сорг), Р(ОВ), Р(Бпэ), Р(Бхл), Р(Бсб), проанализирована последовательность формирования уравнений регрессии по ГХК (табл. 5). Отсюда видно,что последовательность использования индивидуальных вероятностей при построении многомерных моделей для вычисления значений значительно отличается для трех изучаемых вариантов. Отметим, что формирование моделей принципиально отличается для пород которые считаются основной нефтематеринской толщей - Д3-С1t и вышележащими С1V и С2. Это хорошо видно по значениям Р(Бхл), которое используется при построении модели на втором шаге построения модели, тогда как по - на последних шагах построения моделей. Коэффициенты корреляции между данными в многомерных уравнениях регрессии приведены в табл. 6. Отсюда видно, что между коэффициентами при геохимических показателях в многомерных уравнениях регрессии для прогноза по Д3-С1t и С1V наблюдается статистически значимая обратная корреляционная связь, между Д3-С1t и С2 - связь также отрицательная, но более слабая. Корреляция между С1V и С2 прямая статистически значимая. Это свидетельствует о том, что формирование нефтегазоносности за счет потенциала РОВ этих отложений происходило по разным механизмам его преобразования и дальнейшей миграции, что и подтверждается видом схем изменения значений по Д3-С1t, С1V и С2. Это достаточно наглядно подтверждается по такому важному критерию формирования нефтегазоносности, как β, который характеризует степень подвижности углеводородов. Зависимости значений Р(β) от β по изучаемым отложениям приведены на рис. 2, а. Отсюда видно, что зависимости Р(β) от β для изучаемых толщ существенно отличаются. Для верхнедевонско-турнейской толщи значения Р(β) располагаются в достаточно узком диапазоне значений - от 0,463 до 0,653, что свидетельствует о значительной сингенетичности данного РОВ, вмещающим нефтематеринским породам. В визейской терригенной и верхневизейско-башкирских отложениях значения Р(β) соответственно изменяются от 0,481 до 0,807 в первом случае и от 0,473 до 0,894 - во втором. Кроме этого принципиальные различия наблюдаются по показателю Бхл/Бсб. Для верхнедевонско-турнейской толщи данный показатель был включен на 5-е место формирования многомерной модели, тогда как для визейских терригенных и верхневизейско-башкирских отложений он был использован на 1-м и 2-м местах. По схемам изменения значений построены распределения площадей, приходящихся на определенные диапазоны вероятностей, которые приведены на рис. 2, б. Отсюда видно, что до значений по меньше 0,3 площади, занимаемые этими вероятностями, крайне незначительны и по размеру достаточно близки. В диапазоне до 0,4 площади по остаются незначительными, тогда как по и особенно по характеризуются уже большими значениями (44,459 % - С1V, 28,006 % - С2). Заключение Все вышеизложенное показывает, что зональная нефтегазоносность территории Пермского свода сформировалась за счет совместного потенциала РОВ верхнедевонско-турнейских карбонатных, нижневизейских терригенных и верхневизейско-башкирских карбонатных отложений. Это позволяет считать, что по разработанным вероятностным геохимическим критериям можно оценивать зональную нефтегазоносность всего разреза территории Пермского свода. Для оценки количественного вклада значений в комплексную характеристику определенную, как и ранее, по формуле комплексного критерия, использован пошаговый многомерный регрессионный анализ. Многомерное уравнение регрессии зависимости от имеет следующий вид: = -0,467 + 3,72126 + + 0,64282 - 2,72126 при R = 0,840, р < 0,45577 ошибка прогноза равна 0,053. Все это показывает, что все значения комплексно участвовали в формировании значений По значениям построена схема распределения значений для территории Пермского свода (рис. 3).

About the authors

Ilya A. Tatarinov

NAST-M LLC

References

  1. Вистелиус А.В. Основы математической геологии. - Л.: Недра, 1980. - 389 с.
  2. Дементьев Л.Ф. Математические методы и ЭВМ в нефтегазовой геологии. - М.:Недра,1987. - 264 с.
  3. Давыденко А.Ю. Вероятностно-статистические методы в геолого-геофизических приложениях. - Иркутск, 2007. - 29 с.
  4. Михалевич И.М. Применение математических методов при анализе геологической информации (с использованием компьютерных технологий). - Иркутск, 2006. - 115 с.
  5. Девис Дж. Статистика и анализ геологических данных. - М.: Мир, 1977. - 353 с.
  6. Девис Дж.С. Статистический анализ данных в геологии. - М.: Недра, 1990. - Кн. 1. - 319 с.
  7. Девис Дж.С. Статистический анализ данных в геологии. - М.: Недра, 1990. - Кн. 2. - 426 с.
  8. Дементьев Л.Ф., Жданов М.А., Кирсанов А.Н. Применение математической статистики в нефтепромысловой геологии. - М., 1977. - 255 с.
  9. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. - М.: Изд. дом «Вильямс», 2007.
  10. Поморский Ю.Л. Методы статистического анализа экспериментальных данных: монография. - Л., 1960. - 174 с.
  11. Кривощеков С.Н., Галкин В.И. Построение матрицы элементарных ячеек при прогнозе нефтегазоносности вероятностно-статистическими методами на территории Пермского края // Геология, геофизика и разработка нефтяных и газовых месторождений. - М.: ВНИИОЭНГ, 2008. - № 8. - С. 20-23.
  12. Галкин В.И., Соснин Н.Е. Разработка геолого-математических моделей для прогноза нефтегазоносности сложнопостроенных структур в девонских терригенных отложениях // Нефтяное хозяйство. - 2013. - № 4. - С. 28-31.
  13. Кривощеков С.Н., Галкин В.И., Волкова А.С. Разработка вероятностно-статистической методики прогноза нефтегазоносности структур // Нефтепромысловое дело. - М.: ВНИИОЭНГ, 2010. - № 7. - С. 28-31.
  14. О возможности прогнозирования нефтегазоносности фаменских отложений с помощью построения вероятностно-статистических моделей / В.И. Галкин, И.А. Козлова, С.Н. Кривощеков, Е.В. Пятунина, С.Н. Пестова // Геология, геофизика и разработка нефтяных и газовых месторождений. - М.: ВНИИОЭНГ, 2007. - № 10. - С. 22-27.
  15. Галкин В.И., Резвухина Д.В. Разработка статистических моделей для прогноза поглощений по характеристикам разрывных нарушений // Вестник Пермского национального исследовательского политехнического университета. Недропользование. - 2021. - Т. 21, № 3. - С. 103-108. doi: 10.15593/2712-8008/2021.3.1
  16. Кошкин К.А., Татаринов И.А. Разработка вероятностных моделей зонального прогноза нефтегазоносности центральной части Пермского свода по структурно-мощностным критериям // Вестник Пермского национального исследовательского политехнического университета. Недропользование. - 2021. - Т. 21, № 1. - С. 2-8. doi: 10.15593/2712-8008/2021.1.1
  17. Путилов И.С. Разработка технологий комплексного изучения геологического строения и размещения месторождений нефти и газа. - Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2014. - 285 с.
  18. Галкин В.И., Соловьев С.И. Районирование территории Пермского края по степени перспективности приобретения нефтяных участков недр// Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2015. - № 16. - С. 14-24. doi: 10.15593/224-9923/2015.16.2
  19. Иванов С.А., Растегаев А.В., Галкин В.И. Анализ результатов применения ГРП (на примере Повховского месторождения нефти) // Нефтепромысловое дело. - М.: ВНИИОЭНГ, 2010. - № 7. - С. 54-58.
  20. Houze O., Viturat D., Fjaere O.S. Dinamie data analysis. - Paris: Kappa Engineering, 2008. - 694 p.
  21. Van Golf-Racht T.D. Fundamentals of fractured reservoir engineering / Elsevier scientific publishing company. - Amsterdam - Oxford - New York, 1982. - 709 p.
  22. Horne R.N. Modern well test analysis: A computer Aided Approach. - 2nd ed. - Palo Alto: PetrowayInc, 2006. - 257 p.
  23. Johnson N.L., Leone F.C. Statistics and experimental design. - New York - London - Sydney - Toronto, 1977. - 606 p.
  24. Montgomery D.C., Peck E.A., Introduction to liner regression analysis. - New York: John Wiley & Sons, 1982. - 504 p.
  25. Amanat U.Chaudry.Oil well testinghanbook // Advanced TWPSON Petroleum Systems Inc. - Houston, 2004. - 525 p.
  26. Darling T. Well Logging and Formation Evalution. - GardnersBooks, 2010. - 336 p.
  27. Watson G.S. Statistic on spheres. - New York: John Wiley and Sons, Inc., 1983. - 238 p.
  28. Yarus J.M. Stochastic modeling and geostatistics // AAPG. - Tulsa, Oklahoma, 1994. - 231 p.
  29. Scattering and intrinsic attenuation as a potential tool for studying of a fractured reservoir / F. Bouchaala, M.Y. Ali, J. Matsushima [et al.] // Journal of Petroleum Science and Engineering. - 2019. - Vol. 174. - P. 533-543. doi: 10.1016/j.petrol.2018.11.058
  30. Friedman J. Regularized discriminant analysis // Journal of the American Statistical Association. - 1989. - Vol. 84. - P. 165-175. doi: 10.2307/2289860
  31. 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. - P. 032092. doi: 10.1088/1742-6596/1015/3/032092
  32. 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, № 6. - P. 859-872. doi: 10.1306/01160605050
  33. Global resource estimates from total petroleum systems / T.S. Ahlbrandt, R.R. Charpentier, T.R. Klett, J.W. Schmoker, C.J. Schenk, G.F. Ulmishek // AAPG Memoir. - 2005. - № 86. - P. 1-334. doi: 10.1306/M861061
  34. Introduction to data mining / Pang-Ning Tan, Michael Steinbach, Vipin Kumar. - Boston: Pearson Addison Wesley, 2005. - 769 p.
  35. Warren J.E., Root P.J. The behavior of naturally fractured reservoirs // Soc. Petrol. Eng. J. - 1963. - Vol. 3, iss. 3. - P. 245-255. doi: 10.2118/426-PA
  36. Tiab D. Modern core analysis. Vol. 1. Theory, core laboratories. - Houston, Texas, 1993. - 200 p.
  37. Козлова И.А., Галкин В.И., Ванцева И.В. К оценке перспектив нефтегазоносности Соликамской депрессии с помощью геолого-геохимических характеристик нефтегазоматеринских пород // Нефтепромысловое дело. - 2010. - № 7. - С. 20-23.
  38. Кривощеков С.Н., Козлова И.А., Санников И.В. Оценка перспектив нефтегазоносности западной части Соликамской депрессии на основе геохимических и геодинамических данных // Нефтяное хозяйство. - 2014. - № 6. - С. 12-15.
  39. Геохимические показатели РОВ пород как критерии оценки перспектив нефтегазоносности / В.И. Галкин, И.А. Козлова, О.А. Мелкишев, М.А. Шадрина // Нефтепромысловое дело. - 2013. - № 9. - С. 28-31.
  40. Галкин В.И., Козлова И.А. Разработка вероятностно-статистических регионально-зональных моделей прогноза нефтегазоносности по данным геохимических исследований верхнедевонских карбонатных отложений // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2016. - № 6. - С. 40-45.
  41. Оценка перспектив нефтегазоносности юга Пермского края по органо-геохимическим данным / В.И. Галкин, И.А. Козлова, С.Н. Кривощеков, М.А. Носов, Н.С. Колтырина // Нефтепромысловое дело. - 2015. - № 7. - С. 32-35.
  42. Решение региональных задач прогнозирования нефтеносности по данным геолого-геохимического анализа рассеянного органического вещества пород доманикового типа / В.И. Галкин, И.А. Козлова, С.Н. Кривощеков, М.А. Носов // Нефтяное хозяйство. - 2015. - № 1. - С. 21-23.
  43. К обоснованию построения моделей зонального прогноза нефтегазоносности для нижне-средневизейского комплекса Пермского края / В.И. Галкин, И.А. Козлова, С.Н. Кривощеков, О.А. Мелкишев // Нефтяное хозяйство. - 2015. - № 8. - С. 32-35.
  44. Галкин В.И., Жуков Ю.А., Шишкин М.А. Применение вероятностных моделей для локального прогноза нефтегазоносности. - Екатеринбург: Уро РАН, 1990. - 108 с.
  45. Галкин В.И., Кривощеков С.Н. Обоснование направлений поисков месторождений нефти и газа в Пермском крае // Научные исследования и инновации. - Пермь, 2009. - Т. 3, № 4. - С. 3-7.
  46. К методике оценки перспектив нефтегазоносности Соликамской депрессии по характеристикам локальных структур / В.И. Галкин, И.А. Козлова, А.В. Растегаев, И.В. Ванцева, С.Н. Кривощеков, В.Л. Воеводкин // Нефтепромысловое дело. - М.: ВНИИОЭНГ, 2010. - № 7. - С. 12-17.
  47. Прогнозная оценка нефтегазоносности структур на территории Соликамской депрессии / В.И. Галкин, А.В. Растегаев, И.А. Козлова, И.В. Ванцева, С.Н. Кривощеков, В.Л. Воеводкин // Нефтепромысловое дело. - М.: ВНИИОЭНГ, 2010. - № 7. - С. 4-7.

Statistics

Views

Abstract - 21

PDF (Russian) - 37

Refbacks

  • There are currently no refbacks.

Copyright (c) 2022 Tatarinov I.A.

This website uses cookies

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

About Cookies