Assessment of the Tectonic Factors Influence on the Deep Oil and Gas Source Rocks Formation at the Upper-Pechora Depression

Abstract


The relevance of the work is due to the fact that in the coming years the oil and gas potential of deep deposits of the sedimentary cover, located at depths of more than 4 km, will have to be more fully studied. One of the methods that allows you to solve this problem most effectively is the construction of probabilistic statistical models. In this case, a comparison of average values and distribution densities (statistics - t and c2), correlation analysis, regression analysis, including stepwise, as well as discriminant analysis are used. As a result of these calculations, fundamental differences in the tectonic conditions of the formation of the organic carbon initial concentrations (Ciorg) before hydrocarbon (HC) generation processes were determined for the studied types of organic matter (OM) - sapropel, mixed and humus. Comparison of average Ciorg values made it possible to establish the presence of statistical differences between types of OM in deep sediments at the Upper-Pechora depression. Since this structure had an asymmetrical structure typical of marginal troughs, a comparison was made of two tectonic zones - western and eastern, corresponding to its outer and inner sides. Correlation analysis showed that between the studied indicators there were connections of varying degrees of closeness and direction. Using linear discriminant analysis based on a set of tectonic indicators, differentiation by types of OM and tectonic zones was established. The performed stepwise regression analysis confirmed a significant difference in the processes of accumulation of OM of sapropel and humus types, as well as in the western and eastern regions. Thus, statistical analysis showed the decisive role of tectonic factors in the processes of Ciorg concentrations formation. In addition, regression equations were constructed to describe the dependences on tectonic indicators that made it possible to predict this most important characteristic of oil and gas source rocks.

