BR112021010957A2 - Método para estimar a permeabilidade de rochas, e, método habilitado por retropropagação para estimar a permeabilidade de rochas - Google Patents

Método para estimar a permeabilidade de rochas, e, método habilitado por retropropagação para estimar a permeabilidade de rochas Download PDF

Info

Publication number
BR112021010957A2
BR112021010957A2 BR112021010957-9A BR112021010957A BR112021010957A2 BR 112021010957 A2 BR112021010957 A2 BR 112021010957A2 BR 112021010957 A BR112021010957 A BR 112021010957A BR 112021010957 A2 BR112021010957 A2 BR 112021010957A2
Authority
BR
Brazil
Prior art keywords
image
rock
permeability
pore
wetting liquid
Prior art date
Application number
BR112021010957-9A
Other languages
English (en)
Inventor
Nishank SAXENA
Amie Marie HOWS
Ronny HOFMANN
Matthias Appel
John Justin Freeman
Original Assignee
Shell Internationale Research Maatschappij B.V.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shell Internationale Research Maatschappij B.V. filed Critical Shell Internationale Research Maatschappij B.V.
Publication of BR112021010957A2 publication Critical patent/BR112021010957A2/pt

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/083—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G01N2015/0846—Investigating permeability, pore-volume, or surface area of porous materials by use of radiation, e.g. transmitted or reflected light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/03—Investigating materials by wave or particle radiation by transmission
    • G01N2223/04—Investigating materials by wave or particle radiation by transmission and measuring absorption
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/30—Accessories, mechanical or electrical features
    • G01N2223/305—Accessories, mechanical or electrical features computer simulations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/419—Imaging computed tomograph
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/616—Specific applications or type of materials earth materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Dispersion Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Environmental & Geological Engineering (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Remote Sensing (AREA)
  • Geology (AREA)
  • Toxicology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pulmonology (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

método para estimar a permeabilidade de rochas, e, método habilitado por retropropagação para estimar a permeabilidade de rochas. a presente invenção fornece um método para estimar a permeabilidade de rochas a partir de uma imagem digital da rocha. uma imagem tridimensional de uma rocha é obtida e segmentada, e uma permeabilidade da imagem é determinada a partir da imagem segmentada da rocha. fatores de correção de permeabilidade são obtidos a partir da imagem segmentada e de uma curva de pressão capilar de líquido não umectante derivada da imagem segmentada, e os parâmetros de correção de permeabilidade são aplicados à permeabilidade de imagem para obter uma permeabilidade de imagem corrigida da rocha.

