Анализ энергетического потенциала фациально-неоднородных карбонатных коллекторов в процессе выработки запасов углеводородов
- Авторы: Чалова П.О.1
- Учреждения:
- Пермский национальный исследовательский политехнический университет
- Выпуск: Том 24, № 2 (2024)
- Страницы: 65-71
- Раздел: Статьи
- URL: https://ered.pstu.ru/index.php/geo/article/view/4273
- DOI: https://doi.org/10.15593/2712-8008/2024.2.3
- Цитировать
Аннотация
Анализ энергетического состояния залежи является неотъемлемой частью мониторинга разработки месторождений. В настоящее время значительный объем добычи в Пермском крае приходится на сложнопостроенные карбонатные коллекторы, которые характеризуются неоднородностью как по вертикали, так и по латерали, различными фильтрационно-емкостными характеристиками, чередованием отличающихся типов пустотного пространства, большим коэффициентом расчлененности. В таких условиях возрастает необходимость постоянного мониторинга энергетического состояния залежи, в частности динамики пластового давления. В данной работе на примере карбонатной залежи Т-Фм-Фр одного нефтяного месторождения, расположенного в Пермском крае в северной части Соликамской депрессии, проведен анализ изменения пластового давления по различным литолого-фациальным зонам с начала ввода скважин в эксплуатацию. Выделенные в результате фациального анализа четыре зоны являются характерными для месторождений, приуроченных к рифовым резервуарам Соликамской депрессии, и характеризуются различным геологическим строением. Принято считать, фильтрационно-емкостные свойства коллектора, запасы месторождения и дебиты скважин могут напрямую зависеть от литолого-фациальной зональности. Так, в результате исследования установлено, что фация верхней части тылового шлейфа рифа характеризуется максимальной величиной накопленной добычи жидкости и лучшими фильтрационно-емкостными свойствами. Однако по величине изменения пластового давления в скважинах, полученного с помощью методов искусственного интеллекта в программе Data Stream Analytics, и при расчете статистических критериев установлено, что особенности фациальной обстановки несущественно влияют на величину изменения пластового давления с начала ввода скважин в эксплуатацию. Рассчитанные критерии подтверждают различную величину накопленной добычи нефти и жидкости по фациям и не являются статистически значимыми для величины изменения пластового давления. Результаты исследования указывают на необходимость учета всех фациальных зон как единого объекта разработки при выборе оптимальной системы поддержания пластового давления и подборе геолого-технологических мероприятий на скважинах
Полный текст
Введение В настоящее время большой объем добычи в Пермском крае приходится на карбонатные залежи, приуроченные к органогенным постройкам. Такие коллекторы чаще всего характеризуются сложным неоднородным строением [1, 2]. Неоднородность обусловлена сложностью диагенетических преобразований, в результате которых можно наблюдать образование сети пор размером от макропор до пор менее 1 мкм [3]. Также различные палеогеоморфологические условия осадконакопления обусловливают разнофациальный характер отложений. Известно, что детализированное изучение фаций горных пород актуально при разбуривании и рациональной разработке залежей углеводородов [4-7]. Фациальная зональность карбонатных рифовых комплексов является важной естественной причиной неоднородности резервуаров [8-10]. Так, авторы работы [11] в результате детального анализа выделенных фаций и петрофизической типизации пород Бангестанской толщи на нефтяном месторождении Ахваз определили три фации с более высоким «качеством» коллектора и, соответственно, более высокими значениями фильтрационно-емкостных характеристик. В работе Carrasquilla и др. [12] отмечена