CN113155684B - 碎屑岩露头粒度的分析方法、装置及存储介质 - Google Patents
碎屑岩露头粒度的分析方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113155684B CN113155684B CN202010015625.0A CN202010015625A CN113155684B CN 113155684 B CN113155684 B CN 113155684B CN 202010015625 A CN202010015625 A CN 202010015625A CN 113155684 B CN113155684 B CN 113155684B
- Authority
- CN
- China
- Prior art keywords
- outcrop
- clastic rock
- clastic
- target
- rock sample
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 347
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 37
- 235000019580 granularity Nutrition 0.000 claims description 122
- 238000004364 calculation method Methods 0.000 claims description 58
- 239000002245 particle Substances 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 4
- 238000001033 granulometry Methods 0.000 claims 2
- 230000008569 process Effects 0.000 description 11
- 239000004576 sand Substances 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 238000003921 particle size analysis Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 241000350052 Daniellia ogea Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 241001442052 Symphytum Species 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 241000276425 Xiphophorus maculatus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007614 genetic variation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开提供了一种碎屑岩露头粒度的分析方法、装置及存储介质,属于岩性分析领域。该方法包括:获取目标露头的点云和指定数量的碎屑岩样本的实际粒度,所述目标露头为碎屑岩露头,所述点云包括所述目标露头的所有碎屑岩的扫描数据,所述扫描数据包括三维空间坐标、激光反射强度和红绿蓝RGB值,所述碎屑岩样本位于所述目标露头的剖面;基于所述目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算所述目标露头的所有碎屑岩的粒度。
Description
技术领域
本公开涉及岩性分析领域,特别涉及一种碎屑岩露头粒度的分析方法、装置及存储介质。
背景技术
露头指,岩石、矿脉和矿床露出地面的部分。碎屑岩露头是露头的一种,通过其粒度分析能够对岩性进行划分,为碎屑岩储层研究提供重要依据。目前,碎屑岩露头粒度的分析方法主要是激光法。相关技术中,利用激光点云强度参数对碎屑岩露头的岩性进行了粗略的砂岩和泥岩的划分,缺乏对于砂体的进一步的细分。
发明内容
本公开实施例提供了一种碎屑岩露头粒度的分析方法、装置及存储介质,能够计算目标露头的所有碎屑岩的粒度,以便于对目标露头的岩性进行细分。所述技术方案如下:
第一方面,提供了一种碎屑岩露头粒度的分析方法,所述方法包括:
获取目标露头的点云和指定数量的碎屑岩样本的实际粒度,所述目标露头为碎屑岩露头,所述点云包括所述目标露头的所有碎屑岩的扫描数据,所述扫描数据包括三维空间坐标、激光反射强度和红绿蓝RGB值,所述碎屑岩样本位于所述目标露头的剖面;
基于所述目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算所述目标露头的所有碎屑岩的粒度。
可选地,所述基于所述目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算所述目标露头的所有碎屑岩的粒度,包括:
从所述目标露头的点云中,获取各个所述碎屑岩样本的扫描数据;
基于各个所述碎屑岩样本的实际粒度和各个所述碎屑岩样本的扫描数据,建立粒度计算模型;
