Statistical Justification for the Formation of Skin Factor Values during Acid Treatment in Layered-Heterogeneous Bashkir Deposits of Perm Krai

Andrey S. Kazantsev, Evgeny S. Ozhgibesov, Vladislav I. Galkin, Igor Yu. Kolychev

Author details

Andrey S. Kazantsev
LUKOIL-Engineering LLC, Volgograd, Russian Federation
Evgeny S. Ozhgibesov
Perm National Research Polytechnic University, Perm, Russian Federation
Vladislav I. Galkin
Perm National Research Polytechnic University, Perm, Russian Federation
Igor Yu. Kolychev
Perm National Research Polytechnic University, Perm, Russian Federation

https://doi.org/10.15593/2712-8008/2024.4.5

Carbonate deposits of the Bashkirian Stage in Perm Krai are characterized by a high degree of heterogeneity, which makes it difficult to develop oil reserves evenly. Acid treatments are currently one of the most popular methods of regulating development in carbonate reservoirs. However, in conditions of layeredheterogeneous sediments the most permeable part of the section is mainly affected, while the low-permeable part of the section remains uninvolved in the development process. In this connection, it is an urgent task to predict the degree of impact of acid treatment on individual reservoir layers. The purpose of this study was to create mathematical models for predicting the skin factor of the reservoir after acid treatment. As input data we used skin factor determinations in reservoirs and geologic characteristics of these reservoirs: porosity coefficient, permeability coefficient, oil saturation coefficient and reservoir thickness. Mathematical modeling methods were used in the study: stepwise regression analysis, construction of probabilistic-statistical models. According to the results of statistical analysis it was revealed that reservoirs are divided into two classes, in which the formation of the skin factor value depends on different characteristics of the reservoir. To determine the class to which the reservoir formation belongs, univariate probabilistic-statistical models were built and subsequently combined into a single complex model. For each identified class, regression models were developed to predict the skin factor of the formation after acid treatment. The obtained mathematical models can be applied in the design of geological and technological measures, as well as to improve the accuracy of hydrodynamic modeling by taking into account the values of skin factors in the bottomhole zone in the adaptation of the model.

Keywords

stepwise regression analysisprobabilistic-statistical modelcomplex probabilityacid treatmentcarbonate reservoirskin factorporositypermeabilityoil saturation

Статистическое обоснование формирования значений скин-фактора при проведении кислотных обработок в слоисто-неоднородных башкирских отложениях Пермского края

Карбонатные отложения башкирского яруса в Пермском крае характеризуются высокой степенью неоднородности, что затрудняет равномерную выработку запасов нефти. На сегодняшний день одним из самых популярных методов регулирования разработки в карбонатных коллекторах является проведение кислотных обработок. Однако в условиях слоисто-неоднородных отложений воздействию подвергается преимущественно наиболее проницаемая часть разреза, а низкопроницаемая часть разреза, напротив, остается не вовлеченной в процесс разработки. В связи с этим актуальной задачей является прогнозирование степени воздействия кислотной обработки на отдельные пропластки коллекторов. Целью настоящего исследования являлось создание математических моделей для прогнозирования значений скин-фактора пропластка после проведения кислотной обработки. В качестве исходных данных были использованы определения скин-фактора в пропластках и геологические характеристики этих пропластков: коэффициент пористости, коэффициент проницаемости, коэффициент нефтенасыщенности и толщина пропластка. В исследовании использовались методы математического моделирования: пошаговый регрессионный анализ, построение вероятностно-статистических моделей. По результатам статистического анализа выявлено, что пропластки коллекторов разделяются на два класса, в которых формирование значения скин-фактора зависит от различных характеристик пропластка. Для определения класса, к которому относится пропласток построены, одномерные вероятностно-статистические модели, которые впоследствии объединены в единую комплексную модель. Для каждого выделенного класса разработаны регрессионные модели для прогноза скин-фактора пропластка после проведения кислотной обработки. Полученные математические модели могут быть применены при проектировании геолого-технологических мероприятий, а также для повышения точности гидродинамического моделирования путем учета значений скин-факторов по пропласткам в призабойной зоне при адаптации модели.

