CN108763711A - 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 - Google Patents
一种基于岩心扫描图像分块数值模拟的渗透率预测方法 Download PDFInfo
- Publication number
- CN108763711A CN108763711A CN201810493490.1A CN201810493490A CN108763711A CN 108763711 A CN108763711 A CN 108763711A CN 201810493490 A CN201810493490 A CN 201810493490A CN 108763711 A CN108763711 A CN 108763711A
- Authority
- CN
- China
- Prior art keywords
- core
- image
- permeability
- fritter
- porosity
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种基于岩心扫描图像分块数值模拟的渗透率预测方法，包括：(1)对岩心进行扫描，得到岩心整体的三维数字图像；(2)进行二值化分割；(3)进行分块处理，得到每一小块的岩心图像数据；(4)模拟计算得到每个小块的岩心图像的渗透率和孔隙度；(5)拟合每个小块的岩心图像的渗透率和孔隙度，得到渗透率与孔隙度关系式；(6)求取整个岩心图像的孔隙度，并根据渗透率与孔隙度关系式，求得整个岩心图像的渗透率。本发明能够通过对一个岩心样品进行模型，得到一个对整个地层其他岩心样品都适用的孔隙度与渗透率的关系，从而能够对储层的任意岩心样品进行渗透率的预测，克服了传统渗透率计算或实验的方法精度低、结果不准确的缺点。
Description
技术领域
本发明涉及一种基于CT扫描、数字岩心和数值模拟的岩心渗透率预测方法，属于油气田开发工程数值模拟的技术领域。
背景技术
在油气田开发过程中，储层中的孔隙度、渗透率等宏观性质对于储层中油气的储量和开采有着至关重要的影响。而孔隙度、渗透率这些宏观性质可以用岩石的微观结构来刻画。岩石的微观特征包括岩心内部的孔隙、喉道以及骨架特征，这就涉及到了微米级甚至纳米级的微观尺度。岩石的微观结构是其根本，而其宏观特征仅仅是表面。要真正的研究储层岩石的物性参数，需要深入其内部，抓住微观特征的本质，由于在传统常规的物理实验中，往往不能考虑储层岩石的非均质性及微观结构，仅仅是针对每个岩心的一个平均渗透率来进行应用与计算，因此只能获得储层岩石的等效的岩石物理性质，然而由于岩心中存在着非均质性，会导致岩心中不同位置或不同方向上的渗透率存在一定的差异，会对岩心渗透率的准确度产生影响，而将这些性质用于生产预测常常与实际有着较大的误差。
近年来，随着数字岩心技术和微观流动模拟技术发展越来越成熟，数字岩心技术作为新兴的数值模拟方法，已逐渐在岩石物理属性研究中发挥了重要的作用。数字岩心是将真实的岩心中的岩石骨架和孔隙用计算机可以识别的数字化体素表示出来，进一步构造出一种可以准确反映岩心孔隙空间分布特征，同时又能反映流体在岩心中渗流特征的孔隙网络模型。然而，当前的岩心数值模拟计算渗透率技术只能针对较小尺寸的岩心，计算区域小，在油气田开发过程的应用中具有局限性。
中国专利文献CN106442271A公开了一种岩心渗透率模拟方法及装置，涉及油田开发的技术领域，包括以下步骤：读取所述岩心的CT图像数据；对所述CT图像数据进行二值化处理，生成所述岩心多孔介质的二值化CT图像数据；对所述二值化CT图像数据进行三维重建，生成所述岩心的三维体数据；通过所述三维体数据获取所述岩心的表征体元数据；根据所述表征体元数据建立所述岩心的物理模型，并由所述物理模型计算宏观物理量，其中，所述物理模型分布函数的存储采用稀疏矩阵存储算法；根据所述宏观物理量计算所述岩心渗透率。但是，该专利仅适用于均质岩心，计算区域小，最终获取的岩心渗透率不准确，不能将结果推广到同类岩心的渗透率的预测中来。
中国专利文献CN105510204A公开了一种基于CT图像的渗透率预测方法。CT扫描：利用工业X射线CT对实际岩石样品进行扫描，得到实际岩石样品的数字岩心图像并对图像进行裁剪；将数字岩心图像二值化，得到数字岩心图像的骨架和孔隙；确定数字岩心图像的表征单元体积；渗流模拟：绝对渗透率值和相对渗透率值即为实际岩石渗透率的预测值。但是，该专利只适用于均质岩心，即岩心孔隙分布均匀，存在表征单元体积的情况，对于非均质岩心，在岩心扫描图像范围内无法获得有效的表征单元体积，从而无法得到准确的岩石渗透率。
发明内容
针对现有技术的不足，本发明提供一种基于岩心扫描图像分块数值模拟的渗透率预测方法。
本发明基于CT扫描、数字岩心和数值模拟技术，将岩心整体图像进行X射线CT扫描，并对图像进行二值化分割，将分割后的岩心图像进行分块处理，对每一小块岩心图像进行数值模拟计算渗透率和孔隙度，拟合二者的关系，计算岩心整体的孔隙度并根据拟合关系式得到岩心整体的渗透率，并且拟合关系式可作为经验公式对同一类型的岩心直接进行应用，大大减少了工作量，提高了工作效率。可以为油气田开发中的岩样渗透率预测提供一种便捷有效的方法。
