Работа посвящена развитию научных основ, методов и технологий первичного автоматизированного контроля регистрируемых данных при проведении геофизических исследований в скважинах. Решение вопроса о прекращении каротажа на определённой скважине зачастую связано с субъективными оценками экспертов. Авторы аргументируют необходимость использования автоматизированных средств обнаружения ошибок и контроля качества регистрируемых данных в процессе или непосредственно по завершению исследований. Приводится краткий анализ симптомов ненадёжности фрагментов записи. Предлагается алгоритм, использующий методы итерационного моделирования неполных данных с помощью многообразий малой размерности, для решения задачи оценки качества записи данных геофизических исследований скважин. Приводятся примеры, демонстрирующие высокую эффективность методов итерационного моделирования неполных данных с помощью многообразий малой размерности в задаче заполнения пробелов данных геофизических исследований, а также результаты численного эксперимента по решению задачи контроля качества данных электрического каротажа.
геофизические исследования, контроль качества, итерационное моделирование, автоматизация.
Введение. Одной из важнейших задач нефтепромысловой геофизики является повышение точности и достоверности количественной интерпретации промыслово-геофизических данных. Решение этой задачи невозможно без достоверных данных геофизических исследований скважин (далее — ГИС) [1].
Первичная обработка и оценка качества полевых данных, оценка материалов производится оператором по исследованию скважин визуально, непосредственно на объекте. Такая оценка требует от оператора значительных познаний в теории геофизических методов исследования скважин, навыков интерпретации ГИС, а также большого опыта работы. Однако большинство операторов, по тем или иным причинам, либо не обладают требуемой квалификацией, либо просто не имеют возможности оценить качество полученных данных вследствие большого объёма проводимых исследований, сложных условий исследования [2], сложных и незнакомых геофизических разрезов скважин и т. д.При выявлении «брака» материала на этапе интерпретации геофизических исследований, требуется повторное проведение исследований, что связано с весьма значительными финансовыми расходами.
В статье «AHierarchicalApproachtoImprovingDataQuality» [3] присутствует во многом схожая проблематика задачи контроля качества данных. Предлагаемый авторами подход к решению задачи автоматизированного контроля качества геоинформационных данных основан на сопоставлении изображений одной местности, полученных из разных источников. Критерием качества считаются величины взаимных уклонений пар матриц смежности графов, представляющих наборы данных. Подбор и сопоставление изображений выполняется экспертами вручную, являясь при этом актом формализации их опыта, поскольку основная проблема инженерии знаний — это процесс извлечения знаний.
1. ГОСТ Р 54362-2011. Геофизические исследования скважин. Термины и определения. — Режим доступа : http://www.sanse.ru/text/GOST_2008.pdf (дата обращения : 09.02.2014).
2. Нейдорф, Р. А. Осесимметричная задача о распространении фронта фазового превра-щения в гетерогенной твёрдой пористой среде в условиях граничного теплообмена и наличия центрального теплозащитного кольцевого слоя / Р. А. Нейдорф [и др.] // Вестн. Дон. гос. техн. ун та. — 2011. — Т. 11, № 7 (58). — С. 979–986.
3. Abate, M. L. Hierarchical Approach to Improving Data Quality / Marcey L. Abate, Kathleen V. Diegert, Heather W. Allen // Data Quality Journal. — 1998. — Vol. 4, no. 1. — Pp. 365–369.
4. Нейдорф, Р. А. Аппроксимационное построение математических моделей по точечным экспериментальным данным методом «cut-glue» / Р. А. Нейдорф // Вестн. Дон. гос. техн. ун-та. — 2014. — № 1. — С. 45–58.
5. Сергиенко, А. Б. Цифровая обработка сигналов / А. Б. Сергиенко. — Санкт-Петербург : Питер, 2003. — 584 с.
6. Россиев, А. А. Итерационное моделирование неполных данных с помощью многообразий малой размерности / А. А. Россиев. — Красноярск, 2000. — 83 с.
7. Веников, В. А. Теория подобия и моделирование / В. А. Венников. — Москва : Высш. шк., 1976. — 479 с.
8. Седов, Л. И. Методы подобия и размерности в механике / Л. И. Седов. — Москва : Наука, 1987. — 432 с.
9. Герасимато, Ф. Г. Теория подобия / Ф. Г. Герасимато. — Режим доступа : http://www.trinitas.ru/rus/doc/0016/001d/00162064.htm (дата обращения : 09.02.2014).
10. Айзенберг, Л. А. Формулы Карлемана в комплексном анализе. Первые приложения / Л. А. Айзенберг. — Новосибирск : Наука, 1990. — 248 с.
11. Зиновьев, А. Ю. Визуализация многомерных данных / А. Ю. Зиновьев. — Изд-во КГТУ, 2000. — 180 с.