Full Text

Введение Верхнепечорская впадина - одна из северных впадин Предуральского краевого прогиба, осадочный бассейн тектонической природы между складчатым сооружением Урала и Тимано-Печорской плитой. Строение верхних горизонтов осадочного чехла хорошо изучено - месторождения углеводородов (УВ) разрабатываются с 60-х гг. прошлого века, но глубокопогруженные отложения (глубже 4 км, возраст не моложе средневизейского) остаются неравномерно и недостаточно исследованными. При этом в настоящее время в пределах Верхнепечорской впадины пробурено более 40 глубоких скважин, большинство из которых приурочено к Вуктыльской тектонической пластине на востоке территории. Поэтому представляет интерес моделирование формирования нефтегазоносности больших глубин с помощью различных методов. Методика исследования Тектонические характеристики, такие как скорости погружения и седиментации, оказывают влияние на процессы нефте- и газообразования. Устойчивое и интенсивное погружение на значительной площади служит не только необходимым условием формирования осадочного бассейна, но и важным критерием зон наибольшей концентрации УВ. Скорости погружения и осадконакопления толщ разреза Верхнепечорской впадины получены с помощью одномерного бассейнового моделирования, которое проводится на основании обширной базы геологических данных. Методика бассейнового моделирования рассматривается во многих отечественных и зарубежных работах [1-18]. Полученные значения учитывают уплотнение пород в течение геологического времени, применена процедура «разуплотнения». Погружение является необходимым условием образования осадочных пород, в том числе и нефтегазоносных бассейнов. Кроме того, ранее было показано, что данная тектоническая характеристика влияет на формирование концентраций органического углерода (Сорг) [19-21]. О регулирующей роли скорости седиментации в сбалансированности органического и минерального компонентов осадка говорится в работе А.И. Дьяконова [19], но подробно закономерности изменения содержания ОВ в зависимости от скорости погружения не описаны. Ранее были установлены принципиальные различия в тектонических условиях формирования концентрации Сорг для выделенных типов ОВ [21]. Но тектонические факторы оказывают влияние не только на современные значения Сорг, но и на исходные, до начала генерации УВ, значения Сорг которые получены по формулам, предложенным K.E. Питерсом, C.C. Уолтерсом, Дж.M. Молдованом [22]. Сначала произведен расчет исходного водородного индекса по формуле: где HIи - водородный индекс до начала процесса генерации УВ, мг УВ/г Сорг; HI - водородный индекс по данным пиролиза, мг УВ/г Сорг; Tmax - температура максимального выхода УВ при крекинге керогена, °С. Затем рассчитан коэффициент трансформации, т.е. степень реализации нефтегазоматеринской породой исходного генерационного потенциала: где TR (transformation ratio) - коэффициент трансформации, %; HIи - исходный водородный индекс, мг УВ/г Сорг; HI - водородный индекс по данным пиролиза, мг УВ/г Сорг; 1200 - коэффициент, учитывающий количество УВ, образующихся на единицу массы органического углерода, мг УВ/г Сорг. На основе полученных ранее значений HIи и TR определено исходное содержание органического углерода Сорги: где - содержание органического углерода до начала генерации УВ, %; Сорг - содержание органического углерода по данным пиролиза, %; HIи - исходный водородный индекс, мг УВ/г Сорг; HI - водородный индекс по данным пиролиза, мг УВ/г Сорг; TR - коэффициент трансформации, доли единицы; 83,33 - среднее процентное содержание углерода в сгенерированных УВ. В случае отсутствия результатов пиролиза или части из них (например, Tmax), необходимых для определения , в расчетах использовались современные значения Сорг. Кроме того, в предыдущей работе [25] не было учтено тектоническое районирование территории. Как известно, Верхнепечорская впадина имеет асимметричное строение, типичное для краевых прогибов, поэтому в данном исследовании проведено сравнение двух тектонических зон - западной (внешний борт) и восточной (внутренний борт) [8, 9]. Для определения перспектив использования значений тектонических факторов для оценки концентраций в отложениях, в том числе глубокопогруженных, выполнен вероятностно-статистический анализ. Использованные методы подробно рассмотрены в многочисленных отечественных и зарубежных трудах [23-52]. Обсуждение результатов Для сравнения средних значений генерационного потенциала (%), скоростей погружения Vп (м/млн л) и глубины отбора проб Нп (м) для сапропелевого, смешанного и гумусового ОВ глубокопогруженных отложений