Содержание к диссертации
Введение
1. Основные вопросы обработки и интерпретации данных геофизических исследований скважин (ГИС) 6
1.1. Общие интерпретационные проблемы 6
1.2. Программно-методическое обеспечение 10
1.3. Особенности хранения данных ГИС 14
2. Подготовка данных для компьютерной обработки 19
2.1. Разработка формата обмена данных ГИС 19
2.2. Сжатие данных 31
3. Методическое и программное обеспечение компьютерной системы обработки и интерпретации данных геофизических исследований скважин 50
3.1. Обработка и интерпретация волнового акустического каротажа 50
3.2. Обработка данных селективного гамма-дефектомера-толщиномера 73
3.3. Построение системы комплексной компьютерной обработки данных ГИС 88
4. Решение задач гис с использованием системы «Соната» 113
Заключение 134
Литература 137
- Особенности хранения данных ГИС
- Сжатие данных
- Обработка данных селективного гамма-дефектомера-толщиномера
- Построение системы комплексной компьютерной обработки данных ГИС
Введение к работе
Актуальность
В современных условиях в связи с увеличением объема и повышением качества информации, записываемой геофизической аппаратурой исследования скважин, остро встает проблема создания адекватных методических средств и технологий, позволяющих выполнять высококачественную обработку и интерпретацию данных. В значительной степени существующие методические подходы и пакеты программ не удовлетворяют всему спектру требований по полноте, адаптивности и технологичности решаемых задач. Данное обстоятельство связано с использованием устаревших методик обработки и интерпретации, многообразием аппаратуры и программного обеспечения, решающих различные частные задачи и обладающих ограниченной функциональностью, создаваемых в условиях быстрого развития технологий цифровой регистрации и обработки данных геофизических исследований скважин (ГИС). В связи с этим становится актуальным создание новых методических и программных средств, предназначенных для обработки данных ГИС.
Цель диссертации. Совершенствование методического обеспечения обработки и интерпретации данных акустического и радиоактивного каротажа и его программная реализация в новых компьютерных системах обработки и интерпретации данных геофизических исследований скважин.
Основные задачи:
Анализ состояния методического и программного обеспечения ГИС, проектирование рационального варианта компьютерной технологии обработки и интерпретации данных геофизических исследований скважин.
Совершенствование методического обеспечения и технологии обработки данных волнового акустического каротажа (ВАК), включающего выделение волн различных типов, компрессию акустических данных, учет влияния скважинного прибора и плотности цемента при акустической цементометрии.
Совершенствование методик обработки и интерпретации данных геофизических исследований скважин для селективного гамма-дефектомера-толщиномера (СГДТ), учитывающих особенности колонн и приборов.
Создание компьютерной технологии комплексной интерпретации данных ВАК и СГДТ, реализующей полный технологический цикл обработки каротажных данных.
На защиту выносятся следующие положения.
Эффективная методика сжатия акустических данных и новые методы интерпретации волнового акустического каротажа, позволяющие осуществлять выделение волн методом максимального подобия, а также учет влияния скважинного прибора и плотности цемента при акустической цементометрии.
Усовершенствованные методы обработки данных селективного гамма-дефектомера-толщиномера, обеспечивающие повышение точности определения результативных параметров с учетом многоколонной конструкции, диаметра и эксцентриситета колонн, вращения прибора и позволяющие проводить обра-
ботку по нескольким опорным интервалам или калибровкам с различной плотностью, а также выполнять построение развертки плотности цемента по периметру скважины при круговом опросе датчиков.
3. Компьютерная технология «Соната», предназначенная для обработки и интерпретации данных геофизических исследований скважин, обеспечивающая решение широкого круга геолого-технических задач и реализующая новый подход к комплексной интерпретации ВАК и СГДТ при оценке технического состояния нефтегазовых скважин.
Научная новизна работы
Разработана методика сжатия данных ВАК и метод автоматического выделения пакетов целевых волн, повышающие геолого-экономическую эффективность применения ВАК.
