669

Рис. 3. Гистограмма PКОМПрег: пустые; нефтеносные

Гистограмма PКОМПрег приведена на рис. 3. Отсюда видно, что при значениях

PКОМПрег менее 0,5 преобладают пустые ячейки, а при значениях более 0,5 на-

блюдается резкое преобладание нефтеносных ячеек.

По данному уравнению для каждой ячейки были вычислены значения крите-

рия PКОМПрег и построена схема его распределения по территории Пермского края.

Данная схема использована для оценки перспектив региональной нефтегазоносности территории Пермского края [20]. Сопоставление разработанного критерия

PКОМПрег со средней плотностью нефтеносности Pln_sr и критерием изученности Piz

показало, что между ними существует значимая связь. Выполненный анализ данной связи показал, что на разных диапазонах значений Piz (рис. 4) связи имеют разные статистически значимые соотношения, что видно из таблицы.

Анализ данных уравнений показал, что при повышении степени изученности увеличиваются значения углового коэф-

фициента при PКОМПрег, что характеризует повышение эффективности геолого-

разведочных работ.

Анализ значений Pln_sr, PКОМПрег и Piz в ячейках позволяет дифференцировать

элементарные участки по степени перспективности.

К малоперспективным территориям можно отнести ячейки со значениями

PКОМПрег менее 0,5. Эти ячейки имеют низкую степень изученности и нулевую

или весьма низкую плотность нефтенос-

Рис. 4. Графики зависимости Pln_sr от PКОМПрег при разных интервалах Piz: PIZ: <= 0,4;

PIZ: (0,4;0,5]; PIZ: (0,5;0,7]; PIZ: > 0,4

Уравнения зависимости

Pln_sr от PКОМПрег

ности. Проведение геолого-разведочных работ на этих площадях связано с большими геологическими рисками. К таковым относится вся территория Ракшинской седловины; почти вся площадь Камского свода и Висимской впадины, за исключением самой восточной части; северная половина Верхнекамской впадины; северо-западная половина Пермского свода за пределами внешней прибортовой зоны ККСП; почти вся площадь Юрюзано-Сылвенской депрессии, кроме самого севера; крайняя восточная часть Косьвинско-Чусовской седловины; Верхнепечорская депрессия.

Наибольший интерес представляет выделение высокоперспективных ячеек, которые имеют высокий региональный потенциал нефтегазоносности, но характеризуются непредельно высокой степенью изученности, т.е. те ячейки

с высоким PКОМПрег, где еще можно открыть новые месторождения УВ. Из ма-

лоизученных площадей к таковым отне-

сены все ячейки со значением PКОМПрег более 0,75. На высокоизученных площа-

дях к таковым отнесены ячейки с

PКОМПрег более 0,75, располагающиеся ниже линии линейного тренда.

На рис. 5. приведена схема расположения выделенных таким образом высокоперспективных ячеек.

Заключение

Большинство высокоперспективных ячеек расположено на территории Башкирского свода, Бымско-Кунгурской впадины, Верхнекамской впадины и Соликамской депрессии. Общая площадь высокоперспективных земель составляет

14,4 тыс. км2.

Таким образом, выделенные высокоперспективные площади могут быть рекомендованы для проведения на них детальных геолого-разведочных работ с целью выявления локальных поднятий. На площадях высокоперспективных ячеек, где уже имеются разрабатываемые месторождения, рекомендуется проведение сейсморазведочных работ по технологии 3D, поскольку это позволит уточнить строение месторождений и достоверно выявить малоразмерные поднятия, возможно пропущенные при сейсморазведке в предыдущие годы.

Рис. 5. Расположение высокоперспективных ячеек:

высокопрочные ячейки; Pkompl_region:

<0,5; 0,5–0,75; >0,75;

данные отсутствуют

Введение

Одним из наиболее важных этапов при геолого-экономической оценке территории является прогноз объема запасов при освоении ресурсов нефти и газа. На сегодняшний день в мире существует множество методик оценки ресурсного потенциала перспективных объектов и рисков при поисковом или разведочном бурении [1–9]. Определение способа прогноза объема ресурсного потенциала и подбор дополнительных критериев к обоснованию коэффициента перевода ресурсов нефти и газа в запасы УВ являются наиважнейшей задачей при проведении региональной геолого-экономической оценки территории Пермского края [10].

Прогноз ресурсов и ожидаемых запасов потенциально нефтегазоносных территорий должен создать объективно полную картину размещения перспективных участков недр на территории Пермского края.

В настоящее время при региональной количественной оценке ресурсов углеводородов согласно «Методическому руководству по количественной и экономической оценке ресурсов нефти, газа и конденсата России» широко распространен способ удельных плотностей запасов на единицу площади, основанный на методе геологических аналогий [12]. Суть метода заключается в выделении эталонных

ирасчетных участков, где поиски и разведка ведутся по одной методике и сходным комплексом технических средств в пределах одного нефтегазоносного этажа

иодной тектонической зоны. Данный метод позволяет в экспрессном режиме оценить ресурсный потенциал перспек-

тивного участка (ресурсы категории Д1л, Д1, Д2), что является одним из основных его достоинств. Для подготовленных

объектов с категорией ресурсов С3 оценка ресурсов выполняется объемным методом [13], который учитывает распространение углеводородов в объеме залежи с учетом геологического строения месторождений-аналогов. Оценка ресур-

16

сов с помощью построения верятностностатистических методов прогноза описана в работах [6–9]. Вопросы прогноза перспектив глубоко погруженных (додевонских) отложений территории исследования представлены в работе [11].

Анализ коэффициента подтверждаемости

Проанализируем коэффициент подтверждаемости ресурсов структур на территории Пермского края за последние 20 лет (рис. 1). Общий тренд показывает, что вместе с совершенствованием техники и технологии подготовки структур растет и коэффициент подтверждаемости. Тем не менее для построения более точной и адекватной геолого-экономической модели, на основании которой можно принимать управленческие решения, необходимо выявление зависимостей и поправочных коэффициентов между перспективными ресурсами и фактическими запасами разбуренныхпродуктивныхструктур.

Построение статистических моделей

С помощью построения статистических моделей и выявления зависимостей между ресурсами и фактическими запасами структур определен метод прогнозной оценки ресурсов и запасов для каждого тектонического элемента Пермскогокрая.

Ранее в работах В.И. Галкина, А.В. Растегаева, В.Л. Воеводкина и других были построены статистические модели соотношения ресурсов и запасов нефти в Пермском крае [14–19]. Последние исследования соотношений между ресурсами и запасами проводились по 108 продуктивным структурам, подготовленным в период с 1949 по1999 г. В результате исследований были получены многомерные модели для территории Березниковского и Гежского палеоплато:

Zsumr = 0,0094 +0,5119RD3 f − Clt +

+0,1676RClvl − 2 +5,9153RC2 ;

для глубоководного шельфа:

Zsumr = 0,0300 + 0,5946RD3 f −Clt +

+0, 4893RClvl − 2 − 0,1578RC2 при R = 0,93;

для северо-западного барьерного рифа:

Для остальных структурно-фациальных зон многомерные модели построить не удалось.

В настоящей работе для установления зависимостей и построения моделей в обучающую выборку были приняты продуктивные объекты, подготовленные и разбуренные в 1990–2011 гг. Формирование выборки было основано на следующих ключевых моментах: 1) до 90-х гг. качество подготовки структур было достаточно низкое как на территории России, так и в Пермском крае; 2) с 2000 г. на территории Пермского края появляется сейсморазведка 3D – уже в «промышленных объемах» и как один из основных методов подготовки структур; 3) на основании приказа Министерства природных ресурсов Российской Федерации №126 от 07.02.2001 г. ресурсы всех подготовленных объектов необходимо оценивать объемным методом.

В разрезе основных нефтегазоносных комплексов для каждого тектонического элемента былипостроены графикизависи-

Рис. 2. Корреляционные поля между R

и ZsС1 + С2 (комплекс С2): С3 (объемн.), тыс. т;

С3 (плотн.), тыс. т

мостей между ресурсами, рассчитанными объемным методом (Rобъем), и фактическим запасами ( ZC1 +C2 ), а также ресурсами, оце-

ненными плотностным методом (Rплот) ифактическим запасами( ZC1 + C2 ) [16].

Рассмотрим модели, построенные для среднекаменноугольного нефтегазоносного комплекса C2. Корреляционное поле между суммарными запасами и ресурсами в целом для Пермского края приведено на рис. 2.

Установлено что структуры с запасами более 3 млн т не контролируются моделью и ухудшают корреляционную связь между ресурсами и запасами разбуренных структур. Связь между ресурсами (оцененными объемным методом) и запасами статистически значимая (r = 0,57) и может быть описана следующим уравнением регрессии:

Рис. 4. Корреляционные поля между Rsum и Zsum для всего Пермского края (комплекс C1v1-2): С3 (объемн.), тыс. т; С3 (плотн.), тыс. т

ZC1 +C2 = 54,4006 + 1,2244 R(объем).

При построении моделей для каждого тектонического элемента в отдельности наилучшие коэффициенты корреляции, отражающие достоверность модели, удалось получить для Верхнекамской впадины (ВКВ) и Соликамской депрессии (СолД), коэффициенты корреляции составили 0,96 и 0,95 соответственно (рис. 3).

Уравнения регрессии для этих двух тектонических элементов имеют следующий вид:

ZC1 +C2 = 43,7275 + 0,4511 R(объем) – дляВКВ;

ZC1 +C2 = –35,1639 + 3,2783 R(объем) –

для СолД.

В идеале, когда запасы надежно контролируются ресурсами, свободный член уравнения должен стремиться к нулю, угловой коэффициент – к единице и коэффициенткорреляции – такжек единице.

Рис. 5. Корреляционные поля между Rsum и Zsum

для ВКВ (комплекс C1v1-2): С3 (объемн.), тыс. т; С3 (плотн.), тыс. т

Ксожалению, полученные модели не позволяют однозначно использовать их при прогнозе ожидаемых запасов, но достаточно четко можно наблюдать преимущество объемного метода оценки ресурсов перед методомудельных плотностей.

Далее расмотрим наиболее представительный нижне-среднекаменноугольный нефтегазоносныйкомплексC1v1-2 (рис. 4).

Как видно из графика, наблюдается достаточно слабая корреляционная зависимость. Наилучшие статистически модели получены для территории Верхнекамской впадины и Соликамской депрессии, коэф-

Рис. 6. Корреляционные поля между Rsum и Zsum

для СолД (комплекс C1v1-2): С3 (объемн.), тыс. т; С3 (плотн.), тыс. т

Рис. 7. Корреляционные поля между Rsum и Zsum для всего Пермского края (комплекс D3f–C1t): С3 (объемн.), тыс. т; С3 (плотн.), тыс. т

Для Башкирского свода и остальных тектонических элементов получить надежные статистические зависимости не удалось.

Подтверждаемость ресурсов верхне- девонско-турнейского нефтегазоносного комплекса в разрезе всей территории Пермского края имеет более уверенную модель, которую можно описать уравнением следующего вида (рис. 7):

ZC1 +C2 = 80,1619+0,3311 R(объем).

При анализе и построении моделей комплекса по тектоническим элементам модель распадалась, корреляционные зависимости ухудшались.

Полученная модель по девонскому нефтегазоносному комплексу построена по данным 4 структур и имеет вид

Рис. 8. Корреляционные поля между Rsum и Zsum для всего Пермского края (комплекс D3): С3 (объемн.), тыс. т; С3 (плотн.), тыс. т

ZC1 +C2 = –60,2569 + 0,7503 R(объем),

коэффициент корреляции составил 0,92 (рис. 8).

Заключение

Применение полученных моделей для определения количества ожидаемых запасов до сих пор остается под вопросом, слишком неоднозначны полученные результаты, представленные по тектоническим элементам. Проведенный анализ позволил определить методы оценки ресурсов для различных тектонических элементов (таблица).

Анализируя таблицу, можно сделать вывод о том, что для ряда наиболее изученных территорий оценку ресурсов необходимо выполнять объемным методом. Для территорий с наименьшей изученностью предпочтителен метод удельных плотностей на единицу площади. В случае, если на исследуемой территории существует закартированный объект (даже недоизученный), то оценку ресурсов необходимо проводить с помощью объемного метода. Работами Г.Ю. Ильиных и других ученых было доказано, что отрицание существования этих объектов и их неучет при геолого-экономическом моделировании приводят к недооценке большинства перспективных участков недр [20–23]. Подобных объектов, по предварительной оценке, на территории Пермского края более 1 тысячи.

19