International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
226
ПОВЫШЕНИЕ ПОТЕНЦИАЛА ДОБЫЧИ ВЕРХНЕЮРСКИХ
КАРБОНАТНЫХ КОЛЛЕКТОРОВ БУХАРО-ХИВИНСКОГО РЕГИОНА
НА ОСНОВЕ ИЗУЧЕНИЯ ГИС И СЕЙСМИЧЕСКИХ ДАННЫХ
Сонаев Санжар Нурмаматович
Ассистент, Ташкентского государственного технического университета
Аннотация:
В данном исследовании проанализированы геолого-
геофизические данные месторождения, находящегося в БХР. Применены:
анализ физики горных пород и петроупругое моделирование для анализа
коллекторских свойств горных пород, слагающих изучаемую площадь.
Выполнены структурные построения для детального комплексирования
результатов интерпретации данных геофизических исследований скважин и
сейсморазведки. Выполнены сейсмическая детерминистическая акустическая
инверсия двух видов – явная и оптимизационная. На основе полученного
инверсионного преобразования сейсмических данных выделены перспективные
газоносные объекты при помощи построения корреляционно-регрессионных
связей. Данная разработка должна послужить неким шаблоном для
исследования количественных характеристик залежей Чарджоуской ступени на
основе комплексирования данных сейсморазведки и геофизических
исследований скважин.
Ключевые слова:
акустическая инверсия, ГИС, ФЭС, объемно-
литологические модели
Annotation:
In this study, the geological and geophysical data of the area of the
Bukhara-Khiva region are analyzed. Applied: analysis of rock physics and
petroelastic modeling to analyze the reservoir properties of rocks composing the
studied area. Perform structural constructions for detailed integration of the results of
GIS interpretation and seismic exploration. Seismic deterministic acoustic inversion
of two types – explicit and optimization - is performed. Based on the obtained
inversion transformation of seismic data, promising gas-bearing objects are identified
by constructing correlation and regression relationships. This development should
serve as a template for the study of the quantitative characteristics of the deposits of
the Chardzhou stage based on the integration of seismic data and geophysical studies
of wells.
Key words:
acoustic inversion, HRW, FCP, volume-lithological model
Введение
В настоящее время изучение коллекторов в Узбекистане базируется, в
основном на построении структурных моделей и оценке нефтегазоносных
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
227
ресурсов по аналогии с близлежащими месторождениями методами
интерполяции свойств. Такой подход объясним, с точки зрения поздней
цифровизации. На данный момент геофизическая информация интенсивнее
обрастает информационной массой, а именно сейсморазведочные данные все
больше представлены в формате 3D-данных, а глубина исследования
становится больше; комплекс геофизических исследований скважин (ГИС)
обрастает различными методами исследования. Имея все более обширную базу
данных по каким-либо месторождениям, следует полагать, что точность
интерпретации должна расти, именно для данных целей следует разрабатывать
особые алгоритмы, свойственные для локальных исследований отдельно взятых
регионов. Но исследования проведенные по разным направлениям геологии и
геофизики необходимо не делить, а объединять, то есть комплексировать.
Таким образом целью исследования стало изучение карбонатных коллекторов
верхней юры Бухаро-Хивинского региона (БХР) по данным геофизических
исследований скважин и сейсморазведки с использованием методов
амплитудной инверсии.
Количественная интерпретация сейсмических данных необходима для
прогноза фациального состава, коллекторских свойств – фильтрационно-
емкостных свойств (ФЕС) и типа насыщения исследуемой толщи. Для её
реализации в последнее время стала очень популярным инструментом –
сейсмическая инверсия. На сегодня инверсия – это определенный класс
численных задач, с помощью которых из сейсмической записи извлекают
информацию об основных упругих параметрах среды – акустическом,
сдвиговом импедансе и плотности.
Актуальность
Из-за того, что в Узбекистане обратные динамические задачи решаются на
считанных месторождениях, данная работа является наглядным примером
эффективности проведения инверсии для количественной интерпретации
данных сейсморазведки.
