К.Т. Тынчеров – д.т.н., профессор, зав. кафедрой «Информационные технологии, математика и естественные

науки», филиал Уфимского государственного нефтяного технического университета (г. Октябрьский) E-mail: academic-mvd@mail.ru

Ф.А. Ихсанова – к.п.н., доцент, кафедра «Информационные технологии, математика и естественные науки»,

филиал Уфимского государственного нефтяного технического университета (г. Октябрьский) E-mail: ichs195@mail.ru

М.В. Селиванова – магистрант, кафедра «Информационные технологии, математика и естественные науки»,

филиал Уфимского государственного нефтяного технического университета (г. Октябрьский) E-mail: selivanovamara@gmail.com

Рассмотрен метод главных компонент для обработки и анализа скважинных данных, поступающих на диспетчерские пункты нефтегазовых компаний по каналам радиосвязи. Отмечено, что исходная информация содержит результаты геофизического исследования нефтяных и газовых скважин методами гамма и компенсированного нейтронного каротажа по тепловым нейтронам, а также другими методами телеметрии. Показано, что предложенный метод позволяет значительно сократить объем данных с сохранением информативности.

1. Pearson K. On lines and planes of closest fit to systems of points in space // Philosophical Magazine. 1901. 2. 559−572.
2. Gorban A.N., Kegl B., Wunsch D., Zinovyev A.Y. (Eds.). Principal Manifolds for Data Visualisation and Dimension Reduction, Series: Lecture Notes in Computational Science and Engineering 58. Springer. Berlin – Heidelberg – New York. 2007. XXIV. 340 p.  ISBN 978-3-540-73749-0.
3. Tyncherov K.T., Mukhametshin V.Sh., Khuzina L.B. Method to control and correct telemtry well information in the basis of residue number system // Journal of fundamental and applied sciences J Fundam Appl Sci. 2017. 9(2S). 1370−1374.
4. Tyncherov K.T., Chervyakov N.I., Selivanova M.V., Kalmykov I.A. Method of increasing the reliability of telemetric well information transmitted by the wireless communication channel // Bulletin of the Tomsk Polytechnic University, Geo Assets Engineering. 2018. 329(3). С. 36−43.
5. Tyncherov K.T., Selivanova M.V. Method of correction of telemetric well information in the basis of the system of residual classes with one control basis // Bulletin of the Tomsk Polytechnic University, Geo Assets Engineering. 2018. 329(3). С. 36−43.
6. Jolliffe I.T. Principal Component Analysis, Series: Springer Series in Statistics, 2nd ed., Springer, NY. 2002. XXIX. 487 p. ISBN 978-0-387-95442-4.
7. Бююль А., Цёфель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. СПб.: ООО «ДиаСофтЮП». 2002. 603 с.
8. Ширяев А.Н. Глава 2, §6. Случайные величины II // Вероятность. Изд. 3-е. Cambridge, New York.: МЦНМО. 2004. Т. 1. С. 301. 520 с.
9. Справочник по прикладной статистике: Пер. с англ.  В 2-х томах / Под ред. Э. Ллойда, У. Ледермана. М.: Финансы и статистика. 1990. Т. 2. 526 c.
10. Мхитарян B.C. Прикладная статистика. Основы эконометрики. В 2-х томах. Т. 1. Теория вероятностей и прикладная статистика: Учебник для вузов / Изд. 2-е, испр. М: ЮНИТИ-ДАНА. 2001. 656 с.
11. Белоглазов, анализ в задачах квалиметрии образования / // Известия РАН. Теория и системы управления. 2006. № 6. С. 39−52.
12. Шеннон К.Э. Математическая теория связи. 1948. С. 259−263.
13. Накопленные частоты. http://files.school-collection.edu.ru/dlrstore/7e99d586-3192-11dd-bd11-0800200c9a66/index.htm. (дата обращения 28.05.2018).
14. Графическое изображение распределения признаков. http://yuschikev.narod.ru/psk/lection5-1.html. (дата обращения 28.05.2018).
15. Критерий Фишера. http://logic.pdmi.ras.ru/~sergey/teaching/mlau12/05-classifiers.pdf http://www.machinelearning.ru/wiki/index.php. (дата обращения 28.05.2018).
16. Cangelosi R., Goriely A. Component retention in principal component analysis with application to cDNA microarray data // Biology Direct. 2007. 2:2. (также на сайте PCA).
17. Koren Y., Carmel L. Robust linear dimensionality reduction // IEEE Transactions on Visualisation and Computer Graphics. 10 (4) (2004). P. 459−470. А.
18. Gorban A.N., Sumner N.R., Zinovyev A.Y. Topological grammars for data approximation // Applied Mathematics Letters. 2007. V. 20. № 4. P. 382−386.
19. Gorban A.N., Sumner N.R., Zinovyev A.Y. Beyond The Concept of Manifolds: Principal Trees, Metro Maps and Elastic Cubic Complexes // Gorban A.N. et al(Eds.). LNCSE 58. Springer. 2007. ISBN 978-3-540-73749-0.
20. Scholz M., Fraunholz M., Selbig J. Nonlinear Principal Component Analysis: Neural Network Models and Applications // Gorban A.N. et al (Eds.). LNCSE 58. Springer. 2007. ISBN 978-3-540-73749-0.
21. Yin H. Learning Nonlinear Principal Manifolds by Self-Organising Maps // Gorban A.N. et al (Eds.). LNCSE 58, Springer. 2007 ISBN 978-3-540-73749-0.
22. Hyvdrinen A, Karhunen J., Oja E. Independent Component Analysis. A Volume in the Wiley Series on Adaptive and Learning Systems for Signal Processing, Communications, and Control. John Wiley & Sons, Inc. 2001. XVI+481 pp. ISBN 0-471-40540-X.
23. Muresan D.D., Parks T.W. Adaptive Principal Components and Image Denoising // IEEE International Conference on Image Processing (ICIP). September 2003. P. 101−104.
24. Политический атлас современности: Опыт многомерного статистического анализа политических систем современных государств. М.: Изд-во «МГИМО-Университет». 2007. 272 с.
25. Ихсанова Ф.А., Игтисамова Г.Р., Ихсанов Б.И., Гизетдинов И.А., Лугманов Р.Р. Метод главных компонентов для ранжирования объектов разработки нефтяных месторождений // Проблемы сбора, подготовки и транспорта нефти и нефтепродуктов (Уфа). 2016. № 4 (106). С. 11−20.
26. Ихсанова Ф.А., Гизетдинов И.А., Лугманов Р.Р., Латыпов В.Р. Применение метода главных компонент для решения задач разработки нефтяных залежей // Сб. научных трудов 43-й Междунар. научно-технич. конф. молодых ученых, аспирантов и студентов, посвященный 60-летию филиала УГНТУ в г. Октябрьском / Отв. ред. В.Ш. Мухаметшин. Уфа: Изд-во УГНТУ. 2016. Т. 2. С. 362−367.