利用数字岩心技术结合数值计算方法可以考虑微观因素对储层岩石物理性质的影响，弥补了传统岩石物理实验的不足。针对储层岩石的非均质性，基于数字岩心技术，建立储层岩样的物理性质场。
术语解释：
二值化，Image Binarization，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。
本发明的技术方案如下：
一种基于岩心扫描图像分块数值模拟的渗透率预测方法，包括：
(1)对岩心进行扫描，得到岩心整体的三维数字图像；
(2)对岩心整体的三维数字图像进行二值化分割，分割结果为只有黑色像素点和白色像素点组成的图像，白色像素点表示孔隙，黑色像素点表示固体骨架；
(3)对步骤(2)得到的图像进行分块处理，得到每一小块的岩心图像数据；
对岩心进行分块处理可以使渗透率的预测得以在大尺寸岩心上施行，分块数目可以人为控制，可将一个大尺寸的岩心分割成上万块的小岩心，将后续研究目标转移到每个小尺寸的小岩心，突破了现阶段岩心渗透率的模拟只能在较小尺寸的岩心上进行的局限性；
(4)模拟计算步骤(3)得到每个小块的岩心图像的渗透率和孔隙度；
(5)拟合步骤(4)得到的每个小块的岩心图像的渗透率和孔隙度，得到渗透率与孔隙度关系式；
(6)求取步骤(2)整个岩心图像的孔隙度，并根据步骤(5)得到渗透率与孔隙度关系式，求得整个岩心图像的渗透率。
根据本发明优选的，所述步骤(3)，对步骤(2)得到的图像进行分块处理，得到每一小块的岩心图像数据，设定需要分成n块，包括：
A、输入步骤(2)处理后的图像；
B、设定每个小块的岩心图像数据的边长为a个像素点，为了保证计算结果准确，a不小于50；
C、进行分块；
D、通常情况下无法均分，记最后一小块图像岩心图像数据的边长为b个像素点，如果b小于n，进入步骤①，否则，进入步骤②：
步骤①是指：将前b块图像边长设定为a+1个像素点，重新将图像分割成n-1块；
步骤②是指：对整个岩心的每个小块的岩心图像数据的边长调整为a-5，重新进行分块，直到执行步骤①，完成分块；
E、得到每一小块的岩心图像数据。
进一步优选的，每个小块的岩心图像数据的边长为80-100像素点。
根据本发明优选的，所述步骤(1)，采用CT机对岩心进行扫描。
根据本发明优选的，所述岩心直径为50-70mm，所述岩心的边长为60-80mm，每个像素点的边长为0.7-20μm。
根据以上优选参数，可充分展示本发明预测渗透率的岩心的尺寸较大，与传统数值模拟实验所用到的较小尺寸的岩心形成对比。
根据本发明优选的，所述步骤(4)中，采用格子-玻尔兹曼方法(lattice-Boltzmann method)模拟计算得到每个小块的岩心图像的渗透率；
每个小块的岩心图像的孔隙度为：该小块的岩心图像中白色像素点数与该小块的岩心图像像素点总数的比值。
根据本发明优选的，所述步骤(5)中，根据Kozeny-Carman公式(K-C公式)拟合步骤(4)得到的每个小块的岩心图像的渗透率和孔隙度，得到渗透率与孔隙度关系式，如式(I)所示：
式(I)中，ε为孔隙度，kKC为渗透率，d为拟合参数。
根据本发明优选的，所述步骤(6)中，整个岩心图像的孔隙度为：整个岩心图像中白色像素点数与该整个岩心图像像素点总数的比值。
本发明的有益效果为：
1、本发明所述的一种基于岩心扫描图像分块数值模拟的渗透率预测方法，能够通过对一个岩心样品进行模型，得到一个对整个地层其他岩心样品都适用的孔隙度与渗透率的关系，从而能够对储层的任意岩心样品进行渗透率的预测，克服了传统渗透率计算或实验的方法精度低、结果不准确的缺点。
2、本发明采用数字化操作，是在数字岩心的基础上进行的渗透率模拟计算。通过数值模拟方法，大大提高了岩心渗透率预测的效率，可以很迅速的将所得数据投入到油气田开发生产中去，使油田的开采效率得到提升，并且其高精度的特点有利于提高油气田开发产量，可以从储层岩石的孔隙喉道中开采出更多的油气，具有显著的科学价值和社会效益。
3、本发明基于岩心扫描图像分块数值模拟的渗透率预测方法适用范围广，既适用于均质岩心，也适用于非均质岩心。
附图说明
图1为本发明实施例1拟合得到渗透率与孔隙度关系示意图；
具体实施方式
下面结合说明书附图和实施例对本发明做详细的说明，但不限于此。
实施例1
本实施例利用数值模拟技术对岩心进行渗透率的预测，需要用到CT机对岩心进行扫描。CT机扫描可以对岩心进行无损探测，能够了解不同地质层的岩心样品内部结构。CT机包括：①X射线源，用来生成扫描样品所需的X射线；②岩心样品夹持器，用于固定和精确旋转待扫描的岩心样品；③X射线探测器，用于检测经岩心样品吸收衰减后的X射线。上述各部件均连接计算机，计算机作为操作平台精确控制上述部件的参数，并输出岩心样品的扫描数据。
一种基于岩心扫描图像分块数值模拟的渗透率预测方法，具体步骤如下：
(1)选取直径为60mm、长度为70mm的岩心，设定CT机分辨率为19.8502μm，对岩心进行扫描，得到岩心整体的三维数字图像；
