Содержание к диссертации
Введение
1. Анализ степени автоматизации ГИС 19
1.1. Разведка нефтянных месторождений 19
1.2. Геофизические исследования геологоразведочных скважин . 20
1.3. Методы каротажа 21
1.3.1. Использование методов каротажа 21
1.3.2. Электрические методы кароталса 22
1.3.3. Акустический каротаж 27
1.3.4. Радиоактивные методы каротажа 29
1.3.5. Кавернометрия 32
1.4. Автоматизация обработки и интерпретации результатов ГИС 32
1.5. Интерпретация каротажных данных 36
1.6. Анализ алгоритмов интерпретации геофизической информации. 39
1.6.1. Статистические методы 39
1.6.2. Алгоритм с использованием диагностических кодов . 42
1.6.3. Цитологическое расчленение с оценкой вероятности... 44
1.6.4. Метод нормализации 45
1.6.5. Методы классификации, основанные на петрофизиче-ских данных 47
1.7. Основные модели нечеткой логики 48
1.8. Анализ программных средств 53
1.8.1. Программы для оцифровки каротажных диаграмм... 53
1.8.2. Программы интерпретации кароталсных диаграмм... 54
1.9. Результаты анализа 59
1.10. Постановка цели и задач исследований 61
2. Интерпретация результатов ГИС на основе применения интеллек туальных алгоритмов 63
2.1. Развитие адаптивных систем нечеткого вывода 63
2.2. Адаптивные нечеткие модели для решения задач прогнозирования в сложных системах 65
2.2.1. Математическая теория нечетких мноэюеств 65
2.2.2. Нечеткие правила 70
2.3. Модели нечеткого вывода 71
2.3.1. Нечеткий вывод по способу Мамдани (Mamdani) 72
23.2. Нечеткий вывод по Сугепо (Sugeno) 73
2.3.3. Эволюционный подход к построению систем нечеткого вывода 76
2.3.3.1. Теория эволюционных алгоритмов 77
2.3.3.2. Генетический алгоритм 78
2.4. Программные средства для разработки систем нечеткой логики . 80
2.5. Определение продуктивных коллекторов методом нечеткого логического вывода 86
2.6. Полученные результаты и выводы 94
3. Применение алгоритмов для интерпретации данных ГИС 95
3.1. Объект и цели исследования 95
3.2. Применение алгоритма нечеткой классификации 96
3.2.1. Определение оптимального количества классов 98
3.2.2. Определение весовых коэффициентов методов ГИС... 101
3.3. Применение алгоритма обучения нейронных сетей без учителя 108
3.4. Определение коэффициента пористости 110
3.5. Результаты экспериментальных исследований 115
4. Разработка программных модулей АСОИК 117
4.1. Введение 117
4.2. Проверка достоверности устьевых координат скважин 118
4.2.1. Условия построения модели расположения скважин... 118
4.2.2. Результаты построения моделей скважин 120
4.3. Оценка влияния недостоверных данных на результаты модели рования 121
4.3.1. Условия построения моделей 122
4.3.2. Результаты обработки построенных моделей 122
4.4. Результаты анализа моделей 124
4.5. Описание структур баз данных 124
4.5.1. База данных Finder 125
4.6. Файловые структуры данных 137
4.6.1. Файловая структура описания инклинометрии 141
4.6.2. Файловая структура описания кривых ГИС 142
4.6.3. Файловая структура описания РИГИС 145
4.7. Разработка структуры системы контроля достоверности данных.. 146
4.7.1. Разработка структуры системы 147
4.7.2. Разработка структуры базы правил 148
4.7.3. Структурная схема обработки данных 152
4.8. Разработка программных средств контроля данных 155
4.8.1. Алгоритм контроля данных 155
4.8.2. Алгоритм обработки правил контроля 157
4.8.3. Программная реализация модулей системы контроля данных 159
4.9. Полученные результаты и выводы 162
Заключение 164
Литература
- Геофизические исследования геологоразведочных скважин
- Нечеткий вывод по способу Мамдани (Mamdani)
- Определение оптимального количества классов
- Оценка влияния недостоверных данных на результаты модели рования
Введение к работе
Актуальность темы. Совершенствование рациональных методов оперативной интерпретации и методов оценки коллекторских свойств пород является весьма актуальным вопросом на современном этапе развития нефтедобывающей промышленности. Необходимость совершенствования этих методов обусловливается задачей скорейшего ввода в разработку нефтяных месторождений на основе достоверных геофизических исследований скважин в минимальные сроки и при минимальных капиталовложениях.
Расчетные методы и соответствующие исследования скважин и пластов должны позволять определять параметры нефтеносных и водоносных пластов и их изменение по мощности и по площади. Без достоверного знания параметров пластов невозможно строить правильный прогноз разработки месторождений, регулировать процесс разработки, находить оптимальные проектные решения и т. д. От точности и скорости решения этой задачи в значительной степени зависят стратегия извлечения запасов нефти и эффективность использования капитальных вложений на обустройство и доразбуривание месторождений.
Неопределенность при разработке месторождений нефти имеет место в основном из-за нечеткости петрофизических понятий «пористость», «мощность» и т.д. как для отдельной скважины, так и для месторождения в целом. Имеются лишь замеры этих параметров в отдельных точках месторождений, а ввиду неоднородности среды эти величины значительно меняются в пространстве. Применение средних и средневзвешенных значений параметров для расчетов может приводить к получению значительно смещенных точечных оценок параметров.