Description

1 / 27 MÉTODO PARA ESTIMAR A PERMEABILIDADE DE ROCHAS, E,
MÉTODO HABILITADO POR RETROPROPAGAÇÃO PARA ESTIMAR A PERMEABILIDADE DE ROCHAS CAMPO DA INVENÇÃO
[001] A presente invenção se refere a um método para caracterizar a permeabilidade de rochas. Em particular, a presente invenção se refere a um método para caracterizar a permeabilidade de uma rocha a partir de uma imagem tridimensional da rocha.
ANTECEDENTES DA INVENÇÃO
[002] A determinação precisa das características petrofísicas da rocha, como porosidade e permeabilidade dentro de um reservatório que contém hidrocarboneto, é importante para determinar se deve selecionar o reservatório contendo hidrocarboneto para desenvolvimento, bem como desenvolver e gerenciar o reservatório contendo hidrocarboneto. Por exemplo, superestimar a permeabilidade absoluta (doravante a “permeabilidade”) da rocha de uma formação contendo hidrocarboneto pode levar a uma superestimação significativa do fluxo de fluido através da formação e, portanto, superestimação da quantidade de fluidos de hidrocarboneto que podem ser produzidos a partir da formação. A superestimação da permeabilidade de rochas de uma formação contendo hidrocarbonetos pode levar a espaçamento impróprio de poços ou, no pior dos casos, ao desenvolvimento de uma formação que pode não fornecer produção comercial adequada de hidrocarbonetos.
[003] Tradicionalmente, as características petrofísicas de rochas de formação contendo hidrocarbonetos foram determinadas por testes físicos de amostras de rocha. No entanto, esses testes requerem um tempo considerável e são muito caros. Além disso, o número de amostras que podem ser processadas é relativamente limitado devido ao tempo e despesas necessárias para conduzir cada teste.
2 / 27
[004] A física de rocha digital é uma tecnologia que foi desenvolvida para fornecer uma análise mais rápida, mais, e menos cara de rochas de formação contendo hidrocarbonetos para determinar as principais características petrofísicas das rochas. A física de rocha digital utiliza imagens digitais de rochas em formação para simular a multifísica de rocha na escala de poros e prever propriedades de rochas complexas.
[005] A permeabilidade está entre as propriedades de rocha mais fundamentais e é utilizada para determinar a propensão de um fluido para fluir através de uma formação contendo hidrocarboneto de modo que o fluido possa ser produzido a partir da formação. As tecnologias atuais de física de rocha digital determinam a permeabilidade de uma amostra de rocha, capturando uma imagem tridimensional da rocha, por exemplo, por tomografia computadorizada de raios-X 3-D, segmentando a imagem resultante em voxels de espaço sólido e vazio utilizando vários algoritmos de segmentação de imagem, e executando uma simulação computacional de dinâmica de fluidos na imagem de rocha segmentada para determinar a permeabilidade da rocha.
[006] Os métodos atuais de física de rocha digital para determinar a permeabilidade de uma rocha, no entanto, exibem um desvio sistemático significativo entre as medições de laboratório de permeabilidade e permeabilidade computada com o uso de modelos de física de rocha digital. A permeabilidade computada com o uso de modelos de física de rocha digital é consistentemente superestimada de forma significativa, por até um fator de 10, em relação à permeabilidade medida por medições de laboratório (a permeabilidade “verdadeira”) em rochas com uma permeabilidade verdadeira menor que 9,86E-14 m² (100 mDarcy). Esse desvio é mostrado graficamente na Figura 1, onde a permeabilidade computada usando modelos convencionais de física de rocha digital (ksim) é plotada contra a permeabilidade "verdadeira" medida em laboratório (klab). Os modelos de
3 / 27 física de rocha digital superestimam consistentemente a permeabilidade da imagem em relação à permeabilidade verdadeira em permeabilidades de menos de 9,86E-14 m² (100 mDarcy), como mostrado pelas permeabilidades de imagem que caem consistentemente acima da inclinação x=y (na qual a permeabilidade modelada por imagem seria igual à permeabilidade verdadeira medida em laboratório) de menos de 9,86E-14 m² (100 mDarcy).
[007] Essa tendência não pode ser explicada por diferenças nas microestruturas de rocha geradas por vários algoritmos de segmentação, uma vez que tais diferenças são relativamente menores, desde que todas as fases sejam segmentadas de forma consistente. Como tal, os métodos de rocha digital atuais são relativamente imprecisos e superestimam a verdadeira permeabilidade de rochas de formação contendo hidrocarbonetos.
[008] Um método de física de rocha digital melhorado é desejável para estimar com mais precisão a permeabilidade de rochas de formação contendo hidrocarbonetos a partir de uma imagem tridimensional da rocha.
SUMÁRIO DA INVENÇÃO
[009] De acordo com um aspecto da presente invenção, é fornecido um método para estimar a permeabilidade de uma rocha, que compreende: obter uma imagem tridimensional de uma rocha em que a imagem é composta por uma pluralidade de voxels e a imagem tem uma resolução; processar a imagem tridimensional da rocha para segmentar a imagem selecionando cada voxel da imagem para representar o espaço dos poros na rocha ou o material sólido na rocha; determinar uma permeabilidade de imagem da rocha a partir da imagem tridimensional segmentada da rocha; derivar uma curva de pressão capilar de líquido não umectante da imagem tridimensional segmentada da rocha; determinar um ou mais fatores de correção de permeabilidade da imagem tridimensional segmentada da rocha e a curva de pressão capilar de líquido não umectante; e aplicar um ou mais fatores de correção de permeabilidade à permeabilidade de imagem da rocha para obter uma
4 / 27 permeabilidade corrigida da rocha.
[0010] De acordo com outro aspecto da presente invenção, é fornecido um método habilitado por retropropagação para estimar a permeabilidade de rochas a partir de uma imagem tridimensional de rocha, que compreende as etapas de: obter uma imagem tridimensional de rocha, a imagem com resolução; aplicar um modelo treinado habilitado por retropropagação para segmentar a imagem tridimensional de rocha; determinar uma permeabilidade de imagem da rocha a partir da imagem segmentada; derivar uma curva de pressão capilar de líquido não umectante a partir da imagem segmentada; determinar um ou mais fatores de correção de permeabilidade da curva de pressão capilar de líquido não umectante e a resolução; e aplicar um ou mais fatores de correção de permeabilidade à permeabilidade de imagem da rocha para obter uma permeabilidade corrigida da rocha.
[0011] De acordo com um outro aspecto da presente invenção, é fornecido um método habilitado por retropropagação para estimar a permeabilidade de rochas a partir de uma imagem de rocha, que compreende as etapas de: obter uma imagem de rocha, a imagem selecionada a partir do grupo que consiste em um série de imagens de projeção 2D, imagens reconstruídas tridimensionais e suas combinações; e aplicar um modelo treinado habilitado por retropropagação para obter uma permeabilidade de rochas.
BREVE DESCRIÇÃO DOS DESENHOS
[0012] O método da presente invenção será melhor compreendido por referência à seguinte descrição detalhada de modalidades preferidas e aos desenhos referenciados nas mesmas, nos quais:
[0013] a Figura 1 é um gráfico que mostra uma plotagem de permeabilidade de rochas medida em laboratório versus a permeabilidade de imagem conforme determinado por métodos de imagem digital de rocha da
5 / 27 técnica anterior;
[0014] a Figura 2 é um gráfico de uma curva de pressão capilar de mercúrio simulada a partir de uma imagem digital de rocha (porosidade ocupada por mercúrio versus pressão);
[0015] a Figura 3 é um gráfico que mostra uma plotagem de parâmetros de resolução de garganta de poro medidos contra parâmetros de resolução de garganta de poro de imagem para uma série de cinco rochas de arenito em diferentes resoluções de imagem;
[0016] a Figura 4 é um gráfico que mostra uma plotagem de permeabilidade de rochas medida em laboratório versus a permeabilidade de imagem conforme determinado por métodos de imagem digital de rocha sem aplicação de fatores de correção de permeabilidade de imagem;
[0017] a Figura 5 é um gráfico que mostra uma plotagem de permeabilidade de rochas medida em laboratório versus a permeabilidade de imagem conforme determinado por métodos de imagem digital de rocha corrigida por um fator de correção de resolução de imagem de permeabilidade;
[0018] a Figura 6 é um gráfico que mostra uma plotagem de permeabilidade de rochas medida em laboratório versus a permeabilidade de imagem conforme determinado por métodos de imagem digital de rocha corrigida por um fator de correção de resolução de imagem de permeabilidade e um fator de correção de campo de visão de permeabilidade; e
[0019] a Figura 7 é um gráfico que mostra uma plotagem de permeabilidade de rochas medida em laboratório versus a permeabilidade da imagem conforme determinado por métodos de imagem digital de rocha corrigida por um fator de correção de resolução de imagem de permeabilidade, um fator de correção de campo de visão de permeabilidade e um fator de correção de segmentação de imagem de permeabilidade.
DESCRIÇÃO DETALHADA DA INVENÇÃO
6 / 27
[0020] A presente invenção fornece um método para estimar com precisão a permeabilidade de uma rocha com base em uma imagem em escala de poro tridimensional original da rocha tendo resolução limitada em relação à estrutura de poro real da rocha. Verificou-se que, ao contrário das suposições atuais na modelagem física digital de rochas, que uma fração substancial do volume de poros de rochas contendo hidrocarbonetos está contida em poros de um tamanho abaixo da resolução de imagem fornecida pela tecnologia de imagem em escala de poros tridimensional comumente usado para fornecer imagens de tais rochas. Como resultado, a modelagem física de rocha digital convencional superestima substancialmente a permeabilidade de rochas contendo hidrocarbonetos com permeabilidade real de menos de 9,86E-14 m² (100 mDarcy) ao deixar de levar em consideração poros que são menores do que a resolução de imagem da tecnologia de imagem em escala de poro no cálculo de permeabilidade.
