Анализ неопределенностей запасов газа одного из месторождений Пур-Тазовской нефтегазоносной области Текст научной статьи по специальности «Науки о Земле и смежные экологические науки»

ГЕОЛОГИЯ

УДК553.981.2

И.А. Никитин1, e-mail: ianikitin@bk.ru; В.А. Белкина1, e-mail: belkina@tsogu.ru

1 Тюменский государственный нефтегазовый университет (Тюмень, Россия).

Анализ неопределенностей запасов газа одного из месторождений Пур-Тазовской нефтегазоносной области

Проведен анализ неопределенностей запасов газа, применена методика с использованием многовариантных геологических моделей как средство комплексирования всех неопределенностей, влияющих на величину запасов газа. Главным достоинством такой методики является возможность естественным образом воспроизводить сложный характер взаимосвязей между геологическими параметрами. В качестве объектов анализа выбраны залежи газа трех слабоизученных пластов одного из месторождений Пур-Тазовской нефтегазоносной области. В ходе анализа неопределенностей выявлены параметры, для которых оценены погрешности, и определены законы, по которым эти параметры варьируются. Оценены погрешности положения флюидальных контактов как одного из параметров, в наибольшей степени влияющих на величину запасов. Учтены погрешности структурных построений через создание скоростной модели. Неопределенности литологии учтены путем стохастического моделирования с заданием вариации параметров вариограммы и учетом эффекта самородка. Для пористости и остаточной водона-сыщенности также использовано стохастическое моделирование с дополнительным моделированием случайной ошибки. Учтены погрешности пластового давления и температуры, косвенно учтена погрешность коэффициента сверхсжимаемости. Построено 300 реализаций модели и продемонстрирована достаточность такого количества. По всем моделям объемным способом посчитаны запасы газа, построены гистограммы запасов, графики торнадо. Выявлено, что неопределенность контактов и структурных построений в наибольшей степени влияет на изменчивость запасов газа. Выбраны три реализации для расчетов уровней добычи на гидродинамических моделях. Для снижения неопределенностей запасов газа рекомендовано дальнейшее разбуривание месторождения.

Ключевые слова: трехмерные геологические модели, анализ неопределенностей, погрешности, запасы газа.

I.A. Nikitin1, e-mail: ianikitin@bk.ru; V.A. Belkina1, e-mail: belkina@tsogu.ru

1 Tyumen State Oil and Gas University (Tyumen, Russia).

Uncertainty Analysis Of Gas Reserves One Of The Fields In Pur-Tazov Basin

The analysis of the gas reserves of uncertainty is performed, technique using multivariate geological models as a means of interconnecting all the uncertainties that affect the volume of gas reserves is applied. The main advantage of this technique is the ability to reproduce the complexity of interactions between geological parameters naturally. Gas deposits of three poorly investigated formations of one of the deposits of oil and gas Pur-Taz region were selected as the analysis objects. During the uncertainty analysis the parameters were detected, errors were assessed for them and laws of these parameters variation were defined. Fluid contacts position errors were assessed as one of the parameters that mostly affects the reserves volume. Errors of structural models are taken into account via the creation of a high-speed model. Uncertainties of lithology are considered by stochastic simulation with the specification of variogram parameters variation and taking into account the nugget effect. For the porosity and residual water content the stochastic modelling with an additional simulation of random error was also used. Errors of formation pressure and temperature are taken into account, supercompressibility index error is taken into account indirectly. 300 model implementations were built and the adequacy of such amount was demonstrated. For all models gas reserves were calculated in volume, reserves histograms, tornadoes graphics were drawn. It was revealed that the uncertainty of contacts and structural models affect the volatility of natural gas reserves. Three implementations were selected for calculation of the production levels of hydrodynamic models. To reduce the uncertainty of gas reserves the further drilling of the field is recommended.

Keywords: three-dimensional geological models, uncertainty analysis, error, gas reserves.

50

№ 11 ноябрь 2016 ТЕРРИТОРИЯ НЕФТЕГАЗ

GEOLOGY

В настоящее время в мире все шире применяется вероятностная оценка ресурсов и запасов нефти и газа. В связи с недостаточностью данных и знаний о параметрах залежей и месторождений целесообразно получать не одну оценку, а распределение значений запасов. Такой подход, давая возможность получить более адекватную картину запасов, позволяет изучать влияние отдельных подсчетных параметров на значение ошибки запасов и оценивать риски. Эта методика особенно актуальна в современной экономической ситуации, обусловленной снижением цен на углеводороды (УВ) и увеличением стоимости работ.

