CC BY
170
материалы конференции
DOI: https://doi.Org/10.18599/grs.2018.3.158-164
УДК 553.98.048
Вероятностно-статистическая оценка запасов и ресурсов по международной классификации SPE-PRMS
Р.С. Хисамов1, А.Ф. Сафаров2, А.М. Калимуллин2*, А.А. Дрягалкина2
ПАО «Татнефть», Альметьевск, Россия 2Институт ТатНИПИнефть ПАО «Татнефть», Бугульма, Россия
На сегодняшний день в нефтегазовой отрасли существует большое количество различных классификаций запасов и ресурсов углеводородного сырья, каждая из которых имеет свои преимущества и недостатки. Данная работа включает в себя анализ, сравнение, а также возможности сопоставления полученных результатов на первый взгляд, казалось бы, совершенно разных методик подхода к оценке запасов и ресурсов углеводородов.
Цель работы заключается в рассмотрении особенностей подсчета запасов углеводородов разными методами и изучение возможности и целесообразности применения вероятностного метода при аудите запасов. Запасы нефти были подсчитаны объемным методом на основе геологической модели залежи, построенной с применением программного комплекса IRAP RMS. Вариативность подсчетных параметров задавалась в модуле «Uncertainty», с помощью которого можно построить геологическую модель с равновероятными реализациями, имея недостаточный объем данных по основным характеристикам месторождения.
При расчете неопределенности дисперсия по значениям задавалась для следующих параметров: уровня водонефтяного контакта, пересчетного коэффициента, коэффициентов пористости и водонасыщенности. После вычислений и перебора возможных реализаций в пределах заданных параметров программа сгенерировала результат в виде трех значений запасов: P10 (вероятные), P50 (возможные), P90 (доказанные). Для сравнения результатов подсчета запасов использованы результирующие карты нефтенасыщенных толщин, с помощью которых возможно проследить распределение геологических запасов.
На основе проведенного исследования выявлено, что на конечный результат в распределении доли коллектора и основных параметров формулы объемного метода влияют входные данные и различный подход в построении 3D геологической модели. Для корректной цифры запасов (ресурсов) углеводородов необходимо использовать многовариантное распределение подсчетных параметров в геологическом пространстве рассматриваемого объекта.
Ключевые слова: риск, вероятностно-статистическая оценка, метод Монте-Карло, классификация запасов и ресурсов нефти и горючих газов (КЗ РФ-2013 г.), система управления запасами и ресурсами жидких, газообразных и твердых углеводородов (SPE-PRMS), сравнение отечественных и международных классификаций подсчета запасов
Для цитирования: Хисамов Р.С., Сафаров А.Ф., Калимуллин А.М., Дрягалкина А.А. (2018). Вероятностно-статистическая оценка запасов и ресурсов по международной классификации SPE-PRMS. Георесурсы, 20(3), Ч.1, с. 158-164. DOI: https://doi.Org/10.18599/grs.2018.3.158-164
Характерная особенность нефтяной индустрии - это непредвиденное изменение цен на нефть. Это основой критерий неопределенности, несущий значительный инвестиционный риск для нефтяных компаний (Найт, 2003). Именно по этой причине рискам уделяется столь пристальное внимание. В отечественной науке существует несколько категорий источников риска в нефтегазовой сфере. Среди них традиционно принято выделять следующие:
- геологические;
- инфраструктурные;
- политические;
- экономические и др. (Найт, 2003).
На сегодняшний день различают два принципиальных подхода при оценке ресурсов углеводородов (подсчете запасов нефти и газа): детерминистический и стохастический. Оценка по детерминистскому методу представляет собой выбор единичного дискретного сценария в рамках диапазона значений, которые могут быть получены в
* Ответственный автор: Алмаз Маратович Калимуллин E-mail: [email protected]
© 2018 Коллектив авторов
результате вероятностного анализа. Второй метод подразумевает применение статистических распределений параметров, входящих в формулу объемного метода, где случайные реализации каждого распределения под-счетного параметра перемножаются с целью получения гистограммы ресурсов (запасов) для объекта подсчета (Рис. 1) (КеИШег, МаИопеу, 2000).
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» (SPE-PRMS). Для Российской Федерации единым руководством в отношении принципов подсчета и государственного учета запасов и ресурсов является методическая рекомендация «Классификация запасов и ресурсов нефти и горючих газов» (КЗ РФ-2013 г.).