[0021] A presente invenção fornece um método para estimar a permeabilidade de uma rocha que contém hidrocarbonetos com base em uma imagem digital tridimensional fornecida pela tecnologia de imagem em escala de poros, onde a permeabilidade estimada de acordo com o presente método inclui a permeabilidade fornecida por poros com um tamanho abaixo da resolução de imagem da imagem. A relação entre a fração de permeabilidade que pode ser estimada a partir dos poros visíveis em uma imagem e a permeabilidade verdadeira é estimada com o uso do mecanismo físico aparentemente não relacionado de pressão capilar nas rochas. A pressão capilar é a diferença de pressão na interface entre dois fluidos imiscíveis em um canal constrito (por exemplo, ar e um líquido não umectante, como o mercúrio). As curvas de pressão capilar de injeção de líquido não umectante descrevem a relação entre a pressão aplicada no líquido não umectante para superar a pressão capilar e, assim, entrar nas gargantas dos poros e o volume total fracionário da rocha que é ocupado pelo líquido não umectante a essa
7 / 27 pressão. A verdadeira permeabilidade de uma rocha que contém hidrocarbonetos pode ser estimada utilizando curvas de pressão capilar com base em uma imagem de uma rocha para determinar um ou mais fatores de correção de permeabilidade a serem aplicados a uma permeabilidade computacionalmente simulada a partir de poros visíveis na imagem.
[0022] A presente invenção também fornece um método habilitado por retropropagação para estimar a permeabilidade de rochas a partir de uma imagem tridimensional da rocha. Um modelo treinado habilitado por retropropagação é aplicado a uma imagem tridimensional para segmentar a imagem tridimensional de rocha.
[0023] Em uma modalidade preferida, o modelo treinado é produzido fornecendo um conjunto de treinamento de imagens de rocha, segmentando as imagens em uma pluralidade de voxels marcados, em que a pluralidade de voxels marcados representa espaços de poros e material sólido na rocha e o uso de voxels marcados para treinar um modelo via retropropagação.
[0024] O conjunto de treinamento de imagens de rocha pode incluir, por exemplo, imagens de projeção 2D obtidas a partir de uma tecnologia de imagem de escala de poros, imagens 3D reconstruídas a partir de imagens de projeção 2D, imagens 2D sintéticas, imagens 3D sintéticas e combinações das mesmas. Em uma modalidade preferida, o conjunto de imagens de treinamento é obtido a partir de uma ferramenta baseada em nuvem adaptada para armazenar imagens de projeção 2D de uma tecnologia de imagem de espaço de poro, especialmente micro-CT e seções finas. A ferramenta é adaptada para processar as imagens de projeção 2D para produzir uma imagem 3D reconstruída. A ferramenta também é adaptada para armazenar as imagens 3D resultantes.
[0025] Exemplos de processos habilitados por retropropagação incluem, sem limitação, inteligência artificial, aprendizagem de máquina e aprendizagem profunda. Será entendido por aqueles versados na técnica que
8 / 27 avanços em processos habilitados por retropropagação continuam rapidamente. Espera-se que o método da presente invenção seja aplicável a esses avanços, mesmo que com um nome diferente. Consequentemente, o método da presente invenção é aplicável a avanços adicionais em processo habilitado por retropropagação, mesmo se não expressamente nomeado neste documento.
[0026] Uma modalidade preferida de um processo habilitado por retropropagação é um processo de aprendizagem profunda, incluindo, mas não se limitando a uma rede neural convolucional.
[0027] O processo habilitado por retropropagação pode ser supervisionado, semissupervisionado, não supervisionado ou uma combinação dos dois. Em uma modalidade, um processo supervisionado é feito semissupervisionado pela adição de uma técnica não supervisionada.
[0028] Em um processo supervisionado habilitado por retropropagação, o conjunto de imagens de treinamento é marcado para fornecer exemplos de espaços de poros e material sólido de interesse. Em um processo habilitado por retropropagação não supervisionado, um espaço de poro e/ou material sólido de interesse pode ser identificado, por exemplo, desenhando um polígono ao redor da imagem de interesse na imagem. O processo treinado irá então identificar áreas de interesse com características semelhantes de espaço latente. Quando o conjunto de treinamento são imagens marcadas, as marcações podem ter uma dimensão de 1D a 3D.
[0029] Em uma modalidade, o processo habilitado por retropropagação supervisionado é um processo de classificação. O processo de classificação pode ser conduzido em termos de voxel, fatia e/ou volume.
[0030] Em outra modalidade, o processo habilitado por retropropagação não supervisionado é um processo de agrupamento. O processo de agrupamento pode ser conduzido em termos de voxel, fatia e/ou volume.
9 / 27
[0031] Em outra modalidade, o processo habilitado por retropropagação não supervisionado é um processo generativo. O processo generativo pode ser conduzido em termos de voxel, fatia e/ou volume.
[0032] De preferência, o processo habilitado por retropropagação é um processo de segmentação.
[0033] Em uma modalidade preferida, a etapa de treinamento inclui validação e teste.
[0034] No método da invenção, as características petrofísicas de uma rocha, particularmente a permeabilidade de rochas, podem ser estimadas a partir de uma imagem tridimensional da rocha. Em uma modalidade preferida, a rocha pode ser uma rocha de qualquer formação contendo hidrocarboneto, ou uma porção de uma formação contendo hidrocarboneto, para a qual as características petrofísicas da formação, ou porção da mesma, são de interesse. De preferência, a rocha pode ser um arenito, um carbonato, um xisto e combinações dos mesmos a partir de uma formação contendo hidrocarboneto. A rocha pode ser obtida por meios convencionais para obter amostras de rocha de uma formação de hidrocarboneto. Em uma modalidade preferida, uma amostra de núcleo da rocha é obtida por testemunhagem de uma porção da formação de um poço na formação. Alternativamente, uma amostra da rocha pode ser obtida a partir de detritos de perfuração produzidos na perfuração de um poço na formação.
[0035] A amostra de rocha deve ser de tamanho suficiente para se obter uma imagem tridimensional de volume suficiente na escala em que a imagem é gerada. Em particular, a amostra de rocha deve ser de tamanho suficiente, de modo que as características de permeabilidade da maior parte da amostra predominem sobre as características de permeabilidade das bordas da amostra na escala ou campo de visão da imagem a ser gerada.
[0036] Uma imagem tridimensional composta por uma pluralidade de voxels é obtida a partir da amostra de rocha. A imagem tridimensional da
10 / 27 rocha pode ser obtida utilizando tecnologia de imagem em escala de poro. Uma imagem tridimensional da rocha pode ser obtida por tomografia computadorizada de raios-X, incluindo, sem limitação, microtomografia computadorizada de raios-X (micro-CT) e tomografia computadorizada de raios-X (nano-CT), microscopia acústica ou ressonância magnética. Mais preferencialmente, a imagem tridimensional da rocha é obtida por micro-CT para fornecer campo de visão suficiente da rocha para evitar que os poros das bordas distorçam a porosidade geral, o tamanho da garganta dos poros e a permeabilidade da imagem resultante, bem como para reduzir tempo de varredura e requisitos computacionais que a tomografia de resolução mais alta (por exemplo, nano-TC) exigiria.
[0037] Em uma modalidade preferida, a imagem tridimensional é obtida a partir de uma ferramenta baseada em nuvem adaptada para armazenar imagens de projeção 2D de uma tecnologia de imagem de espaço de poro, especialmente micro-CT e seções finas. A ferramenta é adaptada para processar as imagens de projeção 2D para produzir uma imagem 3D reconstruída. A ferramenta também é adaptada para armazenar as imagens 3D resultantes.
[0038] A imagem tridimensional da rocha obtida pela tecnologia de imagem em escala de poros tem uma resolução. Os voxels da imagem tridimensional definem a resolução da imagem. A imagem é composta por uma pluralidade de voxels, onde o volume definido por cada voxel representa uma resolução máxima da imagem. A resolução da imagem deve ser selecionada para fornecer um tamanho de voxel no qual as gargantas dos poros dominantes para o fluxo de fluido na rocha são suficientemente resolvidas e em que um campo de visão suficiente é fornecido de modo a ser representativo de toda a rocha a uma determinada propriedade petrofísica a ser analisada (por exemplo, permeabilidade). Para os fins deste documento, o tamanho da garganta dos poros dominantes (Dd) é o tamanho das gargantas
11 / 27 dos poros para que um líquido não umectante entre na pressão de entrada dos poros (Pd), onde a pressão de entrada dos poros é a pressão mínima necessária antes do líquido não umectante poder começar a invadir a estrutura dos poros da rocha.
[0039] A resolução de uma imagem micro-CT pode ser escolhida com base no tamanho da amostra de rocha, o tamanho de poro médio relativo do tipo de rocha, o tempo necessário para a geração de imagens e a potência computacional necessária para armazenar e conduzir atividades computacionais adicionais nos dados da imagem. A resolução da imagem é escolhida para ser detalhada o suficiente para que uma curva de injeção capilar de líquido não umectante possa ser plotada com base em uma imagem segmentada produzida a partir da imagem, enquanto mantém um campo de visão suficiente para evitar que os poros das bordas distorçam a porosidade geral, tamanho da garganta dos poros, e permeabilidade da imagem resultante. Em uma modalidade preferida, a resolução da imagem é selecionada para exigir tão pouco poder computacional para armazenar e conduzir a atividade computacional adicional na imagem, enquanto fornece detalhes suficientes para construir uma curva de injeção capilar com base na imagem segmentada. A resolução da imagem pode ser selecionada com base no tipo de rocha, em que os arenitos geralmente têm uma estrutura de poros maior do que os carbonatos e requerem menos resolução de imagem do que os carbonatos, e os carbonatos têm uma estrutura de poros maior do que os xistos e requerem menos resolução de imagem do que os xistos. A resolução da imagem micro- CT pode variar de 0,1 µm3 a 30 µm3 por voxel. Para arenitos, a imagem micro-CT é produzida, de preferência, com uma resolução de 1 µm3 a 25 µm3 por voxel, ou de 2. 5 µm3 a 15 µm3 por voxel; para carbonatos, a resolução da imagem micro-CT pode variar de 0,5 µm3 a 20 µm3, ou de 1 µm3 a 10 µm3; e para xistos a resolução da imagem de micro-CT (ou nano-CT) pode variar de 0,1 µm3 a 10 µm3 ou de 0,5 µm3 a 5 µm3.
