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.