Увеличена разрешающая способность метода акустической цементо-метрии, что обусловлено учетом влияния скважинного прибора и фактической плотности цемента в затрубном пространстве в процессе интерпретации.
Проведена оценка влияния эксцентриситета колонны и многоколонной конструкции скважины при определении плотности вещества в затрубном пространстве по данным гамма-гамма-цементометрии.
Созданы технологии, позволяющие осуществлять построение развертки плотности цемента при круговом опросе датчиков; учет вращения измерительного прибора относительно оси скважины; высокоточное определение плотности цемента в затрубном пространстве по нескольким опорным интервалам.
Впервые реализована компьютерная технология, предназначенная для комплексной интерпретации данных ВАК и СГДТ, с высокой достоверностью характеризующая степень герметичности заколонного пространства.
Практическая значимость
Создание методов и компьютерных технологий обработки и интерпретации данных акустических и ядерно-геофизических исследований, зарегистрированных различной геофизической аппаратурой, повышает информативность и геологическую содержательность получаемых результатов для оценки состояния нефтегазовых скважин. Разработанные методы и технологии реализованы в программных комплексах, внедрены и эффективно используются в производственных условиях на более чем 30 геофизических предприятиях России и ближнего зарубежья.
Личный вклад автора
Автор руководил проектом по созданию модульной системы интерпретации данных геофизических исследований скважин «Соната», разработал концепцию построения компьютерной технологии; создал архитектурную, объектную и компонентную модели системы; а также принял участие в разработке основных модулей программного комплекса.
Автор внес существенный вклад в создание методик обработки данных ВАК и СГДТ: провел исследование и выбор оптимальных параметров сжатия для различных геофизических задач, создал итерационный алгоритм подбора мультипликативного коэффициента для таблицы квантования при сжатии вол-
нового сигнала; произвел оценку физических ограничений, накладываемых на параметры исследуемых волн в методе максимального подобия; обработал и проанализировал данные физического моделирования, построил зависимости для коэффициента затухания волны по колонне; ввел новый параметр индекс цементирования, зависящий от плотности цемента; разработал схему комплексной интерпретации СГДТ и АКЦ; предложил и реализовал методы, усовершенствующие обработку данных СГДТ с учетом многоколонной конструкции, диаметра и эксцентриситета колонн и позволяющие проводить обработку по нескольким опорным интервалам или калибровкам с различной плотностью; разработал новый формат обмена данных ГИС.
Реализация работы. Разработки автора внедрены в ОАО «Пермнефтегео-физика», ОАО «Башнефтегеофизика», ОАО «Газпромгеофизика», тресте «Сургут-нефтегеофизика» ОАО «Сургутнефтегаз», ОАО «Краснодарнефтегеофизика», ЗАО «Красноярнефтегеофизика», ОАО «Нижневартовскнефтегеофизика», ЗАО «Пермский ИТЦ «Геофизика», ООО «Сибирская геофизическая компания», ОАО «Тат-нефтегеофизика», ЗАО «Тюменьпромгеофизика», 000 «Удмуртнефтегеофизика», ОАО «Ухтанефтегазгеология», 000 «Юганскнефтегазгеофизика», 000 «Томск-нефтегазгеофизика», ОАО «Когалымнефтегеофизика», 000 «Оренбургнефтегео-физика», «Компания ГИС» Казахстан, УПГР «Беларуснефть», УПГР «Туркмен-газ», «Казпромгеофизика» и др.
Апробация работы и публикации. Основные положения диссертационной работы докладывались на: III Российско-китайском симпозиуме «Новые технологии в геологии и геофизике» (Уфа, 2004), Третьем конгрессе нефтегазопро-мышленников России (Уфа, 2001), Третьем научном симпозиуме «Высокие технологии в промысловой геофизике», (Уфа, 2004), Научно-практической конференции по проблемам современной геофизики (Пермь, 2004), Молодежной научно-практической конференции по проблемам современной геофизики (Пермь, 2006), IV Российско-китайском симпозиуме «Новые достижения в области геофизических исследований скважин» (Санья, Китай, 2006).