Ключевые слова

пошаговый регрессионный анализвероятностно-статистическая моделькомплексная вероятностькислотная обработкакарбонатный коллекторскин-факторпористостьпроницаемостьнефтенасыщенность

Bibliography

1.Shevko N.A. Regulirovanie razrabotki neftianykh mestorozhdenii na osnove gidrodinamicheskogo modelirovaniia fil'tratsionnykh potokov slozhnoi geometrii [Regulation of oil field development based on hydrodynamic modeling of filtration flows of complex geometry]. Zapiski Gornogo instituta, 2002, vol. 151, pp. 100-103. Scholar
2.Martiushev D.A., Galkin V.I., Ponomareva I.N. Izuchenie zakonomernostei raspredeleniia fil'tratsionnykh svoistv v predelakh slozhnopostroennykh karbonatnykh rezervuarov [Study of regularities of distribution of filtering properties within complexly constructed carbonate reservoirs]. Izvestiia Tomskogo politekhnicheskogo universiteta. Inzhiniring georesursov, 2021, vol. 332, no. 11, pp. 117-126. DOI: 10.18799/24131830/2021/11/3069 Scholar
3.Martyushev D.A., Ponomareva I.N., Chukhlov A.S., Davoodi S., Osovetsky B.M., Kazymov K.P., Yang Y. Study of void spacestructure and its influence on carbonate reservoir properties: X-ray microtomography, electron microscopy, and well testing. Mar. Pet. Geol., 2023, no. 151, 106192 p. DOI: 10.1016/j.marpetgeo.2023.106192 Scholar
4.Hosa A., Wood R. Order of diagenetic events controls evolution of porosity and permeability in carbonates. Sedimentology, 2020, no. 67, pp. 3042-3054. DOI: 10.1111/sed.12733 Scholar
5.Kazantsev A.S. Metodika modelirovaniia obrabotok prizaboinoi zony kislotnymi sostavami na osnove gidrodinamicheskoi modeli v usloviiakh sloisto-neodnorodnykh bashkirskikh otlozhenii mestorozhdenii Permskogo kraia [Methodology for modeling treatments of the bottom hole formation zone with acid compositions based on a hydrodynamic model in the conditions of layer-by-layer heterogeneous Bashkir carbonate deposits of Perm region fields]. Neftianoe khoziaistvo, 2021, no. 8, pp. 58-62. DOI: 10.24887/0028-2448-2021-8-58-62 Scholar
6.Iakimova T.S. Samootkloniaiushchiesia kislotnye sostavy kak metod intensifikatsii dobychi nefti v karbonatnykh kollektorakh [Self-Diverting Acids as a Method for Intensification of Oil Production in Carbonate Reservoirs]. Nedropol'zovanie, 2021, vol. 21, no. 4, pp. 171-175. DOI: 10.15593/2712-8008/2021.4.4 Scholar
7.Taylor D., Kumar P.S., Fu D. et al. Viscoelastic Surfactant based Selfdiverting Acid for Enhanced Stimulation in Carbonate Reservoirs. Paper SPE 82263, 2003. DOI: 10.2118/82263-MS Scholar
8.Kalfayan L.J., Martin A.N. The art and practice of acid placement and diversion: History, Present State and Futurу. SPE 124141, 2009. DOI: 10.2118/124141-MS Scholar
9.Nasr-El-Din H.A., Al-Mohammad A.M., Al-Aamri A.D., Al-Fahad M.A., Chang F.F. Quantitative analysis of reaction-rate retardation in surfactant-based acids. SPE Production and Operations, 2009, pp. 107-116. DOI: 10.2118/107687-MS Scholar
10.Devis Dzh. Statistika i analiz geologicheskikh dannykh [Statistics and analysis of geological data]. Moscow: Mir, 1977, 353 p. Scholar
11.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 from reservoirs of different void types with use of multidimensional statistical analysis]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2016, no. 19, pp. 145-154. DOI: 10.15593/224-9923/2016.19.5 Scholar
12.Wang P., Nair V. Statistical Analysis of Oil and Gas Discovery Data. Quantitative Analysis of Mineral and Energy Resources, 1988, vol. 223, pp. 199-214. DOI: 10.1007/978-94-009-4029-1_12 Scholar
13.Montgomery D.C., Peck E.A. Introduction to liner regression analysis. New York: John Wiley & Sons, 1982, 504 p. Scholar
14.Galkin V.I., Kunitskikh A.A. Statisticheskoe modelirovanie rasshiriaiushchegosia tamponazhnogo sostava [Statistical modelling of expanding cement slurry]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2017, vol. 16, no. 3, pp. 215-244. DOI: 10.15593/224-9923/2017.3.2 Scholar