(2)对图像进行二值化分割，分割结果为只有黑色像素点和白色像素点组成的图像，白色像素点表示孔隙，黑色像素点表示固体骨架；二值化分割方法参考文献：张磊.基于页岩数字岩心的格子Boltzmann流动模拟研究[D].青岛：中国石油大学(华东)，2015.博士论文第二章内容；
(3)对步骤(2)得到的图像进行分块处理，设定分块数目为32，得到每一小块的岩心图像数据；设定每个小块的岩心图像数据的边长取90μm；
(4)将步骤(3)所得的每一小块的岩心图像进行渗透率和孔隙度的模拟计算，其中渗透率的计算方法采用格子-玻尔兹曼方法(lattice-Boltzmann method)，利用二值分割后的每一小块的图像中黑或者白的像素点数比上总像素数得到每一小块岩心图像的孔隙度；所述格子-玻尔兹曼方法参考文献：张珺瑶.基于LBM和数字岩心的页岩基质渗透率计算研究[D].大庆：东北石油大学，2016.硕士论文第三章内容；
(5)拟合步骤(4)所得到的渗透率和孔隙度数据，根据Kozeny-Carman公式(K-C公式)进行拟合，拟合得到K-C公式中的参数值，拟合结果如图1所示；横坐标Porosity是指孔隙度纵坐标Pemeability是指渗透率；所述K-C公式参考文献：Equation K C.Kozeny–Carman equation[J].Darcys Law；
(6)利用二值分割后的整体图像中的黑或者白的像素点数比上总像素数得到整个岩心图像的孔隙度，根据步骤(5)所得的渗透率-孔隙度关系式求得整个岩心图像的渗透率为0.2728μm2；
通过实验测得的该岩心的渗透率为0.2945μm2，本发明得到的渗透率与其几乎一致，证明本发明所模拟得到的渗透率较为准确。
对比例1
现有的求取渗透率的技术为对整个岩心的渗透率模拟方法。具体的渗透率模拟方法为基于LBM的渗透率计算方法。
(1)选取直径为60mm，长度为70mm的岩心，设定CT机分辨率为19.8502μm，对岩心进行扫描，得到岩心整体的三维数字图像，并对图像进行二值化分割；
(2)对步骤(1)中得到的岩心图像进行渗透率的计算，采用格子-玻尔兹曼方法(lattice-Boltzmann method)直接得到整个岩心的渗透率为0.7842μm2；
(3)通过实验测得的该岩心的渗透率为0.2945μm，传统的直接对整个岩心计算渗透率的结果与其误差较大。
通过对比可以发现，本发明所用的这种基于数值模拟的岩心渗透率预测方法结果更加精确。
Claims (8)
1.一种基于岩心扫描图像分块数值模拟的渗透率预测方法，其特征在于，包括：
(1)对岩心进行扫描，得到岩心整体的三维数字图像；
(2)对岩心整体的三维数字图像进行二值化分割，分割结果为只有黑色像素点和白色像素点组成的图像，白色像素点表示孔隙，黑色像素点表示固体骨架；
(3)对步骤(2)得到的图像进行分块处理，得到每一小块的岩心图像数据；
(4)模拟计算步骤(3)得到每个小块的岩心图像的渗透率和孔隙度；
(5)拟合步骤(4)得到的每个小块的岩心图像的渗透率和孔隙度，得到渗透率与孔隙度关系式；
(6)求取步骤(2)整个岩心图像的孔隙度，并根据步骤(5)得到渗透率与孔隙度关系式，求得整个岩心图像的渗透率。
2.根据权利要求1所述的一种基于岩心扫描图像分块数值模拟的渗透率预测方法，其特征在于，所述步骤(3)，对步骤(2)得到的图像进行分块处理，得到每一小块的岩心图像数据，设定需要分成n块，包括：
A、输入步骤(2)处理后的图像；
B、设定每个小块的岩心图像数据的边长为a个像素点，为了保证计算结果准确，a不小于50；
C、进行分块；
D、记最后一小块图像岩心图像数据的边长为b个像素点，如果b小于n，进入步骤①，否则，进入步骤②：
步骤①是指：将前b块图像边长设定为a+1个像素点，重新将图像分割成n-1块；
步骤②是指：对整个岩心的每个小块的岩心图像数据的边长调整为a-5，重新进行分块，直到执行步骤①，完成分块；
E、得到每一小块的岩心图像数据。
3.根据权利要求2所述的一种基于岩心扫描图像分块数值模拟的渗透率预测方法，其特征在于，每个小块的岩心图像数据的边长为80-100像素点。
4.根据权利要求1所述的一种基于岩心扫描图像分块数值模拟的渗透率预测方法，其特征在于，所述步骤(1)，采用CT机对岩心进行扫描。
5.根据权利要求1所述的一种基于岩心扫描图像分块数值模拟的渗透率预测方法，其特征在于，所述岩心直径为50-70mm，所述岩心的边长为60-80mm，每个像素点的边长为0.7-20μm。
6.根据权利要求1所述的一种基于岩心扫描图像分块数值模拟的渗透率预测方法，其特征在于，所述步骤(4)中，采用格子-玻尔兹曼方法模拟计算得到每个小块的岩心图像的渗透率；每个小块的岩心图像的孔隙度为：该小块的岩心图像中白色像素点数与该小块的岩心图像像素点总数的比值。
7.根据权利要求1所述的一种基于岩心扫描图像分块数值模拟的渗透率预测方法，其特征在于，所述步骤(5)中，根据Kozeny-Carman公式拟合步骤(4)得到的每个小块的岩心图像的渗透率和孔隙度，得到渗透率与孔隙度关系式，如式(I)所示：