западной и восточной зоны Верхнепечорской впадины использованы описательная статистика и t-тест. Средние значения перечисленных показателей по типу ОВ приведены в табл. 1 и 2. Анализ данных показал, что: - по показателю статистические различия в средних значениях обнаружены в восточной зоне между сапропелевым и смешанным, смешанным и гумусовым ОВ; - по показателю Vп средние значения статистически не различаются; - по Нп статистическое различие в средних значениях получено в обеих зонах, на западе - между сапропелевым и смешанным, а также сапропелевым и гумусовым ОВ, на востоке - между всем типами ОВ. Для понимания процесса формирования значений в зависимости от Нп и Vп были построены поля Таблица 1 Сравнение средних значений показателей по западной зоне Показатели, ед. изм. Средние значения Критерии Тип ОВ, количество наблюдений Сапропелевое, 21 Смешанное, 16 Гумусовое, 31 , % 0,299±0,322 0,01-1,23 0,611±0,677 0,05-2,29 -1,85825 0,071561 0,299±0,322 0,01-1,23 0,771±1,71 0,007-6,45 -1,2472 0,218134 0,611±0,677 0,05-2,29 0,771±1,71 0,007-6,45 -0,35933 0,721026 Vп, м/млн л 51,24±21,02 12,0-72,0 61,81±49,91 15,0-170,0 -0,87709 0,386417 51,24±21,02 12,0-72,0 74,87±65,24 15,0-175,0 -1,60026 0,115842 61,81±49,91 15,0-170,0 74,87±65,24 15,0-175,0 -0,70045 0,487249 Нп, м 4803,52±393,14 4385,5-5564,5 3783,81±719,04 3047,0-5213,0 5,519982 0,000003 4803,52±393,14 4385,5-5564,5 3960,55±702,29 2946,5-5258,5 4,986702 0,000008 3783,81±719,04 3047,0-5213,0 3960,55±702,29 2946,5-5258,5 -0,811025 0,421620 Таблица 2 Сравнение средних значений показателей по восточной зоне Показатели, ед. изм. Средние значения Критерии Тип ОВ, количество наблюдений Сапропелевое, 6 Смешанное, 24 Гумусовое, 62 , % 0,088±0,094 0,011-0,266 0,407±0,434 0,031-1,755 -1,76570 0,08835 0,088±0,094 0,011-0,266 1,332±1,37 0-6,47 -2,208667 0,030675 0,407±0,434 0,031-1,755 1,332±1,37 0-6,47 -3,23695 0,00173 Vп, м/млн л 60,00±5,48 55,-65,0 43,67±31,99 19,0-161,0 1,230159 0,228873 60,00±5,48 55,-65,0 55,50±21,81 32,0-161,0 0,500705 0,618245 43,67±31,99 19,0-161,0 55,50±21,81 32,0-161,0 -1,96782 0,052389 Нп, м 6409,58±364,50 6071,5-6987,5 5397,40±356,83 4726,5-6040,0 6,190670 0,000001 6409,58±364,50 6071,5-6987,5 4958,27±326,77 4487,0-5800,0 10,293289 0,000000 5397,40±356,83 4726,5-6040,0 4958,27±326,77 4487,0-5800,0 5,448164 0,0000005 Таблица 3 Корреляционная матрица Общее Западная зона Восточная зона Нп Vп Нп Vп Нп Vп Сапропелевое ОВ 1 1 1 Нп -0,44* 1 -0,40* 1 -0,36* 1 Vп 0,40* -0,26* 1 0,48* -0,94* 1 0,49* 0,86* 1 Смешанное ОВ 1 1 1 Нп -0,30* 1 -0,38* 1 -0,02 1 Vп -0,12* -0,03 1 -0,30* 0,63* 1 0,06 -0,39* 1 Гумусовое ОВ 1 1 1 Нп -0,10 1 -0,43* 1 -0,21* 1 Vп -0,24* 0,26* 1 -0,33* 0,76* 1 -0,04 0,07 1 Примечание: * - статистически значимые корреляционные связи. Таблица 4 Уравнения регрессии Тип ОВ Уравнение регрессии R p Западная зона Сапропелевое = -0,0003Нп + 1,874 -0,3998 0,0725 Смешанное = -0,00036Нп + 1,96 -0,3792 0,1474 Гумусовое = -0,001Нп + 4,955 -0,4338 0,0148 Сапропелевое = 0,0074Vп - 0,0819 0,4847 0,026 Смешанное = -0,0041Vп + 0,864 -0,3019 0,2557 Гумусовое = -0,0086Vп + 1,418 -0,3294 0,0704 Восточная зона Сапропелевое = -0,00009Нп + 0,69 -0,363 0,4794 Смешанное = -0,00002Нп + 0,54 -0,0201 0,9258 Гумусовое = -0,0009Нп + 5,638 -0,207 0,1064 Сапропелевое = 0,0084Vп - 0,416 0,4879 0,3263 Смешанное = 0,0008Vп + 0,373 0,0566 0,7926 Гумусовое = -0,0026Vп + 1,476 -0,0413 0,75 корреляции между изучаемыми показателями в пределах западной и восточной зон Верхнепечорской впадины. Их анализ показал, что соотношения и сила корреляционных связей в пределах рассматриваемых типов ОВ значительно отличаются. Для количественной оценки корреляционных связей вычислены значения коэффициентов корреляции - r, не только между и выбранными показателями, но и между самими показателями, что позволило на количественном уровне оценить влияние каждого из них на величину и определить, как статистически связаны между собой показатели, формирующие значения . Значения коэффициентов r приведены в табл. 3. Анализ значений коэффициентов корреляции показывает, что между и выделенными показателями, а также между последними наблюдаются как положительные, так и отрицательные связи различной степени тесноты. На западе на сапропелевого ОВ оказывает заметное прямое влияние Vп, слабое - Нп (отрицательная связь). На востоке также наблюдается умеренная прямая зависимость от Vп, слабая обратная - от Hп. При этом в пределах Верхнепечорской впадины в целом заметное обратное влияние оказывает Нп, в меньшей степени - Vп (прямая связь). Для смешанного ОВ на западе обнаружена слабая обратная