Существуют различные методы оценки неопределенностей запасов. Представляемая методика базируется на использовании ряда реализаций трехмерных геологических моделей (ЗЭ-ГМ), позволяющего комплексировать информацию о неопределенностях параметров, вли-ляющих на величину запасов. Процесс моделирования включает все этапы построения ЗЭ-геомодели, начиная от построения скоростной модели и структурного каркаса и заканчивая подсчетом запасов.

МЕТОДИКА ИМЕЕТ СЛЕДУЮЩИЕ ПРЕИМУЩЕСТВА:

• каждая реализация модели учитывает все входные данные;

• использование ЗЭ-моделей позволяет естественным образом воспроизводить сложный характер взаимосвязей между параметрами;

• минимизируется риск получения «не-физичных» результатов;

• каждая реализация является отдельной моделью.

В работе описан процесс оценки неопределенности запасов газа на примере пластов A, B, C месторождения М, расположенного в Пур-Тазовской нефтегазоносной области. Оценка неопределенности производилась средствами ПО Roxar RMS построением 300 равновероятных реализаций ЗЭ-моделей.

Месторождение М находится на стадии разведки, вся его площадь охвачена ЗЭ-сейсморазведочными работами. Пласт A вскрыт четырьмя скважинами, а B и C - тремя, отложения пластов относятся к верхней юре. Ввиду низкого уровня изученности данных пластов многие параметры для оценки неопределенности взяты по аналогии с вышележащим более изученным пластом W, вскрытым 23 скважинами. В результате проведенного анализа определены количественные характеристики неопределенности параметров, влияющих на величину запасов газа (табл.). На основании этих данных при помощи ПО Crystal Ball сгенерирована таблица, в которой каждому номеру реализации соответствуют значения всех варьируемых параметров. Проанализируем неопределенности различных параметров, оказывающих влияние на величину запасов. Вначале рассмотрим неопределенности уровней межфлюидных контактов, так как именно ошибки в определении этих параметров в наибольшей степени искажают значения геометрического объема залежи и в итоге значения запасов УВ. Минимальные (верхние) уровни газоводяного контакта (ГВК) залежей приняты по подошвам нижних пропластков, продуктивных по данным геофизических исследований скважин (ГИС). В связи с тем, что нет подтвержденных скважин-ными данными сведений о нижней границе продуктивности залежей, обоснование наибольших возможных значений ГВК основано на гипотезе максимальной наполненности структурных ловушек. Таким образом, наибольшие уровни ГВК приняты по отметкам размыкания структур в пределах площади изученности ЗЭ-сейсморазведкой. Функции плотности вероятности ГВК залежей приняты равномерными в интервале между минимальными и максимальными значениями (табл.). Проанализируем неопределенности структурных построений. На эти неопределенности оказывают влияние

различные факторы. В данном случае решено пренебречь долей ошибки, обусловленной неточностью прослеживания горизонтов, поскольку вся площадь месторождения М охвачена 3D-сейсмо-разведочными работами и отражающие горизонты хорошо прослеживаются по волновой картине. Не учтены и такие факторы, как погрешности в Ш, стратиграфической привязке, альтитудах, инклинометрии.

Таким образом, учет структурных неопределенностей в данной методике основан на вариативном построении карт средних скоростей, которые использовались для перевода прослеженных отражающих горизонтов из временной области в глубинную. При расчете карт использовался алгоритм стохастического гауссовского симулирования (SGS), использующий вариограммы. Как указано выше, пласты А, В и С вскрыты рядом скважин (4, 3 и 3, соответственно), что не позволяет провести вариограммный анализ. Поэтому изменчивость параметров вариограммы средних скоростей принята аналогично вышележащему, более изученному пласту Ш. На базе детерминистической реализации карт средних скоростей, использованной в качестве тренда, рассчитаны 300 равновероятных вариантов структурных карт кровель пластов. На основе каждой из реализаций данных поверхностей создана трехмерная совместная сетка, объединяющая пласты А, В, С. Подошвы пластов отстраивались методом схождения с использованием детерминистически построенных карт общих толщин. На рис. 1 представлен разрез в северо-восточном направлении с отображенными сечениями вариантов структурных карт кровли пласта А.

