CC BY
166
4. Верещагин В.Л., Солодяннков А.В. Анализатор исходного текста, основанный на обработке отладочной информации // V Санкт-Петербургская межрегион. конф. «Информационная безопасность регионов России (ИБРР-2007)», Санкт-Петербург, 23-25 октября 2007 г. - СПб: СПОИСУ, 2007. - 153 с.
5. J. Viega et al.. ITS4: A Static Vulnerability Scanner for C and C++ Code. // Ann. Computer Security Applications Conf. (ACSAC), Applied Computer Security Assoc., 2000.
6. Фомичев В.С. Теория автоматов. - СПб: СПбГЭТУ, 2007. - Режим доступа: http://www.eltech.ru/misc/LGA_2007_FINAL/Allpage/Section6/part_6.1_.html, своб.
7. Ахо А.В., Сети Р., Ульман Д. Компиляторы: принципы, технологии и инструменты. - М: Издательский дом «Вильямс», 2003.
Арефьев Дмитрий Борисович
Верещагин Владимир Леонидович
Галанов Алексей Игоревич
Молдовян Александр Андреевич
Санкт-Петербургский государственный университет информационных технологий, механики и оптики, аспирант, [email protected] Санкт-Петербургский государственный университет информационных технологий, механики и оптики, аспирант, [email protected] Санкт-Петербургский государственный университет информационных технологий, механики и оптики, аспирант, [email protected] Научный филиал Федерального государственного унитарного предприятия "НИИ"Вектор" специального центра программных систем "Спектр", директор, доктор технических наук, профессор, [email protected]
УДК 004.032.2
АВТОМАТИЗИРОВАННАЯ СИСТЕМА СБОРА И ОБРАБОТКИ ДАННЫХ СКВАЖИННЫХ ИЗМЕРЕНИЙ С ПОМОЩЬЮ АКУСТИЧЕСКОГО РАСХОДОМЕРА Т.Е. Войтюк, А.В. Демин
В статье представлены новые концепции сбора и обработки данных скважинных измерений с использованием акустического расходомера. Автоматизированная система позволяет повысить рентабельность разработки ранее неперспективных месторождений.
Ключевые слова: нефть, добыча, месторождение, акустический расходомер, волоконно-оптический.
Введение
Использование новейших информационных технологий в процессе разработки нефтяных и газовых месторождений России становится первостепенной задачей на пути увеличения и контроля эффективности месторождений. Все большее число нефтедобывающих компаний сталкивается с необходимостью вскрытия нескольких продуктивных зон одной скважиной и, в то же время, обеспечения возможности замера деби-тов из каждой отдельной зоны, что связано с поддержанием баланса между существующим подходом к разработке недр, с одной стороны, и экономическими соображениями, с другой. Затраты на строительство дополнительных эксплуатационных скважин на каждом кустовом основании в большинстве случаев превышают стоимость закачивания одной скважины по схеме, позволяющей вести одновременную добычу сразу из нескольких продуктивных горизонтов.
Для решения этой задачи применяют технологию «интеллектуальное месторождение», которая дает возможность оперативно принимать решения по оптимизации режи-
мов работы скважин, пластов и системы разработки месторождения. Эта технология реализует автоматизированную систему многоуровневого сбора и обработки информации.
Представленный программно-аппаратный комплекс сбора и обработки данных скважинных измерений с помощью акустического расходомера является составной частью системы «интеллектуальное месторождение». По данным, получаемым с волоконно-оптических гидрофонов, расположенных в стволе скважины, и хранимым в текстовых файлах в формате CSV (Commit Separator Value), комплекс позволяет производить расчет и отображение временных и спектральных характеристик регистрируемых сигналов, а также анализ с использованием разнообразных цифровых фильтров. Полученные сведения используются для управления режимами работы скважины и оптимизации разработки залежей нефти.
