Разработка вероятностно-статистических моделей для прогноза проходки по коллектору в горизонтальных скважинах

Галкин, В.И.; Черных, И.А.; Ушахин, А.Н.; Еремеев, Н.С.

doi:10.15593/2712-8008/2025.3.4

Разработка вероятностно-статистических моделей для прогноза проходки по коллектору в горизонтальных скважинах

В.И. Галкин, И.А. Черных, А.Н. Ушахин, Н.С. Еремеев

Сведения об авторах

В.И. Галкин
Пермский национальный исследовательский политехнический университет, Пермь, Российская Федерация
И.А. Черных
ООО «ЛУКОЙЛ-ПЕРМЬ», Пермь, Российская Федерация
А.Н. Ушахин
ООО «ЛУКОЙЛ-Инжиниринг», Пермь, Российская Федерация
Н.С. Еремеев
ООО «ЛУКОЙЛ-Инжиниринг», Пермь, Российская Федерация

https://doi.org/10.15593/2712-8008/2025.3.4

В настоящее время при планировании горизонтальных скважин (ГС) существует ряд неопределенностей, связанных с точностью прогноза распространения коллекторов по стволу скважины горизонтального участка, что во многом определяет целесообразность бурения ГС. Проблема приобретает особую актуальность в условиях постоянного ухудшения структуры остаточных запасов нефти. В конечном счете от точности этого прогноза зависит технико-экономическая успешность бурения. Прогноз распространения коллекторов по длине горизонтального участка, основанный только на геологическом моделировании, не всегда позволяет достоверно определить данную величину. Повышение точности прогноза проходки по коллектору возможно за счет использования дополнительной геологической информации, характеризующей наличие коллектора в горизонтальном стволе скважины. Для решения этой задачи наиболее целесообразно применять вероятностно-статистические методы. В данной работе предлагается использовать вероятность наличия коллектора в горизонтальном стволе скважины (Ркол.), которая определяется как отношение проходки по коллектору (Lкол., м) к общей длине горизонтального ствола (Lгор.ст., м). Геологическими показателями, определяющими наличие коллектора в горизонтальном стволе скважины, являются коэффициенты песчанистости (Кпесч.), расчлененности (Красч.) и эффективная нефтенасыщенная толщина пласта (Нэфф.н.). На основании фактических данных построеные многомерные статистические модели прогноза значений Lкол. Модели разработаны по данным 471 ГС, пробуренных на территории Волго-Уральской и Тимано-Печорской нефтегазоносных провинций. С помощью данного подхода представляется возможность более точного прогноза величины Ркол., что может быть использовано при планировании эксплуатационного бурения горизонтальных скважин и снижает риски бурения неэффективных скважин, улучшается качество проектных решений, а следовательно, повышаются технико-экономические показатели актива.

Ключевые слова

горизонтальная скважинамногоуровневая вероятностная модельвероятность наличия коллектораконтакт с пластом-коллекторомкоэффициенты песчанистостирасчлененностиэффективная нефтенасыщенная толщина пласта

Development of Probabilistic-Statistical Models for Predicting the the Trajectory of Horizontal Wells in a Reservoir

At present, when planning horizontal wells, there are a number of uncertainties associated with the accuracy of the forecast of reservoir propagation along the wellbore of a horizontal section, which largely determines the feasibility of drilling horizontal wells. The problem is particularly relevant in the context of the constant deterioration of the structure of residual oil reserves. Ultimately, the technical and economic success of drilling depends on the accuracy of this forecast. Forecasting the distribution of reservoirs along the length of a horizontal section, based only on geological modeling, does not always allow to reliably determine this value. Improving the accuracy of the forecast of trajectory in the reservoir is possible through the use of additional geological information characterizing the presence of a reservoir in the horizontal wellbore. To solve this problem, it is most appropriate to use probabilistic statistical methods. In this paper, it is proposed to use the probability of the presence of a reservoir in a horizontal wellbore (Pres), which is defined as the ratio of the penetration along the reservoir (Lres, m) to the total length of the horizontal wellbore (Lhor, m). Geological indicators that determine the presence of a reservoir in a horizontal wellbore are the coefficients of sandiness (Ks), dissection (Kdis) and effective oil-saturated formation thickness (HEff). Based on actual data, multivariate statistical models for predicting the values of Lres. were constructed. The models were developed based on data from 471 horizontal wells drilled in the Volga-Ural and Timan-Pechora oil and gas provinces. This approach makes it possible to more accurately predict the value of Pres, which can be used in planning production drilling of horizontal wells and reduces the risks of drilling inefficient wells, improves the quality of design solutions, and, consequently, increases the technical and economic indicators of the asset.

