Моделирование движения жидкостей в процессе эксплуатации скважинного фонда на месторождениях урана, отрабатываемых методом ПСВ

Abstract

Актуальность исследования обусловлена возможностью расширения использования данных индукционного каротажа для пространственного моделирования растекания технологических растворов на гидрогенных месторождениях урана. Регрессионное моделирование опирается на зависимость изменения геоэлектрических свойств пород от изменения их гидрофизических свойств в процессе выщелачивания и может быть использовано для повышения эффективности контроля и прогнозирования процесса выщелачивания. Цель: обосновать достоверность модели движения технологических растворов на месторождениях пластово-инфильтрационного типа, разработанной на основе метода наименьших квадратов, с использованием в качестве входных данных результатов индукционного каротажа. Объекты: данные индукционного каротажа по скважинам блока Х месторождения Моинкум Чу-Сарысуйской урановорудной провинции. Методы: индукционное каротажное зондирование, корреляционный и регрессионный анализ с использованием программных сред Excel, Statistica, Curve Editor, Matlab и LibreCad. Аппаратное обеспечение индукционного каротажного зондирования представлено однозондовым трехкатушечным прибором ПИК-50 и ИК-42М. Результаты. На примере блока месторождения Моинкум Чу-Сарысуйской урановорудной провинции установлена эффективность мониторинга движения технологических растворов посредством данных ИК с использованием регрессионной модели методом наименьших квадратов. Доказана целесообразность применения данных индукционного каротажа для моделирования растекания технологических растворов на примере пластово-инфильтрационного месторождения Моинкум Чу-Сарысуйской урановорудной провинции, и сформирована модель растекания растворов с использованием предложенного алгоритма применения регрессионного моделирования с применением метода наименьших квадратов. Рассчитанные показатели адекватности регрессионной модели, а именно: коэффициент детерминации, дисперсии МНК-оценок, коэффициент Стьюдента, F-критерий, доказывают надежность и достоверность построенной модели изменения эффективной мощности блока в зависимости от изменения электропроводности.

The relevance of the study is caused by the possibility of expanding the use of induction logging data for spatial modeling of the spreading of technological solutions in hydrogenous uranium deposits. Regression modeling is based on the dependence of changes in the geoelectric properties of rocks on changes in their hydrophysical properties during leaching, and can be used to improve the efficiency of leaching monitoring and predicting. Purpose: to substantiate the reliability of the model of the movement of process fluids in reservoir-infiltration type deposits, developed on the basis of the least squares method using the results of induction logging as input data. Objects: induction logging data from wells of block X of the Moinkum deposit, Chu-Sarysu uranium ore province. Methods: induction logging, correlation and regression analysis using Excel, Statistica, Curve Editor, Matlab and LibreCad software environments. The hardware for induction logging sounding is represented by a single probe three-coil instrument PIK-50 and IK-42M. Results. The calculated indicators of the adequacy of the regression model for changing the electrical conductivity and effective power of the block, such as the coefficient of determination, the estimate of the variances of the least squares estimates, the Student's coefficient, the F-criterion, revealed its reliability and veracity. On the example of a block of the Moinkum deposit, Chu-Sarysu uranium ore province, the effectiveness of monitoring the movement of process solutions using IR data using a least squares regression model was established. The expediency of using induction logging data for modeling the spreading of technological solutions on the example of the reservoirinfiltration of the Moinkum deposit, Chu-Sarysu uranium ore province is proved and a model of solutions spreading is formed using the proposed algorithm for applying regression modeling using the least squares method.