Файл: Орлов В.С. Проектирование и анализ разработки нефтяных месторождений при режимах вытеснения нефти водой.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 10.04.2024
Просмотров: 219
Скачиваний: 0
М о да или величина наиболее вероятного значения п а р а м е т р а определяется дифференцированием уравнения (V.1) и приравни ванием первой производной нулю.
Обозначим в (V.1): |
|
|
|
|
|
|
|
|
г + ' . ) » • » • = Л - |
|
< Ѵ ' 5 > |
||
Тогда |
в результате |
дифференцирования |
(V.1) имеем: |
|
||
|
dx |
|
X |
ß |
- О, |
(V.6) |
|
|
|
|
|||
откуда |
|
|
|
|
|
|
|
|
*max = klt. |
в = |
a ß . |
|
(V.7) |
Д л я |
практических |
расчетов |
обычно |
используют |
неполную |
гамма - функцию, которую получают введением замены г = — .
Плотность вероятности неполной гамма - функции |
|
в ы р а ж а е т с я |
||||||||||
следующим |
уравнением: |
|
|
|
|
|
|
|
|
|
||
|
|
|
у (а) (2 ) |
= |
|
! |
1) |
г" е ~ г . |
|
|
(V. 8) |
|
|
|
|
' w |
w |
|
|
Г ( а + |
|
|
ѵ |
' |
|
Д л я неполной гамма - функции составлены таблицы, |
что суще |
|||||||||||
ственно облегчает использование гамма - функции д л я |
практиче |
|||||||||||
ских |
расчетов. |
|
|
новой переменной z имеет вид: |
|
|||||||
Интегральный закон |
д л я |
|
||||||||||
|
|
|
F(z)=[ |
J |
|
^ |
1 . |
za |
e~z dz. |
|
(V.9) |
|
|
|
|
' |
|
Г ( а + 1 ) |
|
|
|
ѵ |
> |
||
|
|
|
|
о |
|
|
|
|
|
|
|
|
Гамма - распределение является наиболее общим |
выражением |
|||||||||||
вероятностного |
распределения |
|
п а р а м е т р а . |
|
|
|
||||||
В |
связи |
с |
этим она |
достаточно |
широко используется |
в |
||||||
Т а т Н И Л И н е ф т ь , |
в Гипровостокнефти |
и других Н И И |
и |
при стати |
стической обработке исходных данных о проницаемости и расчетах
процесса обводнения |
неоднородных пластов. |
||
§ 2. |
ПРИМЕНЕНИЕ |
МЕТОДОВ |
МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ |
ПРИ |
ОБРАБОТКЕ ИСХОДНЫХ |
ДАННЫХ ДЛЯ ПРОЕКТИРОВАНИЯ |
П р и проектировании и а н а л и з е разработки нефтяных место рождений в последнее десятилетие широко используются методы математической статистики и теории вероятностей. Этот матема
тический а п п а р а т |
применяется в основном |
при |
построении рас |
||||
четных схем — моделей неоднородных |
пластов . |
|
|
||||
Элементы теории |
вероятностей |
достаточно |
полно |
и з л о ж е н ы |
|||
в книге Е. С. Вентцель |
[61]. П р и л о ж е н и е |
ж е методов |
математиче |
||||
ской статистики |
и теории вероятностей |
к |
решению |
инженерных |
d09
з а д ач проектирования разработки рудных и нефтяных |
месторожде |
|||||||||
ний в |
наиболее полной |
форме |
дано в монографиях |
П. |
А. Р ы ж о в а |
|||||
и В. М. |
Гудкова |
[155] |
и |
3. |
К. Рябининой [37]. |
С |
достаточной |
|||
степенью сложности математических положений и в доступной |
д л я |
|||||||||
инженеров форме элементы теории вероятностей |
и |
математиче |
||||||||
ской статистики |
изложены |
в |
книге американских |
исследователей |
||||||
Г. Хана и С. Ш а п и р о «Статистические модели в инженерных |
за |
|||||||||
дачах» |
[171], посвященной |
в |
основном |
функциям |
распределения. |
|||||
И з л о ж и м |
некоторые положения книги |
[171], которые, на |
наш |
взгляд, целесообразно применять при решении з а д а ч проектиро вания разработки нефтяных месторождений.
