CC BY
148
ISSN 2224-9923. Вестник ПНИПУ. Геология. Нефтегазовое и горное дело. 2012. № 4
УДК 553.982.2 © Мелкишев О.А., Кривощеков С.Н., 2012
СТОХАСТИЧЕСКАЯ ОЦЕНКА ПРОГНОЗНЫХ РЕСУРСОВ НЕФТИ НА ПОИСКОВО-ОЦЕНОЧНОМ ЭТАПЕ ГЕОЛОГО-РАЗВЕДОЧНЫХ РАБОТ
О.А. Мелкишев, С.Н. Кривощеков
Пермский национальный исследовательский политехнический университет, Пермь, Россия
При оценке прогнозных ресурсов объемным методом обычно используется метод геологических аналогий, при котором подсчетные параметры прогнозной структуры принимаются по месторождению-аналогу. Однако при данном подходе получают лишь точечные оценки, которые зачастую недостаточно полно учитывают особенности объекта оценивания. В отличие от них при стохастической (вероятностной) оценке подсчетные параметры заменяются их распределениями, а в итоге получают гистограмму прогнозных ресурсов структуры, которая с учетом экономических рисков может быть использована при дальнейшем выборе наиболее перспективных направлений геолого-разведочных работ.
Большинство подходов при стохастической оценке прогнозных ресурсов основано на априорных распределениях подсчетных параметров, которые не совсем полно учитывают особенности конкретного объекта оценивания.
В работе рассмотрено совместное использование методов Монте-Карло и пошаговой множественной регрессии для прогноза значений подсчетных параметров и стохастической оценки прогнозных ресурсов на поисковом этапе геолого-разведочных работ на примере локальных поднятий Башкирского свода с учетом их индивидуальных особенностей.
Базой для прогноза послужили данные баланса месторождений и структурно-морфологические характеристики (абсолютные отметки, амплитуды, площади и их производные) 40 нефтеносных структур, преимущественно по материалам пространственной сейсморазведки 3D.
Получены дифференцированные модели прогноза подсчетных параметров для верхнедевонско-турнейского карбонатного и визейского терригенного нефтегазоносных комплексов для бортовой и внешней прибортовой зон Камско-Кинельской системы прогибов, а также распределения ошибок, допускаемых при их использовании.
Для Ново-Овражной структуры определены наиболее вероятные значения подсчетных параметров и произведена стохастическая оценка прогнозных ресурсов категории С3.
Ключевые слова: стохастическая оценка, подсчетные параметры, прогнозные ресурсы, множественная регрессия, ошибки наблюдения, структурно-морфологические параметры, метод Монте-Карло, Башкирский свод.
STOCHASTIC EVALUATION OF OIL RESOURCES FORECAST ON THE STAGE OF GEOLOGICAL EXPLORATION WORK
O.A. Melkishev, S.N. Krivoshchekov
Perm National Research Polytechnic University, Perm, Russia
In evaluating the probable resources by the volumetric method the method of geological analogy, in which the calculation parameters predictive structure of the deposit-made counterpart is commonly used. However, in this approach there are only point estimates, which are often not adequately taken into account the characteristics of the object of evaluation. In contrast, when stochastic (probabilistic) assessment calculation parameters are replaced by their distributions, and ended up with a histogram of expected resources structure, which in view of the economic risks can be used to further selection of the most promising areas of exploration. Most approaches to the stochastic evaluation of forecast resources based on a priori distribution of the estimation parameters, which are not fully, taken into account the peculiarities of a particular object of evaluation. This article examines the joint use of Monte Carlo methods and step by step multiple regression to predict the values of calculation parameters and stochastic estimation of expected resources in the search phase of exploration work on the example of local uplifts of the Bashkir set in accordance with their individual characteristics.
The basis for the forecast was compiled using the balance of deposits and the structural and morphological characteristics (absolute elevations, amplitude, area, and their derivatives) 40 oil-bearing structures, mostly based on spatial seismic 3D.
Differential prediction model calculation parameters for the Upper-Tournaisian Visean terrigenous and carbonate complexes for the oil and gas board and outer near age zones Kama-Kinel system deflections, as well as the distribution of errors allowed for their use are obtained. For the New Gully structure determined the most probable values of calculation parameters and a stochastic evaluation of probable resources category C3 is produced.
