Содержание к диссертации
Введение
Глава 1. Обзор и анализ методов и средств оптимизации режимов работы каротажных станций 9
1.1 Буровая скважина как объект геофизических исследований 9
1.2 Задачи оптимизации геофизических исследований скважин (ГИС) 14
1.3 Аналитический обзор современных автоматизированных систем, методов и средств идентификации состояния буровой скважины 17
1.4 Анализ эффективности ГИС 24
1.5 Определение целевой функции и критериев оценки эффективности ГИС 27
1.6 Постановка задач 30
Выводы по главе 1 31
Глава 2. Разработка модели системы многофакторной динамической опти мизации режимов регистрации и идентификации буровой скважины 33
2.1 Анализ сложности идентификации буровой скважины 33
2.2 Репрезентативность данных как фактор качества идентификации состояния буровой скважины 40
2.3 Построение структуры концептуальной модели динамической оптимизации режимов регистрации и идентификации буровой скважины 41
2.4 Выбор оптимальной скорости движения зонда 44
2.5 Определение параметров сбора и регистрации данных 46
2.6 Выбор метода идентификации состояния объекта 47
2.7 Имитационная модель системы многофакторной динамической оптимизации режимов регистрации и идентификации состояния скважины . 47
Выводы по главе 2 52
Глава 3. Исследование модели системы многофакторной динамической оптимизации режимов регистрации и идентификации буровой скважины 53
3.1 Планирование вычислительного эксперимента для исследования модели 53
3.2 Особенности разработки алгоритмического и программного обеспечения исследования модели 55
3.2.1 Алгоритм генерации временных рядов сигналов с заданными статистическими характеристиками на основе знаковой корреляции 55
3.2.2 Алгоритм геометрической передискретизации временных рядов 60
3.2.3 Разработка алгоритма поиска оптимального режима 62
3.3 Результаты исследования модели оптимизации режимов ГИС 65
Выводы по главе 3 73
Глава 4. Разработка методов оптимизации режимов ГИС при идентификации пластов буровой скважины 75
4.1 Особенности задачи идентификации пластов при исследовании состояния буровой скважины 75
4.2 Оптимизации режимов ГИС при идентификации пластов методом Байеса 80
4.3 Контроль и прогнозирование характеристик магнитной метки каротажного кабеля на основе методов цифровой обработки сигналов 86
4.4 Разработка программного обеспечения для оптимизации режимов ГИС 95
4.5 Оценки технической и экономической эффективности идентификации пластов 98
Выводы по главе 4 104
Заключение 105
Список использованных источников 109
Приложения
- Буровая скважина как объект геофизических исследований
- Репрезентативность данных как фактор качества идентификации состояния буровой скважины
- Планирование вычислительного эксперимента для исследования модели
- Особенности задачи идентификации пластов при исследовании состояния буровой скважины
Введение к работе
Актуальность темы Одним из основных факторов повышения эффективности геофизических исследований скважин (ГИС) является сокращение временных затрат на проведение подготовительных работ в производственных цехах, каротажных работ на скважине в полевых условиях и работ по обработке данных в подразделениях интерпретации результатов Производительность работ на каждом участке в свою очередь определяется эффективностью используемых методов организационного управления ГИС и степенью автоматизации технологических операций Особую актуальность проблема автоматизации ГИС приобретает в настоящее время в связи с усложнением геофизических задач, возросшими требованиями к качеству результатов обработки данных, большими материальными затратами на проведение работ Одной из основных особенностей решения задач автоматизации ГИС является поиск технических решений, позволяющих повысить производительность работ при сохранении требуемых оценок качества технологического состояния буровых скважин
