CN107817199B - 一种致密砂岩多尺度孔隙模型的构建方法和应用 - Google Patents
一种致密砂岩多尺度孔隙模型的构建方法和应用 Download PDFInfo
- Publication number
- CN107817199B CN107817199B CN201610825875.4A CN201610825875A CN107817199B CN 107817199 B CN107817199 B CN 107817199B CN 201610825875 A CN201610825875 A CN 201610825875A CN 107817199 B CN107817199 B CN 107817199B
- Authority
- CN
- China
- Prior art keywords
- hole
- node
- pore
- hole node
- model
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 239000004576 sand Substances 0.000 title claims abstract description 33
- 238000010276 construction Methods 0.000 title claims abstract description 11
- 239000011148 porous material Substances 0.000 claims abstract description 201
- 239000011435 rock Substances 0.000 claims abstract description 125
- 230000035699 permeability Effects 0.000 claims abstract description 22
- 238000010603 microCT Methods 0.000 claims abstract description 16
- 238000002474 experimental method Methods 0.000 claims abstract description 15
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 claims abstract description 14
- 229910052753 mercury Inorganic materials 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 64
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 210000000867 larynx Anatomy 0.000 claims description 4
- 101000911390 Homo sapiens Coagulation factor VIII Proteins 0.000 claims description 3
- 102000057593 human F8 Human genes 0.000 claims description 3
- 229940047431 recombinate Drugs 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 3
- 230000000704 physical effect Effects 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 6
- 239000012530 fluid Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 239000007790 solid phase Substances 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000280 densification Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003556 assay Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
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
- G01N15/082—Investigating permeability by forcing a fluid through a sample
- G01N15/0826—Investigating permeability by forcing a fluid through a sample and measuring fluid flow rate, i.e. permeation rate or pressure change
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Dispersion Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Fluid Mechanics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及低渗致密砂岩储层岩石物理性质研究领域，公开了一种致密砂岩多尺度孔隙模型的构建方法和应用。本发明提供了一种致密砂岩多尺度孔隙模型的构建方法，包括：(1)开展压汞实验建立岩样毛管压力曲线；(2)利用Micro‑CT扫描建立三维数字岩心；(3)确定所述孔隙的空间位置坐标及几何结构特征参数，并将孔隙简化孔隙节点；(4)根据所述孔隙节点空间位置确定孔隙节点间的连通关系；(5)分配孔喉半径，建立初始孔隙模型，接着将该初始孔隙模型拟合成毛管压力曲线；(6)根据实测的毛管压力曲线来调整所述初始孔隙模型中孔喉参数及孔隙参数。本发明的孔隙模型准确可靠。