Погрешность различных приборов и датчиков, проводимых исследований, наличие по целому ряду параметров возможности лишь косвенной их оценки приводят к необходимости проведения расчетов при наличии неточно заданных параметров и коэффициентов уравнений. Замена неточно заданных величин на детерминированные (точечные) величины значительно усложняет процедуру
7 расчета, приводит к необходимости их итерационного подбора для получения приемлемых результатов. В этом случае также затруднена оценка погрешности получаемого результата. Очень часто в состав параметров и коэффициентов уравнений входят одновременно величины с различным характером неопределенности: интервальные, нечеткие, стохастические, эвристические (на основе экспертной оценки). Поэтому возникает необходимость представления всей информации на едином, формальном языке теории нечетких множеств с представлением характеристик неточно заданных величин в виде нечетких функций.
Создание автоматизированной системы для оперативной интерпретации, использующей математический аппарат нечеткой логики, интегрированной со сводной геофизической базой данных и с аппаратным комплексом, позволит давать предварительные заключения прямо на каротажной вычислительной станции (КВС), что будет способствовать снижению стоимости разработки и повышению точности анализа геофизической информации при ее последующей сводной интерпретации.
Объектом исследования являются каротажные диаграммы (КД), представленные в цифровом виде; модели нечеткой логики (НЛ) и нейронных сетей (НС) для решения задач оперативной интерпретации результатов геофизических исследований скважин (ГИС); автоматизированная информационная система интерпретации, обработки и контроля (АСОИК) для комплексного анализа достоверности данных, с возможностью исправления явных ошибок в автоматизированном режиме.
Предметом исследования являются математическое, информационное и программное обеспечение АСОИК, математическое описание алгоритмов обработки КД, оперативной интерпретации, литологического расчленения; разработка структуры хранения и алгоритмов обработки базы правил; структура и лингвистическое обеспечение АСОИК.
Цель работы состоит в получении научно-обоснованных математических моделей и программно-аппаратных средств интеллектуальных систем интерпре-
8 тации, обработки и контроля ГИС, обеспечивающих повышение надежности выявления нефтенасыщенных коллекторов при использовании различного набора производимых при ГИС методов каротажа на основе разработки эффективных алгоритмов интерпретации, базирующихся на положениях теории НЛ и НС, обучаемых с помощью генетических алгоритмов (ГА), проведение комплексной верификации геолого-геофизической и промысловой информации, ведущее к расширению функциональных возможностей специализированных баз данных, внедрение которых имеет существенное значение в области автоматизации обработки и интерпретации геолого-геофизической информации.
Для реализации поставленной цели необходимо решить следующие задачи:
выработка научно-обоснованных решений для построения моделей НЛ для распознавания литологической структуры разреза скважины; разработка способа определения информативности методов каротажа при интерпретации результатов ГИС на основе алгоритмов нечеткого вывода;
выбор и обоснование путем теоретических и экспериментальных исследований структуры АСОИК, принципов построения программного и информационного обеспечения; кодирование отдельных модулей АСОИК;
формализация задачи качественной интерпретации данных ГИС для ее решения с помощыо аппарата НС; разработка правил и методик применения НС для решения задачи литологического расчленения разреза скважины;
разработать научно-обоснованные решения для выделения продуктивных слоев, выбрать методики оценки петрофизических свойств коллекторов, построить типовые схемы оперативной обработки данных ГИС;
исследование структуры геолого-геофизической и промысловой информации и на основе ее получение правила контроля достоверности данных; разработка алгоритмических и программных решений для проведения комплексной верификации геолого-геофизических и промысловых данных;
создание структуры системы контроля, схемы ее работы и инструментов для визуализации результатов работы; выбор и обоснование путем теоретиче-
9 ских и экспериментальных исследований структуры АСОИК, принципов построения программного, лингвистического и информационного обеспечения для ввода, хранения, обработки и анализа правил, применяемых в системе комплексного контроля достоверности данных;
- исследование потоков информации, возникающих при построении моделей месторождений; изучение влияния различных ошибочных геолого-геофизических данных на геологические и гидродинамические модели месторождений; интегрирование системы контроля достоверности данных в существующую широкораспространенную базу данных геолого-геофизической информации.
Методы исследования. При решении задач оперативной интерпретации использовалась модели НЛ и НС. Поиск оптимальных значений весовых коэффициентов для методов ГИС осуществлялся с помощью ГА. Для оценки параметров коллекторов применялась теория НЛ, и использовались функции принадлежности треугольной, трапециевидной и произвольной формы. Интерпретация проводилась с использованием пяти методов каротажа, входящих в состав стандартного набора методов ГИС и пяти дополнительных методов. Результаты интерпретации исследовались на предмет соответствия выделенных нефтенасы-щенных участков разреза скважины экспертным оценкам. Предварительное расчленение разреза на пласты не осуществлялось, обработка КД велась поточечно.
Информационная модель АСОИК создана с учетом объектно-ориентированных принципов разработки программных комплексов. База правил разработана с учётом механизмов построения реляционных структур данных. Структурная схема системы спроектирована и реализована с учетом теоретических основ информатики и вычислительной техники.