Вопросам автоматизации ГИС и интерпретации результатов посвящен обширный перечень работ, к которым можно отнести научные труды Мираджанзаде А X, Алиева Т М , Деркача А С , Давыдова А В , Кожевникова Д А , Хургина Я И , Урманова Э Г, Итенберга С С Большое внимание оценке состояния сложных объектов уделено в работах Клира Дж, Горелика А Л , Скрипкина В А, Фукунаги К и других ученых В настоящее время для автоматизации ГИС широко используются аппаратно-программные комплексы российских и зарубежных фирм, таких, как НПЦ «Тверьгеофизика», ООО «Оренбурггеофизика», ЗАО НПФ «Элеком», НПЦ «Союзпромгеофизика»
Анализ современных публикаций по автоматизации ГИС и технико-экономических характеристик используемого оборудования показал, что, несмотря на значительные достижения в этой области, имеются еще большие резервы в оптимизации технологических процессов исследования буровых скважин Это относится, в первую очередь, к задачам оптимального использования технических и трудовых ресурсов с учетом специфики каждой скважины, в частности сложности ее как объекта исследования, проявляющейся в особенностях литологического расположения геологических пластов, в распределении геомагнитного фона, в топологических параметрах и других характеристиках Вопросы построения адаптивных систем автоматизации ГИС, направленные на использование этих резервов, на сегодняшний день не нашли должного отражения в перечисленных научных работах и технических разработках, а именно
— известные математические модели систем автоматизации и алгоритмы
управления процессами сбора, регистрации и обработки данных не позволяют
оперативно оценивать качество идентификации состояния скважины и не
учитывают возможность многофакторной оптимизации технологических
режимов каротажных станций за счет рационального выбора скорости
перемещения скважинного прибора (каротажного зонда), режимов
регистрации данных и средств интерпретации результатов,
- в перечне технологических инструкций по ГИС практически отсутствуют
прикладные методы мониторинга состояния намагниченности каротажного
кабеля, оперативного выбора режимов работы спуско-подъемного
оборудования, средств регистрации и интерпретации результатов
непосредственно на буровой скважине
Настоящая работа выполнена в рамках г/б НИР № 01990000102 «Исследование и разработка унифицированных методов и средств вычислительной техники для спектральной диагностики сложных объектов» ГОУ В ПО «Оренбургский государственный университет»
Цель работы: повышение эффективности ГИС на основе новых методов и средств оптимизации режимов работы каротажных станций
Задачи исследований-
обзор и анализ современных методов и средств проведения ГИС,
определение целевой функции и обобщенного критерия оценки эффективности ГИС,
разработка и исследование модели системы многофакторной динамической оптимизации режимов регистрации и идентификации буровой скважины как протяженного объекта,
разработка алгоритма и программы динамической оптимизации режимов работы каротажной станции при идентификации геологических пластов буровой скважины,
разработка алгоритма, программы и метода мониторинга характеристик магнитной метки каротажного кабеля на основе цифровой обработки сигналов
Методы исследований. Использованы методы теории вероятности, математической статистики, теории оптимизации, теории игр, распознавания образов Научную новизну составляют:
модель и алгоритм системы многофакторной динамической оптимизации режимов работы каротажной станции, позволяющие выбирать скорость перемещения скважинного прибора, режим регистрации данных и метод идентификации состояния скважины непосредственно в процессе про-ведения исследований на основе оценки сложности идентификации объекта,
параметр надежности оценок распознавания образов, предназначенный для оценки достоверности идентификации состояния скважины и характеризующий сложность идентификации объекта,
метод выбора оптимальной скорости скважинного прибора и режима регистрации данных при идентификации геологических пластов,
метод мониторинга характеристик магнитной метки каротажного кабеля, позволяющий определять рациональные сроки его перемагничивания Практическая значимость и реализация результатов работы.
