Содержание к диссертации
Введение
Глава 1. Анализ программно-аппаратных средств и методов интерпретации геофизических исследований скважин 14
1.1. Введение 14
1.2. Цифровая регистрация 15
1.2.1. Преимущества цифровой регистрации 15
1.2.2. Программно-управляемые каротажные комплексы 16
1.2.3. Управляющие и обрабатывающие каротажные комплексы 16
1.3. Преобразование КД в цифровую форму 18
1.3.1. Подготовка диаграмм к оцифровке 19
1.3.2. Преобразователи КД 20
1.3.3. Оцифровка диаграмм с помощью преобразователей... 21
1.3.4. Программное обеспечение для оцифровки КД 22
1.3.4.1. Пакет программ NordSoft 22
1.3.4.2. Достоинства и недостатки пакета программ NordSoft 24
1.3.4.3. Программа NeuraLog 25
1.3.4.4. Достоинства и недостатки программы NeuraLog. 26
1.4. Предварительная обработка цифровых данных 26
1.4.1. Редактирование цифровой информации 26
1.4.2. Увязка кривых по глубине 29
1.4.3. Приведение геофизических кривых к стандартным скважинным условиям 31
1.5. Базы данных ГИС 31
1.6. Интерпретация каротажных данных 32
1. б. 1. Задача интерпретации ГИС 32
1.6.2, Результаты интерпретации ГИС 34
1.6.3. Алгоритмы интерпретации геофизической информации 36
1.6.3.1. Статистические методы 36
1.6.3.2. Алгоритм с использованием диагностических кодов 39
1.6.3.3. Цитологическое расчленение с оценкой вероятности 40
1.6.3.4. Метод нормализации 41
1.6.3.5. Методы классификации, основанные на петрофизических данных 42
1.7. Выводы и постановка цели и задач исследований 43
Глава 2. Информационно-измерительные, программно-алгоритми ческие средства и математические критерии оценки точно сти оцифровки твердых копий КД на бумажном носителе 45
2.1. Введение 45
2.2. Программное обеспечение компьютеризированной системы оцифровки КД 47
2.2.1. Технологический процесс оцифровки КД. 47
2.2.2. Структурно-технологическая схема информационно-управляющей системы процесса поточной оцифровки КД 49
2.2.3. Программные компоненты технологического процесса оцифровки 50
2.3. Математические критерии оценки точности формирования скан образов при оцифровке КД 53
2.3.1. Определение формы КД при формировании ее скан образа 53
2.3.2. Использование метода среднеинтегральной фильтрации для определения поперечных вибраций движущегося носителя КД. 59
2.3.3. Устранение влияния поперечных перемещений ленточ ного носителя при формировании скан образа КД. 64
2.4. ИИИС для повышения динамической точности формирования скан образов КД путем устранения влияния погрешностей движения ленточного носителя 70
2.4.1. Основные цели ИИИС 70
2.4.2. Общая структура ИИИС 71
2.4.3. Технические средства для повышения динамической точности движения ленточного носителя 72
2.4.3.1 Методика измерения угла перекоса движущейся бумажной ленты 72
2,4.3.2. Методика измерения коэффициента продольных деформаций бумажного носителя 76
2.4.4. Алгоритмы обработки скан образов КД 77
2,4.4.1 Математическая модель поворота скан образа, 77
2.4.4.2. Математическая модель масштабирования скан образа 79
2.4.4.3. Описание алгоритмов коррекции скан образа . 81
2.4.4.4. Результаты работы программного комплекса . 85
2.5 Полученные результаты и выводы 85
Глава 3. Построение баз данных геолого-геофизической информации и локальных вычислительных сетей для доступа к ним 89
3.1. Построение компьютерных геологических и фильтрационных моделей пластов 89
3.1.1. Система управления геологическими, геофизическими и производственными данными 91
3.1.2. Загрузка данных 94
3.1.2.1. Совместимость 94
3.1.2.2. Использование загрузчиков 100
3.1.3. Построение разрезов 103
3.2. Структура БД Finder 104
3.3. Структура БД Carbon 116
3.3.1. Описание программы 116
3.3.2. Организация доступа пользователей к БД 121
3.3.3. Отображение КД в графическом виде 123
3.3.4. Импорт КД из файла в формате LAS 127
3.3.5. Иерархия программных компонентов для обработки хранимой информации 129
3.3.6. Попластоваяувязка диаграмм 130
3.3.7. Увязка по узловым точкам , 131
3.3.8. Приведение показаний методов к стандартным условиям измерений 132
3.3.9. Статистическое эталонирование показаний методов. 132
3.4. Основные результаты и выводы 134
Глава 4. Применение теории интеллектуальных систем для лито логического расчленения разреза скважин 136
4.1. Ранговая модель 136
4.1.1. Обоснование выбора рангового алгоритма 136
4.1.2. Основные понятия и постановка задачи 136
4.1.3. Режим обучения алгоритма АВПР. 138
4.1.4. Режим классификации алгоритма АВПР 141
4.1.5. Применение алгоритма 141
4.2. Модель нечеткой логики 143
4.2.1. Основные понятия нечеткой логики 143
4.2.2. Формирование лингвистических переменных 146
4.2.3. Алгоритм принятия нечеткого решения 148
4.3. Экспресс-интерпретация каротажных данных 149
4.3.1. Объект и цели исследования 149
4.3.2. Известные теоретические зависимости 150
4.3.3. Анализ экспериментальных данных 152
4.3.3.1. Анализ значений КДдпя продуктивных интервалов 152
4.3.3.2. Анализ значений КД для основных литологических типов 156
4.3.4. Применение алгоритма АВПР для интерпретации КД, . 161
4.3.4.1. Постановка задачи 161
4.3.4.2. Результаты экспериментов 163
4.3.5. Применение нечеткой логики для интерпретации КД 167
4.3.5.1. Постановка задачи 167
4.3.5.2. Результаты эксперимента 167
4.3. б. Анализ предварительной обработки 172
4.3.7. Алгоритм корректировки границ пластов 172
4.4. Результаты экспериментальных исследований 173
Заключение 175
Литература 177
Приложение 187
- Цифровая регистрация
- Программное обеспечение компьютеризированной системы оцифровки КД
- Структура БД Finder
- Модель нечеткой логики
Введение к работе
Актуальность темы. Современные технологии разработки нефтяных месторождений предполагают компьютеризированную обработку и интерпретацию данных каротажа, а также построение различного рода геологических и математических моделей месторождений. Достоверность и надежность построенных моделей месторождений и залежей оказывают определяющее влияние на эффективность поисково-разведочных работ и выбор обоснованной схемы разработки ГИС на сегодняшний день являются, фактически, единственной возможностью выделить в разрезе скважины продуктивные нефтяные и газовые пласты, определить их толщины, емкостные и фильтрационные свойства, литологический состав, эксплуатационные характеристики.
