Содержание к диссертации
Введение
1. Общие сведения о районе работ 7
1.1. Краткие сведения о геологическом строении территории 7
1.2. Анализ различных существующих методик определения КИН 12
2. Построение и анализ обобщенных статистических моделей для определения КИНм 23
2.1. Построение и анализ обобщающей статистической модели для определения КИНм 23
2.2. Построение и анализ обобщенных статистических моделей для определения КИНМ2"5 35
3. Построение и анализ дифференцированных по типу коллектора и способу разработки статистических моделей для определения КИНМ 55
3.1. Построение и анализ дифференцированных моделей для определения КИНМ 6'9 55
3.2. Сопоставление полученных статистических моделей для определения КИНм1'9 64
4. Построение и анализ статистических моделей для определения КИНм в зависимости от входящих в объект разработки пластов 76
4.1. Статистическая модель для определения КИН объектов разработки терригенного девона 77
4.2. Статистическая модель для определения КИНМ турнейско-фаменских карбонатных объектов разработки 78
4.3. Статистическая модели для определения КИНМП визейских терригенных объектов разработки 81
4.4. Статистическая модели для определения KHHM башкирско-серпуховских карбонатных
московских терригенно-карбонатных объектов разработки 100
4.5. Статистическая модели для определения КИНМ нижнепермских карбонатных объектов разработки 105
Заключение \ц
Список использованных источников 114
- Анализ различных существующих методик определения КИН
- Построение и анализ обобщающей статистической модели для определения КИНм
- Построение и анализ дифференцированных моделей для определения КИНМ
Введение к работе
Актуальность проблемы
В настоящее время в Пермском крае используется ряд отечественных и зарубежных методик для оценки коэффициента извлечения нефти из недр (КИН). Причем все эти методики составлены для более широких территорий, например, для Волго-Уральской нефтегазоносной провинции. Поэтому целесообразно оценить «работоспособность» применяемых методик путем сравнения их с утвержденными ЦКР Роснедра коэффициентами извлечения нефти в проектно-технологических документах (КИНПр) и обоснованными с применением геолого-гидродинамического моделирования.
В целом анализ показывает, что эти методики, обоснованные по состоянию разработки месторождений на период 1970-80 годов, фактически устарели, так как накопленные данные по выработке нефтяных объектов показывают, что использование этих методик в настоящем виде занижает КИНпр и необходима их корректировка.
Использование огромного, накопленного на текущий момент опыта разработки месторождений позволило построить адекватные математические модели для оценки конечной нефтеотдачи объектов разработки Пермского края.
Цель работы
Разработка математических моделей для определения КИН объектов разработки на основе вероятностно-статистического анализа геолого-промысловых данных.
Основные задачи исследований
1. Обоснование требований к обучающей выборке при построении
моделей для определения КИН;
2. Научное обоснование необходимости оценки КИН в зависимости от
типа коллектора, способа эксплуатации объектов разработки,
нефтегазоносных комплексов, входящих в объект разработки пластов,
нефтегеологического районирования территории;
3. Построение статистических моделей для определения КИН по
геолого-промысловой информации.
Методы решения задач
Для решения поставленных задач использованы результаты геологического и гидродинамического моделирования, а также геолого-промысловая информация по разрабатываемым залежам месторождений Пермского края. Результаты проанализированы и обобщены с использованием статистических методов обработки экспериментальных данных.
Научная новизна
Впервые разработана методика формирования обучающей выборки при построении статистических моделей для определения значений КИН;
Впервые построены статистические модели определения КИН с учетом регионального изменения геолого-физических свойств пластов коллекторов и физико-химических характеристик нефтей;
Обоснована необходимость дифференцированной оценки КИН в зависимости от типа коллектора, способа эксплуатации объектов разработки, нефтегазоносных комплексов, входящих в объект разработки пластов;
Построены общие и дифференцированные статистические модели для определения КИН объектов разработки месторождений Пермского края, выполнен анализ их «работоспособности».