Основные положения диссертации опубликованы в 14 печатных работах, в том числе 4 свидетельства об официальной регистрации программ для ЭВМ.
Объем и структура работы. Диссертация состоит из введения, четырех глав и заключения, изложенных на 142 страницах, в том числе 46 рисунков, 7 таблиц и список использованной литературы из 86 наименований.
Автор выражает глубокую признательность своему научному руководителю профессору В.М.Новоселицкому. В процессе исследований автор пользовался советами сотрудников ОАО «Пермнефтегеофизика» к.т.н. А.В. Шумилова, к.т.н С.В.Белова, к.т.н. А.Д. Савича, А.А. Семенцова, Е.В. Заичкина; ООО Предприятие «FXC-ПНГ» к.г.-м.н. В.А. Шумилова, О.В. Наугольных; ЗАО ПИТЦ «Геофизика» к.т.н. И.Н. Жуланова; Горного института УрО РАН кандидатов наук И.В.Геника, В.К.Сидорова, которым он выражает свою благодарность.
1. ОСНОВНЫЕ ВОПРОСЫ ОБРАБОТКИ И ИНТЕРПРЕТАЦИИ ДАННЫХ ГЕОФИЗИЧЕСКИХ ИССЛЕДОВАНИЙ СКВАЖИН (ГИС)
Особенности хранения данных ГИС
Как уже упоминалось выше, одна из проблем данных ГИС и, в частности волнового, акустического каротажа - хранение больших массивов исходных и промежуточных данных, получаемых в процессе интерпретации. Самый очевидный выход состоит в использовании компрессии данных, чему благоприятствует значительный прогресс методов сжатия, достигнутый за.последние десятилетия. Появилось большое число методов компрессии, применяемых, прежде всего, в компьютерной графике [43]: группового кодирования (RLE), Лемпела-Зива-Велча (LZW); CCITT (один из типов этого сжатия является вариантом сжатия по алгоритму Хаффмана); дискретных косинус-преобразований (DCT), применяемого в JPEG-сжатии; фрактального сжатия. Работа алгоритма компрессии состоит в повторном кодировании данных в другую, более компактную форму, которая, тем не менее, позволяет передать информацию без искажения или с определенной его степенью.
Сжатие можно подразделить на физическое и логическое. Процесс физического сжатия данных состоит в преобразовании без учета содержащейся в них информации. Происходит просто перевод серии битов из одного шаблона в другой, более компактный, при этом объем блока сжатых данных меньше, чем оригинальных, поскольку алгоритм физического сжатия удалил существовавшую в них избыточность. Процесс логического сжатия является своего рода логической подстановкой, т.е. заменой одного набора алфавитных, цифровых или двоичных символов другим, например, замена словосочетания "и так далее" аббревиатурой "и т.д.". Логическое сжатие выполняется только на символьном или более высоком уровне и основано исключительно на информации, содержащейся в исходных данных, соответственно, логическое сжатие не применяется для данных ГИС.
Другая классификация алгоритмов сжатия подразделяет их две категории: симметричные и асимметричные. Симметричное сжатие основано примерно на тех же алгоритмах и позволяет выполнять почти такой же объем работы, что и распаковка. В программах обмена данными, использующих сжатие и распаковку, обычно для большей эффективности применяется именно симметричный алгоритм. В процессе асимметричного сжатия в одном направлении выполняется значительно больший объем работы, чем в другом. Обычно на сжатие затрачивается намного больше времени и системных ресурсов, чем на распаковку. Алгоритм асимметричного типа, затрачивающий много процессорного времени на сжатие, но быстро осуществляющий распаковку, можно считать эффективным. Асимметричные "в обратном направлении" алгоритмы (т.е. когда на сжатие затрачивается меньше времени, чем на распаковку), применяются значительно реже. Например, создавая программу резервированного копирования файлов, можно подразумевать, что большинство скопированных файлов никогда не будет прочитано. В таком случае уместен алгоритм, выполняющий сжатие значительно быстрее, чем распаковку.
