CN109993786B - 迂曲度获取方法、装置、设备以及存储介质 - Google Patents
迂曲度获取方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN109993786B CN109993786B CN201910176041.9A CN201910176041A CN109993786B CN 109993786 B CN109993786 B CN 109993786B CN 201910176041 A CN201910176041 A CN 201910176041A CN 109993786 B CN109993786 B CN 109993786B
- Authority
- CN
- China
- Prior art keywords
- pore
- tortuosity
- channel
- determining
- reservoir rock
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种迂曲度获取方法、装置、设备以及存储介质。该方法包括获取储集岩的孔隙网络模型,根据第一坐标数据和第二坐标数据确定第一孔隙和第二孔隙之间的直线距离;根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道,根据直线距离和第二通道的距离确定第一孔隙和第二孔隙之间的第一路径迂曲度,根据第一路径迂曲度集合确定储集岩的迂曲度。在本发明中,通过图像处理得到取储集岩的孔隙网络模型,再利用取储集岩的孔隙网络模型获得取储集岩的迂曲度。无需用其它方式测量孔隙半径、孔隙度和渗透率,就能够确定各种类型储集岩的迂曲度,尤其是几十纳米到几百微米孔径的储集岩。
Description
技术领域
本发明涉及石油开采技术领域,尤其涉及一种迂曲度获取方法、装置、设备以及存储介质。
背景技术
储集岩的迂曲度τ最早由柯静—卡尔曼(1932)提出。迂曲度τ越高,流体在储层中的运动路径越曲折,流体运动受到的沿程阻力越大。因此,迂曲度τ是评价储层孔隙结构的重要参数。
由于迂曲度τ是一个三维的概念,以往的储层评价中往往难以直接计算。实际操作中只能将储集岩孔隙空间简化为弯曲毛细管束,再通过修正的哈根—泊肃叶公式来计算。在利用修正的哈根—泊肃叶公式过程中,需要事先测出储层的孔隙半径、孔隙度和渗透率。这些参数通常通过压汞曲线等方法测量出来。
然而,在一些致密储层中,同一储集岩的孔隙半径分布在几十纳米至几百微米范围内,无法通过实现获得上述参数的方式得到储集岩的迂曲度。
发明内容
本发明提供一种迂曲度获取方法、装置、设备以及存储介质,旨在解决针对致密储层无法通过实现获得上述参数的方式得到迂曲度的问题。
第一方面,本发明提供一种迂曲度获取方法,包括:获取储集岩的孔隙网络模型,其中,储集岩包括孔隙集合,孔隙集合包括第一孔隙和第二孔隙,孔隙网络模型包括第一孔隙的第一坐标数据、第二孔隙的第二坐标数据以及第一孔隙和第二孔隙之间的喉道的分布数据;根据第一坐标数据和第二坐标数据确定第一孔隙和第二孔隙之间的直线距离;根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道,其中,第一通道集合为第一孔隙和第二孔隙之间通过喉道连接形成的第一通道所构成的集合,根据直线距离确定第一通道的距离;根据直线距离和第二通道的距离确定第一孔隙和第二孔隙之间的第一路径迂曲度,其中,第一路径迂曲度集合包括第一路径迂曲度,第一路径迂曲度集合为孔隙集合中任意两个孔隙之间的路径曲度所构成的集合;根据第一路径迂曲度集合确定储集岩的迂曲度。
在本发明提供的一种迂曲度获取方法中,先获取储集岩的孔隙网络模型,其中,孔隙网络模型包括第一孔隙的第一坐标数据、第二孔隙的第二坐标数据以及第一孔隙和第二孔隙之间的喉道的分布数据;再根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道;进而根据直线距离和第二通道的距离确定第一孔隙和第二孔隙之间的第一路径迂曲度,以根据第一路径迂曲度集合确定储集岩的迂曲度。在本发明提供的方法中,无需测量孔隙半径、孔隙度和渗透率,能够确定各种类型储集岩的迂曲度。
可选地,获取储集岩的孔隙网络模型,具体包括:获取储集岩的三维扫描图像;根据三维扫描图像确定孔隙网络模型。
在本发明提供的一种迂曲度获取方法中,通过获取储集岩的三维扫描图像,以采集储集岩的三维数据,进而根据三维扫描图像确定孔隙网络模型,采用此可选方案,易于获取储集岩的孔隙网络模型。