Модель и алгоритм динамической оптимизации режимов, кроме буровых скважин, могут быть использованы при исследовании широкого класса протяженных объектов, к которому относятся дорожное покрытие, магистральные трубопроводы и другие объекты
Разработанное программное обеспечение передано для внедрения в Отрадненский филиал ООО «А Д Д Сервис», используется в учебном процессе ГОУ ВПО «Оренбургский государственный университет»
Новизна программных разработок подтверждается свидетельствами о
регистрации программных средств в отраслевом фонде алгоритмов и программ
Апробация результатов. Основные положения и результаты работы докладывались и были одобрены на III, IV и V всероссийских научно-практических конференциях (с международным участием) «Современные информационные технологии в науке, образовании и практике» (Оренбург, 2004, 2005 и 2006 г), всероссийской межвузовской научно-практической конференции «Компьютерные технологии в науке, практике и образовании» (Самара, 2005), международной научно-технической конференции «Информационные технологии в науке, образовании и производстве (ИТНОП)» (Орел, 2006)
Основные положения диссертационной работы отражены в 10 публикациях, из которых 8 статей и 2 свидетельства на программные средства Положения, выносимые на защиту:
модель и алгоритм многофакторной динамической оптимизации режимов регистрации и идентификации буровой скважины,
метод оценки сложности идентификации объектов по параметру надежности оценок распознавания образов,
алгоритм идентификации геологических пластов буровой скважины,
алгоритм и метод мониторинга состояния намагниченности каротажного кабеля
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка использованных источников и приложений Работа изложена на 152 страницах, в том числе основной текст на 108 страницах, 7 таблиц, 35 рисунков, список использованных источников из 159 наименований на 15 страницах, приложения на 29 страницах Приложения содержат листинги программ, акты внедрения результатов работ
Буровая скважина как объект геофизических исследований
Объектом исследования в работе являются системы автоматизации ГИС. Предметом исследования являются модели, режимы работы систем автоматизации ГИС, методы и средства оптимизации.
Буровая скважина является важнейшим источником информации о строении недр и местонахождении полезных ископаемых, служит для добычи нефти и газа, решения задач гидрогеологии, инженерной геологии и для других целей. Глубина скважины может быть от нескольких метров до 9 и более километров при диаметре в 75-300 мм.
Геофизические исследования являются необходимым и ответственным этапом работ при определении состояния скважины, требующие больших материальных и временных затрат. Состояние скважины определяется расположением геологических пластов, радиационным фоном, степенью загазованности, увлажнения и т.д. В общем случае ГИС включают измерение, передачу, регистрацию и предварительную обработку полученных данных и отличаются по целям и задачам проведения (см. рис. 1.1).
Для автоматизированного выполнения ГИС используются каротажные станции (см. рис. 1.2). Режим работы каротажной станции определяется совокупностью параметров составляющего оборудования и аппаратуры, в частности скважинного прибора и средств сбора и обработки данных, при которых осуществляются геофизические исследования. Существующие на настоящий момент требования, инструкции и правила проведения ГИС, описанные в работах [56,100,120], отражают разделение режимов работы на общие и детальные, отличающиеся скоростью движения каротажного зонда. Особенностью режима работы каротажной станции является то, что параметры
функционирования оборудования и аппаратуры, такие как скорость движения скважинного прибора, период проводимых замеров по времени и глубине, выдерживаются в процессе исследования всей скважины. Результатом измерений являются каротажные диаграммы, по которым осуществляется идентификация состояния скважины - определение исследуемых параметров: распределения геологических пластов, наличия или отсутствия флюидов и т.д.
Характеристикой качества ГИС является достоверность их результатов. Понятие достоверности трактуется как уверенность в правильности оценки вероятности наступления того или иного события [19]. На достоверность результатов влияет режим работы каротажной станции, при котором были получены данные, и свойства исследуемой скважины. Так как требованием к результату является заданный уровень достоверности, например 0,9 [56], то он может соответствовать одному из следующих вариантов: 1) оптимальный (равный заданному) уровень достоверности результатов; 2) рассогласование фактического и заданного уровней достоверности результатов не вызывает необходимости в повторных исследованиях; 3) достоверность результатов меньше заданного уровня, поэтому необходимо проведение повторных исследований.
Идентификация состояния скважины производится по результатам геофизических исследований в отделе интерпретации предприятия. При этом нередко возникают случаи, когда результаты не соответствуют поставленным требованиям, что влечет за собой повторные исследования, проведение которых обычно связано с необходимостью более детального исследования отдельных участков скважины.