12 / 27
[0040] Em uma modalidade preferida, a imagem adquirida pode ser processada para reduzir ruído e artefatos de imagem. O ruído pode ser filtrado da imagem adquirida ao filtrar usando um filtro de meio local para reduzir o ruído. Artefatos de imagem, predominantes nas bordas externas da imagem adquirida, podem ser reduzidos pelo processamento da imagem, excluindo as bordas externas da imagem.
[0041] A imagem tridimensional obtida da rocha é processada para segmentar os voxels da imagem em voxels que representam o espaço dos poros na rocha ou o material sólido na rocha, produzindo assim uma imagem binária na qual os voxels dos poros têm um valor de 0 e os voxels de material sólido têm um valor de 1 (ou vice-versa). A imagem obtida da rocha pode ser uma imagem em tons de cinza e o processamento dos voxels da imagem para segmentar a imagem em voxels que representam o espaço dos poros ou material sólido pode ser efetuado atribuindo a um voxel uma designação como espaço de poro ou como material sólido baseado em limiar, em que voxels com uma intensidade de imagem acima do limiar podem ser atribuídos a um valor que representa um poro (ou material sólido) e voxels com uma intensidade de imagem abaixo do limiar podem ser atribuídos a um valor que representa material sólido (ou um poro). Um limiar pode ser calculado com o uso do método de Otsu conforme descrito em Otsu, N., A Threshold Selection Method from Gray-level Histogram, IEEE páginas 62 a 66, Trans. SMC-9 (1979), ou outros algoritmos de cálculo de limiar conhecidos na técnica.
[0042] A imagem tridimensional da rocha pode ser processada para segmentar os voxels em voxels de espaço de poros e voxels de material sólido utilizando algoritmos de segmentação conhecidos na técnica. Em uma modalidade, a imagem pode ser segmentada usando um algoritmo de agrupamento difuso c-means de acordo com o método descrito em Chuang, K.-S., Tzeng, H.-L., Chen, S., Wu, J., Chen, T.-J. Fuzzy C-Means Clustering with Spatial Information for Image Segmentation, Comput. Med. Imaging
13 / 27 Graph., 30, 9 a 15 (2006). Em outra modalidade, a imagem pode ser segmentada com o uso de um algoritmo Otsu. A segmentação com o uso de algoritmos de segmentação é preferencialmente conduzida automaticamente usando sistemas de processamento de dados.
[0043] Depois que a imagem foi segmentada, uma permeabilidade de imagem é determinada a partir da imagem tridimensional segmentada da rocha. A permeabilidade pode ser estimada a partir da imagem tridimensional segmentada da rocha por simulação numérica computacional de fluxo de fluido através da imagem da rocha. A simulação numérica computacional de fluxo de fluido através da imagem da rocha para determinar a permeabilidade da imagem pode ser conduzida com o uso de simulações de fluxo de fluido convencionais. Em uma modalidade da presente invenção, a permeabilidade da imagem é computada a partir da imagem tridimensional da rocha usando uma simulação Lattice-Boltzmann.
[0044] Uma curva de pressão capilar de líquido não umectante é derivada da imagem tridimensional segmentada da rocha para fornecer o tamanho de garganta de poro dominante Dd, a pressão de entrada de poro Pd, a constrição mais estreita de corpos de poro na borda da imagem DINC, a pressão de entrada do corpo de poro de borda PINC, e a curva de fator geométrico de poro para uso no cálculo de um ou mais fatores de correção de permeabilidade. A curva de pressão capilar de líquido não umectante é determinada a partir da imagem tridimensional segmentada da rocha por poros distinguíveis na imagem segmentada em pressões até uma pressão limitada por imagem. De preferência, o mercúrio ou o metal de Wood são selecionados como o líquido não umectante. Uma curva de pressão capilar de líquido não umectante pode ser determinada a partir da imagem segmentada plotando a porosidade da rocha ocupada pelo líquido não umectante em pressões selecionadas até a pressão limitadora de imagem com base em simulações do líquido não umectante preenchendo o espaço poroso da
14 / 27 imagem. Para simular o líquido não umectante que preenche o espaço de poro da imagem, o tamanho da garganta de poro penetrado a uma determinada pressão pode ser determinado de acordo com a equação de Young-Laplace: D = 4σcosθ/P (1)
[0045] onde P é a pressão dada, σ é a tensão superficial do ar líquido não umectante (0,48 N/m (480 dine/cm) para o mercúrio-ar), θ é o ângulo de contato (140° para o mercúrio) e D é o tamanho da garganta do poro penetrado na pressão dada. Para avaliar a porosidade da rocha ocupada por um líquido não umectante a uma pressão dada, uma simulação pode ser conduzida em que voxels de espaço de poro de corpos de poro que têm um tamanho de garganta de poro de D ou maior são considerados preenchidos com o líquido não umectante a uma dada pressão, os voxels que são “preenchidos” com o líquido são somados e a porosidade da rocha ocupada pelo líquido não umectante é calculada dividindo a soma do número de voxels de espaço de poro preenchidos com líquido pelo número total de voxels na imagem. Como mostrado na Figura 2, a porosidade da rocha ocupada pelo líquido não umectante pode, então, ser plotada contra a pressão dada a um número de determinadas pressões selecionadas até a pressão limitada de imagem Pmáx para plotar a curva de pressão capilar e determinar a pressão do corpo do poro da borda PINC e a pressão de entrada do poro (Pd). A pressão do corpo de poro na borda (PINC) é a pressão na qual o líquido não umectante inicialmente entra nos corpos de poro na borda da imagem, a pressão de entrada dos poros (Pd) é a pressão na qual o líquido não umectante inicialmente entra nos poros na rocha, e a pressão limitada pela imagem (Pmáx) é a pressão mínima necessária para superar a pressão capilar da garganta de poro mais estreita distinguível na imagem segmentada. O tamanho de garganta de poro dominante Dd pode ser calculado a partir da pressão de entrada de poro Pd e a constrição mais estreita de corpos de poro na borda da imagem DINC pode ser calculada a partir da pressão de entrada de corpo de
15 / 27 poro de borda PINC de acordo com a equação 1 acima.
[0046] Uma porosidade corrigida da imagem também é estimada para uso no cálculo de um fator de correção de permeabilidade. A porosidade da imagem da rocha é estimada a partir da imagem tridimensional segmentada da rocha. A porosidade da imagem da rocha pode ser determinada somando o número de voxels na imagem segmentada que representam o espaço dos poros, somando o número total de voxels na imagem segmentada (ou obtendo o número total de voxels a partir dos parâmetros de imagem) e, em seguida, dividindo a soma do número de voxels na imagem segmentada que representam o espaço dos poros pelo número total de voxels na imagem segmentada. A soma do número de voxels na imagem segmentada que representa o espaço dos poros pode ser determinada somando o número de voxels atribuídos a um valor binário (por exemplo, 1 ou 0) representando o espaço dos poros. A soma do número total de voxels na imagem segmentada pode ser determinada ao somar o número total de voxels atribuídos a um valor binário, ambos os voxels de espaço de poro e voxels de material sólido.
[0047] Um fator de correção de porosidade é determinado a partir da imagem tridimensional segmentada para corrigir a porosidade da imagem da rocha para obter uma porosidade da imagem corrigida da rocha. A relação entre a porosidade da imagem (φI), a porosidade verdadeira (φ∞) e o fator de correção (α) pode ser expressa da seguinte forma: φI = αφ∞ onde 0 < α <1. (2)
[0048] O modelo de Thomeer da Curva de Pressão Capilar fornece que: φP = φ∞(e-G/Log10(N)) (3) onde φP é a porosidade da rocha ocupada por um líquido não umectante na pressão P, φ∞ é a porosidade da rocha ocupada por um líquido não umectante na pressão infinita (a porosidade verdadeira, uma vez que a pressão é suficiente para forçar o líquido não umectante através da menor
16 / 27 garganta dos poros na rocha), G é o fator geométrico dos poros que reflete a distribuição das gargantas dos poros e o volume de seus corpos de poros associados, e N é o parâmetro de resolução da garganta dos poros. O fator de correção de porosidade α, portanto, pode ser determinado a partir do fator geométrico de poro G e do parâmetro NI de resolução de garganta de poro de imagem de acordo com a seguinte equação α = e-G/Log10(NsubI) (4).
[0049] O parâmetro de resolução de garganta de poro da imagem NI é determinado a partir da curva de pressão capilar de líquido não umectante derivado a partir da imagem e a resolução da imagem, tal como determinado a partir do tamanho de voxel. O parâmetro de resolução da garganta dos poros NI é a razão do tamanho da garganta dos poros da imagem (Dd) penetrado pelo líquido não umectante na pressão de entrada (Pd) para o tamanho de voxel (Δx), NI = (Dd/ Δx). O tamanho de voxel pode ser determinado a partir dos parâmetros da imagem tridimensional (ou seja, a resolução da imagem). O tamanho da garganta dos poros (Dd) dos poros penetrados pelo líquido não umectante na pressão de entrada (Pd) pode ser determinado a partir da curva de pressão capilar do líquido não umectante derivada da imagem tridimensional segmentada da rocha de acordo com a equação: Dd = 4σcosθ/Pd (5).
[0050] O fator geométrico de poro G é determinado a partir da curva de pressão capilar do líquido não umectante derivada da imagem. O fator geométrico de poro G pode ser determinado plotando uma curva de melhor ajuste para a curva de pressão capilar de líquido não umectante simulada a partir da imagem segmentada e determinando o fator geométrico de poro a partir da forma da curva de acordo com métodos conhecidos na técnica. A curva de melhor ajuste pode ser plotada pelo método dos mínimos quadrados ou por qualquer método convencional de ajuste de curva.
[0051] Conforme descrito acima, o fator geométrico de poro G e o
17 / 27 parâmetro NI de resolução de garganta de poro são utilizados para determinar o fator de correção de porosidade. O fator de correção de porosidade α pode ser calculado a partir do fator geométrico de poro G e do parâmetro NI de resolução de garganta de poro de acordo com a equação: α = (e-G/Log10(NI)) (6).