С каждым годом все острее стоит проблема воспроизводства минерально-сырьевой базы в России, т.к. большинство месторождений уже давно эксплуатируются и их запасы, практически, исчерпаны. Сложность воспроизводства запасов нефти и газа связана с тем, что новые месторождения отличаются от уже эксплуатируемых сложным геологическим строением, а именно: большими глубинами залегания, небольшой толщиной пластов-коллекторов, многокомпонентным литологическим составом, сложной структурой порового пространства. В связи с этим значительно повышается роль ГИС и требования к ее достоверности. В то же время существует обширный банк каротажных диаграмм (КД), хранимых на фотобумаге и в виде их твердых копий на бумажной ленте, сформированный еще до появления цифровых магнитных регистраторов и компьютеризированных программно-аппаратных комплексов для цифровой записи и оперативной предварительной обработки данных ГИС. После оцифровки КД появляется возможность переинтерпретировать информацию по уже разрабатываемым месторождениям. Для новых месторождений оцифровка существующего фонда позволяет не проводить исследования повторно, тем более что проведение комплекса ГИС даже по одной скважине очень затратно. Поэтому перед нефте- и газодобывающими компаниями встает вопрос об оцифровке старых КД существующего фонда скважин.
Повышение точности ввода данных ГИС при оцифровке возможно только при
7 комплексном подходе к решению проблемы - созданию ИИИС, состоящей из аппаратных и программных компонентов и предназначенной для определения, анализа и устранения погрешностей, возникающих при формировании скан образов КД.
Поэтому для автоматизации процесса переинтерпретации и построения более точных математических моделей месторождений для оптимизации процесса добычи нефти необходимы интеллектуальные информационные системы, позволяющие хранить и обрабатывать весь комплекс геолого-геофизической и технологической информации. При наличии некоторой эмпирической БД возможно использование методов извлечения знаний из данных и применение обучающихся информационных систем. Дальнейшим развитием автоматизации интерпретации каротажного материала является разделение на пласты разреза скважин с помощью экспертных оценок, которые существенным образом используются в системах искусственного интеллекта, построенных на основе теории НЛ. В общем случае, применение систем НЛ целесообразно в тех случаях, когда нет простой и однозначной математической модели объекта или процесса, но экспертные знания об объекте или процессе представимы в форме предикатных правил. Принимая во внимание, что задачи интерпретации ГИС имеют в своей основе сложные функциональные зависимости, поэтому применение системы НЛ для их решения вполне приемлемо и обоснованно.
Объектом исследования являются ГИС, КД и их скан образы, рулонные сканеры, оцифровка КД, ИИИС для определения погрешностей сканирования КД, программный комплекс для обработки скан образов КД, БД и локальная вычислительная сеть (ЛВС), алгоритм адаптивного выбора подклассов (АВПР) модели НЛ для решения задач интерпретации ГИС.
Предметом исследования являются программное, лингвистическое и информационное обеспечение интеллектуальной ИИИС, математическая модель для оценки точности формирования скан образов КД;. разработка правил и структуры экспертной системы для контроля качества оцифровки, методы и алгоритмы интерпретации геофизической информации; алгоритмы распознавания литологии пластов на основе НЛ.
Цель работы - проведение комплексных исследований, направленных на
8 получение научно-обоснованных методических и технических решений, способствующих повышению степени автоматизации обработки и интерпретации ГИС путем создания интеллектуальной ИИИС, обеспечивающей формирование цифровых скан образов КД с ленточных носителей данных, управление геологическими, геофизическими и производственными данными на основе специализированных баз данных и повышение надежности выявления нефтенасыщен-ных коллекторов путем разработки алгоритмов, базирующихся на положениях теории НЛ; внедрение чего имеет существенное значение для создания экспертных систем экспресс- анализа для обработки и интерпретации геофизической информации.