Description
技术领域
本发明涉及低渗致密砂岩储层岩石物理性质研究领域，具体地，涉及一种致密砂岩多尺度孔隙模型的构建方法和应用。
背景技术
低渗致密砂岩是重要的油气储层，蕴含丰富的油气资源，是目前勘探开发的重点领域之一。为了高效开发低渗致密砂岩孔隙空间内赋存的油气，首先需要对储层岩石孔隙结构、物性参数等有准确认识，这是储层评价和油气开发的基础和关键。
对于中高渗砂岩，目前主要采用岩心实验分析的方法来分析各种储层岩石的物理性质和渗流特征。这类方法首先需要从油气藏储层钻取岩心，然后将所取岩心加工为实验所需尺寸的样品，再利用实验仪器对样品进行化验分析。但与中高渗砂岩相比，低渗致密砂岩岩性致密，并且往往纳米孔喉发育、孔隙连通性差、空间拓扑结构更为复杂，采用实验方法来测量低渗致密砂岩的物性参数存在耗时长、误差大、费用高等缺陷。因此，现有岩心实验分析方法并不适用于致密岩性的油气储层物性参数的评价。
针对上述实验分析方法的局限性，国内外逐渐发展起了基于岩石孔隙空间数值重构的微观流动模拟方法。这类方法利用物理实验来获取岩石孔隙结构信息，建立岩石孔隙空间的物理模型；再根据岩石物理模型所表征的孔隙分布情况，利用数值模拟方法，对不同流体在多孔介质中的流动进行模拟。通过物理实验获取岩石孔隙结构信息，建立孔隙空间的数值模型；在数值模型所表征的孔隙空间中分布模拟流体，制定相应流动原则，可对不同流体在多孔介质中的流动性进行模拟。利用这样的数值方法，可从孔隙尺度对岩石的孔隙结构、物性参数、渗流特征等进行分析，以克服常规实验分析方法耗费大量岩心、精度低、耗时长的缺点。如何建立能够有效表征岩石复杂孔隙空间的孔隙模型是开展微观流动模拟的基础和关键。目前基于Micro-CT图像的孔隙模型构建方法最为直接准确。但由于现有Micro-CT扫描系统仅能获得微米分辨率的图像，无法识别低渗致密砂岩中普遍发育的纳米孔喉，因此并不适用于这类岩石。尽管可通过采用更先进的Nano-CT系统以获取纳米尺度分辨率的孔隙图像，但CT图像视场大小一般与分辨率成反比，即分辨率越高，所拍摄的图像尺寸越小，因此，Nano-CT系统不能满足多尺度孔隙建模对图像尺寸的要求。此外，昂贵费用、耗时长、仪器稀少等原因也限制了Nano-CT系统的普遍使用。
因此，目前急需提出一种能够表征纳微米孔喉的低渗致密砂岩孔隙模型构建方法，以满足低渗致密砂岩孔隙结构分析和流动模拟的需要。
发明内容
针对现有技术的上述缺陷，本发明的目的是为了提供一种致密砂岩多尺度孔隙模型的构建方法及其应用。
为了实现上述目的，本发明提供了一种致密砂岩多尺度孔隙模型的构建方法，该方法包括：
(1)对致密砂岩岩样开展压汞实验建立岩样毛管压力曲线；
(2)利用Micro-CT扫描上述致密砂岩岩样得到岩样灰度图像，并将得到的岩样灰度图像转化为三维数字岩心；
(3)根据步骤(2)得到的三维数字岩心确定孔隙几何结构，并将孔隙几何结构进行简化以得到孔隙节点，确定所述孔隙节点的空间位置坐标及几何结构特征参数；
(4)设定岩样孔隙模型与三维数字岩心具有相同尺寸，将步骤(3)得到的孔隙节点全部映射到孔隙模型中，在所述孔隙模型中建立孔隙节点的空间位置坐标以及几何结构特征参数；根据所述孔隙节点的空间位置确定孔隙节点间的连通关系，从而建立连通孔隙的孔喉；
(5)根据步骤(1)得到的岩样毛管压力曲线确定连通孔隙的孔喉半径分布，并根据所述孔隙节点的空间位置确定孔喉半径，得到初始孔隙模型，接着将该初始孔隙模型拟合成毛管压力曲线；
(6)调整所述初始孔隙模型中孔喉参数及孔隙参数，使初始孔隙模型拟合得到的毛管压力曲线与实测的毛管压力曲线接近。
优选地，步骤(2)中，将所述岩样灰度图像转化为三维数字岩心的方式包括从所述岩样灰度图像中截取目标区域，然后对该目标区域依次进行滤波处理和阈值分割，得到二值化图像，接着重组二值化图像，得到三维数字岩心。
优选地，步骤(3)中，将所述孔隙几何结构简化为孔隙节点的方法包括：确定所述三维数字岩心中孔隙的数量N，并根据孔隙实际形态特征确定孔隙的等效半径、孔隙体积、孔隙形状以及空间位置坐标，从而将实际孔隙简化为孔隙节点。
优选地，步骤(3)中，利用形状因子来表示孔隙形状，其表达式如下：
式中，G—孔隙的形状因子，无因次；A—孔隙截面积，m2；P—孔隙周长，m。
优选地，步骤(4)中，根据所述孔隙节点的空间位置确定孔隙节点间的连通关系的方法包括：
(a)根据三维数字岩心的尺寸设定孔隙模型大小，并根据孔隙实际位置以及几何结构特征参数确定孔隙节点的空间位置以及几何结构特征参数；
(b)记三维数字岩心中的孔隙总数为N，对于任意孔隙节点i(i∈[1,N])，按下式(2)得到与当前孔隙节点i相连通的孔隙节点配位数，其表达式为：
ci＝f(ri·rand) 式(2)
式中，ci—孔隙节点配位数，取非负整数；ri—孔隙节点i的半径；rand—均匀分布的随机数，大小为0～1；f—将数值转化为整数；
(c)对于任意孔隙节点i(i∈[1,N])，设定最大搜索距离sr，并确定sr范围内与孔隙节点i相邻的所有孔隙节点；
(d)根据孔隙节点的空间位置及配位数ci，判断孔隙节点间的连通关系。
优选地，步骤(d)中，根据孔隙节点的空间位置及配位数ci来判断孔隙节点间的连通关系的方法包括：对配位数为ci(ci>0)的任意孔隙节点i，根据孔隙节点i与相邻孔隙节点间的连通概率系数来确定孔隙节点间连通关系；
当sr范围内与孔隙节点i相邻的孔隙节点大于孔隙节点i的配位数时，计算孔隙节点间的连接概率系数，按照孔隙节点间的连接概率系数越高、连接的概率越大的原则，确定与孔隙节点i连接的孔隙节点，其中，孔隙节点间的连接概率系数按如下式(3)确定：
ηij＝(ri+rj)/dij 式(3)
式中，ηij—孔隙节点i、j相互连通的概率系数，无因次；ri、rj—孔隙节点i、j的半径；dij—孔隙节点i、j间的距离；孔隙节点j位于sr范围内；