На следующем этапе изучены неопределенности литологии. В связи с тем, что пласты вскрыты единичными скважинами, представительная выборка для построения модели вариограммы отсутствует. Поэтому использована обобщенная зависимость Рейнольдса

Ссылка для цитирования (for citation):

Никитин И.А., Белкина В.А. Анализ неопределенностей запасов газа одного из месторождений Пур-Тазовской нефтегазоносной области // Территория «НЕФТЕГАЗ». 2016. № 11. С. 50-56.

Nikitin I.A., Belkina V.A. Uncertainty Analysis Of Gas Reserves One Of The Fields In Pur-Tazov Basin (In Russ.). Territorija «NEFTEGAZ» = Oil and Gas Territory, 2016. No. 11, P. 50-56.

TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 11 november 2016

51

ГЕОЛОГИЯ

Варьируемые параметры, законы и параметры распределений, пласты A, B, C Variable parameters, laws and distributions parameters, reservoirs A, B, C

Параметр Parameter Нормальное распределение Normal distribution Равномерное распределение Uniform distribution Треугольное распределение Triangular distribution

Сред Mean Ст. откл. St. dev. Мин. Min Макс. Max Мин. Min Сред. Mean Макс. Max

Вариограммы карты скоростей, пласты A, B Variograms of speed maps, reservoirs A, B Азимут, ° Azimuth, ° 0 3б0

Ст. отклон. St. dev. 2б,5 4,5

X ранг, м X rated, m 10 000 1000

Y ранг, м Y rated, m 10 000 1000

Вариограммы кубов литологии, Кп, К ,пласт A во' Variograms of lithology cubes, porosity ratio, pore space without irreducible water, reservoir A Азимут, ° Azimuth, ° 0 3б0

X ранг, м X rated, m 7240 1000

Y ранг, м Y rated, m 7240 1000

Z ранг, м Z rated, m 7,24 1

Вариограммы кубов литологии, Кп, К , пласты B, C во Variograms of lithology cubes, porosity ratio, pore space without irreducible water, reservoirs B, C Азимут, ° Azimuth, ° 0 3б0

X ранг, м X rated, m 4500 900

Y ранг, м Y rated, m 4500 900

Z ранг, м Z rated, m 4,5 0,9

ГВК, м Gas-water contact, m Пласт A Reservoir A 3549 3б00

Пласт B Reservoir B 3б99 3770

Пласт C Reservoir C 3722 3795

Температура, °С Temperature, °С Пласт A Reservoir A 84,3 88,8 93,2

Пласты B, C Reservoirs B, C 85,4 89,9 94,4

Рпл, МПа Р , МРа res' Пласт A Reservoir A 5б,9 58,9 б1,0

Пласты B, C Reservoirs B, C 5б,б 58,7 б0,7

[1] соотношения линейных размеров тел в зависимости от условий осадко-накопления (рис. 2). По региональным материалам и данным керна одной скважины отложения пласта A накапливались в прибрежно-морскихусловиях (Shoreline Shelf). Соотношение эффективных толщин (Н ) и длины таких тел составляет 1:1000. Таким образом, при средней Нэф по РИГИС 3,62 м максимальная длина тела составит 3620 м.

Горизонтальные и вертикальные ранги вариограммы приняты в 2 раза больше указанных размеров тел, для того чтобы размер смоделированных песчаных тел соответствовал определенным по графику значениям. В связи с довольно грубой оценкой рангов они заданы с некоторой вариативностью. Средняя Нэф пластов В и С составляет 2,25 м. При том же соотношении средней Нэф и длины тела - 1:1000 - оценки

рангов равны, соответственно, 4500 и 4,5 м по латерали и вертикали. Также задана некоторая изменчивость этих значений (табл.).

Моделирование куба литологии Кто осуществлено в два этапа. На первом этапе строится трехмерный тренд куба литологии по скважинным данным. Второй этап предусматривает учет возможной ошибки выделения коллекторов в скважинах. Согласно определенному

