Прогнозная карта коэффициента песчанистости
Модуль Прогноз
предназначен для прогнозирования по
косвенным признакам количественных
характеристик среды. Например, построение
карт фильтрационно-емкостных параметров
пласта по данным бурения с учетом всего
объема сейсмической информации. Для
решения подобных задач необходимо
наличие априорной информации о значениях
целевого параметра в отдельных точках
изучаемой площади.
Алгоритмы, реализованные в подсистеме
Certainty™ для решения подобных задач,
можно разделить на две группы –
Регрессионный анализ и
Прогнозирование.
Блок Регрессионный анализ.
Алгоритмы этого блока базируются на
предположении о существовании
функциональных зависимостей между
различными свойствами среды.
В случае если какие-то из этих свойств
известны не на всей площади, а лишь в
отдельных реперных точках - эталонах,
выявленные зависимости позволяют
экстраполировать значения прогнозируемого
параметра на всю площадь.
Программно реализованы алгоритмы
многомерной линейной регрессии на
произвольном числе регрессоров и
полиномиальной регрессии на ограниченном
числе регрессоров. Выбор наилучшей
комбинации регрессоров из предложенных
пользователем карт-атрибутов осуществляется
автоматически. Возможно декларирование
отдельных атрибутов, т.е. обязательное
их включение в регрессионное уравнение.
Основными оценками качества решения
служат коэффициент множественной
корреляции и стандартное отклонение
прогнозной карты от эталонных значений
прогнозируемого параметра.
Результаты прогноза сопровождаются
статистическими оценками и картами
достоверности – допустимыми отклонениями
от найденного решения.
Данная методика и ее программная
реализация в системе ПАНГЕЯ
получила одобрение ГКЗ РФ и была
рекомендована к применению в «Методических
инструкциях по применению данных
сейсморазведки при подсчете запасов»
(утверждены МПР РФ в 2006 г.).
Оценка возможной погрешности прогноза
Блок Прогнозирование.
Алгоритмы, реализованные в программах
этого блока, имеют различную математическую
основу. Общим для них является то, что
они позволяют осуществлять прогнозные
построения при отсутствии функциональных
зависимостей между целевым параметром
и геофизическими атрибутами. Подобные
алгоритмы позволяют получать более
широкий спектр решений, чем алгоритмы
основанные на функциональных зависимостях.
Однако при этом существенно возрастает
сложность оценки качества решения.
В программах данного блока
реализованы алгоритмы многомерной
интерполяции, интерполяции на базе
потенциальных функций и нейронные сети.
|