Интеллектуальное месторождение
Интеллектуальное месторождение - это месторождение, на котором имеется автоматизированная система многоуровневого сбора и обработки информации, которая, в свою очередь, служит базой для оперативного принятия решений по оптимизации режимов работы скважин, пластов и, в итоге, системы разработки месторождения. Создание интеллектуальных месторождений является перспективным и экономически целесообразным направлением, которое позволяет повысить рентабельность разработки многопластового месторождения за счет строительства одной «интеллектуальной» скважины вместо нескольких обычных.
Одной из инновационных составляющих системы разработки для низкодебитных многопластовых месторождений является оптимальное объединение различных пластов в один объект, что позволяет резко увеличить средние дебиты скважин, текущие уровни добычи нефти и ввести в разработку ранее нерентабельные месторождения. Однако возникает проблема качественного и постоянного контроля притока из каждого пласта [1]. В связи с ужесточением правил разработки, допускающих одновременную эксплуатацию нескольких пластов единой сеткой скважин только при условии организации достоверного учета и постоянного контроля притока из каждого объекта разработки, только налаженный мониторинг работы каждого пласта позволит создать четкое представление о состоянии месторождения. Контроль пластового и межпластового давления, температуры зон перфорации, определение депрессии на добывающей скважине, газового фактора, состава и расхода флюида позволят создать четкое представление о состоянии месторождения - о степени выработки, зонах остаточных запасов и других параметрах, которые способствуют принятию адекватных решений для достижения максимального коэффициента извлечения нефти (КИН) из каждого объекта разработки.
Создание инструмента постоянного мониторинга количественных и качественных параметров работы каждого объекта в скважине является фундаментальным и наиболее сложным этапом реализации интеллектуального месторождения.
Главными проблемами мониторинга нефтяных скважин в северных широтах являются большие глубины (4 км и более), высокие температуры (свыше 130 °С) и давление (400 атм и более). Такие скважины содержат залежи высоковязких нефтей и природных битумов, которые являются трудноизвлекаемыми. Традиционные методы измерения, с применением электронных средств регистрации давления, температур и расхода (имеющие в составе измерительной части усилительные, преобразующие и др. устройства), не могут эксплуатироваться в таких условиях или имеют малую точность и большую погрешность в показаниях [2]. Создание нетрадиционных измерительных комплексов позволяет решить данную проблему. Одним из перспективных направлений является применение волоконно-оптических измерительных систем, не имеющих электронных преобразователей и активных элементов и слабо зависящих от температу-
ры и давления. Предлагаемая технология дает возможность существенно увеличить экономическую эффективность освоения месторождений, содержащих высоковязкие нефти и битумы.
Основными элементами волоконно-оптической измерительной системы являются [3] когерентный источник света (лазер), фотоприемное устройство (фотодиоды различных конструкций, фотоэлектронные преобразователи), волоконно-оптический кабель и преобразователь измеряемого физического поля в виде чувствительного волоконно-оптического элемента (датчик). Электрический сигнал в светоизлучающем устройстве преобразуется в световой и по волоконно-оптическому кабелю поступает к датчику. Световой сигнал от датчика (в виде отраженного или рассеянного света) поступает в фотоприемник по тому же или специальному кабелю. В фотоприемном устройстве сигнал преобразуется в электрический сигнал, несущий информацию об измеряемом объекте.
Измерительная часть системы
Автоматизированная система сбора и обработки данных с помощью акустического расходомера состоит из 2 частей - скважинной и наземной.
Скважинная часть разработанной оптоволоконной измерительной системы состоит из распределенного датчика температуры, точечного датчика температуры и давления, датчика расхода-состава. Датчики объединены спускаемым в скважину волоконно-оптическим кабелем. С помощью кабеля осуществляется передача результатов измерений физических параметров от датчиков к наземному оптоэлектронному блоку обработки информации для обработки, хранения и отображения сигнала в наземной части.
