СОДЕРЖАНИЕ

На правах рукописи




Пьянков Владимир Николаевич




МОДЕЛИ И АЛГОРИТМЫ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИХ
СИСТЕМ ДЛЯ ПОДДЕРЖКИ МОНИТОРИНГА РАЗРАБОТКИ
НЕФТЯНЫХ МЕСТОРОЖДЕНИЙ




Специальность 05.13.18 – Математическое моделирование,
численные методы и комплексы программ




Автореферат
диссертации на соискание ученой степени
кандидата технических наук




Тюмень – 2004
2


Работа выполнена в Тюменском государственном университете.


Научный руководитель: доктор технических наук,
доцент Глухих Игорь Николаевич


Официальные оппоненты: доктор технических наук, профессор
Туренко Сергей Константинович
кандидат физико-математических наук,
Ганопольский Родион Михайлович


Ведущая организация: ФГУП «Западно-Сибирский научно-
исследовательский институт
геологии и геофизики», г.Тюмень




Защита состоится 3 июня в 13 час. 00 мин. на заседании диссертационного
совета K 212.274.01 при Тюменском государственном университете по
адресу: 625003, г.Тюмень, ул. Перекопская, 15а, ауд.217.




С диссертацией можно ознакомится в библиотеке Тюменского
государственного университета.
Автореферат разослан “__ “ апреля 2004 г.




Учёный секретарь
диссертационного совета Бутакова Н.Н.
3
Актуальность работы.

Реалией любого нефтедобывающего предприятия является мониторинг
процесса разработки месторождения. Мониторинг включает в себя сбор и
хранение геолого-промысловых данных, анализ и прогноз процессов
разработки месторождения, планирование геолого-технологических
мероприятий (ГТМ) с целью обеспечения воздействия на залежь. Несмотря
на достаточно длительный период развития аппарата математического
моделирования при решении задач нефтедобычи, эта тема не исчерпана и
требует дополнительной разработки:
• в области двумерного геологического моделирования это связано с
характером исходных данных (недостаточное качество, неравномерность
покрытия изучаемой площади);
• в области трехмерного геологического моделирования с
необходимостью получения новых эффективных алгоритмов учитывающих
априорную информацию;
• в области автоматизации мониторинга разработки – математический
аппарат для формализации представлений, моделирования, анализа
проведенных и планируемых ГТМ, позволяющий отражать не только факт
управляющего воздействия (дату, тип ГТМ и т.п.), но так же его структуру,
содержание и ситуационный контекст мероприятия.
Мониторинг разработки месторождений предполагает обработку и
хранение большого объема предметно-ориентированной информации. Для
организации эффективной системы управления разработкой месторождения
необходимо наличие в нефтяной компании интегрированной
информационно-аналитической системы поддержки мониторинга (ИАС
ПМ), которая позволила бы не только автоматизировать работу с этой
информацией, но и обеспечила бы её эффективное использование на основе
методов моделирования оптимизации и поддержки принятия управленческих
решений. Задачи создания математических моделей и алгоритмов таких
систем определили содержание диссертационного исследования.
4
Цель работы: разработка математического и алгоритмического обеспечения,
программных средств ИАС ПМ разработки нефтяных месторождений.

Для достижения цели в работе решены следующие задачи:
• проведен анализ предметной области мониторинга нефтяных
месторождений, разработаны концептуальные основы построения отраслевой
ИАС ПМ;
• разработаны модели представлений ГТМ, обеспечивающие
алгоритмизацию задач их анализа средствами ИАС ПМ;
• разработана модель функционала для построения полей геологических
параметров используемых при принятии решений в разработке
месторождения;
• разработан метод построения цифровых трехмерных геологических
моделей в ИАС ПМ с использование двумерных моделей;
• на основе разработанных моделей и алгоритмов реализован
интегрированный программный комплекс (ИПК) «Баспро Аналитик 2000».