При подсчете запасов углеводородов в данных классификациях используются разные методики выделения той или иной категории запасов (ресурсов). Различие между классификациями связаны с рядом причин:
а) при подсчете доказанных запасов по РИМЕ учитываются исключительно существующие (доказанные) на
SCIENTl FK AND TECHNICAL JOURNAL
GEDRESGURCES
Рис. 1. Пример гистограммы распределения ресурсов (запасов)
момент оценки запасов технологии разработки месторождения. В отечественной практике ориентация как на апробированные, так и на перспективные технологии;
б) при подсчете запасов по международным классификациям применяются средние коэффициенты извлечения нефти (КИН), которые обоснованы по месторождениям-аналогам, в то время как в отечественной классификации используют конечные значения КИН, включающие в себя использование вторичных и третичных методов увеличения нефтеизвлечения;
в) при подсчете запасов (ресурсов) используются различные методические рекомендации для выделения той или иной категории, что приводит к различию в величине запасов;
г) в отечественной практике оценку ресурсов и запасов углеводородов принято производить детерминистическими методами, в то время как за рубежом используются вероятностно-статистические методы оценки.
Как показывает практика, для отечественной классификации, основой которой является формула объемного метода (детерминистский метод подсчета запасов), характерно завышение запасов (ресурсов) без учета риска по категориям запасов (ресурсов). Данный критерий наблюдается и при подсчете запасов (ресурсов) методом Монте-Карло, и при многовариантном геологическом моделировании. Методом Монте-Карло трудно учесть и отразить внутренние связи между параметрами неопределенности. Во-первых, получаемые распределения не соответствуют имеющимся знаниям об объекте. Они могут быть смещены в сторону больших или меньших значений, а также показывать больший или меньший «разброс». Во-вторых, после оценки запасов (ресурсов) невозможно визуализировать неопределенность в пространстве, так как метод не учитывает физическую сущность объекта. В результате возникает необходимость применения метода оценки неопределенности на моделях по ключевым показателям. Преимущество данного метода в том, что при оценке запасов (ресурсов) углеводородов на основе геологических моделей каждая реализация просчитывается на полноценной модели, которая учитывает все имеющиеся данные и концептуальные представления о подсчетном объекте. После оценки неопределенности по множеству реализаций возможно визуализировать результаты в виде карт, разрезов через параметры вероятности.
В настоящее время существует множество программных средств, позволяющих осуществлять вероятностный прогноз с обработкой большого объема информации и
выполнять большое количество итераций. Выполнена вероятностная оценка ресурсного потенциала перспективных объектов в программном модуле RMS «Uncertainty», который позволяет идентифицировать и оценивать степень неопределенности в модели и создавать многовариантные модели с учетом неопределенности.
В геологическом моделировании неопределенность присутствует практически на всех этапах: импорт/экспорт данных, корреляция, структурное моделирование, осреднение скважинных данных, фациальное моделирование, петрофизическое моделирование, подсчет запасов и т.д. (Система управления ресурсами ..., 2007).
Используя различные доступные свойства данного модуля, возможно рассчитывать множество реализаций определенной модели для обоснования решений, принимаемых на различных этапах геологического обоснования месторождения. Также, кроме оценки неопределенности модели, при которой используется один и тот же сценарий, RMS «Uncertainty» позволяет создавать множество реализаций, что дает возможность оценивать влияние каждого параметра на результат моделирования.
Конкретно для рассматриваемого продуктивного пласта выбран следующий ансамбль реализаций модели:
- структурный каркас пласта;
- скважины с поточечной интерпретацией пористости и нефтенасыщенности.
Рассмотрим применение многовариантной (вероятностной) геологической модели на одном из подсчетных объектов месторождения ПАО «Татнефть». Отложения бобриковского горизонта сложены терригенными породами, мощность которых варьируется от 1 до 13 м. В отложениях рассматриваемого пласта выявлено две залежи нефти, которые приурочены к двум различным поднятиям (Рис. 2).