Для достижения поставленной цели требуется решить следующие задачи: создание автоматизированной технологии оцифровки КД с бумажного носителя; разработка математической модели оценки точности формирования скан образов КД, а также аппаратно-программных средств для определения, анализа и устранения погрешностей процесса сканирования КД; разработка структуры специализированной БД для обеспечения качества, достоверности и полноты каротажного материала, корректного выделение пластов - коллекторов, определение их фильтрационно-емкостных свойств, построение зависимостей между различными свойствами коллекторов; создание ЛВС, обеспечивающей увеличение клиентских мест при обработке КД в LAS-формате, с включением в нее станции Sun в качестве сервера специализированной БД и персональных компьютеров; определение таблицы соответствия стандартных мнемоник для обеспечения возможностей работы БД с КД при выполнении операций склейки отрезков кривых или их любой корректировки, при которых возникают проблемы, связанные с различным наименованием кривых, разработка методики, позволяющей строить ранговые модели многомерного каротажного сигнала с возможностью добавления различных ограничений, анализировать распределение значений функций, имеющую широкий набор алгоритмов для расчета количественных показателей и предварительной обработки, адаптированных к особенностям КД; - выработка обоснованных решений для построения моделей НЛ для распознавания литологической структуры разреза скважины и методики определения информативности методов каротажа при интерпретации результатов ГИС на основе алгоритмов НЛ.
Методы исследования. В работе применялись теоретические и экспериментальные методы исследования. При решении задачи распознавания литологической структуры разреза скважины методы ранговой корреляции и теории нечетких множеств.. Обучение системы НЛ осуществлялось на различных комбинациях методов каротажа. Результаты работы системы НЛ исследовались на предмет адекватности выделенных нефтенасыщенных, водонасыщенных и непродуктивных участков разреза скважины экспертным оценкам.
При разработке математической модели оценки точности формирования скан образов, а также методики статического анализа процесса сканирования КД применялись методы теории вероятности и теории случайных функций. Экспериментальные исследования базируются на использовании методов динамического анализа параметров и характеристик сканирующего устройства с учетом метрологических характеристик средств измерений. Обработка полученных результатов проводилась с привлечением аппарата математической статистики.
Информационная модель ИИИС создана с учетом объектно-ориентированных принципов разработки программных комплексов. База правил разработана с учетом механизмов построения реляционных структур данных. Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня - Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 6.0, БД работает под управлением таких СУБД как Oracle 8 и Microsoft SQL Server 7.0.
Достоверность и обоснованность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, а также итогами практического использования ИИИС. Математические модели, алгоритмы и прикладные программы, используемые в работе, основаны на положениях ранговой корреляции теории нечетких множеств, на теоретических основах функционального анали-
10 за, теории статистического анализа КД как временных рядов, а также теории вероятностей, случайных функций и фундаментальных основ построения экспертных систем. Методики расчета параметров коллекторов базируются на широко применяемых при ГИС петрофизических зависимостях.
Достоверность экспериментальных результатов обеспечена использованием большого объема экспериментального материала, статистическими методами обработки данных и хорошей воспроизводимостью результатов. Достоверность эталонного материала для обучения моделей НЛ обеспечена использованием утвержденных в ОАО «Башнефтегеофизика» экспертных заключений по обрабатываемым скважинам.
На защиту выносятся результаты исследования компьютеризированной ИИИС, обеспечивающей высокую точность экспресс-интерпретации, определения, анализа и устранения погрешностей формирования скан образов КД, а также структуры специализированных БД ГИС, в том числе: структура и алгоритмы автоматизированной информационно-управляющей системы, предназначенной для оцифровки твердых копий КД на бумажном носителе; технические средства контроля погрешностей сканирования и методики их устранения; математическая модель оценки точности формирования скан обрзов КД, содержащая формулы для оценки формы каротажного сигнала, аналитические выражения для определения погрешностей сканирования; стандартизация и формализация типов каротажной информации, проектирование мощной и гибкой реляционной БД, позволяющей хранить все типы геолого-геофизических информации и обеспечивать к ним доступ пользователям путем создания ЛВС на базе интерпретационно-вычислительной станции Sun; экспресс-анализ КД, позволяющий определить тип и мощность изучаемых пластов, а также их количественные показатели; распознавание характерных критериальных моделируемых зависимостей; применение средств искусственного интеллекта для определения лито-логического состава разреза скважины по данным каротажа путем обучения на основе анализа соответствия КД имеющемуся экспертному заключению; -концептуальные основы программного обеспечения (ПО), принципы построения программного, лингвистического и информационного обеспечения ИИИС, реализуемой на основе АВПР и модели НЛ;
Научная новизна полученных результатов определяется теоретическим обоснованием создания алгоритмических средств и математического аппарата для ИИИС ГИС, обладающей хорошей совместимостью со всеми высокоинтеллектуальными программами обработки и интерпретации каротажных данных, при разработке которой: -осуществлен выбор структуры и сформирована концепция программно-аппаратных средств для определения, анализа и устранения погрешностей формирования скан образов каротажных кривых; - разработаны критерии точности ввода данных ГИС при оцифровке, оценки достоверности полученных критериев; построена математическая мо дель, позволяющая количественно рассчитывать величину и характер погреш ностей, определять параметры сканирования, обеспечивающие требуемую точ ность ввода каротажных данных; разработана база каротажных данных для решения задачи комплексной автоматизации обработки результатов ГИС; решены проблемы импорта, хранения и поиска разнородной информации, ее визуализации и вывода на печать; разработаны интерфейсы взаимодействия БД с программами обработки и анализа КД; применен ранговый алгоритм адаптивного выбора подклассов для лито-логического расчленения пройденных скважиной пород; разработаны методики формирования классов, сформированы ранговые вектора, характерные для исследуемых скважин карбонатного типа; предложена модель нечеткой логики взамен известного вероятностного подхода, не требующая нормального распределения вероятности попадания значений КД в литологический тип; сформированы лингвистические переменные и правила принятия решения; разработана информационно-управляющая система контроля качества оцифровки КД, предложены форматы представления правил, способы формирования зависимостей и механизмы расширения базы знаний системы;
Практическая полезность. Созданная ИИИС ГИС позволила решить целый ряд проблем автоматизации ГИС и экспресс-интепретации каротажной информации. Практическую ценность созданной ИИС ГИС добавляет то, что она построена на базе персональных компьютеров IBM PC/AT типа Notebook, конструкция которых позволяет использовать их в полевых каротажных станциях.
