Прогнозирование нефтегазоносности южной части Пермского края с использованием регионального трехмерного моделирования

Аннотация


Территория южной части Пермского края характеризуется большой нефтегазогеологической изученностью, здесь открыто порядка 150 месторождений нефти и газа, пробурено более 7000 глубоких скважин, проведены сейсморазведочные работы в формате 3D на площади более 5000 км2. Изученность территории позволяет получить огромный массив геологической информации, который можно использовать для поиска и прогноза нефтегазоносности пропущенных или не исследованных ранее структур. Область исследования была ограничена с юга, запада и востока границами Пермского края, а с севера - условной линией по границе проведенных сейсморазведочных работ. Для изучения территории на основании поверхности отражающего горизонта Пермского края была построена трехмерная геологическая модель в программном комплексе IRAP RMS. В модели рассчитаны региональная, зональная и локальная составляющие отражающего горизонта Пермского края. Локальная составляющая позволила выделить структуры, которые поделены на три категории: структуры с установленной нефтегазоносностью, структуры, не содержащие нефть и газ (пустые), и структуры, по которым необходимо выполнить прогноз. В модели были рассчитаны структурные параметры, отражающие потенциал ловушки для аккумуляции и сохранения залежей углеводородов. Также в модель были загружены геохимические параметры, отражающие генерационный потенциал и миграционную составляющую, и гидрогеологические параметры как косвенные при определении насыщения структур УВ. Полученные сведения о значении каждого параметра по всем структурам позволили собрать в единую базу данных и провести прогноз нефтегазоносности структур методом машинного обучения - пошаговым линейным дискриминантным анализом. По итогам пошагового линейного дискриминантного анализа 138 прогнозируемых структур были отранжированы по степени их перспективности. На основании построенных индивидуальных вероятностных моделей получена карта региональной вероятности насыщения структур углеводородами, которая послужила основой для уточнения границ нефтегазогеологического районирования территории южной части Пермского края.


Полный текст

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

Об авторах

Алексей Леонидович Южаков

Филиал ООО «ЛУКОЙЛ-Инжиниринг» «ПермНИПИнефть» в г. Перми

Автор, ответственный за переписку.
Email: alexey.yuzhakov@pnn.lukoil.com
Россия, 614015, г. Пермь, ул. Пермская, 3а

младший научный сотрудник

Иван Сергеевич Путилов

Филиал ООО «ЛУКОЙЛ-Инжиниринг» «ПермНИПИнефть» в г. Перми

Email: ivan.putilov@pnn.lukoil.com
Россия, 614015, г. Пермь, ул. Пермская, 3а

доктор технических наук, заместитель директора филиала по научной работе в области геологии

