Восстановление модельных условий для периодических решений в вариационно-сеточном методе геокартирования

Вестник ТюмГУ. Физико-математическое моделирование. Нефть, газ, энергетика.


Выпуск:

2019. Том 5. №2

Название: 
Восстановление модельных условий для периодических решений в вариационно-сеточном методе геокартирования


Для цитирования: Плавник А. Г. Восстановление модельных условий для периодических решений в вариационно-сеточном методе геокартирования / А. Г. Плавник // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2019. Том 5. № 2. С. 105-123. DOI: 10.21684/2411-7978-2019-5-2-105-123

Об авторе:

Плавник Андрей Гарьевич, доктор технических наук, главный научный сотрудник, Западно-Сибирский филиал Института нефтегазовой геологии и геофизики им. А. А. Трофимука СО РАН, Тюмень, Россия; профессор кафедры геологии месторождений нефти и газа, Институт геологии и нефтегазодобычи, Тюменский индустриальный университет, Тюмень, Россия; eLibrary AuthorID, ORCID, ResearcherID, ScopusID, plavnikag@ipgg.sbras.ru

Аннотация:

Многообразие свойств геологических объектов и природы их формирования определяет наличие и использование большого числа различных методов картирования, а также необходимость выбора методов, наиболее подходящих для каждого конкретного набора данных.

Проблема заключается в том, что прогностические свойства результатов зависят от соответствия или несоответствия используемых в методах картирования модельных условий реальным закономерностям. Один из способов состоит в картировании по обучающим данным с последующим сопоставлением прогнозных свойств построенных карт по экзаменационным данным. Такой подход требует многовариантных, затратных в вычислительном отношении расчетов.

В этих условиях актуальными в развитии методов геокартирования являются вопросы определения по наблюдаемым данным адекватных модельных условий.

В данной работе эта задача рассматривается применительно к вариационно-сеточному методу геокартирования. Особенность метода состоит в том, что модельные условия задаются в виде дифференциальных уравнений в частных производных, и для обеспечения однозначности решения необходимо определение двух или более таких уравнений.

В работе предлагается подход, основанный на определении ортогональных гиперплоскостей в многомерном пространстве первых, вторых производных и значений картируемой функции, которые в наибольшей степени согласуются с имеющимися данными. В условиях отсутствия экспериментальных определений значений производных предложен итерационный метод их последовательного уточнения. Метод апробирован на примерах восстановления модельных условий, соответствующих серии периодических решений. Рассмотрено влияние выбора управляющих параметров на сходимость итерационного процесса.

Общий характер математической постановки задачи и возможность оптимизации вычислительной схемы определяют применимость рассмотренного подхода для восстановления модельных условий и в более широком классе функций.

Список литературы:

  1. Ахметсафина А. Р. Стохастические методы в программе геологического моделирования / А. Р. Ахметсафина, И. Р. Минниахметов, А. Х. Пергамент // Вестник ЦКР Роснедра. 2010. № 1. C. 34-45.
  2. Волков А. М. Геологическое картирование нефтегазоносных территорий с помощью ЭВМ / А. М. Волков. М.: Недра, 1988. 221 c.
  3. Давид М. Геостатистические методы при оценке запасов руд / М. Давид. Л.: Недра, 1980. 360 c.
  4. Демьянов В. В. Геостатистика: теория и практика / В. В. Демьянов, Е. А. Савельева. М.: Наука, 2010. 327 c.
  5. Дюбрул О. Использование геостатистики для включения в геологическую модель сейсмических данных / О. Дюбрул. М.: EAGE, 2006. 296 c.
  6. Матерон Ж. Основы прикладной геостатистики / Ж. Матерон. М.: Мир, 1968. 470 c.
  7. Плавник А. Г. Картирование свойств геологических объектов с учетом анизотропии на основе моделирования деформационного преобразования / А. Г. Плавник, А. Н. Сидоров // Математическое моделирование. 2018. Том 30. № 3. C. 19-36.
  8. Плавник А. Г. Обобщенная сплайн-аппроксимационная постановка задачи картирования свойств геологических объектов / А. Г. Плавник // Геология и геофизика. 2010. Том 51. № 7. C. 1027-1037.
  9. Сидоров А. Н. Определение и учет интегральных показателей в задачах геокартирования / А. Н. Сидоров, А. Г. Плавник // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2009. № 5. C. 16-20.
  10. Chai H. Analysis and comparison of spatial interpolation methods for temperature data in Xinjiang Uygur Autonomous Region, China / H. Chai et al. // Natural Science. 2011. Vol. 3. № 12. Pp. 999-1010. DOI: 10.4236/ns.2011.312125
  11. Chilès J. P. Geostatistics Modeling Spatial Uncertainty / J. P. Chilès, P. Delfiner. New York: Wiley, 1999. 695 p. DOI: 10.1002/9780470316993
  12. Desbarats A. J. Geostatistical mapping of leakance in a regional aquitard, Oak Ridges Moraine area, Ontario, Canada / A. J. Desbarats, M. J. Hinton, C. E. Logan, D. R. Sharpe // Hydrogeology Journal. 2001. № 9. Pp. 79-96. DOI: 10.1007/s100400000110
  13. Deutsch C. V. Geostatistical reservoir modeling / C. V. Deutsch. New York: Oxford University Press, 2002. 376 p.
  14. Falivene O. Interpolation algorithm ranking using cross-validation and the role of smoothing effect. A coal zone example / O. Falivene, L. Cabrera, R. Tolosana-Delgado, A. Sáez // Computers & Geosciences. 2010. Vol. 36. № 4. Pp. 512-519. DOI: 10.1016/j.cageo.2009.09.015
  15. Gong G. Comparison of the accuracy of kriging and IDW interpolations in estimating groundwater arsenic concentrations in Texas / G. Gong, S. Mattevada, S. E. O’Bryant // Environmental Research. 2014. Vol. 130. Pp. 59-69. DOI: 10.1016/j.envres.2013.12.005
  16. Gundogdu K. S. Spatial analyses of groundwater levels using universal kriging / K. S. Gundogdu, I. Guney // Journal of Earth System Science. 2007. Vol. 116. № 1. Pp. 49-55. DOI: 10.1007/s12040-007-0006-6
  17. Li J. Application of machine learning methods to spatial interpolation of environmental variables / J. Li, A. D. Heap, A. Potter, J. J. Daniell // Environmental Modelling and Software. 2011. Vol. 26. № 12. Pp. 1647-1659. DOI: 10.1016/j.envsoft.2011.07.004
  18. Mueller T. G. Map quality for ordinary kriging and inverse distance weighted interpolation / T. G. Mueller, N. B. Pusuluri, K. K. Mathias, P. L. Cornelius, R. I. Barnhisel, S. A. Shearer // Soil Science Society of America Journal. 2004. Vol. 68. № 6. Pp. 2042-2047. DOI: 10.2136/sssaj2004.2042
  19. Sidorov A. N. Use of variational methods in geological mapping / A. N. Sidorov, A. G. Plavnik, A. A. Sidorov, M. S. Shutov // Mathematics of Planet Earth: proceedings of the 15th Annual Conference of the International Association for Mathematical Geosciences (2-6 September 2013, Madrid, Spain) / ed. by E. Pardo-Igúzquiza, C. Guardiola-Albert, J. Heredia, L. Moreno-Merino, J. L. Durán, J. A. Vargas-Guzmán. New York; Dordrecht; London: Springer. 2013. Pp. 325-328. DOI: 10.1007/978-3-642-32408-6_72
  20. Wise S. Cross-validation as a means of investigating DEM interpolation error / S. Wise // Computers & Geosciences. 2011. Vol. 37. № 8. Pp. 978-991. DOI: 10.1016/j.cageo.2010.12.002