Оптимизированный алгоритм двойного крайгинга для моделирования параметров геологической среды

Параметры геологической среды имеют широкое применение при разведке и исследовании углеводородных месторождений. Они хранят в себе информацию о физических характеристиках горных пород, местоположении коллекторов и границах разделения пластов. Численные значения рассматриваемых параметров получают путем проведения геофизических исследований скважин (ГИС) либо путем пересчета уже имеющихся каротажных кривых на основании известных петрофизических закономерностей. Поскольку ГИС могут быть проведены лишь при условии наличия пробуренной скважины, параметры среды зачастую известны лишь в небольшом околоскважинном пространстве. Это делает актуальной задачу прогноза параметров среды в пределах всего месторождения. Существующие методы решения данной задачи условно можно разделить на две группы: использующие только данные ГИС и комплексно использующие данные 3D сейсморазведки и ГИС. Первая группа эффективна при наличии густой сетки скважинных измерений. Вторая группа показывает лучшие результаты в условиях редкой нерегулярной сетки, однако требует наличия сейсмических данных в пределах всего исследуемого месторождения. В работе приводятся описание нового метода прогноза параметров геологической среды, базирующегося на совместном использовании данных ГИС и 3D сейсморазведки, алгоритмическая реализация нового метода и рассматриваются способы оптимизации алгоритмической реализации.

1. Воскресенский Ю.Н. Полевая геофизика. М.: ООО «Издательский дом Недра»; 2010.

2. Демьянов В.В., Савельева Е.А. Геостатистика: теория и практика. М.: Наука; 2010.

3. Matheron G. Traité de géostatistique appliquée. Paris – France: Editions BGRM; 1962.

4. Ковалевский Е.В. Геологическое моделирование на основе геостатистики. Издательство EAGE; 2011.

5. Ермаков А.П. Введение в сейсморазведку. Тверь: Издательство ГЕРС; 2012.

6. Шестаков В.В. Гергет О.М. Адаптация метода двойного крайгинга к структурным факторам геологической среды. Научный вестник новосибирского государственного университета. 2020;1(78):119-134.

7. Kostyuchenko E., Kostyuchenko E., Meshcheryakov R., Ignatieva D., Pyatkov A., Choynzonov E., Balatskaya L. Correlation Normalization of Syllables and Comparative Evaluation of Pronunciation Quality in Speech Rehabilitation. Lecture notes in computer science. 2017. 10458 LNAI: 262-271.

8. Косков В.Н., Ксоков Б.В. Геофизические исследования скважин и интерпретация данных ГИС. Пермь: Пермский гос. техн. ун-т; 2007.

9. Бендат Дж., Пирсол А. Прикладной анализ случайных данных: Пер с англ. М.: Мир; 1989.

10. Тыртышников Е.Е. Матричный анализ и линейная алгебра. М.: Изд-во Физматлит; 2007.