Программное обеспечение системы реализовано на алгоритмическом языке высокого уровня - Object Pascal, интерфейс пользователя разработан в интегрированной среде Borland Delphi 6.0, база данных работает под управлением таких СУБД как Oracle 8 и Microsoft SQl Server 7.0. Часть правил системы используются в виде внешних библиотек (DLL) и реализованы на языке высо-
10 кого уровня Microsoft Visual C++. Для построения моделей привлекался инструментарий компании Roxar: IRAP RMSw. TEMPEST MORE.
Достоверность и обоснованность полученных в работе результатов и выводов подтверждена результатами экспериментальных исследований и опытом практической эксплуатации АСОИК.
Математические модели, алгоритмы и прикладные программы, предложенные в работе, основаны на положениях теории нечетких множеств и нейронных сетей. Предлагаемые методики выделения продуктивных пластов и расчета параметров коллекторов основаны на теории геофизических исследований скважин и алгоритмах интерпретации, включенных в АСОИК.
Достоверность экспериментальных результатов обеспечена использованием утвержденных в ОАО «Башнефтегеофизика» экспертных заключений по скважинам Вятского месторождения, большим объемом экспериментального материала и согласованностью результатов с теоретическими положениями.
На защиту выносятся результаты проведения исследований по определению информативности методов каротажа при распознавании литологической структуры разреза скважины посредством модели НЛ, исследования обучения нейронных сетей без учителя при качественной интерпретации данных ГИС, обеспечивающих возможность получения заключения по наличию нефтенасыщенных коллекторов непосредственно после проведения каротажных работ на скважине, а также принципы разработки АСОИК, обеспечивающей повышение уровня достоверности и согласованности геолого-геофизической и промысловой информации, снижению затрат на ресурсы, затрачиваемых при использовании этих данных, вследствие раннего обнаружения и исправления ошибок, в том числе:
разработка моделей НЛ для выделения нефтенасыщенных коллекторов; определение способа оценки качества результатов литологического расчленения разреза по данным ГИС на основе алгоритмов нечеткого вывода;
применение средств искусственного интеллекта для определения литологического состава разреза скважины по данным каротажа путем обучения на
основе анализа соответствия КД имеющемуся экспертному заключению;
разработка программного, информационного обеспечения и структуры АСОИК; ее реализация на основе модели НЛ для получения реальных результатов литологического расчленения разреза скважин.
выбор и обоснование правил формализации задачи литологического расчленения разреза скважины с помощью НС; определение корректных оценок для анализа качества представляемости задачи качественной интерпретации с помощью НС;
реализация разработанных алгоритмических средств и программного комплекса для практического использования и получения реальных результатов экспресс-интерпретации различных скважин;
применение средств искусственного интеллекта для контроля качества оцифровки КД путем анализа соответствия оцифрованной информации имеющемуся экспертному заключению по скважине, характерных интервалов значений диаграмм и других критериев;
алгоритмы и программные модули, позволяющие определить мощность коллекторов, а также их количественные параметры (пористость, нефтенасыщен-ность, водонасыщеиность, глинистость); состав и структура базы правил системы контроля достоверности информации;
проектирование и реализация АСОИК, разработка концептуальной структуры объектно-ориентированной системы, принципов построения программного, информационного, математического и лингвистического обеспечения системы.
Научная новизна полученных результатов определяется проведенными комплексными исследованиями, в результате которых вместо применения классических методов интерпретации, использующих решения трансцендентных уравнений петрофизики, в процессе интерпретации КД применен подход, существенно сокращающий количество вычислительных операций и повышающий быстродействие оперативной качественной интерпретации непосредственно на скважине в ходе проведения ГИС путем применения современной математической теории ин-
12 теллектуальных систем на основе аппарата НЛ и НС, в ходе которых:
определены принципы построения алгоритмов, применяемых на этапе предварительной обработки КД; осуществлен выбор структуры и создание АСО-ИК на основе моделей НЛ и НС, произведено создание и обоснование концепции и принципов построения программного и информационного обеспечения;
разработана база каротажных данных для решения задачи автоматизации обработки результатов ГИС; решены проблемы импорта, хранения и поиска разнородной информации, ее визуализации и вывода на печать; предложены принципы построения интерфейса взаимодействия базы данных с программами обработки и анализа каротажной информации;
предложена модель НЛ для литологического расчленения пройденных скважиной пород; отработана и апробирована методика построения правил базы знаний; в результате проведения комплекса исследований по экспресс-интерпретации КД и сопоставлении их результатов с экспертными оценками выведены критерии, позволяющие использовать оптимальный набор методов каротажа для выделения нефтенасыщенных коллекторов с заданной точностью при использовании созданных алгоритмов, построенных на основе НЛ;
предложена методика обучения НС без учителя, не зависящая от количества входных каротажных диаграмм, позволяющая проводить качественную экспресс-интерпретацию даже в тех случаях, когда на скважине проведен неполный набор методов геофизических исследований и решающая проблему точной классификации типа пласта в случае противоречивости данных ГИС;
разработаны алгоритмы повышения надежности распознавания литоло-гической структуры скважины, являющиеся составной частью интеллектуальной системы и обеспечивающие возможность использования в качестве операторов-пользователей данной системы специалистов среднего уровня; разработана интеллектуальная система на основе НЛ и НС, опирающаяся на проведенный вычислительный эксперимент, позволяющая проводить качественную экспресс-интерпретацию каротажных диаграмм, используя созданную базу знаний
13 с учетом эмпирических данных высококлассных геофизиков-интерпретаторов, даже в процессе проведения ГИС;
создана АСОИК, обладающая возможностью оценки уровня достоверности геолого-геофизической и промысловой информации, хранящейся как в специально разработанных хранилищах, так и в разрозненных источниках; осуществлен выбор структуры и состава компонентов АСОИК, произведена разработка концепции и принципов построения программного, лингвистического и информационного обеспечения АСОИК, обеспечивающих анализ достоверности геолого-геофизических данных;
определены принципы построения алгоритмов и программных средств, предназначенных на ранней стадии обработки информации выявлять ошибочные данные с механизмом их автоматического исправления; разработаны научно обоснованные программные решения, направленные на повышение уровня достоверности геолого-геофизических и промысловых данных;
разработанная система контроля достоверности информации обладает высокой степенью совместимости и мобильности, вследствие чего может быть интегрирована в уже существующие хранилища данных, а также портироваться на сервера различных производителей, поддерживающих реляционную модель данных; разработана единая технология контроля различных по структуре видов данных, обеспечивающая методы интегрированного анализа, применяемых в рамках различных программных решений.