Цель исследования
Изучение карбонатных коллекторов БХР по данным ГИС и
сейсморазведки с использованием методов амплитудной инверсии.
Специальная часть
Месторождение состоит из отложений юрского, мелового и неоген-
четвертичного возраста. Для разреза месторождения, как и в целом для БХР,
характерно разделение на складчатое основание, сложенное комплексом
дислоцированных, изверженных и метаморфических пород дотриасового
возраста и осадочный чехол, сложенный породами юрской, меловой,
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
228
палеогеновой и неогеновой систем, залегающих с резким угловым и
стратиграфическим несогласием на фундаменте района.
Поэтапность алгоритма состоит в:
1.
Интерпретация данных ГИС
2.
Петроупругий анализ или «Rock Physics analysis»
3.
Динамическая нтерпретация данных сейсморазведки (инверсия)
4.
Комплексирование методов сейсморазведки и ГИС
Интерпретация данных ГИС
Измерения ГИС являются чуть ли не единственными исследованиями, с
помощью которых получается информация непосредственно из недр земли, с
высокой вертикальной разрешенностью. По этой причине почти все методы
инверсии априорно привязаны к сейсмическим данным, так как скважинные
данные накладывают геологические ограничения на полученные результаты.
Так как искомыми параметрами при инверсии являются акустический,
сдвиговый импеданс и плотность, то и основными методами являются –
акустический широкополосный каротаж и плотностной каротаж. Эти методы, к
сожалению, больше всего подвержены всякого рода искажениям, которые
вызваны влиянием скважинных условий измерения в интервалах размыва и
каверн.
В ходе интерпретации построены объемно-литологические модели, на
основе которых стало возможным восстановление недостающих каротажей.
Для построения объемно-литологической модели (ОЛМ) используется
комплекс диаграмм различных геофизических методов. Построения
литологической модели включает две операции: определение границ и
мощностей отдельных пластов и оценку литологической характеристик в
выделенных интервалах.
Для построения ОЛМ разработан алгоритм интепретации
•
Пересчет кривой нейтронного метода в кривую водородосодержания
•
Расчет кривой объемной глинистости и обьемного содержания кальцита
•
Расчет пористости
•
Построение литологической колонки
На рисунке 1 представлены результаты построения ОЛМ.
70
М.Г. Латышова. Практическое руководство по интерпретации диаграмм геофизических методов
исследования скважин
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
229
Рис. 1. Объемно-литологическая модель
Rock Physics analysis
Так как, обратные динамический задачи сейсморазведки проводятся на
основе решения прямой задачи. Материалы геофизических исследований
скважин сегодня повсеместно используются в комплексировании, которая
базируется на методологии сейсмических инверсий. Они помогают оценить
возможность решения задачи прогноза коллекторов и их свойств в
межскважинном пространстве по результатам сейсмических инверсий, а также
обосновать параметры инверсии и связать сейсмическое волновое поле с
результатами петрофизической интерпретации. Для большинства геологов и
геофизиков каротажные кривые представляют истину в последней инстанции,
поскольку только они и исследования керна являются прямыми измерениями
свойств горных пород в коллекторах. Однако зачастую каротажные данные
привносят свои собственные проблемы.
Сейсмические отражения обусловлены акустическими границами между
продуктивным пластом и вышележащими и нижележащими толщами. Поэтому
при определении характеристик коллекторов необходимо рассматривать на
каротажных диаграммах значительно больший интервал, чем в обычном
петрофизическом анализе.
Именно для этих целей в ходе интерпретации повсеместно применяется
анализ петроупругих связей (как принято за рубежом Rock Physics Analysis).
Rock Physics – это связь между петрофизическими свойствами и упругими
свойствами пород, таких как связь литологических характеристик, пористости
и ФЕС на скорость продольных и поперечных волн, а также на плотность
пород, которые вследствие влияют и на производные от них характеристики.
