Development of a statistical model for predicting the presence of a hydrodynamic connection between production and injection wells and assessing its applicability

Abstract


The problem of forecasting the hydrodynamic connection between the production and injection wells in the flooding area was considered according to the geological characteristics of wells according to hydrodynamic wells studies data and development indicators. To create a model for predicting hydrodynamic communication, an analysis of the results of tracer studies of the Central uplift of the Tournaisian development object in the Upper Devonian-Tournaisian carbonate deposits was carried out. The tracer studies involved 5 injection wells and 17 production wells, sampling was carried out for 6 months. These studies served as a training sample. To assess the connectivity of producing wells and wells with reservoir pressure maintenance, the dFP parameter was proposed and calculated, which characterizes the degree of influence of an injection well on producing wells in the source. According to the calculated indicator dFP , the well pairs were divided into two classes: "poor hydrodynamic connectivity" ("PC") and "good hydrodynamic connectivity" ("GC"). Analysis of the average values of the considered reservoir characteristics and development indicators in classes using Student's t-test by class showed that out of 37 indicators, 7 differences were statistically significant. When using the proposed classification in terms of dFP into classes "GC" and "PC", in 62 pairs of production and injection wells, a stepwise linear discriminant analysis (SLDA) was carried out in the training sample, which allowed obtaining the discriminant function Z for subsequent classification. The use of the obtained discriminant function and the calculated boundary value Z bound on the training sample ensured the percentage of wells correctly assigned to the "GC" group - 82.1%, for the "PC" group - 76.5%. In general, the proportion of the correct distribution in the training sample groups was 79%. An analysis of the results obtained on a test sample for the adjacent West uplift in the Tournaisian deposits showed that the use of the discriminant function Z generally provided 75% of the correct classification for all sources, which confirmed the possibility of using this model to predict hydrodynamic communication in the flood source.