Практическая полезность исследования состоит в том, что в результате комплексных исследований на практике реализована кибернетическая теория распознавания образов, реализуемая на основе принципов построения и функционирования систем искусственного интеллекта и математической теории информационных систем, позволяющих реализовать теоретические основы экспертных систем с помощью легко внедряемого и доступного при широкой реализации аппарата методов НЛ и НС.
Применение АСОИК позволяет существенно сократить временные затра-
14 ты при решении задачи литологического расчленения скважин за счет реализации современных достижений в области развития систем искусственного интеллекта. Это выражается в том, что найден магистральный путь отхода от решения классических уравнений математической физики, в частности, геофизики, и переходу к применению дискретных многофункциональных систем, использующих базы знаний и базы данных, позволяющих принимать решения на основе применения эмпирически обоснованных экспертных оценок. Данные возможности появились в результате реализации математической теории интеллектуальных систем на основе методов НЛ и НС.
Полученные в работе методики и алгоритмы применения аппарата искусственных нейронных сетей для качественной экспресс-интерпретации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора за счет колоссальных вычислительных возможностей по обработке терабайт геофизической информации интеллектуальными системами на базе как отдельных компьютеров, так и компьютерных сетей, существенно использующих реляционные базы данных таких как «Finder» и др. НС за счет заложенных в них эталонных данных позволяют сократить время, необходимое на проведение качественной экспресс-интерпретации скважин в несколько раз с одновременным повышением качества интерпретации и сокращением ошибок при принятии решений.
Созданная АСОИК позволила решить ряд проблем, возникших при обработке различного рода геолого-геофизической и промысловой информации. Применение системы повышает уровень достоверности и согласованности данных, используемых в качестве исходных при построении геологических, гидродинамических и прочих моделей месторождений, а также обеспечивает реализацию механизма обнаружения ошибок и неточностей на ранних стадиях обработки данных.
Практическую ценность системе придает ее независимость от используемых аппаратных средств персональных компьютеров и слабую зависимость от хранилища данных. Структура разработанной АСОИК легко модифицируется под конкретные требования, обеспечивает возможность добавления новых мо-
15 дулей, а также адаптацию системы к различным правилам проверки данных.
Настоящая работа обеспечивает необходимую базу для дальнейшего развития и совершенствования новых направлений обработки и интерпретации геолого-геофизической информации, построенных на математическом аппарате НЛ и НС, с использованием материалов ГИС.
Реализация работы в производственных условиях. При непосредственном участии автора была разработана и реализована АСОИК, построенная на принципах систем искусственного интеллекта и реализованная на математическом аппарате НЛ и НС, в том числе созданы технические и методические средства, направленные на повышение точности ее функционирования и универсальности. Разработанная система использовалась при работе с перспективной базой данных Finder, где правила системы служат для проверки данных на достоверность и согласованность, а также обеспечивают возможность автоматической корректировки заведомо ошибочной информации.
Работа выполнялась в соответствии с планами хоздоговорных НИР, проводимых ПГО (ГГП) «Удмуртгеология», Ижевский механический институт: № ГР 32-81 -78/25 «Разработка и внедрение аппаратуры цифровой записи параметров каротажа для серийных каротажных станций. Разработка конструкторской документации и изготовление опытной партии», № ГР 32-81-78/24 «Опытно-методические работы по освоению и внедрению новых методов ГИС и цифровой записи каротажа», № ГР 32-83-18/35 «Опытно-методические работы по обеспечению эффективности применения цифровой записи параметров каротажа на серийных станциях АКСЛ-7», № ГР 32-90-459 «Освоение персональных ЭВМ, разработка и внедрение проблемных программных средств»; Удмуртским трестом разведочного бурения: № ГР 32-85-35/42 «Опытно-методические работы по внедрению системы цифровой записи и дистанционной передачи параметров каротажа»; Удмуртским производственным геологическим объединение: № ГР 32-87-43/37 «Опытно-методические работы по совершенствованию системы цифровой регистрации параметров каротажа», № ГР 32-89-37/5
«Опытно-методические работы по созданию гибкой производственной системы сбора, преобразования и передачи каротажных данных», № ГР 32-88-38/2 «Разработка автоматизированной системы обработки геологической информации», № ГР 32-89-37/6 «Создание и внедрение автоматизированного банка геолого-геофизической информации УПГО «Удм»; ООО «Институт интеллектуальных технологий»: № ГР 01200 405095 «Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторождения», № ГР 01200 408505 «Отчет по договору 561 на производство работ по переинтерпретации материалов ГИС Ижевского месторождения ОАО «Удмуртнефть».