式(I)中，ε为孔隙度，kKC为渗透率，d为拟合参数。
8.根据权利要求1所述的一种基于岩心扫描图像分块数值模拟的渗透率预测方法，其特征在于，所述步骤(6)中，整个岩心图像的孔隙度为：整个岩心图像中白色像素点数与该整个岩心图像像素点总数的比值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810493490.1A CN108763711B (zh) | 2018-05-22 | 2018-05-22 | 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810493490.1A CN108763711B (zh) | 2018-05-22 | 2018-05-22 | 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108763711A true CN108763711A (zh) | 2018-11-06 |
| CN108763711B CN108763711B (zh) | 2022-02-15 |
Family
ID=64007564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810493490.1A Active CN108763711B (zh) | 2018-05-22 | 2018-05-22 | 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108763711B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109374624A (zh) * | 2018-12-12 | 2019-02-22 | 山东大学 | 透水路面堵塞检测方法及系统 |
| CN109859230A (zh) * | 2018-12-26 | 2019-06-07 | 北京理工大学 | 一种用于多孔介质显微ct图像的分割方法 |
| CN110210460A (zh) * | 2019-06-26 | 2019-09-06 | 中国石油大学(华东) | 一种考虑多重因素影响的页岩气表观渗透率计算方法 |
| CN110322427A (zh) * | 2019-04-02 | 2019-10-11 | 中国矿业大学 | 一种基于三维成像技术的岩土体渗透率计算方法 |
| CN110702581A (zh) * | 2019-10-23 | 2020-01-17 | 山东省科学院海洋仪器仪表研究所 | 一种强非均质多孔介质的多尺度渗透率计算方法 |
| CN110987985A (zh) * | 2019-12-27 | 2020-04-10 | 西南石油大学 | 射孔损害室内评价数字岩心方法 |
| CN111208052A (zh) * | 2020-02-28 | 2020-05-29 | 西安石油大学 | 基于改进Kozeny-Carman模型的页岩储层渗透率预测方法 |
| WO2020215524A1 (zh) * | 2019-04-24 | 2020-10-29 | 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 |
| CN112326524A (zh) * | 2020-10-22 | 2021-02-05 | 中国石油大学(华东) | 一种基于ct扫描图像的岩石孔渗测量方法 |
| CN112669243A (zh) * | 2020-12-09 | 2021-04-16 | 山东省科学院海洋仪器仪表研究所 | 一种基于连通性与孔隙度的岩石采样方法 |
| CN113029899A (zh) * | 2021-02-24 | 2021-06-25 | 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 |
| CN113109888A (zh) * | 2021-04-15 | 2021-07-13 | 中国石油大学(华东) | 一种基于多因素渗透率的火山岩高孔低渗储层储量计算方法 |
| CN113167713A (zh) * | 2018-12-18 | 2021-07-23 | 国际壳牌研究有限公司 | 数字表征岩石渗透率的方法 |
| CN113418848A (zh) * | 2021-05-31 | 2021-09-21 | 中国石油天然气股份有限公司 | 岩心的渗透参数的确定方法、装置、设备及存储介质 |
| WO2022000627A1 (zh) * | 2020-07-03 | 2022-01-06 | 大连理工大学 | 一种基于ct图像的胶结型水合物沉积物三维建模方法 |
| CN114397235A (zh) * | 2022-01-17 | 2022-04-26 | 中国矿业大学 | 一种基于孔隙度重构数字岩心的原位温压两相流分析方法 |
