К оглавлению

С научно-практического семинара "Проблемы качества ГИС" (г. Тверь, 27 - 30 января 1997 г.)

Развитие автоматизированной обработки и интерпретации данных ГИС связано с унификацией использования разнообразной геолого-геофизической информации и контролем ее качества.

Перспективы унифицированного использования этой информации и оценка качества данных ГИС неотделимы от идеологии интерпретации. Функционирование геолого-геофизической информации можно рассматривать в рамках достаточно естественной технологии интерпретации, реализуемой на принципах моделирования информации и управления процессом выбора по ней достоверных результатов. При таком подходе интерпретация материалов ГИС рассматривается в рамках общей постановки, математически формулируемой как решение прямых и обратных задач. Оценка качества ГИС при этом выступает как неотъемлемый элемент комплексной интерпретации.

Источником погрешностей интерпретации является множество факторов, определяемых качествам каротажных данных, возможными погрешностями их первичной обработки, неучетом (или некорректным учетом) геолого-технических условий, погрешностями (или неадекватностью) используемых при интерпретации физико-математических моделей или недостаточной полнотой используемой геолого-геофизической информации.

Технологию интерпретации можно рассматривать как определение геологических параметров разреза, с наибольшей степенью согласующихся с имеющейся до интерпретации информацией и обладающих при этом минимально возможными погрешностями.

Формальное представление технологии интерпретации как решении прямых и обратных задач позволяет одновременно осуществить контроль качества геолого-геофизической информации, включая качество исходной информации и достоверность результатов интерпретации.

Решение обратных задач сводится к последовательному и целенаправленному моделированию исходной информации по прямой задаче до тех пор, пока не будет достигнуто максимальное ее соответствие фактической исходной информации. На каждом шаге итеративной процедуры оцениваются значения искомых геологических параметров, используемые в дальнейшем при моделировании исходной информации. Целенаправленное моделирование для достижения оптимальных результатов осуществляется на основе построения на каждом этапе итеративного процесса матрицы чувствительности первичных геофизических данных к искомым геологическим параметрам. Она фактически отражает информативность используемого комплекса ГИС. Одновременно с оценкой искомых геологических параметров появляется возможность прогноза их погрешностей.

В качестве основных критериев достоверности перехода от геофизических материалов к геологическим параметрам разреза обычно рассматриваются результаты сопоставления данных керна, испытаний, а также другой априорной информации [1, 2]. Реально это можно осуществить только в отдельных интервалах разреза и пластах. Поэтому для настройки процедур интерпретации и программ, контроля и прогноза достоверности их работы применяются методики создания на ЭВМ тестовых геофизических данных с последующим моделированием процессов интерпретации. Однако в настоящее время большинство программ и технологий в автоматизированных системах обработки и интерпретации данных ГИС не рассматривают практическую реализацию данного вопроса.

Классический подход к оценке погрешностей результатов также основан на многократном моделировании измерений с учетом их статистических характеристик, проведении интерпретации для различных смоделированных измерений и получении распределения искомых параметров. Такой подход требует значительных затрат времени ЭВМ и усложнения технологии, хотя является достаточно универсальным.

Суть метода, основанного на использовании матриц чувствительности, заключается в том, что по чувствительности методов ГИС к изменению того или иного параметра породы можно прогнозировать погрешность его определения без многократного моделирования измерений. Такой подход требует меньших затрат машинного времени по сравнению со статистическим моделированием и может использоваться при интерпретации по отдельным графам и программам, а также для анализа эффективности различных комплексов ГИС. Важным преимуществом метода перед остальными является то, что при интерпретации данных ГИС на основе идеологии прямых и обратных задач нет необходимости в дополнительных вычислениях, связанных с прогнозом погрешностей. Сам метод уже является необходимым элементом технологии интерпретации.

С использованием матрицы чувствительности устанавливается связь между предполагаемыми отклонениями исходных данных и результатов, а затем строится доверительная область возможных изменений определяемых геологических параметров. Доверительной областью возможных отличий геологических параметров от найденных результатов является гиперэллипсоид в пространстве искомых параметров.

Для сопровождения результатов интерпретации оценкой их качества удобно их вывести в виде "коридора" погрешностей, при формировании которого используются граничные значения доверительной области по каждому параметру. Необходимо отметить, что построение доверительного интервала для совокупности взаимозависимых параметров пересечением доверительных интервалов отдельных параметров является некорректным [4].

Для прогноза погрешностей результатов интерпретации, кроме матрицы чувствительности, необходимо иметь сведения о предполагаемых погрешностях первичных геофизических материалов, согласно принятым допустимым погрешностям при измерениях в скважине и при используемых моделях интерпретации [3]. В то же время, благодаря такой постановке задачи интерпретации, появляется возможность косвенной оценки качества исходных данных. Технология оценки качества первичных данных ГИС уже заложена в самом алгоритме оптимизации. В процессе моделирования данных ГИС по Прямой задаче определяются отклонения теоретически рассчитываемых данных ГИС от фактических, что позволяет судить об имеющихся погрешностях в исходных данных.

Таким образом, для анализа достоверности интерпретации по всему разрезу формируются:

• кривые (или "коридоры") прогнозируемых погрешностей определяемых геологических параметров;
• выдаваемые на одном поле и в одном масштабе теоретические и фактические значения кривых ГИС (или физических свойств пород, определяемых предварительно по кривым ГИС).

Данная технология оценки качества ГИС при комплексной интерпретации использована в программах ELESTR и ОРТСОМ [5, 6]. На значительном количестве обработанного скважинного материала была подтверждена ее целесообразность и практичность.