Keywords

horizontal wellmulti-level probability modelprobability of reservoir presencecontact with reservoirsandiness coefficientsdissectioneffective oil-saturated formation thickness

Литература

1.Probabilistic Forecasting for Oil Producing Wells Using Seq2seq Augmented Model / H. Afifi, M. Elmahdy, M. Saban, M. Abuelkheir // Eng. Proc. – 2022. – Vol. 18 (1). – P. 16. Scholar
2.On the generation of probabilistic forecasts from deterministic models / E. Camporeale, X. Chu, O. Agapitov, J. Bortnik // Space Weather – 2019. – Vol. 17. – P. 455–475. Scholar
3.Giger F.M. Low-permeability reservoirs development using horizontal wells // SPE Rocky Mountain Petroleum Technology Conference/Low-Permeability Reservoirs Symposium. – SPE, 1987. – P. SPE-16406-MS. Scholar
4.Wijaya, N. Probabilistic forecasting and economic evaluation of pressure-drawdown effect in unconventional oil reservoirs under uncertainty of water blockage severity / N. Wijaya, J. Sheng // Journal of Petroleum Science and Engineering. – 2020. – Vol. 185, № 06646. Scholar
5.Krysin, N. Probabilistic and statistical justification of the forecast of oil and gas potential in the area with established industrial oil capacity / N. Krysin, M.V. Sologubova // IOP Conf. Ser.: Earth Environ. Sci. – 2022 – Vol. 1021, № 012015. Scholar
6.Meisner, J. The creaming method: a bayesian procedure to forecast future oil and gas discoveries in mature exploration provinces / J. Meisner, F. Demirmen // Journal of the Royal Statistical Society. SeriesA. – 1981. – Vol. 144, № 1. – P. 1–31. Scholar
7.Milkov, A.V. Risk tables for less biased and more consistent estimation of probability of geological success (PoS) for segments with conventional oil and gas prospective resources / A. V Milkov. // Earth-Science Reviews – 2015. – Vol. 150. – P. 453–476. Scholar
8.Montgomery, D.C. Introduction to liner regression analysis / D.C. Montgomery, E.A. Peck. – New York: John Wiley & Sons, 1982. – 504 p. Scholar
9.Podoprigora, D.G. Development of acid composition for bottom-hole formation zone treatment at high reservoir temperatures / D.G. Podoprigora, L.A.Saychenko // Espacios. – 2017. – Vol. 48, № 38. – P. 32. Scholar
10.Sandyga, M.S. Formation damage induced by wax deposition: laboratory investigations and modeling / M.S.Sandyga, I.A.Struchkov, M.K.Rogachev // Journal of Petroleum Exploration and Production Technology. – 2020. – Vol. 10, № 6. – P. 2541–2558. Scholar
11.Воеводкин, В.Л. Исследование влияния критериев нефтегазоносности и изученности территории Пермского края на распределение месторождений углеводородов / В.Л. Воеводкин, В.И. Галкин, С.Н. Кривощеков // Нефтяное хозяйство. – 2012. – № 6. – С. 30–34. Scholar
12.Kaufman, G.M. A probabilistic model of oil and gas discovery, in Haun, J., ed., Estimating the volume of undiscovered oil and gas resources / G.M. Kaufman, Y. Balcer, D. Kruyt // Am. Assoc. Petrol. Geol., Studies in Geology. – 1975. – Vol. 1. – P. 113–142. Scholar
13.Probability mapping of petroleum occurrence with a multivariate-Bayesian approach for risk reduction in exploration, Nanpu Sag of Bohay Bay Basin, China / H. Suyun, G. Qiulin, C. Zhuoheng, M. Shiyun, X. Hongbin // Geologos. – 2009. – Vol. 15 (2). – P. 91–102. Scholar
14.Галкин, В.И. Разработка вероятностных моделей для прогнозирования наличия коллекторов в горизонтальных скважинах / В.И. Галкин, Н.С. Еремеев, А.Н. Ушахин // Актуальные проблемы нефти и газа. – 2024. – Т. 15, № 4. – С. 445–455. Scholar