| CN114463324A (zh) * | 2022-02-23 | 2022-05-10 | 中国石油大学(华东) | 基于海森矩阵滤波的岩心图像裂缝识别方法 |
| CN114609010A (zh) * | 2022-03-02 | 2022-06-10 | 中国石油大学(华东) | 一种页岩储层油水相对渗透率的测定方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU3662499A (en) * | 1998-04-22 | 1999-11-08 | Southwest Research Institute | Porosity and permeability measurement of underground formations containing crude oil, using EPR response data |
| CN102253069A (zh) * | 2011-04-20 | 2011-11-23 | 中国石油天然气股份有限公司 | 一种根据核磁共振t2谱确定渗透率的方法和装置 |
| CN106442271A (zh) * | 2016-11-18 | 2017-02-22 | 杨康 | 岩心渗透率模拟方法及装置 |
-
2018
- 2018-05-22 CN CN201810493490.1A patent/CN108763711B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU3662499A (en) * | 1998-04-22 | 1999-11-08 | Southwest Research Institute | Porosity and permeability measurement of underground formations containing crude oil, using EPR response data |
| CN102253069A (zh) * | 2011-04-20 | 2011-11-23 | 中国石油天然气股份有限公司 | 一种根据核磁共振t2谱确定渗透率的方法和装置 |
| CN106442271A (zh) * | 2016-11-18 | 2017-02-22 | 杨康 | 岩心渗透率模拟方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张恒荣，何胜林，吴进波: "一种基于Kozeny-Carmen方程改进的", 《吉林大学学报》 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109374624A (zh) * | 2018-12-12 | 2019-02-22 | 山东大学 | 透水路面堵塞检测方法及系统 |
| CN113167713B (zh) * | 2018-12-18 | 2024-01-02 | 国际壳牌研究有限公司 | 数字表征岩石渗透率的方法 |
| CN113167713A (zh) * | 2018-12-18 | 2021-07-23 | 国际壳牌研究有限公司 | 数字表征岩石渗透率的方法 |
| CN109859230A (zh) * | 2018-12-26 | 2019-06-07 | 北京理工大学 | 一种用于多孔介质显微ct图像的分割方法 |
| 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 |
| CN110322427A (zh) * | 2019-04-02 | 2019-10-11 | 中国矿业大学 | 一种基于三维成像技术的岩土体渗透率计算方法 |
| CN110322427B (zh) * | 2019-04-02 | 2023-05-09 | 中国矿业大学 | 一种基于三维成像技术的岩土体渗透率计算方法 |
| WO2020215524A1 (zh) * | 2019-04-24 | 2020-10-29 | 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 |
| CN110210460A (zh) * | 2019-06-26 | 2019-09-06 | 中国石油大学(华东) | 一种考虑多重因素影响的页岩气表观渗透率计算方法 |
| CN110702581A (zh) * | 2019-10-23 | 2020-01-17 | 山东省科学院海洋仪器仪表研究所 | 一种强非均质多孔介质的多尺度渗透率计算方法 |
| CN110702581B (zh) * | 2019-10-23 | 2022-06-10 | 山东省科学院海洋仪器仪表研究所 | 一种强非均质多孔介质的多尺度渗透率计算方法 |
| CN110987985A (zh) * | 2019-12-27 | 2020-04-10 | 西南石油大学 | 射孔损害室内评价数字岩心方法 |