基于所述目标露头的点云和所述粒度计算模型,计算所述目标露头的所有碎屑岩的粒度。
可选地,所述从所述目标露头的点云中,获取各个所述碎屑岩样本的扫描数据,包括:
获取位于第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,所述图形标记为封闭图形,所述图形标记位于所述目标露头的剖面,所述第i个碎屑岩样本位于相应的所述图形标记中,1≤i≤n,i、n均为正整数,n为所述碎屑岩样本的总个数;
基于位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,确定所述第i个碎屑岩样本的扫描数据,直至确定出各个所述碎屑岩样本的扫描数据。
可选地,所述基于位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,确定所述第i个碎屑岩样本的扫描数据,包括:
确定所述第i个碎屑岩样本的RGB值,所述第i个碎屑岩样本的RGB值为,位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的RGB值的平均值;
确定所述第i个碎屑岩样本的激光反射强度,所述第i个碎屑岩样本的激光反射强度为,位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的激光反射强度的平均值。
可选地,所述基于各个所述碎屑岩样本的实际粒度和扫描数据,建立粒度计算模型,包括:
基于各个所述碎屑岩样本的RGB值,分别计算各个所述碎屑岩样本对应的灰度;
基于各个所述碎屑岩样本的实际粒度、各个所述碎屑岩样本的激光反射强度和各个所述碎屑岩样本对应的灰度,建立粒度计算模型,所述粒度计算模型为碎屑岩的粒度、激光反射强度和灰度之间的函数关系。
可选地,所述获取目标露头的点云,包括:
获取各个站点对应的点云,所述站点位于所述目标露头的剖面的前方,所述站点用于安装激光扫描仪;
对各个所述站点对应的点云的激光反射强度进行校正;
将各个所述站点对应的点云拼接,得到所述目标露头的点云;
按照如下等式对各个所述站点对应的点云的激光反射强度进行校正,
其中,IN为校正后的激光反射强度,I为校正之前的激光反射强度,(X,Y,Z)为碎屑岩的三维空间坐标,Rs为激光发射中心至碎屑岩的距离,θs为激光垂直入射角,(n1,n2,n3)为点拟合面的单位法向量。
第二方面,提供了一种碎屑岩露头粒度的分析装置,所述装置包括:
获取模块,用于获取目标露头的点云和指定数量的碎屑岩样本的实际粒度,所述目标露头为碎屑岩露头,所述点云包括所述目标露头的所有碎屑岩的扫描数据,所述扫描数据包括三维空间坐标、激光反射强度和红绿蓝RGB值,所述碎屑岩样本位于所述目标露头的剖面;
计算模块,用于基于所述目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算所述目标露头的所有碎屑岩的粒度。
可选地,所述计算模块用于采用如下方式计算所述目标露头的所有碎屑岩的粒度:
从所述目标露头的点云中,获取各个所述碎屑岩样本的扫描数据;
基于各个所述碎屑岩样本的实际粒度和各个所述碎屑岩样本的扫描数据,建立粒度计算模型;
基于所述目标露头的点云和所述粒度计算模型,计算所述目标露头的所有碎屑岩的粒度。
可选地,所述计算模块用于采用如下方式获取各个所述碎屑岩样本的扫描数据:
获取位于第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,所述图形标记为封闭图形,所述图形标记位于所述目标露头的剖面,所述第i个碎屑岩样本位于相应的所述图形标记中,1≤i≤n,i、n均为正整数,n为所述碎屑岩样本的总个数;
基于位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,确定所述第i个碎屑岩样本的扫描数据,直至确定出各个所述碎屑岩样本的扫描数据。
可选地,所述计算模块用于采用如下方式确定所述第i个碎屑岩样本的扫描数据:
确定所述第i个碎屑岩样本的RGB值,所述第i个碎屑岩样本的RGB值为,位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的RGB值的平均值;
确定所述第i个碎屑岩样本的激光反射强度,所述第i个碎屑岩样本的激光反射强度为,位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的激光反射强度的平均值。
可选地,所述计算模块用于采用如下方式建立粒度计算模型:
基于各个所述碎屑岩样本的RGB值,分别计算各个所述碎屑岩样本对应的灰度;
基于各个所述碎屑岩样本的实际粒度、各个所述碎屑岩样本的激光反射强度和各个所述碎屑岩样本对应的灰度,建立粒度计算模型,所述粒度计算模型为碎屑岩的粒度、激光反射强度和灰度之间的函数关系。
可选地,所述获取模块用于,
获取各个站点对应的点云,所述站点位于所述目标露头的剖面的前方,所述站点用于安装激光扫描仪;
对各个所述站点对应的点云的激光反射强度进行校正;
将各个所述站点对应的点云拼接,得到所述目标露头的点云;
按照如下等式对各个所述站点对应的点云的激光反射强度进行校正,
其中,IN为校正后的激光反射强度,I为校正之前的激光反射强度,(X,Y,Z)为碎屑岩的三维空间坐标,Rs为激光发射中心至碎屑岩的距离,θs为激光垂直入射角,(n1,n2,n3)为点拟合面的单位法向量。