Система ПО ИИИС универсальна, легко модифицируется под конкретные требования, может быть расширена новым комплексом задач и процедур обработки. ПО имеет высокую надежность, защищено от аппаратных сбоев и ошибок пользователя. Информационная модель системы построена в виде базы знаний, содержащей сведения о понятиях, отношениях и ограничениях предметной области. В системе имеются сведения о методах каротажа, параметрах скважинных приборов. Универсальная система диалога позволяет вводить и контролировать данные, используя имеющиеся априорные сведения.
Измерительная информация представлена в виде БД, что позволяет обрабатывать данные по скважинам, методам и измерениям.
Интеграция в единый программный продукт интеллектуальных алгоритмов, средств хранения, предварительной обработки и интерпретации, наличие интерфейсов взаимодействия с другими программными комплексами, использование динамически связываемых библиотек (dll), дающих широкие возможности расширения, позволяет рассматривать созданную ИИИС как многофункциональный инструмент анализа и интерпретации геофизических данных.
Реализация работы в производственных условиях. Полученные в работе результаты использованы при оцифровке КД в Институте математического моделирования разработки нефтяных месторождений ИжГТУ.
Работа выполнялась в соответствии с планами хоздоговорных НИР по заказам ОАО «Белкамнефть» и ОАО «ТНК-ВР»: № ГР 01200 405097 «Верификация геолого-геофизической информации по объектам разработки месторождений Северного НГДП ОАО «Нижневартовск»; № ГР 01200 405096 «Формирование базы данных геолого-технологических мероприятий на скважинах Само-тлорского месторождения»; № ГР 01200 405095 «Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторож-
13 дения»; № ГР 01200 405096 «Создание библиотеки скан образов скважин Само-тлорского месторождения».
Вся работа в целом, а также её отдельные части могут быть использованы предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геолого-геофизической и промысловой информации.
Апробация работы. Отдельные законченные этапы работы обсуждались на Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2000-2002), Электронной заочной конференции «Молодые ученые - первые шаги третьего тысячелетия» (Ижевск, 2000), 32-34 Научно-технической конференции ИжГТУ (Ижевск, 1998, 2000-2002), Международном симпозиуме «Надежность и качество 2002» (Пенза, 2002), IV научный симпозиум «Геоинформационные технологии в нефтепромысловом сервисе» (Уфа, 2005).
Публикации. Результаты работы отражены в 14 научных публикациях, в том числе: 2 статьи в сборниках трудов международных научно-технических конференций, 6 отчетов о НИР (63с, 59с, 91с, 35с, 53с, 80с), 2 статьи депонировано в ВИНИТИ (47 и 54с), 4 статьи в научных изданиях.
Структура и объем работы. Диссертация содержит введение, 4 главы и заключение, изложенные на 189 с. машинописного текста. В работу включены 68 рис, 33 табл., список литературы из 125 наименований и приложение, включающее акт об использовании результатов работы.
Цифровая регистрация
Цифровая регистрация имеет большие преимущества перед оцифровкой диаграмм, полученных с помощью аналоговой регистрации: 1) достигается более оперативное получение информации в цифровом виде; 2) обеспечивается более точное преобразование данных в цифровой код; 3) кривые ГИС имеют лучшее согласование по глубине; 4) полученная на буровой цифровая информация может непосредственно вводиться в ЭВМ, что также повышает оперативность и сокращает общее время автоматизированной обработки; 5) появляется возможность адекватно реагировать на события, связанные с процессом исследований или проходкой скважины [20,22,28,56,67,78,103,108].
Программно-управляемые (компьютеризованные) цифровые каротажныекомплексы развиваются в два этапа. На первом этапе создавались аналого-цифровые компьютеризованные лаборатории, рассчитанные на старый аналоговый ряд скважинных приборов (сигналы от каротажных зондов передаются на поверхность в аналоговой форме и регистрируются с помощью цифровых регистраторов); на втором - цифровые программно-управляемые комплексы, рассчитанные на комплексные цифровые многоканальные скважинные приборы. Эти приборы характеризуются преобразованием сигналов зондов (датчиков) в цифровые коды в скважине и передачей их на поверхность (лабораторию) в цифровой форме.
Разработка программно-управляемых каротажных комплексов и лабораторий в нашей стране началась в конце 80-х годов. Одной из созданных тогда лабораторией является лаборатория ЛКС-ЮЦУ-01, вьшолняющая следующие функции [20,61,67,108]: сбор информации от аналоговых скважинных приборов (АЕКТ, АИКМ, МД02, СПАК-6 и др.), преобразование аналоговых сигналов в цифровую форму (первый этап применения лаборатории); сбор информации от цифровых комплексных скважинных приборов (второй этап применения); автоматическое (или полуавтоматическое) управление процессом каротажных измерений с помощью бортовой ЭВМ (метрологическая поверка, градуировка, вычисление геофизических параметров в процессе каротажа по данным измерений); визуальный контроль процесса каротажа и диагностика состояния технических средств; предварительная обработка результатов измерений в процессе каротажа и (или) после него; цифровая и аналоговая регистрация исходных данных ГИС и результатов их обработки.