52

№ 11 ноябрь 2016 ТЕРРИТОРИЯ НЕФТЕГАЗ

GEOLOGY

по вариограмме литологии пласта W самородку примерно 4 % коллекторов могут быть неколлекторами, и наоборот. Для построения конечного Klito по определенному значению самородка создана функция правдоподобия фаций (Facies Probability Function) [2], также отключен контроль значений в скважинах, то есть сопоставление замеров со значениями модели. В итоге получен Klito с некоторыми отличиями от трен-дового куба, в том числе и по ячейкам вдоль траекторий скважин. Для изучения влияния неопределенностей коэффициента пористости (Кп) на оценку запасов смоделирована случайная погрешность, аддитивно присутствующая в каждом определении Кп по ГИС. Случайная погрешность является «белым шумом» - непрерывной случайной величиной, симметричной относительно Кп = 0 [3]. При осреднении данных такая случайная погрешность практически равна 0 и не вносит значимого искажения в определение среднего Кп по скважинам. Уровень случайной погрешности Кп (ГИС) в рамках данного исследования оценивается исходя из сопоставления зависимости Кп (ГИС) и Кп (керн) (рис. 3). Относительно Кп сделан ряд допущений, т. е. не учитывается, что данные ГИС и керна имеют различное пространственное разрешение, привязка глубин образцов керна неточна, а кроме того, Кп, определенное на керне, осложнено своими погрешностями. Иными словами, предполагается, что наблюдаемые отклонения значений Кп (ГИС) от Кп (керн) обусловлены только погрешностью определения Кп по ГИС. Оценить уровень отклонений можно при помощи коэффициента корреляции Пирсона (R). Для пласта W значение R составляет 0,76. Моделирование куба Кп, так же как и Klito, включает два этапа. На первом строится трендовый куб Кп по скважин-ным данным, на втором учитываются возможные ошибки определения Кп по ГИС. Для этого используется метод интерполяции «совместный кокригинг» [4] (Collocated Cokriging) в рамках модуля Petrophysical modeling. В качестве тренда используется куб Кп, построенный на первом этапе, с коэффициентом линейной корреляции для всех

Рис. 1. Разрез вариантов структурных поверхностей кровли пласта A Fig. 1. Section of structural surfaces variants of reservoir A roof

Длина, м Length, m

TOO, ООО

10.000

юоо

100

10

........ 1—у—^

• jKT Дтй» É* s>

1 1000 ^fj Li /их«

wjrlf1 / - - «л. T

- • •

BeacWChennfif Crevasse Crevasse channel Distribuiary Distribuiary mcuUi bar Estuary mouth shoal Flood tidal dell a Fluvial

Lower tidal flat Shoreline shelf Tidal creek Tidal inlet Valley

Н м

эф'

Net reservoir thickness ratio, m

Рис. 2. График Рейнольдса для различных условий осадконакопления Fig. 2. Reynolds diagram for different conditions of sedimentation

Рис. 3. Сопоставление Кп, определенного по ГИС, с замерами Кп на керне, пласт W Fig. 3. Comparison of porosity ratio defined by the geophysical well logging (GWL), with measurements of porosity ratio on core, reservoir W

TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 11 november 2016

53

ГЕОЛОГИЯ

ОД 0,15 0,2

Кп по ку( Porosity 5у с ошибка ratio by euh ми е with errai S

• • M : • * • •» .s 1 1 • •

• • • .* -1 i» • 1 I1 • 1 • •1 • • • • к (гш

• • • « Porosi -) ty ratio (GVU L)

0,1 0,15 0,2

- Пласт А — Пласт В — Пласт С Reservoir A Reservoir В Reservoir С

Рис. 4. Сопоставление значений Кп по кубу и по ГИС в ячейках, пересекаемых траекториями скважин, пласты A, B, C (случайная реализация)

Fig. 4. Comparison of porosity ratio values defined by cube and by GWL in cells crossed by wells paths, reservoirs A, B, C (random variant)

пластов 0,76 с отключенной функцией воспроизведения значений в ячейках, пересекаемых траекториями скважин. Параметры вариограммы приняты аналогичными параметрам вариограммы литологии. Полученные итоговые кубы Кпдемонстрируют отклонение значений в скважинах с заданной погрешностью (рис. 4). Сопоставление исходных зна-

чений К со значениями с внесенными

п

ошибками характеризуется R « 0,76. Моделирование коэффициента газонасыщенности (Кг) проведено исходя из предположения, что газом заполнено все поровое пространство, не занятое остаточной водой (К ), К = 1 - К .