可选地,根据储集岩三维扫描图像确定储集岩的孔隙网络模型,具体包括:从三维扫描图像提取孔隙空间图像;对孔隙空间图像进行孔隙分割处理,以得到孔隙分布图像;对孔隙分布图像进行喉道提取处理,以得到孔隙网络模型。
在本发明提供的一种迂曲度获取方法中,先从三维扫描图像提取孔隙空间图像,去除储集岩其他部分图像对孔隙空间分布图像的影响,在对孔隙空间图像进行孔隙分割处理,得到孔隙具体坐标数据,在提取各个孔隙之间喉道信息,以获得各个孔隙之间的喉道数据,进而获得储集岩的孔隙网络模型。通过对图像分析,易于得到储集岩的孔隙网络模型。
可选地,根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道,具体包括:利用弗洛伊德Floyd算法根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道。
在本发明提供的一种迂曲度获取方法中,利用弗洛伊德Floyd无向图最短路径算法,可以方便快捷确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道,以便于确定第一路径迂曲度。
可选地,根据第一路径迂曲度集合获得储集岩的迂曲度,具体包括:将第一孔隙和第二孔隙之间的直线距离进行分类处理;统计同一类的直线距离对应的第一孔隙和第二孔隙之间的路径迂曲度,以获得第一分布曲线;从第一分布曲线中确定第一集中点,其中,第一集中点为分布曲线的最高点;统计第一集中点,以获得第二分布曲线;根据第二分布曲线确定储集岩的迂曲度。
在本发明提供的一种迂曲度获取方法中,通过对第一路径迂曲度集合进行统计分析,得到每种距离类型下的路径迂曲度集中点,在根据集中点的分布,确定储集岩的迂曲度。本方案综合了所有孔隙之间的路径迂曲度,所得到的储集岩的迂曲度更准确。
第二方面,本发明提供一种迂曲度获取装置,包括:获取模块,用于获取储集岩的孔隙网络模型,其中,储集岩包括孔隙集合,孔隙集合包括第一孔隙和第二孔隙,孔隙网络模型包括第一孔隙的第一坐标数据、第二孔隙的第二坐标数据以及第一孔隙和第二孔隙之间的喉道的分布数据;确定模块,用于根据第一坐标数据和第二坐标数据确定第一孔隙和第二孔隙之间的直线距离;确定模块还用于根据分布数据获得确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道,其中,第一通道集合为第一孔隙和第二孔隙之间通过喉道连接形成的第一通道所构成的集合,根据直线距离获得确定第一通道的距离;确定模块还用于根据直线距离和第二通道的距离确定第一孔隙和第二孔隙之间的第一路径迂曲度,其中,第一路径迂曲度集合包括第一路径迂曲度,第一路径迂曲度集合为孔隙集合中任意两个孔隙之间的路径曲度所构成的集合;确定模块还用于根据第一路径迂曲度集合确定储集岩的迂曲度。
可选地,获取模块具体用于:获取储集岩的三维扫描图像;根据三维扫描图像确定孔隙网络模型。
可选地,获取模块具体用于:从三维扫描图像提取孔隙空间图像;对孔隙空间图像进行孔隙分割处理,以得到孔隙分布图像;对孔隙分布图像进行喉道提取处理,以得到孔隙网络模型。
可选地,确定模块具体用于:利用弗洛伊德Floyd无向图最短路径算法根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道。
可选地,确定模块具体用于:将第一孔隙和第二孔隙之间的直线距离进行分类处理;统计同一类的直线距离对应的第一孔隙和第二孔隙之间的路径迂曲度,以获得第一分布曲线;从第一分布曲线中确定第一集中点,其中,第一集中点为分布曲线的最高点;统计第一集中点,以获得第二分布曲线;根据第二分布曲线确定储集岩的迂曲度。
第三方面,本发明提供一种电子设备,包括:至少一个处理器和存储器;其中,存储器存储计算机执行指令;至少一个处理器执行存储器存储的计算机执行指令,使得至少一个处理器执行如第一方面以及可选方案涉及的迂曲度获取方法。
第三方面,一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如第一方面以及可选方案涉及的迂曲度获取方法。