На современном этапе развития цифровой и компьютерной техники создаются структурированные системы, соединяющие в себе функции сбора, оперативного анализа и обработки поступающей геофизической и геолого-технологической информации (ГТИ) непосредственно на буровой или на каротажной станции в реальном режиме времени. Кроме того, системы такого рода, позволяют вести контроль параметров каротажа, отслеживать общую картину процесса исследований, предупреждать о возникновении аварийных ситуаций.
Данные исследований попадают непосредственно в память ЭВМ, минуя промежуточные стадии. Вычислительная мощность такой станции, как правило, не ограничивается одной ЭВМ. Современные станции для проведения ГИС и ГТИ оборудуются компьютерной сетью, которая позволяет проводить сбор и оперативную обработку поступающей информации [9,22,56,75,78,103].
Как правило, сбор информации происходит от сложной многоуровневой сети датчиков, управляемых с помощью ЭВМ. Для упрощения логической организации узлы сети цифровых датчиков подключаются не непосредственно к устройству сбора информации, а через устройства сопряжения. Функция этих устройств - отразить соответствие логической структуры сети ее физическому строению. Такая структура является интеллектуальной, поскольку позволяет подключать различные типы устройств и первичных преобразователей, осуществлять поиск подключенных сетевых узлов, производить настройку элементов сети датчиков, калибровку первичных преобразователей, проверку работоспособности сети и т.д.
Часть функций «реального времени» может быть реализована в интеллектуальных устройствах нижнего уровня: датчиках, узлах сети датчиков, микроконтроллерах, где могут быть выполнены расчеты сложных физических параметров на основе элементарных показателей, температурная коррекция, буферизация, программная фильтрация и упаковка данных. Такая распределенная обработка позволяет снизить требования к быстродействию и надежности сервера сбора данных, но в то же время усложняет систему в целом.
Отдельным вопросом является программное обеспечение (ПО) таких систем. С одной стороны оно должно обеспечивать непрерывный контроль и регистрацию информации. С другой стороны программная среда должна быть удобной и интуитивно понятной оператору. Кроме того, желательно иметь возможность одновременной работы на нескольких рабочих местах. Успешная реализация этих возможностей зависит от используемой операционной системы (ОС).ОС реального времени [MS - DOS, QNX) хорошо подходят для созданияпрограмм сбора и хранения информации, но создание пользовательского интерфейса на их базе сопряжено с определенными трудностями. ОС, ориентированные на взаимодействие с пользователем и предоставляющие широкие воз можности для создания удобного и наглядного интерфейса (семейство ОС Windows) не позволяют добиться прогнозируемой скорости реакции на внешние события, связанные с опросом датчиков и устройств.
На текущий момент имеется два подхода к созданию ПО буровых и каротажных станций. Первый - это применение двух операционных систем: ОС реального времени для сбора и регистрации геофизической информации и ОС Windows для обработки и анализа собранных данных. Второй подход - использование одной ОС для сбора и обработки поступающей информации. В случае ОС реального времени, возможно создание приемлемого интерфейса пользователя, а в случае ОС Windows - использование дополнительной буферизации данных со стороны опрашиваемых устройств.
Под преобразованием КД в цифровую форму понимается преобразование нанесенных на диаграммы непрерьшных кривых в массивы ординат кривых aij} снятыхчерез постоянный шаг квантования по глубине Д, или массив ординат atJ и глубин их отсчета zj. Полученные таким образом данные могут быть свободно введены в память ЭВМ и обработаны предназначенным для этого ПО - программами предварительной обработки, интерпретации, построения геологических моделей и т.д. Преобразование КД необходимо для обработки диаграмм старого фонда, а также в случаях, когда на скважине запись данных каротажа в цифровой форме не производилась.
Подлежащие преобразованию кривые обычно записываются на осцилло-графной или диаграммной бумаге широкого формата (200 мм и более). Кривые, записанные осциллографом, часто имеют плохую контрастность. Толщина их изменяется в зависимости от скорости передвижения блика гальванометра; при многоканальной записи кривые пересекаются. Многократное снятие копий также не лучшим образом влияет на качество диаграмм. По этим причинам преобразование КД является трудоемкой операцией.
Задача оцифровки может быть решена двумя способами: с помощью специализированных преобразователей КД и с помощью разработанного для этих целей ПО персональных ЭВМ. И в том, и в другом случае процесс преобразования геофи
Программное обеспечение компьютеризированной системы оцифровки КД
Оцифровка КД с помощью ЭВМ представляет собой трудоемкую задачу,состоящую из нескольких основных стадий. Укрупненная схема процессаоцифровки КД (рис. 2.3) включает в себя 7 этапов:1. Сканирование КД. В результате получаются цветные, полутоновые или двухградационные скан образы (цифровые растровые изображения) диаграмм с выбранным пользователем разрешением.2. Выделение на скан образе диаграммы непрерывных линий, представляющих КД и ввод необходимой информации для осуществления процесса векторизации.3. Векторизация кривых с заданным шагом квантования по глубине. При векторизации используются данные предыдущего этапа. Результатом векторизации являются упорядоченные по глубине массивы отсчетов амплитуды гео физического сигнала в физических единицах измерения.4. Контроль качества же массивы значений амплитуды оцифрованных кривых.5. Склейка фрагментов кривых, оцифрованных с различных КД. Поскольку исследования различных участков скважины могут быть вьглолнены в разное время, с разными масштабами по глубине, то необходимо произвести выбор кривых, полученных с наиболее детальных диаграмм. Также, необходимо обеспечить формирование массива кривых всех необходимых каротажных исследований скважины с единым шагом по глубине. Этап склейки фрагментов использует массивы цифровых значений кривых и информацию о параметрах регистрации диаграмм. Результатом работы является единый цифровой массив значений КД с единым шагом по глубине.6. Этап ввода данных о приборах и условиях проведенных измерений задает дополнительную информацию о типах и конструкции регистрирующих приборов, измерительных приборов и зондов, конструкции и параметрах скважины, типе и параметрах бурильной и промывочной жидкостей, температуре окружающей среды и т.д. Эта информация необходима для проведения даль Выделение линий
Промежуточные данные процесса оцифровки Данные об информационном наполнении КДоб условиях измеренийРис. 2.4. Схема автоматизированной информационно--управляющей системы поточного процесса оцифровки
Сканирование токами данных в процессе проведения оцифровки КД и предназначенной для применения в процессе поточной оцифровки материалов ГИС большого количества скважин (рис. 2.4). Задачей системы является автоматизация операций управления потоками информации и обеспечение гибкой среды взаимодействия компонентов реализующих отдельные стадии процесса.
