Published June - July 2026, Pg. 8-14

Section: Geology and geophysics

UOT: 552.5.08

DOI: 10.37474/0365-8554/2026-06-07-8-14

Analysis and evaluation of chemical analysis results of produced waters using statistical methods (on the example of the Puta deposit)

V.G. Ibadova - “Oil-Gas Scientific Research Project” Institute

N.N. Khalilov PhD in Tech. Sc. - “Oil-Gas Scientific Research Project” Institute

Produced waters are of great importance in geological and hydrogeological studies. The correct analysis of their quality is of great importance for determining the hydrocarbon prospectivity of exploration areas, reserves estimate of oil, gas, and condensate fields, monitoring field development, regulating technological processes, and environmental protection. Statistical methods can be used to determine the physical and chemical properties of produced waters and assess their quality. The use of these methods allows for a more accurate and objective analysis of the results. The systematization of collected data, identification of changes, and categorization of quality through statistical analysis enhance research credibility and contribute to sound decision-making.
Overall, the conducted research indicates that the systematic application of statistical methods is of great importance in the scientific assessment of the quality of produced waters. This approach not only enhances data accuracy but also creates a robust scientific foundation for building hydrogeological models, mitigating environmental risks, sustainable water resource management, and the exploration and development of oil, gas, and condensate fields.

References:

1. İsmayılov F., Salmanov Ə., Məhərrəmov B. Azərbaycanın neft-qaz yataqları və perspektivli strukturları. Kitab 1, Bakı, 2023, s. 185.

2. Nesic S., Streletskaya V.V. An integrated approach for produced water treatment and injection. Georesursy = Georesources, 2018, vol. 20(1), pp. 25-31.

3. Карцев А.А.,  Вагин С.Б., Шугрин В.П., Брагин Ю.И. Нефтегазовая гидрогеология. – М.: Нефть и газ, 2001, с. 39-45.

4. Hüseynov F.Ə., Kazımov Ş.P. Karbohidrogen yataqlarının lay suları və işlənmənin texniki-iqtisadi göstəriciləri. – Bakı: NQETLİ-nin nəşriyyatı, 2010, s.  212.

5. Bağırov, B.Ə. Neft-qaz mədən geologiyası. – Bakı: ADNA, 2011, s. 311.

6. Hacıyev F. və b. “Azərbaycan Respublikasının quruda yerləşən axtarış-kəşfiyyat sahələrinin hidrogeokimyəvi materiallar toplusu”, “Neftqazelmitədqiqatlayihə” İnstitutunun geoloji fondu. Bakı, 1998, s. 322.

7. Hacıyev F. və b. “Azərbaycan Respublikasının quruda yerləşən neft və qaz yataqlarının hidrogeokimyəvi materiallar toplusu”, “Neftqazelmitədqiqatlayihə” İnstitutunun geoloji fondu. Bakı, 1997, s. 1012.

8. Abbasov Q.A., Xəlilov N.N., Talıbzadə L.M., Qurbanzadə L.B., Əhmədova E.T. Lay sularının və digər mənşəli suların fiziki-kimyəvi xüsusiyyətlərinin öyrənilməsi // Azərbaycan neft təsərrüfatı jurnalı, 2022, № 11, s. 10-14.

9. Abbasov Q.A., Xəlilov N.N. Müxtəlif suların fiziki xassələrinə əsasən mənşəyinin təyin edilməsi, Tələbə və gənc tədqiqatçıların III beynəlxalq elmi konfransları, 18-29 aprel 2022, Bakı, Azərbaycan, s. 9-10. 

10. Abbasov Q.A., Xəlilov N.N., Qurbanzadə L.B., Talıbzadə L.M. Hipotetik yataqda səmt sularının hidrokimyəvi analizi və onların utilizə edilməsi üçün tədqiqatların geoloji əsaslandırılması, “Perfect education-the key to success in oil production” XXVIII Annual İnternational Conference of Students and Young Researches, Baku, 2024, s. 3-4. 

11. Helsel D.R., Hirsch R.M. Statistical Methods in Water Resources. 2002, p. 510.

12. Gibbons R.D., Bhaumik D.K., Subhash A. Statistical Methods for Groundwater Monitoring, 2nd Edition, 2009, p. 400.

13. Barbulescu A. Assessing water quality by statistical methods, 2023, p. 252.

14. Jhareswar M. Multivariate Statistical Modeling in Engineering and Management, 2023, p. 636.

15. Venkatramanan S., Viswanathan P.M., Yong Ch.S. GIS and Geostatistical Techniques for Groundwater Science, 2019, p. 746.

16. Alexandria H., Joseph L.R. Understanding Correlation Matrices, SAGE Publications, 2020, p. 136.

17. Charles E.B. Applied Multivariate Statistics in Geohydrology and Related Sciences, 1998, p. 248.

18. Heydərli S., Bəşirov N., Rəcəbli O. Məhdud məlumatlar şəraitində geoloji parametrlərin proqnozlaşdırılması üçün maşın öyrənmə metodlarının tətbiqi, “Perfect education-the key to success in oil production” XXIX Annual İnternational Conference of Students and Young Researches, Baku, 2025, pp. 74-75.

19. Gok M. Machine learning algorithms. Nobel Academic Publishing, 2024, p. 478.

20. Ismayilova N.T. Artificial intelligence: machine learning techniques, Baku, 2023, p. 118.