Еще одно подразделение алгоритмов можно провести на адаптивное, полуадаптивное и неадаптивное кодирование. Например, алгоритм сжатия CCITT, был спроектирован специально для обработки данных только определенных типов. Такого рода неадаптивные кодировщики содержат статический словарь предопределенных подстрок, о которых известно, что они появляются в кодируемых данных достаточно часто. В свою очередь, адаптивный кодировщик не содержит предопределенных эвристических правил для сжимаемых данных. Адаптивные алгоритмы, такие как LZW, не зависят от типа обрабатываемых данных, поскольку строят свои словари полностью из поступивших данных. Компрессоры не имеют предопределенного списка статических подстрок, а, наоборот, строят фразы динамически, в процессе кодирования. Адаптивное кодирование настраиваются на любой тип вводимых данных, добиваясь в результате максимально возможной степени сжатия, в отличие от неадаптивных методов, которые позволяют эффективно закодировать только входные данные строго определенного типа, для которого они были разработаны. Процесс полуадаптивного кодирования основан на применении обоих словарных методов кодирования. Полуадаптивный алгоритм работает в два прохода: при первом проходе он просматривает все данные и строит свой словарь, при втором — выполняет кодирование. Этот метод позволяет построить оптимальный словарь, прежде чем приступить к кодированию.
Алгоритмы сжатия можно классифицировать также на алгоритмы сжатия без потерь и алгоритмы сжатия с потерями. Под сжатием без потерь подразумевается то, что когда порция данных сжимается, а затем распаковывается, вся содержащаяся в ней оригинальная информация сохраняется. Процесс компрессии с потерями предусматривают отбрасывание некоторых данных для достижения лучшей степени сжатия, чем в большинстве методов сжатия без потерь. В некоторых случаях применяются тщательно разработанные эвристические алгоритмы, позволяющие максимально сжать данные, изменив лишь незначительную часть деталей. На практике небольшие изменения в исходных данных могут быть и не видны, особенно в последовательностях с высокой частотой дискретизации разрешением. По статистике объем данных акустического каротажа составляет около 70-80% всех данных ГИС [87]. Важность сжатия данных покажем на примере данных, проходящих по каналам связи. Пусть необходимо передать волновой сигнал, используя модем на 33,6 Кбит/с, а несжатый сигнал занимает 600 Кбайт. При использовании сжатия без потерь можно достичь степени сжатия около 2 (т.е. размер сигнала уменьшится до 300 Кбайт). Если же применить алгоритм сжатия с потерями (например, JPEG), то можно достичь степени сжатия порядка 30 (размер файла 50 Кбайт). Таким образом, время на передачу данных тратится следующим образом: а) не сжатых - 142 секунды; б) сжатых без потерь - 71 секунда; б) сжатых с потерями - 12 секунд. Т.е. время передачи для сжатого сигнала уменьшается на порядок. Во многих случаях объем получаемой исходной информации еще больше, например, размер записи волнового сигнала трехкилометровой скважины занимает примерно 150 Мб. Если при этом максимальная доступная на сегодня скорость передачи данных с мобильных терминалов находится в пределах 64 Кбит/с, то время передачи несжатых данных составит пять часов. При требовании передать данные в течение 10-15 минут после записи для скорости передачи 64 Кбит/сек, объем передаваемого материала не должен быть более 5Мб.