В систему введены 4 БД, предназначенные для хранения различных видов соутствующей и технологической информации:1. БД проектов оцифровки хранит полную информацию о типе, количестве и информационном наполнении отсканированных диаграмм, информацию о принадлежности диаграмм той или иной скважине, данные о параметрах геофизических измерительных приборов и зондов, условиях проведенных измерений. Там же хранится информация о текущем состоянии выполнения проекта, пометки, комментарии и сообщения об обнаруженных дефектах диаграмм от операторов, производивших операции сканирования, оцифровки и контроля качества. БД проектов является ключевой управляющей компонентой всей системы, поскольку хранимая в ней информация используется всеми остальными компонентами системы.2. База скан образов диаграмм предназначена для хранения и поиска растровых изображений отсканированных диаграмм. Хранимая в ней информация используется компонентами выделения линий и контроля качества.3. БД информации, связанной с процессом оцифровки, содержит информацию, не являющуюся конечным результатом работы системы, но необходимую для функционирования отдельных ее компонентов. Такой информацией являются данные о параметрах амплитудных шкал кривых, расстановке шкалы глубин и нулевой линии диаграмм. Также, в этой БД хранятся координаты точек выделенных кривых. Хранимая информация используется компонентами выделения линий, векторизации и контроля качества.4. БД фрагментов КД предназначена для хранения фрагментов оцифрованных кривых, полученных с разных КД скважины. Хранимая информация используется компонентами контроля качества и склейки фрагментов кривых.
Показанная на рис.2.4 БД каротажной информации не является обязательной частью предлагаемой информационно-управляющей системы, поэтому на схеме она показана серым цветом.2.2.3. Программные компоненты технологического процесса оцифровкиВ рамках приведенной структурной схемы автоматизированной системы оцифровки разработаны алгоритмы работы и созданы программные компоненты. Сканирование КД.
Задачей подсистемы сканирования является сканирование КД и ввод информации о содержащихся на них КД и интервалах глубин, которые необходимо оцифровать. Вводимая информация используется БД проектов оцифровки для автоматического составления заданий на оцифровку кривых. Дополнительно необходимо ввести информацию о масштабе регистрации кривых по глубине для осуществления автоматической склейки фрагментов кривых в подсистеме склейки фрагментов. Скан образы диаграмм помещаются в БД скан образов, где снабжаются уникальной меткой, позволяющей в дальнейшем их однозначно идентифицировать.
Сканирование производится с помощью рулонного TWAIN - совместимого сканера. Пользователь может выбрать режим сканирования: цветной, полутоновый или двухцветный; и необходимое пространственное разрешение сканера.
Подсистема выполняет процедуру выделения на скан образе диаграммы непрерывных линий, представляющих собой КД. Работа подсистемы состоит из трех этапов (рис. 2.5). но выполняются шаги построения скелета изображения, выделения и предварительной обработки примитивов, поиска оптимальной линии кривой, интерполяции примитивов с помощью кубических сплайнов и вычисления массива координат точек непрерывной КД.
На втором этапе пользователь визуально проверяет правильность автоматического выделения и, в случае неудовлетворительно результата, вручную исправляет ошибочные участки. Также, пользователю необходимо отметить точки смены масштабов регистрации для кривых, изображенных с использованием кратных масштабов.
На третьем шаге пользователь задает параметры и положение амплитудных шкал, шкалы глубины и нулевой линии, а также указывает начальный кратный масштаб зарегистрированной кривой, т.е. масштаб кривой в начале интервала оцифровки.
Структура БД Finder
Разработанные программные средства для контроля достоверности геолого-геофизической и промысловой информации ориентированы на широко распространенную структуру реляционной БД Finder, компании Schlumberger . Структура БД Finder приведена ниже (рис.3.6).Все таблицы БД Finder можно разделить на несколько областей. Каждая область относится к определенной сфере.
Система Finder используется для мощный и разносторонний реляционной БД, которые позволяют эффективно хранить данные и доступ к данным необходимым для пользователя. Эта БД является центральным звеном для всех компонентов системы Finder. БД использует Oracle в качестве системы управления БД. Реляционные данные поддерживают специально разработанные вектора данных, для эффективного хранения данных, которые не могут быть описаны с помощью реляционной модели. Например, описания КД, флюидов или сейсмических данных [85,86,119].
БД является ключевым элементом при интеграции комплекса приложений, входящих в Finder. Структура Finder не ограничивается только таблица инструментарий для распределения системных ресурсов. К этой же категории относятся ряд таблиц специально разработанных для администрирования системы. Системная категория в большей степени используется администраторами БД.2. Кодовая категория (CODES) содержит таблицы, ориентированные на контроль и проверку целостности вводимых данных в системную или проектную категории, а также определяет список ключевых слов, являющихся общими для системы.3. Проектная категория (PROJECT) содержит таблицы и файлы, которые предназначены для хранения и управления данными, используемыми специалистами, проводящими индивидуальные работы.4. Категория анализа (ANALYST) содержит таблицы и файлы, отвечающая за возможность каждого пользователя индивидуально настраивать некоторые параметры отображения данных по его усмотрению. А также позволяет сохранять выходные данные некоторых приложений для последующего использования [121].