15.Classification and Regression Trees / L. Breiman, J. Friedman, C.J. Stone, R.A. Olshen // Chapman and Hall /CRC, New York. – 1984. – 368 p. Scholar
16.Caers, Jef. Geostatistical History Matching Under Training-Image Based Geological Model Constraints / Jef. Caers // SPE Annual Technical Conference and Exhibition, San Antonio, Texas. – 29 September – 2 October, 2002, – SPE 77429. – P. 1–16. Scholar
17.Андреев, В.В. Оптимизация строительства горизонтальных и наклонно-направленных скважин за счет применения каротажа в процессе бурения / В.В. Андреев, П.В. Гребнев, М.В. Латыпов // Нефть. Газ. Инновации. – 2021. – № 8 (248). Scholar
18.Выбор оптимальной системы разработки низкопроницаемых пластов с применением горизонтальных скважин с множественными трещинами гидроразрыва / Р.Р. Галеев [и др.] // Нефтяное хозяйство. – 2013. – № 10. – С. 62–65. Scholar
19.Cinco, L.H. Transient pressure behavior for a well with a finite-conductivity vertical fracture / L.H. Cinco, V.F. Samaniego, A.N. Dominguez // Society of Petroleum Engineers Journal. – 1978. – Vol. 18, № 04. – P. 253–264. Scholar
20.Mohaghegh, S. Development of an intelligent systems approach for restimulation candidate selection / S. Mohaghegh, S. Reeves, D. Hill // SPE/CERI Gas Technology Symposium, 3–5 April 2000, Calgary, Alberta, Canada, 2000. SPE-59767-MS. Scholar
21.Галкин, В.И. Исследование вероятностных моделей для прогнозирования эффективности технологии проппантного гидравлического разрыва пласта / В.И. Галкин, А.Н. Колтырин // Записки Горного института. – 2020. – Т. 246. – С. 650–659. Scholar
22.Petrakov, D.G. The effect of fluid saturation on the elastic-plastic properties of oil reservoir rocks / D.G. Petrakov, K.S. Kupavykh, A.S. Kupavykh // Curved and Layered Structures. – 2020. – Vol. 7, № 1. – P. 29–34. Scholar
23.Sweeney, J.J. Evaluation of a simple model of Vitrinite Reflectance based on chemical kinetics / J.J. Sweeney, A.K. Burnham // AAPG Bulletin. – 1990. – Vol. 74. – P. 1559–1570. Scholar
24.Галкин, В.И. Исследование процесса нефтеизвлечения в коллекторах различного типа пустотности с использованием многомерного статистического анализа / В.И. Галкин, И.Н. Пономарева, В.А. Репина // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. – 2016. – № 19. – С. 145–154. DOI: 10.15593/224-9923/2016.19.5 Scholar
25.Галкин, В.И. Разработка статистических моделей для прогноза поглощений по характеристикам разрывных нарушений / В.И. Галкин, Д.В. Резвухина // Недропользование. – 2021. – Т. 21, по 3. – С. 103–108. Scholar
26.Dore, A.G., Risk analysis and full-cycle probabilistic modelling of prospects: a prototype system developed for the Norwegian shelf / A.G. Dore, R. Sinding-Larsen // Norwegian Petroleum Society Special Publications. – 1996. – Vol. 6. – P. 153–165. Scholar
27.Olea, R.A. A Methodology for the Assessment of Unconventional (Continuous) Resources with an Application to the Greater Natural Buttes Gas Field, Utah / R.A. Olea, T.A. Cook, J.L. Coleman // Nat. Resour. Res. – 2010. – Vol. 19. – p. 237–25. Scholar
28.Rahmanifard, H. Application of artificial intelligence techniques in the petroleum industry: a review / H. Rahmanifard, T. Plaksina // Artificial Intelligence Review. – 2019. – Vol. 52. – P. 2295–2318. Scholar
29.Alimkhanov, R. Application of Data Mining Tools for Analysis and Prediction of Hydraulic Fracturing Efficiency for the BV8 Reservoir of the Povkh Oil Field (Russian) / R. Alimkhanov, I. Samoylova // SPE Russian Oil and Gas Exploration & Production Technical. – 2014. – № 09. Scholar