在本发明提供的一种迂曲度获取方法中,先获取储集岩的孔隙网络模型,其中,孔隙网络模型包括第一孔隙的第一坐标数据、第二孔隙的第二坐标数据以及第一孔隙和第二孔隙之间的喉道的分布数据;再根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道;进而根据直线距离和第二通道的距离确定第一孔隙和第二孔隙之间的第一路径迂曲度,以根据第一路径迂曲度集合确定储集岩的迂曲度。在本发明提供的方法中,通过图像处理得到取储集岩的孔隙网络模型,在利用取储集岩的孔隙网络模型获得取储集岩的迂曲度。无需测量孔隙半径、孔隙度和渗透率,能够确定各种类型储集岩的迂曲度,尤其是孔径分布在几十纳米到几百微米的储集岩。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明根据一示例性实施例示出的迂曲度获取方法的方法流程图;
图2为本发明根据另一示例性实施例示出的迂曲度获取方法的方法流程图;
图3为基于图2所示实施例示出的迂曲度获取方法中三维扫描图像;
图4为基于图2所示实施例示出的迂曲度获取方法中孔隙空间图像;
图5为基于图2所示实施例示出的迂曲度获取方法中孔隙分布图像;
图6为基于图2所示实施例示出的迂曲度获取方法中孔隙网络模型;
图7为本发明根据又一示例性实施例示出的迂曲度获取方法的方法流程图;
图8为基于图7所示实施例示出的迂曲度获取方法中储集岩的迂曲度的方法流程图;
图9为基于图7所示实施例示出的迂曲度获取方法中第一分布曲线的分布图;
图10为本发明根据一示例性实施例示出的迂曲度获取装置的结构示意图;
图11为本发明根据一示例性实施例示出的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明根据一示例性实施例示出的迂曲度获取方法的方法流程图。如图1所示,本发明提供的迂曲度获取方法包括:
S101、获取储集岩的孔隙网络模型。
更具体地,储集岩包括孔隙集合,孔隙集合由多个孔隙构成,利用第一孔隙指代孔隙集合中任意一个孔隙,第二孔隙指代孔隙集合中任意一个孔隙,获取储集岩孔隙网络模型具体为:获取第一孔隙的第一坐标数据、第二孔隙的第二坐标数据,并获取第一孔隙和第二孔隙之间的喉道的分布数据。其中,喉道的分布数据是指:若两个孔隙之间有喉道连接,则这两个孔隙之间分布数据为在两个孔隙之间有喉道,若两个孔隙之间不存在喉道连接,则这两个孔隙之间分布数据为在两个孔隙之间无喉道。
S102、根据第一坐标数据和第二坐标数据确定第一孔隙和第二孔隙之间的直线距离。
更具体地,假设第一孔隙的重心为(xi,yi,zi),则第一孔隙的第一坐标数据为Pi=(xi,yi,zi),假设第二孔隙的重心为(xj,yj,zj),则第二孔隙的第二坐标数据为Pj=(xj,yj,zj),则第一孔隙Pi和第二孔隙Pj之间的直线距离根据如下公式计算:
S103、根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道。
更具体地,第一通道是指第一孔隙和第二孔隙之间通过喉道连接形成的通道,第一通道集合为第一孔隙和第二孔隙之间通过喉道连接形成的第一通道所构成的集合。
若第一孔隙和第二孔隙之间直接有一条喉道连接,则第一通道指第一孔隙和第二孔隙直接连接的喉道。若第一孔隙和第二孔隙之间可以通过多条喉道连接,则第一通道指第一孔隙和第二孔隙之间可以通过多条喉道。搜索第一孔隙和第二孔隙之间通过喉道连接的所有通道,进而,形成第一通道集合。
根据直线距离确定第一通道的距离。当第一通道为一条喉道组成,则第一通道的距离为喉道所连接的两个孔隙之间的直线距离。当第一通道由多个喉道组成,则第一通道的距离为每一个组成喉道所连接的两个孔隙之间的直线距离之和。
例如:第一孔隙Pi和第二孔隙Pj之间通过第一孔隙Pi和第三孔隙Pk之间的喉道、以及第三孔隙Pk和第二孔隙Pj之间的喉道连接,则第一孔隙Pi和第二孔隙Pj之间距离为Dik+Dkj,其中,Dik为第一孔隙Pi和第三孔隙Pk之间的直线距离,Dkj为第三孔隙Pk和第二孔隙Pj之间的直线距离。
最后,从第一通道集合筛选距离最短的第一通道作为第二通道。
S104、根据直线距离和第二通道的距离确定第一孔隙和第二孔隙之间的第一路径迂曲度。
更具体地,第一孔隙Pi和第二孔隙Pj之间的第一路径迂曲度根据如下公式获得:
根据上述公式获得孔隙集合中任意两个孔隙之间的路径曲度,进而构成第一路径迂曲度集合。
S105、根据第一路径迂曲度集合确定储集岩的迂曲度。
更具体地,第一路径迂曲度集合中第一路径迂曲度进行统计分析,以综合任意两个孔隙之间的第一路径迂曲度,获得储集岩的迂曲度。
在本实施例提供的迂曲度获取方法中,通过获取储集岩的孔隙网络模型,根据孔隙网络模型获得任意两个孔隙之间第一路径迂曲度,对第一路径迂曲度进行统计分析,以获得储集岩的迂曲度。所获得的储集岩的迂曲度,集合了储集岩中任意两个孔隙之间的第一路径迂曲度,精度更高。