Защищаемые положения диссертации
Методика формирования обучающей выборки при построении моделей КИН;
Нефтегеологическое районирование изучаемой территории для построения статистических моделей определения КИН с учетом свойств пластов коллекторов и нефтей;
3. Математические модели для определения КИН объектов разработки
месторождений Пермского края.
Практическая ценность работы
1. Создание и внедрение в практику методики оценки КИН объектов
разработки месторождений Пермского края;
2. Повышение точности оценки извлекаемых запасов нефти
месторождений Пермского края;
3. Использование полученных моделей при оперативных подсчетах
запасов, контроле значений КИН, полученных при промышленном
подсчете запасов, геолого-гидродинамическом моделировании объектов
разработки, оценке запасов по международным классификациям.
Апробация работы
Результаты работы используются в ООО «ПермНИПИнефть» для расчета КИН при первом подсчете запасов и в 000 «ЛУКОЙЛ-ПЕРМЬ» при контроле проектных значений КИН.
Материалы диссертации докладывались и обсуждались на конференциях молодых ученых и специалистов 000 «ЛУКОЙЛ-ПЕРМЬ» (2004-2007 гг.), конференции молодых ученых и специалистов ОАО «ЛУКОЙЛ» (2005 г.), научно-практической конференции ООО «ПермНИПИнефть» (2006 г.), научно-практической конференции Горного Института Уральского отделения РАН (2004 г.), научно-практических конференциях ПГТУ (2002-2007 гг.)
Публикации
Основные положения диссертации изложены в 8 публикациях.
Объем работы
Диссертационная работа состоит из введения, четырех глав и заключения. Объем работы 121 страница, включая 94 рисунка, 46 таблиц, список литературы из 116 наименований.
Содержание работы
В первой главе дано краткое описание изучаемой территории по комплексам с доказанной нефтегазоносностью, а также приведено сопоставление КИНПр с КИН, рассчитанным по имеющимся статистическим моделям.
Во второй главе разработана методика формирования обучающей выборки на основе сопоставления проектных и текущих КИН при различной степени выработанности запасов нефти. Выполнено построение и анализ обобщенной статистической модели для определения КИНм1. Обоснована необходимость дифференцированной оценки КИН в зависимости от ряда факторов. Построены и проанализированы многомерные статистические модели для определения КИН, учитывающие тип коллектора и систему разработки: для терригенных пород - вариант 2 (КИНМ2), для карбонатных пород - вариант 3 (КИНМ3), для объектов эксплуатируемых с системой поддержания пластового давления (ППД) -вариант 4 (КИНм4) и для объектов эксплуатируемых без системы ППД -вариант 5 (КИНм5).
В третьей главе выполнено построение и анализ многомерных статистических моделей для определения КИН комплексно учитывающих и тип коллектора, и систему разработки. Рассмотрены следующие варианты: для терригенных пород с ППД - вариант 6 (КИНМ6), для карбонатных пород с ППД - вариант 7 (КИНМ7), для терригенных пород без ППД - вариант 8 (КИНМ8), для карбонатных пород без ППД - вариант 9 (КИНМ9). Анализ «работоспособности» полученных девяти моделей показал, что для ограниченных вариантов 6, 7, 8, 9, связи между значениями проектного и модельного КИН более тесные, чем при рассмотрении более обобщенных вариантов 1,2, 3,4, 5.
В четвертой главе выполнено построение и анализ статистических моделей для определения КИН по нефтегазоносным комплексам с учетом способа разработки, выполненного нефтегеологического районирования, пластов входящих в объект разработки. Для учета закономерного регионального изменения геолого-физических свойств пластов-коллекторов и физико-химических характеристик нефтей при моделировании КИН произведено районирование территории Пермского края по визейскому терригенному нефтегазоносному комплексу. В связи с недостаточным объемом данных по нижнепермскому карбонатному
нефтегазоносному комплексу привлечена информация по Башкирии, Оренбургской и Самарской областям.