важность комплексирования результатов фациального анализа различными методами и интегрирование полученных данных с помощью искусственного интеллекта для более точной оценки потенциала карбонатного коллектора в бассейне Кампус, Юго-Восточная Бразилия. Kakemema и др. [13] на основе петрофизических свойств, характеристик осадочных фаций и их диагенетических модификаций удалось идентифицировать пять единиц гидравлического потока с наилучшими значениями пористости, проницаемости и пропускной способности в триасовом карбонатном коллекторе на месторождении Южный Парс, бассейн Персидского залива. В работе [14] на примере месторождения Пермского края, приуроченного к рифовому карбонатному резервуару, отмечается, что в различных литолого-фациальных зонах вторичные преобразования пород происходят по-разному. Следовательно, фильтрационно-емкостные свойства коллектора, запасы месторождения, дебиты скважин и накопленная добыча нефти могут напрямую зависеть от литолого-фациальной зональности (ЛФЗ) [1, 15-17]. Неоднородность свойств карбонатных коллекторов как по вертикали, так и по латерали, фациальная изменчивость, сложная структура пор и различные фильтрационно-емкостные характеристики обусловливают необходимость постоянного мониторинга энергетического состояния залежи, в частности динамики пластового давления. Целью данного исследования является анализ изменения пластового давления в скважинах с момента их ввода в эксплуатацию по различным ЛФЗ Т-Фм-Фр объекта разработки одного из нефтяных месторождений севера Пермского края. Объект исследования Объектом исследования является залежь Т-Фм-Фр одного нефтяного месторождения, которое расположено в Пермском крае в северной части Соликамской депрессии. Соликамская депрессия, в свою очередь, расположена в области распространения единого крупного Камско-Кинельского прогиба с широким развитием рифовых построек позднедевонского Рис. 1. Литолого-фациальная схема исследуемого месторождения: 1 - добывающая скважина; 2 - нагнетательная скважина; 3 - внешний контур нефтеносности; 4 - фациальная зона нижней части тылового шлейфа рифа; 5 - фациальная зона верхней части тылового шлейфа рифа; 6 - фациальная зона биогермного ядра; 7 - фациальная зона склона рифа Рис. 2. График накопленной добычи жидкости по ЛФЗ с начала разработки месторождения возраста, местоположение которых контролируется различными тектоническими блоками. Исследуемая залежь Т-Фм-Фр приурочена к рифовому карбонатному массиву. Коллектор представлен известняками биоморфно-детритовыми и водорослево-комковатыми, вверху кавернозными и кавернозно-пористыми, ниже - с кавернами и секущими трещинами, в том числе с битумом. В результате фациального анализа в пределах месторождения выделено четыре ЛФЗ [18, 19], характеризующих развитие органогенно-карбонатной постройки: биогермное ядро (БЯ), верхняя и нижняя части тылового шлейфа рифа (ВШ и НШ), склон рифа (рис. 1). Данные ЛФЗ являются характерными для месторождений северной части Соликамской депрессии [20, 21]. Выделение данных зон обусловлено определенными условиями осадконакопления. Фациальные зоны характеризуются различным литологическим составом, типом коллектора и, как следствие, различными фильтрационно-емкостными характеристиками и величиной накопленной добычи жидкости (НДЖ) (рис. 2). Данная дифференциация по накопленной добыче жидкости может быть обусловлена различным фондом добывающих и нагнетательных скважин, геолого-технологическими условиями разработки, темпами разбуривания, типом вскрываемого коллектора, а также эффективностью применяемой системы поддержания пластового давления (ППД). Данные фонда скважин и средние значения фильтрационно-емкостных характеристик по ЛФЗ приведены в табл. 1. Фильтрационно-емкостные характеристики Т-Фм-Фр объекта разработки (kпр - коэффициент проницаемости зоны дренирования пласта, Кп - коэффициент пористости) приведены по результатам гидродинамических исследований скважин. Анализ изменения пластового давления по ЛФЗ в процессе разработки залежи Пластовое давление (Рпл) является важнейшим параметром при мониторинге энергетического состояния залежи [22]. По величине пластового давления осуществляется прогноз добычи углеводородов, моделирование разработки в целом, а также производительность скважин. Чаще всего величина пластового давления определяется в результате гидродинамических исследований скважин (ГДИ). Но для проведения ГДИ требуется продолжительная остановка скважины, что зачастую приводит к недоборам жидкости [23-25]. В связи с этим в последнее время возникает потребность в создании косвенных методов определения пластового давления, исключающих технологический этап продолжительной остановки скважин [26, 27]. К таким методам можно отнести определение пластового давления на этапе бурения или ремонта скважины [28], определение Рпл с помощью модификации метода материального баланса, используемого при подсчете запасов [29, 30]. Комплексирование накопленных данных эксплуатации скважин и применение определенных методов математической и статистической обработки также относится к косвенным методам определения пластового давления без остановки скважины на ГДИ [31-38]. С появлением искусственного интеллекта (ИИ) в нефтяной промышленности наблюдается рост его использования в разведке, разработке и добыче для сокращения затрат и времени на принятие решений [39, 40]. В частности, новым направлением принято считать применение машинного обучения и ИИ при оценке энергетического состояния залежи [41]. В данной работе использованы величины пластового давления, рассчитанные с помощью методов искусственного интеллекта [23, 41]. Методика определения Рпл реализована в программном продукте Data Stream Analytics (DSA) (модуль «Оценка и прогноз энергетического состояния залежи») [42, 43]. Благодаря данной программе при наличии минимального набора фактических исходных параметров возможно получить достоверные значения пластового давления по каждой скважине в различные периоды разработки залежи. График прогноза Рпл в программе DSA по одной из добывающих скважин исследуемого месторождения представлен на рис. 3. Как видно на рис. 3, расчетное пластовое давление характеризуется высокой степенью корреляции (r = 0,89) с точечными замерами при остановке скважины на ГДИ. Соответственно, на основе рассчитанных значений можно проводить анализ энергетического состояния залежи в различные периоды разработки. Программа также позволяет осуществлять расчет значений пластового давления на перспективный период. В целях анализа изменения пластового давления в процессе разработки залежи по различным ЛФЗ создана единая база данных по исследуемому месторождению, содержащая накопленную добычу жидкости (НДЖ) и нефти (НДН) с начала эксплуатации Таблица 1 Данные фонда скважин по ЛФЗ и средние значение фильтрационно-емкостных характеристик ЛФЗ Количество добывающих скважин, ед. Количество нагнетательных скважин, ед. kпр, мД Кп, % БЯ 12 2 8,54 7,92 ВШ 18 4 73,5 9,3 НШ 21 7 41,3 8,91 Склон рифа 10 6 6,7 9,71 Рис. 3. Пример расчета Рпл скв. №460. Объект Т-Фм-Фр скважины и изменение пластового давления с момента запуска скважины (∆Рпл). На рис. 4 приведены гистограммы распределения исследуемых параметров и статистические характеристики по ЛФЗ. Анализируя рис. 2, 4 (а) установлено, что фация верхней части тылового шлейфа рифа (ЛФЗ 2) характеризуется максимальным показателем накопленной добычи жидкости. Коллектор представлен известняками серыми, желтовато- и темно-серыми, сгустково-детритовыми и комковатыми, кавернозно-пористыми, с тонкими протяженными трещинками. Благодаря