Full Text

Введение Знание распределения фильтрационных потоков в пределах объекта разработки является одним из немаловажных факторов рационального освоения запасов нефти. Распределение фильтрационных потоков между нагнетательными и добывающими скважинами позволяет оценивать направления наиболее быстрого прорыва воды к забоям добывающих скважин. Наибольшую чувствительность к быстрому обводнению скважин имеют сложнопостроенные карбонатные коллекторы. Такой тип коллектора обладает наибольшей изменчивостью фильтрационно-емкостных свойств по сравнению с терригенным коллектором за счет сложного строения пустотного пространства (поры, каверны, трещины). Зачастую, именно на объектах данного типа на ранних стадиях разработки при включении систем поддержания пластового давления (ППД) наблюдаются прорывы воды к добывающим скважинам [1-7]. Поэтому важно определить, какие именно параметры влияют на распределение потоков закачиваемой воды внутри пласта. Распределение фильтрационных потоков в пласте можно оценить при помощи различных методов: гидропрослушивание, трассерные исследования, моделирование линий (трубок) тока в гидродинамической модели [8-13]. При этом только трассерные исследования связаны с массопереносом вещества. Трассерные (индикаторные) исследования - метод изучения строения пласта путем добавления меченого вещества (трассера) в закачиваемую воду на нагнетательных скважинах и фиксации трассера в скважинной продукции добывающих скважин. Это прямой метод исследования межскважинного пространства, связанный с непосредственным массопереносом флюидов в пласте, позволяющий выявить его неоднородность и определить фильтрационную взаимосвязь внутри пласта [14-19]. Основная цель трассерных исследований - это определение гидродинамической связи между добывающими и нагнетательными скважинами, а также степени их взаимодействия путем расчета различных параметров: скорости прихода индикатора, количества фильтрационных каналов и их проницаемость, доля воды, поступающей по фильтрационным каналам от общего объема добываемой воды и от объема закачки. Для данного исследования выбираются очаги, в которых используются нагнетательные скважины, где будет производиться закачка индикатора, и добывающие скважины, в продукции которых будет осуществляться определение меченого вещества. Для разных нагнетательных скважин используются разные индикаторы, хорошо растворимые в воде, не растворимые в нефти, устойчивые при конкретных пластовых условиях [20-23]. Использование методов гидропрослушивания и трассерных исследований требует применения ряда ограничений при текущей эксплуатации залежи в течение времени исследования, таких как отсутствие геолого-технологических мероприятий или резких изменений режима работы добывающих и нагнетательных скважин, что редко возможно на практике или может приводить к существенным экономическим потерям. Расчеты линии тока на гидродинамических моделях, хоть и позволяют определить взаимосвязь добывающих и нагнетательных скважин, но сильно зависимы от результатов адаптации гидродинамической модели и качества корреляции пластов в исходной геологической модели. Исходя из опыта моделирования, использование линий тока в гидродинамических модели не позволяет воспроизводить фактическую скорость распространения меченого вещества, которая наблюдается при фактических исследованиях скважин. Поэтому разработка способов оценки взаимосвязи скважин, основанных на анализе промысловых данных текущей работы скважин, является актуальной задачей. Рис. 1. Схема Центрального поднятия с очагами закачки трассера (обучающая выборка) Характеристика объекта исследования Исследуемое нефтяное месторождение находится в юго-восточной части Пермского края. В работе рассматриваются верхнедевонско-турнейские карбонатные отложения (эксплуатационный объект Т) Центрального и Западного поднятий, являющиеся основными по объему геологических запасов. Исследуемый пласт имеет сложное строение: выделяются три продуктивные пласта (Т1-2, Т1-1, Т0), коллектор сложен известняками, неравномерно