Файл: Практическая работа по курсу Математические методы моделирования в геологии.docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 16.03.2024

Просмотров: 12

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Министерство высшего образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное

учреждение высшего образования

«Уфимский государственный нефтяной технический университет»


Кафедра «Геология и разведка нефтяных и газовых месторождений»


Практическая работа

по курсу «Математические методы моделирования в геологии»

Выполнил: ст. гр. ГЛ-18-01 Ласынова С.Р.

Проверил: преподаватель Султанов Ш.Х.

Уфа – 2021

Цель: решение промысловых задач с использование статистических методов обработки информации.

Задачи:

1.Классификация (группирование) объектов по характеризующим их свойствам и параметрам.

2.Определение наиболее «влиятельных» свойств и параметров на исследуемый признак.
Ход работы:

  1. Открыли исходный файл.

Таблица 1. Исходные данные

СКВАЖИНА

Рпл

Hобщ

Hэфф

Рлитостат

Нперф

Kпор

Кпр

Кнн

Кгл

Vзак

пропанта

Vзак

геля

Рср закачки

Skin

Fcd

well

Ppl

H

Hef

Plitost

Hperf

m

Kpr

Knn

Kglin

Vpropant

Vgelay

Pzak

Skin

qneft

1

210

40

10,7

60,731724

32

17,13

9,3

63,08

71,5

100

334,4

268

-5,1

7,3766

2

160

36

8,6

60,405614

42

15,7

3,8

61,7

14,4

132,5

398,8

380

-5,51

3,31

3

200

14

11,8

60,311544

12

15,9

5,2

53,3

13

50

107,6

330

-5,21

11,14

4

245

17

11,2

64,672388

16

17,6

1,6

73,2

10,01

80

176,2

350

-5,46

6,37

5

230

31

4

60,26338

38

18,1

12,6

64,5

11,01

110,1

257

433

-5,42

3,95

6

240

6

5,4

60,234783

14

15,4

3,5

55,5

11,2

30

65,2

332

-5,25

11,15

7

245

27

15

64,057043

35

17,5

1,54

68,5

10,8

100

207,4

370

-5,55

6,51

8

245

56

11,8

64,220349

51

15,4

0,6

59

15,5

70,1

171,7

370

-5,16

7,02

9

245

75

10,2

63,805186

34

17,4

1,7

63,4

11,7

80

182,1

320

-5,43

8,09

10

240

29

6,8

63,92384

30

15,02

0,5

58,6

13,8

70

180,4

300

-5,3

3,86

11

250

36

9,4

64,353553

28

15,04

0,4

58,4

14

80

191,4

420

-5,56

5,14

12

220

14

2

64,745386

10

16,1

4,4

45,1

13,4

30

144,9

265

-4,78

23,24

13

240

5

2,8

61,74693

10

18,2

9,16

60,7

11,5

16

94

400

-5,27

20,42

14

240

5

3

61,941593

20

15,4

2,4

49,04

13,2

50

112,2

324

-5,25

7,08

15

230

70

5,8

61,199316

47

16,4

6

65

11,6

117

341,2

340

-5,39

7,29

16

120

28

7,2

61,100981

24

16,5

5,04

73,7

8,3

100

275,4

370

-5,56

3,54

17

180

40

13,6

61,308688

26

16,7

8,9

66,08

13,2

85

163

340

-5,53

19,8

18

200

33

14

61,920772

32

14,6

2,2

66

13,4

106

320,7

400

-5,56

6,91

19

120

31,8

21

64,273279

32

15,7

0,64

55,75

9,1

150

462,4

279

-4,5

9,5729

20

240

8

3,2

62,005059

8

16,5

4,83

43,3

11,1

30,1

78

400

-5,17

5,49

21

240

34

12,9

63,321038

28

17,1

1,47

76,01

11,5

119,9

277,4

380

-5,5

4,05

22

235

8

2

61,416555

8

16,6

6,4

61,67

10,3

20

102,4

259

-4,9

7,1261

23

230

9

2,2

62,06426

9

15,7

3,23

64,25

12,75

35

97,5

380

-5,46

5,74

24

240

26

10,2

63,821742

20

17

7,6

74,45

10,7

80

181,2

453

-5,61

6,25

25

240

13

4,8

62,058741

10

14,5

1,8

54

13,4

40

100,3

360

-5,53

7,43

26

240

33

13,4

63,681515

24

17,5

11,3

78,02

9,6

90

251,5

440

-5,69

12,96

27

237

10,2

4,1

62,033656

8

14,52

2,1

59,3

13,4

30

137,9

333

-4,9

6,4101

28

242

21

4,4

63,443455

21

16,8

6,5

63,9

9,8

40

102,9

365

-5,34

12,1

29

190

49,8

14,4

61,684969

48

14,4

0,3

55,1

16,9

60

137,6

336

-5,27

2,9

30

220

95,8

9,6

62,436276

18

15,43

0,8

63

13,6

160

483,9

271

-4,7

9,26

31

245

22

3,2

60,711907

18

15,56

0,6

55

10,4

40,2

131,2

362

-5,4

6,29

32

239