Keywords: stochastic estimation, calculation parameters, and estimated resources, multiple regression, error monitoring, structural and morphological parameters, Monte Carlo, Bashkir arch.
Введение
При использовании подсчетных параметров, принимаемых по аналогии с ближайшими месторождениями, при оценке прогнозных ресурсов на поисково-оценочном этапе геолого-разведочных работ (ГРР) в условиях геологической неопределенности могут быть допущены значительные ошибки, поскольку недостаточно полно учитываются возможные региональные тренды и особенности конкретного объекта оценивания. Так, при варьировании выборки аналогов возможна ситуация занижения или завышения рассчитываемых ресурсов, поэтому необходимо более тщательно подходить к оценке подсчетных параметров и учитывать их возможные вариации.
Прогнозные ресурсы локальных поднятий категории С3 оцениваются объемным методом, суть которого заключается в определении массы нефти или объема свободного газа в пустотном пространстве пород коллекторов. Общая формула для подсчета геологических запасов (прогнозных ресурсов) нефти £геол объемным методом имеет вид
^геол ^з '^эф.нн " Кп "Кнн 0 •Pн,
где ^з - площадь залежи; йэф.нн - эффективная нефтенасыщенная толщина; Кп -коэффициент открытой пористости; Кнн -коэффициент нефтенасыщенности; 0 -пересчетный коэффициент; рн - плотность нефти.
В некоторых случаях используется плотностной метод [1] оценки ресурсов.
Различают два принципиальных подхода при оценке ресурсов углеводородов (подсчете запасов нефти и газа) - детерминистический и стохастический. Первый основан на использовании точечных оценок подсчетных параметров (метод геологических аналогий), а второй - на пременении статистических распределений параметров, входящих в формулу объемного метода, где случайные реализации каждого распределения подсчетно-
го параметра перемножаются с целью получения гистограммы ресурсов (запасов) для объекта оценивания.
Стохастическая оценка прогнозных ресурсов активно используется при гео-лого-экономической оценке прогнозных ресурсов, поскольку позволяет получать величины извлекаемых запасов и соответствующие им вероятности, что при учете рисков [2] дает распределение возможной прибыли. Оценка коэффициента извлечения нефти (КИН) и возможного прироста запасов представлена в работах [3-6].
Общепринятым документом в сфере вероятностной оценки ресурсов и подсчета запасов, в том числе и у российских недропользователей, является «Система управления запасами и ресурсами жидких, газообразных и твердых углеводородов» (БРЕ-РКМБ 2007) [7, 8].
Создание моделей прогноза
Предлагаемая методика совместного использования множественной регрессии и стохастических процедур (метод статистических испытаний Монте-Карло [9-11]) позволяет как получать более точные оценки подсчетных параметров на поисково-оценочном этапе, так и учитывать их возможные изменения, которые не могут быть достоверно определены по объективным причинам, связанным со сложностью геологического строения, отсутствием достаточного количества данных для прогноза, случайными вариациями подсчетных параметров и т.д.
При этом не только учитываются статистические зависимости, существующие между самими подсчетными параметрами, как в большинстве методов стохастической оценки прогнозных ресурсов [7-13], но и привлекаются дополнительные характеристики прогнозных структур (абсолютные отметки, амплитуды, площади) [14, 15], которые могут быть оперативно получены на поисковооценочном этапе ГРР.
К рассмотрению предлагается территория Башкирского свода (БС), расположенная на юго-востоке Пермского края, так как она является наиболее привлекательной с точки зрения проведения ГРР и достаточно хорошо изучена: открыты 56 месторождений, имеются 47 выявленных, 20 подготовленных и 11 находящихся в бурении структур. Нефтегазоносность разреза охватывает отложения всех нефтегазоносных комплексов (НГК), выделенных в Пермском крае.
Объектом исследования выбран верх-недевонско-турнейский карбонатный НГК (Б3-Сн), пласты Т, Т1, Т1+Т2, где залежи УВ связаны со структурами облекания малоамплитудных органогенных построек позднефранского возраста и визейский терригенный НГК (С1у) - со структурнолитологическими залежами [16]. Данные комплексы обладают наибольшим объемом запасов и ресурсов и являются достаточно изученными в отличие от девонского терригенного НГК [17].