В заключении отмечено, что результаты выполненной работы могут быть использованы для расчета КИН на первых стадиях оценки месторождений, при расчете извлекаемых запасов, не эксплуатируемых в настоящий момент объектов разработки по зарубежным классификациям (SPE, SEC и др.), а так же для контроля значений КИН, полученных по другим моделям.
Автор выражает благодарность научному руководителю, заслуженному деятелю науки РФ, доктору геолого-минералогических наук, профессору В. И. Галкину.
Искреннюю признательность за консультации и поддержку в работе над диссертацией автор выражает А. И. Савичу, С. В. Галкину.
Анализ различных существующих методик определения КИН
В настоящее время при оценке КИН в Пермском крае используется ряд статистических методик. На первом этапе оценена их эффективность применительно к объектам разработки месторождений Пермского края и сопоставлены полученные по ним результаты друг с другом и с утвержденными государственными инстанциями. К числу последних относятся, прежде всего, принятый в государственном балансе запасов полезных ископаемых (на 1.01.06 г.) коэффициент извлечения нефти КИНБАЛ И утвержденный в ЦКР Роснедра при проектировании разработки месторождений коэффициент извлечения нефти КИНПр.
В настоящей главе выполнено сопоставление КИНБАЛ И КИНПр для различных объектов разработки, которое приведено в табл. 1.1. В данной таблице в объектах, объединенных под категорией Рь присутствуют следующие объекты разработки: См, См-Ар, Ар. Категория СгШ включает в себя объекты: К, К-Пд, KBj, В3В4, KBi-B3B4. Категория С2Ь включает в себя Бш, Срп, Бш-Срп, если совместно с башкирско-серпуховскими пластами разрабатываются вышезале-гающие пласты, то они также включены в эту категорию. Категория CjV включает в себя все визейские терригенные объекты разработки. Категория Cit-Daf содержит все карбонатные верхнедевонско-турнейские карбонатные объекты разработки. Категория DTEP - объекты терригенного девона (До, Ді, Дг).
Из таблицы 1.1 видно, что стоящие на Государственном балансе КИНБАЛ ДЛЯ всех объектов разработки без исключения занижены в сравнении с принятыми при проектировании. Причина столь существенной разницы состоит в том, что длительное время КИН утверждались ведомствами, которые находились в разных министерствах РФ (СССР). К настоящему времени это противоречие на государственном уровне устранено, и экспертиза всех пересчетов запасов и проектных документов проводится в МПР России.
В качестве наиболее достоверных необходимо рассматривать утвержденные в ЦКР Роснедра проектные КИНпр, как обоснованные с применением наиболее точного метода - геолого-гидродинамического моделирования. Это дает основание в данной работе все дальнейшие расчеты и анализ проводить, принимая как наиболее достоверно обоснованные именно КИНПр. Значение КИНПр является определяющим при проведении статистического анализа и поиска зависимостей КИН от геологических и технологических показателей. Это согласуется с рекомендациями МПР России, согласно которым стоящие на Государственном балансе КИНБАЛ планомерно приводятся в соответствие именно с КИНПР- Контроль обоснованности величин КИНпр в работе осуществлялся путем его сопоставления со значениями текущего КИНт, рассчитанного как отношение накопленной добычи к начальным геологическим запасам объекта разработки.
К настоящему времени при проектировании разработки месторождений нефти в Пермском крае рекомендован ряд различных статистических методик расчета коэффициентов извлечения нефти. Одной из методик, длительное время применяемых на практике, является расчет КИН в программе «КИНГ», созданной по статистическим зависимостям для Урало-Поволжского нефтегазоносного района [87]. В рамках методики «КИНГ» предложены формулы расчетов КИН при водонапорном режиме разработки для трех различных типов: карбонатных Бш (КИНкингБШ)5 Т-Фм (КИНкинг7) и терригенных визейских (КИНКингТЕРР) объектов.