15.Pomorskii Iu.L. Metody statisticheskogo analiza eksperimental'nykh dannykh [Methods of statistical analysis of experimental data]. Leningrad, 1960, 174 p. Scholar
16.Houze O., Viturat D., Fjaere O.S. Dinamie data analysis. Paris: Kappa Engineering, 2008, 694 p. Scholar
17.Yarus J.M. Stochastic modeling and geostatistics. AAPG. Tulsa, Oklahoma, 1994, 231 p. Scholar
18.Watson G.S. Statistic on spheres. New York: John Wiley and Sons, Inc., 1983, 238 p. Scholar
19.Kramer G. Matematicheskie metody ststistiki [Mathematical methods of statistics]. Moscow: Mir, 1975. Scholar
20.Bartels С.P.A., Ketellapper R.H. Exploratory and explanatory statistical analysis data. Springer, Dordrecht, 1979. Scholar
21.Dement'ev L.F. Matematicheskie metody i EVM v neftegazovoi geologii [Mathematical methods and computers in oil and gas geology]. Moscow: Nedra, 1987, 264 p. Scholar
22.Ellinskii M.M., Kholin A.M. et al. Matematicheskie metody v geologii i geofizike [Mathematical methods in geology and geophysics]. Moscow: Nedra, 1972, 200 p. Scholar
23.Aronov V.I. Matematicheskie metody obrabotki geologicheskikh dannykh na EVM [Mathematical methods of processing geological data on a computer]. Moscow: Nedra, 1977, 168 p. Scholar
24.Kudriashova D.A. Ispol'zovanie veroiatnostno-statisticheskikh metodov dlia opredeleniia istochnikov obvodneniia skvazhin-kandidatov dlia vodoizoliatsionnykh rabot (na primere vizeiskogo ob"ekta mestorozhdeniia Permskogo kraia) [Use of probabilistic and statistical methods for determination of the sources of water flow in candidate wells for water shut-off works (on example of the Visean reservoir of the Perm region field)]. Nedropol'zovanie, 2018, vol. 17, no. 1, pp. 26-36. DOI: 10.15593/2224-9923/2018.1.3 Scholar
25.Galkin V.I. et al. Razrabotka mnogomernykh statisticheskikh modelei dlia inzhenerno-geologicheskogo raionirovaniia territorii [Development of the multivariate statistic models for engineering geological zoning of territories]. Geoekologiia. Inzhenernaia geologiia, gidrogeologiia, geokriologiia, 2017, no. 3, pp. 58-66. Scholar
26.Avten'ev G.K. Ob ispol'zovanii chastoty mody pri sravnitel'noi otsenke magnitnosti gornykh porod [On the use of mode frequency in comparative assessment of rock magnetism]. Izvestiia Tomskogo politekhnicheskogo universiteta. Inzhiniring georesursov, 1971, vol. 217, pp. 210-214. Scholar
27.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
28.Guo Q., Ren H., Yu J., Wang J., Liu J., Chen N. A method of predicting oil and gas resource spatial distribution based on Bayesian network and its application. Journal of Petroleum Science and Engineering, 2021, vol. 208, no. 109267. DOI: 10.1016/j.petrol.2021.109267 Scholar
29.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: 10.2307/2982158 Scholar
30.Kaufman G.M., Balcer Y., Kruyt D. A probabilistic model of oil and gas discovery. Estimating the volume of undiscovered oil and gas resources. J. Haun ed. Am. Assoc. Petrol. Geol., Studies in Geology, 1975, vol. 1, pp. 113-142. DOI: 10.1306/St1383C14 Scholar
31.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
32.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
33.Galkin V.I., Shaikhutdinov A.N. Postroenie statisticheskikh modelei dlia prognoza debitov nefti po verkhneiurskim otlozheniiam Kogalymskogo regiona [Development of statistical models for predicting the oil flow rates by example Jurassic deposits]. Neftianoe khoziaistvo, 2010, no. 1, pp. 52-54. 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 "Kogalymneftegas")]. Geologiia, geofizika i razrabotka neftianykh i gazovykh mestorozhdenii, 2009, no. 6, pp. 11-14. Scholar
35.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 otdelenie Rossiiskoi akademii nauk, 2001, 277 p. Scholar