当sr范围内与孔隙节点i相邻的孔隙节点等于孔隙节点i的配位数时，sr范围内的孔隙节点均与孔隙节点i连通。
优选地，步骤(5)中，根据所述孔隙节点的空间位置确定孔喉半径的方法包括：根据岩样毛管压力曲线确定连通孔隙的孔喉半径分布，并按照孔隙节点间的连接概率系数越大则孔喉半径越大的原则分配给步骤(4)得到的孔喉。
优选地，在确定孔隙节点间的连通关系后，连通孔隙节点i和孔隙节点j之间的孔喉长度按下式(4)计算：
式中，lij—连通孔隙节点i和孔隙节点j之间孔喉的长度；(xi，yi，zi)—任意孔隙节点i的空间坐标，(xj，yj，zj)—与孔隙节点i连通的孔隙节点j的位置坐标。
优选地，步骤(6)中，调整所述初始孔隙模型中孔喉参数及孔隙参数，使初始孔隙模型拟合得到的毛管压力曲线与实测的毛管压力曲线接近的方法包括：通过调整初始孔隙模型中的孔隙节点的配位数和孔喉半径以及孔喉长度的大小使得初始孔隙模型拟合的毛管压力曲线与实际测得的毛管压力曲线吻合。
第二方面，本发明提供了上述方法在低渗致密砂岩的油气储层物性参数的评价中的应用。
本发明具体的有益效果为：技术先进，易于实现，可克服Micro-CT图像因分辨率较低无法识别低渗致密砂岩纳米尺度孔喉的缺陷，可建立了一种结合Micro-CT扫描和压汞实验的多尺度孔隙模型建立方法，以对低渗致密砂岩油气藏储层岩石的三维孔隙空间进行有效表征及三维显示，从而为后续的储层孔隙结构特征分析、物理参数预测、渗流机理研究奠定基础。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明岩样分割的示意图；
图2是本发明提供的致密砂岩多尺度孔隙模型构建的流程图；
图3是实施例得到的岩样灰度图像；
图4是实施例得到的岩样毛管压力曲线；
图5是实施例得到的岩样三维数字岩心；
图6是实施例得到的岩样孔隙空间分布；
图7是实施例得到的岩样毛管压力曲线最终拟合结果；
图8是实施例最终建立的岩样三维孔隙模型。
具体实施方式
以下对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
在本文中所披露的范围的端点和任何值都不限于该精确的范围或值，这些范围或值应当理解为包含接近这些范围或值的值。对于数值范围来说，各个范围的端点值之间、各个范围的端点值和单独的点值之间，以及单独的点值之间可以彼此组合而得到一个或多个新的数值范围，这些数值范围应被视为在本文中具体公开。
本发明提供了一种致密砂岩多尺度孔隙模型的构建方法，如图2所示，该方法包括：
(1)对致密砂岩岩样开展压汞实验建立岩样毛管压力曲线；
(2)利用Micro-CT扫描上述致密砂岩岩样得到岩样灰度图像，并将得到的岩样灰度图像转化为三维数字岩心；
(3)根据步骤(2)得到的三维数字岩心确定孔隙几何结构，并将孔隙几何结构进行简化以得到孔隙节点，确定所述孔隙节点的空间位置坐标及几何结构特征参数；
(4)设定岩样孔隙模型与三维数字岩心具有相同尺寸，将步骤(3)得到的孔隙节点全部映射到孔隙模型中，在所述孔隙模型中建立孔隙节点的空间位置坐标以及几何结构特征参数；根据所述孔隙节点的空间位置确定孔隙节点间的连通关系，从而建立连通孔隙的孔喉；
(5)根据步骤(1)得到的岩样毛管压力曲线确定连通孔隙的孔喉半径分布，并根据所述孔隙节点的空间位置确定孔喉半径，得到初始孔隙模型，接着将该初始孔隙模型拟合成毛管压力曲线；
(6)调整所述初始孔隙模型中孔喉参数及孔隙参数，使初始孔隙模型拟合得到的毛管压力曲线与实测的毛管压力曲线接近。
根据本发明所述的方法，将致密砂岩气田褐灰色细粒岩屑砂岩岩样按照图1的方式进行分割。其中一块用于下述压汞试验，另一块用于下述Micro-CT扫描。
根据本发明所述的方法，步骤(1)中，压汞实验可以为本领域各种常规的压汞实验，例如其条件可以包括：最高实验压力为200-400MPa，对应能识别的最小孔喉半径为1.8-3.8nm。所述压汞实验能够得到实测的岩样毛管压力曲线。
根据本发明所述的方法，步骤(1)中，Micro-CT扫描可以为本领域各种常规的扫描方法，例如其分辨率可以为1-20μm。
根据本发明所述的方法，优选地，步骤(2)中，将所述岩样灰度图像转化为三维数字岩心的方式包括从所述岩样灰度图像中截取目标区域，然后对该目标区域依次进行滤波处理和阈值分割，得到二值化图像，接着重组二值化图像，得到三维数字岩心。其中，从岩样灰度图像中截取的目标区域可以为正方形或者长方形，优选为正方形。该目标区域可以在所述岩样灰度图像的任意位置进行截取，优选在正中位置进行截取。本发明中，滤波处理可以过滤掉CT扫描过程中产生的系统噪点，并增强岩石固相与孔隙间的反衬度，使得孔隙边界更加清晰。阈值分割通过设定阈值将数字图像分割为孔隙和固相两部分，从而建立起岩样的三维数字岩心，一般大于该阈值的为固相，小于该阈值的为孔隙，该过程为将岩样灰度图像转换为二值化图像的中间过程，本领域技术人员能够了解该如何操作，在此将不作赘述。此外，重组二值化图像是指将岩样灰度图像在不同截面的切片对应的二维二值化图像重组为三维二值化图像的过程。从该三维数字岩心中，可直接观测到微米级孔隙的位置及分布发育情况，但由于致密岩样孔隙结构复杂，难以定量描述，因此需要进一步对孔隙的几何结构进行简化，以便于描述和表征。
根据本发明所述的方法，优选地，步骤(3)中，将所述孔隙几何结构简化为孔隙节点的方法包括：确定所述三维数字岩心中孔隙的数量N，并根据孔隙实际形态特征确定孔隙的等效半径、孔隙体积、孔隙形状以及空间位置坐标，从而将实际孔隙简化为孔隙节点，以便于后续建模过程的描述和表征。
根据本发明所述的方法，优选地，步骤(3)中，孔隙实际形态特征确定孔隙等效半径、孔隙体积、孔隙形状以及空间位置坐标的方法可以为本领域各种方法，其中，孔隙等效半径指的是孔隙中内切球的半径，孔隙体积指的是孔隙所包含的像素点体积，孔隙形状优选采用孔隙形状因子表示，孔隙空间位置坐标指的是孔隙内切球球心的空间坐标。根据孔隙实际形态特征确定的孔隙的等效半径、孔隙体积、孔隙形状以及空间位置坐标即为孔隙节点对应的几何结构参数。本发明中，孔隙的周长是指经过孔隙内切球球心任意横截面的周长。孔喉的周长是指垂直于孔喉轴向的任意横截面的周长。