Буровая скважина является протяженным в пространстве объектом, и для её идентификации необходимо перемещение измерительных устройств, зона измерения которых определяется техническими характеристиками каротажного зонда, а время измерения участка скважины определяется скоростью движения зонда. Особенностями буровой скважины как протяженного объекта являются: - зона измерения в текущий момент времени много меньше общей зоны измерения; - состояние не измеряемой области за время измерения не меняется, т.е. большая инерционность состояний.
Например, на рис. 1.3 представлена схема протяженного объекта, где LEo - длина протяженного объекта, L - ширина протяженного объекта, CJ-CH -участки, LrLN - длины участков, Cei-Ce -i - переходы между участками, Ler LeN.j - длина переходов, Lu - зона текущего измерения, v - скорость движения зонда, L и Ьзонда много меньше LE0.
Репрезентативность данных как фактор качества идентификации состояния буровой скважины
Выборка данных, по которой осуществляется идентификация исследуемого участка скважины, характеризуется количеством измеренных параметров, размером и дискретностью выборки. Для того чтобы по данным выборки можно было уверенно судить об интересующем признаке генеральной совокупности, необходимо, чтобы элементы выборки правильно ее представляли. То есть выборка должна быть репрезентативной. Основными параметрами, характеризующими выборку, являются оценки математического ожидания и среднего квадратичного отклонения. Из теории математической статистики известно выражение, по которому определяется объем репрезентативной выборки [31]: д2 , (2.12) где и - коэффициент, определяемый по таблице интегральной функции Лапласа Ф(и) = (1 - а)12=у12, а - уровень значимости, у - надежность оценки; с - оценка среднего квадратичного отклонения генеральной совокупности; 8 интервал отклонения от среднего.
Характеристикой качества идентификации состояния скважины является достоверность результатов исследований. Точность оценки математического ожидания и среднего квадратичного отклонения характеризуется репрезентативностью выборки. Если учесть, что на достоверность оценки состояния объекта влияет сложность идентификации образов, то для каждого 2 2 U 7 П = метода распознавания образов: где SI - сложность идентификации, п - объем выборки. При использовании экспериментальных данных, для любого метода распознавания можно построить кривые зависимости достоверности от объема выборки п для различных значений сложности идентификации, общий вид которых представлен на рис. 2.3. Форма этих кривых получена в результате проведенного эксперимента.
В результате анализа требований (см. параграф 1.3), предъявленных к автоматизированной системе ГИС, в которой режимы работы оборудования и аппаратуры могут меняться динамически, была разработана концептуальная модель динамической оптимизации режимов регистрации и идентификации состояния буровой скважины [72], структурная схема которой представлена на рис. 2.4. з "з
Входными параметрами модели являются: минимальная допустимая достоверность оценки состояния объекта (D3), требуемая производительность работ (Р3), максимально возможные стоимостные затраты (Z3) на проведение работ по идентификации объекта и минимальная длина регистрируемого участка (hmi„). Выходом модели является скорость v движения зонда относительно объекта, метод идентификации М, дискретность замеров датчиков зонда АҐ и параметры регистрации данных Rr: дискретность At, общее время сбора данных Т, число измерительных каналов к, количество данных N и шаг обработки данных AN. Объект управления - технологический процесс исследования скважины.
Зонд, скорость которого задается соответствующей подсистемой, может находиться под действием возмущений со стороны объекта, для скважины в частности под воздействием электромагнитных полей, перепадов температуры, давления и других факторов. Вектор X определяет перечень регистрируемых параметров объекта. Поток измерительной информации Я определяется перечнем датчиков и режимами работы средств предварительной регистрации данных зонда.