Суть предлагаемого подхода сводится к представлению каждого подсчетного параметра в виде модели (функции распределения) вида
X М(Х) + бх^ 5х Х_прогн - х_фактич,
где X - функции распределения подсчетно-го параметра (его интервальная оценка); М(х) - математическое ожидание подсчет-ного параметра для конкретного объекта прогноза; 5х - функции распределения ошибок наблюдений относительно М(х); х_прогн - прогнозное значение подсчетного параметра; х_фактич - фактическое (наблюдаемое) значение подсчетного параметра.
Для определения М(х) предлагается использовать метод множественного регрессионного анализа [15, 18-20], а для получения функции распределения ошибок наблюдений (5х) подобрать теоретическую функцию распределения.
При использовании пошагового регрессионного анализа отбираются только наиболее значимые параметры, которые больше всего влияют на оцениваемый параметр.
Подбор функции распределения осуществлялся на основании критерия Андерсона-Дарлинга (Anderson-Darling), основанного на сопоставлении интегральных функций распределения, с учетом весового коэффициента для более детального учета различий эмпирической и подбираемой функции распределения на концах интервала [21].
По данным 19 месторождений, включающих 40 поднятий, расположенных в бортовой и внешней прибортовой зоне Камско-Кинельской системы прогибов (ККСП) БС, для верхнедевонско-тур-нейского и визейского терригенного НГК были построены модели зависимости под-счетных параметров от следующих структурно-морфологических характеристик: Свод_11к, Свод_11п - отметки свода структур по отражающему горизонту (ОГ), отождествляемому с кровлей визейских терриген-ных и турнейских карбонатных отложений нижнекаменноугольной системы соответственно; Замк_Пк, Замк_Пп - отметки последней замкнутой изогипсы по соответствующим ОГ; Свод_Ш - отметка кровли тиман-ских терригенных отложений девонской системы; А, S, I, I* - амплитуды, площади (км2), интенсивности (I = А/S и I* = A/VS) структур по соответствующим ОГ.
Поскольку выборка включает поднятия, расположенные в разных зонах ККСП (бортовая и внешняя прибортовая) и существенно отличающиеся своими условиями образования, подбор моделей оценок под-счетных параметров осуществлялся как для всех залежей, так и дифференцированно по зонам ККСП для минимизации ошибок вычислений и увеличения значений коэффициентов корреляции.
При создании модели оценок М(х) экстремальные значения (max, min, единичные значения за пределами основного облака рассеяния) игнорировались для исключения влияний выбросов.
Ввиду значительного преобладания в разрезе верхнедевонско-турнейского НГК нефтеносности в отложениях турнейского яруса (пласты Т, Т1, Т2) модели характеризуют именно эту часть комплекса.
Таблица 1
Модели прогноза для верхнедевонско-турнейского НГК
Модель оценки М(х) подсчетного параметра N, кол-во поднятий в модели, шт. Зона ККСП Коэф. корреляции Ст. ошибка вычислений Уровень значимости Подобранная функция распределения для 8х
йэф.ш = 39,597 + 0,117A 11п + + 0,030Свод 11п 14 Бортовая r = 0,86 1,24 м p = 10 5 Вейбулла
йэф.ш = -2,070 + 0,261A_IIn 15 Внеш. прибор- товая r = 0,67 1,30 м p = 0,006 Вейбулла
Кп = 0,2651 + 0,0001Свод III+ + 0,0009h IP - Пп 40 Все r = 0,58 0,015 p = 0,0009 Вейбулла
Кнн = 0,417 + 2,484Кпт-фм 100 Все r = 0,58 0,057 p < 10 5 Логистическая
Рн = 1,1686 + 0,00023амк П” 42 Все r = 0,77 0,011 т/м3 p < 10 5 Вейбулла
0 = -0,299 + 1,370рн 101 Все r = 0,79 0,019 p < 10 5 Бета
Таблица 2
Модели прогноза для визейского терригенного НГК
Модель оценки М(х) подсчетного параметра N, кол-во поднятий в модели, шт. Зона ККСП Коэф. корреляции Ст. ошибка вышис-лений Уровень значимо- сти Подобранная функция рас-пред. для Ьх
йэф.нн = гамма-распределение 92 Бортовая - - - -
йэф.нн = треугольное распределение 24 Внеш. прибортовая - - - -
Кп = 0,48519 + + 0,00015Свод III 37 Все r = 0,74 0,015 p < 10 5 Вейбулла
Кнн = 0,634 + 1,151КП визей 90 Бортовая r = 0,50 0,033 p < 10 5 Min Extreme
Кнн =0,048 + 4,211КП визей 22 Внеш. прибортовая r = 0,90 0,036 p < 10 5 Вейбулла
Рн = 1,0826 + 0,00103амк If -- 0,0008Свод IIs 36 Все r = 0,63 0,013 т/м3 p = 0,0003 Вейбулла
0 = -0,209 + 1,289рн визей 90 Бортовая r = 0,77 0,019 p < 10 5 Бета
0 = -1,441 + 2,707рн визей 24 Внеш. прибортовая r = 0,92 0,019 p < 10 5 Бета
Для построения моделей прогноза коэффициентов нефтенасыщенности и пе-ресчетных коэффициентов использовались данные, принятые по балансу для всех месторождений БС.