[0052] O fator de correção de porosidade α é então aplicado à porosidade da imagem da rocha para obter uma porosidade da imagem corrigida. A porosidade da imagem corrigida (φ∞) pode ser estimada a partir da porosidade da imagem (φI) da rocha e do fator de correção de porosidade (α) de acordo com a seguinte equação: φI/α = φ∞ (7)
[0053] Um ou mais fatores de correção são então determinados para corrigir a permeabilidade da imagem da rocha para obter uma permeabilidade da imagem corrigida da rocha. A relação entre a permeabilidade da imagem e a permeabilidade da imagem corrigida da rocha pode ser expressa da seguinte forma: k∞ = kI/(βRβSβV) (8) onde k∞ é a permeabilidade na resolução infinita da imagem e campo de visão infinito (a permeabilidade da imagem corrigida), kI é a permeabilidade da imagem, βR é o fator de correção da resolução da imagem da permeabilidade, βS é o fator de correção da segmentação da imagem da permeabilidade, e βV é o fator de correção do campo de visão da permeabilidade.
[0054] O fator de correção de resolução de imagem de permeabilidade βR pode ser determinado com base no parâmetro NI de resolução de garganta de poro de imagem, determinado a partir da curva de pressão capilar de líquido não umectante e o tamanho de voxel como descrito acima, e o parâmetro NM de resolução de garganta de poro medido. O fator de correção de resolução de imagem de permeabilidade pode ser determinado a partir da
18 / 27 resolução do tamanho da garganta de poro de entrada da imagem em relação ao tamanho da garganta de poro de entrada medido de acordo com a seguinte equação: βR = (NI/NM)2. (9)
[0055] O parâmetro NM de resolução da garganta de poro medido pode ser determinado por medição física direta da pressão na qual um líquido não umectante penetra poros do corpo da rocha, a determinação dos tamanho de garganta de poro dominante Dd a partir da pressão medida de acordo com a equação 5, e cálculo do parâmetro de resolução de garganta de poro medido a partir do tamanho de garganta de poro dominante medido Dd e o tamanho de voxel (Δx) dividindo o tamanho de garganta de poro dominante medido pelo tamanho de voxel . Em alternativa, e de preferência, o parâmetro de resolução da garganta de poro medido pode ser determinado com base na estimativa da diferença entre o parâmetro NI de resolução de garganta de poro da imagem e o parâmetro NM de resolução de garganta de poro medido para fornecer uma grande aproximação de NM com base em NI. O parâmetro NE estimado de resolução de garganta de poro medido pode ser determinado determinando o parâmetro de resolução de garganta de poro de imagem e o parâmetro de resolução de garganta de poro medido de várias, de preferência pelo menos 5 ou pelo menos 10, amostras de rocha com uma estrutura de poros semelhante à rocha para a qual uma permeabilidade de imagem corrigida é procurada em várias resoluções de imagem (tamanhos de voxel), por exemplo de 3 a 10; plotando o parâmetro NM da resolução de garganta de poro medido contra o parâmetro NI de resolução de garganta de poro da imagem para cada uma das amostras de rocha; derivar uma curva de melhor ajuste para os pontos plotados, por exemplo, pelo método dos mínimos quadrados; e determinar o parâmetro de resolução estimado de gargantas de poros medido a partir da curva. Amostras de rocha com uma estrutura de poro semelhante podem ser derivadas de rochas com a mesma classificação geral
19 / 27 que a rocha para a qual a permeabilidade de imagem corrigida é buscada: por exemplo, arenitos sem estruturas de poros substancialmente incomuns podem ser usados como amostras de rocha de referência para rochas de arenito, amostras de rocha de carbonato sem estruturas de poros substancialmente incomuns podem ser usadas como amostras de rocha de referência para rochas de carbonato, e amostras de rocha de xisto sem estruturas de poro substancialmente incomuns podem ser usadas como amostras de rocha de referência para rochas de xisto. O parâmetro NE de resolução de poro medido estimado, uma vez determinado, pode ser usado como um padrão para uso em todas as correções de permeabilidade de imagem para tipos semelhantes de rochas. O parâmetro de resolução de garganta de poro medido estimado NE é uma aproximação próxima do parâmetro NM de resolução medido da garganta dos poros tal que o fator de correção de resolução de imagem de permeabilidade βR pode ser determinado através do parâmetro estimado de resolução medido da garganta dos poros TNE para o parâmetro NM de resolução de garganta de poro medido no cálculo do fator de resolução da imagem de permeabilidade βR: βR ≈ (NI/NE)2. (10)
[0056] Um parâmetro NE de resolução de poro medido estimado para arenitos foi calculado para ser NE(arenito) = . (11)
[0057] Uma plotagem de parâmetros de resolução de garganta de poro medidos contra parâmetros de resolução de garganta de poro de imagem para uma série de cinco rochas de arenito em diferentes resoluções de imagem (tamanhos de voxel, Δx) é mostrada na Figura 3. Uma curva de melhor ajuste é plotada através dos pontos plotados, e a equação da curva de melhor ajuste é derivada da curva de ajuste de bits para chegar à equação (12) para arenitos, onde y = NM ≈ NE(arenito) and x = NI. Para arenitos, então o fator de correção de resolução de imagem de permeabilidade βR(arenito) pode ser calculado de
20 / 27 acordo com a equação: βR(arenito) = . (12)
[0058] Fatores de correção de resolução de imagem de permeabilidade semelhantes para rochas de carbonato e para rochas de xisto podem ser determinados de maneira semelhante.
[0059] O fator de correção do campo de visão da permeabilidade βV é responsável pela contribuição relativa das estruturas de poros na borda da imagem para a permeabilidade da imagem em relação à contribuição geral de todos os poros para a permeabilidade da imagem. Contribuições volumétricas de estruturas de poros de borda são insignificantes em comparação com o volume total de poros em medições de permeabilidade com base em amostras físicas de rocha devido ao tamanho da amostra da rocha. As medições de permeabilidade com base em uma imagem digital podem ser significativamente afetadas pelas contribuições volumétricas de estruturas de poros de borda, particularmente em alta resolução, imagens de baixo campo de visão — onde imagens de maior resolução e menor campo de visão podem ter uma contribuição maior de poros de borda. No Volume Elementar Representativo (REV), uma imagem digital tem tamanho suficiente para capturar um número suficiente de grãos (voxels sólidos) para amostrar suficientemente a heterogeneidade da rocha, no entanto, devido às restrições de resolução de imagem e tecnologia de imagem, a imagem digital pode não atingir REV. O fator de correção do campo de visão da permeabilidade βV pode ser usado para corrigir a imprecisão da permeabilidade devido a uma imagem digital não ter tamanho suficiente para fornecer REV.
[0060] O fator de correção do campo de visão de permeabilidade βV pode ser determinado a partir da contribuição relativa dos poros dentro do corpo da imagem tendo uma resolução de garganta de poro de entrada de imagem de NI, em que a contribuição relativa de poros nas bordas da imagem tem a constrição mais estreita do tamanho do corpo do poro da borda (DINC)
21 / 27 para o tamanho de voxel da imagem (Δx)—NINC, e o coeficiente p determinado conforme descrito abaixo. O fator de correção do campo de visão da permeabilidade βV pode ser determinado de acordo com a seguinte equação: βV = (13) . onde p pode ser determinado a partir de parâmetros que podem ser extraídos da imagem segmentada tridimensional da rocha. Verificou-se que a seguinte relação empírica descreve a variação do parâmetro p: (14) onde a = 0,5, Dd é o tamanho de garganta de poro dominante calculado a partir da curva de pressão capilar do líquido não umectante como descrito acima, φ∞ é a porosidade corrigida calculada conforme descrito acima, e NREV pode ser calculado de acordo com a fórmula NREV = M x Δx/Deff, onde M é o comprimento da imagem em voxels ao longo de qualquer eixo da imagem, Δx é o tamanho de um voxel e Deff é o tamanho de grão efetivo. A fim de determinar o tamanho de grão efetivo Deff, uma segmentação de bacia hidrográfica pode ser conduzida na imagem segmentada tridimensional e o tamanho de grão efetivo determinado a partir da imagem segmentada de bacia hidrográfica de acordo com métodos convencionais conhecidos na técnica. Alternativamente, o tamanho de grão efetivo também pode ser determinado para arenitos de acordo com a seguinte relação empírica: Deff = (15) onde a = 0,5, φ = a porosidade da imagem corrigida φ∞, b = 2 e Dd é o tamanho de garganta de poro dominante, conforme determinado a partir da curva de pressão capilar do líquido não umectante.
[0061] O fator de correção de segmentação de imagem de permeabilidade βS pode ser calculado a partir da porosidade da imagem φI
22 / 27 (obtida conforme divulgado acima) e da porosidade medida φM, que é obtida medindo fisicamente a porosidade da rocha, de acordo com a seguinte equação: βS = (φI/ φM)3([1- φM]/[1- φI])2 (16). βS, no entanto, fornece apenas uma correção muito pequena e, portanto, na ausência de uma medição física da porosidade da rocha, βS pode ser assumido como 1.
[0062] Uma vez que o fator de correção de resolução de imagem de permeabilidade βR, o fator de correção de campo de visão de permeabilidade βV e o fator de correção de segmentação de imagem de permeabilidade βS são conhecidos ou estimados, a permeabilidade de imagem corrigida da rocha é obtida. A permeabilidade da imagem corrigida da rocha pode ser obtida de acordo com a equação (8) acima. A permeabilidade da imagem corrigida da rocha é aproximadamente igual à permeabilidade real da rocha medida por medições físicas.
EXEMPLO
[0063] O seguinte exemplo não limitativo de uma modalidade do método da presente invenção como reivindicado neste documento é fornecido apenas para fins ilustrativos.
[0064] A permeabilidade da imagem corrigida de doze amostras de arenito de formações contendo hidrocarbonetos separadas foi determinada de acordo com o método da presente invenção e foi comparada com a permeabilidade real dos arenitos conforme determinado por medições físicas.
[0065] Doze amostras de núcleo de arenito foram recuperadas de formações contendo hidrocarbonetos separadas. A verdadeira permeabilidade de cada uma das amostras foi determinada de acordo com o padrão da indústria de injeção de salmoura de fluxo laminar nas amostras.