Распределенный датчик температуры относится к типу устройств, в которых измеряемая температура действует непосредственно на оптическое волокно, так что оно само служит сенсором на всем своем протяжении, а выбор точки измерения определяется интервалом времени между моментом излучения сигнала лазером и моментом прихода отраженного от торца кабеля сигнала. На распределенный датчик температуры возложена функция определения зон термической аномалии по всему стволу скважины с целью определения зон негерметичности колонны и заколонной циркуляции.
Датчики давления и температуры, выполненные на основе волоконно-оптических брэгговских решеток (ВОБР), относятся к типу точечных датчиков. ВОБР представляет собой небольшой участок световода, в котором с заданным шагом чередуются участки с меньшим и большим коэффициентом преломления. Принцип действия ВОБР основан на том, что при распространении по оптическому волокну света в широком диапазоне длин волн отражаются только волны того участка спектра, который соответствует шагу решетки. Если под действием температуры или давления оптическое волокно с нанесенной решеткой Брэгга удлиняется, то меняется шаг решетки и, соответственно, длина отражающегося луча, что и преобразуется в значение температуры и давления. Точность точечных датчиков температуры кратно превосходит точность распределенного датчика, что позволяет с высокой достоверностью оценить относительный приток из каждого интервала, над которым расположен точечный датчик температуры.
Для измерения расхода и состава флюида в зоне притока применен пассивный волоконно-оптический акустический расходомер [4], который обеспечивает регистрацию гидроакустических сигналов, создаваемых различными источниками в скважине. По характеру гидроакустического воздействия, с учетом предварительных калибровок, определяется состав флюида, а также скорость потока. Скорость потока характеризуется параметрами флуктуаций флюида в зоне перфорации. Акустический расходомер обладает уникальными эксплуатационными свойствами: высокая чувствительность в общем акустическом спектре частот (1-100 000 Гц), большой коэффициент усиления (140-180 Дб), равномерная амплитудно-частотная характеристика (0,1-2 Дб), малые габариты и масса,
отсутствие активных приборов (т.е. полная электрическая и магнитная пассивность), работоспособность при высоких температурах (до 200 °С) и давлениях (до 500 атм).
Структурная схема акустического расходомера представлена на рис. 1. Расходомер состоит из 5 блоков: лазерный источник (ЛИ), формирователь модулирующих сигналов (ФМС), волоконный тракт с чувствительным элементом (ЧЭ), фотоприемник (ФП) и детектор фазомодулированных (ФМ) сигналов.
Рис. 1. Схема акустического расходомера
Лазерный источник содержит лазерный диод и драйверы к нему. Лазерный диод представляет собой полупроводниковый лазер с распределенной обратной связью, с длиной волны излучения 1550 нм, мощностью излучения в одномодовом волокне 5 мВт, шириной спектра излучения 1 нм. Управление лазером осуществляется при помощи специальной электронной платы.
Назначением формирователя модулирующего сигнала является создание сигнала специальной формы, необходимого для вспомогательной модуляции интерферометра при осуществлении псевдогетеродинного метода регистрации интерференционного сигнала. Модулирующий сигнал содержит две гармонические компоненты с частотами 30 кГц и 60 кГц, которые синхронизированы между собой и имеют определенное соотношение амплитуд и фаз. Фотоприемник содержит фотодиод, специализированный усилитель и блок питания. Фотодиод имеет волоконный вход со стандартной БС вилкой и выход с разъемом «ВКС». Фотодиод рассчитан на диапазон длин волн в области 1,3-1,5 мкм и имеет чувствительность 0,05 В/мкВт. Детектор фазомодулированных сигналов предназначен для работы в волоконно-интерферометрическом датчике переменных воздействий с использованием псевдогетеродинного метода регистрации, когда на выходе интерферометра создается сигнал поднесущей частоты, модулированный по фазе внешним воздействием.
Волоконный тракт [5], собранный по схеме волоконного интерферометра Маха-Цендера, представлен на рис. 2.