图2为本发明根据另一示例性实施例示出的迂曲度获取方法的方法流程图。如图2所示,本实施例提供的迂曲度获取方法包括如下步骤:
S201、获取储集岩的三维扫描图像。
在本实施例中,可以利用电子计算机断层扫描(Computed Tomography,简称CT)技术,获取储集岩的三维扫描图像。
S202、根据三维扫描图像确定孔隙网络模型。图3为基于图2所示实施例示出的迂曲度获取方法中三维扫描图像。如图3所示,三维扫描图像能够体现储集岩的结构信息。
更具体地,通过图像处理技术,从三维扫描图像中提取出孔隙网络模型,具体包括如下步骤:
S1001、从三维扫描图像提取孔隙空间图像。
更具体地,将三维扫描图像中储集岩其他部位图像去除,提取孔隙空间图像。图4为基于图2所示实施例示出的迂曲度获取方法中孔隙空间图像。如图4所示,储集岩其他部位图像去除,仅呈现孔隙图像信息。
S1002、对孔隙空间图像进行孔隙分割处理,以得到孔隙分布图像。
更具体地,通过提取出各个孔隙的轮廓信息,以获得孔隙分布图像。在本实施例中采用Skeleton算法提取出各个孔隙的轮廓信息,以获得孔隙分布图像。图5为基于图2所示实施例示出的迂曲度获取方法中孔隙分布图像,如图5所示图像中已经能够显现出孔隙轮廓。
S1003、对孔隙分布图像进行喉道提取处理,以得到孔隙网络模型。
更具体地,通过提取各孔隙之间的喉道图像,获得喉道分布。在本实施例中采用Pore Network Modeling算法,提取各孔隙之间的喉道图像,获得喉道分布图像。图6为基于图2所示实施例示出的迂曲度获取方法中孔隙网络模型。如图6所示,根据喉道分布图像,即可获得第一孔隙和第二孔隙之间的喉道的分布数据。根据孔隙分布图像获得各个孔隙的坐标数据。进而获得孔隙网络模型。
S203、根据第一坐标数据和第二坐标数据确定第一孔隙和第二孔隙之间的直线距离。
S204、根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道。
S205、根据直线距离和第二通道的距离确定第一孔隙和第二孔隙之间的第一路径迂曲度。
S206、根据第一路径迂曲度集合确定储集岩的迂曲度。
在本发明提供的方法中,通过图像处理得到取储集岩的孔隙网络模型,在利用取储集岩的孔隙网络模型获得取储集岩的迂曲度。无需测量孔隙半径、孔隙度和渗透率,能够确定各种类型储集岩的迂曲度,尤其是孔径分布在几十纳米到几百微米的储集岩。
图7为本发明根据又一示例性实施例示出的迂曲度获取方法的方法流程图。如图7所示,本实施例提供的迂曲度获取方法包括:
S301、获取储集岩的孔隙网络模型。
S302、根据第一坐标数据和第二坐标数据确定第一孔隙和第二孔隙之间的直线距离。
S303、采用利用弗洛伊德Floyd无向图最短路径算法根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道。
更具体地,即:首先,根据直线距离矩阵D={Dij}和喉道分布数据构造初始的多源无向图矩阵G={Gij}。G中每个元素Gij表示孔隙网络模型中第i个孔隙和第j个孔隙经由喉道连通的距离。计算公式为:
利用弗洛伊德Floyd无向图最短路径算法算出多源无向图G中第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道。
弗洛伊德Floyd无向图最短路径算法状态转移方程为:
Gij=min{Gik+Gkj,Gij};1≤i≤N;1≤j≤N;1≤k≤N
S304、根据直线距离和第二通道的距离确定第一孔隙和第二孔隙之间的第一路径迂曲度。
S305、根据第一路径迂曲度集合确定储集岩的迂曲度。
更具体地,图8为基于图7所示实施例示出的迂曲度获取方法中储集岩的迂曲度的方法流程图。如图8所示,获得储集岩的迂曲度,具体包括如下步骤:
S2001、将第一孔隙和第二孔隙之间的直线距离进行分类处理。
在本实施例中,以200μm为孔隙距离区间长度,将每一对孔隙按距离划分到区间0~200μm、区间200~400μm、区间400~600μm……。
S2002、统计同一类的直线距离对应的第一孔隙和第二孔隙之间的路径迂曲度,以获得第一分布曲线。
分别统计划分到区间0~200μm、区间200~400μm、区间400~600μm、……的路径迂曲度,以获得多组第一分布曲线。图9为基于图7所示实施例示出的迂曲度获取方法中第一分布曲线的分布图。
S2003、从第一分布曲线中确定第一集中点。