30.Anifowose, F. Fuzzy logic-driven and SVM-driven hybrid computational intelligence models applied to oil and gas reservoir characterization / F. Anifowose, A. Abdulraheem // Journal of Natural Gas Science and Engineering. – 2011. – Vol. 3, № 3. – P. 505–517. Scholar
31.Chengzao, J. Unconventional hydrocarbon resources in China and the prospect of exploration and development / J. Chengzao, M. Zheng, Y. Zhang // Petroleum Exploration and Development. – 2012. – T. 39, № 2. – C. 139–146. Scholar
32.Галкин, В.И. Применение вероятностных моделей для локального прогноза нефтегазоносности / В.И. Галкин, Ю.А. Жуков, М.А. Шишкин. – Екатеринбург: Изд-во УрО РАН, 1990. – 108 с. Scholar
33.Галкин, В.И. Разработка геолого-математических моделей для прогноза нефтегазоносности сложнопостроенных структур в девонских терригенных отложениях / В.И. Галкин, Н.Е. Соснин // Нефтяное хозяйство. – 2013. – № 4. – С. 28–31. Scholar
34.Галкин, В.И. О возможности прогноза нефтегазоносности юрских отложений вероятностно-статистическими методами (на примере территории деятельности ТПП «Когалымнефтегаз» / В.И. Галкин, А.Н. Шайхутдинов // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2009. – № 6. – С. 11–14. Scholar
35.Галкин, В.И. Построение статистических моделей для прогноза дебитов нефти по верхнеюрским отложениям Когалымского региона / В.И. Галкин, А.Н. Шайхутдинов // Нефтяное хозяйство. – 2010. – № 1. – С. 52–54. Scholar
36.Галкин, С.В. Вероятностный прогноз геологических рисков при поисках месторождений нефти и газа / С.В. Галкин. – Пермь: Книжный мир, 2009. – 224 с. Scholar
37.Дифференцированная вероятностная оценка генерационных процессов в отложениях доминикового типа Пермского края / В.И. Галкин, Т.В. Карасева, И.А. Козлова, М.А. Носов, С.Н. Кривощеков // Нефтяное хозяйство. – 2014. – № 12. – С. 103–105 Scholar
38.К обоснованию построения моделей зонального прогноза нефтегазоносности для нижне-средневизейского комплекса Пермского края / В.И. Галкин, И.А. Козлова, С.Н. Кривощеков, О.А. Мелкишев // Нефтяное хозяйство. – 2015. – № 8. – С. 32–35. Scholar
39.Галкин, В.И. Разработка статистической модели прогноза нефтегазоносности по газовыделениям в толще Верхнекамского месторождения калийно-магниевых солей / В.И. Галкин, О.А. Мелкишев, С.В. Варушкин // Недропользование. – 2020. – Т. 20, по 1. – С. 4–13. Scholar
40.Галкин, В.И. Вероятностно-статистическая оценка нефтегазоносности локальных структур / В.И. Галкин, А.В. Растегаев, С.В. Галкин. – Екатеринбург: Изд-во УрО РАН, 2001. – 277 с. Scholar
41.Галкин, В.И. Разработка статистической модели прогноза подтверждаемости амплитуд структур, подготовленных по отложениям среднего карбона на территории Пермского края / В.И. Галкин, А.С. Суворова // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2023. – Т. 334, № 8. – С. 129–136. Scholar
42.Галкин, В.И. Разработка статистической модели для оценки степени перспективности приобретения нефтяного участка (на примере территории Пермского края) / В.И. Галкин, А.О. Алексеев, С.И. Соловьев // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2016. – № 1. – С. 29–32. Scholar
43.Галкин, В.И. Районирование территории Пермского края по степени перспективности приобретения нефтяных участков недр / В.И. Галкин, С.И. Соловьев // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. – 2015. – № 16. – С. 14–23. Scholar