В формулах для расчетов КИНкинг приняты следующие условные обозначения: ц - вязкость пластовой нефти, мПа#с; КПр - проницаемость пласта, мкм2; КПЕСЧ " коэффициент песчанистости, д.е.; КРАсч - коэффициент расчлененности, ед.; ПЛС - плотность сетки скважин, га / количество добывающих скважин; hH -средневзвешенная эффективная нефтенасыщенная толщина, м; DBH3 - доля во-донефтяной зоны (ВНЗ) пласта, д. е.
Раздельно для всех рассмотренных случаев по приведенным формулам рассчитаны значения КИНкинг- В анализе участвовали только объекты с выра-ботанностью (В, %) от начальных извлекаемых запасов, превышающей 30 %. Результаты расчетов в графической форме приведены на рис. 1,7.а,б, 1.8.
В результате при использовании формулы КИНКингБШ для пласта Бш в анализе участвовало 22 объекта разработки. Из рис.1.7.а видно, что полученные расчетные результаты плохо согласуются с КИНПР (г=0,31). В целом для большинства случаев наблюдается устойчивое завышение оценки КИНКингБШ над КИНПР (средние значения КИНКингБШ=0,557 и Для 27 участвовавших в анализе объектов связь между этими характеристиками практически отсутствует (г=0,28). Здесь, отмечено занижение оценки КИН, полученной по методике КИНГ (среднее КИНкинг1 = 0,271 и КИНПР = 0,280). Одной из причин несоответствия значений КИН по методике КИНГ является то, что в данной методике одним из параметров, существенно влияющих на конечные результаты (высокий вес показателя в формулах), является плотность сетки добывающих скважин. Методика КИНГ была разработана достаточно давно (1988 г.) и, вероятно, проектируемое количество скважин при получении данной формулы было определено на тот момент недостаточно точно. Аналогичным образом проведены расчеты по формуле КИНГ для терри-генных коллекторов, которые также сопоставлены с КИНпр. Результаты сопоставления по 92 объектам разработки приведены на рис. 1.8. Сходимость рассчитанного КИНКингТЕРР и КИНпр невысокая (г=0,45). Из данной зависимости четко видно, что расчетные КИНкингТЕРР находятся в весьма узких пределах в диапазоне от 0,249 до 0,333 при среднем КИНКингТЕР?=0,299. При этом диапазон КИНПР значительно более широк (от 0,235 до 0,660), среднее значение КИНПр=0,448. Другой предлагаемой методикой оценки КИН терригенных коллекторов при заводнении является разработанная в проектном институте ПермНИПИ-нефть и предложенная в работе [93] экспресс-оценка на стадии промышленной разведки и первого подсчета запасов, в которой проектные КИН предлагается оценивать по следующей многомерной модели:
Построение и анализ обобщающей статистической модели для определения КИНм
В настоящее время на территории Пермского края имеется информация по проектным (КИНпр) и текущим (КИНт) коэффициентам извлечения нефти для 489 объектов разработки. Ряд залежей эксплуатируется более 30 лет и характеризуется высокой степенью выработанности начальных извлекаемых запасов, высокой степенью обводненности, довольно высокими значениями КИНТ.
Если сопоставить КИНПР и КИНт по всем данным, то величины характеризуются статистически значимой связью, приведённой в табл. 2.1.
Анализ корреляционного поля показывает, что оно характеризуется высокой степенью неоднородности (рис. 2.1.а). Особенно это относится к тем объектам, степень выработанности которых составляет менее 50%. По средним значениям КИНпр и КИНТ сильно различаются.
а) по всем объектам разработки б) по эталонным объектам разработки Рис. 2.1. Корреляционное поле между значениями КИНПр и КИНт
В данной главе рассмотрена возможность обоснования того количества объектов разработки, которое можно использовать для изучения статистического влияния различных геолого-технологических показателей на величину КИНПР.