доломитизированными. Коллектор обладает выраженной трещиноватостью, что подтверждается индикаторными диаграммами, выпуклыми к оси дебитов, а также превышением значений проницаемости по результатам гидродинамических исследований (ГДИ) над данными керна и геофизических исследований (ГИС) [24-27]. По результатам исследований состава и физических свойств пластовой нефти выявлено, что нефть турнейского объекта битуминозная и высоковязкая. С начала разработки объекта наблюдались высокие темпы обводнения скважин. После организации закачки в 1983 г. наблюдается прорыв воды в добываемой продукции и снижение добычи нефти. Через 8 лет среднегодовая обводненность превысила 45 %. Обводнение скважин на объекте носит неравномерный характер по мощности и простиранию коллектора. Такой процесс характерен при высоком соотношении вязкости нефти и воды, а также при прорыве воды по высокопроницаемым каналам внутри пласта. На наличие и возможность появления таких каналов могут указывать геологические параметры пласта и параметры разработки [28-34]. Анализ проведенных трассерных исследований по обучающей выборке Центрального поднятия На Центральном поднятии данный вид исследований был проведен в 2016 г. с целью изучения сложившийся системы фильтрационных потоков и определения источников обводнения добывающих скважин в центре залежи. В трассерных исследованиях участвовали 5 очагов, состоящих из нагнетательных скважин (№ 410, № 416, № 420, № 426 и № 494). Контроль меченых веществ происходил по данным 17 добывающих скважин в течение 6 месяцев. По данным центрального поднятия была создана обучающая выборка, включающая показатель распределения фильтрационных потоков (FP) по данным трассерных исследований, геологические характеристике скважин по данным РИГИС и показатели разработки по добывающим и нагнетательным скважинам. Для добывающих и нагнетательных скважин были рассмотрены следующие геологические характеристики: коэффициенты пористости (Кпор), проницаемости (Кпр), нефтенасыщенности (Кн), песчанистости (Кпесч) и расчлененности (Красчл), эффективная нефтенасыщенная толщина пласта (Нэф.н.). Показатели разработки включают данные по: дебитам (Q) и накопленной добыче жидкости (Qж.н) и нефти (Qн.н), обводненности продукции скважин (W), пластового (Рпл) и забойного давлений (Рзаб) в период проведения трассерных исследований, а также параметры трещиноватости, рассчитанные по данным ГДИ, включающие долю трещиноватости (ωтр), раскрытость трещин (bтр) и проницаемость трещин (Кпр.тр) [35-39]. Для учета изменчивости параметров трещиноватости по простиранию пласта были рассчитаны разности показателей между нагнетательной скважиной и добывающими скважинами в очаге: - D ωтр = ωтр нагн.скв. - ωтр доб.скв; - D bтр = bтр нагн.скв. - bтр доб.скв; - D Кпр.тр = Кпр.тр нагн.скв. - Кпр.тр доб.скв. Для учета неоднородности геологических параметров между нагнетательной скважиной и добывающей были рассчитаны градиенты всех рассматриваемых геологических параметров: GradD Кпор = (Кпор нагн.скв. - Кпор доб.скв.) / L; GradD Кпр = (Кпр нагн.скв. - Кпр доб.скв.) / L; GradD Кн = (Кн нагн.скв. - Кн доб.скв.) / L; GradD Кпесч = (Кпесч нагн.скв. - Кпесч доб.скв.) / L; GradD Красчл = (Красчл нагн.скв. - Красчл доб.скв.) / L; GradD Нэф.н. = (Нэф.н. нагн.скв. - Нэф.н. доб.скв.) / L, где L - расстояние между скважинами. Для оценки сообщаемости добывающих скважин и скважин ППД был рассчитан параметр dFP, характеризующий степень влияния нагнетательной скважины на добывающие в очаге, как разность между показателем распределения фильтрационных потоков в скважине (измеряемого в %) и средним значением этого показателя по очагу: dFP = где FPi - показатель распределения фильтрационных потоков в i-й скважине, - среднее арифметическое значение распределения фильтрационных потоков в очаге. Если dFP < 0, то скважина имеет плохую взаимосвязь с нагнетательной скважиной в очаге, при dFP > 0 отмечается высокое влияние нагнетательной скважины на добывающую скважину. Целью работы является сопоставление