Список литературы

  1. Южаков А.Л. Классификация структурных локальных остатков отражающего горизонта IIК на примере юга Пермского края // Проблемы разработки месторождений углеводородных и рудных полезных ископаемых: материалы XI Всерос. науч.техн. конф., г. Пермь, 7-9 ноября 2018 г. - Пермь, 2018. - С. 85.
  2. Путилов И.С., Ладейщиков С.В. Комплексный подход при сейсмофациальном районировании нижнебобриковских отложений Чашкинского месторождения // Теория и практика разведочной и промысловой геофизики: материалы междунар. науч.практ. конф., г. Пермь 26-27 ноября 2015 г. / Перм. гос. нац. исслед. ун-т. - Пермь, 2015. - С. 150-154.
  3. Путилов И.С. Трехмерное геологическое моделирование при разработке нефтяных и газовых месторождений. - Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2011. - 72 с.
  4. Путилов И.С., Галкин В.И. Разработка методики вероятностно-статистического прогноза нефтегазоносности локализованных структур (на примере южной части Пермского края) // Нефтяное хозяйство. - 2014. - № 4. - С. 26-29.
  5. Комплексный подход к изучению доманиковых отложений на территории Пермского края / И.С. Путилов, С.И. Соловьев, А.А. Обухов, Е.В. Пятунина // Перспективы увеличения ресурсной базы разрабатываемых отложений, в том числе из доманиковых отложений: сборник докладов по итогам межрегион. науч.-практ. конф., посвященной 70-летию НГДУ «Лениногорскнефть», Карабаш, 6-7 августа 2015 г. / ПАО «Татнефть». - Альметьевск, 2015. - С. 71-78.
  6. Кривощеков С.Н. Разработка регионально-зональных критериев прогноза нефтегазоносности территории Пермского Прикамья вероятностно-статистическими методами // Нефтяное хозяйство. - 2011. - № 10. - С. 10-14.
  7. Кривощеков С.Н., Галкин В.И., Волкова А.С. Разработка вероятностно-статистической методики прогноза нефтегазоносности структур // Нефтепромысловое дело. - 2010. - № 7. - С. 28-31.
  8. Зональный прогноз нефтегазоносности девонского терригенного нефтегазоносного комплекса на юге Пермского края / О.А. Мелкишев, В.И. Галкин, Е.Е. Кожевникова, Т.В. Карасева // Нефтяное хозяйство. - 2014. - № 6. - С. 4-8.
  9. Kovalevskiy E. Geological Modelling on the Base of Geostatistics: Course Note. - Student Lecture Tour. - RUSSIA & CIS, 2011-2012.
  10. Кривощеков С.Н., Кочнев А.А., Санников И.В. Перспективы нефтегазоносности отложений доманикового типа на территории Пермского края // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2013. - № 9. - С. 18-26. doi: 10.15593/2224-9923/2013.9.2
  11. 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.
  12. Дюбруль О. Использование геостатистики для включения в геологическую модель сейсмических данных / Евр. ассоциация геоученых и инженеров (EAGE). - М., 2002. - 296 c.
  13. Воеводкин В.Л., Галкин В.И., Кривощеков С.Н. Исследование влияния критериев нефтегазоносности и изученности территории Пермского края на распределение месторождений углеводородов // Нефтяное хозяйство. - 2012. - № 6. - С. 30-34.
  14. Дифференцированная вероятностная оценка генерационных процессов в отложениях доманикового типа Пермского края / В.И. Галкин, Т.В. Карасева, И.А. Козлова, М.А. Носов, С.Н. Кривощеков // Нефтяное хозяйство. - 2014. - № 12. - С. 103-105.
  15. Алтунин А.Е., Семухин М.В. Расчеты в условиях риска и неопределенности в нефтегазовых технологиях. - М.; Тюмень: Изд-во Тюмен. гос. ун-та, 2004. - 296 с.
  16. Ампилов Ю.П. Методы геолого-экономического моделирования ресурсов и запасов нефти и газа с учетом неопределенности и риска. - М.: Геоинформмарк, 2002. - 201 с.
  17. Галкин С.В. Вероятностный прогноз геологических рисков при поисках месторождений нефти и газа. - Пермь: Книжный мир, 2009. - 224 с.
  18. Методика вероятностной оценки геологических рисков при поисках нефтяных месторождений для территорий с высокой плотностью промышленных открытий / А.Р. Курчиков, В.Н. Бородкин, С.В. Галкин, В.И. Галкин, А.В. Растегаев // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2013. - № 10. - С. 4-13.