| CN111208052B (zh) * | 2020-02-28 | 2021-08-13 | 西安石油大学 | 基于改进Kozeny-Carman模型的页岩储层渗透率预测方法 |
| CN111208052A (zh) * | 2020-02-28 | 2020-05-29 | 西安石油大学 | 基于改进Kozeny-Carman模型的页岩储层渗透率预测方法 |
| WO2022000627A1 (zh) * | 2020-07-03 | 2022-01-06 | 大连理工大学 | 一种基于ct图像的胶结型水合物沉积物三维建模方法 |
| US11694338B2 (en) | 2020-07-03 | 2023-07-04 | Dalian University Of Technology | 3D modeling method for cementing hydrate sediment based on CT image |
| CN112326524A (zh) * | 2020-10-22 | 2021-02-05 | 中国石油大学(华东) | 一种基于ct扫描图像的岩石孔渗测量方法 |
| CN112669243A (zh) * | 2020-12-09 | 2021-04-16 | 山东省科学院海洋仪器仪表研究所 | 一种基于连通性与孔隙度的岩石采样方法 |
| CN112669243B (zh) * | 2020-12-09 | 2022-10-04 | 山东省科学院海洋仪器仪表研究所 | 一种基于连通性与孔隙度的岩石采样方法 |
| CN113029899A (zh) * | 2021-02-24 | 2021-06-25 | 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 |
| CN113109888A (zh) * | 2021-04-15 | 2021-07-13 | 中国石油大学(华东) | 一种基于多因素渗透率的火山岩高孔低渗储层储量计算方法 |
| CN113418848A (zh) * | 2021-05-31 | 2021-09-21 | 中国石油天然气股份有限公司 | 岩心的渗透参数的确定方法、装置、设备及存储介质 |
| CN114397235A (zh) * | 2022-01-17 | 2022-04-26 | 中国矿业大学 | 一种基于孔隙度重构数字岩心的原位温压两相流分析方法 |
| CN114463324A (zh) * | 2022-02-23 | 2022-05-10 | 中国石油大学(华东) | 基于海森矩阵滤波的岩心图像裂缝识别方法 |
| CN114609010A (zh) * | 2022-03-02 | 2022-06-10 | 中国石油大学(华东) | 一种页岩储层油水相对渗透率的测定方法及装置 |
| CN114609010B (zh) * | 2022-03-02 | 2024-02-02 | 中国石油大学(华东) | 一种页岩储层油水相对渗透率的测定方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108763711B (zh) | 2022-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108763711A (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 | |
| CN109441422B (zh) | 一种页岩气井间距优化开采方法 | |
| Chen et al. | Fractal and multifractal analysis of different hydraulic flow units based on micro-CT images | |
| Latief et al. | Kozeny–Carman and empirical formula for the permeability of computer rock models | |
| Panahi et al. | A 4D synchrotron X-ray-tomography study of the formation of hydrocarbon-migration pathways in heated organic-rich shale | |
| Thompson et al. | Application of a new grain-based reconstruction algorithm to microtomography images for quantitative characterization and flow modeling | |
| Vergés et al. | 3D pore analysis of sedimentary rocks | |