Вся работа в целом, а также ее отдельные части могут быть использованы предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геолого-геофизической и промысловой информации.
Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на российских и международных научно-технических конференциях и конгрессах: Научно-практической конференции Устиновского механического института (Ижевск, 1986), Республиканской научно-практической конференции «Научно-технический прогресс» (Ижевск, 1987), III Российской университетско-академической научно практической конференции (Ижевск, 1997), конференции International Conference «VIBROENGINEERING-98» (Вильнюс, Литва, 1998), Международных НТК «Информационные технологии в инновационных проектах» (Ижевск, 2002-2004); IV Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2001, 2003); 4-м научном симпозиуме «Геоинформационные технологии в нефтегазовом сервисе» (Уфа, 2005); Международном симпозиуме «Надежность и качество» (Пенза, 2006); 33 Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2006).
17 Публикации. Основные научные результаты по теме диссертации опубликованы в 19 научных работах, в том числе: 8 отчетов о НИР (64 с, 98 с, 138 с, 150 с, 116с, 45 с, 91 с, 53 с), 3 тематических отчетов (113 с, 122 с, 133 с.) 1 депонированная рукопись (объемом 57 страниц), 7 статей в журналах и сборниках.
Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.
Диссертация содержит введение, 4 главы и заключение, изложенные на 180 с. машинописного текста. В работу включены 52 рис., 51 табл., список литературы из 137 наименований и приложение, в котором представлен акт об использовании результатов работы.
СОДЕРЖАНИЕ РАБОТЫ
Введение содержит обоснование актуальности темы, формулировку цели и задач работы, основные положения, выносимые на защиту, и определяет содержание и методы выполнения работы.
В первой главе дан обзор существующих методов каротажа и интерпретации результатов ГИС. Представлен обзор методов получения данных о геофизических характеристиках скважин. Особое внимание уделено электрическому, акустическому, радиоактивному методам каротажа, а также каверномет-рии. Определены основные этапы автоматизации процессов сбора, обработки и интерпретации геофизических данных. При этом дан сопоставительный анализ различных методов и алгоритмов интерпретации данных, таких как статистические методы, алгоритм с использованием диагностических кодов, литологиче-ское расчленение с оценкой вероятности, метод нормализации и методы классификации, основанные на петрофизических данных. Описаны характеристики программных средств, предназначенных для автоматизации работ по оцифровке и интерпретации КД.
Вторая глава посвящена интерпретации результатов ГИС на основе применения интеллектуальных алгоритмов. Достаточно детально исследовано раз-.і
18 витие адаптивных систем нечеткого вывода, рассмотрены адаптивные нечеткие модели для решения задач прогнозирования в сложных системах, в том числе математическая теория нечетких множеств и нечеткие правила. Дан сравнительный анализ способов нечеткого логического вывода по Мамдани, Сугено и эволюционного подхода к построению систем нечеткого вывода. Описаны программные средства для разработки систем нечеткой логики, пути определения продуктивных коллекторов методом нечеткого логического вывода.
В третьей главе приведены экспериментальные исследования, произведенные с помощью разработанной АСОИК. Исследования проводились на комплексе геофизических методов для карбонатных отложений Вятской площади, разработанной Арланским УГР ОАО «Башнефтегеофизика». Проанализированы результаты литологического расчленения разреза и оценки петрофизических параметров продуктивных коллекторов с использованием предложенных средств.
Четвертая глава посвящена описанию разработанных структуры АСОИК, базы правил, методики работы с базой правил, структурной схемы обработки данных. Приведены применяемые в программной реализации алгоритмы работы с базой правил и системы в целом, а также примеры модулей системы.
В заключении сделаны выводы о проделанной работе.
Геофизические исследования геологоразведочных скважин
Разведка месторождений полезных ископаемых - совокупность геологоразведочных работ и связанных с ними исследований, проводимых для выявления и геолого-экономической оценки запасов минерального сырья в недрах [54]. Геологоразведочные работы сводятся к выявлению по площади и глубине продуктивных нефтенасыщенных пластов и оконтуриванию месторождений путем их выборочного пересечения разведочными скважинами и другими горными выработками.
Разведочные скважины бурятся для уточнения геологического строения месторождения, получения исходных данных для подсчета запасов и составления проекта его разработки [109]. В горных выработках и скважинах проводятся различные исследования: геологические, геохимические, геофизические, гидрогеологические и инженерно-геологические. Из продуктивной части разреза отбирают керн и глубинные пробы насыщающего флюида, описывают их состав, структуру и т. п. [117].
По результатам изучения и опробования составляются геологические разрезы и карты, оконтуриваются и подсчитываются запасы полезных ископаемых на основе регламентирующих требований промышленности к их качеству [94].
Как самостоятельная ветвь учения о полезных ископаемых и горной науки разведка месторождений оформилась в СССР в 20-30-х гг. и получила развитие в трудах И.С. Васильева, В.М. Крейтера, Н.В. Барышева, П.М. Татаринова и др. [67].