результатов трассерных исследований (показателя dFP) с геологическими и промысловыми характеристиками. По рассчитанному показателю dFP пары скважины были разделены на два класса: если dFP < 0, добывающая скважина имеет плохую взаимосвязь с нагнетательной скважиной в очаге, и данная пара «добывающая - нагнетательная скважины» относится к классу «плохой гидродинамической связи» («ПС»); при dFP > 0 отмечается высокое влияние нагнетательной скважины на добывающую скважину, и данная пара скважин относится к классу «хорошей гидродинамической связи» («ХС»). Однако в случае высокого процента показателя распределения фильтрационных потоков по одной скважине в очаге классы корректировались. При помощи t-критерия Стьюдента [40, 41] было проведено сравнение средних значений для добывающих скважинам и для пар добывающих - нагнетательных скважин по рассматриваемым показателям. Всего рассмотрено 37 показателей, из которых 7 оказались статистически значимыми (табл. 1). Анализ рассматриваемых показателей показывает, что из 7 статистически значимых различий 4 параметра относятся к показателям разработки (или 57 %) и 3 параметра к геологическим свойствам пласта (или 43 %). Все значения t-критерия Стьюдента высокие и обладают достигаемым уровнем значимости p < 0,05. Для группы показателей разработки характерно превышение рассматриваемых показателей для класса «ХС» над «ПС». Для параметров пласта (характеристики коллекторов) только для GradD Красчл наблюдается превышение среднего значения в классе «ХС». Следует отметить, что из 3 рассматриваемых характеристик параметров пласта, параметр D ωтр - является динамической величиной, так как доля трещиноватости (емкость трещин) зависит от пластового давления. Разработка модели прогноза гидродинамической связанности пар добывающих и нагнетательных скважин по обучающей выборке на Центральном поднятии С использованием предложенной классификации по показателю dFP на классы «ХС» и «ПС» в 62 парах добывающих и нагнетательных скважин по обучающей выборке был проведен пошаговый линейный дискриминантный анализ (ПЛДА), позволяющий получить дискриминантную функцию и определить наиболее значимые характеристики скважин для качественной классификации [42-45]. Итоги дискриминантного анализа представлены в табл. 2. По итогам ПЛДА была получена дискриминантная функция Z: Z = - 0,58870 + 0,03517 W - 0,38588 Рзаб + + 0,00007052 Qн.н. - 1,38733 D ωтр + 96,27906 Grad Кпор. Лямбда Уилкса = 0,647, χ2 = 25,035, p = 0,000137, R = 0,60 Гистограмма распределения канонических значений дискриминантной функции Z представлена на рис. 2. Таблица 1 Сравнение средних значений по t-критерию Стьюдента в классах «ХС» и «ПС» Параметр Группа параметров Среднее - «ХС» Среднее - «ПС» t-знач. p W, % Показатели разработки 76,46 65,32 2,368 0,021 Qж, м3/сут 21,71 15,21 3,511 0,0009 Qн.н, т 39607,50 34534,40 2,189 0,032 Qж.н, м3 92941,14 70851,99 3,125 0,003 Красчл, доли ед. Параметры пласта 8,96 10,29 -2,082 0,042 D ωтр, доли ед. -0,13 0,18 -2,265 0,027 GradD Красчл, пропласт. /м -0,000496 -0,002834 2,014 0,049 Таблица 2 Итоги анализа дискриминантной функции Параметр Уилкса - лямбда Частная - лямбда F-исключ (1,56) p-уров. Толер. 1-Толер. (R) W, % 0,703241 0,920054 4,86602 0,031511 0,538430 0,461570 Рзаб, МПа 0,807916 0,800851 13,92566 0,000446 0,445047 0,554953 Qн.н., т 0,727507 0,889366 6,96623 0,010739 0,764354 0,235646 D ωтр., доли ед. 0,747610 0,865451 8,70614 0,004623 0,698895 0,301105 GradDKпор, доли ед./м 0,693455 0,933038 4,01898 0,049835 0,741816 0,258184 Рис. 2. Гистограмма корней дискриминантной функции по классам по обучающей выборке Центральной части исследуемого месторождения Рис. 3. Зависимость Р(Z) от Z по обучающей выборке на Центральной части исследуемого месторождения Таблица 3 Результаты классификации для обучающей выборки Центрального поднятия Класс Доля правильной классификации скважин, % ХС ПС ХС 82,1 23 5 ПС 76,5 8 26 Всего 79,0 31 31 Примечание: по горизонтали наблюдаемые классы, по вертикали предсказанные классы. Рис. 4. Схема