При нехватке некоторых скважинных данных возникает необходимость
восстановления данных скоростей продольных и поперечных скоростей, а
71
https://cgg-geosoftware.ru/index.php/hampsonrussell-rocksi-new
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
230
также плотности. Такие задачи решаются эмпирическим путем с помощью
построения граничных моделей изменения упругих свойств. Для определения
эффективных свойств горной породы необходим ряд данных:
1.
Упругие свойства компонент, из которых состоит материал.
Эти данные измеряют в лаборатории, а на практике берут из справочной
литературы.
2.
Объемное содержание компонент горной породы. Эти данные
получают при петрофизической интерпретации данных ГИС, результатом
которой является объёмная модель.
Вышеперечисленные данные, позволяют рассчитать границы эффективных
свойств – верхнюю и нижнюю. Истинное значение упругих свойств, а именно
коэффициент всестороннего сжатия (К) и модуль сдвига (µ), будет всегда
лежать в пределах этих границ, но теоретически, с большей вероятностью
распределятся по среднеарифметическим значениям.
Упругие модули матрицы, K и µ вычислены с использованием модели
границ – Voight-Reuss-Hill (VRH). Для построения модели использованы две
компоненты: глина и известняк. Компоненты сначала ортонормированы, а
затем построены:
𝑀
𝑉
= ∑ 𝑓
𝑖
𝑀
𝑖
𝑁
𝑖=1
𝑀
𝑅
= ∑
𝑓
𝑖
𝑀
𝑖
𝑁
𝑖=1
𝑀
𝐻
=
𝑀
𝑉
+ 𝑀
𝑅
2
где
𝑀
𝑉
– нижняя граница (Voight);
𝑀
𝑅
– верхняя граница (Reuss),
𝑀
𝐻
–
средняя граница (Hill),
𝑀
𝑖
– одна из упругих компонент,
𝑓
𝑖
– объемное
содержание одной из упругих компонент.
Для восстановления скорости распространения продольной волны в
породе использовалась модель RGH, из которой выбрана зависимость:
𝑉
𝑝
= (1 − 𝜑)
2
∙ 𝑉
𝑝𝑚
+ 𝜑 ∙ 𝑉
𝑝𝑓
где
𝜑
– коэффициент пористости (полученный из объёмной модели),
𝑉
𝑝𝑚
–
скорость продольной волны в скелете,
𝑉
𝑝𝑓
– скорость продольной волны во
флюиде
𝑉
𝑝𝑚
= √
𝐾
𝑚
+
4
3
𝜇
𝑚
𝜌
𝑚
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
231
𝑉
𝑝𝑓
= √
𝐾
𝑓𝑙
𝜌
𝑓𝑙
𝐾
𝑚
– коэффициент всестороннего сжатия в матрице,
𝜇
𝑚
– модуль сдвига в
матрице,
𝜌
𝑚
– плотность матрицы,
𝐾
𝑓𝑙
– коэффициент всестороннего сжатия во
флюиде (взят для воды, равный 2.24 Гпа),
𝜌
𝑓𝑙
– плотность флюида (взята для
воды, равная 1 г/см
3
).
В связи с тем, что имеется объёмная модель по всем скважинам, мы можем
представить модель в виде компонентного состава:
𝑓
𝐶𝑎𝑙𝑐
+ 𝑓
𝐶𝑙
+ 𝜑 = 100%
где
𝑓
𝐶𝑎𝑙𝑐
и
𝑓
𝐶𝑙
– объёмные содержания известняка и глины соответственно.
Исходя из этого мы можем вычислить плотность матрицы, путем
преобразования выше представленной формулы, без учета плотности:
𝑓
𝐶𝑎𝑙𝑐
′
+ 𝑓
𝐶𝑙
′
= 100%
где
𝑓
𝐶𝑎𝑙𝑐
′
=
𝑓
𝐶𝑎𝑙𝑐
𝑓
𝐶𝑎𝑙𝑐
+𝑓
𝐶𝑙
, а
𝑓
𝐶𝑙
′
=
𝑓
𝐶𝑙
𝑓
𝐶𝑎𝑙𝑐
+𝑓
𝐶𝑙
.