" * во' г во

Наиболее точная оценка К возможна

во

по зависимости Кво(Кп). Однако расчет

по аппроксимирующему уравнению дает оценку наиболее ожидаемому значению Кво при данном значении Кп, пренебрегая при этом ошибкой его прогноза. При построении куба Кво для учета случайной погрешности применен алгоритм совместного кокригинга с использованием полученного ранее куба Кп в качестве тренда. При этом коэффициенты корреляции установлены в соответствии с зависимостью Кво (керн) - Кп (керн). Для всех пластов они составляют 0,78. Параметры вариограммы также приняты аналогичными параметрам вариограммы Klito. Для оценок пластового давления (Рпл) и пластовой температуры (T) также учтены их неопределенности. Рпл и Т определены по результатам испытаний скважин и приведены на наиболее вероятные уровни контактов. Данные значения приняты в качестве наиболее ожидаемых (средних), погрешности Рпл и T определены по результатам замеров по пласту W, для которого относительная погрешность определения Рпл составляет ±3,5 %, а для Т - ±5 %. Характер распределения принят треугольным. С целью учета изменения Т и Рпл в зависимости от гипсометрического положения ячеек данные параметры интерполировались в соответствии с их вертикальными градиентами от уровня приведения.Значения этих параметров на уровне приведения являются случайными переменными,определенными ранее. Для задания поля T использован температурный градиент, равный 0,03 °С/м. Градиент поля Рпл воссоздан по закону Паскаля. Для каждой реализации рассчитан куб коэффициента сверхсжимаемости по зависимости от Р .

пл

По полученному множеству реализаций 3D-TM объемным методом подсчитаны запасы сухого газа (рис. 5). Довольно большой разброс на гистограммах объясняется в первую очередь высоким уровнем неопределенности подсчетных параметров.

Общепринятой практикой при оценке неопределенностей является предоставление пессимистических, средних и оптимистических уровней запасов, в данной работе это процентили, равные 90 % (Р90), 50 % (Р50) и 10 % (Р10). Напомним, что процентиль - показа-

Рис. 5. Гистограммы распределения запасов сухого газа по залежам пластов A, B, C и А + В + С Fig. 5. Histograms of the distribution of dry gas reserves along deposits of reservoirs A, B, C, and A + B + C

54

№ 11 ноябрь 2016 ТЕРРИТОРИЯ НЕФТЕГАЗ

GEOLOGY

тель того, какой процент значений находится выше определенного уровня. Например, процентиль Р90, равный 50,1 млрд м3 газа, означает, что в выборке 90 % значений больше этого значения и, соответственно, 10 % - меньше. Для повышения достоверности результатов при вероятностном подходе к оценке запасов помимо обоснованно заданных законов распределений исходных параметров необходим как можно более полный охват диапазона изменений каждого из них, т. е. увеличение числа реализаций модели,что повышает точность результата. Это позволяет получить оценку достаточности выборки для достижения заданной точности. Необходимо получить оценку достаточности выборки, полученной в результате расчетов. Для решения этой задачи проведена оценка того, насколько свойства распределения запасов газа меняются в зависимости от числа реализаций. Стабилизация оценок запасов газа для процентилей Р10, Р50, Р90 с ростом количества реализаций моделей

« юоо soma «шооо люоо «пю » юоо 100000 1ЭД0О ¿0000 /5060 10000 JSC 00 «во

Площадь Area Толщина Thickness Площадь

1230S2 Щ 214024 Area 3210107

Толщина Thickness

10.97 14.87 6.S9HH 8.14

кп Porosity ratio 0.141 | 0.151 Кп Porosity ratio 0,122 В °'132

Кг кдг 0,587 Ц 0.616 Кг к^ 0.528 В 0569

Давление Pressure 579 | 596 Давление Pressure 576 Щ 602

Температура Temperature 363 | 360 Температура Temperature 363 | 358

и оси З7«п uqoo г? иад паю ?гооо А+В+С 10000 1*000 *ИЮО А

Площадь Area Площадь Area

66616 Щ 1 188710 В 192299

Толщина Thickness 4.04 ЦИ 4.89 Толщина Thickness 2.66 334

Кп Porosity ratio 0Л68 | 0-176 Кп Porosity ratio 0.148 : 1Щ 0.172

Давление Pressure S7S | 596 кг кг g 0.581 Н 0,656

Кг кг g 0.6SS | 0.672 Давление Pressure 576 | 597

Температура Temperature 364.5 | 359.1 В Температура Temperature 365,1 1 359.8 С

Рис. 6. График чувствительности запасов сухого газа к подсчетным параметрам, залежи пластов A + B + C; A; B; C

Fig. 6. Diagram of dry gas reserves sensitivity to the calculated parameters, deposits of reservoirs A + B + C; A; B; C