Методом пошаговой множественной регрессии получены многомерные модели оценок М(х) подсчетных параметров, представленные в табл. 1 и 2.
Зависимость эффективных толщин от амплитуд для верхнедевонско-турнейс-кого НГК объясняется тем, что геометрический объем для залежей массивного типа контролируется двумя поверхностями: кровлей пласта и положением водонефтяного контакта (ВНК) [22]. При этом увеличение амплитуды ловушки способствует ее большей улавливающей
способности и увеличению нефтенасыщенных толщин.
Для визейского терригенного НГК моделей прогноза толщин не удалось получить (статистически незначимы или большая ст. ошибка вычислений), и поэтому для прогноза были использованы их априорные распределения по зонам ККСП (рис. 1).
Это связано с особенностями строения визейского терригенного НГК [7], включающего в себя несколько продуктивных пластов (Тл, Бб, Мл), которые могут замещаться непроницаемыми породами, выклиниваться или сливаться между собой. Поэтому месторождения БС могут иметь залежи как во всех продуктивных пластах, так и только в некоторых.
Рис.
2,00 4,00 6,00
Триангулярное распределение
1. Гистограмма распределения эффективных нефтенасыщенных толщин по зонам ККСП
Таким образом, наличие нефтеносности помимо основного структурного фактора контролируется и наличием коллектора в пласте, а также присутствием надежных покрышек внутри комплекса.
В модели прогноза коэффициента пористости входят абсолютные отметки ОГ III, которые связаны с развитием ККСП (различаются для бортовой и относительно более погруженной внешней при-бортовой зоны), оказавшей главное влияние на нефтеносность и осадконако-пление территории.
Коэффициенты нефтенасыщенности связаны с пористостью, при этом для ви-зейского НГК получены две модели для рассматриваемых зон ККСП с сильно различными угловыми коэффициентами, что связано с большим разбросом значений Кп для внешней прибортовой зоны ККСП.
Плотности нефти в моделях зависят от абсолютных отметок кровель соответствующих комплексов. Наибольшее влияние оказывает отметка последней замкнутой изогипсы по ОГ, таким образом, наиболее погруженные залежи обладают более легкой нефтью. При этом следует отметить тесную связь компонентного состава УВ в нефти с ее плотностью.
Пересчетные коэффициенты зависят от плотности нефти, что также связано с ее физико-химическим свойствами и компонентным составом.
После расчета моделей для оценки М(х) вычислялись ошибки наблюдений относительно фактических данных, которые затем аппроксимировались известными теоретическими распределениями.
Оценка прогнозных ресурсов Ново-Овражной структуры и сравнение различных подходов при оценке подсчетных параметров
В качестве примера была произведена оценка прогнозных ресурсов категории С3 для Ново-Овражной структуры (бортовая зона ККСП). Рассчитывались математические ожидания подсчетных параметров (табл. 3), которые впоследствии при использовании метода Монте-Карло в программе Oracle Crystal Ball складывались с соответствующими ошибками наблюдений. Таким образом, для каждого параметра (за исключением площади залежи, которая принята как постоянная величина по паспорту структуры) получена функция распределения для конкретной структуры со своими структурно-морфологическими особенностями, с учетом ограничений значений по минимальным и максимальным наблюдаемым значениям подсчетных параметров залежей в соответствующих зонах ККСП.