Отметим также, что вырабатываемые критерии качества интерпретации используются для управления процессом оптимизации результатов интерпретации на 2-х уровнях:

• внутри программы, как основной элемент целевой функции оптимизации;
• при работе с программой в режиме диалога.

Резкое расхождение теоретических и фактических кривых свидетельствует о необходимости уточнения или пересмотра интерпретационной модели.

Возможны следующие причины их расхождения:

• неточность используемой математической модели (например, ошибка в выборе модели при определении УЭС; неточное задание коэффициентов петрофизических зависимостей; неадекватность самих петрофизических зависимостей или модели);
• систематические погрешности в кривых ГИС (или физических свойствах пород), которые могут быть связаны с искажением каротажных кривых, неточным заданием опорных пластов.

Выводимая как результат работы программ, такая информация позволяет проанализировать возможные причины расхождения кривых фактических и теоретических кривых. Устранение этих причин осуществляется при последующем возврате на начало интерпретации.

Анализ прогнозируемых погрешностей позволяет судить о надежности определения тех или иных геологических параметров при конкретном комплексе методов ГИС и конкретном содержании интерпретации. При необходимости, с целью уменьшения прогнозных погрешностей, следует привлечь дополнительную информацию.

На рис. 1 , рис. 2 приводятся реальные результаты использования технологии оценки качества материалов ГИС и результатов интерпретации на скважинных материалах с использованием программ ОРТСОМ и ELESTR.

Проведена экспериментальная проверка прогноза погрешностей результатов путем сопоставления гистограмм типа (X - Х_керн)/Х и DХ^{прогноз}/Х по совокупностям выборок керна ( рис. 3 ). В качестве значений X рассматриваются искомые параметры породы, получаемые при комплексной интерпретации, в качестве X_керн - те же параметры по керну, а в качестве DX^{прогноз} - прогнозируемые значения погрешностей соответствующих параметров в процессе комплексной интерпретации.

Во многих случаях реальные графы интерпретации состоят из отдельных блоков, часть которых представлена как решение прямых и обратных задач, а часть - в форме решения только обратных задач:

(АХ = Y и X = B_yY)

В этом случае прогноз погрешностей окончательных результатов делается на основе суммирования погрешностей отдельных блоков с учетом возможной корреляции входных данных (Rij). Чтобы получить матрицы чувствительности (В) отдельных частей графа, можно создать несколько вариантов счета с соответствующими приращениями исходных данных к первоначальным, а затем по приращениям результатов оценить соответствующие матрицы.

Представляет интерес возможность получения данных для оценки погрешностей результатов, минуя повторный счет. Это можно сделать на основе огромного количества информации, накопленной в процессе обработки множества скважинных материалов по одному и тому же графу интерпретации. В этом случае матрицы чувствительности приближенно можно получить по имеющейся статистической информации.

Несмотря на то, что приведенный способ прост, в зависимости от сложности графа возможны различные ситуации. Если все погрешности графа представлены в виде некоторых эквивалентных погрешностей входных данных (или если учитываются только погрешности измерений), то граф рассматривается как один блок; если это сделать невозможно, то его необходимо рассматривать в виде составных частей ( рис. 4 ).

Таким образом, на основе моделирования геолого-геофизической информации можно построить не только достаточно практичные технологии комплексной интерпретации данных ГИС, но также одновременно оценить качество результатов интерпретации и исходной информации.

1. Сохранов Н.Н., Аксельрод С.М. Обработка и интерпретация с помощью ЭВМ результатов геофизических исследований нефтяных и газовых скважин. - М.: Недра, 1984.
2. Латышова М.Г., Дьяконова Т.Ф. Способ статистической обработки и контроля качества промыслово-геофизических данных по месторождениям нефти и газа. - М., 1978.
3. Техническая инструкция по проведению геофизических исследований в скважинах. - М.: Недра, 1985.
4. Дж. Поллард. Справочник по вычислительным методам статистики. - М.: Финансы и статистика, 1982.
5. Кнеллер Л.Е. Алгоритм прогнозирования погрешности определения удельного электрического сопротивления по данным электрокаротажа и некоторые результаты его использования // Регион., развед. и промысл, геофизика: ЭИ/ВИЭМС. - 1983.
6. Кнеллер Л.Е., Гайфуллин Я.С. Оценка погрешностей определения параметров при интерпретации материалов ГИС с использованием ЭВМ. Сб. "Прикладная геофизика", № 125, М.: Недра.

Рис. 1. Результаты интерпретации данных ГИС по скв. 60 Верхне-Колик-Еганского месторождения (программа ОРТСОМ)

Рис. 2. Пример определения УЭС по скв. 555, пл. Уренгой:

- соответственно фактические и теоретически рассчитанные диаграммы, r_п , r_зп - УЭС пласта и зоны проникновения, - погрешности r_п и r_зп

Рис. 3. Сопоставление прогнозируемых погрешностей искомых параметров с их фактическими отклонениями от данных керна.

Рис. 4. Схемы учета накапливающихся погрешностей в графе интерпретации данных ГИС:

а - случай, когда матрица чувствительности В_у рассчитывается по входным данным - Y, погрешность модели учитывается отдельно, б - матрица чувствительности В_у рассчитывается с учетом погрешностей модели; в - фрагмент графа интерпретации, когда погрешности результатов рассчитываются через погрешности промежуточных результатов (DA_i, DY_i), R_i-матрицы корреляции входных данных для отдельных блоков