更具体地,第一集中点为分布曲线的最高点,提取出每个第一分布曲线的第一集中点。
S2004、统计第一集中点,以获得第二分布曲线。
更具体地,对所有的第一集中点进行统计,以获得第二分布曲线。
S2005、根据第二分布曲线确定储集岩的迂曲度。
更具体地,第二分布曲线与X轴、Y轴构成平面的交点。其中,X轴表示第一迂曲度的值,Y轴表示孔隙距离区间。
由图9可见,孔隙距离在0~200μm区间内的孔隙多为相邻孔隙,由喉道直接连通。因此其路径迂曲度多为1;在孔隙距离200μm以上的各个区间中,随着孔隙距离的增加,区间内的孔隙迂曲度分布不断收窄。
由此可以说明,随着孔隙距离较长时孔隙的路径迂曲度趋于稳定。通多第一分布曲线获得第一集中点,根据第一集中点获得第二分布曲线,最终计算得到该样品迂曲度为1.20。
在本发明提供的方法中,对第一路径迂曲度进行统计分析,以获得储集岩的迂曲度。所获得的储集岩的迂曲度,集合了储集岩中任意两个孔隙之间的第一路径迂曲度,精度更加准确。
图10为本发明根据一示例性实施例示出的迂曲度获取装置的结构示意图。图10所示,本发明提供一种迂曲度获取装置400,包括:获取模401,用于获取储集岩的孔隙网络模型,其中,储集岩包括孔隙集合,孔隙集合包括第一孔隙和第二孔隙,孔隙网络模型包括第一孔隙的第一坐标数据、第二孔隙的第二坐标数据以及第一孔隙和第二孔隙之间的喉道的分布数据;确定模块402,用于根据第一坐标数据和第二坐标数据确定第一孔隙和第二孔隙之间的直线距离;确定模块402还用于根据分布数据获得确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道,其中,第一通道集合为第一孔隙和第二孔隙之间通过喉道连接形成的第一通道所构成的集合,根据直线距离获得确定第一通道的距离;确定模块402还用于根据直线距离和第二通道的距离确定第一孔隙和第二孔隙之间的第一路径迂曲度,其中,第一路径迂曲度集合包括第一路径迂曲度,第一路径迂曲度集合为孔隙集合中任意两个孔隙之间的路径曲度所构成的集合;确定模块402还用于根据第一路径迂曲度集合确定储集岩的迂曲度。
可选地,获取模块401具体用于:获取储集岩的三维扫描图像;根据三维扫描图像确定孔隙网络模型。
可选地,获取模块401具体用于:从三维扫描图像提取孔隙空间图像;对孔隙空间图像进行孔隙分割处理,以得到孔隙分布图像;对孔隙分布图像进行喉道提取处理,以得到孔隙网络模型。
可选地,确定模块401具体用于:利用弗洛伊德Floyd无向图最短路径算法根据分布数据确定第一通道集合,并从第一通道集合筛选距离最短的第一通道作为第二通道。
可选地,确定模块401具体用于:将第一孔隙和第二孔隙之间的直线距离进行分类处理;统计同一类的直线距离对应的第一孔隙和第二孔隙之间的路径迂曲度,以获得第一分布曲线;从第一分布曲线中确定第一集中点,其中,第一集中点为分布曲线的最高点;统计第一集中点,以获得第二分布曲线;根据第二分布曲线确定储集岩的迂曲度。
总之,本申请提供的迂曲度获取装置可用于执行上述迂曲度获取方法,其内容和效果可参考方法部分,本申请对此不再赘述。
图11为本发明根据一示例性实施例示出的电子设备的结构示意图。如图11所示,本实施例的电子设备500包括:处理器501以及存储器502,其中,
存储器502,用于存储计算机执行指令;
处理器501,用于执行存储器存储的计算机执行指令,以实现上述实施例中接收设备所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选的,存储器502既可以是独立的,也可以跟处理器501集成在一起。
当存储器502独立设置时,该电子设备500还包括总线503,用于连接存储器502和处理器501。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如上的迂曲度获取方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种迂曲度获取方法,其特征在于,包括:
获取储集岩的孔隙网络模型,其中,所述储集岩包括孔隙集合,所述孔隙集合包括第一孔隙和第二孔隙,所述孔隙网络模型包括所述第一孔隙的第一坐标数据、所述第二孔隙的第二坐标数据以及所述第一孔隙和所述第二孔隙之间的喉道的分布数据;
根据所述第一坐标数据和所述第二坐标数据确定所述第一孔隙和所述第二孔隙之间的直线距离;
根据所述分布数据确定第一通道集合,并从所述第一通道集合筛选距离最短的所述第一通道作为第二通道,其中,所述第一通道集合为所述第一孔隙和所述第二孔隙之间通过所述喉道连接形成的第一通道所构成的集合,根据所述直线距离确定所述第一通道的距离;