Затем полученные усеченные распределения подсчетных параметров (учитывающих возможные ошибки) перемно-
Таблица 3
Оценки М(х) подсчетных параметров и детерминистическая оценка прогнозных ресурсов Ново-Овражной структуры (категория С3)
Комплекс S, тыс. м2 ^эф.нш м ЯЛ Кнн Рн 0 2„ол, тыс. т
Паспорт C1V 960 6 0,19 0,81 0,872 0,936 723
Расчет C1V 960* * * т, 2 0,194 0,86 0,867 0,908 290,00
Паспорт C1.-D3 920 12 0,12 0,7 0,925 0,95 815,0
Расчет C1.-D3 (только Т) 920* 4,34 0,116 0,71 0,890 0,920 292,67
Всего 582,68 1538,0
Примечание: * принята как постоянная величина по паспорту структуры;
** принято как мода в распределении йэф.нн для Civ бортовой зоны ККСП (см. рис. 1)
Рис. 2. Гистограмма распределения прогнозных ресурсов Ново-Овражной структуры по категории С3 для верхнедевонско-турнейского НГК (йэф.нн = модель + ошибки)
Рис. 3. Гистограмма распределения прогнозных ресурсов Ново-Овражной структуры по категории С3 для визейского терригенного НГК (йэф.ни = априорное распределение)
жались по формуле объемного метода для получения гистограммы 0геол (рис. 2 и 3) на основании 50 000 итераций.
В ходе выполненных расчетов методом Монте-Карло прогнозные ресурсы категории С3 только для турнейских отложений для Ново-Овражной структуры составили р90 - 159,95 тыс. т, р50 (Median) -263,23 тыс. т, р10 - 375,85 тыс. т.
Получено бета-распределение с асимметрией 0,23 и эксцессом 3,01.
Для визейского НГК ресурсы категории С3 составили р90 - 180,23 тыс. т, р50 (Median) - 447,69 тыс. т, р10 - 954,97 тыс. т.
Рис. 4. Сопоставление гистограмм прогнозных ресурсов Ново-Овражной структуры по категории С3 для верхнедевонско-турнейского
НГК при различных подходах в оценке йэф.нн
Получено гамма-распределение с асимметрией 1,03 и эксцессом 3,80.
Для верхнедевонско-турнейского НГК (только для турнейских отложений) дополнительно была произведена оценка прогнозных ресурсов по категории С3, где вместо предлагаемого распределения
в виде регрессионная модель + ошибки, использовалось априорное распределение толщин для бортовой зоны ККСП (см. рис. 1), при этом остальные параметры оставлены без изменений. На рис. 4 приведено сопоставление итоговых гистограмм прогнозных ресурсов.
Столь различные формы гистограмм ресурсов связаны с различными подходами к моделированию величины прогнозных ресурсов.
При использовании априорного распределения толщин увеличивается неопределенность итогового распределения ресурсов (плосковершинное, большой квантильный размах), но при этом рас-
сматриваются все возможные варианты таких моделей затруднительно или не-толщин, однако не учитывается возмож- возможно (визейский терригенный НГК).
Заключение
ная зависимость параметров от структурно-морфологических характеристик, в то время как применение регрессионной Таким образом, на основании данно-
модели с распределением ошибок дает го подхода возможны как более обосно-
большую определенность (островершин- ванное определение подсчетных пара-
ное распределение ресурсов, меньший метров, так и стохастическая оценка
квантильный размах) и учитывает осо- возможных ресурсов с различной веро-
бенности прогнозной структуры. ятностью (P90, P10) для конкретных
В общем случае предпочтение следу- локальных структур с учетом их инди-
ет отдавать применению регрессионной видуальных особенностей.
модели с распределением ошибок, что Данные оценки могут быть использо-
дает более обоснованные результаты и ваны в дальнейших инвестиционных рас-
уменьшает итоговую неопределенность, четах, анализе геологических и экономиче-
однако в некоторых случаях создание ских рисков и при планировании ГРР.
Список литературы
1. О связи характеристик органического вещества пород с плотностью ресурсов углеводородов (на примере Пермского Прикамья) / С.В. Галкин, И.А. Козлова, В.И. Галкин, А.В. Растегаев, A.A. Козлов // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2002. -№ 11. - С. 9-13.
2. Галкин С.В., Иванов А.А Вероятностно-статистическая методика учетов рисков поисковых работ при оценках альтернативных инвестиционных проектов // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2002. - № 4. - С. 29-28.
3. Оценка возможности определения коэффициента извлечения нефти по обобщенным статистическим моделям (на примере Пермского Прикамья) / В.И. Галкин, С.В. Галкин, А.Н. Аношкин, И.А. Акимов // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2007. -№ 10. - С. 51-53.
4. Галкин С.В. Возможности вероятностной оценки прироста запасов при проектировании поисков нефтегазовых месторождений (на примере платформенной части Пермского края) // Известия вузов. Нефть и газ. - 2004. - № 6. - С. 13-20.
5. Оценка коэффициентов извлечения нефти для месторождений Пермского края на основе статистических моделей / С.В. Галкин, Т.Б. Поплаухина, А.В. Распопов, Г.П. Хижняк // Нефтяное хозяйство. - 2009. - № 4. - С. 38-39.
6. Опыт применения методики оценки коэффициента нефтевытеснения при проектировании разработки нефтяных месторождений Пермского края / Г.П. Хижняк, Т.Б. Поплаухина, С.В. Галкин, А.А. Ефимов // Геология, геофизика и разработка нефтяных и газовых месторождений. -
2009. - № 8. - С. 42-45.
7. Guidelines for application of the Petroleum resources management system. - November 2011.
8. SPE/WPC/AAPG/SPEE Petroleum resources management system. - 2007 [Электронный ресурс]. -URL: http://www.spe.org/industry/docs/Petroleum_Resources_Management_System_2007.pdf
9. Дюбрюль О. Использование геостатистики для включения в геологическую модель сейсмических данных. - М.: EAGE, 2002. - 297 с.
10. Дюбрюль О. Геостатистика в нефтяной геологии.: пер. с англ. / Ин-т компьютер. исслед. -М.; Ижевск, 2009. - 255 с.
11. Фокин А. Риски и неопределенности в геологоразведочном процессе // Новатор. - 2011. -№ 43. - С. 8-12.
12. Kaufman M.G. Statistical issues in the assessment of undiscovered oil and gas resources. - MIT-CEEPR. - 1992. - 30 p.
13. Meisner J., Demirmen F. The creaming method: a bayesian procedure to forecast future oil and gas discoveries in mature exploration provinces // Journal of the Royal Statistical Society. Series A. - 1981. -Vol. 144, № 1. - P. 1-31.
14. Галкин В.И., Галкин С.В., Козлова И.А. Применение методики оценки приростов запасов углеводородов при проектировании поисков нефтяных месторождений на примере Соликамской депрессии // Научные исследования и инновации. - 2008. - № 4.
15. К методике оценки перспектив нефтегазоносности &ликамской депрессии по характеристикам локальных структур / В.И. Галкин, И.А. Козлова, А.В. Растегаев, И.В. Ванцева, C.H. Кривощеков, В.Л. Воеводкин // Нефтепромысловое дело. - 2010. - № 7. - C. 12-17.
16. Шаронов Л.В. Формирование нефтяных и газовых месторождений северной части ВолгоУральского бассейна. - Пермь: Перм. кн. изд-во, 1971. - 291 с.
17. Додевонские отложения Пермского Прикамья как одно из перспективных направлений гео-лого-разведочных работ / Т.В. Белоконь, В.И. Галкин, И.А. Козлова, C.E. Башкова // Геология, геофизика и разработка нефтяных и газовых месторождений. - 2005. - № 9-10. - C. 24-28.
18. Галкин В.И., Растегаев А.В., Галкин СВ. Вероятностно-статистическая оценка нефтегазоносности структур. - Екатеринбург: Изд-во УрО РАН, 2001. - 277 с.
19. Кривощеков СН., Галкин В.И., Волкова А.С Разработка вероятностно-статистической методики прогноза нефтегазоносности структур // Нефтепромысловое дело. - 2010. - № 7. -C. 28-31.
20. Растегаев А.В., Козлов А.С Прогноз запасов нефти вероятностно-статистическими методами для обоснования глубокого бурения на территории Верхнекамского месторождения калийных солей // Геология, геофизика и разработка нефтяных и газовых месторождений. -
2010. - № 12. - C. 12-15.