Некоторые |
положения |
математической |
|
статистики, |
||
необходимые |
при |
обработке |
исходных |
данных |
||
Р я д параметров |
неоднородных нефтяных |
пластов (пористость, |
||||
проницаемость и |
др.) представляется |
в виде |
множества значений, |
полученных по керновым данным или геофизике. Множество
значений этих |
параметров |
можно |
назвать пространством выборок |
эксперимента, |
а к а ж д о е из |
этих |
значений — случайной величиной. |
Так как случайная величина является функцией, определенной на пространстве выборок, значениям случайной величины можно поставить в соответствие определенные вероятности. Интегральная функция распределения F(xi) непрерывной случайной величины х показывает вероятность того, что случайная величина х не пре вышает некоторое заданное значение х*, т. е. F(хг)
=\ ~ F ( X I ) .
|
MmFixù |
= F{— |
оо) = |
0; |
||
|
|
А* •->•<» |
|
|
|
|
|
|
HmF(x,) |
= |
F(<x>) = |
1; |
|
F(xi)^Q |
д л я всех A-,-; |
F (ХІ) |
~^F |
(XJ) , |
если х\~>х-3. |
|
К а ж д о й случайной |
величине соответствует некоторое распре |
|||||
деление, |
описывающее |
вероятностное |
поведение рассматриваемой |
системы. Обычно распределение определяется одной или большим числом постоянных, называемых параметрами , которые характе ризуют центр распределения, масштаб и формулу кривой рас пределения.
Наиболее известной характеристикой, центра |
распределения |
|
является м а т е м а т и ч е с к о е |
о ж и д а н и е , часто называемое |
|
арифметическим средним, а |
иногда — средним |
значением или |
101
просто средним. Если х — непрерывная случайная величина с плот ностью распределения f(x), то ее математическое ожидание опре деляется как
|
|
|
оо |
|
|
|
|
|
Е (х) |
= J xf (х) dx. |
|
|
|
|
|
|
•—оо |
|
|
|
|
Д р у г о й характеристикой центра |
распределения является |
сред |
|||
няя |
точка, |
или м е д и а н а . |
Д л я |
плотности |
распределения |
f(x) |
непрерывной |
случайной величины, |
медианой |
является т а к а я |
точ |
||
ка |
L , что |
J00 f(x)dx= |
|
|
|
|
|
|
0,5. |
|
|
Таким образом, медиана равна такому значению случайной величины, которое делит пополам п л о щ а д ь под кривой плотности распределения .
М о д а — третья характеристика центра распределения . Мода непрерывной случайной величины равна значению, соответствую щ е м у максимуму плотности распределения (если имеется один
ма к с и м у м ) .
