CC BY
10
Conference on Control and Communications (SIBCON). Moscow, Russia, May 12-14, 2016. pp. 1-4. DOI: 10.110 9/SIBmN.2016.7 4 9167 4.
15. Grigor'ev A., Grishko A., Goryachev N., Yurkov N., Micheev A. Contactless Three-Component Measurement of Mirror Antenna Vibrations. 2016 International Siberian Conference on Control and Communications (SIBCON). Moscow, Russia, May 12-14, 2016. pp. 1-5. DOI: 10.1109/SIB-CON.2016.7491673.
16. Rybakov I. M., Goryachev N. V., Kochegarov I. I., Grishko A. K., Brostilov S. A. and Yurkov N. K. Application of the Model of the Printed Circuit Board with Regard to the Topology of External Conductive Layers for Calculation of the Thermal Conditions of the Printed Circuit Board. Journal of Physics: Conference Series, Volume 803, Number 1, 2017, pp. 1-6. DOI:10.1088/1742-6596/803/1/012130.
17. Grishko A., Goryachev N., Yurkov N. Adaptive Control of Functional Elements of Complex Radio Electronic Systems. International Journal of Applied Engineering Research. Volume 10, Number 23 (2015), pp. 43842-43845.
18. Andreev P.G., Yakimov A.N., Yurkov N.K., Kochegarov I.I, Grishko A.K. Methods of Calculating the Strength of Electric Component of Electromagnetic Field in Difficult Conditions. 2016 12th International Conference on Actual Problems of Electron Devices Engineering (APEDE). Saratov, Russia, September 22-23, 2016, Vol. 1. P. 1-7. DOI: 10.1109/APEDE.2016.7878895.
УДК 550.8, 553.98 Данилов М.В.
ФГБОУ ВПО «Ижевский государственный технический университет имени М.Т. Калашникова», Ижевск, Россия
ОЦЕНКА СТЕПЕНИ ВЛИЯНИЯ НЕКОРРЕКТНЫХ ДАННЫХ ПРИ МОДЕЛИРОВАНИИ РАСПОЛОЖЕНИЯ СКВАЖИН
Определены принципы и разработаны программные алгоритмы, предназначенные для выявления недостоверных скважинных данных на ранней стадии обработки информации, с механизмом автоматической корректировки. Произведена оценка влияния ошибочных данных при проведении геологического и гидродинамического моделирования.
Ключевые слова
Достоверность данных, скважина, классификация, расположение скважин, гидродинамическая модель, пористость
На современном уровне развития технологий ре- сопоставление с заданным. Необходимо отметить, зультатом сбора и обработки геолого-геофизиче- что в основе определения истинности кривизны ской и промысловой информации является построе- скважины лежит предположение о том, что устьевые ние моделей месторождений. Недостоверность дан- координаты скважин успешно прошли этап верифи-ных может оказать значительное влияние на пове- кации.
дение модели. Например, на качество конечной В качестве исходных данных для построения мо-
гидродинамической модели может повлиять ошибка в дели физического расположения скважин были взяты расчетах коэффициентов пористости. реальные координаты скважин с ряда месторождений
Для проверки достоверности устьевых координат Западной Сибири. Ниже в таблицах (табл. 1, 2) скважин применялся алгоритм адаптивного выбора приведены исходные данные для которых произво-подклассов (АВП) [1]. На входе алгоритму пода- дилась классификация. В таблицах представлены ётся множество векторов определяющих положение данные для 5 и 9 кустов соответственно. Следо-скважины на местности и номер куста, на выходе вательно, алгоритм АВП должен классифицировать 5 классификация по координатам номера куста и его и 9 объектов (кустов).