根据所述直线距离和所述第二通道的距离确定所述第一孔隙和所述第二孔隙之间的第一路径迂曲度,其中,第一路径迂曲度集合包括所述第一路径迂曲度,所述第一路径迂曲度集合为所述孔隙集合中任意两个孔隙之间的路径曲度所构成的集合;
根据所述第一路径迂曲度集合确定所述储集岩的迂曲度;
所述根据所述第一路径迂曲度集合确定所述储集岩的迂曲度,具体包括:
将所述第一孔隙和所述第二孔隙之间的直线距离进行分类处理;
统计同一类的所述直线距离对应的所述第一孔隙和所述第二孔隙之间的路径迂曲度,以获得第一分布曲线;
从所述第一分布曲线中确定第一集中点,其中,所述第一集中点为分布曲线的最高点;
统计所述第一集中点,以获得第二分布曲线;
根据所述第二分布曲线确定所述储集岩的迂曲度。
2.根据权利要求1所述的方法,其特征在于,所述获取储集岩的孔隙网络模型,具体包括:
获取所述储集岩的三维扫描图像;
根据所述三维扫描图像确定所述孔隙网络模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述储集岩三维扫描图像确定所述储集岩的孔隙网络模型,具体包括:
从所述三维扫描图像提取孔隙空间图像;
对所述孔隙空间图像进行孔隙分割处理,以得到孔隙分布图像;
对所述孔隙分布图像进行孔隙和喉道提取处理,以得到所述孔隙网络模型。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述分布数据确定第一通道集合,并从所述第一通道集合筛选距离最短的所述第一通道作为第二通道,具体包括:
利用弗洛伊德Floyd无向图最短路径算法根据所述分布数据确定第一通道集合,并从所述第一通道集合筛选距离最短的所述第一通道作为第二通道。
5.一种迂曲度获取装置,其特征在于,包括:
获取模块,用于获取储集岩的孔隙网络模型,其中,所述储集岩包括孔隙集合,所述孔隙集合包括第一孔隙和第二孔隙,所述孔隙网络模型包括所述第一孔隙的第一坐标数据、所述第二孔隙的第二坐标数据以及所述第一孔隙和所述第二孔隙之间的喉道的分布数据;
确定模块,用于根据所述第一坐标数据和所述第二坐标数据确定所述第一孔隙和所述第二孔隙之间的直线距离;
所述确定模块还用于根据所述分布数据获得确定第一通道集合,并从所述第一通道集合筛选距离最短的所述第一通道作为第二通道,其中,所述第一通道集合为所述第一孔隙和所述第二孔隙之间通过所述喉道连接形成的第一通道所构成的集合,根据所述直线距离获得确定所述第一通道的距离;
所述确定模块还用于根据所述直线距离和所述第二通道的距离确定所述第一孔隙和所述第二孔隙之间的第一路径迂曲度,其中,第一路径迂曲度集合包括所述第一路径迂曲度,所述第一路径迂曲度集合为所述孔隙集合中任意两个孔隙之间的路径曲度所构成的集合;
所述确定模块还用于根据所述第一路径迂曲度集合确定所述储集岩的迂曲度;
所述根据所述第一路径迂曲度集合确定所述储集岩的迂曲度,具体包括:
将所述第一孔隙和所述第二孔隙之间的直线距离进行分类处理;
统计同一类的所述直线距离对应的所述第一孔隙和所述第二孔隙之间的路径迂曲度,以获得第一分布曲线;
从所述第一分布曲线中确定第一集中点,其中,所述第一集中点为分布曲线的最高点;
统计所述第一集中点,以获得第二分布曲线;
根据所述第二分布曲线确定所述储集岩的迂曲度。
6.根据权利要求5所述的装置,其特征在于,所述获取模块具体用于:
获取所述储集岩的三维扫描图像;
根据所述三维扫描图像确定所述孔隙网络模型。
7.根据权利要求6所述的装置,其特征在于,所述获取模块具体用于:
从所述三维扫描图像提取孔隙空间图像;
对所述孔隙空间图像进行孔隙分割处理,以得到孔隙分布图像;
对所述孔隙分布图像进行喉道提取处理,以得到所述孔隙网络模型。
8.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
其中,所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至4任一项所述的迂曲度获取方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至4任一项所述的迂曲度获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910176041.9A CN109993786B (zh) | 2019-03-08 | 2019-03-08 | 迂曲度获取方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910176041.9A CN109993786B (zh) | 2019-03-08 | 2019-03-08 | 迂曲度获取方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993786A CN109993786A (zh) | 2019-07-09 |