зависимость от Нп и Vп. Восточнее зависимости не выявлены. В целом наблюдается слабая отрицательная связь с Нп, в меньшей степени - Vп. На значение гумусового ОВ западной зоны заметно влияет Нп (обратная зависимость), также наблюдается слабая отрицательная связь с Vп. На востоке - обратная слабая связь с Нп. В целом слабая корреляционная связь обнаружена с Vп (обратная зависимость), с Hп - определена на рубеже статистической значимости. Уравнения регрессии, описывающие зависимости от Нп и Vп, приведены в табл. 4. Из данных табл. 4 видно, что в зависимости от типа ОВ и тектонического строения отличаются не только значения коэффициентов r, но и взаимоотношения изучаемых показателей, о чем свидетельствуют значения свободных членов уравнений регрессии и значения коэффициентов при изучаемых показателях. Геологическое строение Верхнепечорской впадины Предуральского прогиба, ее асимметричность требуют рассмотреть закономерности формирования по каждому из бортов. Поэтому линейный дискриминантный анализ был произведен с учетом не только типа ОВ, но и тектонического строения, таким образом было выделено шесть групп. В результате реализации линейного дискриминантного анализа построены следующие линейные дискриминантные функции: Z1 = 0,184Сиорг - 0,014Vп + 0,0023Нп - 10,349 при R = 0,85, χ2 = 220,5, p = 0,0000; Z2 = -0,86Сиорг - 0,0076Vп - 0,0001Нп + 1,666 при R = 0,36, χ2 = 25,85, p = 0,0011. Z3 = 0,092Сиорг - 0,024Vп - 0,00028Нп + 2,616 при R = 0,16, χ2 = 4,1, p = 0,2499. Линейные дискриминантные функция Z1 и Z2 являются статистически значимыми, Z3 - нет. По данным функциям были вычислены значения Z1, Z2 и Z3. На рис. 1 видно, что по значениям Z1, Z2 и Z3 изучаемая выборка в определенной мере (58,7 %) делится на группы, обусловленные типами ОВ и тектоническим районированием. Для выбранных данных также был применен пошаговый регрессионный анализ для западной и восточной тектонических зон. В результате для сапропелевого ОВ западной тектонической зоны построено 19 уравнений регрессии, описывающих зависимости от Нп и Vп, для восточной - 4. Затем для смешанного ОВ рассчитаны 14 уравнений регрессии, описывающих зависимости от Нп и Vп для западных районов, для восточных - 22, а для гумусового ОВ - 29 и 60 уравнений регрессии соответственно. Из представленных на рис. 3, а, графиков видно, что изменения свободных членов уравнений регрессии, рассчитанных для западной тектонической зоны, достаточно близки по виду для гумусового и а б Рис. 1. Соотношение между значениями Z1 и Z2 (а), Z1 и Z3 (б) для выделенных типов ОВ и зон их распространения: 1 - сапропелевое ОВ западной зоны, 2 - сапропелевое ОВ восточной зоны, 3 - смешанное ОВ западной зоны, 4 - смешанное ОВ восточной зоны, 5 - гумусовое ОВ западной зоны, 6 - гумусовое ОВ восточной зоны а б Рис. 2. Изменение свободных членов уравнений регрессии в зависимости от Сорги для разных типов ОВ: а - западная зона; б - восточная зона (усл. обозн. см. на рис. 1) смешанного ОВ, при этом значительно отличаются для сапропелевого ОВ. Для сапропелевого ОВ значения данной характеристики уравнений регрессии выполняют корректировку величины со знаком минус, тогда как для гумусового и смешанного ОВ - со знаком плюс. Графики на рис. 3, б, демонстрируют, что величины свободных членов уравнений регрессии, рассчитанные для восточной тектонической зоны, значительно отличаются для сапропелевого и гумусового ОВ, а для смешанного ОВ занимают промежуточное положение. Значения данного параметра уравнений регрессии для сапропелевого ОВ выполняют корректировку значений со знаком минус, тогда как для гумусового - со знаком плюс, а для смешанного ОВ практически не оказывают влияния. Изменение коэффициентов при Нп уравнений регрессии на западе достаточно близко по виду для гумусового и смешанного ОВ и значительно отличается для сапропелевого ОВ. В первом случае значения коэффициентов при Нп уравнений регрессии выполняют корректировку значений со знаком минус, тогда как во втором - со знаком плюс. В пределах восточной тектонической зоны изменение коэффициентов при Нп уравнений регрессии также существенно различается для сапропелевого и гумусового ОВ, а для смешанного ОВ занимает промежуточное положение. Анализ поведения зависимости значений коэффициентов при Нп от показывает, что для сапропелевого и смешанного ОВ значения коэффициентов выполняют корректировку значений со знаком плюс, тогда как для гумусового ОВ - со знаком минус. Изменения коэффициентов при Vп уравнений регрессии, рассчитанных для западных районов, различны для гумусового, смешанного и сапропелевого ОВ. Для всех типов ОВ значения