ДИФФЕРЕНЦИАЦИЯ ОБРАЗЦОВ НЕФТИ ПО ИЗОМЕРНОМУ СОСТАВУ ПАРАФИНОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ КЛАСТЕРНОГО АНАЛИЗА
Аннотация
Предложен метод контроля источников образцов нефти по компонентному составу н-парафинов для их дифференциации, идентификации и установления происхождения (конкретных скважин эксплуатируемого месторождения) с использованием агломеративной иерархической кластеризации данных с применением алгоритма Д. Уорда (J. Ward). Исходной информацией служат данные по составу и относительным содержаниям н-парафинов С17Н36 ÷ С34Н70, изопреноидов пристана С19Н40 и фитана С20Н42 в образцах нефти, полученные методом хроматомасс-спектрометрии в варианте мониторинга выбранных ионов. Возможности метода иллюстрируются результатами обработки матрицы данных размерностью 20×27 по относительным содержаниям парафинов в 27 шифрованных анонимных образцах. При этом выделены 3 кластера, в состав каждого из которых были объединены образцы, отобранные из конкретной скважины. Таким образом, дифференцированы источники образцов, из которых они были отобраны. Решить эту задачу традиционным методом сопоставления усредненных для каждой скважины содержаний индивидуальных парафинов оказалось невозможным. С учетом неизбежных погрешностей в результатах анализов и возможных изменений состава извлекаемой нефти в процессе эксплуатации скважин, значения относительных содержаний парафинов в образцах нефти из всех трех скважин перекрываются и источники остаются неразличимыми. Предлагаемый аналитический метод, основанный на получении информации о компонентном составе парафинов методами хроматомасс-спектрометрии в варианте мониторинга выделенных ионов и обработке ее методами кластерного анализа, расширяет возможности аналитиков при контроле источников образцов нефти в органической геохимии и химии окружающей среды, которые осложнены широкой вариабельностью состава образцов нефти, изменчивостью ее состава под воздействием природных и техногенных факторов и отсутствием возможности оценок реальных неопределенностей данных.
Ключевые слова: нефтяная система, кластерный анализ, состав парафинов, хроматомасс-спектрометрия, принятие решения в условиях неопределенности
Полный текст:
PDF (Russian)Литература
REFERENCES
Baranovskaya V.B., Medvedevskikh M.Yu., Karpov Yu.A. [Current quality issues in chemical analysis]. Analitika i kontrol’ [Analytics and Control], 2021, vol. 25, no. 4, pp. 273-279. doi: 10.15826/analitika.2021.25.4.005 (in Russian).
Peters K.E., Walters C.C., Moldowan J.M. The Biomarker Guide. Second ed. Cambridge University Press, Cambridge, United Kingdom, 2005. 1155 p. doi: 10.1017/CBO9781107326040
Powell T.G., McKirdy D.M. Relationship between Ratio of Pristane to Phytane, Crude Oil Composition and Geological Environment in Australia. Nature Physical Science, 1973, vol. 243, no. 5, pp. 37–39. doi: 10.1038/physci243037a0
McKirdy D.M., Aldridge A.K., Ypma P.J.M. A Geochemical Comparison of some Crude Oils from Pre-Ordovician Carbonate Rocks. Advances in Organic Geochemistry. Wiley, Chichester, 1981, pp. 99-107.
Jiang L., George S.C. Geochemical Comparison of three Oil Families from the Gippsland Basin, SE Australia. Marine and Petroleum Geology, 2020, vol. 121, pp. 1-23. doi: 10.1016/j.marpetgeo.2020.104575
Zhamanbayeva A.B., Kurtova O.Yu., Alimzhanova M.B., Zenkevich I.G. [Determination of C15-C20 isoprenoid alkanes characteristic ratios in the oils from Kazakhstan fields]. Analitika i kontrol’ [Analytics and Control], 2019, vol. 23, no. 2, pp. 237-246. doi: 10.15826/analitika.2019.23.2.011 (in Russian).
Temerdashev Z.А., Pavlenko L.Ph., Karpokova I.G., Ermakova Ya.S., Ekilik V.S. [Some methodological aspects of oil pollution evaluation of water bodies based on the degradation of petroleum products over time]. Analitika i kontrol’ [Analytics and Control], 2016, vol. 20, no. 3, pp. 225-235. doi:10.15826/analitika.2016.20.3.006 (in Russian).