Далее, располагая наличием значимых корреляционных связей между КИНТ и КИНПр и отсутствием статистических различий в средних значениях между ними, при доверительной вероятности 0,95 [11, 50, 51] построен ряд обобщенных статистических моделей для прогноза КИНпр.
Для определения того количества объектов разработки, которые удовлетворяют вышеназванным двум условиям, для анализа дополнительно привлечена степень выработанности начальных извлекаемых запасов (В, %).
Первый этап формирования обучающей выборки для построения первой обобщенной модели приведен в табл. 2.1.
Анализ значений tp и р, приведенных в таблице 2.1, показывает, что только при В 72% (п=104) средние значения КИНТ и КИНПр становятся статистически неразличными (рис. 2.1.6, табл. среднее значение ±отклонение интервал изменения параметра
где п - количество наблюдений; г - коэффициент корреляции; tP - коэффициент Стьюдента; р - доверительная вероятность.
Несмотря на то, что количество объектов установлено только на основании статистических оценок, построим и проанализируем многомерную модель для определения КИН по этим данным. В построенной модели присутствуют 11 критериев, описывающих характеристики данных объектов: KHHM,=-0,218+0,000009-QA+0,101-KnEC4+0,0286-Cn+l,170-Kn+0,0116-PHAC+ +0,00074-ГПр+0,000051-8д-0,046-Ввт-0,0029 СсА-0,00039-Сг+0,218-Кн; n = 104, R=0,78, FP/Ft=l,07; где ( - начальные геологические запасы нефти, приходящиеся на одну проектную добывающую скважину, тыс.т/скв.; Сп - содержание парафина в нефти, %; РНдс - давление насыщения нефти, МПа; ГПР - гидропро-водность пласта, мкм2,см/мПа с; 8д - проектная плотность сетки добывающих скважин, тыс.м2/скв.; ССА - содержание смол и асфальтенов в нефти, %; Сг - газосодержание нефти, м3/т.
Формирование данного уравнения регрессии происходило последовательно [8, 50, 51]. На первом этапе построения модели по варианту 1 в нее был включен показатель Qa. Данный показатель характеризуется максимальной корреляцией с КИНпр (г=0,44). На втором шаге в модель был включен показатель песчанистости разреза. Отметим, что на первом и втором шагах формирования модели знаки при рассматриваемых показателях положительные. Коэффициенты корреляции г между КИНпр И ЗД, КПЕСЧ: 0,44; 0,37 соответственно. На третьем шаге в модель был включен показатель Сп, знак при данном показа теле положительный, множественный коэффициент корреляции R=0,634. Далее модель дополнилась показателями открытой пористости (Кп), давления насыщения (РЦАС), гидропроводностью (Гпр), при этом значение множественного коэффициента корреляции R увеличилось от 0,673 до 0,742. Далее значение R на 7-м шаге статистического моделирования достигло значения 0,761. Во всех случаях знаки при показателях были положительные. С 8-го шага по 10-й коэффициенты при показателях отрицательные. Здесь необходимо отметить, что корреляции, между КИНпр и DBH3, ССА отрицательные, тогда как с Сг эта связь положительная. Наличие такого несоответствия можно объяснить тем, что эта комбинация совокупности показателей дает максимальное значение множественного коэффициента корреляции R. Определение значений КИНМ по предлагаемой модели может внести некоторые ошибки в значения КИНМ, особенно, если значения Сг будут больше или меньше тех значений, которые использованы при построении модели. На заключительном, 11-м шаге статистического моделирования в многомерное уравнение регрессии был включен показатель нефтенасыщенности (Кн), который незначительно увеличил значение множественного коэффициента корреляции R до 0,778. Приведенные характеристики построенного уравнения регрессии показывают, что данная модель является достаточно устойчивой, Fp/Ft l, р 0,000. Отметим, что последовательно до 7-го шага наблюдается значительное повышение значений множественного коэффициента корреляции R до 0,761, затем значения R увеличиваются не так интенсивно. Интервал значений показателей, в пределах которых можно приме-, нять эти модели и другие характеристики параметров, приведены в табл.