коэффициентов при Vп уравнений регрессии выполняют корректировку значений со знаком плюс, в большей степени это касается сапропелевого ОВ. А на востоке изменения коэффициентов при Vп уравнений регрессии существенно отличаются для гумусового ОВ, при этом они достаточно близки для смешанного и сапропелевого ОВ. Анализ поведения зависимости значений данного параметра уравнений регрессии от , рассчитанных для восточных районов, показывает, что для всех типов ОВ значения коэффициентов при Vп уравнений регрессии выполняют корректировку значений со знаком плюс, прежде всего для сапропелевого ОВ. Результаты пошагового регрессионного анализа убедительно свидетельствуют, что формирование модельных значений происходит в принципиально различных условиях и зависит не только от типа ОВ, но и от тектонического положения. Стоит также отметить, что при увеличении значений диапазон изменения коэффициентов множественной корреляции R уравнений регрессии значительно уменьшается для всех типов ОВ как на западе, так и на востоке территории. Анализ изменения значений указанных коэффициентов и достигаемого уровня статистической значимости р позволил выделить определенный тренд изменения соотношений R и р для изучаемых типов ОВ в обеих тектонических зонах. Это в определенной мере показывает, что влияние значений Нп и Vп на значения является достаточно разным. Рис. 3. Схематические карты изменения (а) и (б) нижне-средневизейских отложений северо-восточных районов Верхнепечорской впадины: 1 - изолинии, 2 - контуры Вуктыльского нефтегазоконденсатного месторождения, 3 - река, 4 - граница Верхнепечорской впадины, 5 - граница Вуктыльского надвига В связи с обнаруженными и описанными выше закономерностями были рассчитаны уравнения регрессии, описывающие зависимости от Нп и Vп, для отдельных толщ - как для всей рассматриваемой площади, так и выделенных ранее тектонических зон. Полученные уравнения регрессии были использованы для определения величин на основе тектонических характеристик. В результате чего построены схематические карты изменения выбранных глубокопогруженных отложений. Большую точность показали карты, основанные на результатах решения уравнений регрессий, определенных для тектонических зон. На рис. 3 приведены схематические карты изменения и нижне-средневизейских отложений северо-восточных районов Верхнепечорской впадины. Заключение Применение вероятностно-статистических методов анализа, одномерного и многомерного моделирования позволило сделать ряд выводов. Использование t-критерия помогло определить статистические различия в средних значениях по и влияющих на него тектонических факторов между типами ОВ как для Верхнепечорской впадины в целом, так и в пределах тектонических зон, отвечающим ее бортам. Анализ значений коэффициентов корреляции показал, что между и выделенными показателями, а также, в свою очередь, между последними, наблюдаются как положительные, так и отрицательные связи с различной степенью тесноты. Дискриминантный анализ продемонстрировал, что изучаемая выборка делится на группы как по типам ОВ, так и по тектоническим зонам. Анализ поведения данных зависимостей, полученных в результате пошагового регрессионного анализа, позволил выявить, что в изменении параметров уравнений регрессии, построенных для разных типов ОВ и тектонических зон, наблюдаются заметные инверсии, что также свидетельствует о различных условиях формирования значений . Из графика соотношений множественной корреляции R и достигаемого уровня статистической значимости р уравнений регрессий, позволяющих изучить формирование значений , видно, что наблюдается определенный тренд для изучаемых типов ОВ (прежде всего гумусового ОВ) и тектонических зон. Это в определенной мере показывает, что влияние значений Нп и Vп на является достаточно разными. Таким образом, показано, что величина во многом обусловлена тектоническими факторами Нп и Vп. Стоит отметить, что на востоке территории их влияние на менее выражено, что обусловлено сложным геологическим строением внутреннего борта Верхнепечорской впадины. Показатель Нп отражает условия соответствующих этапов геологического развития, черты которого отличались на западе и востоке территории, а Vп также определяет баланс органического и минерального компонентов осадка, геохимические фации в осадке. В результате на примере глубокопогруженных нижне-средневизейских отложений было показано, что тектонические факторы могут быть использованы для оценки исходной концентрации Сорг, что ценно, так как данный параметр является важной характеристикой нефтегазоматеринских пород, но при этом не всегда доступен.