Хотя система управления БД Finder очень обширна, все же главной целью ее существования являются геолого-геофизические и промысловые данные, хранящиеся в ней. Разработанная автоматизированная информационная система контроля направлена непосредственно на взаимодействие со структурой хранения этих данных.
Таблицы БД Finder можно условно объединяются в группы, представ чень ключевых слов, используемых повсеместно в системе. К общим справоч никам относятся:а) справочник кодов DICTJ3 - описывает все сущности БД и определяетдля них коды (табл.3.2);б) справочник групп кодов DICT_GROUP - данная таблица предназначена для объединения произвольных списков кодов в группы (табл.3.3);в) справочник кодов в соответствии с локацией DICT_SOURCE (табл.3.4);г) литологический справочник DICT_LITHOLOGY (табл.3.5);д) справочник номиналов насосов N_PUMP (табл. 3.6);е) справочник месторождений FIELD_HDR (табл. 3.7).
Исходный каротажный материал может храниться как на бумаге или бумажной ленте, так и в электронном виде. В общем случае он представляет собой массив разнородной информации, в котором можно выделить несколько основных составляющих: общие данные о скважине - местоположение, дата проведения комплекса исследований, альтитуда устья скважины, тип и свойства бурильного раствора и т.д.; состав комплекса геофизических исследований скважины, заключение о качестве полученного материала; КД, полученные в результате проведения комплекса исследований различными методами каротажа; данные о приборах и зондах, которыми проводились исследования, их параметры; инклинометрия скважины и построенный по ней план скважины; экспертное заключение по результатам интерпретации.
При проектировании БД каротажной информации «Carbon» из всего многообразия исходного каротажного материала для хранения были выбраны следующие виды: общие данные о скважине - документация по скважине; КД полученные в результате проведения комплекса исследований различными методами каротажа; данные о приборах и зондах, которыми проводились исследования, их параметры; инклинометрия скважины; экспертное заключение по результатам интерпретации.
Созданная БД обеспечивает хранение, отображение и вывод на печать этой информации. Дополнительно БД позволяет отображать отсканированные в
Этот модуль призван унифицировать используемые программой структуры данных и, как следствие, упростить дальнейшую разработку прикладных модулей.3. Модуль управления БД. Основными функциями этого модуля являются создание новой и удаление существующей скважины.4. Модуль импорта/экспорта. Выполняет функции импорта и экспорта данных в различных форматах для повышения удобства и гибкости использования БД.5. Модуль отображения. Обеспечивает отображение информации в удобном для пользователя виде. Вся хранимая информация отображается в табличном виде, дополнительно существует возможность отображения КД в графическом виде.6. Модуль редактирования. Позволяет осуществлять редактирование хранимой в БД информации.7. Модуль печати. Выполняет печать данных на принтер или плоттер.
Данные распечатываются в табличном виде, дополнительно существует возможность печати КД в графическом виде.При проектировании БД с учетом требований к адаптируемости и гибкости использования на различных программно-аппаратных платформах, надежности хранения данных, а также для обеспечения многопользовательского ре жима работы была выбрана архитектура БД типа «клиент-сервер». Такая архитектура отвечает всем вышеперечисленным требованиям, а, кроме того, позволяет упростить внутреннюю организацию программы за счет использования достаточного простого, но в то же время гибкого и универсального языка SQL -запросов [13,15,23-25,84].
В качестве сервера БД был выбран Microsoft SQL -Server7.0. Использование SQL -сервера решает задачи обеспечения высокой производительности,защиты данных от несанкционированного доступа и обеспечения сохранности данных как от аппаратных или программных сбоев, так и от ошибочных действий оператора. Кроме того, благодаря встроенным механизмам выполнения хранимых процедур, SQL -сервер берет часть вычислительной нагрузки на себя.
Структура базы была разработана с помощью программы AllFusion ERwin Data Modeler, компании Computer Associates, и в последствии была импортирована на SQL -сервер.
Модули взаимодействия с БД созданы с помощью Borland Delphi5.0. Этасреда разработки обеспечивает удобство и наглядность процесса создания программы, предоставляя готовые средства для решения задач доступа к данным на SQL -сервере, их визуализации и вывода на печать [10,39].
Исходя из требований к видам хранимой информации разработана структура данных, приведенная на рис.3.9. Описание таблиц БД Carbon приведено в табл.3.25.Учитывая то, что в среднем каждая кривая имеет от полутора до 12,5 тысяч отсчетов, что эквивалентно интервалу глубин от 300 до 2500 метров при шаге оцифровки 0,2 метра, а комплекс ГИС для каждой скважины имеет от 5 до 12 кривых, получается, что для хранения кривых одной скважины необходимо занять как минимум 7500 строк таблицы ZMeth. Если на хранение такого объема не налагается никаких особых ограничений, то процесс чтения или записи данных может занять достаточно большое время и вызвать большую нагрузку на сеть и SQL -сервер.
Модель нечеткой логики
Для решения задачи литологического расчленения предлагаются следующие подходы: петрофизическая нечеткая модель, где лингвистическими переменными являются значения петрофизических, физических и геофизических параметров, таких как коэффициенты пористости, глинистости, водонасыщения, удельное сопротивление и т.д; развитие алгоритма диагностических кодов, где производится «размывание» границ «малые»-«средние»-«высокие» в показаниях КД на основании анализа экспериментальных данных; развитие вероятностного алгоритма, когда в качестве лингвистических переменных для решения задачи литологического расчленения выбираются степени принадлежности показаний КД искомому параметру [96,97].