[0066] A permeabilidade de cada uma das amostras de arenito foi então estimada por imagens digitais de rochas. Miniplugues de cada uma das
23 / 27 amostras foram extraídos dos núcleos originais. As amostras de miniplugue foram imageadas tridimensionalmente por imagem de micro-CT em temperatura ambiente. As amostras de miniplugue foram digitalizadas em uma ou mais resoluções de 2,0 µm (por exemplo, 1 voxel da imagem = 2,0 µm3), 4,0 µm e/ou 8,0 µm. As imagens micro-TC tridimensionais resultantes foram então processadas para segmentar cada imagem em voxels de espaço poroso e voxels de material sólido com o uso de um algoritmo de agrupamento difuso c-means. A permeabilidade da imagem de cada uma das amostras em cada resolução foi então estimada a partir das imagens da amostra assumindo a injeção de salmoura sob um regime de fluxo laminar. Um gráfico de uma plotagem da permeabilidade verdadeira das amostras em relação à permeabilidade da imagem computada é mostrado na Figura 4. A permeabilidade da imagem fornece uma boa representação da permeabilidade verdadeira quando os dados plotados se enquadram na linha x=y, no entanto, abaixo de 9,86E-14 m² (100 mDarcy), a permeabilidade da imagem das amostras se enquadra bem acima da linha x=y, indicando que a permeabilidade foi significativamente superestimada sob 9,86E-14 m² (100 mDarcy) quando derivado de uma imagem.
[0067] Uma curva de injeção capilar de mercúrio semelhante à curva mostrada na Figura 2 foi então plotada para cada amostra em cada resolução a partir das imagens tridimensionais segmentadas das rochas. Uma curva baseada em imagem foi criada ao plotar o volume fracionário total de uma imagem de rocha segmentada ocupada por mercúrio contra a pressão de acordo com a equação de Young-Laplace (P = 4σcosθ/D, P=pressão, D=tamanho da garganta do poro penetrado em uma dada pressão P, σ = a tensão superficial de mercúrio líquido-ar (0,48 N/m (480 dine/cm)), e θ = o ângulo de contato (140°)) onde voxels de espaço de poro de corpos de poros com um tamanho de garganta de poro de D ou maior são assumidos para ser preenchido com mercúrio na pressão dada.
24 / 27
[0068] Um parâmetro NI de resolução de garganta de poro de imagem foi determinado para cada amostra de rocha digital em cada resolução de sua respectiva curva de injeção capilar de mercúrio e o tamanho de voxel para cada imagem tridimensional segmentada. O tamanho da garganta do poro penetrado pelo mercúrio na pressão de entrada (Dd) foi determinado a partir da curva de injeção capilar de mercúrio e da equação de Young-Laplace utilizando as pressões de entrada onde a pressão de entrada (Pd). O tamanho de voxel (Δx) foi a resolução da imagem = 2,0 µm, 4,0 µm ou 8,0 µm. O parâmetro NI de resolução de garganta de poro foi determinado a partir da equação NI= Dd/Δx.
[0069] Um fator G geométrico de poro foi então determinado para cada amostra em cada resolução respectiva das curvas de injeção capilar de mercúrio por ajuste de curva com um ajuste de curva de quadrados mínimos, com maior peso dado aos poros que são melhor resolvidos na imagem.
[0070] A porosidade da imagem de cada uma das amostras de rocha digital em cada resolução foi determinada a partir das imagens tridimensionais segmentadas da rocha somando o número de voxels que representam o espaço dos poros na imagem segmentada e dividindo pelo número total de voxels na imagem como determinado a partir dos parâmetros de imagem. O parâmetro NI de resolução de garganta de poro e o fator G geométrico de poros foram então usados para determinar um fator de correção de porosidade de imagem α de acordo com a equação α = e-G/Log10(N). A porosidade da imagem corrigida foi então determinada para cada uma das imagens de amostra de miniplugue em cada resolução de acordo com a equação φI/α = φ∞.
[0071] Um fator βR de correção de resolução de imagem de permeabilidade para cada imagem de amostra em cada resolução foi determinado pelo cálculo de NE de acordo com a equação (11) acima. A permeabilidade da imagem foi então corrigida usando o fator de resolução de
25 / 27 imagem de permeabilidade calculado de acordo com a seguinte equação: k∞ = kI/βR. Um gráfico de uma plotagem da permeabilidade verdadeira das amostras em relação à permeabilidade da imagem computada corrigida pelo fator de correção da resolução da imagem da permeabilidade é mostrado na Figura 5, indicando que a permeabilidade da imagem foi substancialmente corrigida pelo fator de correção da resolução da imagem da permeabilidade, mas ainda estava superestimado abaixo de 9,86E-14 m² (100 mDarcy).
[0072] Cada imagem segmentada tridimensional foi posteriormente segmentada usando um algoritmo de segmentação de bacia hidrográfica, e um fator βV de correção de campo de visão de permeabilidade para cada imagem de amostra resultante em cada resolução foi então determinado de acordo com as equações (13) e (14) acima a partir do porosidade de imagem corrigida, o parâmetro NI de resolução de poro, o tamanho de garganta de poro dominante Dd determinado a partir da curva de pressão capilar de mercúrio líquido e NREV calculado como descrito acima. A permeabilidade da imagem já corrigida pelo fator de correção da resolução da imagem da permeabilidade foi então corrigida usando o fator de correção do campo de visão da permeabilidade calculado de acordo com a seguinte equação: k∞ = kI/(βRβV). Um gráfico que mostra uma plotagem da verdadeira permeabilidade das amostras em relação à permeabilidade da imagem computada corrigida tanto pelo fator de correção de resolução de imagem de permeabilidade βR quanto pelo fator de correção de campo de visão de permeabilidade βV é mostrado na Figura 6. O gráfico indica que a permeabilidade da imagem das amostras foi adicionalmente corrigida e correspondeu substancialmente à permeabilidade verdadeira das amostras pelo uso do fator de correção do campo de visão da permeabilidade, além do fator de correção de resolução de imagem de permeabilidade para corrigir a permeabilidade da imagem.
[0073] Um fator βS de correção de segmentação de imagem de permeabilidade foi determinado para cada uma das imagens de amostra em
26 / 27 cada resolução. A verdadeira porosidade de cada uma das amostras foi medida de acordo com o método padrão da indústria de expansão de gás com o uso de um porosímetro de hélio. O fator βS de correção de segmentação de imagem de permeabilidade foi então determinado a partir da porosidade da imagem corrigida e da porosidade verdadeira medida de acordo com a equação (16) acima. Um gráfico de uma plotagem da permeabilidade verdadeira das amostras em relação à permeabilidade da imagem computada corrigida pelo fator βR de correção de resolução de imagem de permeabilidade, o fator βV de correção de campo de visão de permeabilidade e o fator βS de correção de segmentação de imagem de permeabilidade calculado de acordo com a equação (8) acima é mostrada na Figura 7. O gráfico indica que a permeabilidade da imagem das amostras utilizando o fator βS de correção de segmentação de imagem de permeabilidade, além do fator βR de correção de resolução de imagem de permeabilidade e o fator βV de correção de campo de visão de permeabilidade foi corrigido ligeiramente reduzindo a dispersão das permeabilidades plotadas relativas às permeabilidades plotadas usando apenas o fator βR de correção de resolução de imagem de permeabilidade e o fator βV de correção de campo de visão de permeabilidade para corrigir a permeabilidade de imagem, no entanto, a correção não foi significativa e o uso de apenas o fator βR de correção de resolução de imagem de permeabilidade e o fator βV de correção do campo de visão da permeabilidade para corrigir a permeabilidade da imagem (βS = 1) forneceram correção suficiente para a permeabilidade da imagem para estimar razoavelmente a permeabilidade verdadeira a partir da permeabilidade da imagem corrigida.
[0074] A presente invenção está bem adaptada para atingir os fins e vantagens mencionados, bem como aqueles que são inerentes ao mesmo. As modalidades particulares divulgadas acima são apenas ilustrativas, pois a presente invenção pode ser modificada e praticada de maneiras diferentes,
27 / 27 mas equivalentes, aparentes para aqueles versados na técnica tendo o benefício dos ensinamentos deste documento.
Além disso, nenhuma limitação se destina aos detalhes de construção ou projeto mostrados neste documento, exceto conforme descrito nas reivindicações abaixo.
É, portanto, evidente que as modalidades ilustrativas particulares divulgadas acima podem ser alteradas, combinadas ou modificadas e todas essas variações são consideradas dentro do escopo da presente invenção.
A invenção divulgada de forma ilustrativa neste documento pode ser praticada de forma adequada na ausência de qualquer elemento que não seja especificamente divulgado neste documento e/ou qualquer elemento opcional divulgado neste documento.
Embora as composições e métodos sejam descritos em termos de “compreendendo”, “contendo” ou “incluindo” vários componentes ou etapas, as composições e métodos também podem “consistir essencialmente em” ou “consistir em” vários componentes e etapas.
Todos os números e faixas divulgados acima podem variar em alguma quantidade.
Sempre que uma faixa numérica com um limiar inferior e um limiar superior é divulgada, qualquer número e qualquer faixa incluída contidodentro da faixa é especificamente divulgado.
Em particular, cada faixa de valores (da forma, “de cerca de a a cerca de b” ou, equivalentemente, “de aproximadamente a a b,” ou, equivalentemente, “de aproximadamente a-b”) divulgada neste documento deve ser entendida como estabelecendo cada número e faixa englobado dentro da faixa mais ampla de valores.
Além disso, os termos nas reivindicações têm seu significado simples e comum, a menos que de outra forma explicitamente e claramente definido pelo titular da patente.
Além disso, os artigos indefinidos “um” ou “uma”, conforme usados nas reivindicações, são definidos neste documento para significar um ou mais de um dos elementos que eles apresentam.
Se houver qualquer conflito no uso de uma palavra ou termo neste relatório descritivo e uma ou mais patentes ou outros documentos que possam ser incorporados neste documento por referência, as definições que são consistentes com este relatório descritivo devem ser adotadas.