About the authors

E. A. Kuznetsova

Perm State National Research University

References

  1. Белоконь, А.В. Моделирование тектонической и температурной истории района бурения Тимано-Печорской глубокой опорной скважины / А.В. Белоконь // Вестник Пермского государственного технического университета. - 2000. - №3. - С. 71-76.
  2. Галкин, В.И. Влияние историко-генетических факторов на нефтегазоносность / В.И. Галкин, И.А. Козлова // Вестник Пермского университета. Геология. - 2000. - Вып. 4. - С. 8-18.
  3. Галушкин, Ю.И. Моделирование осадочных бассейнов и оценка их нефтегазоносности / Ю.И. Галушкин. - М.: Научный мир, 2007. - 456 с.
  4. Кочнева, О.Е. Перспективы нефтегазоносности глубокопогруженных отложений Верхнепечорской впадины по данным бассейнового моделирования / О.Е. Кочнева, Т.В. Карасева, Е.А. Кузнецова // Нефтяное хозяйство. - 2015. - № 3. - С. 14-16.
  5. Кузнецова, Е.А. Особенности геологического строения и формирования нефтегазоносности в районе Вуктыльского надвига / Е.А. Кузнецова, Т.В. Карасева // Недропользование. - 2017. - Т. 16, № 4. - C. 313-320. doi: 10.15593/2224-9923/2017.4.2
  6. Пестерева, С.А. Историко-генетическое моделирование эволюции осадочного чехла в районах развития глубокопогруженных отложений Тимано-Печорского нефтегазоносного бассейна / С.А. Пестерева, С.Г. Попов, А.В. Белоконь // Вестник Пермского университета. Геология. - 2011. - Вып. 2. - С. 8-19.
  7. Allen, A.Ph. Basin analysis: principles and application to petroleum play assessment / A.Ph. Allen, J.R. Allen. - 3 ed. - Wiley-Blackwell, 2013. - 619 p.
  8. Basin and petroleum system modeling / M.M. Al-Hajeri, M. Al Saeed, J. Derks [et al.] // Oilfield Rewiew. - 2009. - Vol. 21, iss. 2. - P. 14-29.
  9. Fold-thrust belts at peak oil / D. Roeder, G.P. Goffey, J. Craig [et al.] // Hydrocarbons in contact belts. - London: Geological Society, 2010. - Vol. 348. - P. 7-31. doi: 10.1144/SP348.2
  10. Hantschel, T. Fundamentals of basin and petroleum systems modeling. - Berlin: Springer-Verlag, 2009 / T. Hantschel, A. Kauerauf. - 476 p. doi: 10.1007/978-3-540-72318-9
  11. Incidence and importance of tectonics and natural fluid migration on reservoir evolution in foreland fold-and-thrust belts / F. Roure, R. Swennen, F. Schneider [et al.] // Oil and Gas Science and Technology Revue de l'IFP. - 2005. - Vol. 60, № 1. - P. 67-106. doi: 10.2516/ogst: 2005006
  12. Integrated charge and seal assessment in the Monagas fold and thrust belt of Venezuela / M. Neumaier, R. Littke, T. Hantschel [et al.] // AAPG Bulletin. - 2014. - Vol. 98, №7. - P. 1325-1350. doi: 10.1306/01131412157
  13. Kuznetsova, Е.А. Description and prospects of oil and gas potential of the Middle Devonian - Lower Frasnian complex of the south-east of the Timan-Pechora province / Е.А. Kuznetsova // IOP Conf. Ser.: Earth Environ. Sci. - 1021 - 012036. doi: 10.1088/1755-1315/1021/1/012036
  14. Maerten, L. Chronologic modeling of faulted and fractured reservoirs using geomechanically based restoration / L. Maerten, F. Maerten // Technique and industry applications: AAPG Bulletin. - 2006. - Vol. 90, № 8. - P. 1201-1226. doi: 10.1306/02240605116
  15. Magoon, L.B. The Petroleum system: from source to trap / L.B. Magoon, W.G. Dow. - Tulsa, Oklahoma: AAPG, 1994. - 655 p. doi: 10.1306/M60585