| Chehrazi et al. | Pore-facies as a tool for incorporation of small-scale dynamic information in integrated reservoir studies | |
| CN103026202A (zh) | 获取多孔介质的相容和综合物理性质的方法 | |
| Li* et al. | Characterizing the middle Bakken: Laboratory measurement and rock typing of the Middle Bakken formation | |
| Santos et al. | Characterization of natural fracture systems: Analysis of uncertainty effects in linear scanline results | |
| WO2014104909A1 (ru) | Способ получения характеристической трехмерной модели образца пористого материала для исследования свойств проницаемости | |
| Zhang et al. | Pore-structure characterization of the Eocene Sha-3 sandstones in the Bohai Bay Basin, China | |
| CN113553780A (zh) | 一种基于机器学习的地层孔隙压力预测方法 | |
| Tokan‐Lawal et al. | Investigating flow properties of partially cemented fractures in Travis Peak Formation using image‐based pore‐scale modeling | |
| Zhang et al. | Permeability prediction of carbonate rocks based on digital image analysis and rock typing using random forest algorithm | |
| Ozelim et al. | Representative elementary volume determination for permeability and porosity using numerical three-dimensional experiments in microtomography data | |
| Xu et al. | Quantification of the microstructure, effective hydraulic radius and effective transport properties changed by the coke deposition during the crude oil in-situ combustion | |
| Chen et al. | Capillary pressure curve determination based on a 2‐D cross‐section analysis via fractal geometry: a bridge between 2‐D and 3‐D pore structure of porous media | |
| CN113625358B (zh) | 判别岩石组分对致密砂岩储层物性影响程度的方法 | |
| CN105844011A (zh) | 一种基于毛管模型的渗透率计算方法 | |
| Jing et al. | Coupling of pipe network modelling and domain decomposition for flow in mineralised coal cores | |
| Zhang et al. | Fine characterization of pore structures in coral reef limestones based on three-dimensional geometrical reconstruction | |
| Guo et al. | Rock physical modeling of tight sandstones based on digital rocks and reservoir porosity prediction from seismic data | |
| Yu et al. | Predicting the permeability of tight sandstone utilizing experimental and mathematical modeling approaches |
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 |