21. Oracle Crystal Ball, Fusion edition. User's guide. - 2010. - Vol. 11.1.2.
22. Габриэлянц Г.А., Пороскун В.И., &рокин Ю.В. Методика поисков и разведки залежей нефти и газа. - М.: Недра, 1985. - 304 с.
23. Галкин В.И., Cавич А.И., Акимов И.А. О необходимости дифференциации визейских объектов разработки при построении статистических моделей для определения коэффициентов извлечения нефти (КИН) // Известия учебных заведений. Нефть и газ. - 2007. - № 5.
References
1. Galkin S.V., Kozlova I.A., Galkin V.I., Rastegaev A.V., Kozlov A.A. O sviazi harakteristik organi-cheskogo veshchestva porod s plotnost'iu resursov uglevodorodov (naprimere Permskogo Prikam'ia) [About the connection between the characteristics of organic matter in rocks with a density of hydrocarbon resources (on the example of Perm region)]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2002, no. 11, pp. 9-13.
2. Galkin S.V., Ivanov A.A. Veroiatnostno-statisticheskaia metodika uchetov riskov poiskovykh rabot pri otsenkakh al'ternativnykh investicionnykh proektov [Probabilistic-statistical method of accounting risk research works in the estimates of alternative investment projects]. Geologiia, geofizika i razrabotka neft-yanykh i gazovykh mestorozhdenii, 2002, no. 4, pp. 29-28.
3. Galkin V.I., Galkin S.V., Anoshkin A.N., Akimov I.A. Otsenka vozmozhnostei opredeleniia koeffit-sientov izvlecheniia nefti po obobshchennym statisticheskim modeliam (na primere territorii Permskogo kraia) [Evaluation of options determining the coefficients of the oil recovery in generalized statistical models (on the example of Perm region)]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2007, no. 10, pp. 51-53.
4. Galkin S.V. Vozmozhnosti veroiatnostnoi otsenki prirostov zapasov pri proektirovanii poiskov neftegazovykh mestorozhdenii (na primere platformennoi chasti Permskogo kraia) [Features a probabilistic assessment stocks of increments in the design of oil and gas field searches (for example, the platform part of the Perm region)]. Izvestiia vuzov. Neft' i gaz, 2004, no. 6, pp. 13-20.
5. Galkin S.V., Poplauhina T.B., Raspopov A.V., Hizhnjak G.P. Otsenka koeffitsientov izvlecheniia nefti dlia mestorozhdenii Permskogo kraia na osnove statisticheskikh modelei [Problems and prospects for exploration and development of small oil fields]. Neftianoe hoziaistvo, 2009, no. 4, pp. 38-39.
6. Hizhniak G.P., Poplaukhina T.B., Galkin S.V., Efimov A.A. Opyt primeneniia metodiki otsenki koefficienta neftevytesneniia pri proektirovanii razrabotki neftianykh mestorozhdenii Permskogo kraia [Experience of application methodology for assessing the coefficient of oil displacement in the design of the development of oil deposits of Perm kray]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2009, no. 8, pp. 42-45.
7. Guidelines for application of the petroleum resources management system. November, 2011.
8. SPE/WPC/AAPG/SPEE petroleum resources management system, 2007, available at: http://www.spe.org/industry/docs/Petroleum_Resources_Management_System_2007.pdf.
9. Djubrul Oliv'e. Ispol'zovanie geostatistiki dlia vkliucheniia v geologicheskuiu model' seismicheskikh dannykh [The use of geostatistics for inclusion in the geological model of the seismic data]. EAGE, 2002, 297 s.
10. Djubrjul' O. Geostatistika v neftianoj geologii [Geostatistics in petroleum geology]. Izhevsk: In-t komp'iuter. issled., 2009. 255 s.
11. Fokin A. Riski i neopredelennosti v geologorazvedochnom protsesse [Risks and uncertainties in the exploration process]. Novator, 2011, no. 43, pp. 8-12.
12. Kaufman M.G. Statistical issues in the assessment of undiscovered oil and gas resources. MIT-CEEPR, 1992. 30 p.
13. Meisner J., Demirmen F. The Creaming method: a bayesian procedure to forecast future oil and gas discoveries in mature exploration provinces. Journal of the Royal Statistical Society. Series A, 1981, Vol. 144, no. 1, pp. 1-31.