36.Koshkin K.A., Tatarinov I.A. Razrabotka veroiatnostnykh modelei zonal'nogo prognoza neftegazonosnosti tsentral'noi chasti Permskogo svoda po strukturno-moshchnostnym kriteriiam [Development of Zone Forecast probability Models for Oil and Gas Potential in the Central Part of the Permian Uplift by Structural and Capacity Criteria]. Nedropol'zovanie, 2021, vol. 21, no. 1, pp. 2-8. DOI: 10.15593/2712-8008/2021.1.1 Scholar
37.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 otdelenie Rossiiskoi akademii nauk, 1990, 108 p. Scholar
38.Galkin V.I., Sosnin N.E. Razrabotka geologo-matematicheskikh modelei dlia prognoza neftegazonosnosti slozhnopostroennykh struktur v devonskikh terrigennykh otlozheniiakh [Geological development of mathematical models for the prediction of oil and gas complex-built structures in the Devonian clastic sediments]. Neftianoe khoziaistvo, 2013, no. 4, pp. 28-31. Scholar
39.Ozhgibesov E.S. Veroiatnostno-statisticheskii prognoz neftegazonosnosti lokal'nykh struktur na territorii Izhemskoi stupeni [Probabilistic-statistical forecast of oil and gas content of local structures on the Izhemsk stage territory]. Nedropol'zovanie, 2023, vol. 23, no. 4, pp. 159-165. DOI: 10.15593/2712-8008/2023.4.2 Scholar
40.Galkin V.I., Rastegaev A.V., Galkin S.V., Shurubor O.A. Otsenka effektivnosti lokal'nogo prognoza neftegazonosnosti na severo-Vostoke Volgo-Urala [Evaluation of the effectiveness of local forecast of oil and gas potential in the north-east of the Volga-Urals]. Izvestiia vysshikh uchebnykh zavedenii. Neft' i gaz, 2003, no. 3 (39), pp. 6-13. Scholar
41.Galkin V.I., Ponomareva I.N., Koltyrin A.N. Razrabotka veroiatnostno-statisticheskikh modelei dlia otsenki effektivnosti primeneniia propantnogo gidravlicheskogo razryva plasta (na primere ob"ekta Tl-Bb Batyrbaiskogo mestorozhdeniia) [Development of probabilistic and statistical models for evaluation of the effectiveness of proppant hydraulic fracturing (on example of the Tl-Bb reservoir of the Batyrbayskoe field)]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Geologiia. Neftegazovoe i gornoe delo, 2018, vol. 17, no. 1, pp. 37-49. DOI: 10.15593/2224-9923/2018.1.4 Scholar
42.Galkin V.I., Melkishev O.A., Varushkin S.V. Razrabotka kompleksnogo veroiatnostnogo kriteriia zonal'no-lokal'nogo prognoza neftegazonosnosti territorii Verkhnekamskogo mestorozhdeniia kaliino-magnievykh solei po dannym gazoproiavlenii [Development of an integrated probability criterion of the zonal-local forecast of oil and gas potential of the territory of the Verkhnekamsky deposit of potassium and magnesium salts according to gas events]. Neftegazovoe delo, 2020, vol. 18, no. 5, pp. 43-54. DOI: 10.17122/ngdelo-2020-5-43-54 Scholar
43.Timofeev A.G., Lebedinskaia O.G. Model' primeneniia svertochnoi neironnoi seti (cnn) v sochetanii s dolgovremennoi pamiat'iu (lstm) prognozirovaniia tseny na neft' v usloviiakh neopredelennosti [Long-term memory (LSTM) application model for oil price forecasting under uncertainty]. Transportnoe delo Rossii, 2022, no. 2, pp. 54-59. DOI 10.52375/20728689_2022_2_54 Scholar
44.Fedorov K.Μ., Dreiman V.A. Analiz chuvstvitel'nosti chislennykh reshenii trekhmernoi dvukhfaznoi fil'tratsii k razmeram raschetnykh blokov [Sensitivity analysis of numerical solutions of three-dimensional two-phase filtration to the sizes of computational blocks]. Vestnik Tiumenskogo gosudarstvennogo universiteta, 2009, no. 6, pp. 94-101. Scholar
45.Livshits V.R. Otsenka parametrov raspredeleniia skoplenii nefti i gaza po krupnosti v slaboizuchennykh neftegazonosnykh basseinakh [Estimation of parameters of distribution of oil and gas accumulations by size in poorly studied oil and gas basins]. Geologiia i geofizika, 2003, vol. 44, no. 10, pp. 1045-1059. Scholar