31

7,1

62,540381

14

14,67

0,4

56,4

14,4

40

249,1

291

-4,9

2,1563

33

245

5

2,6

62,00832

8

20,2

1,71

75,6

10,03

30

61,4

321

-5,24

3,17

34

235

43

20,8

60,715419

42

16,63

3,2

68,47

12,7

151,3

425,2

345

-5,46

4,91

35

240

88

25,8

63,382246

72

16,71

8,01

71,02

11,04

240,2

607,9

500

-5,64

6,87

36

240

58

4,6

61,956644

35

14,72

8,82

73,7

10,37

120

309,2

370

-5,65

10,73

37

237

40,4

10,4

61,787819

38

14,5

1,53

64,3

11,9

100

318

278

-5

11,021


станд откл

32,30655

22,96582

5,795201

1,381767

14,90153

1,286417

3,434473

8,50306

9,954806

48,20392

131,6626

56,17426

0,288898

4,804182

ср знач

224,1892

32,13514

8,918919

62,33206

26

16,18459

4,056216

62,64973

13,63541

80,63243

222,6649

352,2973

-5,30135

8,017108



2. Нормирование данных позволяет получить величину, которая приближенно подчиняется нормальному распределению с нулевым средним и дисперсией, равной 1.

Нормирование данных выполняется по формуле: = , где - Среднее арифметическое значение; σ - стандартное отклонение.
; σ = ;




3. Пользуясь формулой коэффициента корреляции:

Определяем связь между параметрами: давление пласта (Ppl) и давление литостатическое (Plitost); общая толщина пласта (Н) и эффективная толщина (Hef); коэффициент проницаемости (Kpr) и коэффициент пористости (m):

Если коэффициент корреляции приближен к 1, то связь тесная, у нас же величины получились 0,2222 , 0,4336 , 0,5314 , следовательно коэффициенты независимы и для регрессионного анализа будем использовать все параметры из этих пар.

Загружаем полученные данные в Statgraphics, выбираем кластерный метод анализа, производим анализ по геологическим параметрам (H, Hef, Hperf, Kglin, Knn, Kpr, m, Plitost, Ppl). Получаем дендрограмму.





4. Проанализировали график и определили схожие (подобные) по свойствам и параметрам скважины. Я выделила группу скважин: 6, 31, 14, 25, 27, 23, 10, 32


  1. Сделали отдельным файлом выборку из подобных скважин.



  1. Так как основными факторами, влияющими на процесс разработки залежей углеводородов, являются геологические и технологические факторы, то и регрессионный анализ мы проводим по этим факторам.


Skin берем независимым параметром.



Получаем многофакторное регрессионное уравнение:



Из уравнения видим, что наибольшее влияние из технологических факторов оказывает объем закачиваемого геля (Vgelay), из геологического – коэффициент пористости.

Коэффициент нефтеотдачи (qneft) так же берем независимым параметром.



Получаем многофакторное регрессионное уравнение:



Из уравнения видим, что наибольшее влияние на показатель qneft среди технологических факторов у параметра Vpropant – объем закачиваемого пропанта, геологическими параметрами является коэффициент нефтенасыщенности.

Вывод: По результатам анализа можно выделить параметры, которые оказывают наибольшее влияние на эффективность ГРП.

В данном случае геологическими параметрами являются пористость и коэффициент нефтенасыщенности, а технологическимb параметрами - объем закачиваемого пропанта, это объясняется тем, что при проведении ГРП, при прочих равных условиях, объем пропанта влияет на общий объем трещин, возникаемых при ГРП, т.е. объем пропанта будет увеличивать пористость породы и объем закачиваемого геля (Vgelay), т.к. образование геля
позволяет создать в пласте отклоняющие экраны, регулировать фильтрационные потоки, что приводит к увеличению добычи нефти.

Технология ГРП заключается в создании высокопроводимой трещины в целевом пласте под действием подаваемой в него под давлением жидкости для обеспечения притока добываемого флюида (природный газ, вода, конденсат, нефть или их смесь) к забою скважины. Пористость характеризует способность ГП вмещать жидкости и газы, а нефтенасыщенность имеет прямопропорциональную зависимость от пористости.