第三方面,提供了一种碎屑岩露头粒度的分析装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器被配置为执行所述计算机程序时实现前述碎屑岩露头粒度的分析方法中所执行的操作。
第四方面,提供了一种存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现前述碎屑岩露头粒度的分析方法中所执行的操作。
本公开实施例提供的技术方案带来的有益效果至少包括:
通过先获取目标露头的点云和指定数量的碎屑岩样本的实际粒度,所述目标露头为碎屑岩露头,所述点云包括所述目标露头的所有碎屑岩的扫描数据,所述扫描数据包括三维空间坐标、激光反射强度和红绿蓝RGB值,所述碎屑岩样本位于所述目标露头的剖面;再基于目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算目标露头的所有碎屑岩的粒度;从而可以便于根据目标露头的所有碎屑岩的粒度对目标露头的岩性进行细分(比如可分为,细粉砂岩、粗粉砂岩、细砂岩、中砂岩、粗砂岩、巨砂岩以及细砾),为地层、沉积和储层研究奠定了基础。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1和图2是本公开实施例提供的一种碎屑岩露头粒度的分析方法的流程图;
图3是本公开实施例提供的露头剖面的示意图;
图4是本公开实施例提供的碎屑岩样本的激光反射强度、灰度与粒度非线性拟合的示意图;
图5是本公开实施例提供的露头粒度中值的空间分布示意图;
图6和图7是本公开实施例提供的一种碎屑岩露头粒度的分析装置的结构框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施方式作进一步地详细描述。
碎屑岩按碎屑颗粒的大小(粒度)可分为细粉砂岩、粗粉砂岩、细砂岩、中砂岩、粗砂岩、巨砂岩以及细砾。
图1是本公开实施例提供的一种碎屑岩露头粒度的分析方法的流程图,该分析方法可以由碎屑岩露头粒度的分析装置执行,该分析装置可以是计算机设备。参见图1,该方法流程包括如下步骤。
步骤101、获取目标露头的点云和指定数量的碎屑岩样本的实际粒度。
目标露头为碎屑岩露头,点云包括目标露头的所有碎屑岩的扫描数据,扫描数据包括三维空间坐标、激光反射强度和RGB(红绿蓝)值,碎屑岩样本位于目标露头的剖面。
步骤102、基于目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算目标露头的所有碎屑岩的粒度。
本公开实施例中,通过先获取目标露头的点云和指定数量的碎屑岩样本的实际粒度,目标露头为碎屑岩露头,点云包括目标露头的所有碎屑岩的扫描数据,扫描数据包括三维空间坐标、激光反射强度和RGB值,碎屑岩样本位于目标露头的剖面;再基于目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算目标露头的所有碎屑岩的粒度;根据目标露头的所有碎屑岩的粒度,可以对目标露头的岩性进行细分(比如可分为,细粉砂岩、粗粉砂岩、细砂岩、中砂岩、粗砂岩、巨砂岩以及细砾),为地层、沉积和储层研究奠定了基础。
图2是本公开实施例提供的一种碎屑岩露头粒度的分析方法的流程图,该分析方法可以由碎屑岩露头粒度的分析装置执行,该分析装置可以是计算机设备。参见图2,该方法流程包括如下步骤。
步骤201、获取目标露头的点云。
目标露头为碎屑岩露头。点云包括目标露头的所有碎屑岩的扫描数据,扫描数据包括三维空间坐标、激光反射强度和RGB值。
示例性地,本步骤201可以包括如下步骤201a-201c。
步骤201a、获取各个站点对应的点云,站点位于目标露头的剖面的前方,站点用于安装激光扫描仪。
站点对应的点云可以是用户通过激光扫描仪在站点处对目标露头扫描得到。用户可以将各个站点对应的点云发送至碎屑岩露头粒度的分析装置,以使碎屑岩露头粒度的分析装置获取各个站点对应的点云。
下面简单介绍一下激光扫描方式。
首先,沿目标露头的剖面的长度方向,在目标露头的剖面的前方设置多个站点。
示例性地,目标露头可以是位于山西大同云岗镇晋华宫煤矿附近的“铁路桥露头”,坐标为(40.106603,113.162923),剖面长度为82.8m,高度约5.2m,走向为84°,近似于东西走向。该露头为中侏罗统云岗组地层出露,属于砂质辫状河沉积,发育块状砂砾岩相,板状交错层理粗砂岩相,平行层理砂岩相,水平层理粉砂岩相和块状泥岩相。通过对同一时期其他露头的实地考察,该地区地层发育辫状河道,心滩,天然堤,串沟等五种构型单元。
站点用于安装激光扫描仪。示例性地,激光扫描仪可以是美国FARO公司新型的Focus3D X 330,测距范围是0.6m至330m,激光等级为1级,波长为1550纳米,水平方向的扫描范围是360°,竖直方向上的扫描角度是270°。根据需要,在剖面的前方沿着剖面走向的方向,顺次设置五个站点(激光扫描仪的扫描头正对剖面),相邻站点之间的间隔约为15m。考虑到扫描仪高度和扫描仰角,扫描仪和剖面距离太近不能对剖面高部位进行有效扫描,故本次剖面扫描中,站点和剖面之间的垂直距离设置为7m,站点见图3中S点。