CN109993786B true CN109993786B (zh) | 2021-05-18 |
Family
ID=67130311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910176041.9A Expired - Fee Related CN109993786B (zh) | 2019-03-08 | 2019-03-08 | 迂曲度获取方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993786B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113863920B (zh) * | 2021-09-10 | 2023-09-19 | 西南石油大学 | 一种气窜通道体积检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556703A (zh) * | 2009-05-16 | 2009-10-14 | 中国石油大学(华东) | 基于连续切片图像的网络模型建立方法 |
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 |
CN105654486A (zh) * | 2015-12-30 | 2016-06-08 | 中国石油天然气集团公司 | 一种复杂储层岩石孔隙结构参数提取方法 |
CN107133630A (zh) * | 2016-02-29 | 2017-09-05 | 中国石油化工股份有限公司 | 一种基于扫描图像判断碳酸盐岩孔隙类型的方法 |
CN107817199A (zh) * | 2016-09-14 | 2018-03-20 | 中国石油化工股份有限公司 | 一种致密砂岩多尺度孔隙模型的构建方法和应用 |
CN108387495A (zh) * | 2018-01-22 | 2018-08-10 | 青岛理工大学 | 一种多孔混凝土孔隙率计算和孔隙参数表征方法 |
CN108681561A (zh) * | 2018-04-20 | 2018-10-19 | 贾帅东 | 一种航海图等深线平滑性的评估方法 |
CN109242985A (zh) * | 2018-10-29 | 2019-01-18 | 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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
CN109164026A (zh) * | 2018-07-25 | 2019-01-08 | 中国石油天然气股份有限公司 | 岩石渗流能力评价方法及装置 |
-
2019
- 2019-03-08 CN CN201910176041.9A patent/CN109993786B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556703A (zh) * | 2009-05-16 | 2009-10-14 | 中国石油大学(华东) | 基于连续切片图像的网络模型建立方法 |
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 |
CN105654486A (zh) * | 2015-12-30 | 2016-06-08 | 中国石油天然气集团公司 | 一种复杂储层岩石孔隙结构参数提取方法 |
CN107133630A (zh) * | 2016-02-29 | 2017-09-05 | 中国石油化工股份有限公司 | 一种基于扫描图像判断碳酸盐岩孔隙类型的方法 |
CN107817199A (zh) * | 2016-09-14 | 2018-03-20 | 中国石油化工股份有限公司 | 一种致密砂岩多尺度孔隙模型的构建方法和应用 |