В итоге плотность матрицы можно получить таким образом:
𝜌
m
= 𝜌
𝐶𝑎𝑙𝑐
𝑓
𝐶𝑎𝑙𝑐
+ 𝜌
𝐶𝑙
𝑓
𝐶𝑙
С применением формулы полученной из петроупругих связей выводим
плотность породы по всему стволу скважины:
𝜌 = (1 − 𝜑)𝜌
𝑚
+ 𝜑𝜌
𝑓𝑙
Далее синтетические каротажные кривые используют для оценки
достаточности и пригодности исходных данных для решения поставленной
задачи. Для этого изучаются гистограммы и кросс-плоты различных упругих
свойств (таких как скорость продольных волн, плотность, акустический
импеданс, отношение скорости продольной волны к скорости поперечной), и
выясняется, в пространстве каких параметров становится возможным разделить
целевые пласты на литотипы, а также удается установить зависимости между
акустическими свойствами и ФЕС. А еще, данный анализ становится
дополнительным инструментом контроля качества.
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
232
Инверсия
Акустическая инверсия представляют собой совокупность методов
преобразования амплитуд суммарных сейсмических данных в распределения
значений акустического импеданса (
𝐴𝐼
=
𝑉𝑝
∙
𝜌
). Принцип алгоритмов
акустической инверсии основан на вычислении коэффициентов отражения при
нормальном падении плоской волны на плоскую границу раздела двух сред:
𝑟
𝑖
= 𝑓(𝐴𝐼
𝑖
) =
𝐴𝐼
𝑖+1
− 𝐴𝐼
𝑖
𝐴𝐼
𝑖+1
+ 𝐴𝐼
𝑖
где i - номер границы раздела сред;
𝐴𝐼
𝑖+1
, 𝐴𝐼
𝑖
– значения акустического
импеданса ниже- и вышележащего слоев.
Рис. 2. Распределение ФЕС в зависимости от физических свойств
породы
На рисунке 2 показана зависимосимость распределения ФЕС, а также их
производных от физических свойств породы
Инверсия основанная на низкочастотной модели (Low Frequency
Model Based Inversion)
На основе названия метода, понятно, что, решения алгоритмов инверсии,
основанной на модели, или MBI начинаются с заданного априорного
приближения, в случае LF MBI – с низкочастотной модели, которое в процессе
итерационного расчета корректируется. Итерации будут повторяться пока не
будет найдена оптимальная модель упругих свойств, которая удовлетворяет
72
Разработка принципов изучения нетрадиционных глинистых коллекторов на основе петроупругого
моделирования и амплитудной инверсии сейсмических данных
4
6
8
0
0,05
0,1
0,15
Vp
Por
Зависимость
Vp
от пористости
2,4
2,6
2,8
0
0,05
0,1
0,15
ρ
Por
Зависимость ρ от пористости
10
15
20
0
0,05
0,1
0,15
A
Ip
Por
Зависимость
AIp
от пористости
1,9
2,9
3,9
10
12
14
16
18
20
Vp/
Vs
AIp
Зависимость
Vp/Vs
от пористости
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
233
условиям минимизации целевой функции. Идея такого подхода основана на
сверточной модели сейсмической трассы. Выражение для вычисления
коэффициента отражения при нормальном падении может быть представлено в
виде:
r
i
≈
1
2
∆ ln(AI
i
) =
1
2
[ln(AI
i+1
) − ln (AI
i
)]
Для n коэффициентов отражения уравнение записывается в матричном
виде:
[
r
1
r
2
⋮
r
n
] =
1
2
[
−1
0
0
⋮
1
−1
0
⋱
0
1
−1
⋱
⋯
⋱
⋱
⋱
] [
L
1
L
2
⋮
L
n
]
где
L
i
= ln (AI
i
)
Далее сверточная модель трассы для n-1 модели также записывается в
матричном виде:
[
T
1
T
2
⋮
T
n
] =
1
2
[
w
1
w
2
w
3
⋮
0
w
1
w
2
⋱
0
0
w
1
⋱
⋯
⋱
⋱
⋱
] [
R
1
R
2
⋮
R
n
]
где
T
i
– i-ый отсчет сейсмической трассы;
w
j
– j-ый член сейсмического
импульса.