Разведочное бурение, как способ поисков и разведки месторождений полезных ископаемых посредством бурения скважин, применяется также при инженерно-геологических и гидрогеологических изысканиях. При этом осуществляется проходка разведочных скважин для последующего составления по полу ченным данным геологических разрезов (картировочное разведочное бурение), построения структурных карт тектонического рельефа (структурное разведочное бурение), исследования геологического разреза новой территории (опорное разведочное бурение), доразведки и оконтуривания залежи (промышленное разведочное бурение).
При изучении геологических разрезов решаются следующие задачи: расчленение разрезов и выявление реперов; определение литотипов пород; выявление коллекторов и изучение их фильтрационно-емкостных свойств; подсчет запасов полезных ископаемых [37].
Развитие технологии ГИС привело к созданию комплекса геофизических методов без отбора керна. Эти методы получили название промыслово-геофизических исследований или каротажа (ГИС).
Каротаж заключается в измерении вдоль ствола скважины при помощи каротажного зонда или наземных датчиков какой-либо величины, характеризующей физические, химические или другие свойства горных пород, вскрытых скважиной (рис.1.1). Сигналы от датчика передаются на поверхность и регистрируются наземной аппаратурой, установленной обычно на передвижной каротажной станции, в аналоговой (в виде диаграмм) или цифровой форме. В зависимости от изучаемых физических или химических свойств пород различают электрический, радиоактивный, магнитный, акустический, газовый и другие виды каротажа [67,17].
Большой вклад в разработку теории, методики и техники каротажа внесли Л.М. Альпин, М.И. Бальзамов, Г.В. Горшков, В.Н. Дахнов, А.И. Заборовский, А.А. Коржев, С.Г. Комаров, А.С. Семенов, М.М. Соколов, В.Л. Фок, В.Л. Шпак и др. Важные исследования в области теории и методики каротажа выполнили в США (Г. Арчи, Г. Гюйо, И. Деван, Г. Долль, М. Мартен, В. Рассел, М. Уайли и др.).
При ГИС обычно используется типовой набор методов каротажа, включающий несколько кривых электрокаротажа в сочетании с диаграммами, позволяющими определить пористость.
Для разрезов, состоящих из обломочных пород, получают следующие материалы: кривая потенциала спонтанной поляризации (или гамма-каротажа); кривая сопротивления с малой глубиной исследования (короткий потенциал-зонд длиной 0,4 м или зонд бокового каротажа); кривая каротажа сопротивления с большой глубиной исследования (индукционный каротаж или боковой каротаж с большим радиусом исследования); кривая индукционного каротажа со средним радиусом исследования; кривые каротажа пористости одного или более видов (это может быть акустический или плотностной каротаж).
В карбонатном разрезе используется несколько иной набор каротажных материалов: кривая гамма-каротажа; диаграммы бокового или двойного бокового каротажа; две или более кривых, позволяющих определить пористость (в зависимости от эффективности применения, один из следующих видов каротажа: акустический, плотностной, нейтронный).
Часто применяются также наклонометрия и микрокаротаж сопротивлений, причем последний позволяет выделить проницаемые слои по данным изучения глинистой корки (микрозонды) или по остаточному нефтенасыщению (микробоковой каротаж).
Нечеткий вывод по способу Мамдани (Mamdani)
Основой для проведения операции нечеткого логического вывода является база знаний нечеткой системы, содержащая правила, названия термов и функции принадлежности термов. Пусть имеется система нечеткого вывода, имеющая в БП т правил вида: R{: ЕСЛИ х, это Аи ... И ... хп это А1п,ТО у это Вх; R,: ЕСЛИ x, это Ап ... И ... хп это Аіл, ТО у это 5, (2.2) Дот: ЕСЛИ , это 4і И ... „ это Л , ТО у это Яи, где х., У = 1,« - имена входных переменных; _у - имя выходной переменной; Ay, i = \,m, j = \,n - заданные нечеткие множества.
Результатом нечеткого вывода является четкое значение переменной у є Y на основе заданных четких значений х.еХ, 7 = 1,«.
В общем случае механизм логического вывода включает четыре этапа: введение нечеткости (фазификация), нечеткий вывод, композиция и приведение к четкости, или дефазификация.
Алгоритмы нечеткого вывода различаются главным образом видом используемого нечеткого вывода, следующим после фазификации, и разновидностью метода дефазификации. Разработаны модели нечеткого вывода Мамдани, Сугено, Ларсена, Цукамото [59, 61, 92].
Нечеткий вывод по способу Мамдани (Mamdani)
Данный алгоритм математически описывается следующим образом.
1. Процедура фазификации: определяются степени истинности, т.е. зна чения ФП для левых частей каждого правила (предпосылок). Для базы знаний с т правилами вида (2.2) обозначим степени истинности как Ay(Xj), i = l,m, j = l,n. (2.3)
2. Нечеткий вывод. Сначала определяются уровни «отсечения» для левой части каждого из правил. В качестве / -нормы выступает логический минимум (min): а, = тіпШх,)), і = \,т, j = \,п. (2.4)
Далее находятся «усеченные» функции принадлежности: ОД = тіп(а,,ОД),і = й. (2.5)
3. Композиция или объединение полученных усеченных функций, для че го используется максимальная композиция (/-конорма): ju(y) = max(B;(y)), і = йт, (2.6) где ju(y) - функция принадлежности итогового нечеткого множества. 4. Процедура дефазификации. Приведение к четкости на данном этапе можно осуществить разными методами [64]. Метод среднего центра, или центроидный метод: \yB(y)dy \B{y)dy У или для дискретного варианта: т Лам У = Г - (2-8) /=1 Геометрический смысл значения, рассчитанного по выражениям (2.7), (2.8), - это центр тяжести для кривой /j(y). Метод среднего максимума [92]: м I y=Y,yJM k=\ і где М - число точек переменной у, в которых В(у) достигает максимального значения.