Исходные данные по 5 кустам Таблица 1
№ п/п Х Y Куст В п/п Х Y Куст
1 114772.4 74383.0 1 23 115962.0 74549.6 2
2 114767.2 74382.8 1 24 115869.8 74507.1 2
3 114696.9 74383.0 1 25 115883.5 74513.0 2
4 114675.0 74383.5 1 26 115851.4 74499.2 2
5 114670.0 74383.6 1 27 115856.0 74501.1 2
6 114762.1 74382.6 1 28 115846.8 74497.2 2
7 114701.9 74382.9 1 29 115874.3 74509.0 2
8 114757.4 74382.5 1 30 113409.6 73823.3 3
9 114685.0 74383.3 1 31 113408.9 73813.3 3
10 114689.9 74383.2 1 32 113410.4 73833.2 3
11 114706.9 74382.8 1 33 113409.3 73818.3 3
12 114680.0 74383.4 1 34 113408.6 73808.3 3
13 115938.9 74540.0 2 35 120866.7 74192.4 5
14 115957.4 74547.7 2 36 120876.8 74209.6 5
15 115911.1 74524.8 2 37 120881.9 74218.2 5
16 115971.2 74553.5 2 38 120864.1 74188.1 5
17 115901.9 74520.9 2 39 120874.3 74205.3 5
18 115943.5 74542.0 2 40 119784.4 75109.6 6
19 115915.8 74530.5 2 41 119805.4 75018.2 6
20 115897.3 74518.9 2 42 119804.3 75023.1 6
21 115906.5 74522.9 2 43 119802.0 75032.8 6
22 115929.7 74536.2 2 44 119783.3 75114.5 6
45 119782.2 75119.4 6
На графике (рис. 1) светлые точки отображают исходные данные, тёмные - результаты классификации. Очевидно, что классы образованы (табл. 1) исходя из принадлежности скважин определённому кусту. Аналогично скважины распределились и для исходных данных из таблицы 2.
После получения объединения скважин в кусты, можно сделать вывод о правильности параметров характерных для определённой группы. Следующим шагом является проверка данных на согласованность.
В качестве примера можно привести правила, которые позволяют определить согласованность данных ГИС по глубине скважин в пределах одного куста. После согласования становится возможным расчёт количественных параметров, таких как коэффициент пористости, нефте- и газонасыщенности и пр., и их сопоставление с имеющимися в заключениях.
Результатом построенных моделей расположения скважин являются выводы о правдивости данных описывающих конкретные кусты скважин месторождения.
Исходные данные по 9 кустам Таблица 2
№ скв X Y Куст № скв X Y Куст
11 115938.9 74540.0 2 143 116371.9 74768.7 17
12 115957.4 74547.7 2 303 122519.4 71443.8 22
14 115911.1 74524.8 2 304 122516.8 71458.6 22
17 114772.4 74383.0 1 309 121849.9 73066.7 7
18 114767.2 74382.8 1 310 121871.5 73054.2 7
19 114696.9 74383.0 1 314 124592.1 71366.9 23
20 114675.0 74383.5 1 315 124552.1 71367.7 23
23 114670.0 74383.6 1 316 124562.1 71367.5 23
25 113409.6 73823.3 3 317 122515.9 71463.5 22
26 113408.9 73813.3 3 318 121841.2 73071.7 7
27 113410.0 73828.3 17 319 121862.9 73059.2 7
31 113410.4 73833.2 3 323 124499.1 71368.8 23
40 114762.1 74382.6 1 363 115846.8 74497.2 2
45 116373.1 74763.9 17 323 124499.1 71368.8 23
47 116374.4 74759.0 17 324 124582.1 71367.1 23
101 116378.2 74744.5 17 325 124489.1 71369.0 23
102 115971.2 74553.5 2 326 122522.0 71429.1 23
103 115901.9 74520.9 2 327 121923.6 73024.4 7
104 115943.5 74542.0 2 328 120866.7 74192.4 5
105 115915.8 74530.5 2 336 120876.8 74209.6 5
106 115897.3 74518.9 2 337 120881.9 74218.2 5
107 115906.5 74522.9 2 341 120864.1 74188.1 5
362 119782.2 75119.4 6 342 119784.4 75109.6 6
107 115906.5 74522.9 2 343 119805.4 75018.2 6
109 114701.9 74382.9 1 345 120874.3 74205.3 5
110 114757.4 74382.5 1 346 119804.3 75023.1 6
111 114685.0 74383.3 1 349 119802.0 75032.8 6
112 114689.9 74383.2 1 352 119783.3 75114.5 6
113 114706.9 74382.8 1 354 115929.7 74536.2 2
116 114680.0 74383.4 1 355 115962.0 74549.6 2
120 113409.3 73818.3 3 356 122523.8 71418.9 22
121 113408.6 73808.3 3 357 115869.8 74507.1 2
142 116379.4 74739.7 17 358 115883.5 74513.0 2
364 115874.3 74509.0 2 360 115851.4 74499.2 2
361 115856.0 74501.1 2
Результаты расчёта для 5 классов
Таблица 3
Класс X Y Куст
1 114713.7 74383 1
2 119793.6 75069.6 6
3 115906.9 74524.3 2
4 120872.8 74202.7 5
5 113409.3 73819.3 3
Результаты расчёта
Таблица 4
Класс X Y Куст
1 115906.8 74524.3 2
2 124546.1 71367.8 23
3 119793.6 75069.6 6
4 114713.7 74383 1
5 113409.5 73820.8 3
6 121869.8 73055.2 7
7 122519.6 71442.8 22
8 116375.4 74755.2 17
9 120872.8 74202.7 5
Рисунок 1
Результаты классификации для 5 классов
На основании результатов проведённых экспериментов хочется отметить, что количество кустов не ограничивает применение алгоритма АВП.