Подсистема регистрации и обработки данных формирует производный информационный пакет файлов F для подсистемы идентификации состояния объекта и оценки сложности идентификации. В основе работы данной подсистемы лежит один из методов распознавания образов в соответствии с объектом и целью распознавания, например, метод эталонов, дихотомический метод [7] или другой. Особенностью данной подсистемы является возможность выдачи помимо результата идентификации состояния объекта (S) сложности идентификации образов (SI) и достоверности оценки состояния объекта (Doc) в зависимости от режимов регистрации, качества исходных данных, полученной меры близости исследуемого сигнала к одному из эталонов и других факторов. В качестве такой оценки могут использоваться коэффициент парной корреляции между исследуемым сигналом и сигналом-эталоном, достоверность распознавания используемого метода, гарантированная для конкретного режима регистрации.
В блоке определения рассогласования производится вычисление разности между заданной и фактической оценками достоверностей распознавания состояния объекта:
Планирование вычислительного эксперимента для исследования модели
Планированию экспериментов посвящен ряд работ [3,99,109,141]. Целью настоящего планирования вычислительного эксперимента является определение перечня параметров и режимов, выбор экспериментальных данных для решения следующих задач исследования модели: 1) определение взаимосвязей достоверности оценки состояния объекта, его сложности идентификации с репрезентативностью данных; 2) определение зависимостей достоверности распознавания образов от надежности оценок распознавания для использования их в имитационной модели; 3) проверка работоспособности алгоритма выбора оптимального режима работы модели для оценки состояния объектов с различной сложностью идентификации.
Для решения первой задачи исследования модели необходимо провести два эксперимента с использованием выбранного метода распознавания образов: а) определить достоверность распознавания состояния объекта от репрезентативности данных при различных значениях сложности идентификации состояния объекта; б) для заданных значений достоверности определить зависимость необходимого объема данных от сложности идентификации состояния объекта. Диапазон изменения объема данных лежит в интервале [1,200], что покрывает возможный разброс объема поступающих данных на подсистему идентификации модели. Оценка достоверности осуществляется по выражению: где M - общее число контрольных образов, N - число правильно распознанных образов.
Общее число контрольных образов при этом должно быть достаточно большим, чтобы оценка достоверности распознавания образов, определяющих состояния объекта, была точна. В работе [152] были исследованы доверительные интервалы для оценок по уровню ошибки. В частности, определены 95%-ные доверительные интервалы оценки вероятности ошибки от количества контрольных образов.
Для количества 1000 контрольных образов при вероятности ошибки 50% отличие достоверности полученной по выражению 3.1 от истинного значения может доходить до 10%. Поэтому количество контрольных образов должно превышать 1000. В качестве исследуемых образов использовано два образа, с различными величинами сложности идентификации. Образы при этом моделируются с использованием генератора случайных чисел.
Для решения второй задачи исследования модели необходимо при использовании образов с произвольной сложностью идентификации провести эксперимент, в результате которого для каждого значения надежности оценок распознавания определить достоверность результатов идентификации. Диапазон изменения надежности оценок распознавания должен покрывать все возможные значения для выбранных методов распознавания образов. Требование к определению достоверности распознавания образов такое же, как и при решении первой задачи исследования модели.
Для решения третьей задачи исследования модели необходимо провести эксперимент с использованием имитационной модели системы многофакторной динамической оптимизации режимов регистрации и идентификации состояния скважины, в котором определить работоспособность алгоритма выбора оптимального режима. Количество эталонных образов, определяющих состояние участка скважины, должно быть сравнимым с количеством образов при решении реальной задачи, например десять. Диапазон изменения сложности идентификации образов должен покрывать все возможные значения. Все параметры (скорость движения зонда, дискретность замеров и т.п.) имитационной модели берутся на основе реальных показателей.
Описанные выше исследования невозможно реализовать без следующего алгоритмического и программного обеспечения: - алгоритм и программа генерации временных рядов с заданными статистическими характеристиками; - алгоритм и программа передискретизации временных рядов; - алгоритм и программа поиска оптимального режима.
Одним из основных вопросов задач технической диагностики является имитация сигналов с заданными статистическими характеристиками. Моделирование случайных процессов описано во многих работах, например, в работах [2,11,31,63,128]. Однако моделированию временных рядов с заданным линейным коэффициентом парной корреляции (К) уделено мало внимания. Основным требованием к синтезируемым рядам является обеспечение заданной степени близости по К. Необходимость в таких рядах возникает при решении задач распознавания образов. Цель данного параграфа - разработать алгоритм генерации временных рядов с заданным К лежащим в диапазоне от -1 до +1.