В моделях нечеткого вывода чаще всего используется центроидный метод. На рис.2.5 графически показан процесс нечеткого вывода Мамдани по алгоритму (2.3)-(2.6) для т = 2 и п - 2.
В модели вывода Сугено дефазификатора на выходе системы не требует ся. Для этого используется набор правил следующего вида: R,: ЕСЛИ х, это Ап ... И ... хп это А.т, ТО у = f(X), і = \,т, X = (xvx2,...,xn), f(X) - некоторая четкая функция. Чаще всего в роли f(X) выступает полином первого порядка вида [61, 92]
В алгоритме Цукамото (Tsukamoto) на этапе нечеткого вывода четкое значение у. определяются согласно выражению где уровни «отсечения» ai вычисляются по (2.4), а на функцию принадлежности Bj накладывается требование монотонности [59].
В модели вывода по Ларсену на этапе нечеткой композиции используется t -норма произведения или операция логического умножения.
Результаты нечеткого вывода, полученные разными моделями, могут различаться. Какого-либо явного преимущества того или иного метода исследователи в области нечетких систем не выделяют. Аналогично обстоит дело и со способами приведения к четкости. В работе [70] проведена сравнительная характеристика алгоритмов Сугено и Мамдани применительно к задаче аппроксимации функции. Экспериментальные исследования позволяют сделать вывод о том, что при оптимальных коэффициентах полинома в выражении (2.9) по-грешность аппроксимации по алгоритму Сугено меньше, чем при использовании алгоритма Мамдани. В пользу алгоритма Сугено говорит и тот факт, что его вычислительная сложность меньше, чем у метода Мамдани, благодаря отсутствию блока дефазификации. Тем не менее, в современных нечетких системах, в том числе адаптивных, способ вывода Мамдани распространен достаточно широко [132,135].
Процесс построения системы нечеткого вывода в общем случае состоит из двух этапов: структурной адаптации и параметрической адаптации [69]. Эти процедуры могут выполняться как раздельно, так и одновременно, и проводятся с использованием экспериментальных данных обучающей выборки. Структурная адаптация подразумевает генерацию базы нечетких правил вида «если -то». Критерием качества сформированной базы правил выступает полнота покрытия правилами всех примеров из обучающей выборки.
На этапе параметрической адаптации производится настройка форм функций принадлежности нечеткой системы. Для этого, как правило, минимизируется сумма квадратов разностей между фактическим yi и спрогнозирован ным значениями переменной вывода нечеткой системы: 0(X) = -fj(yi-di)2, (2.11) где X - вектор параметров функций принадлежности; п - объем обучающей выборки. Дополнительно накладываются ограничения на границы термов.
Таким образом, процесс построения адаптивной нечеткой системы всегда сводится к решению некоторого конечного множества оптимизационных задач. Вид оптимизационной функции (2.11) целиком зависит от данных из обучаемой выборки. Нахождение глобального экстремума такой функции традиционными методами оптимизации является сложной, а часто неразрешимой задачей. Поэтому для обучения нечеткой системы применяется новый гибридный алгоритм.
Определение оптимального количества классов
Цитологическая классификация и выделение коллекторов основаны на различии физических и фильтрационно-емкостных параметрах горных пород.
Нахождение значений этих параметров в некоторых диапазонах дает возможность прогнозирования литологии пласта и фильтрационно-емкостные свойства. Так как диапазоны значений перекрываются для различных пород, то необходима идентификация литологии по набору различных параметров пласта.
В автоматизированных системах интерпретации геофизических исследований скважин применяется алгоритм литологического расчленения по диагностическим кодам [38].
Алгоритм заключается в составлении по данным геофизических исследований скважин комплексного кода и сравнении его с прогнозными диагностическими кодами, различные геофизические характеристики пород в данном разрезе. Вместо численных значений используются приближенные интервальные оценки. Например, малым значениям присваивается код 00, средним - 01, большим - 10, очень большим - 11. Совокупность разных геофизических характеристик пласта, записанная в принятом порядке, образует комплексный код литологического типа.
Сравнение комплексного кода пласта с диагностическим дает возможность определить литотип породы в данном пласте. Отметим два основных недостатка данного метода. Первый заключается в том, что в случае несовпадения фактического кода ни с одним диагностическим, литологический тип пласта остается неопределенным. Вторым недостатком является необходимость оценки граничных значений показаний геофизических методов при составлении комплексных кодов. От способа разбиения области изменения параметров на интервалы сильно зависит вид комплексного кода.
Дальнейшим развитием этого метода является алгоритм литологического расчленения разреза с оценкой вероятности. Для данного пласта по комплексу показаний геофизических методов исследований определяется наиболее вероятный литологический тип, к которому он должен быть отнесен [38]. Этот алгоритм устраняет первый недостаток метода литологического расчленения по диагностическим кодам, но не освобождается от необходимости задания интер валов. Кроме того, делается предположение о нормальности распределения показаний методов геофизических исследований.