палеокарстовому выщелачиванию в породах данной ЛФЗ образуются вертикальные участки развития каверн, переходящих в извилистые субвертикальные полости [21]. Средние коэффициенты пористости и проницаемости по фации равны 9,3 % и 75,3 мД соответственно. Стоит отметить, что коллектор данной ЛФЗ отличается максимальным средним значением kпр, мД. Изменение пластового давления во всех ЛФЗ характеризуется нормальным распределением и примерно одинаковым средним значением. Из всех ЛФЗ выделяется фация склона рифа, где диапазон изменения пластового давления варьируется от -5 и до 5 МПа, что говорит о значительной величине компенсации пластового давления благодаря системе ППД. После анализа и комплексирования накопленных данных в программе STATISTICA [44, 45] выполнялся анализ по параметрическому t-критерию Стьюдента и непараметрическому U-критерию Манна - Уитни. t-критерий Стьюдента обычно используется для определения статистической значимости различий средних величин и может применяться как в случаях сравнения независимых выборок, так и при сравнении связанных совокупностей. Чем больше значение t-критерия, тем с большей уверенностью мы можем утверждать, что средние величины изменения пластового давления по ЛФЗ различны. а б в Рис. 4. Гистограммы распределения: а - НДЖ и статистические характеристики по литолого-фациальным зонам; б - НДН и статистические характеристики по литолого-фациальным зонам; в - ∆Рпл и статистические характеристики по литолого-фациальным зонам; 1 - биогермное ядро; 2 - верхняя часть тылового шлейфа рифа; 3 - нижняя часть тылового шлейфа рифа; 4 - склон рифа Так как формула расчета t-критерия включает в себя средние значения, то в некоторых случаях (при наличии большого числа выбросов в выборках) данный критерий может давать некорректные значения. Поэтому в данной работе дополнительно произведены расчеты непараметрического U-критерия Манна - Уитни. При вычислении U-критерия Манна - Уитни каждому значению от меньшего к большему в обеих выборках присваивался ранг. Далее определялось то, насколько мала зона перекрещивающихся значений Таблица 2 Результаты анализа по статистическим критериям Параметр Кол-во скважин Ср. знач. параметра Статистическая характеристика t-критерий p-уровень значимости U-критерий p-уровень значимости Ф1 Ф2 Ф1 Ф2 Ф1-Ф2 ∆Рпл, МПа 12 18 3,02 2,6 0,64 0,53 0,14 0,88 НДЖ, т 49552,90 180757,2 -2,48 0,02 -2,31 0,02 НДН, т 43933,14 143445,7 -2,23 0,04 -2,31 0,02 Ф2 Ф3 Ф2 Ф3 Ф2-Ф3 ∆Рпл, МПа 18 24 2,6 1,97 1,29 0,2 1,35 0,17 НДЖ, т 180757,2 94167,06 2,07 0,04 1,74 0,08 НДН,т 143445,7 60497,07 2,47 0,02 1,69 0,09 Ф3 Ф4 Ф3 Ф4 Ф3-Ф4 ∆Рпл, МПа 24 10 1,97 1,3 0,83 0,41 0,04 0,96 НДЖ, т 94167,06 153777,1 -1,47 0,15 -1,11 0,26 НДН, т 60497,07 86025,4 -1,27 0,21 -1,15 0,25 Ф1 Ф4 Ф1 Ф4 Ф1-Ф4 ∆Рпл, МПа 12 10 3,02 1,3 1,66 0,11 0,76 0,45 НДЖ, т 49552,90 153777,1 -2,33 0,03 -2,07 0,04 НДН, т 43933,14 86025,4 -1,71 0,1 -1,68 0,09 Примечание: красным выделены статистически значимые (различные) показатели. между двумя вариационными рядами. Чем меньше значение критерия, тем вероятнее, что различия между значениями параметра в выборках достоверны. Также для проверки гипотезы о том, что ∆Рпл различно по ЛФЗ, для всех критериев определен p-уровень значимости при сравнении средних значений исследуемых показателей. Значение p-уровня больше 5 % свидетельствует о том, что значимых различий среди двух выборок по ЛФЗ не обнаружено. Результаты сравнения средних значений исследуемых параметров в выборках по ЛФЗ, выполненного по t-критерию Стьюдента и U-критерию Манна - Уитни приведены в табл. 2. Исследуемые литолого-фациальные зоны в результате попарного корреляционного анализа характеризуются статистически значимым t-критерием Стьюдента по параметрам накопленной добычи жидкости (НДЖ) и накопленной