1.Afifi H., Elmahdy M., Saban M., Abuelkheir M. Probabilistic Forecasting for Oil Producing Wells Using Seq2seq Augmented Model. Eng. Proc., 2022, vol. 18 (1), 16 p. DOI: 10.3390/engproc2022018016 Scholar
2.Camporeale E., Chu X., Agapitov O., Bortnik J. On the generation of probabilistic forecasts from deterministic models. Space Weather, 2019, vol. 17, pp. 455-475. DOI: 10.1029/2018SW002026 Scholar
3.Giger F.M. Low-permeability reservoirs development using horizontal wells. SPE Rocky Mountain Petroleum Technology Conference/Low-Permeability Reservoirs Symposium. SPE, 1987, SPE-16406-MS p. DOI: 10.2118/16406-MS Scholar
4.Wijaya N., Sheng J. Probabilistic forecasting and economic evaluation of pressure-drawdown effect in unconventional oil reservoirs under uncertainty of water blockage severity. Journal of Petroleum Science and Engineering, 2020, vol. 185, no. 06646. DOI: 10.1016/j.petrol.2019.106646 Scholar
5.Krysin N., Sologubova M.V. Probabilistic and statistical justification of the forecast of oil and gas potential in the area with established industrial oil capacity. IOP Conf. Ser.: Earth Environ. Sci., 2022, vol. 1021, no. 012015. DOI: 10.1088/1755-1315/1021/1/012015 Scholar
6.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. SeriesA, 1981, vol. 144, no. 1, pp. 1-31. DOI: 10.2307/2982158 Scholar
7.Milkov A.V. Risk tables for less biased and more consistent estimation of probability of geological success (PoS) for segments with conventional oil and gas prospective resources. Earth-Science Reviews, 2015, vol. 150, pp. 453-476. DOI: 10.1016/j.earsc.2015.08.006 Scholar
8.Montgomery D.C., Peck E.A. Introduction to liner regression analysis. New York: John Wiley & Sons, 1982, 504 p. Scholar
9.Podoprigora D.G., Saychenko L.A. Development of acid composition for bottom-hole formation zone treatment at high reservoir temperatures. Espacios, 2017, vol. 48, no. 38, 32 p. Scholar
10.Sandyga M.S., Struchkov I.A., Rogachev M.K. Formation damage induced by wax deposition: laboratory investigations and modeling. Journal of Petroleum Exploration and Production Technology, 2020, vol. 10, np. 6, pp. 2541-2558. DOI: 10.1007/s13202-020-00924-2 Scholar
11.Voevodkin V.L., Galkin V.I., Krivoshchekov S.N. Issledovanie viliania kriteriev neftegazonosnosti i izuchennosti territorii Permskogo kraia na raspredelenie mestorozhdenii uglevodorodov [Investigation of the influence of oil and gas content criteria and geological and geophysical knowledge on the distribution of hydrocarbon deposits in the Perm Region]. Neftianoe khioziastvo, 2012, no. 6, pp. 30-34. Scholar
12.Kaufman G.M. Balcer Y., Kruyt D. A probabilistic model of oil and gas discovery, in Haun, J., ed., Estimating the volume of undiscovered oil and gas resources. Am. Assoc. Petrol. Geol., Studies in Geology, 1975, vol. 1, pp. 113-142. DOI: 10.1007/BF02257542 Scholar
13.Suyun H., Qiulin G., Zhuoheng C., Shiyun M. Hongbin, X. Probability mapping of petroleum occurrence with a multivariate-Bayesian approach for risk reduction in exploration, Nanpu Sag of Bohay Bay Basin, China. Geologos, 2009, vol. 15 (2), pp. 91-102. Scholar
14.Galkin V.I., Eremeev N.S., Ushakhin A.N. Razrabotka veroiatnostnykh modelei dlia prognozirovaniia nalichilia kollektorov v gorizontal'nykh skvazhinakh [Development of probabilistic models for forecasting the presence of reservoirs in horizontal wells]. Aktual'nye problemy nefti i gaza, 2024, vol. 15, no. 4, pp. 445-455. DOI: 10.29222/ipng.2078-5712.2024-15-4.art9 Scholar