Западного поднятия с очагами закачки трассера (проверочная выборка) По графику видно, что скважины категории «ХС» находятся преимущественно в зоне положительных значений параметра Z в диапазоне от -0,44 до 2,5 Диапазон значений Z для категории «ПС» изменяется от -2,7 до 1,6, однако больше 70 % наблюдений находится в зоне отрицательных значений. На гистограмме определяется достаточно большая область перекрытия классов «ХС» и «ПС» при значениях Z от -0,44 до 1,6, где наблюдается незначительное превышение количества определений «XC» над «ПС». Анализ значений Z показывает, что наибольшее влияние на распределение закачиваемой воды внутри пласта имеют показатели обводненности (W), забойного давления добывающей скважины (Рзаб), накопленной добычи нефти (Qн.н), разности параметра доли трещиноватости между нагнетательной и добывающей скважиной (Dωтр), а также градиент коэффициента пористости (GradD Кпор). Анализ функции Z показывает, что Z > 0 для пары с хорошей гидродинамической связью, которые обладают высокими значениям обводненности W в добывающих скважинах (положительное значение коэффициента при W). Это связано с наличием промытых высокопроницаемых обводненных каналов и установившихся фильтрационных потоков. Отрицательный коэффициент при Pзаб объясняется тем, что понижение забойного давления способствует притоку жидкости в скважину за счет увеличения депрессии. Положительный коэффициент при показателе накопленной добычи нефти Qн.н. указывает на необходимость долговременной эксплуатации и формирования промытых зон. Параметр Dωтр имеет отрицательный угловой коэффициент, что объясняется положительным влиянием низкой трещиноватости в скважине ППД и высокой в добывающей, так как низкая трещиноватость в нагнетательной скважине способствует равномерному распространению фронта вытеснения во всех направлениях, а высокая трещиноватость добывающей скважины способствует получению части фильтрационных потоков из более удаленных от скважины зон. Положительное значение коэффициента у GradD Кпор объясняется высоким значением пористости в нагнетательной скважине, что способствует большей поровой емкости пласта и накоплению упругой энергии в районе скважины и малому расстоянию между добывающей и нагнетательной скважинами. Высокие значения Grad Кпор характерны для скважин на небольшом удалении друг от друга. Для определения граничного значения Zгранич, позволяющего отделить класс «ПС» от «ХС» по дискриминантной функции, воспользуемся зависимостью апостериорной вероятности отнесения к группе «ХС» - Р(Z) от значений Z (рис. 3). По графику видно, что граничное значение Zгранич для определения скважины в категорию с хорошей взаимосвязью равно 0,2. Скважины с значением Z меньше 0,2 будут отнесены в категорию «ПС». Процент верной классификации добывающих скважин по обучающей выборке центрального поднятия представлен в табл. 3. Использование полученной дискриминантной функции обеспечивает процент правильного отнесения скважин к группе «ХС» - 82,1 %, для группы «ПС» - 76,5%. В общем, доля правильного распределения в группах составила 79 %. Таким образом, в результате проведенного анализа по обучающей выборке Центрального поднятия были определены параметры, оказывающие наибольшее влияние на процент распределения закачиваемой воды по очагу, а полученная дискриминантная функция и граничное значение Zгранич позволяют прогнозировать класс гидродинамической связи (степени взаимовлияния) для пар добывающих и нагнетательных скважин в очаге. Проверка полученной модели прогноза гидродинамической связанности пар добывающих и нагнетательных скважин на Западном поднятии Для проверки полученной модели, основанной на дискриминантной функции Z по обучающей выборке, были использованы данные трассерных исследований Западного поднятия исследуемого месторождения. Рис. 5. Корреляционные поля между Z и DF по Центральному и Западному поднятиям исследуемого месторождения Таблица 4 Результаты классификации для проверочной выборки Западного поднятия Проверочная выборка Доля правильной классификации