добычи нефти (НДН) с начала эксплуатации. U-критерий Манна - Уитни также показывает статистически значимые различия между ЛФЗ по данным параметрам. При этом в результате сравнения средних значений в выборках по ЛФЗ 3 и 4 выявлено, что все исследуемые параметры не являются статистически различными. Параметр ∆Рпл не является статистически значимым при определении обоих критериев и свидетельствует, что во всех ЛФЗ выработка запасов нефти характеризуется примерно одинаковым изменением пластового давления с начала ввода в эксплуатацию скважины. Заключение Настоящая статья посвящена статистическому анализу величины изменения пластового давления с начала эксплуатации скважин по выделенным в результате литолого-фациального анализа зонам. Для решения поставленной задачи были использованы величины ∆Рпл, рассчитанные с помощью методов искусственного интеллекта в программе Data Stream Analytics (модуль «Оценка и прогноз энергетического состояния залежи»). Для сравнения средней величины ∆Рпл по литолого-фациальным зонам в программе STATISTICA выполнялся расчет параметрического t-критерия Стьюдента и непараметрического U-критерия Манна - Уитни. В результате выполненного анализа установлено, что особенности фациальной обстановки несущественно влияют на величину изменения пластового давления в условиях сложнопостроенного карбонатного коллектора, приуроченного к рифовому резервуару. В дальнейшем, при подборе системы ППД, рационально рассматривать все фациальные зоны в совокупности, как единый объект разработки.Об авторах
П. О. Чалова
Пермский национальный исследовательский политехнический университет
Список литературы
- Мартюшев, Д.А. Изучение закономерностей распределения фильтрационных свойств в пределах сложнопостроенных карбонатных резервуаров / Д.А. Мартюшев, В.И. Галкин, И.Н. Пономарева // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2021. - Т. 332. - № 11. - С. 117-126. doi: 10.18799/24131830/2021/11/3069
- Study of void spacestructure and its influence on carbonate reservoir properties: X-ray microtomography, electron microscopy, and well testing / D.A. Martyushev, I.N. Ponomareva, A.S. Chukhlov, S. Davoodi, B.M. Osovetsky, K.P. Kazymov, Y. Yang // Mar.Pet. Geol. - 2023. - № 151. - P. 106192. doi: 10.1016/j.marpetgeo.2023.106192
- Hosa, A. Order of diagenetic events controls evolution of porosity and permeability in carbonates / A. Hosa, R. Wood // Sedimentology. - 2020. - № 67. - P. 3042-3054. doi: 10.1111/sed.12733
- Белозеров, В.Б. Роль фациального анализа в эффективности разработки залежей углеводородов / В.Б. Белозеров, М.О. Коровин // Газовая промышленность. - 2017. - № 7(755). - С. 18-23.
- Estimation of porosity and facies distribution through seismic inversion in an unconventional tight sandstone reservoir of Hangjinqi area, Ordos basin / U. Ashraf, A. Anees, W.Z. Shi, R. Wang, M. Ali, R. Jiang, H.V. Thanh, I. Iqbal, X.N. Zhang, H.C. Zhang // Front. Earth Sci. - 2022. - № 10. - P. 1014052. doi: 10.3389/feart.2022.1014052
- Sedimentary FaciesControls for Reservoir Quality Prediction of Lower Shihezi Member-1 of the Hangjinqi Area / A. Anees, H. Zhang, U. Ashraf, R. Wang, K. Liu, A. Abbas, Z. Ullah, X. Zhang, L. Duan, F. Liu [et al.] // Ordos Basin. Minerals. - 2022. - № 12 (2). - P. 126. doi: 10.3390/min12020126
- Classification of rock facies using deep convolutional neural network / M. Soleimani, M. Riahi, M. Bagheri, M. Rahimi. - 2023. doi: 10.21203/rs.3.rs-3046109/v1.
- Черепанов, С.С. Исследование и совершенствование методов оценки трещиноватости карбонатных коллекторов (на примере турне-фаменских отложений соликамской депрессии): специальность 25.00.12 "Геология, поиски и разведка нефтяных и газовых месторождений": дис. … канд. техн. наук / С. С. Черепанов. - Пермь, 2016. - 111 с.