Согласно проведенному исследованию по воссозданию концептуальной модели Сиреневского месторождения в целом по рассматриваемому месторождению коллекторские свойства горных пород в нефтяной части различны. Зона с низким значением коэффициента пористости (19%) в нефтяной части приурочена к фации вдольберегового бара регрессивного типа (залежь 1). Высокое значение коэффициента пористости (24%) связано с фацией барьерного острова (залежь №2). В результате, данная неоднородность связана с фациальной особенностью пород-коллекторов каждой из рассматриваемых залежей. На рисунке 2 представлена карта остаточных (подвижных) запасов нефти, на которой хорошо прослеживается неравномерность отборов по площади (Хисамов и др., 2017).
В соответствии с предложенной концепцией формирования бобриковских отложений на территории месторождения в данной работе расчет по вероятностно-статистической модели произведен для каждого поднятия отдельно.
Определение задачи
Рассмотрим применение вероятностно-статистического модуля RMS «Uncertainty» на примере одного из поднятий рассматриваемого месторождения (залежь II).
При разбросе значений подсчетных параметров построена многовариантная геологическая модель, в
НАУЧНО-ТЕХНИЧЕСКИЙ ЖУРНАЛ
www.geors.ru ГЕОРЕСУРСЫ
Рис. 2. Карта остаточных (подвижных) запасов нефти с пространственным распределением песчаных тел на территории месторождения
которой дисперсия по значениям задавалась для следующих параметров:
- водонефтяной контакт (ВНК) (Oil/Water contact);
- пересчетный коэффициент (Во);
- коэффициент пористости (Porosity);
- коэффициент водонасыщенности (Water saturation oil zone) (Система управления ресурсами ..., 2007).
Изменяя настройки алгоритмов расчета при построении модели и последующей перекрестной оценке достоверности, получим разные базовые варианты с различными величинами прогноза нефтенасыщенных толщин AHoil (Закревский, 2009).
Далее, после настройки переменных неопределенности и разброса переменных, задавалось количество реализаций. Естественно, чем больше величина прогона изменения каждого коэффициента, тем дольше и точнее будет расчет. В данном случае расчет произведен по 200 реализациям. Выбираемое количество реализаций зависит от мощности компьютера, однако их конечное значение должно обеспечить логнормальное распределение запасов.
В результате генерации ансамбля реализаций создаются пакеты данных: наборы 3D параметров, наборы карт
нефтенасыщенных толщин и полученных по ним геологических запасов. Далее для каждой реализации выводится процент вероятности встречи тех или иных запасов.
Согласно распределению на диаграмме, геологические запасы по многовариантной модели бобриковского горизонта рассматриваемой залежи составляют: Р90 (доказанные) - 2,05 млн. м3; Р50 (вероятные) - 2,2 млн. м3; Р10 (возможные) - 2, 33 млн. м3 (Рис. 3).
Геологические запасы нефти рассматриваемой залежи, построенной детерминированным способом, составляют 2,76 млн. м3. В данном методе подсчетные параметры задаются статичными величинами (тот или иной параметр определился с точностью до десятых и сотых долей. В данном случае подсчетные параметры залежи II имеют некий разброс значений с вероятностно-статистическими критериями согласно геологической особенности рассматриваемого пласта.
Для сравнения полученных геологических запасов поднятия использованы значения вероятностно-статистической оценки запасов категории Р50 (как наиболее вероятной величины) и оценки запасов, полученной из детерминированной модели. По вероятностно-статистической оценке, запасы Р50 составляют 2,2 млн. м3 нефти.
Рис. 3. Геологические запасы по многовариантной (вероятностной) геологической модели залежи II Восточно-Сиреневского поднятия Сиреневского месторождения
SCIEN71FICAND TECHNICAL JOURNAL
GEGRESGURCES
По детерминированной модели начальные геологические запасы углеводородов составляют 2,7 млн. м3 нефти (что на 19 % больше, чем по вероятностно-статистической модели) (Рис. 4).
После оценки неопределенности по множеству реализаций построена карта эффективных нефтенасыщенных толщин для каждой из реализаций (P90, P50, P10). Также задействована карта эффективных нефтенасыщенных толщин по реализации P50, сгенерированная после расчета подсчетных параметров в модуле RMS «Uncertainty». Площади залежей, где распространены нефтенасыщенные породы, определялись по подсчетному плану рассматриваемого пласта, который ограничен внешним контуром нефтеносности.