Кр о м е центра распределения, часто бывает необходимость •описать рассеяние, симметрию и островершинность распределения . Эти характеристики м о ж н о кратко представить с помощью момен тов распределения . Распределение является полностью заданным, •если известны все его моменты. Однако многие распределения
могут |
быть |
полностью описаны с помощью четырех |
моментов. |
||||||||||||||||||
П е р в ы й |
момент — центральный |
всегда равен пулю, т. е. М\ = |
|||||||||||||||||||
= 0, |
так как |
М\ = Е[х |
— М\] = Е} |
(М[) |
=М[ |
— М\ =^0 |
(М, |
— о б о з н а |
|||||||||||||
чает |
математическое |
о ж и д а н и е |
Е(х) |
случайной |
величины |
х). |
|||||||||||||||
В т о р о й |
момент |
относительно |
среднего |
является |
показателем |
||||||||||||||||
рассеяния . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Он |
называется |
дисперсией |
и определяется, |
как |
|
|
|
|
|
||||||||||||
|
|
|
|
|
(х) = Е |
[Х — МІ]2 |
|
|
со |
(х |
|
|
|
|
(х) |
dx. |
|
|
|||
|
|
М2 |
= |
сг2 |
|
= |
f |
— |
A l i ) |
/ |
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
—00 |
|
|
|
|
|
|
|
|
|
|
К в а д р а т н ы й |
корень |
дисперсии |
называется |
средним |
квадрати - |
||||||||||||||||
ческим отклонением и обозначается символом |
|
о. |
|
|
|
|
|
|
|||||||||||||
Т р е т и й |
момент |
относительно |
среднего |
связан |
с |
|
асиммет |
||||||||||||||
рией |
|
распределения |
и |
определяется |
как |
М° = Е(х— |
|
MJ)3 . |
Д л я |
||||||||||||
•симметричного |
распределения |
М 3 |
= 0. |
Величина |
j/^ßi = |
- ^ 2 - |
изме- |
||||||||||||||
р я е т отношение |
симметрии распределения к мере рассеяния. |
Этот |
|||||||||||||||||||
нормированный |
|
показатель |
позволяет |
|
сравнивать |
асимметрию |
|||||||||||||||
.двух |
|
распределений, |
имеющих различный |
масштаб . |
|
|
|
|
|||||||||||||
Ч е т в е р т ы й |
момент относительно |
среднего |
связан |
с |
остро |
||||||||||||||||
вершинностью |
распределения |
и |
называется |
|
эксцессом. |
Он |
опре- |
102
дел я ется |
как |
Мц = Е(х |
— Л1|)4 ; величина ß2= — является отно- |
сительным |
показателем |
эксцесса. |
|
Н а и б о л е е |
известной |
статистической моделью является нор |
|
мальное, или |
гауссово, |
распределение . |
Иногда рассматриваются нормально распределенные случайные величины, д л я которых известны лишь абсолютные значения откло нений относительно среднего — в этом случае принято говорить
•о полунормальном распределении (распределение существенно по ложительных величин) .
Г а м м а-распределение |
используется |
д л я |
описания |
случайных |
|
еличин, |
ограниченных с |
одной стороны. |
Б е т а - р а с п р е д е л е н и е |
||
ш с ы в а е т |
случайные величины, которые |
изменяются в |
некотором |
||
.ггервале. |
Логарифмически |
нормальное |
распределение |
описывает |
лучайную величину, логарифм которой распределен по нормаль -
-—тому |
закону |
с |
п а р а м е т р а м и |
M |
и 0 . Сведения |
о распределениях |
|||||||||
•риведены в табл . 1. |
|
|
|
|
|
|
|
|
|
||||||
|
Иногда |
инженер |
не |
имеет достаточно н а д е ж н ы х |
теоретических |
||||||||||
к н о в а н и й |
д л я |
выбора |
той |
или |
иной |
статистической |
модели. Он |
||||||||
получает экспериментальные данные и, используя |
эмпирические |
||||||||||||||
методы, д о л ж е н |
сделать |
выводы |
относительно |
изучаемого |
явле- |
||||||||||
шя. |
Иногда |
достаточно |
представить |
имеющуюся |
|
информацию |
|||||||||
І |
виде гистограммы |
и, |
возможно, несколько сгладить |
ее от |
руки, |
||||||||||
і |
других |
случаях |
бывает |
ж е л а т е л ь н о |
представить |
|
данные |
фор- |
іально через эмпирические распределения . Это проводится в ре
зультате, следующих причин. |
|
|
|
1. |
Ж е л а н и е достигнуть объективности. П р и |
сглаживании |
одних |
J 1 тех |
ж е экспериментальных зависимостей |
вручную у |
разных |
чодей - будут получаться различные кривые. Применение эмпири-
еского распределения исключает такую произвольность. |
|
|
||
2. Необходимость автоматизации процесса исследования |
дан - |
|||
ых.: Когда аналогичные совокупности |
данных д о л ж н ы |
аналпзи - |
||
оваться |
часто и особенно, когда требуется выполнять |
пнтерпо- |
||
- іяцию |
в нескольких заданных точках, |
может оказаться |
более |
экономичным вместо подбора кривых распределения вручную псользсвать быстродействующую вычислительную машину.