- Flügel, E. Microfacies of carbonate rocks: analysis, interpretation and application / E. Flügel, A. Munnecke. - Berlin: Springer, 2010. - Т. 976. - С. 2004.
- Electrofacies modeling as a powerful tool for evaluation of heterogeneities in carbonate reservoirs: A case from the Oligo-Miocene Asmari Formation (Dezful Embayment, southwest of Iran) / E. Khazaie, Y. Noorian, R. Moussavi-Harami [et al.] // Journal of African Earth Sciences. - 2022. - Vol. 195. - P. 104676. doi: 10.1016/j.jafrearsci.2022.104676
- Role of facies cycles on the mid-upper Cretaceous Bangestan Reservoir rock typing in the Zagros Basin / M. Khoshnoodkia, A. Mirzaei-Paiaman, O. Rahmani, M. Hossein Adabi // Marine and Petroleum Geology. - 2023. - Vol. 148 (2). - P. 106056. doi: 10.1016/j.marpetgeo.2022.106056
- Carrasquilla, A. Using facies, data mining and artificial intelligence concepts in the evaluation of a carbonate reservoir in Campos basin, Southeastern Brazil / A. Carrasquilla, M. Tavares, N. Franco Filho // Journal of South American Earth Sciences. - 2022. - Vol. 120. - P. 104059. doi: 10.1016/j.jsames.2022.104059
- Facies, sequence framework, and reservoir quality along a Triassic carbonate ramp: Kangan Formation, South Pars Field, Persian Gulf Superbasin / U. Kakemem, A. Jafarian, A. Husinec [et al.] // Journal of Petroleum Science and Engineering. - 2021. - Vol. 198. - P. 108166. doi: 10.1016/j.petrol.2020.108166
- Evaluation of facies heterogeneity in reef carbonate reservoirs: A case study from the oil field, Perm Krai, Central-Eastern Russia / Dmitriy A. Martyushev, Polina O. Chalova, Shadfar Davoodi, Umar Ashraf // Geoenergy Science and Engineering. - 2023. - Vol. 227. - P. 211814. doi: 10.1016/j.geoen.2023.211814
- Козлова, И.А. Использование методов литолого-фациального анализа для уточнения геологического строения карбонатных залежей месторождений Соликамской депрессии / И.А. Козлова, И.С. Путилов, Н.А. Филькина // Нефтепромысловое дело. - 2010. - № 7. - С. 32-36.
- Лузина, Д.В. Анализ фациальных зон и коллекторских свойств турнейско-фаменских рифогенных построек Соликамской депрессии / Д.В. Лузина, С.Н. Кривощеков // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2012. - Т. 11, № 5. - С. 7-15.
- Facies analysis, diagenesis and sequence stratigraphy of the carbonate-evaporite succession of the Upper Jurassic Surmeh Formation: Impacts on reservoir quality (Salman Oil Field, Persian Gulf, Iran) / M. Beigi, A. Jafarian, M. Javanbakht [et al.] // Journal of African Earth Sciences. - 2017. - Vol. 129. - P. 179-194. doi: 10.1016/j.jafrearsci.2017.01.005
- Путилов, И.С. Статистический подход к прогнозированию фаций по данным керна и ГИС / И.С. Путилов, Н.А. Филькина // Известия высших учебных заведений. Нефть и газ. - 2010. - № 2. - С. 19-23.
- 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.
- Вилесов, А.П. Фациальная природа коллекторов верхнедевонских рифогенных массивов северо-восточной части Березниковского палеоплато / А.П. Вилесов, В.Л. Воеводкин, Э.К. Сташкова // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2005. - № 3-4. - С. 81-86.
- Лядова, Н.А. Геология и разработка нефтяных и газовых месторождений Пермского края / Н.А. Лядова, Ю.А. Яковлев, А.В. Распопов. - М.: ВНИИОЭНГ, 2010. - 335 с.