Также необходимо учитывать, что на общий объем начальных геологических запасов в вероятностно-статистической модели влияют все основные подсчетные параметры, которые входят при проведении множества
Вероятностно-статистическая оценка Детерминированная оценка
Рис. 4. Геологические запасы бобриковского горизонта залежи 4 по разным методам подсчета, млн. м3
реализаций. Рассмотрим карты эффективных нефтена-сыщенных толщин, построенные различными методами (Рис. 5).
В конечном счете при сопоставлении полученных данных было выявлено несколько локальных зон, которые вносят расхождение в статистику геологических запасов. Например, на обеих картах эффективных нефтенасыщенных толщин ограниченное поднятие в центральной части имеет разные изопахиты (Рис. 5в). Вследствие этого на карте, построенной детерминированным методом, значение доли коллектора значительно выше, чем на карте вероятностно-статистической 3D геологической модели.
Подобное различие связано с интерпретацией данных бурения и геофизики. В частности, при детерминированной оценке запасов геофизик определяет переход от нефтяной части пласта к водонасыщенной с точностью до сантиметров, от которой зависит площадь залежи и нефтенасыщенная толщина пласта. При определении подсчетных параметров в силу множества возможных значений существует погрешность в оценке. Если рассматривать оценку запасов вероятностно-статистическим методом, то каждый элемент из формулы подсчета запасов в условиях неопределенности задается с учетом дисперсии, как было описано ранее. В данном случае в детерминированной 3D геологической модели уровень ВНК рассматриваемого поднятия принят по данным геофизического исследования скважин и определен на абсолютной отметке минус 930 м. В вероятно-статистической оценке при варьировании рассматриваемого подсчетного параметра категории Р50 уровень ВНК (929,5 м) принят из 200 вариаций, что на 0,5 м меньше, чем в детерминированной 3D геологической модели (Табл. 1). Данный пример показателен на рис. 5 а, б и г.
Рис. 5. Сопоставление карт эффективных нефтенасыщенных толщин бобриковского горизонта залежи 4
НАУЧНО-ТЕХНИЧЕСКИЙ ЖУРНАЛ
ГЕйРЕСУРСЫ
Метод ВНК, м Объемный коэффициент Коэффициент пористости, доли ед. Коэффициент водонасыщенности, доли ед. Начальные геологические запасы, млн м3
Детерминированный 930 1,059 0,24 0,3 2,76
Вероятностно-статистический (P50) 929,5 1,051 0,234 0,29 2,2
Табл. 1. Подсчетные параметры нефти залежи IIрассматриваемого месторождения
Сопоставление результатов оценки запасов российской классификации и классификации PRMS. Деление запасов на категории
Выделение категорий запасов по рассматриваемой площади проведено в соответствии методическим рекомендациям по применению классификации PRMS.
Запасы залежей нефти рассматриваемого горизонта по действующей классификации PRMS отнесены к категориям PDP, PDNP и PUD.
Запасы залежи 1 Плетневского поднятия отнесены к категориям PDP и PUD. Нефтеносность отложений установлена по данным ГИС и подтверждена результатами испытания пласта во всех скважинах. Промышленная добыча нефти ведется в двух скважинах.
Запасы залежи II Восточно-Сиреневского поднятия отнесены к категориям PDP, PDNP и PUD. Нефтеносность отложений установлена по данным ГИС и подтверждена результатами испытания пласта в 18 скважинах. Промышленная добыча нефти проведена в 17 скважинах.
Согласно методическим рекомендациям по применению классификации PRMS, границы категорий вынесены на расстояние в 150 м от эксплуатационных скважин (Рис. 6б).
Сравнение обоснования категорийности и показателей
запасов по новой классификации и по системе PRMS, проведенное в соответствии с вероятностно-статистической оценкой, показывает значительную расходимость результатов и процедуры выделения категорий (Рис. 6). В целом, сопоставление по всем залежам бобриковского горизонта Сиреневского месторождения показало, что суммарные запасы рассматриваемого подсчетного объекта по сравнению с PRMS отличаются на + 24% (Табл. 2). Так, геологические запасы по категории А по отношению к смежным запасам по международной классификации (PDP и PDNP) отличаются на +17%. Запасы по категории B1, подсчитанные по отечественной классификации, значительно больше запасов PUD по PRMS (+55%).