В первой модели выделяются следующие лингвистические переменные: «Пористость», «Глинистость», «Проницаемость», «Водонасыщенность» и др.
Во второй модели лингвистические переменные представляются в виде диапазона значений диаграммы, где выделяются следующие градации: низкие, средние, высокие.
В качестве лингвистических переменных третьей модели выбираются степени принадлежности значений КД искомому параметру. Терм-множество степени принадлежности определяются какГ = {«малая», «средняя», «высокая»}.Приведем пример лингвистической переменной «DS - коллектор»; Т; [0.176, 0.256] , где «DS - коллектор» - название переменной, Т - терм-множество, [0.176, 0.256] -область допустимых значений.
Формирование функции принадлежности производится на основании построения функций отображения для перехода с предметной шкалы на универсальную, в соответствии с распределением значений КД (рис 4.3.).
Оценка результатов интерпретации определяется значениями лингвистической переменной «оценка»; Г; [0Д] , где интервал [0, 1] представляет собой шкалу оценок [102]. В дальнейшем значения лингвистической переменной «оцен 147
Рис. 4.3. Функции отображения для перехода с универсальной шкалы на предметную для метода DS:щ - степень принадлежности значений DSколлектору, (fa - степень принадлежностизначений DS глинам.
Здесь N - высказывание, определяющее наивысшую степень предпочтительности ситуации, например, «ситуация - в норме» (или просто «норма»); G - квантификатор, представляющий собой нечеткое понятие, определяющее меру для высказывания N, т.е. в какой мере (степени) выполняется высказывание N.G принадлежит некоторому множеству квантификаторов { ?}: G є {(?} = {«характерно...», «приблизительно...», «немного отлично от...», «выражено отлично от...», «значительно отличается от...»}. Таким образом, в пространстве оценок решение может принимать пять значений: 7] = «характерно норме», «приблизительно норма», «немного отлично от нормы», «выражено отлично от нормы»и «значительно отличается от нормы». Термы 7 ={7j},/=1...5,задаются в виде К тройки{Тпх,Я{Т ), где область определения х - есть шкалаоценок, а функции принадлежности изображены на рис. нечеткого решения состоит из восьми этапов, в процессе которых производится формирование распознающей системы и непосредственно распознавание [29].
Первый этап включает построение функций принадлежности НМ для множества рассматриваемых нечетких параметров r,X,R{t) . Функции принадлежности находятся путем обработки экспертной информации по результатам функционирования алгоритма АВПР.
Второй этап состоит из построения терм-множества лингвистических переменных ц,Т{п),Х для задачи верификации литологических пластов.
Третий этап построен на построении универсальной шкалы [30,57] и функции отображения для оцениваемых параметров. Для перехода с универсальной шкалы на предметную используется функция отображения ф[0,1] — х.
Четвертый этап принятия нечеткого решения в многокритериальной среде состоит в формировании совокупности критериев принятия решения di.
Пятый этап включает построение пространства оценок для принятия решения.
Шестой этап состоит в построении индивидуальных функций решения — l(k). Для этого лингвистические правила, полученные на четвертом этапе, приводятся к математическим функциям решения. Другими словами, вычисляются степени принадлежности на универсальных шкалах для каждого из рассматриваемых параметров в лингвистическом правиле вывода, н эти степени принадлежности комбинируются для получения индивидуального правила вывода для каждого dk k = l...s(где s - общее количество правил вывода). Таким образом, агрегируется значимость каждого параметра в индивидуальную функцию решения путем использования логической операции конъюнкции над степенями принадлежности по всем параметрам В0с)= &[//t(x)] и логической операции нечеткого включения по Заде [31]:Г( , ) = { &(])(B(F) - ( )) = min[1,(1 -Л(А") + Г;(S ))], где Т = {Т,}. ЗдесьТіїс ) - нечеткое множество в пространстве оценок. Количество нечетких множеств (к, х) определяется совокупностью правил, используемых для принятия решений.Седьмой этап - это нахождение общего решения. Общая функция решения ищется путем применения логической операции конъюнкции ко всем индивидуальным функциям решения: D = & 7 (к) = min7(к).keS keS
Восьмой этап состоит в отражении полученного нечеткого множества на пространстве оценок и определении наиболее близкой оценочной кривой R(T)к кривой общего решения D(x). Мерой близости служит евклидово расстояй=0торой евклидово расстояние наименьшее, d = min d(D, RT) и будет окончательным лингвистическим решением.Рис. 4.5. Фрагмент базового набора нормированных КДисследования и экспериментальных данных выступают скважины Вятской площади, разработанные Арланским УГР ОАО «Баш-нефтегеофизика» (рис. 4.5). Разработка скважин производилась в 1990-92 годах. Материалы представлены на бумажных носителях. Заключения по скважинам были получены интерпретаторами ОАО «Башнефтегеофизика» без использования автоматизированных систем [16,64,65].150 Оцифровка КД производилась с помощью программного комплекса ScanDigit, для конроля качества оцифровки использовался программный комплекс DigitControl После оцифровки и визуального контроля КД, заключения и другая вспомогательная информация были введены в разработанный программный комплекс, состоящий из БД каротажной информации «Carbon», средств экспресс-интерпретации и ЭС.
Целью исследования является получение правил и зависимостей для системы экспресс-интерпретации и формирование правил для ЭС.