Интерферометрический чувствительный элемент реализован в относительно простом варианте с опорным плечом, изолированным от внешних воздействий, и чувствительным плечом, на которое воздействует гидроакустический сигнал. Опорное плечо (волокно), часть которого длиной 2-3 м намотана на пьезокерамический цилиндрический модулятор, смотано в катушку. Чувствительное плечо размещено на специальной опорной конструкции. Плечи интерферометра выполнены из двух отрезков стандартного одномодового волокна одинаковой длины.
Сигнал с выхода когерентного источника света подается на два оптоволоконных плеча - измерительное и опорное. Первое размещено на катушке гидрофона, сигналы которого подлежат регистрации, второе, равное по длине первому, остается на поверхности. В результате воздействия акустического сигнала происходит изменение длины волокна гидрофона. Сигналы с обоих волоконных плеч через коммутатор поступают по волоконно-оптическому кабелю на блок оптоэлектронной обработки информации (сигнала). Блок оп-тоэлектронной обработки фиксирует оптический сигнал и преобразует разность фаз в электрический сигнал и далее в цифровой код. Коды сигнала записываются в стандартной форме и затем обрабатываются специальными программными средствами.
Рис. 2. Схема волоконного тракта
Приемник оптических сигналов, блок их обработки и программный комплекс образуют наземную часть разработанной автоматизированной системы, обеспечивающей обработку (интерпретацию), хранение и отображение информации гидродинамического контроля работы скважины.
Обработка данных
Обработку и отображение данных, полученных по показаниям акустического расходомера, выполняет программный комплекс, обеспечивающий:
- отображение временных реализаций и спектров сигналов, полученных с выхода акустического расходомера;
- применение высокочастотных, низкочастотных и полосовых цифровых фильтров при анализе регистрируемых сигналов;
- возможность изменения масштаба представленных для визуализации характеристик сигналов;
- комбинированное отображение характеристик сигналов от различных источников в разных временных интервалах;
- вывод на печать и сохранение преобразованной информации.
Программный комплекс имеет удобный пользовательский интерфейс. В интерфейсе предусмотрена возможность выбора файлов, содержащих информацию, в различных директориях, а также возможность выделения части информационных массивов для ускорения обработки при больших объемах данных. Предусмотрено представление характеристик сигналов в режимах «сигнал-сигнал» и «сигнал-спектр». В режиме «сигнал-сигнал» для пользователя предоставляется информация о сигналах с выхода расходомеров, установленных на различных глубинах, в различных интервалах перфорации. Эти сигналы для удобства отображаются на разных графиках. Режим «сигнал-спектр» характеризуется представлением временной реализации сигнала и его спектра. В этом режиме пользователю дана возможность выбора типа и параметров применяемых цифровых фильтров для обработки сигналов. В случае возникновения ошибки, связанной с некорректной работой библиотеки, открытием файла, не содержащего нужную информацию, и вводом некорректных данных пользователь получает сообщение о причине невыполнения требуемой функции.
Программная обработка гидроакустического сигнала позволяет по соответствующей методике определить расход флюида в скважине и его состав. Исследования, проведенные в ГАНиГ им. Губкина и СПбГТУ, показали, что наиболее информативными являются спектральные и статистические характеристики сигналов, регистрируемые с помощью акустических датчиков, помещенных в скважине над зонами перфораций.
С целью исключения ошибок при реализации методов цифровой обработки (определение спектральных и статистических характеристик сигналов, формирование цифровых фильтров) и ускорения процесса отладки программного комплекса применено взаимодействие разноязыковых программ, таких как математический пакет MatLab и язык Java. Основные вычисления в программном комплексе производятся с использованием готовых математических пакетов. Это позволяет упростить и увеличить скорость математических расчетов и придать приложению удобный пользовательский интерфейс. Создание независимых приложений на основе математических библиотек пакета MatLab основано на разработке автономных модулей в этой среде [6]. Для получения модулей используются входящие в состав пакета утилиты - MatLab Compiler и MatLab Builder For Java. Для получения независимого компонента используется утилита DeploymentTool. Основные шаги по созданию компонента представлены на рис. 3.