Несмотря на то, что корреляционная связь между КИНПр и КИНМ является достаточно тесной, выполненный анализ корреляционного поля показывает, что значения по КИНпр и КИНм1 по четырем объектам разработки обучающей выборки лежат за пределами основного поля корреляции: объект разработки Т Григорьевского купола Павловского месторождения; объект разработки Тл Западного купола Туркинского месторождения; объект разработки Бб Троельжан-ского месторождения; объект разработки Тл-Бб Яринского купола Ярино-Каменноложского месторождения.
Далее по формуле (вариант 1), выполнены расчеты по тем объектам разработки, характеристики которых удовлетворяют интервалам варьирования показателей, приведенным в табл. 2.2. Например, по показателю БВнз можно выполнять расчеты только по тем объектам, значения DBH3 которых находятся в интервале 0,014 - 1,00; по показателю Кп - в интервале от 0,06 до 0,23 и.т.д. всего объектов, которые удовлетворяют данным условиям, 366, что составляет 74,8 % всех эксплуатируемых объектов разработки в Пермском крае.
Построение и анализ дифференцированных моделей для определения КИНМ
Показатель DBIB принял участие в построении 1, 2, 5 и 9 вариантов моделей, при этом знаки коэффициентов при нем были всегда отрицательные. Необходимо отметить, что данный показатель начинал участвовать в формировании моделей на завершающих стадиях статистического моделирования.
Показатель Ьн участвовал в построении 2, 3, 8 и 9 вариантов моделей, при этом в 3 из 4 случаев знак также был «-». Это противоречит корреляции между КИНпр и Ьн для 3 модели, но, как следует из последовательности статистического моделирования, данный показатель был включен в модель на 8-м шаге, и это позволило найти то сочетание параметров, при котором значение R было максимальным на данном шаге. В то же время корреляция между КИНпр и Ън для 2 варианта положительная, достаточно тесная (г=0,43) и этот показатель был включен в модель на втором шаге. Показатель Кп участвовал в формировании шести моделей, во всех случаях знак положительный, хотя для вариантов, где участвуют карбонатные породы, эти связи даже отрицательные: вариант 3 (г=-0,27), вариант 7 (г=-0,21), вариант 9 (г=Ч),56). Данное несоответствие знаков, полученных при парной корреляции Кп с КИНпр, знакам, полученным в многомерном уравнении регрессии, значительно усложняет использование построенных моделей для прогнозных оценок. Здесь необходимо тщательно изучить корреляционные вязи между КИНпр и Кп, и в случае, если прогнозные данные не вписываются в эталонное корреляционное поле, данную модель для прогноза использовать не рекомендуется. Особенно это относится к 9 модели для карбонатных пород, разрабатываемых без ППД, так как показатель Кп включается на 2 шаге моделирования.
Показатель Кн используется при построении четырех многомерных моделей, для терригенных пород во всех трех случаях со знаком «+», для карбонатных - со знаком «-». Если для терригенных пород парные связи между Кн и КИНпр положительные, как и в многомерных моделях, то для 3 варианта корреляция очень слабая положительная (г=0,06). Для данного варианта показатель Кн был включен в модель на 9 шаге для получения максимального R=0,821. Полученное противоречие усложняет использование данной модели для прогнозных оценок значений КИНМ3 Коэффициент песчанистости участвует в формировании только двух моделей - обобщенной (вариант 1) и для терригенных пород без ППД (вариант 8), причем в обоих случаях со второго шага. В первом случае эта связь положительная (г=0,37), во втором случае она даже усиливается (г=0,65). Для данных моделей не наблюдается противоречия между парными корреляциями и знаками коэффициентов при КПЕСЧ Показатель КПР участвует в формировании только одной модели - для карбонатных пород. Знак при коэффициенте при данном показателе согласуется со знаком корреляции между КПр и КИНпр.