создаем события

ЭКСПО-ВОЛГА

ул. Мичурина, 23а тел.: (846) 207-11-24

www.expo-volga.ru

ГЕОЛОГИЯ

0,0

2019 2022 2025 2028 2031 2034 2037 2040 2043 2046 2049

™ А + В + С, Макс. ™ А +В + С, Сред. ™ А + В + С, Мин. А + В + С, Мах А + В + С, Mean А + В + С, Min

Рис. 7. Суммарный профиль добычи газа залежей пластов A + B + C Fig. 7 The total gas production profile of deposits of reservoirs A + B + C

происходит не ранее чем за 100200 реализаций. Произведенный расчет 300 реализаций перекрывает порог нестабильности оценок, следовательно, можно говорить о достаточности выборки моделей для оценки параметров распределения запасов газа. Для оценки чувствительности запасов газа к входным параметрам построены графики торнадо (рис. 6), графически отображающие величину изменения запасов при вариации каждого из наиболее влияющих параметров (при этом варьируется только один параметр, остальные приняты неизменными). В качестве границ диапазона изменчивости варьируемых параметров приняты оценки P10 и P90. Оценки P50 приняты за базовый расчет. Однако полученные в процессе моделирования результаты демонстрируют наличие корреляции между параметрами. Следовательно,

ситуация, когда при изменении одного параметра остальные не меняются, является некоторым допущением, которое необходимо иметь в виду при анализе графиков торнадо.

Наибольшее влияние на величину запасов оказывают площадь залежи и эффективная газонасыщенная толщина (Нэф г). Это связано с тем, что структурная неопределенность в межсква-жинном пространстве и положение ГВК оказывают большое влияние на площадь и Нэф г.

Для оценки неопределенностей уровней добычи газа на гидродинамических моделях (ГДМ) выбрано три модели. Запасы данных моделей с некоторым отклонением соответствуют уровням P10, Р50 и Р90. Суммарные профили добычи газа по данным моделям представлены на рис. 7. Размещение фонда скважин осуществлялось согласно принятой

сетке скважин за счет расширения или сужения контура газоносности. Существенное расхождение уровней добычи газа от 2,3 до 7,7 млрд м3 свидетельствует о низком уровне изученности данных пластов.

Как показано выше, положение контакта, структурный план и Нэф г вносят наибольшую неопределенность в оценку запасов. Для снижения неопределенностей необходима дальнейшая доразведка. Напомним, что пласты А, В, С вскрыты очень малым количеством скважин (<4). Очевидно, что увеличение объема эмпирической информации за счет бурения новых скважин позволит точнее оценить положение контакта, снизит неопределенности по структуре, а значит, и площади залежи. Новые скважины целесообразно закладывать в зоны с максимальными прогнозными запасами.

ВЫВОДЫ

1. Выбраны входные варьируемые параметры.

2. Обоснованы параметры их распределений.

3. Произведен расчет 300 реализаций трехмерных геологических моделей, учитывающих все входные варьируемые параметры.

4. Произведена количественная оценка неопределенностей запасов газа.

5. Определены параметры, в наибольшей степени влияющие на неопределенность запасов газа.

6. Произведен расчет добычи газа по трем реализациям гидродинамической модели.

7. Обоснованы методы снижения неопределенности.

Литература:

1. Reynolds A.D. Dimensions of Paralic Sandstone Bodie, AAPG Bulletin, 1999. Vol. 83 (2), pp. 211-229.

2. Струкова О.В., Закревский К.Е. Геологическое моделирование в RMS. М., 2012. 694 с.

3. Дюбрюль О. Геостатистика в нефтяной геологии. М., 2009. 256 с.

4. Дэвис Дж.С. Статистический анализ данных в геологии. М., 1990. 340 с.

References:

1. Reynolds A.D. Dimensions of Paralic Sandstone Bodie, AAPG Bulletin, 1999, Vol. 83 (2), pp. 211-229.

2. Strukova O.V., Zakrevskiy K.Ye. Geological modelling in RMS. Moscow, 2012, 694 pp. (In Russian)

3. Dubrul O. Geostatistics in oil geology. Moscow, 2009, 256 pp. (In Russian)

4. Davis J.S. Statistical data analysis in geology. Moscow, 1990, 340 pp. (In Russian)

56

№ 11 ноябрь 2016 ТЕРРИТОРИЯ НЕФТЕГАЗ