Рисунок 2 - Результаты классификации для 9 классов
Гидродинамические модели были построены с использованием симулятора ROXAR TempestMORE. Визуализация и экспорт данных для последующего анализа результатов осуществлялась с помощью встроенного инструментария Tempest [9].
Модели построены на основе реальных данных одного из месторождений Западной Сибири. [2,7]. Для одной из моделей взято поле коэффициентов пористости, построенное с использованием непроверенных данных, а в другой - полученное после проверки [3,4]. Коэффициенты нефте- и газонасыщенности полученные в результате эксперимента были сопоставлены с реальными данными, имеющимися в распоряжении соответствующих департаментов нефтяных компаний.
Ниже на рисунках представлена картина возникающая при отклонении ошибочных коэффициентов пористости (
рисунок 6) от истинных значений ( рисунок 5). Ошибки в поле пористости получены «естественным» путём, т.е. были внесены при обработке данных либо при вычислениях, либо непосредственно пользователями при вводе. Так или иначе, в результате получили поле пористости в некоторых ячейках которого присутствуют неверные значения.
Рисунок 3 - Схема
заимодействия элементов поля (вершины)
Рисунок 4
Схема
заимодействия элементов поля (грани)
Рисунок 5 - Поле действительных коэффициентов пористости
Результатом эксперимента является определение степени влияния ошибочных элементов поля на конечную модель. Необходимо отметить, что среда Tempest поддерживает две схемы взаимодействия элементов полей (матриц) между собой: взаимодействие осуществляется через вершины элементов
матриц (рис. 3) и через грани (рис. 4). В первом случае взаимодействие получается более тесным, но возрастает время расчёта, во втором случае наоборот. Как показала практика и в том и в другом случае ошибки распространяются достаточно активно.
Рисунок 6 - Ошибочное поле коэффициентов пористости
Рисунок 7 - Гидродинамическая модель на основе действительного поля пористости
0.80
Рисунок
8 - Гидродинамическая модель на основе ошибочного поля пористости
В одной из рассмотренных моделей исходные коэффициенты пористости были избавлены от ошибок, связанных с обработкой геолого-геофизических данных, а другая осталась без изменений. Часть коэффициентов носила ошибочный характер из-за
банальной опечатки оператора, часть - из-за неточности в исходных данных для расчёта (рисунок 9). Но необходимо отметить, что количество ошибок было небольшим.
k
1,0 п
0,9-= 0,8-= 0,7-0,6^ 0,50,40,30,20,1 -
k
действительном модели
k^ ошибочной модели
1,0 — 0,9-0,8^ 0,7-Е 0,6-= 0,5-0,4^
0,3-Е 0,2-= 0,1-
k
ошибочной М'
деис
деиствительн
од>
твительн
k
одели шиб
одели
дели
Рисунок 9 - Коэффициенты пористости в моделях
Рисунок 10 - Сравнение коэффициентов нефте- и газонасыщенности в действующей и ошибочной моделях
В результате построения гидродинамических моделей, с использованием достоверных и ошибочных данных, была произведена оценка коэффициентов нефте- и газонасыщенности (рисунок 10). Как и ожидалось, ошибочные исходные данные поля пористости привели к ошибочной модели. А именно, оказались частично завышены данные по нефтена-сыщенности и занижены по газонасыщенности. Необходимо отметить, что ошибочные данные в элементе сетки модели значительно повлияли на данные соседних элементов, а те, в свою очередь, на соседние с ними элементы. Таким образом, ошибка каскадно распространилась на большой участок модели. Даже там, где исходные коэффициенты пори-
стости имели правильное значение, выявлены отклонения коэффициентов нефте- и газонасыщенности.
