К оглавлению

УДК 553.98:550.812.002.5 (47+57)

Автоматизированный банк геологоразведочных данных

В.П. КАЛИНИНА, И.В. ТАТАРИНОВ (ВНИГРИ)

Ускорение научно-технического прогресса, способствующего повышению производительности труда и экономии материальных и трудовых ресурсов, ставит перед нефтяной геологией вопросы по реализации ряда геолого-экономических задач в минимальные сроки и на качественно новом уровне. Создание автоматизированной системы, предназначенной для комплексного анализа результатов и эффективности геологоразведочных работ на нефть и газ в СССР [7], обеспечивает формирование автоматизированного банка данных и оперативное выполнение отдельных управленческих решений очень сложного и динамичного поисково-разведочного процесса. Последний характеризуется большим набором методов и методик исследований, разветвленной сетью организационно-производственных связей, все возрастающим количеством информационных потоков геолого геофизических и технико-экономических показателей нормативно-справочной и планово-учетной документации производственных геологических организаций.

Основные функции системы - сбор информации по результатам геологоразведочных работ, обработка и анализ этой информации, передача результирующих показателей и рекомендаций производственным и научно-исследовательским организациям, справочное обслуживание специалистов.

Автоматизированная система включает автоматизированный банк данных по результатам геологоразведочных работ и обрабатывающий программный комплекс по анализу результатов и эффективности работ на нефть и газ. Соответственно система работает в двух режимах: справочном - с выдачей информации по запросам из автоматизированного банка данных, и фиксированном - с выдачей комплектов выходных документов с помощью обрабатывающего комплекса.

Основные этапы и процедурные элементы технологической схемы функционирования автоматизированной системы комплексного анализа результатов и эффективности геологоразведочных работ на нефть и газ в СССР показаны на рис. 1.

Задачи, решаемые системой в фиксированном режиме, включают расчет итоговых технико-экономических показателей, сравнительный анализ результатов состояния и эффективности работ по методам и этапам их производства. Выходная информация объединяет около 500 показателей, размещенных в 47 документах (итоговых и аналитических таблицах), в том числе в 10 таблицах специализированного комплекта, характеризующего состояние бурения на глубине свыше 4500 м. Работа системы в фиксированном режиме позволяет снизить время обработки геолого-экономической информации, повысить точность проводимых расчетов и оперативность полученных выходных документов. Для расчета одного выходного документа требуется в среднем 10-15 мин.

Автоматизированный банк включает данные по основным объектам геологоразведочных работ (скважина, структура, месторождение, район) и геологическим организациям (министерство, управление, объединение). Организация базы данных определялась системой выходных показателей, отражающих информационное обеспечение анализа результатов геологоразведочных работ на нефть и газ в СССР, структура, состав и модель логических связей которого приведены в работе [3]. Геолого-экономические сведения по выходным показателям размещены в 19 входных документах с единой адресной привязкой по административному, производственному и структурно-геологическому принципам. Эти документы заполняются в алфавитно-цифровом виде с элементами домашинного кодирования. Во ВНИГРИ для этого используются ежегодные сводки результатов геологоразведочных работ на нефть и газ в СССР.

Информация, содержащаяся в банке, в общем потоке данных по геологии нефти и газа соответствует группам геолого-геофизической и экономической информации, объединяющим объекты, итоги и эффективность геологоразведочных работ на нефть и газ [3, 7].

Надежность информации автоматизированного банка данных определяется достоверностью значений геолого- и технико-экономических показателей, циркулирующих в статистической отчетности производственных геологических организаций, и квалификацией работающего с ней персонала. Сохранность данных гарантируется организационно-техническими, коммуникационно-аппаратурными и программными средствами, а также защитой от несанкционированного доступа.

Программным обеспечением банка данных служит геологическая автоматизированная справочно-информационная система ГАСИС, разработанная в КОМЭ Мингео УССР [6]. Она позволяет выполнять функции введения информационных массивов на ЭВМ (ввод, контроль, корректура, пополнение, реорганизация, администрирование, сортировка и т. д.). Эта система рассчитана на работу со сложными документами, содержащими до 2000 признаков. Запрос на поиск включает логические структуры, охватывающие большинство часто встречаемых на практике условий отбора. Поиск информации по запросам в годовых массивах занимает 5-10 мин.