Wenlong Jiang, Ablimit Imin, Xueyong Wang, Tao Wang, Wenjian Guo. Geochemical Characterization and Quantitative Identification of Mixed-Source Oils from the Baikouquan and Lower Wuerhe Formations in the Eastern Slope of the Mahu Sag, Junggar Basin, NW China. Journal of Petroleum Science and Engineering, 2020, vol. 191, 107175. doi: 10.1016/j.petrol.2020.107175
Titov V.I., Zhdanov S.A. [Changing the Composition of Reservoir Oils in the Mining (Overview)]. Neftyanoe khozyaistvo [Oil Industry], 1988, no. 8, pp. 26-28 (in Russian).
Jun Niu, Haiping Huang, Wenlong Jiang. Geochemical Characteristics and Correlation of Continuous Charge Mixing and Biodegradation of Heavy Oil in Southeastern Dongying Sag, Bohai Bay basin, China. Journal of Petroleum Science and Engineering, 2018, vol. 166, pp. 1-12. doi: 10.1016/j.petrol.2018.03.035
Milman B.L. Vvedenie v himicheskuyu identifikaciyu [Introduction to chemical identification]. Saint Petersburg, VVM, 2008. 180 p. (in Russian).
Shitikov V.K., Mastitsky S.E. [Classification, Regression, and Other Data Mining Algorithms Using R]. 2017. Available at: https://github.com/ranalytics/data-mining (accessed 5 July 2021) (in Russian).
Parks J.M. Cluster Analysis Applied to Multivariate Geologic Problems. Journal of Geology, 1966, vol. 74. No. 5, part 2, pp. 703-715.
Dulin S.K., Rosenberg I.N., Umansky V.I. [Clustering techniques for exploring geodatabases]. Sistemy i sredstva informatiki [Systems and Means of Informatics]. 2009, pp. 86-113 (in Russian).
Fouedjio F. A Hierarchical Clustering Method for Multivariate Geostatistical Data. Spatial Statistics, 2016, vol. 18, part B, pp. 333-351. doi: 10.1016/j.spasta.2016.07.003.
Elrod L.W. Geochemistry and Petroleum Asset Life. Intertek Westport Technology Center, 2021. Available at: https://www.intertek.com/oil-and-gas/geochem-asset (accessed 25 December 2021).
Edwards J., Lallier F., Caumon G., Carpentier C. Uncertainty Management in Stratigraphic Well Correlation and Stratigraphic Architectures: A Training-based Method. Computer&Geosciences, 2017, pp. 1-17. doi: 10.1016/j.cageo.2017.10.008.
Kuznetsova V., Ablya E., Manko I., Baniasad A., Littke R. Geochemical Characteristics and Genetic Relationship of the Grude Oils from the Western Part of West Siberian Basin, Russia. 29th Intern. Meeting on Organic Geochemistry. Conference Proceedings. Houten: EAGE, 2019, vol. 2019, pp. 1-2. doi: 10.3997/2214-4609.201902738
de Juan A., Casassas E., Tauler R. Soft Modeling of Analytical Data. In Encyclopedia of Analytical Chemistry / R.A. Meyers (Ed.). John Wiley & Sons Ltd, Chichester, 2000, pp. 9800-9837. doi: 10.1002/9780470027318.a5208
Milman B.L., Zhurkovich I.K. Big Data in Modern Chemical Analysis. Journal of Analytical Chemistry, 2020, vol. 75, pp. 443-452. doi: 10.1134/S1061934820020124
Milman B.L., Zhurkovich I.K. [Summarized criteria of chemical compounds identification by chromatography-mass spectrometry]. Analitika i kontrol’ [Analytics and Control], 2020, vol. 24, no. 3, pp. 164-173. doi: 10.15826/analitika.2020.24.3.003 (in Russian).
Kharrat A.M., Zacharia J., Cherian V.J., Anyatonwu A. Issues with Comparing SARA Methodologies. Energy & Fuels, 2007, vol. 21, no. 6, pp. 3618-3621.doi: 10.1021/ef700393a.
Harvey D.J. Gas Chromatography/Mass Spectrometry. Encyclopedia of Analytical Science. Third Edition. Elsevier Ltd. 2019, vol. 4, pp. 169-179.
Gosetti F., Marengo E. Selected Ion Monitoring. Encyclopedia of Analytical Science. Third Edition. Elsevier Ltd. 2019, vol. 6, pp. 500-510.doi: 10.1016/B978-0-12-409547-2.14418-X
Ward J.H. Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 1963, vol. 58, iss. 301, pp. 236-244.
DOI: https://doi.org/10.15826/analitika.2022.26.1.006
Ссылки
- На текущий момент ссылки отсутствуют.