根据本发明所述的方法，优选地，利用形状因子来表示孔隙形状，其表达式如下：
式中，G—孔隙的形状因子，无因次；A—孔隙截面积，m2；P—孔隙周长，m。
本发明中，孔隙形状因子为1/4π时，其孔隙的形状更接近正方体，孔隙形状因子为1/16π时，其孔隙的形状更接近球体，其它情况下，其孔隙的形状接近锥体。而孔喉形状因子表示的意义与孔隙形状因子类似。
根据本发明所述的方法，优选地，步骤(3)中，孔隙实际几何结构(包括形态特征和空间位置)的确定可以通过各种常规的方法进行，例如可以通过多向空间搜索算法进行，即通过从多个方位对三维数字岩心中的孔隙进行搜索，一般地，可以搜索到的孔隙的半径为微米级。
如上所述，采用Micro-CT扫描，可获取岩样三维结构图像，进而建立三维数字岩心，实现对岩石孔隙空间的数字表征。但受图像分辨率限制，利用微米级分辨率的CT系统所建立的数字岩心不能识别连通孔隙纳米部分的孔喉。因此，需要进行孔隙节点间的连通关系的确定，即需要得到孔喉是如何将孔隙节点连通的，以及连通孔隙的孔喉的数量、长度和半径的具体数值。
根据本发明所述的方法，其中，步骤(4)中，优选地，根据所述孔隙节点的空间位置确定孔隙节点间的连通关系的方法包括：
(a)根据三维数字岩心的尺寸设定孔隙模型大小，并根据孔隙实际位置以及几何结构特征参数确定孔隙节点的空间位置以及几何结构特征参数；
(b)记三维数字岩心中的孔隙总数为N，对于任意孔隙节点i(i∈[1,N])，按下式(2)得到与当前孔隙节点i相连通的孔隙节点配位数，其表达式为：
ci＝f(ri·rand) 式(2)
式中，ci—孔隙节点配位数，取非负整数；ri—孔隙节点i的半径；rand—均匀分布的随机数，大小为0～1；f—将数值转化为整数；
上述公式(2)表示的意思为孔隙节点配位数ci等于孔隙节点i的半径ri与均匀分布的随机数rand乘积取整数。其中，取整数的方法可以为各种常规方法，例如可以为将上述乘积得到的数值的小数点后面的数略去，只取整数部分；其中，均匀分布的随机数rand指的是通过电脑在0-1内生成一组随机数，随机数的个数与孔隙节点的个数相等。
(c)对于任意孔隙节点i(i∈[1,N])，设定最大搜索距离sr，并确定sr范围内与孔隙节点i相邻的所有孔隙节点；
其中，这个最大搜索距离sr优选为以孔隙节点i为中心且搜索半径为上述目标区域边长的0.05-0.1倍的区域，其中，孔隙越少(岩性越致密)，所取的值越大。
(d)根据孔隙节点的空间位置及配位数ci，判断孔隙节点间的连通关系。
本发明中，采用Micro-CT扫描，可获取岩样三维结构图像，进而建立三维数字岩心，实现对岩石孔隙空间的数字表征。但受图像分辨率限制，利用微米级分辨率的CT系统所建立的数字岩心不能识别连通孔隙纳米部分的孔喉。因此，主要是通过上面的流程来判断所识别孔隙节点间的连通关系，确定孔隙节点之间孔喉的连接关系。
优选地，步骤(d)中，根据孔隙节点的空间位置及配位数ci来判断孔隙节点间的连通关系的方法包括：对配位数为ci(ci>0)的任意孔隙节点i，根据孔隙节点i与相邻孔隙节点间的连通概率系数来确定孔隙节点间连通关系；
当sr范围内与孔隙节点i相邻的孔隙节点大于孔隙节点i的配位数时，计算孔隙节点间的连接概率系数，按照孔隙节点间的连接概率系数越高、连接的概率越大的原则，确定与孔隙节点i连接的孔隙节点，其中，孔隙节点间的连接概率系数按如下式(3)确定：
ηij＝(ri+rj)/dij 式(3)
式中，ηij—孔隙节点i、j相互连通的概率系数，无因次；ri、rj—孔隙节点i、j的半径；dij—孔隙节点i、j间的距离；孔隙节点j位于sr范围内；
当sr范围内与孔隙节点i相邻的孔隙节点等于孔隙节点i的配位数时，sr范围内的孔隙节点均与孔隙节点i连通。
根据本发明所述的方法，优选地，在确定孔隙节点间的连通关系后，连接孔隙之间的孔喉总数量可以确定，计作L。
根据本发明所述的方法，优选地，在确定孔隙节点间的连通关系后，连通孔隙节点i和孔隙节点j之间的孔喉长度按下式(4)计算：
式中，lij—连通孔隙节点i和孔隙节点j之间孔喉的长度；(xi，yi，zi)—任意孔隙节点i的空间坐标，(xj，yj，zj)—与孔隙节点i连通的孔隙节点j的位置坐标。
根据本发明所述的方法，优选地，步骤(5)中，根据所述孔隙节点的空间位置确定孔喉半径的方法包括：根据岩样毛管压力曲线确定连通孔隙的孔喉半径分布，并按照孔隙节点间的连接概率系数ηij越大则孔喉半径越大的原则分配给步骤(4)得到的孔喉。即，根据岩样毛管压力曲线可以确定连通孔隙的孔喉半径(假定为d1、d2、d3……dL，且d1＞d2＞d3＞……＞dL)，而任意一对孔隙节点间的连接概率系数η可以通过式(3)计算得到(假定为η1、η2、η3……ηL，且η1＞η2＞η3＞……＞ηL)，则认为d1为孔喉1的半径，d2为孔喉2的半径，d3为孔喉3的半径，……，dL为孔喉L的半径。
根据本发明所述的方法，优选地，步骤(6)中，调整所述初始孔隙模型中孔喉参数及孔隙参数，使初始孔隙模型拟合得到的毛管压力曲线与实测的毛管压力曲线接近的方法包括：通过调整初始孔隙模型中的孔隙节点的配位数和孔喉半径以及孔喉长度的大小使得初始孔隙模型拟合的毛管压力曲线与实际测得的毛管压力曲线吻合。其中，调整模型参数的时候，可以将其按照一定比例调整。
第二方面，本发明提供了上述方法在低渗致密砂岩的油气储层物性参数的评价中的应用。
本发明中可以利用上述建立的多尺度孔隙模型对油气储层物性参数进行预测，为油气储层的油气探查、开发提供依据。其中，油气储层物性参数可以包括孔隙度、渗透率、迂曲度、相对渗透率、束缚术饱和度中的至少一种。
以下将通过实施例对本发明进行详细描述。
选取致密砂岩气田褐灰色细粒岩屑砂岩岩样，尺寸大小为2.5cm(直径)×9.0cm(高度)。该岩样气测孔隙度为7.55％，渗透率为0.07mD，按照中华人民共和国国家标准GB/T26979-2011《天然气藏分类》，属于致密砂岩气藏储层岩样。