В настоящее время завершается перевод базы данных из справочно-информационной системы ГАСИС в автоматизированный банк данных в среде СУБД ИНЕС на ЕС ЭВМ. ИНЕС включает в себя систему управления иерархическими базами данных, системы ввода, макетного вывода и запросную систему, позволяющую описывать не только сложные алгоритмы поиска, но и обработки и вывода информации в требуемом виде. Переход на ИНЕС существенно расширит возможности пользователей, позволит вести коррелированный поиск любой информации в базе, что не обеспечивал ГАСИС, на порядок сократить время выдачи информации по запросам.

В настоящий момент автоматизированный банк данных включает геолого-экономическую информацию с 1976 по 1985 г., т. е. тот период, за который по Советскому Союзу в геологоразведочном производстве, начиная с подготовки к глубокому бурению и кончая подготовкой месторождений к разработке, находилось около 9000 локальных структур и АТЗ. Значимость информационного потенциала автоматизированного банка данных (рис. 2) определяется общим количеством (в том числе незавершенных) объектов 53 тыс. единиц по 200 входным геолого-геофизическим и технико-экономическим показателям.

Суммарный объем информационной основы оценивается 1450 Кбайт, ежегодное же пополнение информации 140-150 Кбайт.

Традиционно в течение многих лет анализ геолого-экономической информации проводился в соответствии с административным делением территории СССР и лишь в ряде случаев выборочно по нефтегазоносным провинциям с ограниченным набором используемых показателей [9]. В целях углубления и расширения анализа результатов геологоразведочных работ и повышения их эффективности на данный момент и перспективу было признано необходимым ввести в автоматизированную систему привязку локальных структур, а вместе с этим относящуюся к ним информацию банка данных к нефтегеологическим подразделениям для всей территории Советского Союза. Теоретическое обоснование и принципы нефтегеологического районирования сформулированы ранее [5]. В пределах СССР выделено 12 нефтегазоносных провинций и 10 самостоятельных областей.

Автоматизированная привязка локальных структур и АТЗ позволяет с учетом особенностей строения и формирования крупных геоструктурных элементов и богатства недр проводить пространственный анализ геолого-экономической информации.

1. Распространение открытых месторождений (залежей) по глубине залегания и возрасту продуктивного горизонта, по размерам структуры, по типу полученных флюидов.

2. Распределение структур, выведенных из глубокого бурения с отрицательными результатами по продолжительности разбуривания, по глубине и возрасту горизонтов поиска, по причинам отрицательных результатов.

3. Выделение структур, находящихся в фонде подготовленных по площади и амплитуде, по глубине залегания и возрасту основных опорных и целевых горизонтов, по времени пребывания в фонде.

4. Разделение структур на введенные в параметрическое, поисковое бурение, находящиеся в разведочном бурении, месторождения, подготовленные к разработке (эксплуатируемые, неэксплуатируемые).

5. Группирование глубоких скважин по категориям (опорные, параметрические, поисковые, разведочные), по продолжительности бурения, по глубине (проектной и фактической), по возрасту (проектному и фактическому), по характеру открытия (месторождение, продуктивная структура, залежь), по продуктивности (давшая нефть, газ, конденсат, непродуктивная), по состоянию на конец года (законченная строительством, в ожидании испытания, ликвидированная без испытания по геологическим причинам, прекращенная бурением по техническим причинам, в бурении).

6. Распределение параметрических скважин по задачам бурения (изучение неразведанных зон, районов, нижних структурных комплексов, выявление локальных структур, зон выклинивания) .

7. Количественная характеристика объемов (в физическом и стоимостном выражении) региональных и поисково-детальных геофизических работ по их видам.

8. Количественные показатели объема структурного бурения по скважинам глубиной менее 1000 и более 1000 мс учетом их цели (подготовка структур, поиски месторождений, оконтуривание залежей, региональное изучение).

9. Характеристика затрат госбюджета и капитальных вложений по видам глубокого бурения (опорное, параметрическое, поисковое, разведочное).

10. Данные о фонде выявленных структур и его изменении на начало и конец года.

11. Производственные показатели (глубокое бурение в станко-месяцах, количество аварий, в том числе ликвидированных, часов, потерянных из-за аварий).

12. Скважины, законченные строительством, испытанные после бурения, в процессе бурения и т. д.