Научная новизна
В работе предлагаются методы решения задач, возникающих в процессе
построения отраслевой ИАС ПМ, основанной на использовании постоянно-
действующей геолого-технологической модели (ПДГТМ). Получены
следующие новые результаты:
1. Разработаны математические модели представления ГТМ,
обеспечивающие алгоритмизацию и автоматизацию решения задач
структурного, параметрического и ситуационного анализа ГТМ.
2. Разработана универсальная конструкция функционала для решения задач
построения полей геологических параметров.
3. Разработан метод построения трехмерных геолого-математических
моделей позволяющий использовать для трехмерного моделирования
существующие двумерные модели.
5
Практическая ценность работы.
Разработанные модели и алгоритмы использовались при создании ИПК
«Баспро Аналитик 2000». В настоящее время ИПК успешно используется при
реализации процесса мониторинга разработки в геологических
подразделениях нефтяной компании ОАО «ТНК-BP». Ряд положений
работы вошёл в регламенты «Тюменского нефтяного научного центра»,
регламентирующих аналитическую деятельность в подразделениях ОАО
«ТНК».

Апробация работы
Результаты работы докладывались на конференциях и в организациях:
1. IV международная научно-техническая конференция «Математическое
моделирование физических, экономических, технических, социальных
систем и процессов». Ульяновск, УлГТУ, 2001.
2. II Всероссийской научной конференции «Геология и
нефтегазоносность Западно-Сибирского мегабассейна». Тюмень, ТюмГНГУ,
2002.
3. Научно-техническая конференция, посвящённая 90- летию со дня
рождения В.И. Муравленко. Тюмень, ТюмГНГУ, 2002.
4. VI научно-практической конференции «Пути реализации
нефтегазового потенциала Ханты-Мансийского автономного округа». Ханты-
Мансийск, ГУП ХМАО «НАЦ РН», 2002
5. III Всероссийской научной конференции «Геология и
нефтегазоносность Западно-Сибирского мегабассейна». Тюмень, ТюмГНГУ,
2004
Научные и практические результаты работы опубликованы в печатных
изданиях, получены свидетельства на регистрацию программ для ЭВМ.

Основные положения, выносимые на защиту
1. Математические модели представления ГТМ.
2. Универсальная конструкция функционала для решения задач построения
полей геолого-промысловых параметров.
6
3. Метод построения двухмерных и трехмерных геолого-математических
моделей на основе регуляризационного подхода.

Структура работы
Диссертация состоит из введения, четырех глав, заключения и приложений.
Объем диссертации – 145 страниц, включая 26 иллюстраций и список
литературы из 54 наименования.

Содержание работы
Во введении обоснована актуальность темы диссертации, сформулированы
цель работы, научная новизна, практическая значимость работы, основные
положения, выносимые на защиту.
В главе 1 проведён анализ рассматриваемой предметной области. В ней
выполнен обзор развития нормативной базы, на которой основывается
практика мониторинга нефтяных месторождений, а так же анализ
применения специальных видов геологических моделей. Цель анализа –
определение направлений по развитию методов мониторинга на основе
информационно-аналитических моделей. В главе предложена схема
движения потоков информации и принятия решений с использованием ИАС
ПМ, приведено описание общих принципов организации корпоративного
банка данных нефтяной компании для обеспечения поддержки мониторинга
разработки месторождений.
В главе 2 описаны разработанные автором формальные конструкции
языка, информационные модели, используемые для представления и анализа
ГТМ. При выборе оптимальных технологий воздействия на залежь
необходим анализ эффективности уже выполненных ГТМ: используемых
операций, рецептур агентов воздействия и т.п. Для решения этой задачи
предложена система, позволяющая в рамках единого формализованного
языка описывать ГТМ с различной степенью детальности, и учитывающая:
• тип проведенного ГТМ по принятой системе классификации, дату
проведения, исполнителя ГТМ, успешность мероприятия;
7

• основные характеристики ГТМ (объем затраченных реагентов, созданные
депрессии на пласт и т.п.);
• перечень проведенных операций (в принятой системе классификации), их
последовательность, время реализации;
• параметры и ресурс каждой операции.
Первые два пункта относятся к макроуровню описания, последние - к
«рецептуре» (микроуровню).
В основе языка лежит обобщенная абстрактная конструкция T:
T = <K, P, Y> (1)
где: K - класс (тип) объекта из универсума классов ?;
P – множество параметров описания объекта pi в виде <атрибут:
значение>;
Y – множество компонент объекта уj, которое может быть пустым. В
общем случае уj задается в виде (1).
Элемент конструкции P определяет параметризацию объекта; Y
предоставляет возможность иерархического описания. Существует, по
крайней мере, один из атрибутов, значение которого идентифицирует
конкретный объект, описываемый конструкцией T.
Выделено три основных универсума, формирующих структуру ГТМ:
операции (действия) - KP, агенты (оборудование) - KA, среда операции - KS.
Для каждого из классов универсума вводится зависимость K? P,
позволяющая путем задания класса объекта однозначно определять
множество характеризующих его параметров. Использование универсальной
конструкции позволяет формировать дерево произвольной глубины. Связь
между узлами дерева реализуется через включение в состав конструкции Y.
При этом конечный узел дерева (в приведенных примерах это агент
операции) не должен содержать компонент, т.е. его Y=? . При описании ГТМ
в иерархической структуре, как правило, выделяются следующие четыре
уровня: уровень мероприятия, уровень операции, уровень фазы (цикла)
операции и уровень агента.
8
Для решения задач анализа ГТМ предложен набор базовых операций над
элементами введенных универсумов, представленных конструкцией (1).
Среди основных операций над объектами можно выделить теоретико-
множественные операции и операции с последовательностями.
На базе предложенного аппарата сформулированы задачи структурного,
параметрического анализа ГТМ и предложены их решения на основе
введенных мер (показателей):
- структурного сходства (нечёткого равенства) объектов
µS( x1, x2 ) = min {?(x1, x2), ?(x2, x1)},
где: x1, x2 - объекты вида (1);
?(x1, x2) – степень нечёткого включения структуры объекта x1 в x2;
- параметрического сходства объектов
N
? ? j (1 ? ? j ) ,
µE (P1, P2) =
j=1

где: P1, P2 - наборы параметров объектов вида (1) из одного класса;
?(x1, x2) – степень нечёткого включения структуры объекта x1 в x2;
N
? ? j = 1;
?j? 0 – весовой коэффициент,
j=1

?j - параметр, учитывающий попадание j-ых элементов из P1, P2
в одно или разные подмножества домена значений;
- комплексный показатель для оценки сходства объектов:
µ (x1, x2) = ?S µS(x1, x2) + ?E µE(P1, P2),
где: ?S, ?E - весовые коэффициенты.
В целях учёта ситуационного контекста, на фоне которого выполнялось
(планируется) ГТМ, разработаны модели представления ситуаций на
гиперграфах. Предметно, в множестве ситуаций выделяются
технологическая, геологическая, промысловая ситуации. Введено
формальное представление ситуаций Sit набором признаков–атрибутов: Sit =
{Ai | i=1,2,3…. }. В зависимости от степени определённости значений Аi,
определены: обобщенная, уточненная и конкретная ситуации, а так же
9
ситуация пользователя (анализируемая, текущая). Для отражения связи
между ситуациями и ГТМ используются гиперграфы вида:
H (U, X, Г),
где: U – множество рёбер, соответствующее множеству подмножеств
значений Аi;
X – множество ГТМ;
Г: U->X.
В терминах предложенного аппарата сформулированы задачи:
идентификации ситуации по ГТМ; поиска ГТМ в базе знаний по описанию
ситуации; сравнения ситуаций и др.
На основе полученных выше результатов излагаются основные
принципы создания корпоративной базы знаний нефтяной компании,
предназначенной для хранения, развития, использования опыта и
эмпирических знаний специалистов.

Третья глава посвящена развитию аппроксимационных методов при
построении полей параметров цифровых трехмерных и двумерных
геологических моделей с использованием априорной информации, учетом
неравноправности исходных данных.
В разделе 3.1 дано краткое описание классических подходов к построению
полей геологических свойств и признаков. Как правило, аппроксимационная
(интерполяционная) функция P(x,y) заданная в двумерном пространстве
находится в виде разложения по некоторому базису ?k(x,y), k=1,2,3, …
?
P(x, y) = ? a m ?? m (5)
m =1


неизвестные коэффициенты am определяются из условий минимизации
некоторого функционала:
2
(6)
Ф( P) = AP ? u = min
M


где: u – исходные данные (граничные условия), заданные на некотором
множестве B; A – оператор, возвращающий значения P на B; M – метрика,
учитывающая различную значимость исходных данных.
10
При решении задачи аппроксимации возникают следующие проблемы
выбора: вида базисных функций ?k(x,y); количества базисных функций;
весовых коэффициентов, определяющих метрику М. В работе
рассматривается последняя из перечисленных проблем.
Анализ используемых данных при построении карт параметров
позволяет выделить два типа их неравноправия. Первый тип связан с
геометрическим неравноправием: исходные данные, приписанные скважинам
(точкам пространства), характеризуются неравномерной плотностью
распределения по площади месторождения. Учёт такой неравномерности
предлагается производить с помощью весовых коэффициентов.
В работе показан следующий способ получения весовых
коэффициентов. Зададим функционал (6), определяющий аппроксимацию
существующей функции u(x, y) сложной структуры, модельной функцией
P(x,y), имеющей более простую структуру в виде:
D
Ф( P) = ? ( P(x, y) ? u(x, y)) 2 d ? (7)
?


где: d? ? площадной элемент интегрирования.
Пусть значения аппроксимируемого признака в точках с номером l
(скважинах) определяются по правилу: u l = u(x l , y l ) , Pl=P(xl,yl). Тогда при
численном интегрировании с использованием каких-либо квадратурных
формул функционал (7) запишется в виде:
N
Ф( P) = ? ( Pl ? u l ) 2 ? ? l (8)
l =1


где: ?l - коэффициенты выбранной квадратурной формулы.
Второй тип неравноправия исходных данных связан с использованием
существенно разнородной информации, полученной разными средствами и
имеющей разную степень точности (например, данные сейсморазведки и
скважинных измерений). Учёт влияния этого факта предполагает введение
информационных весовых коэффициентов µ l в (8), что придаст ему вид:
11
N
Ф( P ) = ? ( Pl ? u l ) 2 ? ? l ? µ l (9)
l =1


Функционал внешне напоминает функционал метода наименьших квадратов:
N
Ф( P) = ? ( Pl ? u l ) 2 ? ? l (10)
l =1


в котором весовые коэффициенты ? l должны назначаться экспертом на
основе эмпирических сведений. В работе предлагается представление этого
коэффициента в виде конструкции ? l = µ l ? ? l , в которой геометрический
весовой коэффициент определяется алгоритмическим путем из квадратурных
формул.
Введенная конструкция дает понимание того факта, что использование
равных весовых коэффициентов в слагаемых функционала (например равных
1) на практике означает некорректный учет качества исходных данных в
функционале (10). Действительно, тождество µ l ? ? l ? 1 при геометрической
неравнозначности исходных данных, и, как следствие, отличия их
геометрических коэффициентов, означает автоматическое включение в
1
выражение (10) информационных коэффициентов µ l = .
?l

Далее, принцип учета геометрической и информационной
составляющих расширен на случай задания граничных условий не только в
точках, но и на произвольных кривых. В результате, в общем случае
функционал (10) принимает универсальный вид:
NV NV M
Ф ( P) = ? ? l ? ( Pl ? u l ) = ? ? l ?(? a m ? ? m ,q ? u q ,v ) 2
2
(11)
l =1 l =1 m =1


где: ? l - обобщенные весовые коэффициенты, учитывающие геометрическую
и информационную составляющие при задании граничных условий на V
кривых (представляемых конечным набором точек) и N точек
Pv

соответствующих скважинам.
Функционал (6) ориентирован на учет граничных условий, какая-либо
дополнительная априорная информация в нем не учитывается. В тоже время,
12
зачастую карту геологического признака необходимо построить на
достаточно большой области, на которой возможно существование
подобластей не содержащих данных. Закономерности поведения поля в этом
случае можно задавать с помощью априорно известной региональной
составляющей - тренда. Использование тренда становится возможным при
добавлении к минимизируемому функционалу (6) слагаемого вида
D ( P ( x, y ) ? T ( x, y ) )
2
, где T(x,y) – функция тренда, а D – некоторый оператор.
L2



Функционал, который следует минимизировать будет иметь вид:
N
Ф(a1 ,.., a M , t1 ., t M , ?1 ,., ? N ) = ? ? n Dn (P( x, y ) ? T ( x, y ) ) L + ? ?l [P(xl , y l ) ? u l ] (12)
2
l =1
n


Пусть введенные в функционал переменные al, tm , по которым он
минимизируется, входят в представление интерполирующей поверхности
следующим образом:
N M
P ( x, y ) = ? al Bl (x, y ) + ? t mTm ( x, y ) (13)
l =1 m =1


Базисные функции Tm ( x, y ) покрывают все поле с равномерным и
достаточно большим шагом, тогда их носитель может быть достаточно
широким, и число коэффициентов tm мало. Базисные функции Bl(x,y)
заведомо не покрывают все поле и могут даже не пересекаться.

Раздел 3.2 посвящен формализации методов оценки качества трехмерных
геологических моделей. Процедуры экспертизы сведены в граф анализа, в
котором наряду с принятыми критериями адекватности модели в скважинах,
предлагается использовать критерии, основанные на адекватности связанных
с ними функциональных распределений. В качестве одного из таких
распределений автором предлагается гистограмма значений поля
геологического признака, названного «спектром».
В предлагаемом методе оценки адекватности «спектров» множество
ячеек модели рассматривается как генеральная совокупность событий -
pmodel , множество исходных данных в скважинах, как выборочная
13
well
совокупность p . В качестве критерия, характеризующего степень подобия
гистограмм, помимо их визуального сходства, используется величина их
среднеквадратичного отклонения:
2
M

?| p
CP = ? pm el |
wells mod
где M – число диапазонов спектра.
m
m=1


Высокая степень подобия фактических и модельных данных выражается в
малом значении критерия CP, уровень значимости которого устанавливается
экспертом.
Раздел 3.3 посвящен разработке методов построения двумерных и
трехмерных моделей на основе регуляризационного подхода [Тихонов А.Н.,
Арсенин В.Я.] и введенного автором принципа эквивалентности. Наиболее
распространённый вариант построения трехмерной модели предполагает
представление геологического пространства декартовым произведением
K
независимых двумерных подпространств - слоёв: ? = ? ? 2 k . Геометрия 3

k =1


каждого слоя определяется по формуле:
Z К ( x, y )

t k ? [0,1] параметр, определяющий
Z k ( x, y ) = t k ? Z КР ( x, y ) + (1 ? t k ) ? Z П ( x, y ) , где

границу k-го слоя; Z КР ( x, y ) , Z П ( x, y ) - поверхности кровли и подошвы пласта.
? m = ? m ( x ? xm , y ? y m )
Аппроксимирующий функциональный базис
[Волков А.М. 1988] при условии совпадения сеток функций и областей их
определения образует линейное пространство. Так, в случае суммы двух
M M M
функций: P1 + P2 = ? a m ,1? m + ? a m , 2? m = ? (a m ,1 + a m , 2 )? m . Сумма, как видно,
m =1 m =1 m =1

является ассоциативной и коммутативной, а операция над функциями
сводится к выполнению операций над их коэффициентами.
В зависимости от способа представления поля распределения коллектора
˜
выделяют два типа моделей. Первый тип F 3 ( x, y | k ) - интерполяционный, при
построении моделей которого предполагается, что коллектор распространен
)
везде, а область определения - односвязанная. Второй тип F 3 ( x, y | k ) -
14
идентификационно-интерполяционный, при построении моделей которого
(
решается задача идентификации зон отсутствия коллектора Dk 3 ( x, y ) в
( (3
каждом слое, совместно образующих семейство D 3 = {Dk ( x, y ) | k = 1, K } .

Область определения модели этого типа является многосвязанной.
Для сравнения двумерных и трехмерных моделей, последние приводят к

двумерному виду в результате послойного суммирования с
G 2 ( x, y )

использованием весовых коэффициентов (мощностей слоев или
ассоциированных с ними параметров) ? k ( x, y ) :
K M

? ? k ( x , y ) ? a k ,m ? m (14)
G (x, y) =
2

k =1 m =1


Модель F 3 ( x, y | k ) считается эквивалентной F 2 ( x, y ) ( ? z - эквивалентной),

если для полей параметров выполняется равенство функций G 2 ( x, y ) и
2
F 2 ( x, y ) в области определения D (x,y).

В результате выводов, ? z - эквивалентность была установлена для
моделей интерполяционного типа, что связано с линейностью
преобразований, используемых при их построении. Установленное
соотношение позволило автору предложить алгоритмы построения
двумерных моделей эквивалентных трехмерным.
Для моделей идентификационно-интерполяционного типа принцип ? z -
)2
эквивалентности не выполняется: поля параметров моделей F ( x, y ) и G ( x, y ) 2



не совпадают, и это отличие будет тем сильнее, чем больше неоднородность
среды. Данный факт связан с отсутствием свойств линейности
преобразований, использованных при построении таких моделей.
Использование трехмерных моделей при мониторинге требует
расширения возможностей по учёту в них разнородной априорной
информации, при минимальных затратах на создание и последующую
модификацию. Достижение этой цели видится в использовании
регуляризационных методов. Предлагается, что роль стабилизатора,
выражающего закономерности изменения свойств по площади и
15
в уравнении коэффициентом ? , будет играть двумерная
учитываемого
модель F 2 ( x, y ) :
2
2

() ˜
˜ ˜
? F 3 = F 3 (x , y | k ) ? u (15)
+ ? ? G 2 ( x, y) ? F 2 ( x, y)
M L2


˜
В частности, при построении F 3 ( x, y | k ) и F 2 ( x, y ) на основе одних и тех же
данных и алгоритмов, стабилизатор, в соответствии с принципом
эквивалентности, равен нулю. Влияние стабилизатора на результат будет
проявляться лишь в том случае, если F 2 ( x, y ) содержит существенно иную
информацию по сравнению с использованной при построении ЦТАГМ.
Решение задачи (15) сводится к решению системы линейных уравнений,
относительно K*M неизвестных коэффициентов a m , k :
K M N N K K

? ? a (? ? ? ? t ,l + ? ? ? ((? k ? m? t ) i , j ) = ? ? l ? ? t ,l u + ? ?? (? t ? f ) i , j (16)
k
m ,k l m ,l l
k =0 m l =1 l =1 k =1 i , j k =1
i, j


Здесь t = 1, K * M , а ? определяется по итерационному алгоритму с
использованием информации об установленном уровне погрешности. Задачу
построения модели идентификационно-интерполяционного типа в
регуляризационной постановке сводится к минимизации функционала:
2

()
?
) ˜
= F 3 (x , y | k ) ? u
2
(17)
+ ? ? G 2 ( x, y ) ? G 2 ( x, y )
? F3
M
L2

˜
Вследствие эквивалентности моделей F ( x, y ) и F 3 ( x, y | k ) , в стабилизаторе 2


˜
вместо F ( x, y ) можно использовать G 2 ( x, y) .
2




Четвёртая глава посвящена описанию структуры и интерфейсов ИПК
«БАСПРО Аналитик 2000» и основным результатам решения задач
мониторинга Росташинского месторождения с использованием
представленных в работе алгоритмов.