Необходимо отметить тот факт, что гидродинамическое моделирование происходит во времени, а следовательно, при увеличении интервала моделирования будет накапливаться и распространяться ошибка, заложенная в исходных данных.
Так как процесс моделирования достаточно дорогостоящий в отношении используемых ресурсов (время, финансы и пр.), то ошибка, обнаруженная на более раннем этапе, поможет сократить затраты на перестроение модели. За счёт сокращения времени на поиск источника недостоверных данных, можно увеличить время для повышения качества модели.
ЛИТЕРАТУРА
1. Аронов В.И. Методы математической статистики геолого-геофизических данных на ЭВМ. - М.: Недра, 1977. - 220с.
2. Васильев А.В., Лялин В.Е. Анализ применения трехмерных геолого-гидродинамических моделей нефтяных месторождений // Надежность и качество. Труды международного симпозиума / Под ред. Н.К. Юркова. - Пенза: Изд-во Пенз. гос. ун-та, 2005. C. 201-204.
3. Данилов М.В. Оценка влияния недостоверных данных на результаты гидродинамического моделирования // Информационные технологии в науке, социологии, экономике и бизнесе. Материалы 33-й междн. конф. - Украина, Крым, Ялта-Гурзуф: прилож. к журн. «Открытое образование», 2006. - С. 142-143.
4. Данилов М.В., Дубовецкий В.Н. Определение коэффициента пористости // Компьютерные и информационные технологии в науке, инженерии и управлении. Труды Всероссийской научно-технической конференции с международным участием. - № 2. - Таганрог, 2006. - С. 141-146.
5. Данилов М.В., Щеглов А.П., Быстров М.А., Дубовецкий В.Н. Верификация геолого-геофизической информации по объектам разработки месторождений Северного НГДП ОАО «ТНК- Нижневартовск». Отчет о НИР / Институт интеллектуальных технологий; Рук. В.Е.Лялин; - № ГР 01200 405097 - Ижевск, 2004, 63 с.
6. Дембицкий С.И. Оценка и контроль качества геофизических измерений в скважинах. - М.: Недра, 1991. - 204с.
7. Мирзаджанзаде А.Х., Хасанов М.М., Бахтизин Р.Н. Моделирование процессов нефтегазодобычи. Нелинейность, неравновесность, неопределенность. - М.-Ижевск: Институт компьютерных исследований, 2004. - 368 с.
8. Сидельников К.А., Васильев В.В. Анализ современных способов увеличения эффективности моделирования нефтяных месторождений // Надежность и качество. Труды международного симпозиума / Под ред. Н.К. Юркова. - Пенза: Изд-во Пенз. гос. ун-та, 2005. - C. 227-230.
9. Tempest-MORE. Руководство пользователя. Версия 6.3. 2006. 373 с.
УДК 681.513.1
Абдирашев О.К., Ергалиев Д.С., Ашуров А.Е.
Евразийский национальный университет им. Л.Н. Гумилева, Астана, Казахстан
ПАРАМЕТРИЧЕСКИЙ АНАЛИЗ АЛГОРИТМА ДЕМПФИРОВАНИЯ УГЛОВЫХ СКОРОСТЕЙ ПРИ ДВИЖЕНИИ НАНОСПУТНИКА
В данной работе под параметрическим анализом будем понимать влияние различных параметров на процесс демпфирование. Такие параметры как: начальная угловая скорость, высота полета, моменты инерции, коэффициент усиление и запас статической устойчивости
Ключевые слова:
наноспутник, активная магнитная система демпфирования, модель углового движения и движения центра масс, алгоритм, методика
ли
м
н
н
ои
Введение
В последние два десятилетия наблюдается существенный рост интереса к малым спутникам (далее под малыми спутниками будем понимать спутники массой до нескольких десятков килограмм -
наноспутники и микроспутники). Далее речь пойдёт в основном о наноспутниках. Интерес к малым спутникам и бурное развитие этого направления
