Составил в.Г. Каналин

1-71 – см. рис.41

Стабильность и выдержанность выделенных групп эксплуа­тационных объектов сравнивались с результатами группирования по другим вариантам набора геолого-промысловых признаков. По некоторым вариантам обособлялось, например, положение V груп­пы или отдельных многопластовых эксплуатационных объектов (Мухановское месторождение, объект Д-I+ДII+Д-III+Д-IV). Поэтому в качестве оптимального можно принять вариант IV, где выделенные группы и подгруппы имеют довольно определенные границы.

Все вышеизложенное позволяет говорить о возможности груп­пирования эксплуатационных объектов по комплексу геолого-про­мысловых признаков. Естественно, что эти исследования надо про­должить с тем, чтобы иметь необходимую информацию по всем нефтедобывающим районам страны.

При группировании нефтяных залежей учитываются те же гео­лого-промысловые признаки, что и при оценке коэффициента про­дуктивности по косвенным признакам. Эти материалы могут быть использованы при оценке степени различия (сходства) пластов при разработке метода обоснования целесообразности объедине­ния залежей продуктивных пластов в один эксплуатационный объект на том или другом многопластовом месторождении.

Глава 19. Оценка влияния степени различия между пластами на результаты их совместной эксплуатации

1. Возможность оценки коэффициента продуктивности по косвенным данным

Для определения _совм объекта необходимо знать значения K_совм для каждой разведочной или эксплуатационной скважины, эксплуатирующей совместно несколько продуктивных пластов. Для этого, в свою очередь в тех же скважинах должны быть из­вестны значения К_i при условии самостоятельной эксплуатации каждого из совместно разрабатываемых пластов. Однако приме­няемые в настоящее время технология промысловых исследова­ний скважин, эксплуатирующих несколько пластов, обычно позво­ляет определить лишь K_совм. Значения К_i каждого из пластов при условии их самостоятельной эксплуатации обычно не опре­деляются. Следовательно, необходимо найти способ опре­деления K_i для скважин, по которым известны K_совм. Причем для месторождений, вводимых в разработку, необходимо устанавли­вать такие зависимости для одного или нескольких пластов, отно­сящихся к одной группе.

Имеются лишь ограниченные сведения о возможности оценки коэффициента продуктивности по косвенным данным. Так, в ра­боте В.Г. Ингермана говорится о возможности оценки удельного коэффициента продуктивности с помощью проницаемости, рас­считанной по промыслово-геофизическим данным, в работе [1] — о возможности определения коэффициента продуктивности по комплексу геологических параметров, а в другой работе —с учетом некоторых геофизических признаков (ρ_пα_сп). Исследования, про­веденные нами на разрабатываемых нефтяных месторождениях Западной Сибири (Усть-Балыкском, Западно-Сургутском, Правдинском, Самотлорском, Советском), показали, что К могут быть определены с помощью многомерного регрессионного анализа, реа­лизованного в виде соответствующих программ. Для выполнения необходимых расчетов была составлена соответствующая программа.

В общем случае задачей регрессионного анализа является оценка условного математического ожидания (М) случайной ве­личины I при заданном значении другой переменной. Сущность метода многомерного регрессионного анализа заключается в вы­числении оценки математического ожидания коэффициента про­дуктивности по фиксированным значениям геолого-физических признаков, которые характеризуют изучаемый пласт в каждом его пересечении скважиной.

Как известно, получаемый при этом коэффициент множествен­ной корреляции R оценивает тесноту связи между определяемым параметром (зависимой переменной) и параметрами, по которым ведется оценка (независимые переменные). Через множественный коэффициент корреляции вычисляется и среднеквадратическая по­грешность (σ) оценки зависимой переменной при фиксированных значениях независимых переменных

, (19.1)

где —оценка среднего квадратического откло­нения зависимой переменной (Y). Из этого выражения следует, что чем ближе значение R к единице, тем меньше разброс эмпириче­ских точек относительно плоскости регрессии.

Оценка коэффициента множественной корреляции по эмпири­ческим данным является случайной величиной, которая опреде­ляется составом выборки и количеством наблюдений (N) в вы­борке, В силу случайности выборки можно получить ненулевые значения R, в то время как истинное значение его (вычисленное для генеральной совокупности) равно нулю. Для проверки гипо­тезы, которая состоит в предположении, что R=0, используется критерий Фишера [2]. Считается, что эмпирические данные не противоречат гипотезе, если

, (19.2)

где R – коэффициент множественной корреляции; N – количество наблюдений; р – количество переменных, вошедших в уравнение; F(р–1; N–р; α) – критическая точка распределения Фишера для р – 1 и N – р степеней свободы и выбранного уровня значимости α (обычно α=0,05)

Если неравенство (19.2) не выполняется, то принимается, что R≠0 и говорят, что значение R статистически значимо. Напри­мер, коэффициент корреляции, полученный для пласта БС₆ Правдинского месторождения (R=0,5 N=51), является статистически незначимым. Действительно,

что меньше значения F (7; 43; 0,05) = 2,20.

Кроме того, для расчетов выбирается такое уравнение, для ко­торого погрешность получаемого результата является минимальной.

В математическом отношении решаемая задача является об­ратной и принадлежит к числу так называемых некорректных за­дач, поскольку используемые в ней параметры могут быть, с од­ной стороны, определены с некоторой степенью приближения, а с другой, связаны с коэффициентом продуктивности только кос­венно. Поэтому успешность реализации поставленной задачи бу­дет во многом зависеть от набора необходимых признаков. При оценке коэффициента продуктивности по косвенным данным необходимо подобрать такие признаки, от которых этот параметр будет наиболее зависеть. Как известно [18], продуктивность скважины тесно связана с гидропроводностью. Следовательно, не­обходимо выбрать такие геолого-промысловые и геофизические признаки, которые бы характеризовали именно этот сложный фильтрационный параметр.

Поэтому для определения K_i нужно выделить геолого-физи­ческие признаки, характеризующие условия движения нефти по пласту. Это эффективная мощность, проницаемость, вязкость неф­ти, песчанистость и расчлененность. Эти признаки можно отнести к первой группе.

Поскольку геофизическими методами исследуются все пробурен­ные скважины, можно проследить связь между результатами таких исследований и коэффициентом продуктивности К_i. Впервые влия­ние фильтрационных свойств пласта на его удельное сопротивле­ние было показано Г.С. Морозовым. Другие исследователи считают, что при регрессионной оценке коллекторских свойств лучшие результаты дает использование кажущихся удельных сопротивлений (ρ_к) [41]. В работе [9] четко показана зависимость относительной амплитуды на диаграммах СП(α_сп) от прони­цаемости, т. е. α_сп=f(k_пр). В общем случае α_сп характеризует гли­нистость пласта и его фильтрационные особенности. Кроме того, можно отметить наличие статистических связей: α_сп=f(k_пр); α_сп/α_им= f(k_пр); Р_н=f(k_пр) и т.д. [24]. Например, для пластов АВ_1-5 Самотлорского и Советского месторождений установлена тесная связь проницаемости с α_сп, определяющаяся соотношением [24]

α_сп=0,22lg k_пр+0,14. (19.3)

В этой же работе [24] приводится характеристика статистиче­ских связей между k_пр и физическими параметрами (табл. 31).

Таблица 31