Сжатие данных
Например, так работает алгоритм CS&Q (огрубление дискретизацией и квантованием), принадлежащий к классу алгоритмов «фиксированный вход -фиксированный выход». Предположим, что сжимается оцифрованный с разрядностью 12 бит волновой сигнал. Будем читать по два соседних отчета из исходного файла (24 бита), полностью отбрасывать один из отчетов, а второй урезать до 8 бит и записывать в результирующий файл. Таким образом, используя указанный алгоритм сжатия с потерями, достигается степень сжатия равная трем. Хотя это очень грубый подход, тем не менее, подобные алгоритмы очень эффективны и используются группой методов под общим названием transform compression (сжатие преобразованием). Также существуют алгоритмы, работающие с блоками переменной длины. Отметим, что в классификации алгоритмов по размеру блока данных отсутствуют алгоритмы MPEG и JPEG, т.к. эти алгоритмы являются комбинацией разных подходов и их нельзя однозначно отнести к той или иной группе.
Для сжатия акустических данных наиболее эффективны алгоритмы сжатия с потерями, которые обеспечивают высокую степень сжатия при минимуме вносимых в полезный сигнал искажений. Алгоритмы такого рода работают с использованием спектрального анализа, например, JPEG и MPEG-1/2 Layer-S (более известный как MPS). В общих чертах схема работы алгоритма такова. Упаковка: а) вычисление спектра сигнала; б) преобразование спектра с целью исключения из него частот несущественных для данной задачи и, если это возможно, огрубления остальных частот; в) сжатие полученного спектра каким-либо стандартным алгоритмом сжатия без потерь. Распаковка: а) распаковка спектра выбранным алгоритмом сжатия без потерь; б) если это возможно, восстановление огрубленных частот; в) синтез сигнала по его спектру. Как JPEG, так и МРЗ для получения спектра и восстановления сигнала используют дискретное косинусное преобразование (ДКП). Поскольку волновой сигнал является функцией двух переменных - времени и глубины, для сжатия данных ВАК необходимо применять двумерное ДКП. Двумерное ДКП
Для сжатия в сигналов в системе «Соната» был выбран подход, основанный на дискретном косинус-преобразовании (разд. 1.3). Поскольку волновой сигнал является функцией двух переменных - времени и глубины, необходимо применять двумерное ДКП. ДКП относится к группе алгоритмов под общим названием сжатие преобразованием (transform compression). Все алгоритмы этой группы основаны на предположении, что данные, получаемые в результате обработки сигнала Фурье-преобразованием, несут разную информационную нагрузку. В частности, низкочастотные компоненты сигнала информативнее высокочастотных. В отличие от Фурье-преобразования, использующего разложения по синусам и косинусам, ДКП использует разложение только по косинусам.
Рассмотрим алгоритм двумерного ДКП. Пусть исходные данные представляют собой блок размером 8x8. В результате ДКП получим спектр действительных значений того же размера. Как и в Фурье-анализе, каждое значение в спектре представляет собой амплитуду базисной функции. На рис. 2.1 показаны 6 из 64 базисных функций используемых в двумерном ДКП сигнала из 64 отсчетов, спектр ДКП представляет собой блок 8x8, каждый элемент в котором соответствует амплитуде одной из 64 базисных функций.
Аналитически эти функции выглядят следующим образом: где переменные Л: и у индексируют пространственные координаты, и и v - частотные. Функции приведены для преобразования выполняемого над блоком данных размером 8x8, индексы нумеруются от 0 до 7. Низкочастотные компоненты располагаются на рис. 2.1 в левом верхнем углу блока, высокочастотные - в правом нижнем. Постоянная составляющая сигнала (нулевая частота) располагается в ячейке [0,0]. Базисная функция [0,1] представляет собой полупериод косинус-волны в одном направлении и постоянное значение в другом. Базисная функция [1,0] будет совпадать с функцией [ОД] с точностью до поворота на угол 90.
Каждое значение в спектре вычисляется умножением соответствующей базисной функции на каждый элемент блока данных и суммированием результатов. Для завершения преобразования необходимо сделать два действия (так же как и в Фурье-преобразовании): во-первых, разделить значения, находящиеся в нулевой колонке и нулевом столбце на 2; во-вторых, разделить все 64 значения спектра на 16. Обратное ДКП выполняется путем умножения каждой спектральной амплитуды на соответствующую базисную функцию и суммирования полученных значений для восстановления пространственной амплитуды.