15.Breiman L., Friedman J., Stone C.J., Olshen R.A. Classification and Regression Trees. Chapman and Hall / CRC, New York, 1984, 368 p. DOI: 10.1201/9781315139470 Scholar
16.Caers Jef. Geostatistical History Matching Under Training-Image Based Geological Model Constraints. SPE Annual Technical Conference and Exhibition, San Antonio, Texas, 29 September - 2 October, 2002. SPE 77429, pp. 1-16. DOI: 10.2118/7749-MS Scholar
17.Andreev V.V., Grebnev P.V., Latypov M.V. Optimizatsiia stroitel'stva gorizontal'nykh i naklonno-napravlennykh skvazhin za schet primeneniia karotazha v protsesse bureniia [Optimization of horizontal and directional well construction through the use of logging while drilling process]. Neft: Gaz. Innovatsii, 2021, no. 8 (248). Scholar
18.Galeev R.R. et al. Vybor optimal'noi sistemy razrabotki nizkopronitsaemykh plastov s primeneniem gorizontal'nykh skvazhin s mnozhestvennymi treshchinami gidrorazvyva [Optimal waterflood pattern selection with use of multiple fractured horizontal wells for development of the low-permeability formations]. Neftianoe khioziastvo, 2013, no. 10, pp. 62-65. Scholar
19.Cinco L.H., Samaniego V.F., Dominguez A.N. Transient pressure behavior for a well with a finite-conductivity vertical fracture. Society of Petroleum Engineers Journal, 1978, vol. 18, no. 04, pp. 253-264. DOI: 10.2118/6014-PA Scholar
20.Mohaghegh S., Reeves S., Hill D. Development of an intelligent systems approach for restitutional candidate selection. SPE/CERI Gas Technology Symposium, 3-5 April 2000, Calgary, Alberta, Canada, 2000. SPE-59767-MS. DOI: 10.2118/59767-MS Scholar
21.Galkin V.I., Koltyrin A.N. Issledovanie veroiatnostnykh modelei dlia prognozirovaniia effektivnosti tekhnologii proppantnogo gidravlicheskogo razryva plasta [Investigation of probabilistic models for forecasting the efficiency of proppant hydraulic fracturing technology]. Zapiski Gornogo instituta, 2020, vol. 246, pp. 650-659. DOI: 10.31897/PMI.2020.6.7 Scholar
22.Petrakov D.G., Kupavykh K.S., Kupavykh A.S. The effect of fluid saturation on the elastic-plastic properties of oil reservoir rocks. Curved and Layered Structures, 2020, vol. 7, no. 1, pp. 29-34. DOI: 10.1515/cls-2020-0004 Scholar
23.Sweeney J.J., Burnham A.K. Evaluation of a simple model of Vitrinite Reflectance based on chemical kinetics. AAPG Bulletin, 1990, vol. 74, pp. 1559-1570. DOI: 10.1306/0C9B251F-1710-11D7-8645000102C1865D Scholar
24.Galkin V.I., Ponomareva I.N., Repina V.A. Issledovanie protsessa nefteizvlecheniia v kollektorakh razlichnogo tipa pustotnosti s ispol'zovaniem mnogomernogo statisticheskogo analiza [Study of oil recovery process in reservoirs of various void types using multivariate statistical analysis]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiya. Neftegazovoe i gornoe delo, 2016, no. 19, pp. 145-154. DOI: 10.15593/224-9923/2016.19.5 Scholar
25.Galkin V.I., Rezvukhina D.V. Razrabotka statisticheskikh modelei dlia prognoza pogloshchenii po kharakteristikam razryvnykh narushenii [Development of statistical models for predicting losses based on the characteristics of faults]. Nedropol'zovanie, 2021, vol. 21, no. 3, pp. 103-108. DOI: 10.15593/2224-9923/2021.3.9 Scholar