Гидропроводность формирует построение многомерных моделей в четырех случаях, во всех коэффициент при Гщ имеет положительное значение. При этом отметим, что во все парные корреляции между Гпр и КИНпр ДЛЯ данных вариантов достаточно сильные.
Показатель расчлененности разреза участвует в формировании более узких вариантов многомерных моделей (8, 9), т.е. терригенных и карбонатных пород без поддержания пластового давления. При этом необходимо отметить, что парная корреляция между КИНПр и Крдсч в 8 случае слабая отрицательная, в 9 -слабая положительная, тогда как коэффициенты при нем в обоих случаях положительные. Использование показателя КРАсч для 8 варианта для прогнозных оценок должно сопровождаться детальным изучением соотношений эталонной и прогнозных выборок.
Несмотря на то, что многие исследователи считают, что значение КИН зависит от вязкости нефти, в нашем случае данный показатель участвует в формировании многомерной модели только один раз - для варианта с ППД со знаком «-». При этом отметим, что действительно для всех девяти рассматривавмых вариантов корреляционные связи между КИНПр и ц всегда отрицательные: от-0,08 до-0,34.
Газосодержание нефти участвует в формировании двух вариантов - 1 и 3, знаки при данном показателе минусовые, хотя парные корреляции между КИНПР и Ср во всех случаях положительные.
Показатель РНАС принимает участие в 1-4 вариантах моделей, знаки во всех моделях положительные, что согласуется со знаками парных коэффициентов корреляции.
Начальное пластовое давление присутствует только в модели, построенной для карбонатов, со знаком «+». Данный показатель в 8 случаях из 9 имеет прямые связи, и только для варианта терригенных пород с ППД эта корреляция очень слабая отрицательная (г=Ч),02).
Величина Сс присутствует в моделях 2, 6, 8, т. е. в тех вариантах, где присутствуют терригенные породы. Корреляции между КИНПр и Сс во всех рассматриваемых вариантах слабые отрицательные.
Наоборот, корреляции между КИНпр и содержанием парафина во всех рассматриваемых вариантах положительные и в основном более сильные. В построенных шести моделях знаки при этом показателе всегда положительные, данный показатель участвует в формировании статистических моделей на ранних этапах их построения, причем значения этих коэффициентов в уравнениях регрессии достаточно близки.
Значения коэффициентов при показателе ССА ВО всех трех вариантах отрицательные, но по величине вклада в многомерные модели отличаются достаточно сильно, что отразилось в последовательности включения данного показателя в комплексные модели.
Начальная пластовая температура участвовала в формировании 3 и 4 моделей. Знаки при Тпл отрицательные, но сильно отличаются по их величине.
Плотность сетки добывающих скважин принимает участие в 1-4 моделях; объемная плотность сетки добывающих скважин - в 5 и 7 вариантах моделей. При этом знаки при этих показателях как положительные (варианты 1, 2, 5, 7) так и отрицательные (варианты 3,7).
Показатель Q% участвует в 5 моделях, в вариантах 1,3,6,9 знаки при данном показателе «+», в варианте 5 «-».
Показатель qu присутствует в 3, 4, 7 и 9 вариантах моделей, при этом в первых трех вариантах знаки коэффициентов при qn положительные, и варианте 9 - отрицательные. Корреляции между КИНПр и Цн в первых восьми вариантах положительные и только в варианте 9 - отрицательные.
Анализ полученных девяти моделей показал, что для ограниченных по условиям разработки вариантов (6-9), связи между значениями КИНпр и КИНМ более тесные, чем при рассмотрении обобщенных вариантов (1-5). Кроме того, полученные модели для определения КИН обладают различной эффективностью использования для различных условий. Сопоставим значения КИНПр с КИНм в зависимости от степени дифференциации объектов в обучающей выборке: КИНм,кл - все объекты (класс 1 - соответствует значениям КИНм1); КИНм2кл - терригенные и карбонатные коллектора (класс 2 - включает значе