其次、在相邻站点之间布置至少三个标靶点,相邻站点的扫描范围具有重叠区域,相邻站点之间的标靶点位于重叠区域内。
由于露头比较长,需要激光扫描仪一段段扫描,扫描后需要将各段数据进行拼接才能实现整个露头的建模。段与段之间的拼接需要标靶点(也就是相同的参照物)的空间数据作为桥梁。相邻的两个站点之间为了保证拼接的准确性一般是设置三个标靶点;标靶点设置在相邻扫描仪站点之间,三个即可。标靶点可以采用特殊颜色的物品(以从三维图像中识别),并竖立在相应位置进行标识。示例性地,标靶点见图3中P点。
然后、沿目标露头的高度方向,在目标露头的剖面用图形标记标定指定数量的碎屑岩样本。
为建立粒度计算模型,需准备大量观测值:样本粒度。具体地,在露头的剖面选择不同粒度的剖面点,并在原始剖面设置图形标记。可以用石灰设置图形标记。图形标记可以为封闭图形,图形标记位于目标露头的剖面,图形标记与碎屑岩样本一一对应,比如,第i个碎屑岩样本位于第i个图形标记中。1≤i≤n,i、n均为正整数,n为碎屑岩样本的总个数。
样本的数量越多,样本覆盖的粒级越广,拟合出来的粒度计算模型就越准确。岩性描述是基于中国石油行业关于碎屑岩粒级划分。分层的依据是岩性,比如图3中DT1-DT3三个岩性柱子,由下至上都是砂岩-粉砂质泥岩-砂岩,在水平方向上,岩性界面比较稳定,因此分为三个小层。参见图3,碎屑岩样本(小矩形框Q为图形标记,框中的黑点为碎屑岩样本)的数量可以30,可以沿DT1-DT3三个岩性柱子的高度方向分布。
最后、在各个站点对目标露头的剖面进行激光扫描,得到各个站点对应的点云。
点云包括目标露头的所有碎屑岩的扫描数据,扫描数据包括三维空间坐标、激光反射强度和RGB值。
步骤201b、对各个站点对应的点云的激光反射强度进行校正。
激光反射强度是对目标发射出的激光光束,与目标表面发生作用,散射后被接收机接收得到一个接收功率,最终转换成一个电子信号强度。激光反射强度是平均反射系数、激光发射中心至目标体的距离、激光入射角、激光发射功率和光学系统的传输系数等因素的函数,如公式(1)所示。
I为激光反射强度,ρ为平均反射系数;R为激光发射中心至目标体的距离,m;θ为激光入射角,度;PE为激光发射功率,瓦;ηsys为光学系统的传输系数;C为系数,反映的是激光反射强度对激光仪器、环境和目标点本身属性的综合响应值。
从公式(1)可知,激光反射强度值受到激光测距值、激光入射角、大气衰减、信号处理等系统因素的影响,且在得到的点云数据中,大部分点云数据不是垂直反射。由于距离和入射角度会对点云的强度值造成一定的系统误差,为此,在用点云数据进行粒度分析前需要进行校正(将反射方向校正为垂直反射),消除系统误差,使点云数据强度值直接反应目标体属性。可以采用以下等式(2)对目标露头的所有碎屑岩的激光反射强度进行校正。
其中,IN为校正后的激光反射强度;I为校正之前的激光反射强度;(X,Y,Z)为碎屑岩(激光扫描的碎屑岩)的三维空间坐标;Rs为激光发射中心至碎屑岩(激光扫描的碎屑岩)的距离;θs为激光垂直入射角,一般取0°;(n1,n2,n3)为点拟合面的单位法向量。点拟合面指,目标碎屑岩(激光扫描的碎屑岩)与以目标碎屑岩为中心、在指定距离内的相邻碎屑岩(激光扫描的碎屑岩)的拟合平面。本实施例不限制点拟合面的获取方式,可以采用相关技术中将空间离散点拟合成平面的方式。点拟合面的单位法向量的计算方式,也可以采用相关技术中平面的单位法向量的计算方式。
需要说明的是,对于各个站点的点云,其校正时采用的Rs的取值相同,这样,确保各个站点是采用相同Rs进行扫描,以消除误差。
在本公开实施例中,步骤201b为可选步骤,也可以在步骤201a之后直接执行步骤201c。
步骤201c、将各个站点对应的点云拼接,得到目标露头的点云。
示例性地,步骤201c可以包括如下步骤。
第一步、确定标靶点的三维图像在目标露头的三维图像中的位置。
该位置为标靶点的三维图像在目标露头的三维图像中的“坐标”,在该位置处包括目标露头的至少一个碎屑岩的扫描数据。
第二步、基于标靶点的三维图像在目标露头的三维图像中的位置,确定相邻站点的点云重复的部分。
第三步、基于相邻站点的点云重复的部分,将各个站点的点云拼接。
通过以标靶点为参考,在点云拼接时,可以将不同站点扫描的点云数据统一到相同的坐标系。可选地,在实际扫描过程中,由扫描系统本身的误差所引起的噪声以及随风摇动的草木等在点云中形成的散乱点或空洞,需要人为去噪。
可以采用和FARO Focus3D X 330配套的点云处理软件SCENE进行点云的拼接和去噪。
步骤202、获取指定数量的碎屑岩样本的实际粒度。
如前述,碎屑岩样本位于目标露头的剖面。
碎屑岩样本的实际粒度可以直接通过对碎屑岩样本进行测量得到,指定数量可以按照需要设定。在本实施例中,根据研究目的和要求,避免试验的重复多余,最终优选并确定对30个碎屑岩样本(图3中图形标记Q圈出的黑点)进行粒度分析及点云数据标定。测量得到30个碎屑岩样本的实际粒度如表1所示。
表1
序列号 | 采样号 | 岩性 | C(μm) | M(μm) |
1 | QA2 | 中-粗砂岩 | 1022.9 | 390.6 |
2 | QA3 | 中-粗砂岩 | 1148 | 387.4 |
3 | QA4 | 中-粗砂岩 | 941.7 | 330.9 |
4 | QA6 | 含粉砂中-粗砂岩 | 830.5 | 290.9 |
5 | QA7 | 含粉砂中-粗砂岩 | 927.1 | 300 |