3. Необходимость знать параметры распределения. Оценки параметров эмпирических распределений нередко дают значитель ную обобщенную информацию и могут использоваться при ин терполяции.
При подборе распределений д л я экспериментальных данных было предложено много различных методов. Наиболее распро страненным из них является применение нормального распреде ления. Н о р м а л ь н о е распределение дает приемлемое описание многих (хотя и не всех) реальных явлений. Аналогично гамма - распределение и логарифмически нормальное распределение ис пользовались д л я описания случайных величии, ограниченных с одной стороны, так же, как бета-распределение, для описания
103
случайных величин, ограниченных сверху и снизу. Хотя эти |
модели |
||||||
приводят |
к |
распределениям самой различной формы, все |
ж е они |
||||
не д а ю т |
той |
степени обобщения, |
которая |
часто бывает необходима. |
|||
Это |
положение иллюстрируется |
рис. |
18, где |
показаны |
области |
||
в плоскости |
(ßi и ß2 ) для различных |
распределений — нормаль |
|||||
ного, |
бетараспределения (частный случай — равномерное |
распре |
|||||
|
|
|
|
деление), |
гамма - распределе - |
Ä |
• |
|
1 r x z r - . г ; - . - - , , , ^ - . , . л - . ^ ^ . л ^ 7 і |
' м н е (частный |
случай — экс- |
||||||
' П О н е н ц и а л ь н о е |
распределе |
||||||
ние) и логарифмически нор |
|||||||
мального, где |
ßi — |
к в а д р а т |
|||||
нормированного |
показателя |
||||||
асимметрии, |
a ß? — нормиро |
||||||
ванный |
показатель |
|
остро |
||||
вершинности. Сюда |
|
входят |
|||||
т а к ж е /-распределение |
Сгыо - |
||||||
дента — симметричное |
рас |
||||||
пределение, |
сходящееся |
к |
|||||
нормальному, когда его па |
|||||||
раметр (число степеней сво |
|||||||
боды) |
произвольно |
|
увели |
||||
чивается. |
|
|
|
|
|
||
Д л я |
любого |
нормально |
|||||
го |
распределения |
|
ßi = |
0; |
|||
ß 2 = |
3. |
Поэтому |
на |
рис. |
18 |
||
это распределение представ |
|||||||
лено |
одной |
точкой, |
так |
ж е |
|||
ß, как |
экспоненциальное |
рас |
|||||
пределение. Это |
объясняется |
Рис. |
18 Номограмма для |
оценки |
степени соответ- |
J |
П Э С П О Р П е п е - |
|||
ствия |
фактического |
вероятностного |
распределения |
H a u l K ' — k c . / i c |
||||
параметров пласта |
теоретическому |
распределению . |
ці-ІЙ ц е т параметра |
форМЫ II |
||||
|
|
|
|
|
поэтому они имеют един |
|||
ственную форму. Гамма - распределение, логарифмически |
нормаль |
|||||||
ное |
распределение |
и |
/-распределение |
Стыоденга |
представлены |
кривыми. Таким образом, гамма - распределение можно подобрать
для веех значений |
ß, и ß 2 , л е ж а щ и х вблизи |
средней кривой. |
||
З а м е т и м |
т а к ж е , |
что |
кривая д л я гамма - распределения находится |
|
вблизи |
кривой |
д л я |
логарифмически нормального |
распределения . |
Это помогает объяснить тот факт, что эмпирические данные часто могут быть одинаково хороши (или одинаково недостаточно), описаны как гамма - распределением, так и логарифмически нор мальным распределением. Бета - распределение, имеющее два пара метра формы, занимает на рис. 18 определенную область и, следовательно, оно является более общим, чем любое другое рас пределение. Однако б о л ь ш а я область значений ßi и ß 2 не охвачена ни одним из рассмотренных ранее распределений. С помощью номограммы можно определить семейство распределении, позво ляющих описать эмпирические данные д л я всей области, изобра женной на рис. 18.
104