Claims (11)

REIVINDICAÇÕES
1. Método para estimar a permeabilidade de rochas caracterizado pelo fato de que compreende: - obter uma imagem tridimensional de uma rocha em que a imagem é composta por uma pluralidade de voxels e a imagem tem uma resolução; - processar a imagem tridimensional da rocha para segmentar a imagem selecionando cada voxel da imagem para representar o espaço dos poros na rocha ou o material sólido na rocha; - estimar uma permeabilidade de imagem da rocha a partir da imagem tridimensional segmentada da rocha; - derivar uma curva de pressão capilar de líquido não umectante da imagem tridimensional segmentada da rocha; - determinar um ou mais fatores de correção de permeabilidade da imagem tridimensional segmentada e da curva de pressão capilar de líquido não umectante; e - aplicar um ou mais fatores de correção de permeabilidade à permeabilidade da imagem da rocha para obter uma permeabilidade corrigida da rocha.
2. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a imagem tridimensional da rocha é obtida por tomografia computadorizada de raios-x.
3. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a permeabilidade de imagem da rocha é estimada por cálculo em um método de simulação de permeabilidade utilizando a imagem tridimensional segmentada da rocha.
4. Método de acordo com a reivindicação 1, caracterizado pelo fato de que um ou mais fatores de correção de permeabilidade compreendem (i) um fator de correção de resolução de imagem de permeabilidade que é determinado a partir de um tamanho de garganta de poro de entrada de imagem, conforme determinado a partir da curva de pressão capilar de líquido não umectante, tamanho de voxel, conforme determinado a partir da resolução de imagem e um tamanho de garganta de poro de entrada medido previsto para proporção de tamanho de voxel, ou (ii) um fator de correção de campo de visão de imagem de permeabilidade que é determinado a partir da curva de pressão capilar de líquido não umectante, o tamanho de voxel na imagem, o número de voxels ao longo de um eixo que se estende no comprimento, na largura ou altura da imagem e uma porosidade de imagem corrigida estimada a partir da imagem tridimensional segmentada da rocha e da curva de pressão capilar de líquido não umectante.
5. Método de acordo com a reivindicação 1, caracterizado pelo fato de que a curva de pressão capilar de líquido não umectante é derivada a partir da imagem tridimensional segmentada da rocha a pressões de até uma pressão limitada por imagem, em que a pressão limitada por imagem é a pressão mínima que pode ser aplicada no líquido não umectante para superar a pressão capilar da garganta de poro mais estreita distinguível da imagem tridimensional segmentada da rocha.
6. Método de acordo com a reivindicação 1, caracterizado pelo fato de que um ou mais fatores de correção de permeabilidade compreendem (i) um fator geométrico de poro é determinado a partir da curva de pressão capilar de líquido não umectante plotando uma curva de melhor ajuste para a curva de pressão capilar de líquido não umectante e determinando o fator geométrico dos poros a partir da forma da curva, ou (ii) um parâmetro de resolução de garganta de poro é determinado pela determinação de um tamanho de gargantas de poros penetrados pelo líquido não umectante a uma pressão de entrada da curva de pressão capilar do líquido não umectante e calcular uma razão entre o tamanho da garganta dos poros penetrados pelo líquido não umectante na pressão de entrada e a resolução da imagem.
7. Método habilitado por retropropagação para estimar a permeabilidade de rochas a partir de uma imagem tridimensional de rocha, caracterizado pelo fato de que compreende as etapas de: - obter uma imagem tridimensional de rocha, em que a imagem tridimensional tem uma resolução; - aplicar um modelo treinado habilitado por retropropagação para segmentar a imagem tridimensional de rocha; - estimar uma permeabilidade de imagem da rocha a partir da imagem segmentada; - derivar uma curva de pressão capilar de líquido não umectante a partir da imagem segmentada; - determinar um ou mais fatores de correção de permeabilidade da curva de pressão capilar de líquido não umectante e a resolução; e - aplicar um ou mais fatores de correção de permeabilidade à permeabilidade da imagem da rocha para obter uma permeabilidade corrigida da rocha.
8. Método de acordo com a reivindicação 7, caracterizado pelo fato de que o modelo treinado é produzido por: - fornecer um conjunto de treinamento de imagens de rocha; - segmentar as imagens de rocha em uma pluralidade de voxels marcados, a pluralidade de voxels marcados representando espaços de poros e material sólido na rocha; e - usar os voxels marcados para treinar um modelo via retropropagação.
9. Método de acordo com a reivindicação 7, caracterizado pelo fato de que a curva de pressão capilar de líquido não umectante é derivada a partir da imagem segmentada em pressões de até uma pressão limitada de imagem, em que a pressão limitada de imagem é a pressão mínima que pode ser aplicada no líquido não umectante para superar a pressão capilar da garganta do poro mais estreita distinguível da imagem segmentada da rocha.
10. Método habilitado por retropropagação para estimar a permeabilidade de rocha a partir de uma imagem de rocha, caracterizado pelo fato de que compreende as etapas de: - obter uma imagem de rocha, em que a imagem selecionada do grupo consiste em uma série de imagens de projeção 2D, imagens reconstruídas tridimensionais e combinações das mesmas; e - aplicar um modelo treinado habilitado por retropropagação para obter uma permeabilidade de rochas.
11. Método de acordo com a reivindicação 10, caracterizado pelo fato de que o modelo treinado é produzido por: - fornecer um conjunto de treinamento de imagens de rocha; - segmentar as imagens de rocha em uma pluralidade de voxels marcados, a pluralidade de voxels marcados representando espaços de poros e material sólido na rocha; e - usar os voxels marcados para treinar um modelo via retropropagação.
BR112021010957-9A 2018-12-18 2019-12-16 Método para estimar a permeabilidade de rochas, e, método habilitado por retropropagação para estimar a permeabilidade de rochas BR112021010957A2 (pt)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862781019P 2018-12-18 2018-12-18
US62/781,019 2018-12-18
PCT/US2019/066539 WO2020131694A1 (en) 2018-12-18 2019-12-16 Method for digitally characterizing the permeability of rock