Таким образом, математический аппарат, используемый при ДКП, отличается от используемого при Фурье-преобразовании применения других базисных функций. Квантование спектра Очевидно, что просто сжимать полученный спектр неэффективно, так как ДКП является точным преобразованием, то восстановленный из спектра сигнал, равен исходному сигналу. Следует так изменить (огрубить) полученный спектр сигнала, чтобы добиться эффективного сжатия спектра, но при этом не потерять полезной информации. Возможно использование разных подходов к огрублению спектра: а) использовать для хранения значений спектра количество бит, заведомо меньшее, чем необходимо (обнуление младших разрядов числа); б) отбрасывать некоторые значения из полученного спектра.
Рассмотрим пример двумерного волнового поля, представленного графически на рис. 2.2 и численно в табл. 2.3. Как видно из табл. 2.3, почти весь спектр сигнала сосредоточен в низкочастотной области. Соответственно, можно отбросить высокочастотную часть без особого ущерба для сигнала. Рис. 2.3 показывает, как искажается исходный сигнал при удалении из спектра различного количества высокочастотных компонент. Так, например, на рис. 2.3а видно, что даже удаление трех четвертей всего спектра, вносит лишь небольшую ошибку при восстановлении исходного сигнала.
Обработка данных селективного гамма-дефектомера-толщиномера
Применение метода рассеянного гамма-излучения основано на зависимости интенсивности рассеянного гамма-излучения от плотности вещества основных сред, слагающих обсаженную скважину [1, 41, 55]. Так как плотность цементного камня в большинстве случаев значительно больше, чем плотность бурового раствора, то против зацементированной части скважины интенсивность рассеянного гамма-излучения, как правило, значительно ниже, чем в незацементированном интервале.
Основными средами, определяющими интенсивность J регистрируемого рассеянного гамма-излучения в скважине, являются металлическая колонна, жидкость внутри колонны, горные породы, цементный камень или буровой раствор. Таким образом, интенсивность излучения есть функция, зависящая от толщины колонны, толщины цементного кольца, плотности цемента и плотности породы.
Количество гамма-квантов, попавших в приёмник, зависит от плотности вещества - чем больше плотность вещества, тем меньше гамма-квантов попадёт в приёмник. Кроме того, меняя расстояние между прибором и источником, можно менять глубинность исследования. Так в случае системы с двумя приемниками, первый приёмник, находящийся ближе к источнику, регистрирует гамма-кванты рассеянные в колонне, а второй приёмник, находящийся дальше от источника, - гамма-кванты рассеянные в заколонном пространстве.
Прибор СГДТ - селективный гамма-дефектомер-толщиномер состоит из источника гамма-излучения, зонда (набора датчиков) толщиномера и плотномера. Источник излучает гамма-кванты во всех направлениях. Приёмник может принимать гамма-кванты как со всех направлений - в этом случае он называется "приёмник с круговой азимутальной коллимацией", так и с определённого направления, например, в 120 градусном секторе. Приёмники в зонде могут опрашиваться либо по очереди (круговой опрос), либо одновременно. Круговой опрос может выполняться как одним, так и несколькими приёмниками.
Метод гамма-гамма-толщшометрии (обработка зонда толщиномера) основан на регистрации интенсивности рассеянного гамма-излучения с помощью центрированного в колонне зонда малой длины, содержащего стационарный (ампульный) источник среднеэнергетического гамма-излучения и детектор рассеянного гамма-гамма-излучения, неколлимированные по радиальному углу и строго коллимированные по вертикальному углу в пределах 40-50 градусов относительно оси зонда. При длине зонда 9-12 см практически исключается влияние на результаты измерений плотности среды за обсадной колонной и обеспечивается высокая чувствительность метода к изменению толщины стенки колонны. Метод применяют для определения средней по периметру толщины стенки обсадной колонны, положения муфт, центрирующих фонарей, пакеров, выделения интервалов с механическим и коррозионным износом труб, изучения влияния перфорации на обсадную колонну.