26.Dore A.G., Sinding-Larsen R. Risk analysis and full-cycle probabilistic modelling of prospects: a prototype system developed for the Norwegian shelf. Norwegian Petroleum Society Special Publications, 1996, vol. 6, pp. 153-165. DOI: 10.1016/S0928-8937(07)80016-6 Scholar
27.Olea R.A., Cook T.A., Coleman J.L. A Methodology for the Assessment of Unconventional (Continuous) Resources with an Application to the Greater Natural Buttes Gas Field, Utah. Nat. Resour. Res., 2010, vol. 19, pp. 237-251. DOI: 10.1007/s11053-010-9127-8 Scholar
28.Rahmanifard H., Plaksina T. Application of artificial intelligence techniques in the petroleum industry: a review. Artificial Intelligence Review, 2019, vol. 52, pp. 2295-2318. DOI: 10.1007/s10462-018-9612-8 Scholar
29.Alimkhanov R., Samoylova I. Application of Data Mining Tools for Analysis and Prediction of Hydraulic Fracturing Efficiency for the BV8 Reservoir of the Povkh Oil Field (Russian). SPE Russian Oil and Gas Exploration & Production Technical, 2014, no. 09. DOI: 10.2118/171332-MS Scholar
30.Anifowose F., Abdulraheem A. Fuzzy logic-driven and SVM-driven hybrid computational intelligence models applied to oil and gas reservoir characterization. Journal of Natural Gas Science and Engineering, 2011, vol. 3, no. 3, pp. 505-517. DOI: 10.1016/j.jngse.2011.05.002 Scholar
31.Chengzao J., Zheng M., Zhang Y. Unconventional hydrocarbon resources in China and the prospect of exploration and development. Petroleum Exploration and Development, 2012, vol. 39, no. 2, pp. 139-146. DOI: 10.1016/S1876-3804(12)60026-3 Scholar
32.Galkin V.I., Zhukov Iu.A., Shishkin M.A. Primenenie veroiatnostnykh modelei dlia lokal'nogo prognoza neftegazonosnosti [Application of probabilistic models for local forecast of oil and gas potential]. Ekaterinburg: Ural'skoe odtelenie Rossiiskoi akademii nauk, 1990, 108 p. Scholar
33.Galkin V.I., Sosnin N.E. Razrabotka geologo-matematicheskikh modelei dlia prognoza neftegazonosnosti slozhnopostroennykh struktur v devonskikh terigrennykh otlozheniiakh [Geological development of mathematical models for the prediction of oil and gas complex-built structures in the Devonian clastic sediments]. Neftianoe khroziaistvo, 2013, no. 4, pp. 28-31. Scholar
34.Galkin V.I., Shaikhutdinov A.N. O vozmozhnosti prognoza neftegazonosnosti iurskikh otlozhenii veroiatnostno-statisticheskimi metodami (na primere territorii deiatel'nosti TPP "Kogalymneftegaz" [About possibility to forecast the oil-and-gas content of Jurassic sediments based on probable and statistical methods (case study of the territorial industrial enterprise "Kogalymneftegaz")]. Geologiya, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2009, no. 6, pp. 11-14. Scholar
35.Galkin V.I., Shaikhutdinov A.N. Prostoenie statisticheskikh modelei dlia prognoza debitov nefti po verkhnieurskim otlozheniiam Kogalymskogo regiona [Development of statistical models for predicting the oil flow rates by example Jurassic deposits]. Neftianoe khroziaistvo, 2010, no. 1, pp. 52-54. Scholar
36.Galkin S.V. Veroiatnostnyi prognoz geologicheskikh riskov pri poiskakh mestorozhdenii nefti i gaza [Probabilistic forecast of geological risks in oil and gas exploration]. Perm': Knizhnyi mir, 2009, 224 p. Scholar