  16. Nemcok, M. Thrustbelts. Structural architecture / M. Nemcok, S. Schamel, R. Gayer // Thermal Regimes and Petroleum Systems. - 2009. - 527 p. doi: 10.2113/gscanmin.44.6.1563
  17. PetroMod petroleum system modeling // Schlumberger Information Solutions. - 2011. - № 10. - 256 р.
  18. Schneider, F. Basin modeling in complex area: examples from Eastern Venezuelan and Canadian Foothills / F. Schneider // Oil and Gas Science and Technology. - 2003. - Vol. 58, № 2. - P. 313-324. doi: 10.2516/ogst:2003019
  19. Дьяконов, А.И. Оценка газонефтяного потенциала автохтонов и аллохтонов Предуральского краевого прогиба на эволюционно-генетической основе / А.И. Дьяконов, Т.А. Овчарова, С.В. Шелемей. - Ухта: УГТУ, 2008. - 76 с.
  20. Кузнецова, Е.А. Влияние скорости осадконакопления на нефтегазоносность отложений юго-восточных районов Тимано-Печорской нефтегазоносной провинции / Е.А. Кузнецова // Новые направления нефтегазовой геологии и геохимии. Развитие геологоразведочных работ. - 2019. - С. 293-298.
  21. Кузнецова, Е.А. Использование вероятностно-статистических методов для анализа глубокопогруженных отложений Верхнепечорской впадины / Е.А. Кузнецова, В.И. Галкин // Недропользование. - 2023. - Т. 23, № 1. -С. 11-17. doi: 10.15593/2712-8008/2023.1.2
  22. Peters, K.E. The Biomarker Guide: Vol. 2, Biomarkers and Isotopes in Petroleum Systems and Earth History / K.E. Peters, C.C. Walters, J.M. Moldowan. - Cambridge, 2007. - 1155 р. doi: 10.1017/CBO9781107326040
  23. Вирстюк, А.Ю. Применение регрессионного анализа для оценки эффективности работы нефтяных скважин с парафинистой нефтью / А.Ю. Вирстюк, В.С. Микшина // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2020. - Т. 331, № 1. - С. 117-124. doi: 10.18799/24131830/2020/1/2453
  24. Вистелиус, А.В. Основы математической геологии / А.В. Вистелиус. - Л.: Недра, 1980. - 389 с.
  25. Галкин, В.И. Разработка статистических моделей для прогноза поглощений по характеристикам разрывных нарушений / В.И. Галкин, Д.В. Резвухина // Недропользование. - 2021. - Т. 21, № 3. - C. 102-108. doi: 10.15593/2712-8008/2021.3.1
  26. Давыденко, А.Ю. Вероятностно-статистические методы в геолого-геофизических приложениях / А.Ю. Давыденко. - Иркутск, 2007. - 29 с.
  27. Девис, Дж. Статистика и анализ геологических данных / Дж. Девис. - М.: Мир, 1977. - 353 с.
  28. Девис, Дж.С. Статистический анализ данных в геологии / Дж.С. Девис. - Кн. 1. - М.: Недра, 1990. - 319 с.
  29. Девис, Дж.С. Статистический анализ данных в геологии / Дж.С. Девис. - Кн. 2. - М.: Недра, 1990. - 426 с.
  30. Дементьев, Л.Ф. Математические методы и ЭВМ в нефтегазовой геологии / Л.Ф. Дементьев. - М.: Недра, 1987. - 264 с.
  31. Дементьев, Л.Ф. Применение математической статистики в нефтепромысловой геологии / Л.Ф. Дементьев, М.А. Жданов, А.Н. Кирсанов. - М., 1977. - 255 с.
  32. Дрейпер, Н. Прикладной регрессионный анализ / Н. Дрейпер, Г. Смит. - М.: "Диалектика", 2017. - 912 с.
  33. Кошкин, К.А. Разработка вероятностных моделей зонального прогноза нефтегазоносности центральной части Пермского свода по структурно-мощностным критериям / К.А. Кошкин, И.А. Татаринов // Вестник Пермского национального исследовательского политехнического университета. Недропользование. - 2021. - Т. 21, № 1. - С. 2-8. doi: 10.15593/2712-8008/2021.1.1