实施例
本实施例用于说明本发明的致密砂岩多尺度孔隙模型的构建方法，其流程如图2所示。
将致密砂岩气田褐灰色细粒岩屑砂岩岩样按照图1的方式进行分割。其中一块用于下述压汞试验，另一块用于下述Micro-CT扫描。
(1)获取岩样Micro-CT图像和毛管压力曲线
a.Micro-CT扫描
利用美国Xradia公司的MicroXCT-400系统对上述致密砂岩气田褐灰色细粒岩屑砂岩岩样进行拍摄扫描。该过程样品台将旋转360度，可拍摄1080张投影图像。通过对投影图像重构获得由986张32位的灰度切片图像组成的三维结构图像(如图3所示)，图像分辨率为2.15μm。
b.高压压汞实验
采用全自动高压压汞仪对岩样进行压汞实验，最高实验压力为200MPa，对应能识别的最小孔喉半径为3.8nm。根据实验获得岩样的毛管压力曲线如图4所示。从压汞实验结果来看，岩样最大连通孔喉半径为1.17μm，连通孔喉呈单峰分布，峰值为0.15μm左右。即大部分连通孔隙空间的孔喉半径小于1μm，超过了现有Micro-CT的识别能力。
(2)建立三维数字岩心
为便于处理，从岩样三维CT图像(图3)中截取500像素×500像素×500像素(1.075×1.075×1.075mm3)的体积进行数字岩心建模。首先对所选区域进行图像滤波，过滤掉CT扫描过程中产生系统噪点，以增强岩石固相与孔隙间的反衬度，使得孔隙边界更加清晰；然后设定整体阈值，将数字图像分割为孔隙和固相两部分，得到二值化图像，接着重组二值化图像，从而建立起岩样的三维数字岩心(如图5所示)。从该数字岩心中，可直接观测到微米级孔隙的位置及分布发育情况，但由于致密岩样孔隙结构复杂，难以定量描述，因此需要进一步对孔隙空间进行简化，以便于描述和表征。
(3)根据三维数字岩心确定孔隙几何结构参数，并简化孔隙为孔隙节点
从三维数字岩心所表征的孔隙空间中识别孔隙，统计孔隙数量，并根据孔隙的实际形态和位置换算成规则孔隙的几何结构特征参数，包括孔隙等效半径、孔隙体积、孔隙形状、空间位置坐标、孔隙截面积和孔隙周长，从而将复杂且不规则的孔隙空间分割简化为具有一定规则形态的孔隙节点；其中，孔隙等效半径指的是孔隙内切球的半径，孔隙体积指的是孔隙所包含孔隙像素点总体积，孔隙形状采用孔隙形状因子表示，孔隙空间位置坐标指的是孔隙内切球球心的空间坐标。结果，从岩样三维数字岩心中识别出孔隙7542个，孔隙半径分布在2.15～25.27μm，峰值4-5μm，孔隙形状因子在0.012-0.057范围，平均值为0.031。从统计数据来看，实施例岩样不但孔隙狭小，且具有复杂几何形状和空间拓扑结构，
其中，孔隙的形状因子按照如下公式计算：
式中，G—孔隙的形状因子，无因次；A—孔隙截面积，m2；P—孔隙周长，m。
(4)根据所述孔隙节点空间位置确定孔隙节点间的连通关系：
(a)根据三维数字岩心的尺寸设定孔隙模型大小，并根据孔隙实际位置以及几何结构特征参数确定孔隙节点的空间分布以及孔隙几何结构特征参数，即将孔隙节点对应地赋予孔隙几何结构参数；
(b)对于任意孔隙节点i(i∈[1,N])，按下式(2)得到与当前孔隙节点i相连通的孔隙节点配位数，其表达式为：
ci＝f(ri·rand) 式(2)
式中，ci—孔隙节点配位数，取非负整数；ri—孔隙节点i的半径；rand—均匀分布的随机数，大小为0～1；N为三维数字岩心中的孔隙数量；f—将数值转化为整数。
(c)对于任意孔隙节点i(i∈[1,N])，设定最大搜索距离sr，并确定sr范围内与孔隙节点i相邻的所有孔隙节点；所述最大搜索距离sr为以孔隙节点i为中心的搜索半径为0.05375mm的区域。
(d)根据孔隙节点的空间位置及配位数ci，判断孔隙节点间的连通关系，对配位数ci>0的任意孔隙节点i，根据孔隙节点i与相邻孔隙节点间的连通概率系数来确定孔隙节点间连通关系，
当sr范围内与孔隙节点i相邻的孔隙节点大于孔隙节点i的配位数时，计算孔隙节点间的连接概率系数，按照孔隙节点间的连接概率系数越高、连接的概率越大的原则，确定与孔隙节点i连接的孔隙节点，其中，孔隙节点间的连接概率系数按如下式(3)确定：
ηij＝(ri+rj)/dij 式(3)
式中，ηij—孔隙节点i、j相互连通的概率系数，无因次；ri、rj—孔隙节点i、j的半径；dij—孔隙节点i、j间的距离；孔隙节点j位于sr范围内；
当sr范围内与孔隙节点i相邻的孔隙节点等于孔隙节点i的配位数时，sr范围内的孔隙节点均与孔隙节点i连通。
(f)重复上述步骤(a)-(d)，根据孔隙节点间的连接概率系数的大小以及配位数，判断所有孔隙节点间的连通性，生成相应的孔喉连接，并统计模型中的孔喉总数，记为L。连接孔隙节点i，j间的孔喉长度按下式(4)来计算：
式中，lij—连通孔隙节点i、j间孔喉的长度；(xi，yi，zi)—任意孔隙节点i的空间坐标，(xj，yj，zj)—与孔隙节点i连通的孔隙节点j的位置坐标。
(5)分配孔喉半径，建立初始孔隙模型
根据相应岩样的毛管压力曲线，计算岩样中连通孔隙空间的孔喉分布规律，生成L个孔喉的喉道半径。对孔隙连接概率系数ηij和孔喉半径均进行降序排序，并按连接概率系数ηij越大，孔隙间孔喉半径也越大的原则分配孔喉半径，得到初始孔隙模型，接着将该初始孔隙模型拟合成毛管压力曲线。
(6)拟合毛管压力以确定最终三维孔隙模型
在上述步骤所建立初始孔隙模型基础上，调整所述初始孔隙模型中孔隙节点的配位数和孔喉半径以及孔喉长度的大小，使初始孔隙模型拟合得到的毛管压力曲线与实测的毛管压力曲线接近，初始孔隙模型拟合的毛管压力曲线和实测的初始孔隙模型见图7。从而最终得到与真实低渗致密岩样孔隙空间高度一致的三维孔隙模型，如图8所示。
(7)孔隙度是表征岩石的主要指标，孔隙模型的孔隙度就是所有孔隙和孔喉的体积与模型总体积的比值，孔隙度具体计算公式如下式(5)，其中，Vpt和V可以从步骤(6)得到的图8所示的三维孔隙模型得到，
其中，φ表示孔隙模型的孔隙度；Vpt表示孔隙和孔喉的总体积：V表示孔隙模型的总体积。