1.Шевко, Н.А. Регулирование разработки нефтяных месторождений на основе гидродинамического моделирования фильтрационных потоков сложной геометрии / Н.А. Шевко // Записки Горного института. – 2002. – Т. 151. – С. 100–103. Scholar
2.Мартюшев Д.А. Изучение закономерностей распределения фильтрационных свойств в пределах сложнопостроенных карбонатных резервуаров / Д.А. Мартюшев, В.И. Галкин, И.Н. Пономарева // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2021. – Т. 332., № 11. – С. 117–126. DOI: 10.18799/24131830/2021/11/3069 Scholar
3.Study of void spacestructure and its influence on carbonate reservoir properties: X-ray microtomography, electron microscopy, and well testing / D.A. Martyushev, I.N. Ponomareva, A.S. Chukhlov, S. Davoodi, B.M. Osovetsky, K.P. Kazymov, Y. Yang // Mar. Pet. Geol. – 2023. – № 151. – P. 106192. DOI: 10.1016/j.marpetgeo.2023.106192 Scholar
4.Hosa, A. Order of diagenetic events controls evolution of porosity and permeability in carbonates / A. Hosa, R. Wood // Sedimentology. – 2020. – № 67. – P. 3042–3054. DOI: 10.1111/sed.12733 Scholar
5.Казанцев, А.С. Методика моделирования обработок призабойной зоны кислотными составами на основе гидродинамической модели в условиях слоистонеоднородных башкирских отложений месторождений Пермского края / А.С. Казанцев // Нефтяное хозяйство. – 2021. – № 8. – С. 58–62. DOI 10.24887/00282448-2021-8-58-62 Scholar
6.Якимова, Т.С. Самоотклоняющиеся кислотные составы как метод интенсификации добычи нефти в карбонатных коллекторах / Т.С. Якимова // Недропользование. – 2021. – Т. 21, №4. – С.171–175. DOI: 10.15593/2712-8008/2021.4.4 Scholar
7.Viscoelastic Surfactant based Selfdiverting Acid for Enhanced Stimulation in Carbonate Reservoirs / D. Taylor, P.S. Kumar, D. Fu [et al.] // Paper SPE 82263. – 2003. DOI: 10.2118/82263-MS Scholar
8.Kalfayan, L.J. The art and practice of acid placement and diversion: History, Present State and Futurу / L.J. Kalfayan, A.N. Martin // SPE 124141. – 2009. DOI: 10.2118/124141-MS Scholar
9.Quantitative analysis of reaction-rate retardation in surfactant-based acids / H.A. Nasr-El-Din, A.M. Al-Mohammad, A.D. Al-Aamri, M.A. Al-Fahad, F.F. Chang // SPE Production and Operations. – 2009. – P. 107–116. DOI: 10.2118/107687-MS Scholar
10.Девис, Дж. Статистика и анализ геологических данных / Дж. Девис. – М.: Мир, 1977. – 353 с. Scholar
11.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
12.Wang, P. Statistical Analysis of Oil and Gas Discovery Data / P. Wang, V. Nair // Quantitative Analysis of Mineral and Energy Resources. – 1988. – Vol. 223. – P. 199–214. DOI: 10.1007/978-94-009-4029-1_12 Scholar
13.Montgomery, D.C. Introduction to liner regression analysis / D.C. Montgomery, E.A. Peck. – New York: John Wiley & Sons, 1982. – 504 p. Scholar
14.Галкин, В.И. Статистическое моделирование расширяющегося тампонажного состава / В.И. Галкин, А.А. Куницких // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. – 2017. – Т. 16, № 3. – С. 215–244. DOI: 10.15593/224-9923/2017.3.2 Scholar