- Харисов, М.Н. Алгоритм косвенного определения пластового давления с использованием методов Data Mining / М.Н. Харисов, Э.А. Юнусова, Р.А. Майский // Проблемы сбора, подготовки и транспорта нефти и нефтепродуктов. - 2018. - № 3(113). - С. 40-48.
- Захаров, Л.А. Прогнозирование динамического пластового давления методами искусственного интеллекта / Л.А. Захаров, Д.А. Мартюшев, И.Н. Пономарева // Записки Горного института. - 2022. - Т. 253. - С. 23-32. doi: 10.31897/PMI.2022.11
- Оптимизация проведения гидродинамических исследований скважин в условиях карбонатного коллектора / А.Е. Давыдова, А.А. Щуренко, Н.М. Дадакин [и др.] // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. - 2018. - Т. 17, № 2. - С. 123-135. doi: 10.15593/2224-9923/2018.2.3
- Пономарева, И.Н. Оценка оптимальной продолжительности проведения гидродинамических исследований низкопродуктивных скважин на примере Озерного месторождения / И.Н. Пономарева, Д.А. Мартюшев, М.И. Ахметова // Нефтяное хозяйство. - 2016. - № 1. - С. 60-63.
- Шакиров, А.А. Определение пластового давления аппаратурой АГИП-К по технологии многоциклового зондирования / А.А. Шакиров // Каротажник. - 2017. - № 3 (273). - С. 62-66.
- Pore-throat structure characteristics and its impact on the porosity and permeability relationship of Carboniferous carbonate reservoirs in eastern edge of Pre-Caspian Basin / Li Weiqiang, Mu Longxin, Zhao Lun [et al.] // Petroleum Exploration and Development. - 2020. - Vol. 47, iss. 5. - P. 1027-1041. doi: 10.1016/S1876-3804(20)60114-8
- Oloruntobi, O. Energy-based formation pressure prediction / O. Oloruntobi, S. Butt // Journal of Petroleum Science and Engineering. - 2019. - № 173. - P. 955-964. doi: 10.1016/j.petrol.2018.10.060
- Adel, M. Salem. Determination of Average Reservoir Pressure using Pressure buildup Test: Analytical and Simulation Approach for Egyptian Oil Fields / M. Adel // Journal of Petroleum and Mining Engineering. - 2019. - Vol. 21, iss. 1. - P. 9-16. doi: 10.21608/JPME.2020.73176
- Reservoir pressure prediction of gas condensate reservoir with oil rim / A. Zhang, Z. Fan, H. Song, H. Zhang // Journal of China University of Petroleum (Edition of Natural Science). - 2014. - Vol. 38(5). - P. 124-129. doi: 10.3969/j.issn.1673-5005.2014.05.017
- Галкин, В.И. Прогноз пластового давления и исследование его поведения при разработке нефтяных месторождений на основе построения многоуровневых многомерных вероятностно-статистических моделей / В.И. Галкин, И.Н. Пономарева, Д.А. Мартюшев // Георесурсы. - 2021. - Т. 23, № 3. - С. 73-82. doi: 10.18599/grs.2021.3.10
- Анализ результатов косвенного определения пластового давления по изменению режимов работы скважин с использованием генетического алгоритма / В.А. Грищенко, М.Н. Харисов, Р.Ф. Якупов, В.Ш. Мухаметшин, Т.Р. Вафин // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2021. - № 8 (356). - С. 36-41.
- Косвенные способы оценки текущего пластового давления в скважине для использования при построении интегрированных моделей месторождений / Т.С. Ладейщикова, В.А. Волков, Н.Н. Собянин, А.В. Митрошин // Нефтепромысловое дело. - 2021. - № 7 (631). - С. 39-45. doi: 10.33285/0207-2351-2021-7(631)-39-45
- Ponomareva, I.N. A new approach to predict the formation pressure using multiple regression analysis: Case study from Sukharev oil field reservoir - Russia / I.N. Ponomareva, D.A. Martyushev, S. Kumar Govindarajan // Journal of King Saud University. Engineering Sciences. - 2022. doi: 10.1016/j.jksues.2022.03.005
- Akinbinu, V.A. Prediction of fracture gradient from formation pressures and depth using correlation and stepwise multiple regression techniques / V.A. Akinbinu // Journal of Petroleum Science and Engineering. - 2010. - Vol. 72(1-2). - P. 10-17. doi: 10.1016/j.petrol.2010.02.003
- Escobar, F.H. Pressure transient analysis for long homogeneous reservoirs using TDS technique / F.H. Escobar, Y.A. Hernandez, C.M. Hernandez // Journal of Petroleum Science and Engineering. - 2007. - Vol. 58(1-2). - P. 68-82. doi: 10.1016/j.petrol.2006.11.010
- A dynamic prediction model of reservoir pressure considering stress sensitivity and variable production / P. Zong, H. Xu, D. Tang, T. Zhao // Geoenergy Science and Engineering. - 2023. - Vol. 225. - Article 211688. doi: 10.1016/j.geoen.2023.211688
- A new empirical model for enhancing well log permeability prediction, using nonlinear regression method: Case study from Hassi-Berkine oil field reservoir - Algeria / H.E. Belhouchet, M.S. Benzagouta, A. Dobbi, A. Alquraishic, J. Duplay // Journal of King Saud University - Engineering Sciences. - 2021. - Vol. 33, iss. 2. - P. 136-145. doi: 10.1016/j.jksues.2020.04.008
- Application of supervised machine learning paradigms in the prediction of petroleum reservoir properties: Comparative analysis of ANN and SVM models / Daniel Asante Otchere, Tarek Omar Arbi Ganata, Raoof Gholami, Syahrir Ridha // Journal of Petroleum Science and Engineering. - 2020. - 108182. doi: 10.1016/j.petrol.2020.108182
- Shahab, D. Mohaghegh Subsurface analytics: Contribution of artificial intelligence and machine learning to reservoir engineering, reservoir modeling, and reservoir management / D. Shahab // Petroleum Exploration and Development. - 2020. - Vol. 47, iss. 2. - P. 225-228. doi: 10.1016/S1876-3804(20)60041-6
- Применение машинного обучения для прогнозирования пластового давления при разработке нефтяных месторождений / Д.А. Мартюшев, И.Н. Пономарева, Л.А. Захаров, Т.А. Шадров // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2021. - Т. 332, № 10. - С. 140-149. doi: 10.18799/24131830/2021/10/3401
- Свидетельство о государственной регистрации программы для ЭВМ № 2023614383 Российская Федерация. "Сервис автоматизации процессов гидродинамического моделирования и контроля разработки нефтяных месторождений Data Stream Analytics (Модуль Оценка и прогноз энергетического состояния залежи)" / Д.А. Мартюшев, И.Н. Пономарева, Т.А. Шадров, Р.А. Хайтин; заявитель Федеральное государственное автономное образовательное учреждение высшего образования "Пермский национальный исследовательский политехнический университет". - № 2023613550; заявл. 01.03.2023; опубл. 01.03.2023.
- Опыт применения аналитических методов определения пластового давления / Е.А. Кузнецова, С.Е. Никулин, А.В. Шилов, М.А. Филатов // Нефтепромысловое дело. - 2023. - № 6(654). - С. 12-16. doi: 10.33285/0207-2351-2023-6(654)-12-16
- Халафян, А.А. STATISTICA 6. Статистический анализ данных / А.А. Халафян. - 3-е изд. - М.:ООО "Бином-Пресс", 2007. - 512 с.
- Девис, Дж. Статистика и анализ геологических данных / Дж. Девис. - М.: Мир, 1977. - 353 с.
Статистика
Просмотры
Аннотация - 3
PDF (Russian) - 3
PDF (English) - 2
Ссылки
- Ссылки не определены.