В конечном итоге, при подсчете запасов УВ, используя разные методы, выходит неоднозначность в конечном результате запасов УВ. Другими словами, если производить оценку запасов различными методами, итоговая сумма геологических запасов по отечественной классификации, которая базируется на детерминированном методе, будет завышенной, в силу консервативного подхода к выделению категорий запасов и в неопределенном, неоднозначном подходе при усреднении подсчетных параметров формулы объемного метода.
Таким образом, различный подход в определении под-счетных параметров влияет на конечный результат оценки запасов, что вызывает значительное отличие в начальных
^J Доказанные неразрабатываемые запасы (PUD) Рис. 6. Сопоставление категорийности запасов по отечественной классификации (а) и по PRMS (б).
SCIENTIFIC AND TECHNICAL JOURNAL
GEGRESGURCES
Российская классификация 2013 г. Классификация PRMS Сопоставление запасов КЗ РФ 2013г. и PRMS, %
Категория запасов Геологические запасы, тыс.т Категория запасов Геологические запасы, тыс.т.
A 2766 PDP+PDNP 2282,4 +17%
B1 582 PUD 263,5 +55%
Всего 3348 2545,9 +24%
Табл. 2. Сопоставление результатов подсчета запасов нефти по отечественной классификации и SPE-PRMS бобриковского горизонта Сиреневского месторождения
геологических запасах рассматриваемого подсчетного объекта. Как показал анализ, для выделения категорий запасов по отечественной классификации, основой которой является формула объемного метода, характерно завышение запасов (ресурсов) относительно международных классификаций. По результатам проведенного в данной работе анализа, разница между детерминированным и вероятностно-статистическим методами двух рассматриваемых залежей составила 24%. Для рационального использования результатов подсчета запасов в инвестиционной деятельности нефтяной индустрии необходимо стандартизировать подход при формировании государственного баланса запасов, что поспособствует к сокращению времени и затрат при государственной экспертизе запасов.
литература
Закревский К.Е. Геологическое 3D моделирование. 131 с.
Найт Ф.Х. (2003). Риск, неопределенность и прибыль. Пер. с англ. М.Я. Каждана, науч. ред. В.Г. Гребенников. Москва: Дело, 359 с.
Система управления ресурсами и запасами жидких, газообразных и твердых углеводородов. (2007). Пер. с англ. Ю.Е. Агеева; ред. Б.Н. Аронштейн. Москва: Государственная комиссия по запасам РФ, 63 с.
Хисамов P.C., Сафаров А.Ф., Калимуллин А.М. (2017). Применение литолого-фациального анализа при построении геологической модели бобриковского горизонта Сиреневского месторождения. Экспозиция нефть газ, 6(59), с. 11-15.
Kelliher C.F., Mahoney L.S. (2000). Using Monte Carlo simulation to improve long-term investment decision. The Appraisal Journal, 1, pp. 44-56.
Сведения об авторах
Раис Салихович Хисамов - доктор геол.-мин. наук, профессор, Главный геолог - заместитель генерального директора
ПАО «Татнефть»
Россия, 423450, Альметьевск, ул. Ленина, 75
Альберт Феликсович Сафаров - заведующий лабораторией отдела поисковой и разведочной геологии Институт ТатНИПИнефть ПАО «Татнефть» Россия, 423236, Бугульма, ул. Мусы Джалиля, 40
Алмаз Маратович Калимуллин - инженер отдела поисковой и разведочной геологии
Институт ТатНИПИнефть ПАО «Татнефть» Россия, 423236, Бугульма, ул. Мусы Джалиля, 40 E-mail: [email protected]
Анна Андреевна Дрягалкина - инженер отдела поисковой и разведочной геологии
Институт ТатНИПИнефть ПАО «Татнефть» Россия, 423236, Бугульма, ул. Мусы Джалиля, 40
Статья поступила в редакцию 27.07.2018;
Принята к публикации 15.08.2018; Опубликована 30.08.2018
IN ENGLISH
Probabilistic-statistical estimation of reserves and resources according to the international classification SPE-PRMS
R.S. Khisamov1, A.F. Safarov2, A.M. Kalimullin2*, A.A. Dryagalkina2
1Tatneft PJSC, Almetyevsk, Russian Federation
2Institute TatNIPIneft Tatneft PJSC, Bugulma, Russian Federation
*Corresponding author: AlmazM. Kalimullin, e-mail: [email protected]
Abstract. Today in the oil and gas industry there is a large number of different classifications of hydrocarbon reserves and resources, each of which has advantages and disadvantages. This work includes analysis, comparison, as well as the possibility of comparing the results obtained at first glance, seemingly, from completely different methods of assessment of hydrocarbon reserves and resources.