Создание проекта
Л V
Добавление М-файлов
Построение
Л V
Упаковка
Рис. 3. Создание независимого компонента в пакете MatLab
Утилита DeploymentTool позволяет выбирать тип автономного модуля (C++, .Net, Java) и в соответствии с выбранным типом создает проект, добавляет в проект разработанные M-файл-функции, проводит сборку и упаковку компонента.
Так как в работе создавался модуль для работы с языком Java, то после перечисленных действий в корневом каталоге проекта создаются подкаталоги distrib и src. В папке distrib находится ^jar-файл и *.й1-файл проекта. В папке src находятся ^java-файлы, которые позволяют посмотреть исходный код созданного пакета. Файл с расширением «*.etf» - «component technology file» - это самораспаковывающийся файл, который обеспечивает доступ к предустановленному ядру пакета MatLab. Этот файл необходимо помещать в каталог, куда производится установка приложения, использующего библиотеки ядра MatLab. Файл с расширением «*xtf» содержит в себе файлы пакета MatLab в кодированном виде, которые получаются в результате работы утилиты Java Builder. Созданный ^jar-файл можно использовать в любых приложениях, написанных на Java.
Для каждого m-файла, требующего преобразования в код на языке Java, создаются два java-класса: myclass.java и mycomponentMCR.java. Класс mycomponentMCR содержит ключи декодирования CTF-файла и код, инициализирующий MCR для работы выбранного компонента. Класс myclass.java включает методы доступа к M-файл-функции, ассоциирующейся с данным классом.
MCR - MatLab Component Runtime Environment - это средство, необходимое для установки ядра пакета MatLab на машину пользователя без установки самого пакета. MCR входит в пакет MatLab и может быть получен при создании проекта с помощью утилиты DeploymentTool. MCR требует однократной установки на машину пользователя. Для установки MCR используется инсталлятор - MCRinstaller.exe (для Windows) или MCRinstaller.zip (для Unix). После этого любое приложение, использующее в своей работе функции MatLab, может получать доступ к ядру, содержащему основные математические библиотеки.
М-файл-функция является типичным объектом языка программирования системы MatLab [7]. Одновременно она является полноценным модулем с точки зрения структурного программирования, поскольку содержит входные и выходные параметры и использует аппарат локальных переменных. М-файл-функция разрабатывается на M-языке, внутреннем языке программирования MatLab, код m-функции сохраняется в текстовых файлах, имеющих расширение «*.т». В разработанном программном комплексе применяются функции пакета Signal Processing Toolbox, являющегося одним из первых специализированных пакетов системы MatLab [8].
Расчет спектра регистрируемого сигнала производится непараметрическими методами. Это позволяет получить достоверную информацию о спектральных характеристиках без использования знаний о плотности распределения случайного процесса. Спектральный анализ переводит описание сигнала из временной области в частотную. Таким образом, спектральное представление сигналов позволяет изучать их частотный состав, т.е. судить о том, какой вклад в формирование сигнала вносят колебания определенных частот.
Для определения спектральных характеристик дискретного случайного процесса вычисляется средний спектр мощности его ограниченного по длине фрагмента (1), а затем длина фрагмента устремляется к бесконечности:
W (ю) = lim 1
X x ( k ) e -
- j ю kT
x ( k ) e
k = -n
2 +1 ~ ^ - • (1) 2 n +1
Здесь x(k) - отсчеты случайного процесса, T - период дискретизации, черта сверху обозначает усреднение по ансамблю реализаций. Кроме того, этот спектр можно выразить через корреляционную функцию случайного процесса (2):
W (ю) = X Rx (k)e-kT . (2)
k = -w
При использовании непараметрических методов расчета спектра случайного процесса используется только информация, заключенная в отсчетах сигнала, без каких-либо дополнительных предположений. Основными методами расчета спектра в пакете Signal Processing Toolbox являются периодограмма и метод Уэлча (Welch). Периодограмма (periodogram) - оценка спектральной плотности мощности, полученная по N отсчетам одной реализации случайного процесса. Периодограмма рассчитывается по следующей формуле:
л 1 N-1 2
W (ю) = — X x(k)e"^kT , (3)
^/д k = 0
где /д - частота дискретизации. Деление на частоту дискретизации необходимо для
получения оценки спектральной плотности мощности случайного аналогового процесса, восстановленного по отсчетам x(k).