15.Поморский, Ю.Л. Методы статистического анализа экспериментальных данных: монография / Ю.Л. Поморский. – Л., 1960. – 174 с. Scholar
16.Houze, O. Dinamie data analysis / O. Houze, D. Viturat, O.S. Fjaere. – Paris: Kappa Engineering, 2008. – 694 p. Scholar
17.Yarus, J.M. Stochastic modeling and geostatistics / J.M. Yarus // AAPG. – Tulsa, Oklahoma, 1994. – 231 p. Scholar
18.Watson, G.S. Statistic on spheres / G.S. Watson. – New York: John Wiley and Sons, Inc., 1983. – 238 p. Scholar
19.Крамер, Г. Математические методы статистики / Г. Крамер. – М.: Мир, 1975. Scholar
20.Bartels С.P.A. Exploratory and explanatory statistical analysis data / С.P.A. Bartels, R.H. Ketellapper. – Springer, Dordrecht, 1979. Scholar
21.Дементьев, Л.Ф. Математические методы и ЭВМ в нефтегазовой геологии / Л.Ф. Дементьев. – М.: Недра, 1987. – 264 с. Scholar
22.Математические методы в геологии и геофизике / М.М. Эллинский, A.M. Холин [и др.]. – М.: Недра, 1972. – 200 с. Scholar
23.Аронов, В.И. Математические методы обработки геологических данных на ЭВМ / В.И. Аронов. – М.: Недра, 1977. – 168 с. Scholar
24.Кудряшова, Д. А. Использование вероятностно-статистических методов для определения источников обводнения скважин-кандидатов для водоизоляционных работ (на примере визейского объекта месторождения Пермского края) / Д. А. Кудряшова //Недропользование. – 2018. – Т. 17, №. 1. – С. 26–36. DOI: 10.15593/2224-9923/2018.1.3 Scholar
25.Разработка многомерных статистических моделей для инженерно-геологического районирования территорий / В.И. Галкин [и др.] // Геоэкология. Инженерная геология, гидрогеология, геокриология. – 2017. – №. 3. – С. 58–66. Scholar
26.Автеньев, Г.К. Об использовании частоты моды при сравнительной оценке магнитности горных пород / Г.К. Автеньев // Известия Томского политехнического университета. Инжиниринг георесурсов. – 1971. – Т. 217. – С. 210–214. Scholar
27.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. DOI: 10.1029/2018SW002026 Scholar
28.A method of predicting oil and gas resource spatial distribution based on Bayesian network and its application / Q. Guo, H. Ren, J. Yu, J. Wang, J. Liu, N. Chen // Journal of Petroleum Science and Engineering – 2021. – Vol. 208, № 109267. DOI: 10.1016/j.petrol.2021.109267 Scholar
29.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. DOI: 10.2307/2982158 Scholar
30.Kaufman, G.M. A probabilistic model of oil and gas discovery. Estimating the volume of undiscovered oil and gas resources / G.M. Kaufman, Y. Balcer, D. Kruyt // Am. Assoc. Petrol. Geol., Studies in Geology // J. Haun ed. – 1975. – Vol. 1 – P. 113–142. DOI: 10.1306/St1383C14 Scholar
31.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. DOI: 10.1016/j.petrol.2019.106646 Scholar
32.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. DOI: 10.1016/S0928-8937(07)80016-6 Scholar