скважин, % «ХС» «ПС» ХС 62,5 5 3 ПС 81,3 3 13 Всего 75,0 8 16 Примечание: по горизонтали наблюдаемые классы; по вертикали предсказанные классы. Трассерные исследования на этом объекте были проведены в октябре 2016 г. и включали в себя очаги двух нагнетательных скважин (№1016 и №1023) и 12 добывающих скважин в них, которые стали проверочной выборкой (рис. 4). Эти данные не использовались при проведении ПЛДА на предыдущем этапе получения функции Z. Для скважин проверочной выборки были использованы и рассчитаны необходимые характеристики для применения модели прогноза класса взаимосвязи «ХС» и «ПС»: W, Рзаб., Qн.н., D ωтр., Grad Кпор. Применение полученной модели прогноза Z для соседнего западного поднятия допустимо, так как оба объекта исследования являются единой залежью, объединенной одним контуром нефтеносности, с близкими геологическими параметрами, свойствами флюида и единым подходом к разработке. По ранее полученной дискриминантной функции Z, построенной на обучающей выборке Центральной части, был рассчитан показатель Z* по проверочной выборке и, используя граничное значение Z = 0,2, определен класс для пары скважин в очаге. Используя результаты трассерных исследование Западного поднятия, был рассчитан критерий dFP, по которому была произведена фактическая классификация скважин. Затем производилось сопоставление прогнозных и фактических оценок гидродинамической связи. На рис. 5 представлено корреляционное поле между Z и dFP. Отсюда видно, что при общем невысоком значении r имеется положительная зависимость между фактической характеристикой взаимосвязи добывающих и нагнетательных скважин dFP и расчетной характеристикой Z, основанной на характеристиках и параметрах работы скважин. Корреляционные поля обучающей выборки (центрального поднятия) и проверочной выборки (Западного поднятия) достаточно хорошо совпадают. Имеется единичный выброс в проверочной выборке со значением dFP = 49,16. Высокое значение dFP связано с аномально высоким процентом распределения фильтрационного потока в скважину №1018. В целом отмечается малый разброс значений при Z < 0, что говорит о лучшей сходимости значений для категории скважин с плохой гидродинамической связью. Процент правильно распознаваемых категорий «ХС» и «ПС» по проверочной выборке Западного поднятия представлен в табл. 4. Для очага заводнения скважины № 1023 Западного поднятия доля правильного отнесения в группу «ХС» составила 66,7 % (2 из 3 скважин), в группу «ПС» - 88,9 % (8 из 9 скважин). Для очага заводнения скважины № 1016 правильно были выделены классы в 3 скважинах из 5 в группе «ХС», что составило 60 %, и 5 из 7 в группе «ПС» (71,4 %). В целом правильная классификация для всех очагов соответствовали 75 %. Заключение Для оценки степени влияния нагнетательной скважины на добывающую в очаге заводнения был предложен и рассчитан параметр dFP, который характеризует гидродинамическую связанность по результатам трассерных исследований. Было определено, что для обучающей выборки Центрального поднятия наибольшие влияние на распределение фильтрационных потоков имеют показатели: обводненности, забойных давлений в добывающих скважинах, накопленной добычи нефти, градиента пористости и доли трещиноватости в районе скважин. При помощи ПЛДА была получена модель прогноза классов «ХС» и «ПС», основанная на дискриминантной функции Z, и определено критическое значение Z, позволяющее определять класс взаимосвязи скважин. Верификация модели на проверочной выборке Западного поднятия показала хорошую прогностическую способность полученной модели прогноза взаимосвязи скважин. Таким образом, применяемый подход может быть применен для прогноза распределения фильтрационных потоков в залежи. Полученный результат не дает точной численной оценки значения распределения фильтрационных потоков внутри пласта, а в большей степени позволяет получать качественную характеристику гидродинамической связанности между скважинами в очаге и делает возможным использование ее в качестве тренда в гидродинамическом моделировании.