CN108387495A (zh) * | 2018-01-22 | 2018-08-10 | 青岛理工大学 | 一种多孔混凝土孔隙率计算和孔隙参数表征方法 |
CN108681561A (zh) * | 2018-04-20 | 2018-10-19 | 贾帅东 | 一种航海图等深线平滑性的评估方法 |
CN109242985A (zh) * | 2018-10-29 | 2019-01-18 | 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 |
Non-Patent Citations (2)
Title |
---|
Rock Joint Surfaces Measurement and Analysis of Aperture Distribution under Different Normal and Shear Loading using GIS;M. Sharifzadeh 等;《Rock Mechanics and Rock Engineering》;20081231;第299-323页 * |
数字岩心渗流路径的特征研究;王子强 等;《太赫兹科学与电子信息学报》;20181031;第16卷(第5期);第897-901页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109993786A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084116B (zh) | 路面检测方法、装置、计算机设备和存储介质 | |
CN109697460B (zh) | 对象检测模型训练方法、目标对象检测方法 | |
JP7156515B2 (ja) | 点群アノテーション装置、方法、及びプログラム | |
CN111881868B (zh) | 一种图层自动化识别方法及装置 | |
CN112990183B (zh) | 离线手写汉字同名笔画提取方法、系统、装置 | |
Wernersson et al. | Characterisations of fibre networks in paper using micro computed tomography images | |
CN109993786B (zh) | 迂曲度获取方法、装置、设备以及存储介质 | |
CN113111785A (zh) | 海洋温度锋的特征参数提取方法和装置 | |
JP2017156271A (ja) | 構造解析装置、構造解析方法及び三次元織繊維素材製造方法 | |
CN113029899B (zh) | 一种基于显微图像处理的砂岩渗透率计算方法 | |
CN101629812B (zh) | 一种焊接接头成形组织特征的测量方法 | |
JP6686262B2 (ja) | 地形変化点抽出システム、及び地形変化点抽出方法 | |
CN110610539A (zh) | 地层曲面构建方法和装置、设备及储存介质 | |
KR101446171B1 (ko) | X선 ct 영상을 이용한 시멘트 기반 재료의 기포간격계수 측정방법 | |
CN112903555A (zh) | 考虑孔隙各向异性的多孔介质渗透率计算方法及装置 | |
CN107578001A (zh) | 测试指纹采集设备的分辨率的方法及装置 | |
CN110738702B (zh) | 一种三维超声图像的处理方法、装置、设备及存储介质 | |
CN109087344A (zh) | 三维重建中的图像选择方法及装置 | |
CN112184900B (zh) | 高程数据的确定方法、装置及存储介质 | |
CN111179337B (zh) | 空间直线朝向测量方法、装置、计算机设备和存储介质 | |
CN111815594A (zh) | 钢筋检测方法以及相关设备、装置 | |
KR101255022B1 (ko) | 점군자료를 활용한 구조물 균열 검출방법 | |
CN110135382A (zh) | 一种人体检测方法和装置 | |
CN109326004B (zh) | 一种水系沉积物采样点的自动化布置方法 | |
CN104933705B (zh) | 一种时空环数据结构进行槽孔检测的方法及装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210518 |