37.Galkin V.I., Karaseva T.V., Kozlova I.A., Nosov M.A., Krivoshchekov S.N. Differentsirovannaiia veroiatnostnaia otsenka generatsionnykh protsessov v otlozheniiakh domanikovogo tipa Permskogo kraia [Differentiated probabilistic assessment of the generation processes in Domanic sediments of Perm region]. Neftianoe khroziaistvo, 2014, no. 12, pp. 103-105. Scholar
38.Galkin V.I., Kozlova I.A., Krivoshchekov S.N., Melkishev O.A. K obosnovaniiu postroeniia modelei zonal'nogo prognoza neftegazonosnosti dlia nizhne-srednevizieskogo kompleksa Permskogo kraia [On the justification of the construction of models for oil and gas potential area forecast Visean deposits of Perm region]. Neftianoe khroziaistvo, 2015, no. 8, pp. 32-35. Scholar
39.Galkin V.I., Melkishev O.A., Varushkin S.V. Razrabotka statisticheskoi modeli prognoza neftegazonosnosti po gazovydeleniiam v tolshche Verkhnekamskogo mestorozhdeniia kalinio-magnievykh solei [Development of the statistical model to forecast oil and gas potential according to gas content in the Verkhnekamskoe deposit of potassium and magnesium salts]. Nedropol'zovanie, 2020, vol. 20, no. 1, pp. 4-13. DOI: 10.15593/2224-9923/2020.1.1 Scholar
40.Galkin V.I., Rastegaev A.V., Galkin S.V. Veroiatnostno-statisticheskaia otsenka neftegazonosnosti lokal'nykh struktur [Probabilistic-statistical assessment of oil and gas potential of local structures]. Ekaterinburg: Ural'skoe odtelenie Rossiiskoi akademii nauk, 2001, 277 p. Scholar
41.Galkin V.I., Suvorova A.S. Razrabotka statisticheskoi modeli prognoza podtverzhdaemosti amplitud struktur, podgotovlennykh po otlozheniiam srednego karbona na territorii Permskogo kraia [Development of a statistical model for predicting the confirmability of the amplitudes of structures prepared from the deposits of the middle carboniferous in the Perm region]. Izvestiia Tomskogo politekhnichskogo universiteta. Inzhiniring georesursov, 2023, vol. 334, no. 8, pp. 129-136. DOI: 10.18799/24131830/2023/8/4065 Scholar
42.Galkin V.I., Alekseev A.O., Solov'ev S.I. Razrabotka statisticheskoi modeli dlia otsenki stepeni perspektivnosti pirobeteniia neftianogo uchastka (na primere territorii Permskogo kraia) [Development of the statistical model to assess the prospects of oil site acquisition (the Perm region territory is taken as an example)]. Geologiya, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2016, no. 1, pp. 29-32. Scholar
43.Galkin V.I. Solov'ev S.I. Raionirovanie territorii Permskogo kraia po stepeni perspektivnosti pirobeteniia neftianykh uchastkov nedr [Classification of Perm krai areas according to prospectivity for oil fields acquisition]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnichskogo universiteta. Geologiya. Neftegazovoe i gornoe delo, 2015, no. 16, pp. 14-23. DOI: 10.15593/2224-9923/2015.16.2 Scholar

Другие статьи выпуска

Весь выпуск (Том 25, № 3, 2025)

Показаны 12 из 17

Скачать PDF

Информация о статье

Опубликована: 24.10.2025
В выпуске: 24.10.2025
Выпуск: Том 25, № 3 (2025)

Разработка вероятностно-статистических моделей для прогноза проходки по коллектору в горизонтальных скважинах

Аннотация

Ключевые слова

Development of Probabilistic-Statistical Models for Predicting the the Trajectory of Horizontal Wells in a Reservoir

Keywords

Литература

Другие статьи выпуска

Информация о статье