About the authors

Yana S. Liginkova

GAZPROMNEFT-NNGGF LLC

References

  1. Путилов И.С., Галкин В.И. Применение вероятностного статистического анализа для изучения фациальной зональности турнефаменского карбонатного комплекса Сибирского месторождения // Нефтяное хозяйство. - 2007. - № 9. - С. 112-114.
  2. Митрофанов В.П. Об исследовании фильтрационно-емкостных свойств микротрещиноватых карбонатных пород // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2005. - № 5-6. - С. 23-36.
  3. Митрофанов В.П., Злобин А.А., Бейзман В.Б. О кавернозности карбонатных продуктивных отложений // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2000. - № 10. - С. 37-43.
  4. Черепанов С.С., Мартюшев Д.А., Пономарева И.Н. Оценка фильтрационноемкостных свойств трещиноватых карбонатных коллекторов месторождений Предуральского краевого прогиба // Нефтяное хозяйство. - 2013. - № 3. - С. 62-65.
  5. Yang Li. Fluid flow law in fracture-vug carbonate reservoir. Development Theories and Methods of Fracture-Vug Carbonate Reservoirs. - 2017. - P. 283-351. doi: 10.1016/B978-0-12-813246-3.00004-7
  6. Гладков Е.А. Особенности разработки трещиновато-кавернозных коллекторов Восточной Сибири // Газовая промышленность. - 2011. - № 8. - С. 36-38.
  7. A new approach to deformable fractured reservoir characterization: case study of the Ekofisk field // А.А. Shchipanov, L. Kollbotn, L.M. Murguchev, K.O. Thomas. - Barcelona, 2010. - C. 995-1010.
  8. Майков Д.Н., Борхович С.Ю. Исследование взаимовлияния скважин методом гидропрослушивания // Нефть. Газ. Новации. - 2019. - № 2. - С. 30-31.
  9. Базылев А.П. Гидропрослушивание и трассирование фильтрационных потоков в комплексе гидродинамических исследований неоднородных коллекторов // Каротажник. - 2010. - № 4 (193). - С. 64-72.
  10. Абрамов Т.А., Исламов Д.Э., Карнаухов М.Л. Определение непроницаемых барьеров по результатам гидропрослушивания // Нефтепромысловое дело. - 2013. - № 12. - С. 36-41.
  11. Лесной А.Н., Пьянкова Е.М. Исследование скважин гидропрослушиванием при решении задач разработки нефтяных и газовых месторождений // Нефтяное хозяйство. - 2010. - № 1. - С. 67-69.
  12. Метт Д.А., Аубакиров А.Р. Изучение движения сигнала от возмущающей скважины к наблюдательной // Экспозиция. Нефть. Газ. - 2017. - № 1 (54). - С. 26-29.
  13. Костюченко C.В., Зимин С.В. Количественный анализ эффективности систем заводнения на основе моделей линий тока // Нефтяное хозяйство. - № 1. - 2005. - C. 56-60.
  14. Brigham W.E., Maghsood Abbaszadeh-Dehghani. Tracer Testing for Reservoir Description // Journal of Petroleum Technology. - 1987. - Vol. 39, № 5. - P. 519-527.
  15. Вишнякова А.В., Ивонтьева К.Н., Кабо В.Я. Результаты трассерных исследований межскважинного пространства // Нефтепромысловое дело. - 2009. - № 11. - С. 31-37.
  16. Хребетова Е.А. Трассерные исследования скважин // Наука, образование, инновации: актуальные вопросы и современные аспекты. - 2021. - С. 56-58.
  17. Грачев С.И., Кривова Н.Р., Сорокин А.В. Применение индикаторных (трассерных) исследований на многопластовых месторождениях // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2008. - № 5. - С. 13-15.
  18. Применимость результатов трассерных исследований для моделирования процессов разработки нефтяных месторождений / Н.П. Ефимова, А.К. Пономарев, Ю.М. Штейнберг, Д.В. Солопов // Труды научно-исследовательского института системных исследований российской академии наук. - 2018. - № 6. - С. 41-51.
  19. Abbaszadeh-Dehghani M., Brigham W.E. Analysis of well-to-well tracer flow to determine reservoir layering // JPT. - 1984. - № 10. - P. 1753-1762.
  20. Конев Д.А. Исследование нефтяных пластов с помощью индикаторного метода // Современные наукоемкие технологии. - 2014. - № 7. - С. 23-26.
  21. Кузьмина О.К., Грибова Е.Д., Мухина И.В. Разработка способа определения группы индикаторов в пластовых водах для проведения геофизических исследований // Вестник международного университета природы, общества и человека «ДУБНА». Серия: Естественные и инженерные науки. - 2016. - № 4. - С. 17-23.
  22. Molecular tracers for filling pathways in oil reservoir / Ronghui Fang [et al.] // Journal of Petroleum Science and Engineering. - 2017. - Vol. 159. - P. 451-460.
  23. Макаров С.С., Юсупова Л.Ф. Индикаторный метод, как способ изучения нефтяных пластов // Материалы 47-й Всероссийской научно-технической конференции молодых ученых, аспирантов и студентов с международным участием / отв. ред. В.Ш. Мухаметшин. - Уфа: Изд-во УГНТУ, 2020. - С. 195-198.
  24. Pirson S. How to map fracture development from well logs // World Oil. - 1967. - March. - P. 106-114.
  25. Орехов А.Н., Амани М.М. Возможности геофизических методов для прогнозирования трещиноватости коллекторов // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2019. - Т. 330, № 6. - С. 198-209.
  26. Aguilera R. Analysis of naturally fractured reservoirs from conventional well logs // Journal of Petroleum Technology. - 1976. - Vol. 28, № 7. - P. 764-775.