Результат получается подстановкой матрицы:
T =
1
2
WDL
где W – матрица членов импульса, D – матрица производных
коэффициентов отражения
При итеративном изменении начального приближения модели упругих
свойств получаем решение уравнения с помощью оптимизационных методов.
Также при минимизации целевой функции получаем:
P(m) = [(d
obs
− d
synt
) + α(m
apr
− m)] → min
где первый член уравнения – функционал невязки волновых полей; второй
член – стабилизирующий функционал, отвечающий за степень отхождения
решения (
𝑚
) от начального приближения (
𝑚
apr
);
𝛼
- параметр регуляризации.
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
234
В качестве начального приближения используется низкочастотная модель
акустического импеданса, построенная путем интерполяции скважинных
данных на стратиграфической сетке и отфильтрованная до нижней граничной
частоты сейсмических данных.
После определения параметров алгоритма инверсии, основанной на
низкочастотном приближении необходимо проанализировать соотношение
параметров, полученных путем инверсии, со скважинными данными.
Рис.3. Результат применения инверсии основанной на низкочастотной
модели
Являясь оптимизационным методом сейсмической инверсии, данная
модель с достаточной точностью восстанавливает упругие свойства горных
пород, слагающих разрез, представленный на рисунке 3.
Применение инверсии
На основе анализа корреляции, полученной при анализе результатов
инверсии, конечно, можно выбрать алгоритм оптимального преобразования
сейсмических данных.
Рис.4. Сопоставление результатов алгоритма сейсмической инверсии,
основанной на модели со скважинными данными.
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
235
Далее данным, полученным в результате инверсии, необходимо будет
произвести переход от акустического импеданса к характеристикам ФЭС, а для
этого карты акустического импеданса должны быть геологически
обоснованными. На рисунке 5 представлена карта средних величин
акустического импеданса, полученная в продуктивной толще:
Рис.5. Карта средних величин импедансов
Комплексирование
Имея в арсенале результаты количественной интерпретации данных
сейсморазведки, в виде кубов акустического импеданса, мы можем перейти от
эффективных свойств волнового поля к фильтрационно-емкостным свойствам
среды. Для перехода от акустических свойств к ФЕС необходимо установить
связь между этими двумя параметрами, то есть проанализировать регрессию
распределения упругих свойств модели с геологическими характеристиками
среды. Такими свойствами может выступать акустический импеданс,
смоделированный на основе комплексирования скважинных и сейсмических
данных, и пористость, синтезированная из скважинных данных.
В рамках работы проанализированы корреляционно-регрессионные связи
акустического импеданса (рисунок 6), рассчитанного алгоритмом инверсии
основанном на низкочастотной модели с пористостью в точках положения
скважин. Т.к. анализировать сейсмические данные со скважинными в
индивидуальных масштабах некорректно, для кривой пористости применялась
фильтрация.
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
236
Рис. 6. Корреляционно-регрессионная связь между акустическим
импедансом и пористостью
Следующий этапом является синтезирование куба пористости, на основе
полученного уравнения регрессии. Входными данными для построения
является куб пористости, полученный алгоритмом LF MBI. Ниже, на рисунке 7,
представлен разрез куба пористости в зоне купола антиклинальной складки
Рис. 7. Куб пористости
Далее для анализа пористости в продуктивной толще был снят срез,
представленные на рисунке 8, от его кровли до подошвы и проанализирован в
сопоставлении с горизонтами кровли и подошвы XV горизонта.