通过步骤(6)得到的三维孔隙模型计算孔隙模型的渗透率时，使得饱和单相流体通过上述孔隙模型相对的两个表面，然后设定模型任意两端的压力为Pin和Pout(Pin>Pout)，计算该压差下通过孔隙模型的流体流量Q，再根据式(6)进行求解：
中，K表示绝对渗透率，单位m2；μ表示模型饱和流体的粘度，单位Pa·s；Q表示通过模型的总流量，单位m3/s；L表示模型长度，单位m；A表示模型的截面积，单位m2。
实施样建立的最终三维孔隙模型如图8所示，分别利用圆球和圆柱来表示孔隙和连通孔隙空间的孔喉，并且孔喉单元均具有一定形状，所建立三维孔隙模型具体参数见表1所示，所建立的三维孔隙模型中孔隙以微米数量级为主，而孔喉则多处于纳米数量级。根据三维孔隙模型所预测的孔隙度和渗透率均与实测结果(实际孔隙度和渗透率按照石油行业标准SY/T 6385-1999《覆压下岩石孔隙度和渗透率测定方法》进行测定)较为接近，证明本发明所建立的三维孔隙模型能够准确预测油气储层物性参数，从而为油气储层的油气探查提供依据。
表1岩样三维孔隙模型参数以及实测值
注：表1中，孔喉比指孔隙半径与连接该孔隙的孔喉半径之比。
上述实施例有力地证明了本发明的有益效果：采用本发明提供的方法不但能够保证所建立三维孔隙模型与低渗致密砂岩真实孔隙空间具有等价拓扑结构，还能很好的建立纳米-微米尺度孔喉的连通关系。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。
Claims (9)
1.一种致密砂岩多尺度孔隙模型的构建方法，其特征在于，该方法包括：
(1)对致密砂岩岩样开展压汞实验建立岩样毛管压力曲线；
(2)利用Micro-CT扫描上述致密砂岩岩样得到岩样灰度图像，并将得到的岩样灰度图像转化为三维数字岩心；
(3)根据步骤(2)得到的三维数字岩心确定孔隙几何结构，并将孔隙几何结构进行简化以得到孔隙节点，确定所述孔隙节点的空间位置坐标及几何结构特征参数；
(4)设定岩样孔隙模型与三维数字岩心具有相同尺寸，将步骤(3)得到的孔隙节点全部映射到孔隙模型中，在所述孔隙模型中建立孔隙节点的空间位置坐标以及几何结构特征参数；根据所述孔隙节点的空间位置确定孔隙节点间的连通关系，从而建立连通孔隙的孔喉；
(5)根据步骤(1)得到的岩样毛管压力曲线确定连通孔隙的孔喉半径分布，并根据所述孔隙节点的空间位置确定孔喉半径，得到初始孔隙模型，接着将该初始孔隙模型拟合成毛管压力曲线；
(6)调整所述初始孔隙模型中孔喉参数及孔隙参数，使初始孔隙模型拟合得到的毛管压力曲线与实测的毛管压力曲线接近，调整方法包括：通过调整初始孔隙模型中的孔隙节点的配位数和孔喉半径以及孔喉长度的大小使得初始孔隙模型拟合的毛管压力曲线与实际测得的毛管压力曲线吻合。
2.根据权利要求1所述的方法，其中，步骤(2)中，将所述岩样灰度图像转化为三维数字岩心的方式包括从所述岩样灰度图像中截取目标区域，然后对该目标区域依次进行滤波处理和阈值分割，得到二值化图像，接着重组二值化图像，得到三维数字岩心。
3.根据权利要求1所述的方法，其中，步骤(3)中，将所述孔隙几何结构简化为孔隙节点的方法包括：
确定所述三维数字岩心中孔隙的数量N，并根据孔隙实际形态特征确定孔隙的等效半径、孔隙体积、孔隙形状以及空间位置坐标，从而将实际孔隙简化为孔隙节点。
4.根据权利要求3所述的方法，其中，步骤(3)中，利用形状因子来表示孔隙形状，其表达式如下：
式中，G—孔隙的形状因子，无因次；A—孔隙截面积，m2；P—孔隙周长，m。
5.根据权利要求1-4中任意一项所述的方法，其中，步骤(4)中，根据所述孔隙节点的空间位置确定孔隙节点间的连通关系的方法包括：
(a)根据三维数字岩心的尺寸设定孔隙模型大小，并根据孔隙实际位置以及几何结构特征参数确定孔隙节点的空间位置以及几何结构特征参数；
(b)记三维数字岩心中的孔隙总数为N，对于任意孔隙节点i，i∈[1,N]，按下式(2)得到与当前孔隙节点i相连通的孔隙节点配位数，其表达式为：
ci＝f(ri·rand) 式(2)
式中，ci—孔隙节点配位数，取非负整数；ri—孔隙节点i的半径；rand—均匀分布的随机数，大小为0～1；f—将数值转化为整数；
(c)对于任意孔隙节点i，设定最大搜索距离sr，并确定sr范围内与孔隙节点i相邻的所有孔隙节点；
(d)根据孔隙节点的空间位置及配位数ci，判断孔隙节点间的连通关系。
6.根据权利要求5所述的方法，其中，步骤(d)中，根据孔隙节点的空间位置及配位数ci来判断孔隙节点间的连通关系的方法包括：对配位数为ci的任意孔隙节点i，根据孔隙节点i与相邻孔隙节点间的连通概率系数来确定孔隙节点间连通关系，其中，ci>0；
当sr范围内与孔隙节点i相邻的孔隙节点大于孔隙节点i的配位数时，计算孔隙节点间的连接概率系数，按照孔隙节点间的连接概率系数越高、连接的概率越大的原则，确定与孔隙节点i连接的孔隙节点，其中，孔隙节点间的连接概率系数按如下式(3)确定：
ηij＝(ri+rj)/dij 式(3)
式中，ηij—孔隙节点i、j相互连通的概率系数，无因次；ri、rj—孔隙节点i、j的半径；dij—孔隙节点i、j间的距离；孔隙节点j位于sr范围内；
当sr范围内与孔隙节点i相邻的孔隙节点等于孔隙节点i的配位数时，sr范围内的孔隙节点均与孔隙节点i连通。
7.根据权利要求6所述的方法，其中，步骤(5)中，根据所述孔隙节点的空间位置确定孔喉半径的方法包括：根据岩样毛管压力曲线确定连通孔隙的孔喉半径分布，并按照孔隙节点间的连接概率系数越大则孔喉半径越大的原则分配给步骤(4)得到的孔喉。
8.根据权利要求5所述的方法，其中，在确定孔隙节点间的连通关系后，连通孔隙节点i和孔隙节点j之间的孔喉长度按下式(4)计算：
式中，lij—连通孔隙节点i和孔隙节点j之间孔喉的长度；(xi，yi，zi)—任意孔隙节点i的空间坐标，(xj，yj，zj)—与孔隙节点i连通的孔隙节点j的位置坐标。