Метод гамма-гамма-цементометрии (обработка зонда цементомера) обсаженных скважин основан на измерении плотности среды в затрубном пространстве непрерывно по периметру колонны, либо по её образующим через 60, 90 или 120 градусов. Метод применяют для установления высоты подъема цемента за колонной, определения границ сплошного цементного камня, зоны смешивания цемента и промывочной жидкости и чистой промывочной жидкости, выделения в цементном камне каналов и каверн, при условиях, что они захватывают не менее 10% от площади сечения затрубного пространства, различие плотностей промывочной жидкости и цементного камня составляет более 0,5-0,7г/см в кубе, диаметр колонны меньше диаметра скважины не менее чем на 50 мм, оценки эксцентриситета обсадной колонны относительно оси скважины. В таблице 3.2 приведены характеристики нескольких наиболее распространённых приборов СГДТ.
Каждый прибор СГДТ регистрирует одну или несколько толщино-грамм и одну или несколько цементограмм. Толщинограмма - кривая, зарегистрированная зондом толщиномера. Цементограмма - кривая, зарегистрированная зондом плотномера. Толщинограммы и цементограммы бывают интегральные и селективные. Селективная кривая - кривая, зарегистрированная одним приёмником в зонде. Интегральная кривая - кривая, сгенерированная прибором на основании всех приёмников в зонде. Как именно генерируется интегральная кривая, зависит от прибора, но можно представлять её как среднее арифметическое показаний всех приёмников в зонде. Некоторые приборы СГДТ регистрируют также кривую азимута, для того, чтобы при обработке данных можно было учесть вращение прибора в скважине.
Основные задачи, решаемые с помощью гамма-гамма цементометрии: определение высоты подъема цемента; определение интервалов, содержащих различные тампонажные смеси (портландцемент, гельцемент); определение эксцентриситета колонны в скважине; определение плотности вещества в за-трубном пространстве; определение толщины стенки труб обсадной колонны определение местоположения соединительных муфт, центрирующих фонарей, специальных пакеров и т.п. Для определения толщины стенки обсадной колонны 5к используется выражение: бк = 8ЭТ - K-ln(JT / JM), где 5ЭТ - толщина колонны в эталонировке или опорном интервале, тэт - показания толщиномера в эталонировке или опорном интервале, JT - показания кривой толщиномера, К - коэффициент, рассчитывающийся по диаметру колонны, либо по нескольким эталонировкам.
Эксцентриситет колонны - это величина, равная є = 1 - rm;n/rmax, где -rmin rmax - минимальное и максимальное расстояние от стенки колонны до стенки скважины соответственно. Значение эксцентриситета изменяется от 0 (колонна центрирована) до 1 (колонна лежит на стенке скважины). Для определения плотности вещества в затрубном пространстве используется зависимость ас = f(J, 8k, оп, dc, є) где ос - плотность цемента, 8к -толщина колонны, сп - плотность пород, dc - диаметр скважины, є - эксцентриситет колонны. В общем случае такие задачи решаются методом Монте-Карло для случайного прохождения гамма-квантов через заданную модель среды. Решения данной системы известны (опубликованы) в виде палеточ-ных зависимостей или в виде аппроксимации этих палеток полиномами Ла-гранжа 2-ой степени. Именно эти зависимости легли в основу, используемых алгоритмов и методик интерпретации СГДТ.