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
237
Рис. 8. Анализ карты пористости по кровле (слева) и подошве (справа)
Заключительным этапом является построение карты эффективных
газонасыщенных толщин, которая также строится на основе анализа
корреляционно-регрессионных связей пористости. Для этого на основе анализа
кернового материала получены граничные значения пористости, составившие
более 0.7%.
Рис. 9. Корреляционно-регрессионная связь пористости
Синяя область – не коллектор, красная область - коллектор
В процессе анализа, показанного на рисунке 9, точки пористости
выстраиваются в прямую линию под углом 45 градусов, на которых отделяется
эффективная пористость, т.е. та пористость, которая может содержать флюид
от матричной, в которой флюид содержаться не может. На основе выделения
эффективных свойств, был синтезирован новый куб-куб эффективной
пористости. Где присутствуют только насыщенные толщины.
По данным бурения и отчётам исследования на приток всех имеющихся
скважин определена отбивка газоводяного контакта (ГВК), относящаяся к XV
горизонту. Построена поверхность ГВК, которая отсекает верхнюю часть
складки, которая приурочена к газонасыщенным интервалам. Для дальнейшего
анализа требуется наложение карты эффективных толщин на структурные
карты, полученные в ходе структурной интерпретации. Результаты данной
процедуры представлены на рисунке 10.
На основе косвенных предположений можно сделать вывод о том, что
наиболее перспективной зоной разработки являются купола складок, причем
западный купол складки имеет наибольшие показания пористости. Такие
выводы подкреплены отчетом опробования скважин на приток. В зонах
положения скважин №№6,4 находящихся в куполах складки притоки
максимальны.
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
238
Рис. 10. Проекция карты эффективных временных толщин на
структурную карту по кровле (сверху) и подошве (снизу) XV горизонта
Основные выводы
БХР является крупнейшей в Узбекистане, но до сих пор не исследована
полностью новейшими методами. Основной проблемой является острая
нехватка информационных ресурсов по исследованиям прошлых лет, т.к.
методы исследования не модернизируются, а методы анализа и алгоритмы
интерпретации ушли вперед ввиду быстрого прироста информационных
технологий. Но даже в такой ситуации инверсионные методы исследований
помогают получить наиболее точную информацию об интересующем районе.
Для поставленных целей был проведен анализ геолого-геофизических
данных площади БХР. Были применены анализ физики горных пород на этапе и
петроупругое моделирование для анализа коллекторских свойств горных пород,
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
239
слагающих изучаемую площадь. Выполнены структурные построения для
детального
комплексирования
результатов
интерпретации
ГИС
и
сейсморазведки. Выполнена сейсмическая детерминистическая амплитудная
инверсии – оптимизационная, то есть инверсия, основанная на модели. На
основе полученного инверсионного преобразования сейсмических данных
выделены перспективные газоносные объекты при помощи построения
корреляционно-регрессионных связей.
Список испльзованных литератур:
1.
Ю.Н. Воскресенский, И.В. Рыжков Геофизика при изучении земных
недр. Учебник для вузов по специальности 130304 "Геология нефти и газа" -
Москва: Недра, 2010. - 478 с.: ил
2.
Ю.Н.Воскресенский. Полевая геофизика. Учеб. для вузов. - М.:
«Издательский дом Недра», 2010, - 479 с.: ил.
3.
А.С. Алексеев. Обратные динамические задачи сейсмики: Некоторые
алгоритмы и интерпретации геофизических данных – М.: Наука, 1967, 9-84 с.
4.
М.Г. Латышова. Практическое руководство по интерпретации диаграмм
геофизических методов исследования скважин. 2-изд. перераб. Москва: Недра,
1981, - 182 с.
5.