Особенности задачи идентификации пластов при исследовании состояния буровой скважины
В задачу идентификации пластов входит определение литологических характеристик буровой скважины с привязкой их по глубине. При решении её необходимо для некоторого исходного множества образов Q = {Qi,Q2,..), характеризующего возможные пласты в скважине, заданного множества признаков идентификации Р = {РХ,Р2,...}, по замеренным признакам Pz = {р,г,Р/,...} определить принадлежность исследуемого слоя к одному из образов Q с привязкой границ пластов к глубине скважины.
В модели оптимизации режимов ГИС при идентификации пластов необходимо выполнять требования: 1 распознавание исследуемого пласта должно осуществляться с оценкой достоверности результата; 2)должна быть обеспечена привязка данных по глубине.
Существующие методы ГИС отличаются по измеряемым физическим свойствам, и характер сигналов, а соответственно и выбор информативных признаков будет отличаться для различных методов. В работе рассмотрены радиометрические методы ГИС - гамма-каротаж (ГК) и спектральный гамма-каротаж (СГК). От других методов ГИС ГК отличается простотой и надежностью технической реализации (канал ГК присутствует в ядерно-геофизической аппаратуре любого типа), и одновременно — наибольшей сложностью петрофизической и геохимической интерпретации данных [5, 64]. Модификацией ГК является СГК, он основан на регистрации полного энергетического спектра естественного гамма-излучения с целью измерения содержания в горных породах естественных радиоактивных элементов (урана, тория и калия). и СГК показания датчика не пропорциональны содержанию отдельных естественных радионуклидов или их суммарному содержанию, и непосредственно их не характеризуют, поскольку искажены влиянием скважинных и аппаратурных факторов. Выделяют три группы факторов [64], представленные на рис. 4.1.
Все эти факторы приводят к тому, что неизвестно главное - какая петрофизическая характеристика определяет показания прибора. На настоящий момент возможности литологического расчленения ГК используются не полностью. В научных публикациях ученых рассмотрены вопросы оптимизации интерпретации данных ГК и СГК, в частности это работы Давыдова А.В. [38], Кожевникова Д.А. [64], Урманова Э.Г. [125, 126]. В качестве интерпретационного параметра ГК широко применяется величина двойного разностного отношения [56, 64,120]: max min где /, J „an, J max - соответственно значения интенсивности в импульсах в минуту против исследуемого слоя, минимальные и максимальные значения в разрезе.
При проведении ПС записывается непрерывная кривая, или диаграмма, интенсивности гамма-излучения. Величина измеряется в импульсах за минуту или в микрорентгенах в час. Максимумами выделяются породы и руды, содержащие уран, радий, торий, калий-40 и другие радиоактивные элементы, а также граниты, глины; минимумами - песчаные и карбонатные породы [136]. ГК применяют во всех без исключения необсаженных и обсаженных скважинах, заполненных любой промывочной жидкостью и газом, что говорит о большой значимости метода.
Анализ спектров сигналов показал, что для данных методов ГИС большинство пластов практически идентичны друг другу. Так корреляционный анализ дал совпадения в диапазоне от 98% до 99,5%. Между тем значения оценок математического ожидания и среднего квадратичного отклонения для многих пластов достаточно сильно отличаются друг от друга. Исходными данными для решения задачи идентификации пластов являются данные, представленные в виде файлов международного стандарта формата LAS [25,26]. Данные характеризуются уровнем интенсивности сигнала в зависимости от глубины скважины с постоянным шагом дискретности по глубине. Шаг дискретности определяется видом исследований - общими или детальными, которые характеризуются различной скоростью движения зонда и требованиями к минимальным толщинам распознаваемых пластов h n- Для радиоактивного каротажа h„un при общих исследований составляет 3-5 м, а при детальных - 1,5-2 м [120].