Формируемый автоматизированный банк данных по результатам геологоразведочных работ можно также использовать при геолого-математическом моделировании путем подключения к системе статистического аппарата: регрессионного, корреляционного, факторного анализа, анализа временных рядов и т. п.

Экономико-математические модели, адекватно отражающие различные экономические явления и процессы, позволяют глубже изучать структуру моделируемого экономического объекта, выявить взаимосвязи и причинные зависимости характеристик объекта, прогнозировать изменение их значений. Принципы моделирования и имитации широко применяются при решении проблем, связанных с повышением эффективности производства, внедрением элементов оптимального планирования и управления [1, 2, 4].

Эти же принципы могут быть использованы для оценки ресурсов и прогнозирования динамики поисково-разведочных работ. Так, для решения задачи прогнозирования поисково-разведочного процесса моделировалась взаимосвязь объемов и затрат геологоразведочных работ со степенью разведанности потенциальных ресурсов. Используемая математическая модель выбиралась из класса кривых, хорошо описывающих поисково-разведочный процесс, идущий вначале с ускорением развития, а затем - с замедлением [8, 10]. Из них наиболее известны кривые: логистическая, Гомперца-Мейкема, модифицированная экспонента и другие, используемые при моделировании динамики накопленной добычи и накопленных запасов промышленных категорий [1, 4, 10, 11].

Разведанность ресурсов оценивалась величиной коэффициентов разведанности , определяемой отношением разведанных промышленных запасов к начальным потенциальным ресурсам. Использование вместо абсолютной величины запасов относительного показателя позволяет сопоставлять результаты по регионам с различным богатством недр.

На основании анализа графиков зависимости разведанности ресурсов от объемов выполненных геологоразведочных работ сделан вывод, что исследуемая зависимость наиболее точно описывается модифицированной экспонентой, которая хорошо отражает также зависимость прироста запасов от объема (затрат) геологоразведочных работ [1]где L - объемы (затраты) геологоразведочных работ, k, а, b - параметры роста модели.

Если учесть, что геологоразведочный процесс отличается некоторой инертностью, связанной с длительно воздействующими экономическими факторами и относительно медленным внедрением достижений научно-технического прогресса, то можно предположить сохранение выявленных тенденций в будущем. Поэтому полученная математическая модель зависимости разведанности ресурсов от объемов (затрат) геологоразведочных работ может быть использована при перспективном планировании подготовки запасов и динамики поисково-разведочного процесса в изучаемых регионах. Надежное прогнозирование хода геологоразведочных работ можно осуществлять на пятилетний период (среднесрочное планирование). Длительное (долгосрочное) прогнозирование требует более глубокого и детального анализа вопроса о сохранении тенденций развития.

Построенную математическую модель проверяли путем прогнозирования прироста запасов на ретроспективных данных, была установлена неплохая сходимость прогнозных значении с действительными.

Исходные данные для прогноза -  на дату планирования t₀, накопленный к моменту планирования объем работ разведочного этапа L₀, возможная (планируемая) величина объема работ разведочного этапа на выбранный срок планирования t₁.

Решение задачи прогнозирования ведется поэтапно: а) вычисление накопленного объема разведочного этапа на планируемый период  через накопленный объем на дату планирования, б) подстановка значений Ln в модель, связывающую разведанность ресурсов в районе с объемом работ разведочного этапа, и получение нового значения коэффициента разведанности  соответствующего запланированному объему разведочных работ , в) определение прироста коэффициента разведанности г) вычисление прироста промышленных запасов  соответствующего новому уровню разведанности района  на конец планируемого периода t₁ и выражаемого через потенциальные ресурсы Q.

Аналогичный алгоритм может быть использован при решении обратной задачи - определении объема разведочных работ, необходимых для обеспечения запланированного прироста промышленных запасов.

Математические модели в форме модифицированной экспоненты были использованы и для описания зависимостей разведанности ресурсов от затрат и объемов геологоразведочных работ на предыдущих стадиях геологоразведочного процесса, поскольку в это время осуществляется подготовка тех перспективных и прогнозных запасов УВ, которые затем переводятся в промышленные категории.