9.权利要求1-8中任意一项所述的方法在低渗致密砂岩的油气储层物性参数的评价中的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610825875.4A CN107817199B (zh) | 2016-09-14 | 2016-09-14 | 一种致密砂岩多尺度孔隙模型的构建方法和应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610825875.4A CN107817199B (zh) | 2016-09-14 | 2016-09-14 | 一种致密砂岩多尺度孔隙模型的构建方法和应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107817199A CN107817199A (zh) | 2018-03-20 |
| CN107817199B true CN107817199B (zh) | 2019-09-03 |
Family
ID=61600299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610825875.4A Active CN107817199B (zh) | 2016-09-14 | 2016-09-14 | 一种致密砂岩多尺度孔隙模型的构建方法和应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107817199B (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108876898B (zh) * | 2018-04-28 | 2022-06-03 | 清能艾科（深圳）能源技术有限公司 | 实现原油饱和度预测的方法和装置、机器设备 |
| CN108959723B (zh) * | 2018-06-11 | 2023-05-30 | 东北石油大学 | 一种探讨致密砂岩储层渗透性主控因素的方法 |
| CN108918829B (zh) * | 2018-07-11 | 2021-11-02 | 中国石油天然气股份有限公司 | 一种基于形态学的模拟数字岩心微观变形方法及装置 |
| CN109187305A (zh) * | 2018-08-24 | 2019-01-11 | 中国地质大学（武汉） | 一种页岩结构表征方法和装置 |
| CN109001236A (zh) * | 2018-09-03 | 2018-12-14 | 东南大学 | 一种基于纳米ct技术表征水泥浆体中孔隙率分布的方法 |
| CN110927035A (zh) * | 2018-09-20 | 2020-03-27 | 中国石油化工股份有限公司 | 一种低渗致密砂岩束缚水饱和度计算方法 |
| CN109242985B (zh) * | 2018-10-29 | 2020-06-05 | 中国科学院力学研究所 | 一种从三维图像确定孔隙结构关键参数的方法 |
| CN109859230B (zh) * | 2018-12-26 | 2020-09-11 | 北京理工大学 | 一种用于多孔介质显微ct图像的分割方法 |
| CN111626975A (zh) * | 2019-02-28 | 2020-09-04 | 中国石油化工股份有限公司 | 一种定量表征全尺度储层孔隙的方法 |
| CN109993786B (zh) * | 2019-03-08 | 2021-05-18 | 中国石油大学(北京) | 迂曲度获取方法、装置、设备以及存储介质 |
| US11249002B2 (en) * | 2019-03-28 | 2022-02-15 | Halliburton Energy Services, Inc. | Measuring size and shape of pore throat using digital porous plate experiments |
| CN109992920B (zh) * | 2019-04-12 | 2022-09-23 | 河海大学 | 一种空隙空间周期变化的地下介质几何模型的构建方法 |
| CN110146525A (zh) * | 2019-04-24 | 2019-08-20 | 山东科技大学 | 一种基于分形理论及ct扫描的煤体孔渗参数预测方法 |
| CN110644979B (zh) * | 2019-09-03 | 2021-08-27 | 中国石油大学(北京) | 孔隙流体初始赋存状态的获取方法及其装置 |
| CN110793898A (zh) * | 2019-10-22 | 2020-02-14 | 浙江大学 | 一种定量分析土柱中不同大小3d孔隙空间分布的方法 |
| CN111428321B (zh) * | 2020-04-03 | 2022-10-04 | 中国石油天然气股份有限公司 | 一种基于简化数字岩心的砾岩储层孔隙网络模型建模方法 |
| CN113029899B (zh) * | 2021-02-24 | 2022-07-01 | 西南石油大学 | 一种基于显微图像处理的砂岩渗透率计算方法 |
| CN113129275B (zh) * | 2021-03-31 | 2024-04-19 | 中国矿业大学 | 一种基于岩土体材料数字图像三维结构表征方法 |
| CN113533158B (zh) * | 2021-07-06 | 2022-07-19 | 中国地质大学（北京） | 一种基于sem图像的煤储层孔隙结构参数定量分析方法 |
| CN118190755B (zh) * | 2024-05-15 | 2024-07-19 | 成都理工大学 | 一种干酪根孔隙模型的构建方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573198A (zh) * | 2014-12-23 | 2015-04-29 | 长江大学 | 基于随机分形理论的数字岩心及孔隙网络模型重构方法 |