Построение системы комплексной компьютерной обработки данных ГИС
Комплексные системы компьютерной обработки и интерпретации данных ГИС, предназначенные для промышленного использования на производственных предприятиях, являются сложными программными системами, требующими специальных подходов к разработке программного обеспечения, в корне отличающихся от написания простых небольших программ разрабатываемых программистами-одиночками для внутреннего использования. Сложные программные системы разрабатываются в различных прикладных областях, их функционирование обычно связано с обработкой информации большого объема. Создание таких приложений требует значительных материальных затрат, поэтому время их жизни должно быть достаточно долгим. Ряд характерных особенностей сложных программных систем определяет требования к методам и инструментальным средствам, поддерживающим жизненный цикл их разработки. 1. Иерархичность Иерархическое построение систем облегчает их понимание, поскольку возможности, связанные с восприятием неструктурированной информации, весьма ограничены [9, 44]. В иерархических структурах можно ограничиться рассмотрением только определенного уровня, не вдаваясь в детали реализации. 2.
Групповая разработка Разработка сложной программной системы не может быть прерогативой одного человека. Для этой цели формируется группа, в которой каждый выполняет свои определенные функции. Иерархический характер сложных систем хорошо согласуется с принципом групповой разработки. В этом случае деятельность каждого участника проекта ограничивается соответствующим иерархическим уровнем. Применяемые инструментальные средства должны поддерживать групповую разработку. В них должны быть предусмотрены возможности интеграции результатов работы отдельных участников проекта и защиты их от несанкционированного доступа. 3. Изменения в проекте Сложные системы, имеющие достаточно долгое время жизни, обычно подвергаются многократной модификации. Это связано как с устранением ошибок, выявленных в процессе разработки и отладки системы либо при ее эксплуатации, так и с необходимостью внесения изменений и дополнений, вызванных изменениями внешних условий и требований к системе. Поскольку время разработки сложного проекта исчисляется годами, необходимо уметь вносить изменения в проект по ходу разработки. Очевидно, что выполнение модификаций сложных приложений может столкнуться с существенными трудностями ввиду значительного объема таких систем, большим числом взаимосвязей между их компонентами. 4. Сборочное проектирование При разработке больших программных систем широко используется концепция сборочного проектирования, основанная на идее повторно используемых компонент [82]. Сборка системы из готовых компонент позволяет значительно сократить время разработки. В связи с этим определяющее значение имеет то, насколько применяемые методы и поддерживающие их инструментальные средства обладают возможностями создания повторно используемых компонент и легкостью их применения в других проектах.
Традиционные методы разработки сложных систем Проектирование сложных систем основывается на разбиении их на составные части, каждая из которых рассматривается отдельно от других. Такой прием называется декомпозицией. Классический подход к разработке сложных систем базируется на методологии структурного проектирования, в основе которой лежит алгоритмическая декомпозиция системы по методу «сверху вниз». Жизненный цикл прикладной системы в этом случае складывается из этапов анализа, проектирования, программирования, тестирования и сопровождения, которые выполняются последовательно. Такой метод, называемый каскадным, имеет следующие отличительные особенности: линейность выполнения этапов жизненного цикла разработки; четкое разделение данных и процессов их обработки; использование процедурных языков программирования. Главным недостатком этого подхода является последовательное выполнение этапов. Это приводит к большим потерям времени, не позволяет быстро разрабатывать прототипы программной системы. Каскадный принцип не согласуется с итеративным характером разработки программной системы, поскольку на последних этапах может выясниться необходимость внесения изменений в решения, принятые на предыдущих этапах [9]. Для устранения этого недостатка используется [83](Boehm, 1988) спиральный подход. Он заключается в том, что разработка проекта выглядит как последовательное создание развиваемых релизов (прототипов системы). При этом для каждого релиза выполняются последовательно перечисленные выше этапы, на которых уточняется проект. Таким образом, каждый релиз может рассматриваться как очередной виток спирали, расширяющий охватываемую область проекта за счет добавления новых функций. Этот подход дополняет каскадный метод элементами итеративности. Но и для него характерен ряд существенных недостатков, к числу которых можно отнести: трудоемкость внесения изменений; большой объем документации по проекту, затрудняющий разработку; серьезные ограничения возможностей сборки системы из готовых компонент.