33.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
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. Вероятностно-статистическая оценка нефтегазоносности локальных структур / В.И. Галкин, А.В. Растегаев, С.В. Галкин; УрО РАН. – Екатеринбург, 2001. – 277 с. Scholar
36.Кошкин, К.А. Разработка вероятностных моделей зонального прогноза нефтегазоносности центральной части Пермского свода по структурно-мощностным критериям / К.А. Кошкин, И.А. Татаринов // Недропользование. – 2021. – Т. 21, № 1. – С. 2–8. DOI: 10.15593/2712-8008/2021.1.1 Scholar
37.Галкин, В.И. Применение вероятностных моделей для локального прогноза нефтегазоносности / В.И. Галкин, Ю.А. Жуков, М.А. Шишкин; УрО РАН. – Екатеринбург,1990. – 108 с. Scholar
38.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
39.Ожгибесов, Е.С. Вероятностно-статистический прогноз нефтегазоносности локальных структур на территории Ижемской ступени / Е.С. Ожгибесов // Недропользование. – 2023. – Т.23, №4. – С.159–165. DOI: 10.15593/2712-8008/2023.4.2 Scholar
40.Оценка эффективности локального прогноза нефтегазоносности на северо-Востоке Волго-Урала / В. И. Галкин, А. В. Растегаев, С. В. Галкин, О. А. Шурубор // Известия высших учебных заведений. Нефть и газ. – 2003. – № 3(39). – С. 6–13. Scholar
41.Галкин, В. И. Разработка вероятностно-статистических моделей для оценки эффективности применения пропантного гидравлического разрыва пласта (на примере объекта Тл-Бб Батырбайского месторождения) / В. И. Галкин, И. Н. Пономарева, А. Н. Колтырин // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. – 2018. – Т. 17, № 1. – С. 37–49. – DOI 10.15593/2224-9923/2018.1.4. Scholar
42.Галкин, В. И. Разработка комплексного вероятностного критерия зонально-локального прогноза нефтегазоносности территории Верхнекамского месторождения калийно-магниевых солей по данным газопроявлений / В. И. Галкин, О. А. Мелкишев, С. В. Варушкин // Нефтегазовое дело. – 2020. – Т. 18, № 5. – С. 43–54. – DOI 10.17122/ngdelo-2020-5-43-54 Scholar
43.Тимофеев А.Г. Модель применения сверточной нейронной сети (cnn) в сочетании с долговременной памятью (lstm) прогнозирования цены на нефть в условиях неопределенности / А.Г. Тимофеев, О.Г. Лебединская // Транспортное дело России. – 2022. – №. 2. – С. 54–59. DOI 10.52375/20728689_2022_2_54 Scholar
44.Федоров, К. Μ. Анализ чувствительности численных решений трехмерной двухфазной фильтрации к размерам расчетных блоков / К.Μ. Федоров, В.А. Дрейман //Вестник Тюменского государственного университета. – 2009. – № 6. – С. 94–101. Scholar
45.Лившиц, В.Р. Оценка параметров распределения скоплений нефти и газа по крупности в слабоизученных нефтегазоносных бассейнах / В.Р. Лившиц // Геология и геофизика. – 2003. – Т. 44, №. 10. – С. 1045–1059. Scholar

Article information

Published: 31 October 2024
Issue date: 31 October 2024
Issue: Vol. 24, No. 4 (2024)