Д.А. Данько. Разработка принципов изучения нетрадиционных
глинистых коллекторов на основе петроупругого моделирования и
амплитудной инверсии сейсмических данных. – М.: РГУ нефти и газа (НИУ)
им. И.М. Губкина, 2018, 273 с.
6.
Г.С. Абдуллаев, А.Н. Богданов, Н.К. Эндельвайт. Современное
состояние и перспективы развития геологоразведочных работ на нефть и газ в
Бухаро-Хивинском регионе Республики Узбекистан. Институт геологии и
разведки нефтяных и газовых месторождений (АО «ИГРНИГМ»)
7.
B.B. Kulik, M.S. Bondarenko. Methods of quantity estimation of the number
of parameters of unconventional gas reservoirs on the basis of complex of radioactive
logging (GR, DL, NL) are considered. Transactions of UkrNDMI NAN Ukraine, №
13 (part II), 2013
8.
D.W. Oldenburg, T. Sheuer, S. Levy. Recovery of the acoustic impedance
from reflection seismograms – Geophysics, 48, 1318-1337
9.
S. Gluck, E. Juve, and Y. Lafet. High-resolution impedance layering through
3-D stratigraphic inversion of poststack seismic data. France: CGG, 1997, 1309-1315
10.
A.T. Walden and J.W.J. Hosken. An investigation of the spectral properties
of primary reflection coefficients. Geophysical prospecting 33,400-435, 1985
11.
Irisalievich, B. O., & Sunnatullaevich, M. N. (2024). The Current State of
Innovation and Investment Activity at Mining Enterprises of Uzbekistan.
International scientific journal
“Interpretation and researches”
Volume 1 issue 1 (47) | ISSN: 2181-4163 | Impact Factor: 8.2
240
Excellencia: International Multi-disciplinary Journal of Education (2994-9521), 2(4),
556-560.
12.
Бегмуллаев, О., & Мирсаитов, Н. (2024). “Ўзбеккўмир” АЖ
корхоналарида инновацион фаолиятни амалга оширишнинг замонавий холати.
Interpretation and researches, 2(5 (27)).
13.
Begmullayev, O. (2024). O‘zbekistonda elektr energiya tizimini ta’minlash
muammolari. Raqamli iqtisodiyot (Цифровая экономика), (8), 712-726.
14.
Begmullayev, O. I. (2024). Sanoat korxonalarini bozor sharoitlariga
moslashtirish samaradorligini oshirish (Monografiya). Interpretation and researches,
2(15).
15.
Otabek, A., & Otabek, B. (2023, January). Alternative energy and its place
in ensuring the energy balance of the Republic of Uzbekistan. In AIP Conference
Proceedings (Vol. 2552, No. 1). AIP Publishing.
16.
Akhmedov, O., & Begmullaev, O. (2020). The ways ensuring energy
balance in Uzbekistan. In E3S Web of Conferences (Vol. 216, p. 01137). EDP
Sciences.
17.
Begmullayev, O. I., Soatov, F. Y., & Irisaliyev, A. O. (2024). O‘zbekistonda
issiqlik energetikasi korxonalari rivojlanishining tashkiliy-iqtisodiy xususiyatlari.
Educational Research in Universal Sciences, 3(1), 84-92.
18.
Бегмуллаев, O., Мирсаидова, Ш., Ибрагимова, К., & Ирисалиев, А.
(2024). Анализ эффективности деятельности предприятий энергетической
отрасли Узбекистана. Interpretation and researches, 2(24).
19.
Набиева, С. (2024). Развитие концепции увеличения инновационного
потенциала предприятий топливно-энергетического комплекса. Экономическое
развитие и анализ, 2(9), 152-161.
20.
Набиева,
С.
(2023).
Современные
методы
инвестиционной
деятельности в развитии промышленных предприятий. Экономическое
развитие и анализ, 1(6), 33-39.
21.
Набиева, С. А. (2024). Развитие предприятий промышленности в
условиях активизации инновационной среды. Interpretation and researches, 2(24).