При разработке программного комплекса был применен метод Уэлча, так как при вычислении периодограммы по длинному фрагменту случайного сигнала она оказывается весьма изрезанной. Для уменьшения этой изрезанности необходимо применить какое-либо усреднение, что и используется в методе Уэлча. Этот метод был разработан на основе метода Бартлетта (Bartlett), который предложил анализируемый сигнал делить на сегменты без перекрытия, для каждого сегмента вычислять периодограмму, а затем эти периодограммы усреднять. Если корреляционная функция сигнала на длительности сегмента затухает до пренебрежимо малых значений, то периодограммы отдельных сегментов можно считать независимыми. В этом случае дисперсия периодограммы Бартлетта обратно пропорциональна числу используемых сегментов, однако с ростом числа сегментов при фиксированном общем числе отсчетов сигнала падает
2
спектральное разрешение (за счет того, что сегменты становятся короче). Уэлч внес в этот метод два усовершенствования: использование весовой функции и разбиение сигнала на перекрывающиеся фрагменты [9]. Применение весовой функции позволяет ослабить растекание спектра (spectrum leakage) и уменьшить смещение получаемой оценки спектра плотности мощности ценой незначительного ухудшения разрешающей способности. Перекрытие сегментов введено для того, чтобы увеличить их число и уменьшить дисперсию оценки [10].
Так же как и для периодограммы Бартлетта, дисперсия оценки, получаемой методом Уэлча, уменьшается примерно пропорционально числу сегментов. Благодаря перекрытию в методе Уэлча используется больше сегментов, поэтому дисперсия оценки спектра плотности мощности оказывается меньше, чем для метода Бартлетта. Метод Уэлча является наиболее популярным периодограммным методом спектрального анализа. Вычисление по методу Уэлча производится функцией «pwelch» в пакете MatLab.
Для анализа временных реализаций используется дискретная фильтрация сигнала. Операция линейной дискретной фильтрации в общем случае имеет вид
y(k) =box(k) +b1x(k -1) +... +bmx(k - m) -a1y(k -1) -a2y(k - 2) -... -any(k - n). (4)
Здесь x(k) - отсчеты входного сигнала, y(k) - отсчеты выходного сигнала, a, и bj -постоянные коэффициенты. Максимальное из чисел m и n называется порядком фильтра. Предыдущие выходные отсчеты могут не использоваться при расчетах, тогда все a, = 0, и фильтр называется нерекурсивным или трансверсальным. Если предыдущие выходные отсчеты используются, фильтр называется рекурсивным.
Линейная дискретная фильтрация реализована в функции filter [11] пакета MatLab. Входными данными этой функции являются наборы коэффициентов a={a,} и b={bj}, одномерный массив данных X; выходными данными является массивы значений (после применения фильтра) y. Линейная дискретная фильтрация относится к технологиям обработки произвольных данных, поэтому функция filter не принадлежит пакету Signal Processing, а является встроенной в ядро MATLAB. В пакете Signal Processing расположены функции, реализующие разнообразные алгоритмы синтеза дискретных фильтров.
Под синтезом дискретного фильтра понимается выбор таких наборов коэффициентов {аг-} и {b,}, при которых характеристики получающегося фильтра удовлетворяют заданным требованиям. Строго говоря, в задачу проектирования входит выбор подходящей структуры фильтра с учетом конечной точности вычислений. В программе применяются эллиптические фильтры, обеспечивающие более крутой (по сравнению с фильтрами Баттерворта и Чебышева) спад АЧХ в переходной зоне между полосами пропускания и задерживания. Платой за это является наличие равномерных пульсаций АЧХ как в полосе пропускания, так и в полосе задерживания. Как правило, эллиптические фильтры позволяют выполнить требования, предъявляемые к АЧХ, при минимальном порядке фильтра. Для синтезирования аналоговых и дискретных эллиптических фильтров нижних частот, верхних частот и полосовых фильтров используется функция ellip [12] пакета MatLab.
Функция возвращает описание фильтра в виде векторов-строк b и a (6), имеющих длину n+1 и содержащих коэффициенты полиномов числителя и знаменателя функции передачи в порядке убывания степеней переменной z:
H = ОД = b(1) + b(2) z-1 +... + b(n +1) z-n
A(z) 1 + a(2) z- +... + a(n + 1)z-n ' ()
Перечисленные математические функции используются в разрабатываемых M-файл-функциях. Для взаимодействия созданного приложения и скомпилированных M-файл-функций, а также ядра системы MatLab в java-приложении необходимо создать метод, который инициализирует используемые математические функции [13].
Любая программа, написанная в системе MatLab, в качестве операндов использует n-мерные матрицы, имеющие специальную структуру mxArray. Отдельные поля этой структуры хранят следующую информацию: имя переменной среды MatLab в текстовом виде, размерность созданной переменной, тип переменной, является ли она вещественной или комплексной (в случае комплексной переменной создаются отдельно векторы вещественной и мнимой частей), является ли переменная разреженной матрицей (разреженные матрицы имеют отличную от обычных схему хранения данных).
Для использования функций, написанных в системе MatLab, необходимо преобразовать стандартные java-типы в типы MatLab [14]. С этой целью используются содержащиеся в пакете com.mathworks.toolbox.javabuilder классы и методы, облегчающие работу с тем или иным типом данных внутри расширения MATLAB.
В разработанном программном комплексе как входные, так и выходные данные для функции должны иметь тип MWNumericArray. MWNumericArray - это структура mxArray, применяемая для чисел. Конструктор new MWNumericArray(«переменная», «тип переменной в MatLab») преобразует стандартный java-тип в тип, который можно использовать в функции. Для присвоения результата работы М-функции java-переменной в классе MWNumericArray созданы методы *.get«Стандартный java-тип».
Заключение
Автоматизированная система сбора и обработки данных скважинных измерений с помощью акустического расходомера обеспечивает регистрацию параметров работы продуктивных пластов, вскрытых перфорацией, с целью определения количественного и качественного состава притока по каждому интервалу перфорации и технического состояния эксплуатационной колонны скважины. Использование современных волоконно-оптических технологий для контроля и оптимизации работы скважины позволяет резко увеличить нефтеотдачу месторождения.
Программная часть системы производит обработку и отображение данных, полученных с оптоволоконных датчиков. Применение полосовых, высокочастотных и низкочастотных фильтров позволяет модифицировать полученный спектр сигнала с целью дальнейшего анализа. Одной из особенностей данного программного комплекса является использование математических библиотек среды MatLab, что дает возможность применять сложные математические функции без создания их алгоритмов, уменьшает количество ошибок на стадии отладки приложений, повышает быстродействие комплекса, так как эти функции оптимизированы.
Разработанная автоматизированная система сбора и обработки данных скважинных измерений с помощью акустического расходомера обеспечивает получение необходимой информации для принятия решений по управлению работой скважины в соответствии с существующими геофизическими методиками и способствует повышению рентабельности разработки.
Литература
1. Форест Г. Добыча нефти. - М.: ЗАО «Олимп-Бизнес», 2003. - 416 с.
2. Крылов Д.Н. Детальный прогноз геологического разреза в сейсморазведке. - М.: ООО «Недра-Бизнесцентр», 2007. - 195 с.