14. Galkin V.I., Galkin S.V., Kozlova I.A. Primenenie metodiki ocenki prirostov zapasov uglevodoro-dov pri proektirovanii poiskov neftjanyh mestorozhdenij na primere Solikamskoj depressii [The use of assessment methodologies increment of hydrocarbon reserves in the design of oil prospecting in the case of depression Solikamsk]. Nauchnye issledovanirna i innovacii, 2008, no. 4.
15. Galkin V.I., Kozlova I.A., Rastegaev A.V., Vanceva I.V., Krivowekov S.N., Voevodkin V.L. K me-todike ocenki perspektiv neftegazonosnosti Solikamskoj depressii po harakteristikam lokal'nyh struktur [Method of assessing the prospects for oil and gas Solikamsk depression on the characteristics of local structures]. Neftepromyslovoe delo, 2010, no. 7, pp. 12-17.
16. Sharonov L.V. Formirovanie neftianykh i gazovykh mestorozhdenii severnoi chasti Volgo-Ural'skogo basseina [The formation of oil and gas fields on the north of the Volga-Urals Basin]. Perm: Perm. knizhnoe izd-vo, 1971. 291 s.
17. Belokon' T.V., Galkin V.I., Kozlova I.A., Bashkova S.E. Dodevonskie otlozheniia Permskogo Pri-kam'ia kak odno iz perspektivnykh napravlenii geologorazvedochnykh rabot [Dodevonskie deposits of Perm as one of the promising areas of exploration]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2005, no. 9-10, pp. 24-28.
18. Galkin V.I., Rastegaev A.V., Galkin S.V. Veroiatnostno-statisticheskaia otsenka neftegazonosnosti struktur [Probabilistic-statistical evaluation of oil and gas structures]. Ekaterinburg: UrO RAN, 2001. 277 s.
19. Krivowekov S.N., Galkin V.I., Volkova A.S. Razrabotka veroiatnostno-statisticheskoi metodiki prognoza neftegazonosnosti struktur [The development of probabilistic and statistical techniques forecast oil and gas structures]. Neftepromyslovoe delo, 2010, no. 7, pp. 28-31.
20. Rastegaev A.V., Kozlov A.S. Prognoz zapasov nefti veroiatnostno-statisticheskimi metodami dlia obos-novaniia glubokogo bureniia na territorii Verkhnekamskogo mestorozhdeniia kaliinykh solei [Forecast of oil reserves by probabilistic-statistical methods for the study of deep drilling in the Verkhnekamskoye potassium salts]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2010, no. 12, pp. 12-15.
21. Oracle Crystal Ball, Fusion Edition. Vol. 11.1.2, User's Guide, 2010.
22. Gabrijeljanc G.A., Poroskun V.I., Sorokin Ju.V. Metodika poiskov i razvedki zalezhej nefti i gaza [The method of prospecting and exploration of oil and gas]. Moscow: Nedra, 1985. 304 s.
23. Galkin V.I., Savich A.I., Akimov I.A. O neobhodimosti differenciacii vizejskih ob‘ektov razrabotki pri postroenii statisticheskikh modelei dlia opredeleniia koeffictientov izvlecheniia nefti (KIN) [About the necessity for differentiation Visean development objects in the construction of statistical models to determine the oil recovery factors (SIF)]. Izvestiia uchebnykh zavedenii. Neft' i gaz, 2007, no. 5.
Об авторах
Мелкишев Олег Александрович (Пермь, Россия) - студент кафедры геологии нефти и газа Пермского национального исследовательского политехнического университета (614990, г. Пермь, Комсомольский просп., 29; e-mail: [email protected]).
Кривощеков Сергей Николаевич (Пермь, Россия) - старший преподаватель кафедры геологии нефти и газа Пермского национального исследовательского политехнического университета (614990, г. Пермь, Комсомольский просп., 29; e-mail: [email protected]).
About the authors
Melkishev Oleg A. (Perm, Russia) - a student of oil and gas geology department, Perm National Research Polytechnic University (614990, Perm, Komsomolsky ave., 29; e-mail: [email protected]).
Krivoshchekov Sergey N. (Perm, Russia) - senior lecturer, oil and gas geology department, Perm National Research Polytechnic University (614990, Perm, Komsomolsky ave., 29; e-mail: [email protected]).
Получено 03.05.2012