Основные результаты диссертации
1. Предложены математические модели представления и анализа ГТМ;
ситуационные модели для решения задач анализа ГТМ с учётом
16
геологической, технологической и промысловой ситуаций, на фоне которой
выполняется ГТМ.
2. Разработана универсальная конструкция функционала для построения
полей геологических параметров в случае неравнозначной исходной
информации.
3. На основе введенных принципов эквивалентности геологических моделей
разработаны алгоритмы построения трехмерных и двумерных моделей.
4. На основе полученных теоретических результатов разработан и внедрён в
промышленную эксплуатацию программный комплекс «БАСПРО Аналитик
2000» в ОАО «ТНК».
Основное содержание диссертационной работы изложено в следующих
публикациях:
1. Джафаров И.С., Пьянков В.Н. Концепция ОАО «ТНК» в области
создания и эксплуатации постоянно-действующих геолого-технологических
моделей нефтяных месторождений //Нефтяное хозяйство. - 2002. - №6. -
С.23-26.
2. Джафаров И.С., Львов В.И., Пьянков В.Н., Алтунин А.Е. Корпоративный
банк данных геолого-промысловой информации Тюменской нефтяной
компании// Нефтяное хозяйство. - 2002. - №6. - С. 55-58.
3. Пьянков В.Н. Новые информационные технологии в управлении
добычей нефти // Нефтяное хозяйство. - 1997. - №10. - С. 76-78.
4. Глухих И.Н., Пьянков В.Н. Математический аппарат гиперграфов в
задачах моделирования ситуаций в нефтедобыче // Математическое
моделирование физических, экономических, технических, социальных
систем и процессов: Тр. IV международной науч.-техн. конф. – Ульяновск:
УлГТУ, 2001. - С. 52-54.
5. Глухих И.Н., Пьянков В.Н., Заболотнов А.Р. Ситуационные модели в
корпоративных базах знаний геолого-технологических мероприятий //
Нефтяное хозяйство. - 2002. - №6. - С.45-48.
17
6. Пьянков В.Н., Глухих И.Н. Математическое моделирование геолого-
технологических мероприятий // Математическое и информационное
моделирование. - Тюмень: ТГУ, 2002. - Вып. 4. - С. 60-68.
7. Глухих И.Н., Пьянков В.Н. Моделирование задач анализа геолого-
технологических мероприятий // Математическое и информационное
моделирование. - Тюмень: ТГУ, 2002. - Вып. 4. - С. 69-78.
8. Пьянков В.Н., Медведев Е.А., Чехонин Г.Д. Разработка системы
мониторинга геолого-технологических мероприятий // Математическое и
информационное моделирование. - Тюмень: ТГУ, 2002. - Вып. 4. - С. 79-84.
9. Пьянков В.Н. Алгоритмы идентификации параметров модели Баклея-
Леверетта в задачах прогноза добычи нефти // Нефтяное хозяйство. - 1997. -
№10. - С. 62-65.
10. Кутрунов В.Н., Пьянков В.Н., Дмитриевский М.В., Каскадные
алгоритмы обработки геофизической информации // Вестник Тюменского
университета. - Тюмень: ТГУ, 2001. - №2. - С. 190-197.
11. Пьянков В.Н., Кутрунов В.Н., Дмитриевский М.В. Схемы решения
аппроксимационных задач при задании граничных условий на кривых //
Математическое и информационное моделирование. - Тюмень: ТГУ, 2002. -
Вып. 4. - С. 7-17.
12. Пьянков В.Н., Дмитриевский М.В. Универсальная конструкция
функционала в задачах аппроксимации полей параметров // Геология и
нефтегазоносность Западно-Сибирского мегабассейна: Мат. докл. II
Всероссийской науч. конф. Мат. докл. - Ч. 4. – Тюмень, 2002. - С. 80-82.
13. Пьянков В.Н., Дмитриевский М.В. Построение математических моделей
месторождений с использованием методов регуляризации // Моделирование
технологических процессов нефтедобычи. – Тюмень, Вып. 3, Ч. 1. - С. 74-80.
14. Пьянков В.Н., Дмитриевский М.В. Один способ учёта данных различной
информационной значимости в задачах построения интерполяционных и
аппроксимационных сплайнов на подпространствах // Нефть и газ: проблемы
недропользования, добычи и транспортировки: науч.-техн. конф.
18
посвящённая 90- летию со дня рождения В.И. Муравленко. Мат. докл. –
Тюмень, ТюмГНГУ, 2002. - С. 5-7.
15. Джафаров И.С., Пьянков В.Н., Сыртланов В.Р., Исмагилов Р.Г.
Самотлорское месторождение современные подходы к решению задач
разработки // Нефтяное хозяйство. - 2002. - №6. - С. 27-30.
16. Пьянков В.Н., Сыртланов В.Р., Майсюк Д.М. Построение единой
геологической модели Самотлорского месторождения // Пути реализации
нефтегазового потенциала Ханты-Мансийского автономного округа: VI
науч.-практ. конф. Мат. докл. 2002 г. -Ханты-Мансийск, 2003. т.2. С. 152-159.
17. Пьянков В.Н., Сыртланов В.Р., Филев А.И. Экспертная система оценки
качества построения геолого-технологическихмоделей месторождений //
Нефтяное хозяйство. – 2002. - №6. С. 31-34.
18. Билалов Т.С., Пьянков В.Н. Интегрированный программный комплекс
геолого-промыслового анализа «БАСПРО-Аналитик» // Нефтяное хозяйство.
- 1997. - №10. - С. 73-75.

Авторские свидетельства на программные продукты:
1. Свидетельство об официальной регистрации программы для ЭВМ
№2001611672 «GTM» Российское агенство по патентам и товарным знакам,
М., 2001, (авторы: Пьянков В.Н, Смирнов А.В, Кончичев М.М).
2. Свидетельство об официальной регистрации программы для ЭВМ
№2001611676 «Geoline» Российское агенство по патентам и товарным
знакам, М., 2003. (авторы: Пьянков В.Н, Сидоров А.В, Сергеева Н.С,
Кончичев М.М и др.)
3. Свидетельство об официальной регистрации программы для ЭВМ
№2001611674 «Cubista» Российское агенство по патентам и товарным
знакам, М., 2001, (авторы: Пьянков В.Н, Цушко В.В, Сергеева Н.С и др.)
4. Свидетельство об официальной регистрации программы для ЭВМ
№2001611670 «Charvi» Российское агенство по патентам и товарным знакам,
М., 2001, (авторы: Пьянков В.Н, Смирнов А.В, Кончичев М.М и др.)



СОДЕРЖАНИЕ