  19. Фокин. А. Риски и неопределенности в геологоразведочном процессе // Новатор. - 2011. - № 43. - С. 8-12.
  20. Meisner J., Demirmen F. The creaming method: a bayesian procedure to forecast future oil and gas discoveries in mature exploration provinces // Journal of the Royal Statistical Society. Series A. - 1981. - Vol. 144, № 1. - P. 1-31. doi: 10.2307/2982158
  21. Cosentino L. Integrated reservoir studies. - Paris: Editions Technip, 2001. - 400 p.
  22. 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. - 2010. - № 7. - С. 12-17.
  23. Путилов И.С. Научное обоснование вероятностно-статистических методов прогноза нефтегазоносности структур в условиях высокоизученных территорий. - Пермь, 2016. - 369 с.
  24. Поисковые критерии нефти и газа в доманиковых отложениях Волго-Уральского бассейна / А.В. Ступакова, Н.П. Фадеева, Г.А. Калмыков, А.Х. Богомолов, Т.А. Кирюхина, Н.И. Коробова, Т.А. Шарданова, А.А. Суслова, Р.С. Сауткин, Е.Н. Полудеткина, Е.В. Козлова, Д.В. Митронов, Ф.В. Коркоц // Георесурсы. - 2015. - № 2 (61). - С. 77-86. doi: 10.18599/grs.61.2.7
  25. Отложения доманикового типа - возможный источник нетрадиционных углеводородов для Пермского края: обзор, перспективы, рекомендации / М.А. Носов, В.И. Галкин, С.Н. Кривощеков, О.А. Мелкишев // Нефтяное хозяйство. - 2012. - №10. - С. 90-91.
  26. Карцев А.А. Гидрогеология нефтяных и газовых месторождений. - М.: Недра, 1972. - 280 с.
  27. 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. - 2010. - № 7. - С. 12-17.
  28. Галкин В.И., Растегаев А.В., Галкин С.В. Вероятностно-статистическая оценка нефтегазоносности локальных структур. - Екатеринбург, 2011. - 299 с.
  29. 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.
  30. Prediction of residual oil satiration by using the ratio of amplitude of time-lapse seismic data / L. Meng, L. Zhen, L. Minzhu, Z. Huilai // Geophysics. - 2017. - Vol. 82, № 1. - P. 1-12. doi: 10.1190/geo2015-0453.1
  31. Yarus J.M. Stochastic modeling and geostatistics // AAPG. - Tulsa, Oklahoma, 1994. - 231 p.
  32. Davis J.C. Statistics and Data Analysis in Geology. - 3Rd Edition. - John Wiley & Sons, 2002. - 656 p.
  33. C.V. Deutsch Geostatistical Reservoir modelling. - Oxford University Press, 2002.
  34. Armstrong M. Basic Linear Geostatistics. - Springer, 1998. - 155 p.
  35. Девис Дж.С. Статистический анализ данных в геологии. - М.: Недра, 1990. - Кн. 1. - 319 с.
  36. Девис Дж.С. Статистический анализ данных в геологии. - М.: Недра, 1990. - Кн. 2. - 426 с.
  37. Справочник по математическим методам в геологии / Д.А. Родионов, Р.И. Коган, В.А. Голубева [и др.]. - М.: Недра, 1987. - 335 с.
  38. Южаков А.Л. прогноз нефтегазоносности структур по тектоническим элементам отражающего горизонта IIК южной части Пермского края // Новые направления нефтегазовой геологии и геохимии. Развитие геологоразведочных работ: сборник материалов II Междунар. науч. конф. - Пермь, 2019. - С. 195-200.
  39. Johnson N.L., Leone F.C. Statistics and experimental design. - New York - London - Sydney - Toronto, 1977. - 606 p.
  40. Montgomery D.C., Peck E.A., Introduction to linear regression analysis. - New York: John Wiley & Sons, 1982. - 504 p.
  41. Yarus J.M. Stochastic modeling and geostatistics // AAPG. - Tulsa, Oklahoma, 1994. - 231 p.
  42. Houze O., Viturat D., Fjaere O.S. Dinamie data analysis. - Paris: Kappa Engineering, 2008. - 694 p.
  43. GSLIB: Geostatistical Software Library and User's Guide. - New York: Oxford University Press, 1998. - 369 p.
  44. Isaaks E.H., Srivastava R.M. An Introduction to Applied Geostatistics. - Oxford University Press, 1989. - 561 p.
  45. Kaufman M.G. Statistical issues in the assessment of undiscovered oil and gas resources. - MITCEEPR, 1992. - 30 p.

Статистика

Просмотры

Аннотация - 354

PDF (Russian) - 68

PDF (English) - 71

Ссылки

  • Ссылки не определены.

© Южаков А.Л., Путилов И.С., 2020

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах