CN112348880B - 一种非常规储层多尺度与多组分数字岩心构建方法 - Google Patents
一种非常规储层多尺度与多组分数字岩心构建方法 Download PDFInfo
- Publication number
- CN112348880B CN112348880B CN202011244277.0A CN202011244277A CN112348880B CN 112348880 B CN112348880 B CN 112348880B CN 202011244277 A CN202011244277 A CN 202011244277A CN 112348880 B CN112348880 B CN 112348880B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- template
- neighborhood
- core
- scale
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
一种非常规储层多尺度与多组分数字岩心构建方法,包括以下步骤:步骤1:构建不同尺度孔隙信息融合的多尺度三维数字岩心;步骤2:基于于岩心二维图片,构建多组分数字岩心;步骤3:将融合不同孔隙尺度信息的多尺度岩心与多组分岩心进行嵌套,构建包含不同尺度孔隙信息的多尺度与多组分非常规储层三维数字岩心。本发明实现了不同尺度孔隙信息的融合同时实现岩石矿物组分的表征,构建的结果有助于研究致密砂岩、页岩储层弹性性质,探索不同矿物组分、裂缝以及层理等对于岩石弹性性质的影响规律,从而对岩石脆性成因进行探索性研究,为致密砂岩、页岩脆性测井评价乃至压裂改造研究提供了基础理论支撑。
Description
技术领域
本发明涉及油气勘探领域,具体涉及一种非常规储层多尺度与多组分数字岩心构建方法。
背景技术
以致密砂岩和泥页岩外代表的非常规性储层目前成为国内外油气勘探的热点与重点,而这类储层的特点:首先,孔隙结构复杂,孔隙尺寸分布范围宽泛,孔隙大小从纳米,微米,几十微米到几毫米,尺度跨越3-6个数量级;其次,在非常规性储层特别是泥页岩骨架中矿物组分多,例如石英、方解石、粘土、有机质等,骨架矿物的电阻率特性挑战电阻率测井在泥页岩储层评价的作用,骨架矿物弹性特性影响储层的脆性特性,进而影响该类储层油气开采重要手段-压裂技术的效果。因此需要构建不同尺度孔隙信息融合的多尺度数字岩心研究孔隙分布、孔隙结构以及孔隙内流体特性对于岩石物理属性的影响,同时也需要构建多组分数字岩心研究矿物对于岩石物理属性的影响。但是已有的x-CT,SEM,FIB-SEM图像融合构建高精度的三维数字岩心,反映微纳米尺度的孔隙分布,该类技术的缺点是构建的岩心尺寸小仅为几微米。已有的基于二维图像构建多组分岩心的蒙特卡洛-马尔科夫链(MCMC)法,实现矿物组分和孔隙的三维岩心构建,但是该方法的缺点是仅构建当前岩心分辨率条件下的孔隙,孔隙尺寸单一,同时该方法另一个不足是模板状态过多造成部分模板状态为零,因此,实际应用过程中采用了各个矿物分别建立三维岩心而后嵌套的方法建立多组分岩心,造成构建过程中没有充分考虑模板中不同矿物组分间的信息。
发明内容
本发明要解决的技术问题是,
(1)现有岩心构建方法孔隙结构信息单一、训练岩心图片尺寸造成模板中某些概率为零生成多组分岩心困难。
(2)基于岩心二维图片采用MCMC构建多组分三维数字岩心,解决三维岩心构建过程中某些模板状态为零的问题。
本发明提供一种非常规储层多尺度与多组分数字岩心构建方法,包括以下步骤:
步骤1:构建不同尺度孔隙信息融合的多尺度三维数字岩心;
步骤2:基于岩心二维图片,构建多组分数字岩心;
步骤2.1:岩心二维图片识别矿物;
步骤2.2:采用多个模板遍历矿物识别后的二维岩心图片获取相应模板的概率分布,所述多个模板包括一维1邻域模板、一维2邻域模板、一维3邻域模板,二维3邻域模板、二维4邻域模板,二维5邻模板域、二维6邻域模板;
步骤2.3:基于不同模板概率分布,采用改进的MCMC方法重建三维多组分数字岩心,所述步骤2.3包括:
步骤2.31:采用一维1邻域、一维2邻域、一维3邻域模板构建第一行(X=1,Z=1,Y方向),X表示三维空间的X方向坐标,Y表示三维空间的Y方向坐标,Z表示三维空间的Z方向坐标;
步骤2.32:采用二维3邻域、二维4邻域模板、二维5邻域、二维6邻域模板填充矿物构建第一个平面(Z=1),若二维6邻域模板概率为0,则将该二维模板降低为5邻域确定填充矿物的概率;若二维5邻域模板概率也为0,则将二维模板降低为4邻域确定填充不同矿物概率,依次类推,在该过程中首先模板邻域数目降低,然后是模板维数的降低,直至模板概率不为0;
步骤2.33:采用二维3邻域模板确定第二平面的一个矿物元素,如果该模板概率为0,模板的邻域数目首先依次降低,然后模板维数降低,直至概率不为零;采用二维4邻域、二维5邻域、二维6邻域模板填充第二平面(Z=2)的第一行(X=1);采用三个方向上二维4邻域、二维5邻域、二维6邻域模板的联合概率确定第二平面(Z=2)的其它行(X>1);
步骤2.34,基于上述步骤确定其它平面(Z>=2)矿物元素的填充;
步骤3:将融合不同孔隙尺度信息的多尺度岩心与多组分岩心进行嵌套,构建包含不同尺度孔隙信息的多尺度与多组分非常规储层三维数字岩心。
进一步的,所述步骤1包括,
步骤1.1:同一岩心同一位置上先后钻取不同尺寸的柱塞岩心,并分别在钻取前使用不同分辨率扫描柱塞岩心,获取不同分辨率的岩心图片;
步骤1.2:对同一块岩心相同部位的不同分辨率的岩心图片,按照分辨率由低到高的顺序,依次确定高分辨率数据在低分辨率数据中对应的位置;
步骤1.3:对所有的岩心图片数据进行直方图均衡化和规定化,增强图像对比度;
步骤1.4:图像分割实现不同尺度孔隙信息融合;
步骤1.5:对于低分辨率的图像分割,首先,将识别孔隙后的微纳米级低分辨率图像与微米级更低分辨率图像对比建立微米级更低分辨率图像的灰度孔隙度分布曲线,然后,图像分割将纳米级高分辨率、微米级低分辨率孔隙信息融合到微米级更低分辨率图像的孔隙中,微纳米级分辨率的图像为低分辨率的图像;
步骤1.6:依据步骤1.4和步骤1.5方法,建立融合不同尺度孔隙信息的多尺度三维数字岩心。
进一步的,所述步骤1.4包括,
步骤1.41:孔隙分布清晰的高分辨率图像采用Otsu分割法获取孔隙与骨架,纳米级分辨率的图像为高分辨率的图像;
步骤1.42:纳米级高分辨率图像与配准后的微纳米级低分辨率图像对比获得微纳米级低分辨率图像中灰度数据转换为孔隙度的概率分布曲线;
步骤1.43:微纳米级低分辨率图像依据灰度孔隙度分布曲线以及纳米级高分辨孔隙主要分布在微纳米级低分辨识别孔隙附近的约束进行图像分割,将纳米级高分辨孔隙信息融合到微纳米级低分辨图像识别的孔隙中。
本发明的有益效果是,本发明实现了不同尺度孔隙信息的融合同时实现岩石矿物组分的表征,解决了孔隙结构信息单一、训练岩心图片尺寸造成模板中某些概率为零生成多组分岩心困难的问题;构建的结果有助于研究致密砂岩、页岩储层弹性性质,探索不同矿物组分、裂缝以及层理等对于岩石弹性性质的影响规律,从而对岩石脆性成因进行探索性研究,为致密砂岩、页岩脆性测井评价乃至压裂改造研究提供了基础理论支撑。
附图说明
图1:一种多尺度与多组分泥页岩储层三维数字岩心构建方法流程图;
图2:500nm,1μm与4μm图像配准后1μm低分辨率的图像(b)在对应4μm更低分辨率图像(c)中的位置,以及500nm高分辨率的图像(a)在对应1μm低分辨率图像(b)中的位置示意图;
图3:图像均衡化后图像(b)、直方图(e)与规定化后图像(c)、直方图(f)相对于原图(a)、直方图(d)的对比度示意图;
图4:500nm(a)、1μm(c)分辨率图像对比建立孔隙度灰度分布曲线(d),依据该曲线将500nm(b)孔隙信息融合到1μm分辨率图像(e)中示意图;
图5:岩心图片(a)依据灰度分布(b)和矿物分布特征采用不同灰度阈值识别四种矿物后的二维岩心图片(c)示意图;
图6:蒙特卡洛-马尔科夫(MCMC)模拟中不同维数与邻域数的模板示意图;
图7:采用蒙特卡洛-马尔科夫链(MCMC)法构建的多组分页岩三维数字岩心示意图;
图8:蒙特卡洛-马尔科夫链(MCMC)确定空间某一点的矿物概率为零时,模板经过邻域数目到维数依次降低的过程造成的三维空间中所涉及的所有点(a),(b),(c),(d)到(e)邻域数目,以及三个方向上模板的变化示意图;
图9:多组分岩心(a)与多尺度岩心(b)岩心嵌套构建融合不同孔隙尺度信息的孔隙与组分信息的多尺度与多组分页岩岩心(c)示意图。
具体实施方式
本发明的发明构思是,针对致密砂岩、泥页岩等非常规储层,既考虑不同尺度孔隙结构,同时考虑不同的矿物组分,从而建立更加真实的岩心。
本发明提供一种非常规储层多尺度与多组分数字岩心构建方法,包括以下步骤:
步骤1:构建不同尺度孔隙信息融合的多尺度三维数字岩心。
步骤1.1:同一岩心同一位置上先后钻取不同尺寸的柱塞岩心,并分别在钻取前使用相应分辨率扫描对应的柱塞岩心,获取不同分辨率的岩心图片;
步骤1.2:图像配准。同一块岩心相同部位的不同分辨率的岩心图片,按照分辨率由低到高的顺序,依次确定高分辨率数据在低分辨率数据中对应的位置;
步骤1.3:增强图像对比度。所有的岩心图片数据进行直方图均衡化和规定化,增强图像对比度;
步骤1.4:图像分割实现不同尺度孔隙信息融合。首先,孔隙分布清晰的高分辨率图像采用Otsu分割法获取孔隙与骨架;其次,高分辨率图像与配准后的低分辨率图像对比获得低分辨率图像中灰度数据转换为孔隙度的概率分布曲线。曲线中完全转化为孔隙的灰度数据反映低分辨率条件下识别的孔隙,而一定概率转化为孔隙的灰度数据融合了高分辨率图像中孔隙分布信息。最后,低分辨率图像依据灰度孔隙度分布曲线以及高分辨孔隙主要分布在低分辨识别孔隙附近的约束进行图像分割,将高分辨孔隙信息融合到低分辨图像识别的孔隙中;
步骤1.5:对于更低分辨率的图像分割,采用类似步骤1.4的方法,首先,将识别孔隙后的低分辨率图像与更低分辨率图像对比建立更低分辨率图像的灰度孔隙度分布曲线,然后,图像分割从而将高、低分辨率孔隙信息融合到更低分辨率图像的孔隙中;
步骤1.6:依据步骤1.4和步骤1.5方法,建立融合不同尺度孔隙信息的多尺度三维数字岩心。
步骤2:基于岩心二维图片,采用改进的蒙特卡洛-马尔科夫链(MCMC)法构建多组分数字岩心。
步骤2.1:岩心二维图片识别矿物。
步骤2.2:不同模板遍历矿物识别后的二维岩心图片获取相应模板的概率分布。分别采用一维1邻域、2邻域、3邻域模板,二维3邻域、4邻域,5邻域、6邻域模板遍历矿物识别后的二维岩心图片,确定每个模板的概率分布;
步骤2.3:基于不同模板概率分布,采用改进的MCMC方法重建三维多组分数字岩心。
首先,采用一维1邻域、2邻域、3邻域模板构建第一行(X=1,Z=1,Y方向)。
其次,采用二维3邻域、4邻域模板、5邻域、6邻域模板填充矿物构建第一个平面(Z=1)。如果二维6邻域模板概率为0,将该二维模板降低为5邻域确定填充矿物的概率;如果二维5邻域模板概率也为0,将二维模板降低为4邻域确定填充不同矿物概率;依次类推。在该过程中首先模板邻域数目降低,然后是模板维数的降低,直至模板概率不为0;
然后,采用二维3邻域模板确定第二平面的一个矿物元素,如果该模板概率为0,模板的邻域数目首先依次降低,然后模板维数降低,直至概率不为零;采用二维4邻域、5邻域、6邻域模板填充第二平面(Z=2)的第一行(X=1);采用三个方向上二维4邻域、5邻域、6邻域模板的联合概率确定第二平面(Z=2)的其它行(X>1)。
最后,基于上述步骤确定其它平面(Z>=2)矿物元素的填充。
步骤3:将融合不同孔隙尺度信息的多尺度岩心与多组分岩心进行嵌套,嵌套过程中保证孔隙的优先性,从而构建包含不同尺度孔隙信息的多尺度与多组分非常规储层三维数字岩心。
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明:
实施例1
以中国某油田例井Z泥页岩储层4307m-4308m深度融合不同孔隙尺度信息的多尺度与多组分页岩数字岩心构建为例,图1为多尺度与多组分泥页岩储层三维数字岩心构建方法流程图,一种多尺度与多组分泥页岩储层三维数字岩心构建方法,具体包括以下步骤:
步骤1:构建融合不同孔隙尺度信息的多尺度三维数字岩心,具体包括以下步骤:
步骤1.1:针对某油田泥页岩储层井Z内的同一块岩心相同部位内钻取不同尺寸的柱塞岩心,并在钻取前分别采用4μm、1μm和500nm的分辨率扫描对应钻取的柱塞岩心,获取不同分辨率的岩心图片。
步骤1.2:Avizo软件图像配准依次确定高分辨率图像在低分辨率图像中的位置;图2显示图像配准后4μm、1μm和500nm分辨率的岩心图片在各自低分辨率图片中的位置。
步骤1.3:直方图均衡化和规定化提高图像对比度,便于图像分割。图3显示一个300X300X300的三维数字岩心规定化前后图像灰度分布与图像对比度的变化。
步骤1.4:高、低分辨率孔隙信息融合。图像配准与图像对比度提高后,首先,图4中500nm(1000X1000)的岩心图片采用Ostu分割法图像分割,分割阈值等于100,识别出红色骨架与蓝色的孔隙(b)。其次,500nm(1000X1000)(a)、1μm(500X500)(c)分辨率图像对比,建立出1μm分辨率图像的灰度孔隙度分布曲线(d)。最后在1μm分辨率图像中,依据灰度孔隙度分布曲线进行图像分割将500nm孔隙信息融合到1μm分辨率图像的孔隙(e)中。
步骤1.5:低、更低分辨率孔隙信息融合。配准后的4μm岩心图片(125X125)以1μm分辨率图片(500X500)识别出的孔隙和骨架为基础建立出灰度孔隙度分布曲线进行图像分割,从而将1μm岩心图片中的1μm及其融合的500nm的孔隙信息融合到4μm分辨率岩心孔隙中。
步骤1.6:依据步骤1.4和步骤1.5实现不同尺度孔隙信息融合的多尺度页岩数字岩心的构建。
步骤2:基于识别矿物后的二维页岩岩心图片,采用改进后的蒙特卡洛-马尔科夫链(MCMC)的方法构建多组分数字岩心,具体包括以下步骤:
步骤2.1:依据4μm分辨率的页岩岩心图片(2000X2000),通过其灰度分布、矿物种类与分布形态,确定出主要矿物。图5中四种主要矿物成分和灰度范围:有机质(0-30),粘土(30-120),方解石(120-210)和石英(210-255)。
步骤2.2:模板遍历识别矿物后的二维页岩岩心图片建立各个模板对应的概率分布。图6显示所使用的模板,由于图片中识别4中矿物,因此对于3点邻域模板其对应的状态数为:43=64,而对于6领域模板其对应的状态数为:46=4096。
步骤2.3:依据不同的模板和概率分布,采用改进的蒙特卡洛-马尔科夫链(MCMC)的方法构建多组分页岩岩心。首先,逐点建立一行,而后,逐行建立一面,最终,逐面建立一个三维体,即图7所示的包含4种矿物的三维多组分页岩岩心。在构建过程中,如果某一个方向上的模板的概率为零,如图8所示该方向上的模板按照首先邻域数然后维数依次降低的次序更新模板直至模板概率不为零为止,进而确定当前点的矿物,相应的三维空间中所涉及总的邻域数目由(a),(b),(c),(d)到(e)依次变化。
步骤3:采用岩心嵌套的方法将构建的融合不同孔隙结构信息的多尺度岩心与多组分岩心建立出图9所示的包含孔隙与组分信息的多尺度与多组分页岩岩心。其分辨率为4μm,岩心尺寸为300X300X300。
本方法实现了不同尺度孔隙信息的融合同时实现岩石矿物组分的表征,解决了孔隙结构信息单一、训练岩心图片尺寸造成模板中某些概率为零生成多组分岩心困难的问题;构建的结果有助于研究致密砂岩、页岩储层弹性性质,探索不同矿物组分、裂缝以及层理等对于岩石弹性性质的影响规律,从而对岩石脆性成因进行探索性研究,为致密砂岩、页岩脆性测井评价乃至压裂改造研究提供了基础理论支撑。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种非常规储层多尺度与多组分数字岩心构建方法,包括以下步骤:
步骤 1:构建不同尺度孔隙信息融合的多尺度三维数字岩心; 步骤 2:基于岩心二维图片,构建多组分数字岩心,包括; 步骤 2.1:岩心二维图片识别矿物;
步骤 2.2:采用多个模板遍历矿物识别后的二维岩心图片获取相应模板的概率分布,所述多个模板包括一维 1 邻域模板、一维 2 邻域模板、一维 3 邻
域模板,二维 3 邻域模板、二维 4 邻域模板,二维 5 邻模板域、二维 6 邻域模板;
步骤 2.3:基于不同模板概率分布,采用改进的MCMC 方法重建三维多组分数字岩心,所述步骤 2.3 包括:
步骤 2.31:采用一维 1 邻域、一维 2 邻域、一维 3 邻域模板构建第一行, 第一行指X=1,Z=1,Y 方向,X表示三维空间的X方向坐标,Y表示三维空间的Y方向坐标,Z表示三维空间的Z方向坐标;
步骤 2.32:采用二维 3 邻域、二维 4 邻域模板、二维 5 邻域、二维 6 邻域模板填充矿物构建第一个平面,第一平面指 Z=1,若二维 6 邻域模板概率为0,则将该二维模板降低为 5 邻域确定填充矿物的概率;若二维 5 邻域模板概率也为 0,则将二维模板降低为 4邻域确定填充不同矿物概率,依次类推,在该过程中首先模板邻域数目降低,然后是模板维数的降低,直至模板概率不为 0;
步骤 2.33:采用二维 3 邻域模板确定第二平面的一个矿物元素,如果该模板概率为0,模板的邻域数目首先依次降低,然后模板维数降低,直至概率不为零;采用二维 4 邻域、二维 5 邻域、二维 6 邻域模板填充第二平面的第
一行,第二平面的第一行指Z=2,X=1;采用三个方向上二维 4 邻域、二维 5
邻域、二维 6 邻域模板的联合概率确定第二平面的其他行,第二平面的其他行指Z=2,X>1;
步骤 2.34,基于上述步骤确定其它平面,其它平面指 Z>=2 矿物元素的填
充;
步骤 3:将融合不同孔隙尺度信息的多尺度岩心与多组分岩心进行嵌套, 构建包含不同尺度孔隙信息的多尺度与多组分非常规储层三维数字岩心。
2.如权利要求1所述的一种非常规储层多尺度与多组分数字岩心构建方法,其特征在于,所述步骤1包括,
步骤 1.1:同一岩心同一位置上先后钻取不同尺寸的柱塞岩心,并分别在钻取前使用不同分辨率扫描柱塞岩心,获取不同分辨率的岩心图片;
步骤 1.2:对同一块岩心相同部位的不同分辨率的岩心图片,按照分辨率由低到高的顺序,依次确定高分辨率数据在低分辨率数据中对应的位置;
步骤 1.3:对所有的岩心图片数据进行直方图均衡化和规定化,增强图像对比度;
步骤 1.4:图像分割实现不同尺度孔隙信息融合;
步骤 1.5:对于低分辨率的图像分割,首先,将识别孔隙后的微纳米级低分辨率图像与微米级更低分辨率图像对比建立微米级更低分辨率图像的灰度孔隙度分布曲线,然后,图像分割将纳米级高分辨率、微纳米级低分辨率孔隙信息融合到微米级更低分辨率图像的孔隙中, 微纳米级分辨率的图像为低分辨率的图像;
步骤 1.6:依据步骤 1.4 和步骤 1.5 方法,建立融合不同尺度孔隙信息的
多尺度三维数字岩心。
3.如权利要求2所述的一种非常规储层多尺度与多组分数字岩心构建方法,其特征在于,所述步骤1.4包括,
步骤 1.41:孔隙分布清晰的高分辨率图像采用 Otsu 分割法获取孔隙与骨架,纳米级分辨率的图像为高分辨率的图像;
步骤 1.42:纳米级的高分辨率图像与配准后的微纳米级低分辨率图像对比获得微纳米级低分辨率图像中灰度数据转换为孔隙度的概率分布曲线;
步骤 1.43:微纳米级的低分辨率图像依据灰度孔隙度分布曲线以及纳米级高分辨孔隙主要分布在微纳米级低分辨率识别孔隙附近的约束进行图像分割,将纳米级高分辨孔隙信息融合到微纳米级低分辨图像识别的孔隙中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011244277.0A CN112348880B (zh) | 2020-11-10 | 2020-11-10 | 一种非常规储层多尺度与多组分数字岩心构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011244277.0A CN112348880B (zh) | 2020-11-10 | 2020-11-10 | 一种非常规储层多尺度与多组分数字岩心构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348880A CN112348880A (zh) | 2021-02-09 |
CN112348880B true CN112348880B (zh) | 2021-08-03 |
Family
ID=74362435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011244277.0A Active CN112348880B (zh) | 2020-11-10 | 2020-11-10 | 一种非常规储层多尺度与多组分数字岩心构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348880B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113281238A (zh) * | 2021-06-02 | 2021-08-20 | 中国石油大学(华东) | 基于二维图像的多矿物相数字岩心构建及孔隙类别区分方法 |
CN114325845B (zh) * | 2021-10-26 | 2024-03-15 | 重庆科技学院 | 一种基于数字岩心技术的非常规储层多尺度融合方法 |
CN114034619B (zh) * | 2021-10-26 | 2022-08-16 | 重庆科技学院 | 一种基于数字岩心模拟的页岩油气储层脆性评价方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105487121A (zh) * | 2015-12-03 | 2016-04-13 | 长江大学 | 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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115874B (zh) * | 2015-08-18 | 2018-02-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN110873723A (zh) * | 2018-09-03 | 2020-03-10 | 中国石油化工股份有限公司 | 一种岩心ct扫描图像的处理方法 |
CN111428426A (zh) * | 2020-05-26 | 2020-07-17 | 西南石油大学 | 一种基于格子Boltzmann的页岩气多相流动模拟方法 |
-
2020
- 2020-11-10 CN CN202011244277.0A patent/CN112348880B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105487121A (zh) * | 2015-12-03 | 2016-04-13 | 长江大学 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN112348880A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348880B (zh) | 一种非常规储层多尺度与多组分数字岩心构建方法 | |
Lin et al. | Multiscale digital porous rock reconstruction using template matching | |
CN104237103B (zh) | 一种孔隙连通性定量表征方法及装置 | |
RU2576501C2 (ru) | Способы построения 3-мерных цифровых моделей пористой среды с использованием комбинации данных высокого и низкого разрешения и многоточечной статистики | |
CN101556703B (zh) | 基于连续切片图像的网络模型建立方法 | |
CN109242985B (zh) | 一种从三维图像确定孔隙结构关键参数的方法 | |
CN105115874A (zh) | 多源信息融合的多组分三维数字岩心构建方法 | |
CN104574420A (zh) | 一种纳米级泥页岩数字岩心构建方法 | |
CN110853138A (zh) | 双重介质碳酸盐岩孔隙-裂缝双重网络模型构建方法 | |
CN113609696B (zh) | 基于图像融合的多尺度多组分数字岩心构建方法及系统 | |
CN109242970B (zh) | 页岩lREV尺度数字岩心重构方法及装置 | |
CN107817199A (zh) | 一种致密砂岩多尺度孔隙模型的构建方法和应用 | |
CN109978871B (zh) | 融合概率型和确定型纤维束追踪的纤维束筛选方法 | |
CN110781729B (zh) | 碳纤维增强水泥基材料纤维分散性评价模型与评价方法 | |
CN110873722A (zh) | 一种岩心矿物组分鉴别方法 | |
CN109187305A (zh) | 一种页岩结构表征方法和装置 | |
Brabb et al. | Geology of the onshore part of San Mateo County, California: A digital database | |
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 | |
CN116342815B (zh) | 一种页岩孔隙空间的多尺度孔隙网络模型构建方法 | |
Kościuk | Modern 3D scanning in modelling, documentation and conservation of architectural heritage | |
CN108038903B (zh) | 用于构建岩心模型的三维数字模型生成方法 | |
Peller | From paper map to geospatial vector layer: Demystifying the process | |
Kazak et al. | Integration of large-area Scanning-Electron-Microscopy imaging and automated mineralogy/petrography data for selection of nanoscale pore-space characterization sites | |
CN115290930A (zh) | 一种考虑非常规储层多组分特征的数字岩心随机构建方法 | |
CN115668288A (zh) | 源自二维图像的材料性质 |
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 |