Том 331 № 1 (2020)
DOI https://doi.org/10.18799/24131830/2020/1/2453
ПРИМЕНЕНИЕ РЕГРЕССИОННОГО АНАЛИЗА ДЛЯ ОЦЕНКИ ЭФФЕКТИВНОСТИ РАБОТЫ НЕФТЯНЫХ СКВАЖИН С ПАРАФИНИСТОЙ НЕФТЬЮ
Актуальность исследования обусловлена необходимостью своевременного и быстрого анализа состояния нефтяного фонда скважин, работа которого осложнена парафинистостью. Рост числа показателей работы нефтяной скважины в связи с усложнением условий нефтедобычи приводит к трудностям их интерпретации специалистами геофизических служб и, как результат, – к неверному принятию решений об эффективности работы нефтяных скважин. Существующие модели анализа эффективности работы нефтяных скважин включают либо небольшое количество параметров работы скважины, что делает их недостаточно комплексными, либо избыточное количество показателей, что делает модели сложными и ресурсоемкими. Цель: определить геолого-физические показатели, оказывающие существенное влияние на парафинистость нефти для создания регрессионной модели прогнозирования эффективности работы нефтяной скважины с точки зрения геофизики. Объекты: нефтяные скважины и эффективность их работы с учетом парафинистости нефти. Методы: регрессионный анализ, оценка адекватности модели по t-критерию Стьюдента, коэффициенту детерминации, F-критерию Фишера, проверка несмещенности и эффективности оценок с помощью условий Гаусса–Маркова, оценка автокорреляции остатков с помощью статистики Дарбина–Уотсона, непараметрическая статистика, анализ остатков регрессии. Результаты. Определены форма и вид регрессионной зависимости между парафинистостью нефти, пластовой температурой и вязкостью нефти в пластовых условиях. Доказана адекватность полученной модели. Полученная математическая модель в совокупности с моделью анализа технологической эффективности работы нефтяных скважин может стать основой для систем поддержки принятия решений специалистов геофизических служб с целью комплексного анализа эффективности работы нефтяных скважин.
Ключевые слова:
Регрессионный анализ, эффективность работы нефтяной скважины, парафинистость, остатки регрессии, адекватность модели