Эти алгоритмы не являются представителями интеллектуальных систем, так как не являются самонастраиваемыми и самообучаемыми. Класс информационных систем на основе нечеткой логики [116] обеспечивает более эффективное использование имеющихся знаний о некотором объекте (пласте). Это позволяет применить нечеткую логику в интеллектуальных системах интерпретации материалов геофизических исследований скважин.
Достоинствами нечетких экспертных систем являются: возможность параллельного выполнения имеющихся правил и прогнозирования новых состояний рассматриваемой системы; множественное количество значений переменных, а также то, что описание проблемы и правил ведется на естественном языке с использованием лингвистических переменных.
Метод нечеткого логического вывода основан на введении некоторых правил-высказываний, ставящих результат в зависимость от условий. Условия и результат описываются лингвистическими переменными. Так же, как в алгоритме литологического расчленения по диагностическим кодам, для переменных системы (показаний геофизических методов) выбирается разрешающая форма и вводится кодировка значений лингвистических переменных в виде номеров термов множества. В качестве переменной, зависящей от показаний геофизических методов, выступает литологический тип.
Оценка влияния недостоверных данных на результаты модели рования
В самом широком смысле информационная система представляет собой программный комплекс, функции которого состоят в поддержке надежного хранения информации в памяти компьютера, выполнении специфических для данного приложения преобразований информации и/или вычислений, предоставлении пользователям удобного и легко осваиваемого интерфейса. Обычно объемы информации, с которыми приходится иметь дело таким системам, достаточно велики, а сама информация имеет достаточно сложную структуру.
Доминирующей моделью данных в настоящее время является реляционная модель. Тем не менее, было бы рискованным предполагать, что конечный пользователь смотрит на мир с позиций реляционной модели. Для каждого рода деятельности и для сообществ людей, этой деятельностью занимающихся, существует свой взгляд на то, как устроена их предметная область. Цель разработки новых моделей данных состоит в том, чтобы приблизить информационную систему, имеющую дело с некоторой предметной областью к представлениям пользователей об этой предметной области. Более того, если проанализировать современные системы, то окажется, что реляционная модель данных используется в них главным образом для обеспечения хранения данных, а большая часть логики, связанной с предметной областью остается вне компетенции системы управления базами данных (СУБД) [128, 49].
Необходимо отметить, что данные хранятся не только в СУБД, но и в файлах определенных структур. Следовательно, автоматизированная информационная система контроля достоверности данных также должна иметь возможность проверки информации, располагающихся в таких файлах, а также делать выводы о согласованности данных в СУБД и файлах.
Для проверки достоверности устьевых координат скважин применялся алгоритм АВП. На входе алгоритму подается множество векторов определяющих положение скважины на местности и номер куста, на выходе классификация по координатам номера куста и его сопоставление с заданным. Необходимо отметить, что в основе определения истинности кривизны скважины лежит предположение о том, что устьевые координаты скважин успешно прошли этап верификации. 4.2.1. Условия построения модели расположения скважин
В качестве исходных данных для построения модели физического расположения скважин были взяты реальные координаты скважин с ряда месторождений Западной Сибири. Ниже в таблицах (табл.4.1, табл.4.2) приведены исходные данные для которых производилась классификация. В представленных таблицах представлены данные для 5 и 9 кустов соответственно. Следовательно алгоритм АВП должен классифицировать 5 и 9 объектов (кустов).
На графике (рис.4.1) светлые точки отображают исходные данные, темные - результаты классификации. Очевидно, что классы образованы (табл.4.3) исходя из принадлежности скважин определенному кусту. Аналогично скважины распределились и для исходных данных из табл.4.2. X, тыс. км
После получения объединения скважин в кусты, можно сделать вывод о правильности параметров характерных для определенной группы. Следующим шагом является проверка данных на согласованность. В качестве примера можно привести правила, которые позволяют определить согласованность данных ГИС по глубине скважин в пределах одного куста. После согласования становится возможным расчет количественных параметров, таких как коэффициент пористости, нефте- и газонасыщенности и пр., и их сопоставление с имеющимися в заключениях.
На современном уровне развития технологий результатом сбора и обра \ ботки геолого-геофизической и промысловой информации является построение моделей месторождений. Недостоверность данных может оказать значительное влияние на поведение модели. Например, на качество конечной гидродинамической модели может повлиять ошибка в расчетах коэффициентов пористости.
Гидродинамические модели были построены с использованием симуля-тора ROXAR TempestMl !Е. Визуализация и экспорт данных для последующего анализа результатов осуществлялась с помощью встроенного инструментария Tempest.
Модели построены на основе реальных данных одного из месторождений Западной Сибири. Для одной из моделей взято поле коэффициентов пористости построенное с использованием непроверенных данных, а в другой - полученное после проверки. Коэффициенты нефте- и газонасыщенности полученные в результате эксперимента были сопоставлены с реальными данными, имеющимися в распоряжении соответствующих департаментов нефтяных компаний. 4.3.2. Результаты обработки построенных моделей
Схема взаимодействия Рис. 4.4. Схема взаимодействия элементов поля (вершины) элементов поля (грани)
Ошибки в поле пористости получены «естественным» путем, т.е. были внесены при обработке данных либо при вычислениях, либо непосредственно пользователями при вводе. Так или иначе, в результате получили поле пористости в некоторых ячейках которого присутствуют неверные значения.