3. Кульчин Ю.Н. Распределительные волоконно-оптические измерительные системы. - М.: ФИЗМАТЛИТ, 2001. - 272 с.
4. Янг М. Оптика и лазеры, включая волоконную оптику и оптические волноводы. -М.: Мир, 2005. - 541 с.
5. Назаров А.В., Козырев Г.И. Современная телеметрия в теории и на практике: Учебный курс. - СПб: Наука и Техника, 2007. - 672 с.
6. Бей И. Взаимодействие разноязыковых программ. Руководство программиста. - М.: Издательский дом «Вильямс», 2005. - 880 с.
7. Ануфриев И.Е. Самоучитель MatLab 5.3/6.x. - СПб: БХВ-Петербург, 2002. - 736 с.
8. Дьяконов В.П. MATLAB 6.5 SP1/7 + Simulink 5/6®. Основы применения. Серия «Библиотека профессионала». - М.: СОЛОН-Пресс, 2005. - 800 с.
9. Куприянов М.С., Матюшкин Б.Д. Цифровая обработка сигналов: процессоры, алгоритмы, средства проектирования. - СПб: Политехника, 1999.
10. Percival D.B., Walden A.T. Spectral Analysis for Physical Applications: Multitaper and Conventional Univariate Techniques. - Cambridge: Cambridge University Press, 1993.
11. Welch P.D. The Use of Fast Fourier Transform for the Estimation of Power Spectra: A Method Based on Time Averaging Over Short, Modified Periodograms. // IEEE Trans. Audio Electroacoust. - June 1967. - Vol. AU-15. - Р. 70-73.
12. Бондарев В.Н., Трестер Г., Чернега В.С. Цифровая обработка сигналов: методы и средства. - Севастополь: СевГТУ, 1999. - 398 с.
13. Хорстманн К.С., Корнелл Г. Java 2. Библиотека профессионала, том II. Тонкости программирования. - М.: Издательский дом «Вильямс», 2006. - 1168 с.
14. Ноутон П., Шилдт Г., Java™ 2: Пер. с англ. - СПб.: БХВ-Петербург, 2005. - 1072 с.
Войтюк Татьяна Евгеньевна
Демин Анатолий Владимирович
Санкт-Петербургский государственный университет информационных технологий, механики и оптики, аспирант, [email protected], [email protected] Санкт-Петербургский государственный университет информационных технологий, механики и оптики, доктор технических наук, профессор, [email protected]
УДК 004.021
РЕАЛИЗАЦИЯ МОДЕЛИ ОСВЕЩЕНИЯ КУКА-ТОРРЕНСА C ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ DEFERRED SHADING
А.А. Безгодов, Э.В. Стародубцев
Рассматриваются достоинства и недостатки модели освещения Кука-Торренса, особенности технологии Deferred Shading и способ реализации данной модели освещения с использованием технологии Deferred Shading. Предлагается способ размещения данных в геометрическом буфере и ряд методов оптимизации. Ключевые слова: компьютерная графика, модели освещения, deferred shading
Введение
Освещение в игровых системах является важным фактором, который влияет на восприятие виртуального мира пользователем. Пользователь должен в полной мере идентифицировать материалы и сопоставлять синтезируемое изображение с тем, что он видит в реальной жизни: металл должен выглядеть как металл, пластмасса - как пластмасса, и т.д. Во многом восприятие зависит от выбранной модели освещения. Некоторые модели годятся для описания лишь узкого круга материалов, в то время как другие модели позволяют описывать более широкий круг материалов. Для обеспечения гибкости в некоторых проектах используют несколько моделей освещения.
В данной работе рассматривается особенности модели освещения Кука-Торренса, способ реализации с использованием технологии Deferred Shading, а также ряд методов оптимизации, которые позволяют ускорить построение изображения, несмотря на высокую вычислительную трудоемкость данной модели освещения.