The purpose of the paper is to consider the features of calculating hydrocarbon reserves by different methods and to study the feasibility and appropriateness of applying the probabilistic method for reserves audit. The oil reserves were calculated by volumetric method based on the geological model of the deposit, constructed using the IRAP RMS
software package. The variability of the counting parameters was specified in the "Uncertainty" module, with the help of which it is possible to build a geological model with equiprobable realizations, having insufficient data on the main characteristics of the field.
When calculating the uncertainty, the variance by values was set for the following parameters: water-oil contact level, recalculation factor, porosity and water saturation coefficients. After computation and enumeration of possible implementations within the given parameters, the program generated the result in the form of three reserve values: P10 (probable), P50 (possible), P90 (proved). To compare the results of the reserves calculation, the resulting oil-
НАУЧНО-ТЕХНИЧЕСКИЙ ЖУРНАЛ
www.geors.ru ГЕОРЕСУРСЫ
saturated thickness maps were used to trace the distribution of geological reserves.
Based on the conducted research, it was revealed that input data and a different approach to the construction of the 3D geological model influence the final result in the distribution of the reservoir and the main parameters in the volume method formula. For a correct figure of hydrocarbon reserves (resources), it is necessary to use a multivariate distribution of counting parameters in the geological space of the considered object.
Key words: risk, probability-statistical estimation, Monte Carlo method, classification of reserves and resources of oil and combustible gases (RF Reserves Classification-2013), reserves and resources management system of liquid, gaseous and solid hydrocarbons (SPE-PRMS), comparison of domestic and international reserves assessment classifications
Recommended citation: Khisamov R.S., Safarov A.F., Kalimullin A.M., Dryagalkina A.A. (2018). Probabilistic-statistical estimation of reserves and resources according to the international classification SPE-PRMS. Georesursy = Georesources, 20(3), Part 1, pp. 158-164. DOI: https://doi. org/10.18599/grs.2018.3.158-164
References
Kelliher C.F., Mahoney L.S. (2000). Using Monte Carlo simulation to improve long-term investment decision. The Appraisal Journal, 1, pp. 44-56.
Khisamov R.S., Safarov A.F., Kalimullin A.M. (2017). Use of lithofacies analysis in geomodeling of Bobrikovskian formation in Sirenevskoye oilfield.
Ekspozitsiya neft'gaz, 6(59), pp. 11-15. (In Russ.)
Nait F.Kh. (2003). Risk, uncertainty and profit. Eng. transl. M.Ya. Kazhdan, ed. V.G. Grebennikov. Moscow: Delo, 359 p. (In Russ.)
Sistema upravleniya resursami i zapasami zhidkikh, gazoobraznykh i tverdykh uglevodorodov [Petroleum Resources Management System]. (2007). Eng. transl. Yu.E. Ageev, ed. B.N. Aronshtein. Moscow: State Commission on Reserves of the Russian Federation, 63 p. (In Russ.) Zakrevsky K.E. Geological 3D modeling. 131 p.
About the Authors
Rais S. Khisamov - DSc (Geology and Mineralogy), Professor, Deputy Director General and Chief Geologist Tatneft PJSC
Lenin st., 75, Almetyevsk, 423400, Russian Federation
Albert F. Safarov - Head of the Laboratory, Department of Prospecting Geology
Institute TatNIPIneft Tatneft PJSC
M.Djalil st., 40, Bugulma, 423326, Russian Federation
Almaz M. Kalimullin - Enhineer, Department of Prospecting Geology
Institute TatNIPIneft Tatneft PJSC
M.Djalil st., 40, Bugulma, 423326, Russian Federation
Anna A. Dryagalkina - Enhineer, Department of Prospecting Geology
Institute TatNIPIneft Tatneft PJSC
M.Djalil st., 40, Bugulma, 423326, Russian Federation
Manuscript received 27 July 2018;
Accepted 15 August 2018;
Published 30 August 2018
SCIENT1FK AND TECHNICAL JOURNAL
GEDRESDURCES