Традиционно затраты на выполнение работ на ранних этапах поисково-разведочного процесса определяли в некоторой доле от затрат на работы разведочного этапа. Построенные математические модели дали возможность более конкретно планировать не только прирост промышленных запасов, определяемый на этапе разведки, но и объемы работ (региональных, поисково-детальных, поисковых), направленных на выявление запасов непромышленных категорий предшествующих этапов. При этом в качестве значения функции использовали , который в виде общего знаменателя увязывал затраты и объемы работ всех этапов поисково-разведочного процесса. Прогнозирование динамики затрат и объемов работ на ранних этапах осуществлялось в следующем порядке: вначале по запланированному объему разведочных работвычисляли прирост промышленных запасов и новый коэффициент разведанности , а затем последний подставляли в построенные модели, с тем чтобы определить значения аргумента накопленного объема V₀ и накопленных затрат S₀ работ ранних этапов по преобразованной формуле модифицированной экспоненты

Вычитая из полученных накопленных значений соответствующие величины за предыдущие годы, получаем прогнозируемые на новую пятилетку объемы и затраты определенных этапов геологоразведочных работ.

Результаты математического моделирования динамики разведанности запасов представляют собой важное средство улучшения методики перспективного планирования объемов (затрат) работ на всех стадиях поисково-разведочного процесса.

Таким образом, вышеизложенное заслуживает внимания с точки зрения представления о реальной картине имеющейся информационной основы автоматизированного банка данных, который без излишней строгости на базе неформального анализа с учетом не только количественной оценки, но и качественного содержания технико-экономических показателей будет наилучшим образом воздействовать на производственный процесс геологических организаций.

Круг проблем и задач, в которые может вписываться автоматизированный банк данных, достаточно велик как по иерархическим уровням управления работами на нефть и газ, так и по пространственному размещению их на территории Советского Союза, и, конечно же, он будет постоянно расширяться за счет ввода дополнительных показателей с привлечением интересующей геолого-экономической информации различного масштаба и глубины с целью интенсификации подготовки разведанных запасов.

СПИСОК ЛИТЕРАТУРЫ

1. Белонин М.Д. Подольский Ю.В. Методические основы создания автоматизированной системы геолого-экономического прогнозирования нефтегазоносности. Математические методы и автоматизированные системы в геологии. Обзор. Сер. Экон. мин. сырья и геол. развед. работ, М., ВИЭМС, 1984.

2. Беляйков Н.Е., Водолазский В.Н., Печников В.В. Применение ЭВМ при анализе геолого-экономической эффективности поисковых и разведочных работ на нефть и газ. - Геология нефти и газа, 1977, № 3, с. 57-59.

3. Калинина В.П. Информационное обеспечение анализа результатов геологоразведочных работ на нефть и газ. - Геология нефти и газа, 1977, № 1, с. 5-10.

4. Методика прогнозирования эффективности поисково-разведочных работ на нефть и газ / Н.А. Еременко, Н.А. Крылов, Ю.С. Кувыкин, В.В. Стасенков. - Геология нефти и газа, 1979, № 1, с. 7-13.

5. Нефтегазоносные провинции СССР: Справочник / И.М. Алиев, Г.А. Аржевский, Ю.Н. Григоренко и др. М., Недра, 1983.

6. Поплавский Н.Н., Коротков Б.П., Бурмистров В.М. Опыт создания геологических автоматизированных ИПС фактографического типа. - В кн.: Вопросы разработки информационного и технического обеспечения АСУ-Геология. Свердловск, 1975, с. 27-28.

7. Татаринов И.В., Макарова И.В., Калинина В.П. Автоматизированная система геолого-экономического анализа результатов работ на нефть и газ в СССР. - Геология нефти и газа, 1978, № 12, с. 60-65.

8. Четыркин Е.М. Статистические методы прогнозирования. М., Статистика, 1977.

9. Эффективность поисковых и разведочных работ на нефть и газ.- Труды ВНИГРИ. Л., Недра, 1974, вып. 33, с. 1 - 131.

10. Hubbert M. К. Degree of advacement of petroleum exploration in U. S. BAAPG, 1967, 51, H. 11, p. 2207-2227.

11. Moore C. L. Analysis and projection of historical Patterns of U. S„ BAAPG, mem. 15, v. 1, 1971, p. 60-54.

Рис. 1. Технологическая схема функционирования автоматизированной системы комплексного анализа результатов и эффективности геологоразведочных работ на нефть и газ в СССР

Рис. 2. Автоматизированный банк данных по результатам геологоразведочных работ на нефть и газ в СССР