  27. Aguilera R., Van Poolen К. How to evaluate naturally fractured reservoirs from various well logs // Oil and Gas Journal. - 1979. - Jan. - P. 56-57.
  28. Мартюшев Д.А., Галкин В.И., Пономарева И.Н. Изучение закономерностей распределения фильтрационных свойств в пределах сложнопостроенных карбонатных резервуаров // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2021. - Т. 332, № 11. - С. 117-126.
  29. Шевелев М.Б. О необходимости модификации системы заводнения в процессе разработки месторождения // Нефтяное хозяйство. - 2012. - № 12. - С. 40-45.
  30. Controlling factors of remaining oil distribution after waterflooding and enhanced oil recovery methods for fracture-cavity carbonate reservoirs in Tahe Oilfield / Zheng Songqing, Yang Min, Kang Zhijiang [et al.] // Petroleum Exploration and Development. - 2019. - № 46(4). - P. 786-795.
  31. Мартюшев Д.А., Пономарева И.Н. Исследование особенностей выработки запасов в трещинно-поровых коллекторах с привлечением данных гидродинамических исследований скважин (на примере фаменской залежи Озерного месторождения) // Инженер-нефтяник. - 2016. - № 2. - С. 48-52.
  32. Xinmin Song, Yong Li. Optimum development options and strategies for water injection development of carbonate reservoirs in the Middle East // Petroleum Exploration and Development. - 2018. - Vol. 45, iss. 4. - P. 723-734.
  33. Вороненко Е.С., Мугатабарова А.А. Анализ данных показателей вытеснения нефти водой карбонатных пород с различными фильтрационными свойствами // Булатовские чтения: материалы I Международной научно-практической конференции (31 марта 2017 года): в 5 томах: сборник статей / под общ. ред. д-ра техн. наук, проф. О.В. Савенок. - Краснодар: ООО «Издательский Дом - Юг», 2017. - Т. 2: Разработка нефтяных и газовых месторождений. - С. 61-64.
  34. Fluid flow simulation and permeability computation in deformed porous carbonate grainstones / M. Zambrano, E. Tondi, L. Mancini, G. Lanzafame, F.X. Trias, F. Arzilli, M. Materazzi, S. Torrieri // Advances in Water Resources. - 2018. - Vol. 115. - P. 95-111. doi: 10.1016/j.advwatres.2018.02.016
  35. Лигинькова Я.С. Исследование особенностей заводнения залежей нефти в карбонатных коллекторах (на примере Гагаринского и Опалихинского месторождений) // Проблемы разработки месторождений углеводородных и рудных полезных ископаемых. - 2019. - Т. 1. - С. 43-45.
  36. Черепанов С.С. Комплексное изучение трещиноватости карбонатных залежей методом Уоррена-Рута с использованием данных сейсмофациального анализа (на примере турне-фаменской залежи Озерного месторождения) // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2015. - № 14. doi: 10.15593/2224-9923/2015.14.1
  37. Warren J.E., Root P.J. The behavior of naturally fractured reservoirs // Soc. Petrol. Eng. J. - 1963. - Р. 245-255.
  38. Мартюшев Д.А., Лекомцев А.В., Котоусов А.Г. Определение раскрытости и сжимаемости естественных трещин карбонатной залежи Логовского месторождения // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2015. - № 16. - С. 61-69. doi: 10.15593/2224-9923/2015.16.7.
  39. Определение параметров трещиноватости пород на основе комплексного анализа данных изучения керна, гидродинамических и геофизических исследований скважин / С.С. Черепанов, И.Н. Пономарева, А.А. Ерофеев, С.В. Галкин // Нефтяное хозяйство. - 2014. - № 2. - С. 94-96.
  40. Щербенев А.В. Использование вероятностно-статистических методов для деления пород на проницаемую и непроницаемую части (на примере терригенных отложений визейского яруса Софьинского месторождения) // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2017. - Т. 16, № 1. - С. 14-22. doi: 10.15593/2224-9923/2017.1.2
  41. Лигинькова Я.С. Исследование влияния геолого-промысловых характеристик турнейского пласта на обводненность продукции скважин // Недропользование. - 2022. - Т. 22, № 1. - С. 15-20. doi: 10.15593/2712-8008/2022.1.3
  42. Sparse regression by projection and sparse discriminant analysis / Xin Qi, R. Luo, R.J. Carroll, Hongyu Zhao // Journal of Computational and Graphical Statistics. - 2015. - Vol. 24(2). - Р. 416-438.
  43. 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.
  44. Dat Thanh Tran, Moncef Gabbouj, Alexandros Iosifidis. Multilinear class-specific discriminant analysis // Pattern Recognition Letters. - 2017. - Vol. 100. - Р. 131-136. doi: 10.1016/j.patrec.2017.10.027
  45. Xu P., Brock G., Parrish R. Modified linear discriminant analysis approaches for classification of highdimensional microarray data // Computational Statistics and Data Analysis. - 2009. - 53. - Р. 1674-1687.

Statistics

Views

Abstract - 149

PDF (Russian) - 119

PDF (English) - 1

Refbacks

  • There are currently no refbacks.

Copyright (c) 2022 Liginkova Y.S.

This website uses cookies

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

About Cookies