Publications (1)

Publication Number Publication Date
BR112021010957A2 true BR112021010957A2 (pt) 2021-08-31

Family

ID=69182610

Family Applications (1)

Application Number Title Priority Date Filing Date
BR112021010957-9A BR112021010957A2 (pt) 2018-12-18 2019-12-16 Método para estimar a permeabilidade de rochas, e, método habilitado por retropropagação para estimar a permeabilidade de rochas

Country Status (6)

Country Link
US (1) US11879825B2 (pt)
EP (1) EP3899488A1 (pt)
CN (1) CN113167713B (pt)
AU (1) AU2019406627B2 (pt)
BR (1) BR112021010957A2 (pt)
WO (1) WO2020131694A1 (pt)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210304391A1 (en) * 2020-03-25 2021-09-30 DigiM Solution LLC Reconstruction of Thin Wall Features Marginally Resolved by Multi-Dimensional Images
CN116840124B (zh) * 2023-06-21 2023-12-22 西南石油大学 一种定量表征页岩储层岩心孔缝配置的方法

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7352179B2 (en) * 2004-10-29 2008-04-01 Green Imaging Technologies Inc. Methods and apparatus for measuring capillary pressure in a sample
US9134457B2 (en) 2009-04-08 2015-09-15 Schlumberger Technology Corporation Multiscale digital rock modeling for reservoir simulation
US8311788B2 (en) 2009-07-01 2012-11-13 Schlumberger Technology Corporation Method to quantify discrete pore shapes, volumes, and surface areas using confocal profilometry
US8818778B2 (en) 2009-09-16 2014-08-26 Chevron U.S.A. Inc. Method for creating a 3D rock representation using petrophysical data
BR112013020555A2 (pt) 2011-02-28 2020-07-28 Prad Research And Development Limited método para caracterizar uma amostra de meio poroso incluindo uma pluralidade de corpos de poro e uma pluraridade de gargantas de poro, sistema para caracterizar uma amostra de meio poroso incluindo uma pluralidade de corpos de poro e uma pluralidade de gargantas de poro, e método para caracterizar uma amostra de formação de rocha subterrânea porosa incluindo uma pluralidade de corpos de poro e uma pluralidade de gargantas de poro
GB2489005B (en) * 2011-03-15 2015-11-25 Schlumberger Holdings Examination of porosity by NMR and intrusion porosimetry
WO2013009512A2 (en) 2011-07-12 2013-01-17 Ingrain, Inc. Method for simulating fractional multi-phase/multi-component flow through porous media
EP2850593B1 (en) * 2012-05-18 2016-12-28 Ingrain, Inc. Method and system for estimating rock properties from rock samples using digital rock physics imaging
WO2014003596A1 (en) * 2012-06-26 2014-01-03 Schlumberger, Holdings Limited A method for building a 3d model of a rock sample
RU2015104162A (ru) 2012-08-10 2016-09-27 Ингрейн, Инк. Способ повышения точности значений свойств горной породы, полученных из цифровых изображений
US10514372B2 (en) * 2012-08-23 2019-12-24 Halliburton Energy Services, Inc. Digital rock analysis systems and methods that reliably predict a porosity-permeability trend
US20150331145A1 (en) * 2012-12-25 2015-11-19 Obschestvo S Ogranichennoy Otvetstvennostiu "Introvision Reserch And Development" Method for producing a three-dimensional characteristic model of a porous material sample for analysis of permeability characteristics
US9070049B2 (en) 2013-03-15 2015-06-30 Bp Corporation North America Inc. Systems and methods for improving direct numerical simulation of material properties from rock samples and determining uncertainty in the material properties
WO2014142976A1 (en) 2013-03-15 2014-09-18 Bp Corporation North America Inc. Systems and methods for improving direct numerical simulation of material properties from rock samples and determining uncertainty in the material properties
WO2015021088A1 (en) 2013-08-06 2015-02-12 Schlumberger Canada Limited Methods for determining a saturation-height function in oil and gas reservoirs
EP3030888B1 (en) * 2013-08-06 2023-07-05 BP Corporation North America Inc. Image-based direct numerical simulation of petrophysical properties under simulated stress and strain conditions
FR3033068B1 (fr) * 2015-02-24 2017-03-10 Ifp Energies Now Procede de segmentation de l'image d'un objet reconstruit par reconstruction tridimensionnelle
US9892321B2 (en) * 2015-06-27 2018-02-13 New England Research, Inc. Using maximal inscribed spheres for image-based rock property estimation
CN106716114B (zh) * 2015-09-11 2020-06-09 数岩科技（厦门）股份有限公司 多孔介质分析系统和方法
US10656068B2 (en) 2015-10-02 2020-05-19 Repsol, S.A. Method for providing a numerical model of a sample of rock
US20170363531A1 (en) * 2016-06-20 2017-12-21 Chevron U.S.A. Inc. System and method for estimating porosity distribution in subterranean reservoirs
US10599987B2 (en) * 2016-07-14 2020-03-24 King Fahd University Of Petroleum And Minerals Apparatuses, systems, and methodologies for permeability prediction
BR112019008725A8 (pt) * 2016-10-31 2023-04-04 Bp Corp North America Inc Simulação numérica direta de propriedades petrofísicas de rochas com duas ou mais fases imiscíveis
CN110573842B (zh) * 2017-01-26 2021-05-11 达索系统西姆利亚公司 基于流体占据时间的多相流可视化图
BR112020009026A2 (pt) * 2017-11-06 2020-10-27 Khalifa University of Science and Technology método e sistema para a determinação da permeabilidade de um meio poroso
US10830713B2 (en) * 2017-11-20 2020-11-10 DigiM Solution LLC System and methods for computing physical properties of materials using imaging data
US11010883B2 (en) * 2018-04-17 2021-05-18 Saudi Arabian Oil Company Automated analysis of petrographic thin section images using advanced machine learning techniques
CN108763711B (zh) * 2018-05-22 2022-02-15 中国石油大学(华东) 一种基于岩心扫描图像分块数值模拟的渗透率预测方法
US10891462B2 (en) * 2018-06-29 2021-01-12 Saudi Arabian Oil Company Identifying geometrical properties of rock structure through digital imaging

Also Published As

Publication number Publication date
CN113167713A (zh) 2021-07-23
US11879825B2 (en) 2024-01-23
AU2019406627B2 (en) 2022-05-19
CN113167713B (zh) 2024-01-02
US20220099551A1 (en) 2022-03-31
AU2019406627A1 (en) 2021-06-03
EP3899488A1 (en) 2021-10-27
WO2020131694A1 (en) 2020-06-25

Similar Documents

Publication Publication Date Title
Garing et al. Pore-scale capillary pressure analysis using multi-scale X-ray micromotography
Garfi et al. The sensitivity of estimates of multiphase fluid and solid properties of porous rocks to image processing
CN108763711B (zh) 一种基于岩心扫描图像分块数值模拟的渗透率预测方法
AU2011258594B2 (en) Method for obtaining consistent and integrated physical properties of porous media
US20230137288A1 (en) Method for estimating fluid saturation of a rock
Smal et al. An automatic segmentation algorithm for retrieving sub-resolution porosity from X-ray tomography images
US20150331145A1 (en) Method for producing a three-dimensional characteristic model of a porous material sample for analysis of permeability characteristics
EA032063B1 (ru) Системы и способы усовершенствования прямого численного моделирования свойств материала из образцов горной породы и выявления неопределенности в свойствах материала
BR112021010957A2 (pt) Método para estimar a permeabilidade de rochas, e, método habilitado por retropropagação para estimar a permeabilidade de rochas
BR112016002538B1 (pt) método para gerar propriedades de formação de um ambiente de fundo de poço pressurizado e sistema para gerar propriedades de formação de um ambiente de fundo de poço pressurizado
Saxena et al. Estimating pore volume of rocks from pore-scale imaging
WO2014142976A1 (en) Systems and methods for improving direct numerical simulation of material properties from rock samples and determining uncertainty in the material properties
Ar Rushood et al. Segmentation of x-ray images of rocks using deep learning
AU2019406629A1 (en) Method for characterizing the porosity of rock
Zhang et al. The impact of bimodal pore size distribution and wettability on relative permeability and capillary pressure in a microporous limestone with uncertainty quantification
Rahimov et al. Quantitative analysis of absolute permeability and porosity in carbonate rocks using digital rock physics
Sharma et al. Sensitivity of digital rock method for pore-space estimation to heterogeneity in carbonate formations
CN111615625A (zh) 用于确定多孔介质的渗透率的方法和系统
US20220404330A1 (en) Method for estimating hydrocarbon saturation of a rock
Almetwally et al. Development of novel workflow to replicate pore network of porous core samples through 3D printing technology
US20230221236A1 (en) Method for estimating hydrocarbon saturation of a rock
WO2024003093A1 (en) Method for characterizing a total porosity of rock
Malik et al. Digital rock physics for porosity fractionation and flow regime determination in carbonate reservoirs
Purswani Relative Permeability Equation-of-State: The Role of Phase Connectivity, Wettability, and Capillary Number
Chandra et al. Integrating Petrophysical and Digital Rock Analyses for Pore to Core Scale Characterization of Subsurface Flow Units