| CN104819923A (zh) * | 2015-05-17 | 2015-08-05 | 西南石油大学 | 基于核磁共振的低渗透砂岩储层孔隙结构定量反演方法 |
| CN105466830A (zh) * | 2015-11-19 | 2016-04-06 | 中国石油天然气股份有限公司 | 储层砂岩孔隙喉道尺寸分布识别方法 |
| CN105628581A (zh) * | 2015-12-24 | 2016-06-01 | 中国石油大学(华东) | 一种基于高光谱技术的致密砂岩储层露头孔隙度表征方法 |
-
2016
- 2016-09-14 CN CN201610825875.4A patent/CN107817199B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573198A (zh) * | 2014-12-23 | 2015-04-29 | 长江大学 | 基于随机分形理论的数字岩心及孔隙网络模型重构方法 |
| CN104819923A (zh) * | 2015-05-17 | 2015-08-05 | 西南石油大学 | 基于核磁共振的低渗透砂岩储层孔隙结构定量反演方法 |
| CN105466830A (zh) * | 2015-11-19 | 2016-04-06 | 中国石油天然气股份有限公司 | 储层砂岩孔隙喉道尺寸分布识别方法 |
| CN105628581A (zh) * | 2015-12-24 | 2016-06-01 | 中国石油大学(华东) | 一种基于高光谱技术的致密砂岩储层露头孔隙度表征方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于CT 扫描的三维数字岩心孔隙结构表征方法及应用———以莫北油田116 井区三工河组为例;屈乐等;《现代地质》;20140228;第28卷(第1期);第190-196页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107817199A (zh) | 2018-03-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107817199B (zh) | 一种致密砂岩多尺度孔隙模型的构建方法和应用 | |
| 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 | |
| CN105487121B (zh) | 基于ct扫描图像与电成像图像融合构建多尺度数字岩心方法 | |
| CN105115874B (zh) | 多源信息融合的多组分三维数字岩心构建方法 | |
| CN110853138B (zh) | 双重介质碳酸盐岩孔隙-裂缝双重网络模型构建方法 | |
| CN106780744B (zh) | 利用不同分辨率ct图像构建多尺度三维数字岩心的方法 | |
| CN108802073B (zh) | 一种基于数字岩心的岩石电性参数获取方法及装置 | |
| CN104751473B (zh) | 碳酸岩多尺度孔洞特征的确定方法及装置 | |
| CN103713316B (zh) | 一种基于岩石孔隙数字表征的速度预测方法及装置 | |
| CN104619952A (zh) | 具可靠多相渗透性决定数字岩石分析系统及方法 | |
| CN109584286A (zh) | 一种基于广义回归神经网络的沥青路面构造深度计算方法 | |
| CN110320137A (zh) | 一种基于数字岩心的多尺度融合方法 | |
| CN113310877B (zh) | 一种区域结构差异化的岩石多尺度孔隙网络模型构建方法 | |
| CN110441209B (zh) | 一种基于致密储层数字岩心计算岩石渗透率的方法 | |
| CN109187305A (zh) | 一种页岩结构表征方法和装置 | |
| US11119025B2 (en) | Method for characterizing the porosity of rock | |
| CN108665546A (zh) | 一种结合深度学习的多点地质统计三维建模方法 | |
| CN110222368A (zh) | 一种利用二维切片计算岩心三维孔隙度和渗透率的方法 | |
| Vassallo | A 3D digital approach to study, analyse and (re) interpret cultural heritage: the case study of Ayia Irini (Cyprus and Sweden) | |
| CN108492331B (zh) | 基于模拟压汞法获取岩石的孔径分布的方法和装置 | |
| Jing et al. | Coupling of pipe network modelling and domain decomposition for flow in mineralised coal cores | |
| Dong et al. | Verification of the carbonate double-porosity conductivity model based on digital cores | |
| Yao et al. | Upscaling of carbonate rocks from micropore scale to core scale | |
| CN110441204B (zh) | 一种基于数字岩心模拟的致密储层压裂液伤害数字化评价方法 | |
| Xia et al. | Fractal structural parameters from images: fractal dimension, lacunarity, and succolarity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |