Содержание к диссертации
Введение
ГЛАВА 1 Анализ влияния геологических и технологических факторов на показатели разработки неоднородных пластов .11
1.1 Изучение основных показателей неоднородности пласта и их влияния на выработку запасов 14
1.2 Влияние плотности сетки скважин на нефтеизвлечение на примере месторождений Татарстана и Западной Сибири 25
1.3 Изучение влияния гидроразрыва п ласта на выработку запасов 39
ГЛАВА 2 Исследование зависимости охвата пласта сеткой скважин от параметров макронеоднородности с применением стохастического моделирования 42
2.1 Обзор геостохастических методов геологического моделирования 43
2.1.1 Литологическое моделирование 44
2.1.2 Источники информации, используемые при стохастическом моделировании 45
2.2.1 Основные стохастические методы 46
2.2 Вероятностно-статистические подходы к решению задач по определению коэффициента охвата 48
2.3 Анализ и апробация вероятностно-статистических методов определения коэффициента охвата пластов. 51
2.4. Оценка влияния показателей макронеоднородности пласта на коэффициент охвата сеткой и коэффициент заводнением. 61
2.4.1 Определение зависимости коэффициента расчлененности от коэффициента песчанистости с использованием стохастических моделей 63
2.4.2 Определение зависимостей коэффициентов охвата сеткой скважин и заводнением от коэффициента расчлененности 67
2.5 Разработка автоматизированной методики определения коэффициента охвата 71
2.5.1. Алгоритм использования геологических и промысловых данных для решения задач контроля за разработкой в программе “PromGeo” 72
2.5.2 Программный модуль для определения коэффициента охвата сеткой 78
ГЛАВА 3 Верификация результатов моделирования с геологическими и промысловыми данными 80
3.1 Сопоставление зависимости коэффициента расчлененности от коэффициента песчанистости на примере Ромашкинского месторождения с применением программного комплекса “Лазурит” 80
3.2 Верификация значений коэффициента охвата, полученных на реальных моделях объектов разработки с применением автоматизированной методики, с промысловыми данными объектов исследования 84
ГЛАВА 4 Исследование влияния проведения гидравлического разрыва пласта на нефтеизвлечение 88
4.1 Технология построения геолого-технологической модели с учетом проведения ГРП 89
4.2 Оценка прироста коэффициента охвата после проведения ГРП 93
4.3 Анализ коэффициента охвата и прироста коэффициента охвата после проведения ГРП на цифровых фильтрационных моделях 98
4.3.1 Построение гидродинамической модели 98
4.3.2 Верификация значений коэффициента охвата, полученных по автоматизированной методике с результатами гидродинамической модели. 103
4.3.3 Анализ прироста коэффициента охвата после проведения ГРП на цифровых фильтрационных моделях 105
4.3.4 Анализ выработки запасов многопластовых систем с различными фильтрационно-емкостными характеристиками при проведении ГРП. 107
Основные выводы и рекомендации. 121
Список использованных источников
- Влияние плотности сетки скважин на нефтеизвлечение на примере месторождений Татарстана и Западной Сибири
- Вероятностно-статистические подходы к решению задач по определению коэффициента охвата
- Верификация значений коэффициента охвата, полученных на реальных моделях объектов разработки с применением автоматизированной методики, с промысловыми данными объектов исследования
- Верификация значений коэффициента охвата, полученных по автоматизированной методике с результатами гидродинамической модели.
Влияние плотности сетки скважин на нефтеизвлечение на примере месторождений Татарстана и Западной Сибири
В силу различного характера распространения коллекторов в пластах верхней и нижней пачки пашийского горизонта выработка запасов нефти происходит по-разному. В нижнепашийских отложениях запасы вырабатываются более равномерно, чем в верхнепашийских, так как распределение коллекторов в верхней пачке пластов неоднородно. На это указывают более низкие коэффициенты охвата в верхнепашийских отложениях: для верхнепашийских отложений среднее значение коэффициента охвата составляет 0,48, для нижнепашийских – 0,63.
Это говорит о том, что коэффициенты песчанистости и расчлененности являются одними из важных показателей степени неоднородности пласта, влияющими на выработку запасов. В работе [12] говорится, что на ранних стадиях проектирования коэффициент нефтеизвлечения можно весьма приближенно косвенно оценить по корреляционной зависимости между долей объема непрерывной части пласта (Vн) и коэффициентом песчанистости (Кпес) (рисунок 4). Эта зависимость получена на основании исследований по восемнадцати продуктивным пластам различных месторождений платформенного типа, характеризующихся водонапорным режимом.
На рисунке 4 приведены две теоретические кривые и фактические точки зависимости Vн от Кпес для семи горизонтов месторождения Узень и по ряду месторождений Поволжья. Как видно из рисунка, кривая для горизонтов месторождения Узень несколько отличается от кривой, построенной для других пластов, что объясняется, по-видимому, особенностями геологических условий их осадкообразования. Более детально вышеназванные исследования представлены в работе [13]. По кривым и средним значениям коэффициента песчанистости для исследуемого пласта или горизонта в целом можно определить необходимое значение непрерывной части пласта. Косвенный метод можно применить при составлении проекта опытной эксплуатации и подсчете запасов.
Теоретические кривые и фактические точки зависимости Vн от Кпес ( I - месторождения Узень; II - месторождения Поволжья). Доля объема непрерывной части пласта (Vн) характеризует степень его выдержанности, которая, в свою очередь, влияет на коэффициент охвата пласта процессом вытеснения.
В работах [14,15,16] проведена оценка охвата пласта заводнением по данным геолого-промысловых исследований скважин. По участку Новохазинской площади, характеризующемуся сложным геологическим строением и высоковязкими нефтями, проведено исследование с целью оценки охвата пластов заводнением по данным геолого-промысловых исследований скважин. Охват пласта заводнением значительно влияет на нефтеотдачу залежи, а следовательно, и на извлекаемые запасы.
Практически при разработке наибольшее влияние на величину извлекаемых запасов оказывает коэффициент охвата пласта вытесняющим агентом, т.е. коэффициент охвата в большой степени зависит от физико-химических свойств нефти и воды. С увеличением таких факторов, как геологическая неоднородность пласта, вязкость нефти, площадь залежи, приходящаяся на скважину, коэффициент охвата уменьшается.
Авторами работ этот параметр определялся значением охваченной заводнением нефтенасыщенной толщины пласта. Для его определения были построены геологические профили, профили приемистости и отдачи по нагнетательным и добывающим скважинам, выполнен анализ информации по изменению обводненности добываемой продукции. Анализ проводился по материалам исследования 83-х скважин, по которым проводили многочисленные замеры профилей приемистости и отдачи. Общее количество замеров составило свыше 1300 пластопересечений [14].
По результатам исследования скважин и анализа геолого-промысловой информации выделялись работающие толщины пласта. Активная толщина пласта определялась по самой высокой и по самой низкой границам профилей отдачи, которые были сняты при различных режимах работы скважин. По данным выделенных активных толщин по скважинам были построены карты толщин по всем пластам. С применением карт подсчитаны объемы пласта, охваченные заводнением отдельно по пластам и по участку в целом. Отношение объема пласта, охваченного заводнением, ко всему объему и есть коэффициент охвата пласта заводнением (таблица 1).
По таблице 1 видно, что значение коэффициента охвата выше по более однородным пластам (СII, CVI), и значительно ниже по более неоднородным пластам (Сv, Сv0). По отдельным полям коэффициент охвата по одним и тем же пластам увеличивается с увеличением плотности сетки скважин. Это хорошо отмечается при сравнении коэффициентов охвата по северному (21 га/скв) и южному (12 га/скв) полям, несмотря на то, что геологическая неоднородность по северному полю несколько ниже, чем по южному.
Таким образом, проведение гидродинамических исследований пласта позволяет оценить коэффициент охвата. Комплексное исследование эксплуатационных скважин дебитомерами с одновременным проведением электрокаротажа в обсаженной эксплуатационной колонне позволяет оценить распределение остаточных запасов по объекту разработки [17].
В работе [18] рассматривается влияние расчлененности на продуктивность площадей Ромашкинского месторождения. Оценивается не только значения этого важного параметра неоднородности, но и его характер расчлененности. Отмечается, что на гидропроводность влияет не только расчлененность, но и толщина нефтенасыщенной части пласта. Поэтому, чтобы выделить влияние расчлененности на продуктивность, сравнивали площади, близкие по гидропроводности нефтенасыщенной части горизонта Д\. В результате выявили четыре площади примерно с одинаковой гидропроводностью и установили, что темп отбора, который определяется продуктивностью пластов, по этим четырем площадям, находится в прямой зависимости от расчлененности нефтенасыщенной части пласта.
Влияние изученности нефтяных залежей на прогноз коэффициента охвата освещается в работе [19]. Для выявления влияния изученности пласта на оценку его зональной неоднородности рассмотрены два показателя, характеризующие прерывистость, - общая длина границ залегания коллекторов L и площадь распространения коллекторов F. Интерес к этим параметрам обусловлен возможностью использования их для оценки коэффициента охвата по формуле, предложенной М. М. Саттаровым [20]:
Рассмотрены четыре варианта изученности залежи, по ним определены L и F и установлено, что при возрастании изученности длина границ распространения коллектора пласта увеличивается, а площадь незначительно уменьшается. Это ведет к увеличению вычитаемого члена формулы (7) и к уменьшению коэффициента охвата.
В результате сделан вывод, что при значительной зональной неоднородности коллекторов использование геологической основы, полученной только по разведочным скважинам, приводит к серьезным ошибкам в расчетах проектной нефтеотдачи и к неверным рекомендациям по выбору плотности сетки скважин. В связи с этим при составлении технологических схем по новым эксплуатационным объектам расчеты необходимо корректировать с учетом результатов изучения аналогичных соседних залежей, разбуренных плотной сеткой скважин.
Вероятностно-статистические подходы к решению задач по определению коэффициента охвата
Существует множество методик оценки коэффициента охвата сеткой скважин в условиях неоднородности пластов на основе вероятностных и статистических подходов. До появления современных программных продуктов вероятностная модель прерывистого пласта исследовалась на двумерных моделях геологических объектов [62], электроинтеграторах ЭГДА-9/60 [63].
Развитие вычислительной техники привело к появлению новых современных пакетов моделирования, в которые заложены алгоритмы построения стохастических моделей с использованием предварительного статистического анализа геологических, промысловых геофизических данных и данных эксплуатации скважин.
Большую популярность стохастические модели получили в нефтяной промышленности в качестве инструмента для характеристики коллекторов. Все большее применение этих моделей привело к развитию и усовершенствованию стохастических методов, которые требуют профессионального к ним подхода со стороны специалистов и знания основных принципов геостатистики. Это затрудняет понимание методов потенциальными пользователями, и выявление их сильных и слабых сторон.
Широкий набор стохастических моделей, в настоящее время доступных с практической точки зрения, ставит перед пользователями ряд вопросов, например: какие методы использовать – основанные на использовании объекта или пикселей, или как включать в процесс моделирования различные типы информации. Использование стохастических подходов позволяют в настоящее время решать многие задачи промысловой геологии и анализа показателей при проектировании разработки нефтяных месторождений.
Обзор геостохастических методов геологического моделирования Создание геологической модели включает в себя моделирование свойств резервуара в межскважинном пространстве. Как правило, на начальных этапах моделирования существует проблема нехватки исходных данных. В этом случае на помощь приходят имитационные стохастические методы моделирования, которые позволяют на основе скважинных данных создать множество правдоподобных реализаций распространения геологических параметров в резервуаре.
Стохастическое моделирование разделяется на две части: сначала проводится оценка параметров распределений, затем - генерация реализаций с использованием этих параметров [64]. Исходя из множества полученных реализаций выбирается одна реализация, которая соответствует априорным предположениям геолога. На этом этапе решается, стоит ли корректировать статистические параметры для получения более достоверной реализации. Если реализация соответствует требованиям геолога, ее используют для дальнейшего моделирования. Геостатистика является разделом науки, изучающей пространственные зависимости между значениями величин в определенных точках пространства. Для оценки параметров распределений необходимо представлять характер таких распределений. В случае только положительных значений, как правило, применяется логнормальное распределение величин. Также возможно применение нормального распределения, также называемого распределением Гаусса. Характер распределения параметров определяется геологическими факторами, такими ка типы и свойства пород, условия осадконакопления и т.п. Первоначальная оценка геологической обстановки является основным критерием при литологическом и фациальном моделировании [65].
Литологическое моделирование Литологическое моделирование - это моделирование дискретного параметра (литотипа или номера фации). В настоящее время существует множество подходов для моделирования дискретного параметра, основными из которых являются пиксельное моделирование и объектное моделирование. Пиксельные методы моделирования основаны на предположении о стационарности распределения свойств в пространстве, то есть корреляция между значениями параметров в различных точках пространства зависит не от их координат, а от расстояния между точками. Другими словами, подразумевается, что поле распределения рассматриваемого параметра представляет собой случайное стационарное поле.
Возросший интерес к стохастическим моделям в нефтяной промышленности привел за последние 15 лет к разработке множества стохастических моделей для целей имитации коллекторов. Во многих случаях это единственный инструмент для анализа геологического строения в связи с ограниченными данными. Опыт применения моделей улучшил представление об их возможностях и ограничениях.
Дополнительные исследования и сопоставления помогают в решении проблемы выбора метода – объектно-ориентированного, который использует определенные правила распределения объектов в пространстве, или пиксельной модели, которая присваивает значения последовательно друг за другом узлам грида.
Другой важным вопросом является целесообразность использования стохастических моделей, требующих много параметров. Некоторые объектно-ориентированные методы требуют множество сложных параметров, например возможность существования связей между руслами, которые наблюдаются на скважинах. Основными источниками для получения этих параметров для выбора метода моделирования являются геологическая информация, аналоги, сейсмические данные и если это необходимо, информация о потоке флюидов [66].
Источники информации, используемые при стохастическом моделировании Геологическая информация
Геологическая информация содержит интерпретацию сейсмических и геофизических данных и, иногда, интерпретацию данных испытания скважин. Также используются результаты исследования керна, которые помогают составить представление о литолого-фациальном строении залежей. Но очень часто литологическую информацию получают по данным ГИС, так как керн отбирается из небольшого количества скважин. Для уменьшения неопределенности приходится сокращать количество рассматриваемых фаций, или определять литологические фации вместо седиментологических фаций.
В работе [67] определение однородных единиц (с седиментологической точки зрения) описано как метод стратиграфии комплексов. Он оказывает значительную помощь в определении литотипов и фаций для моделирования. Также помогают в выборе этих параметров кривые относительного содержания [68, 69], которые влияют на геометрию даже больше, чем применяемая стохастическая модель. Необходимо, чтобы стратиграфия комплексов содержала более точную информацию о типе геометрии, о соотношении между рассматриваемыми фациями или объектами.
Верификация значений коэффициента охвата, полученных на реальных моделях объектов разработки с применением автоматизированной методики, с промысловыми данными объектов исследования
Оценка влияния показателей макронеоднородности пласта на коэффициент охвата сеткой и коэффициент заводнением. Проблема обеспечения более полного охвата пластов процессом заводнения становится с каждым годом все более актуальной. Сложное строение нефтяных залежей затрудняет полное дренирование всего объема залежи, особенно полный охват вытеснением нефти водой через нагнетательные скважины в добывающие скважины. Очень часто нефтеносные пласты состоят из хаотически расположенных проницаемых песчаных (терригенных) или карбонатных и непроницаемых слоев, линз и пропластков. Иногда расчлененность пластов достигает 10 – 20 пропластков в пределах разреза одной скважины. В частности, горизонт Д1 Ромашкинского месторождения представлен песчано-алевролитовыми продуктивными породами, которые переслаиваются с непроницаемыми глинистыми алевролитами и аргиллитами. Количество проницаемых пластов в скважинах колеблется от 1-2 до 11-12 (при среднем 6-8). Пласты чрезвычайно изменчивы по толщине и не выдержаны по площади. Диаграммы электрокаротажа по двум соседним скважинам, пробуренным на расстоянии нескольких сотен метров друг от друга, часто имеют совершенно различный характер. Такая сложная картина значительно затрудняет корреляцию разрезов скважин [86, 87].
Довольно часто отдельные пропластки, которые входят в объекты разработки, не поглощают воду и, следовательно, из них не вытесняется нефть. Даже при строгом упорядоченном расположении скважин на нефтеносной площади месторождения неравномерное обводнение отдельных нефтяных скважин приводит к тому, что в пласте остаются нефтенасыщенные зоны, не охваченные заводнением.
Коэффициент охвата заводнением существенно влияет на коэффициент извлечения нефти в целом. Он зависит от геологических и технологических факторов. Технологическими факторами являются система разработки, темп ввода залежи или месторождения в разработку, темп отбора нефти.
Геологическими факторами являются макронеоднородность залежей и изменчивость фильтрационных и емкостных характеристик пласта (пористость, проницаемость). Макронеоднородность характеризуется латеральной изменчивостью эффективной толщины пласта, значение которой зависит от пространственного распределения коллекторов и неколлекторов в пределах продуктивного горизонта. Основными показателями макронеоднородности служат коэффициент песчанистости (Кпес), показывающий соотношение коллекторов и неколлекторов в общем объеме эксплуатационного объекта и коэффициент расчлененности (Крас), характеризующий вертикальную неоднородность продуктивного горизонта или объекта разработки. Коэффициент расчлененности вычисляется путем подсчета числа проницаемых прослоев в разрезе скважины. В целом по объекту производится суммирование прослоев-коллекторов по всем скважинам, а затем сумма делится на число скважин. Если весь продуктивный горизонт состоит из одного пласта – коллектора, коэффициент расчлененности равен единице. Чем больше количество проницаемых пропластков в разрезе скважин, тем выше значение Kрас. Это увеличивает вероятность прерывания входящих в пласт пропластков, соответственно снижается выдержанность пласта.
Комплексный анализ коэффициентов расчлененности и песчанистости позволяет представить картину о макронеоднородности разреза. Чем больше коэффициент расчлененности и меньше коэффициент песчанистости, тем выше макронеоднородность объекта.
Основная цель этой главы заключается в определении степени влияния этих показателей макронеоднородности на коэффициент охвата пласта заводнением. Определение зависимости коэффициента расчлененности от коэффициента песчанистости с использованием стохастических моделей
Как уже отмечалось, на усложнение геологического строения пластов влияет их расчлененность в совокупности с песчанистостью. Поэтому было решено провести анализ зависимости коэффициента расчлененности (Крас) от коэффициента песчанистости (Кпес) с применением стохастического моделирования на тех же кубах литологии с разными значениями Кпес [88]. Скрипт для вычисления коэффициента расчлененности написан на встроенном языке программирования IPL пакета Irap RMS. Расчлененность определялась в каждом вертикальном наборе ячеек куба путем суммирования количества пропластков и представлялась в виде поля. Осреднением этого поля получали искомое среднее значение коэффициента расчлененности в целом по кубу.
Примеры геологических профилей кубов литологии с различными значениями коэффициента песчанистости наглядно демонстрируют зависимость коэффициента расчлененности от этого параметра неоднородности (рисунок 20). Самая сложная геометрия связанной области коллектора представлена на рисунке 20,б.
Верификация значений коэффициента охвата, полученных по автоматизированной методике с результатами гидродинамической модели.
Как мы видим, диапазон экстремумов этой функции указывает на максимально сложное строение связанной области коллекторов. Начиная с толщины пласта 5 метров до 1 метра, максимальное значение функция принимает при изменении Кпес от 0,6 до 1 соответственно. Коэффициент расчлененности равен единице при полном заполнении пласта коллектором (Кпес = 1). При толщине пласта Hпл, равной толщине линзы Ьл, график зависимости представляет из себя прямой отрезок. Это самый нижний график на рисунке 22. Коэффициент расчлененности в этом случае будет равен коэффициенту песчанистости.
Определение зависимостей коэффициентов охвата сеткой скважин и заводнением от коэффициента расчлененности В работах [62, 89] представлена формула для определения коэффициента охвата заводнением:
Аналитическая формула была получена А.Н. Юрьевым [90] путем моделирования на стохастических моделях (моделировалась четырехкратная промывка объема пор). Коэффициент заводнения был получен аппроксимацией отношения добытой нефти к запасам в связанной области пласта при различных значениях Р и Z. Представленная зависимость наглядно показывает влияние геологического фактора (коэффициент песчанистости Р) и технологического фактора (безразмерное расстояние между зоной нагнетания и отбора Z) на эффективность разработки, в данном случае на коэффициент заводнения. График зависимости представлен на рисунке 23. На данных графиках видно наличие экстремума при значении коэффициента песчанистости примерно 0,53. Это связано с максимальным усложнением геометрии связанной области при данном значении. Увеличение безразмерного расстояния между зоной нагнетания и отбора Z ведет к уменьшению коэффициента заводнения.
Исходя из уравнений (35) и (36) можно построить график зависимости коэффициента заводнения от коэффициента расчлененности (рисунок 24). График этой зависимости напоминает петлю гистерезиса. Стрелками обозначено увеличение песчанистости. Сначала от точки О происходит увеличение песчанистости от 0 до критического значения расчлененности, при котором наблюдается максимальное усложнение литологического строения пласта. Это синяя кривая графика. При дальнейшем увеличении песчанистости увеличение происходит не по прежней траектории, а по траектории со значениями выше прежних значений и сходится в одной точке при Кпес=1. Этой траектории соответствует красная кривая графика. Важной точкой на этом графике является точка М. Она соответствует минимальному значению коэффициента заводнения по формуле (36) и максимальному значению коэффициента расчлененности по формуле (35). Этот график был построен для безразмерного расстояния между зоной нагнетания и отбора Z = 2, толщины пласта Нпл = 20 м и толщины линзы hл = 1 м. Изменение этих параметров изменит положение точки М на графике. Но характер зависимости коэффициента заводнения от коэффициента расчлененности остается всегда неизменным [91, 92].
Получив зависимости коэффициента охвата сеткой скважин для различных значений коэффициента песчанистости (рисунок 25 ) и используя формулу (35) можно построить график зависимости коэффициента охвата от коэффициента расчлененности (рисунок 26 ). График на рисунке 25 явно показывает увеличение Кохв при увеличении Кпес. Излом графика при Кпес=0,5-0,6 характеризуется сложностью строения коллектора при этих значениях.
График зависимости коэффициента охвата от коэффициента расчлененности (рисунок 26 ) имеет более сложную форму. Он состоит из трех участков. На первом участке Кохв почти линейно возрастает при увеличении Крас. Второй участок характеризует сложное строение коллектора при изменении Кпес от 0,4 до 0,7. На этом участке при незначительном изменении Крас коэффициент охвата (Кохв) может варьировать от 0,4 до 0,9. Третий участок показывает высокие значения Кохв при высоких значениях Кпес, то есть характеризует выдержанный пласт.
Таким образом, можно сделать вывод, что коллектор имеет сложное строение при значениях Кпес = 0,5-0,6. Расчлененность при этих значениях максимальная. Это увеличивает неопределенность значений Кохв, которые зависят в данном случае от взаимного расположения пропластков и латеральных размеров линз.
Разработка автоматизированной методики определения коэффициента охвата Статистическая обработка результатов требует довольно продолжительное время. Для увеличения достоверности результатов требуется многочисленное количество экспериментов. На помощь приходят современные пакеты программирования и вычислительная техника [93, 94, 95]. В данной работе разработан алгоритм автоматизированного определения коэффициента охвата на стохастических кубах литологии, построенных в пакете моделирования Irap RMS и его реализация в среде программирования Делфи.
Алгоритм использования геологических и промысловых данных для решения задач контроля за разработкой в программе “PromGeo”
Одной из тенденций развития нефтяной отрасли являются ее информатизация - развитие информационных систем и компьютерных технологий. Активное внедрение компьютерных программных систем при решении широкого круга геолого-промысловых задач осуществляется в последние годы в целом ряде регионов страны.
Необходимость анализа огромных массивов геолого-геофизической и промысловой информации предопределило активное использование компьютерных технологий для решения комплексных задач. Такие технологии позволяют хранить и оперативно обрабатывать значительные массивы разномасштабной информации.
Источником информации для построения геологической модели залежи и определения подсчётных параметров при подсчёте запасов объёмным методом служат результаты геофизических и геолого-промысловых исследований, проводимых в процессе поисково-оценочных, разведочных работ и эксплуатации оцениваемого объекта. В качестве исходной геофизической информации используются результаты геофизических исследований скважин, представленные в виде LAS-файлов. В состав исходных геолого-промысловых данных входят результаты анализа керновых данных, результаты испытаний, сведения о бурении и эксплуатации скважин. Анализ каротажных диаграмм различных методов и промысловых данных служит основой для детальной межскважинной корреляции и выделения пластов-коллекторов. Лабораторные исследования керна и построение петрофизических зависимостей, - основа для интерпретации данных ГИС и обоснования подсчетных параметров (пористости, нефтенасыщенности и др.) [96, 97].
В связи с постоянно увеличивающимся объёмом перечисленной информации в электронном виде нами была разработана программа «PROMGEO», позволяющая проводить комплексный анализ и контроль геолого-геофизических данных для дальнейшего применения при составлении проектных документов. Функциональная схема программы представлена на рисунке 27.
Программа «PROMGEO» функционирует на принципах визуальной обработки информации, что не противоречит идеологии ручной интерпретации данных ГИС, реализуемой повседневно квалифицированными геофизиками и геологами при анализе данных каротажа в процессе решения геологических задач разведки, доразведки и разработки месторождений нефти и газа [98]. Основными функциями программы являются: Рисунок 28 - Пример типового планшета. - поскважинный и многоскважинный автоматический ввод цифровых данных и данных ГИС в формате LAS; - графический вывод, редактирование и корректировка исходных кривых ГИС и результатов интерпретации; - ввод данных инклинометрии, керна, испытания и другой геологической информации; - введение поправок в кривые ГИС, учитывающие влияние окружающей среды; - стратиграфическая отбивка кровли, подошвы горизонтов, пластов; - автоматическое определение минимальных и максимальных значений кривых в пределах оцифрованного каротажа; - вывод типовых планшетов (рисунок 28);