  34. Кривощеков, С.Н. Разработка вероятностно-статистической методики прогноза нефтегазоносности структур / С.Н. Кривощеков, В.И. Галкин, А.С. Волкова // Нефтепромысловое дело. - М.: ВНИИОЭНГ, 2010. - № 7. - С. 28-31.
  35. Михалевич, И.М. Применение математических методов при анализе геологической информации (с использованием компьютерных технологий: Statistica) / И.М. Михалевич. - Иркутск: ИГУ, 2006. - 115 с.
  36. Поморский, Ю.Л. Методы статистического анализа экспериментальных данных: монография / Ю.Л. Поморский. - Л., 1960. - 174 с.
  37. Поротов, Г.С. Математические методы моделирования в геологии / Г.С. Поротов. - СПб.: Изд-во Санкт-Петербур. гос. горн. ин-та (техн. ун-та), 2006. - 223 с.
  38. Путилов, И.С. Разработка технологий комплексного изучения геологического строения и размещения месторождений нефти и газа / И.С. Путилов. - Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2014. - 285 с.
  39. Татаринов, И.А. Вероятностно-статистическая оценка зональной нефтегазоносности Пермского свода по геохимическим критериям / И.А. Татаринов // Недропользование. - 2022. - Т. 22, № 1. - C. 2-8. doi: 10.15593/2712-8008/2022.1.1
  40. Чини, Р.Ф. Статические методы в геологии: пер. с англ. / Р.Ф. Чини. - М.: Мир, 1986. - 189 с.
  41. Шарапов, И.П. Применение математической статистики в геологии. Статистический анализ геологических данных / И.П. Шарапов. - М.: Недра, 1971. - 246 с.
  42. Ядзинская, М.Р. Математические методы в гидрогеологии и инженерной геологии / М.Р. Ядзинская. - Пермь: ПГНИУ, 2022. - Ч. 1. - 93 с.
  43. Ядзинская, М.Р. Математические методы в гидрогеологии и инженерной геологии / М.Р. Ядзинская. - Пермь: ПГНИУ, 2022. - Ч. 2. - 92 с.
  44. Amanat, U. Chaudry. Oil well testinghanbook / U. Chaudry Amanat // Advanced TWPSON Petroleum Systems Inc. - Houston, 2004. - 525 p.
  45. Friedman, J. Regularized discriminant analysis /j. Friedman // Journal of the American Statistical Association. - 1989. - Vol. 84. - P. 165-175. doi: 10.2307/2289860
  46. Horne, R.N. Modern well test analysis: A computer Aided Approach / R.N. Horne. - 2nd ed. - Palo Alto: PetrowayInc, 2006. - 257 p.
  47. Johnson, N.L. Statistics and experimental design / N.L. Johnson, F.C. Leone. - New York-London-Sydney-Toronto, 1977. - 606 p.
  48. Montgomery, D.C.Introduction to liner regression analysis / D.C. Montgomery, E.A. Peck. - New York: John Wiley & Sons, 1982. - 504 p.
  49. Tan, P.N.Introduction to data mining / P.N. Tan, M. Steinbach, V. Kumar. - Boston: Pearson Addison Wesley, 2005. - 769 p.
  50. Tiab, D. Modern core analysis. Vol. 1. Theory, core laboratories / D. Tiab. - Houston, Texas, 1993. - 200 p.
  51. Watson, G.S. Statistic on spheres / G.S. Watson. - New York: John Wiley and Sons, Inc., 1983. - 238 p.
  52. Yarus, J.M. Stochastic Modeling and Geostatistics. Principles, Methods, and Case Studies /j.M. Yarus, R.L. Chambers // AAPG Computer Applications in Geology Series. - № 3. - Tulsa: American Association of Petroleum Geologists, 379 p.

Statistics

Views

Abstract - 41

PDF (Russian) - 38

Refbacks

  • There are currently no refbacks.

Copyright (c) 2024 Kuznetsova E.A.

This website uses cookies

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

About Cookies