- •17. Классификация залежей по составу границ
- •18. Математические модели (формулы) классов залежей
- •19. Модели внешней геометрии залежей
- •20. Модели внутренней геометрии
- •21. Карты эффективной мощности, способы их построения
- •22. Карта эффективной нефтенасыщенной мощности
- •23. Карты плотности нефти и газового фактора
- •24. Интегрирование по подобластям
- •25. Ошибки при статистической оценке параметров
- •28. Энтропия отношений, примеры использования
- •29. Энтропия классификации
- •30. Энтропия карты
- •31. Изученность запасов
- •32. Изученность территории
25. Ошибки при статистической оценке параметров
S2=σ2√1-R2– погрешность оценки
σ2 – дисперсия оцениваемого параметра
R– множественный коэффициент корреляции
При некотором "x" находим математическое ожидание.
Если R=1, то мы получаем под корнем 0, то погрешность оценки =0.
Если R=0, то дисперсия самого параметра(погрешность) останется неизменной, как-будто мы ничего не делали.
∫fi*βi(x) – получаем некоторое число
Ошибка такой оценки по Уилксу (при вычислении интеграла; q= ∑C1*qiи др.) будет:
σ2 = (Ат*А)-1*Сi*Cj
Ат*А-матрица системы уравнений, которые мы находим; Сi,Cj– коэффициенты
Если Ат*А =S=>Cт*S*С -ошибка
26. Ошибки карт
1) σ2 = σ2 *βт* (Ат*А)-1*β – если задача решается,МНК без стабилизаторов
β – вектор базисных сплайнов(функций),в той точке,в которой мы вычисляем ошибку.
Ат*А – матрица системы уравнений (S)
βт * S-1* β – в простом МНК
Вычисляем во всех узлах эти ошибки и получаем карту.
Когда вариационная задача:
S = Ат*А+αQ – матрица системы
Эта задача решается с помощью amnkd.
2) Считали (f) при разных ρ (вес на точки), складывали их и получали:
f = (f1+f2+…+fn) / n;
находим дисперсию: S2 = ((f1-f).*(f1-f)+(f2-f).*(f2-f)+…+(fn-f).*( fn-f)) / (n-1)
Они перемножаются покомпонентно, и получается, что дисперсия вычисляется в каждом узле.
3) Находим карту при стабилизаторе D2 и D1. При D1 в точках min погрешность, а между точками стремится к 0.
27. Минимизация ошибки карты – способ оптимизации выбора местоположения скважины
Карта ошибки будет минимальна в точках наблюдения, и максимальной между точками.
Чтобы минимизировать ошибки, точку нужно разместить там, где ошибка максимальная, и максимум превратится в минимум.
28. Энтропия отношений, примеры использования
f<g,fиg–любые карты
Необходимо найти вероятность этого события.
Р(g-f > 0)
Рассчитаем величину ξ = g-f
Мξ = 0 –матем.ожидание
Dξ=σ2g+σ2f–дисперсия(случайная величина,равная ∑ дисперсийgиf).
Мы получим нормальное распределение случайной величины ξ.
Разобьем на интервалы: ξ > 0, P> 0,5; ξ =0,P=0,5.
Находим разность этих функций во всех узлах карты. Вычисляем вероятность во всех узлах. Когда во всех узлах вычислена эта вероятность мы можем построить карту вероятностей.
В каждом узле вычисляем: Pi=logPi+ (1-Pi)*log(1-Pi) –получим энтропию в каждом узле.
Если исследуем сразу несколько параметров нужно сразу переходить к энтропии, т.к. складывать вероятности будет громозко.
Если один параметр, то можно использовать вероятность.
Чтобы избежать ошибок необходимо вычесть некоторую constξ.
ξ = g-f-ε
Это дает нам maxсмещений в положительную сторону.
29. Энтропия классификации
Рассмотрим отношение f<g. Далее тоже самое (б.28).
В отличие от энтропии отношений (где вычисляем вероятность во всех узлах), для энтропии классификации вычисляем либо интеграл от вероятности, либо берем maxвероятности => результатом будет одно число.
Рассмотрим только те отношения, которые характеризуют тип залежи.
Можно также рассматривать тип залежи, когда в нижней границе есть несогласие.
Такие отношения позволяют создать классификацию (залежь массивная, или пластово-сводовая и др.). Классификацию по типам залежи можно свести к классификации отношений различных границ.
Р1 –вероятность того,что есть граница;
1-Р1 –вероятность,что границы нет.
По вероятности вычисляем энтропию.
Если у нас все границы есть, то мы получим следующий класс, где энтропии = 0.
Если у нас хотя бы одна граница отсутствует, то энтропия будет > 0.
Если мы неправильно определим тип залежи, то мы сделаем ошибку и при подсчете запасов.
min(G) – max(G)