6 | QA8 | 中-粗砂岩 | 1002 | 343.3 |
7 | QB10 | 粉砂质细砂岩 | 388 | 104.2 |
8 | QB11 | 中-粗砂岩 | 1152.9 | 429.6 |
9 | QB15 | 含粉砂粗-中砂岩 | 711.7 | 104.4 |
10 | QB16 | 中-粗砂岩 | 986.8 | 181.5 |
11 | QB19 | 含粉砂中-细砂岩 | 546.1 | 161.1 |
12 | QB2 | 含粉砂粗-中砂岩 | 726.4 | 281.4 |
13 | QB20 | 含粉砂中-粗砂岩 | 832.1 | 265.8 |
14 | QB3 | 粗-中砂岩 | 725 | 264.6 |
15 | QB4 | 含粉砂粗-中砂岩 | 756.2 | 276.8 |
16 | QB5 | 含粉砂细-中砂岩 | 701.8 | 245.9 |
17 | QB6 | 含粉砂粗-中砂岩 | 798.4 | 265.8 |
18 | QB7 | 含粉砂中-粗砂岩 | 840.4 | 288.4 |
19 | QB8 | 中-粗砂岩 | 991.7 | 377.9 |
20 | QB9 | 含粉砂粗-中砂岩 | 823.7 | 288.1 |
21 | QC1 | 中-粗砂岩 | 975.1 | 331.1 |
22 | QC10 | 含粉砂粗-中砂岩 | 970.1 | 330.2 |
23 | QC11 | 粗-中砂岩 | 990.4 | 374.5 |
24 | QC17 | 粗-中砂岩 | 1018.1 | 375.2 |
25 | QC18 | 含粉砂中-粗砂岩 | 983.6 | 345.3 |
36 | QC25 | 含粉砂粗-中砂岩 | 809.4 | 268.3 |
27 | QC5 | 中-粗砂岩 | 975.7 | 329.7 |
28 | QC7 | 含粉砂中-粗砂岩 | 1018 | 331.5 |
29 | QC8 | 中-粗砂岩 | 995.3 | 362.5 |
30 | QC9 | 中-粗砂岩 | 965.4 | 358.7 |
表1示出的粒度分析表明,该露头以粗砂和中砂成分为主,不同岩相中大多含粉砂质,中砂岩和粗砂岩具有较高的C值(最大粒径)、M值(粒度中值)。
在完成碎屑岩样本的实际粒度的测量之后,用户可以将各个碎屑岩样本的实际粒度发送至碎屑岩露头粒度的分析装置,以使碎屑岩露头粒度的分析装置获取各个碎屑岩样本的实际粒度。
步骤203、从目标露头的点云中,获取各个碎屑岩样本对应的扫描数据。
示例性地,步骤203可以包括如下步骤A1-B1。
步骤A1、获取位于第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,图形标记为封闭图形,图形标记位于目标露头的剖面,第i个碎屑岩样本位于相应的图形标记中,1≤i≤n,i、n均为正整数,n为碎屑岩样本的总个数。
步骤B1、基于位于第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,确定第i个碎屑岩样本的扫描数据,直至确定出各个碎屑岩样本的扫描数据。
点云数据采集精度可以为4pts(点)/cm2(10m测距),根据球面积计算公式,点云密度与测距的平方成反比,本次测试标准距离为7m,故实际采集点云数据采集精度为8pts/cm2,实际粒度分析岩样面积(图形标记圈出的所有碎屑岩)为9-27cm2,故单块岩样的点云数目为72-216pts。根据野外岩样标定的图形标记的三维图像,对落入图形标记中所有碎屑岩的三维空间坐标、点云强度和RGB值参数信息进行提取,并求取激光反射强度和灰度的平均值。相应地,步骤B1可以包括:确定第i个碎屑岩样本的RGB值,第i个碎屑岩样本的RGB值为,位于第i个碎屑岩样本的图形标记内的所有碎屑岩的RGB值的平均值;确定第i个碎屑岩样本的激光反射强度,第i个碎屑岩样本的激光反射强度为,位于第i个碎屑岩样本的图形标记内的所有碎屑岩的激光反射强度的平均值。
步骤204、基于各个碎屑岩样本的实际粒度和各个碎屑岩样本的扫描数据,建立粒度计算模型。
示例性地,步骤204可以包括如下步骤A2-B2。
步骤A2、基于各个碎屑岩样本的RGB值,分别计算各个碎屑岩样本对应的灰度。
灰度是指黑白图像中点的颜色深度,是一个没有色彩的色彩参数。一个黑白的点云数据的RGB色彩分量全部相等,以一个256级灰度的图象—RGB(100,100,100)为例,其灰度为100,白色灰度值为255,黑色为0。对于任何256级的三基色为(R,G,B)的点云,可以按色彩学公式设定的加权,通过以下公式(3)转化为灰度数据。
GS=0.299R+0.587G+0.114B (3)
其中GS为灰度值;R、G、B为红、绿、蓝基色值。
步骤B2、各个碎屑岩样本的实际粒度、各个碎屑岩样本的激光反射强度和各个碎屑岩样本对应的灰度,建立粒度计算模型,粒度计算模型为碎屑岩的粒度、激光反射强度和灰度之间的函数关系。
通过对30个碎屑岩样本的实际粒度M值与点云强度、灰度之间相关性研究发现:从图4可以看出,实际粒度中值M与平均反射强度、平均灰度值呈明显的正相关关系。基于此,选择遗传算法(Genetic Algorithms,简称GA)建立粒度计算模型。遗传算法是基于达尔文的生物进化论和孟德尔的遗传变异理论,进行迭代运算,每次运算都保留一组候选解,并按某种指标从解群中选取较优的个体,利用遗传算子对这些个体进行组合,产生新一代的候选解群,重复此过程,直到满足某种收敛指标为止,实现了整个解空间上的分布式信息采集和探索,降低了一般启发式算法在搜索过程中对人机交互的依赖。通过该算法对针对30个碎屑岩样本的实际M值与激光反射强度(I)和灰度(GS)三者之间的函数关系进行非线性回归分析,得到三者之间的关系(粒度计算模型),参见公式(4)。
M=0.01414e0.0054I+0.0000018GS3.439 (4)
其中M为粒度中值,um;I为激光反射强度,cd;e为自然常数;GS为灰度值。
通过对30个碎屑岩样本的估计M值(通过粒度计算模型计算得到)和实际M值(实际测量得到)之间误差分析,绝对误差控制在50um范围内,相对误差控制在10%以内,能满足模型的精度要求。
通过对采集的岩样进行粒度分析,实现扫描数据的准确标定,最终建立岩石粒径和激光数据之间的定量关系(粒度计算模型),为野外露头粒度模型的建立,隔夹层以及构型单元特征的刻画奠定基础。
步骤205、基于目标露头的点云和粒度计算模型,计算目标露头的所有碎屑岩的粒度。
将粒度计算模型带入空间点云,计算得到露头所有碎屑岩的粒度中值(M值)。
上述步骤203-205实现了,基于目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算目标露头的所有碎屑岩的粒度。
步骤206、基于目标露头的所有碎屑岩的粒度,对目标露头的岩性进行划分。
步骤206可以包括:首先,根据碎屑岩粒度分类标准,将计算得到的粒度M值按照从细粉砂岩、粗粉砂岩、细砂岩、中砂岩、粗砂岩、巨砂岩以及细砾等进行分类;其次,对不同的粒度岩性赋予不同的RGB值,并回带至三维坐标中,不同粒度的岩性在空间通过颜色被区分,实现露头粒度三维可视化。
图5是本公开实施例提供的露头粒度中值的空间分布示意图。参见图5,粒度高值区包括区域11、区域12、区域13和区域14(椭圆形框示出);粒度低值区包括区域21、区域22、区域23和区域24(方形框示出);受到人为和自然环境的影响,露头局部发生塌方,塌方处发生水岩作用,并且被上部粗粒度岩性覆盖造成粒度解释出现异常高值(例如区域31(三角形框示出))。塌方岩体滚落至下方,造成下部露头的局部遮挡严重,导致粒度解释出现异常低值(例如区域41(三角形框示出))。利用空间点云对露头构型单元进行刻画(如图5),露头主要为中-粗砂充填的心滩坝沉积,发育两条砂质充填的辫状河道,辫状河道和心滩侧向拼接,心滩内部发育小型串沟。
本公开实施例中,通过先获取目标露头的点云和指定数量的碎屑岩样本的实际粒度,目标露头为碎屑岩露头,点云包括目标露头的所有碎屑岩的扫描数据,扫描数据包括三维空间坐标、激光反射强度和RGB值,碎屑岩样本位于目标露头的剖面;再基于目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算目标露头的所有碎屑岩的粒度;从而可以便于根据目标露头的所有碎屑岩的粒度对目标露头的岩性进行细分(比如可分为,细粉砂岩、粗粉砂岩、细砂岩、中砂岩、粗砂岩、巨砂岩以及细砾),为地层、沉积和储层研究奠定了基础。
图6是本公开实施例提供的一种碎屑岩露头粒度的分析装置的结构框图,参见图6,装置60包括获取模块601和计算模块602。
获取模块601用于,获取目标露头的点云和指定数量的碎屑岩样本的实际粒度,目标露头为碎屑岩露头,点云包括目标露头的所有碎屑岩的扫描数据,扫描数据包括三维空间坐标、激光反射强度和红绿蓝RGB值,碎屑岩样本位于目标露头的剖面。获取模块601可以用于执行前述的步骤101。
计算模块602用于,基于目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算目标露头的所有碎屑岩的粒度。计算模块602可以用于执行前述的步骤102。
示例性地,计算模块602可以用于采用如下方式计算目标露头的所有碎屑岩的粒度:从目标露头的点云中,获取各个碎屑岩样本的扫描数据;基于各个碎屑岩样本的实际粒度和各个碎屑岩样本的扫描数据,建立粒度计算模型;基于目标露头的点云和粒度计算模型,计算目标露头的所有碎屑岩的粒度。计算模块602计算目标露头的所有碎屑岩的粒度的过程可以参照前述的步骤204~步骤206,此处不详述。
示例性地,计算模块602可以用于采用如下方式获取各个碎屑岩样本的扫描数据:获取位于第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,图形标记为封闭图形,图形标记位于目标露头的剖面,第i个碎屑岩样本位于相应的图形标记中,1≤i≤n,i、n均为正整数,n为碎屑岩样本的总个数;基于位于第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,确定第i个碎屑岩样本的扫描数据,直至确定出各个碎屑岩样本的扫描数据。计算模块602获取各个碎屑岩样本的扫描数据的过程可以参照前述的步骤A1-B1,此处不详述。
示例性地,计算模块602可以用于采用如下方式确定第i个碎屑岩样本的扫描数据:确定第i个碎屑岩样本的RGB值,第i个碎屑岩样本的RGB值为,位于第i个碎屑岩样本的图形标记内的所有碎屑岩的RGB值的平均值;确定第i个碎屑岩样本的激光反射强度,第i个碎屑岩样本的激光反射强度为,位于第i个碎屑岩样本的图形标记内的所有碎屑岩的激光反射强度的平均值。计算模块602确定第i个碎屑岩样本的扫描数据的过程可以参照前述的步骤B1,此处不详述。
示例性地,计算模块602可以用于采用如下方式建立粒度计算模型:基于各个碎屑岩样本的RGB值,分别计算各个碎屑岩样本对应的灰度;基于各个碎屑岩样本的实际粒度、各个碎屑岩样本的激光反射强度和各个碎屑岩样本对应的灰度,建立粒度计算模型,粒度计算模型为碎屑岩的粒度、激光反射强度和灰度之间的函数关系。计算模块602建立粒度计算模型的过程可以参照前述的步骤A2-B2,此处不详述。
示例性地,获取模块601可以用于,获取各个站点对应的点云,所述站点位于所述目标露头的剖面的前方,所述站点用于安装激光扫描仪;对各个所述站点对应的点云的激光反射强度进行校正;将各个所述站点对应的点云拼接,得到所述目标露头的点云;按照等式(2)对各个所述站点对应的点云的激光反射强度进行校正。获取模块601获取目标露头的点云的过程可以参照前述的步骤201,此处不详述。
需要说明的是:上述实施例提供的碎屑岩露头粒度的分析装置在分析碎屑岩露头粒度时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的碎屑岩露头粒度的分析装置与碎屑岩露头粒度的分析方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是本公开实施例提供的一种碎屑岩露头粒度的分析装置的结构框图。参见图7,该碎屑岩露头粒度的分析装置可以是计算机300。计算机300包括中央处理单元(CPU)301、包括随机存取存储器(RAM)302和只读存储器(ROM)303的系统存储器304,以及连接系统存储器304和中央处理单元301的系统总线305。计算机300还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)306,和用于存储操作系统313、应用程序314和其他程序模块315的大容量存储设备307。
基本输入/输出系统306包括有用于显示信息的显示器308和用于用户输入信息的诸如鼠标、键盘之类的输入设备309。其中显示器308和输入设备309都通过连接到系统总线305的输入输出控制器310连接到中央处理单元301。基本输入/输出系统306还可以包括输入输出控制器310以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器310还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备307通过连接到系统总线305的大容量存储控制器(未示出)连接到中央处理单元301。大容量存储设备307及其相关联的计算机可读介质为计算机300提供非易失性存储。也就是说,大容量存储设备307可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储13介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器304和大容量存储设备307可以统称为存储器。
根据本发明的各种实施例,计算机300还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机300可以通过连接在系统总线305上的网络接口单元311连接到网络312,或者说,也可以使用网络接口单元311来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。所述一个或者一个以上程序包含用于进行图1或图2示出的碎屑岩露头粒度的分析方法的指令。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本公开的可选实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (14)
1.一种碎屑岩露头粒度的分析方法,其特征在于,所述方法包括:
获取目标露头的点云和指定数量的碎屑岩样本的实际粒度,所述目标露头为碎屑岩露头,所述点云包括所述目标露头的所有碎屑岩的扫描数据,所述扫描数据包括三维空间坐标、激光反射强度和红绿蓝RGB值,所述碎屑岩样本位于所述目标露头的剖面;
基于所述目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算所述目标露头的所有碎屑岩的粒度;
所述获取目标露头的点云,包括:
沿目标露头的剖面的长度方向,在目标露头的剖面的前方设置多个站点;
在相邻站点之间布置至少三个标靶点,相邻站点的扫描范围具有重叠区域,相邻站点之间的标靶点位于重叠区域内;
沿目标露头的高度方向,在目标露头的剖面用图形标记标定指定数量的碎屑岩样本;
在各个站点对目标露头的剖面进行激光扫描,得到各个站点对应的点云,所述站点位于所述目标露头的剖面的前方,所述站点用于安装激光扫描仪;
将各个所述站点对应的点云拼接,得到所述目标露头的点云。
2.根据权利要求1所述的碎屑岩露头粒度的分析方法,其特征在于,所述基于所述目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算所述目标露头的所有碎屑岩的粒度,包括:
从所述目标露头的点云中,获取各个所述碎屑岩样本的扫描数据;
基于各个所述碎屑岩样本的实际粒度和各个所述碎屑岩样本的扫描数据,建立粒度计算模型;
基于所述目标露头的点云和所述粒度计算模型,计算所述目标露头的所有碎屑岩的粒度。
3.根据权利要求2所述的碎屑岩露头粒度的分析方法,其特征在于,所述从所述目标露头的点云中,获取各个所述碎屑岩样本的扫描数据,包括:
获取位于第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,所述图形标记为封闭图形,所述图形标记位于所述目标露头的剖面,所述第i个碎屑岩样本位于相应的所述图形标记中,1≤i≤n,i、n均为正整数,n为所述碎屑岩样本的总个数;
基于位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,确定所述第i个碎屑岩样本的扫描数据,直至确定出各个所述碎屑岩样本的扫描数据。
4.根据权利要求3所述的碎屑岩露头粒度的分析方法,其特征在于,所述基于位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,确定所述第i个碎屑岩样本的扫描数据,包括:
确定所述第i个碎屑岩样本的RGB值,所述第i个碎屑岩样本的RGB值为,位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的RGB值的平均值;
确定所述第i个碎屑岩样本的激光反射强度,所述第i个碎屑岩样本的激光反射强度为,位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的激光反射强度的平均值。
5.根据权利要求4所述的碎屑岩露头粒度的分析方法,其特征在于,所述基于各个所述碎屑岩样本的实际粒度和扫描数据,建立粒度计算模型,包括:
基于各个所述碎屑岩样本的RGB值,分别计算各个所述碎屑岩样本对应的灰度;
基于各个所述碎屑岩样本的实际粒度、各个所述碎屑岩样本的激光反射强度和各个所述碎屑岩样本对应的灰度,建立粒度计算模型,所述粒度计算模型为碎屑岩的粒度、激光反射强度和灰度之间的函数关系。
7.一种碎屑岩露头粒度的分析装置,其特征在于,所述装置包括:
获取模块,用于获取目标露头的点云和指定数量的碎屑岩样本的实际粒度,所述目标露头为碎屑岩露头,所述点云包括所述目标露头的所有碎屑岩的扫描数据,所述扫描数据包括三维空间坐标、激光反射强度和红绿蓝RGB值,所述碎屑岩样本位于所述目标露头的剖面;
计算模块,用于基于所述目标露头的点云和指定数量的碎屑岩样本的实际粒度,计算所述目标露头的所有碎屑岩的粒度;
所述获取模块还用于将各个站点对应的点云拼接,得到所述目标露头的点云,
所述各个站点对应的点云通过如下方式得到:
沿目标露头的剖面的长度方向,在目标露头的剖面的前方设置多个站点;
在相邻站点之间布置至少三个标靶点,相邻站点的扫描范围具有重叠区域,相邻站点之间的标靶点位于重叠区域内;
沿目标露头的高度方向,在目标露头的剖面用图形标记标定指定数量的碎屑岩样本;
在各个站点对目标露头的剖面进行激光扫描,得到各个站点对应的点云,所述站点位于所述目标露头的剖面的前方,所述站点用于安装激光扫描仪。
8.根据权利要求7所述的碎屑岩露头粒度的分析装置,其特征在于,所述计算模块用于采用如下方式计算所述目标露头的所有碎屑岩的粒度:
从所述目标露头的点云中,获取各个所述碎屑岩样本的扫描数据;
基于各个所述碎屑岩样本的实际粒度和各个所述碎屑岩样本的扫描数据,建立粒度计算模型;
基于所述目标露头的点云和所述粒度计算模型,计算所述目标露头的所有碎屑岩的粒度。
9.根据权利要求8所述的碎屑岩露头粒度的分析装置,其特征在于,所述计算模块用于采用如下方式获取各个所述碎屑岩样本的扫描数据:
获取位于第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,所述图形标记为封闭图形,所述图形标记位于所述目标露头的剖面,所述第i个碎屑岩样本位于相应的所述图形标记中,1≤i≤n,i、n均为正整数,n为所述碎屑岩样本的总个数;
基于位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的扫描数据,确定所述第i个碎屑岩样本的扫描数据,直至确定出各个所述碎屑岩样本的扫描数据。
10.根据权利要求9所述的碎屑岩露头粒度的分析装置,其特征在于,所述计算模块用于采用如下方式确定所述第i个碎屑岩样本的扫描数据:
确定所述第i个碎屑岩样本的RGB值,所述第i个碎屑岩样本的RGB值为,位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的RGB值的平均值;
确定所述第i个碎屑岩样本的激光反射强度,所述第i个碎屑岩样本的激光反射强度为,位于所述第i个碎屑岩样本的图形标记内的所有碎屑岩的激光反射强度的平均值。
11.根据权利要求10所述的碎屑岩露头粒度的分析装置,其特征在于,所述计算模块用于采用如下方式建立粒度计算模型:
基于各个所述碎屑岩样本的RGB值,分别计算各个所述碎屑岩样本对应的灰度;
基于各个所述碎屑岩样本的实际粒度、各个所述碎屑岩样本的激光反射强度和各个所述碎屑岩样本对应的灰度,建立粒度计算模型,所述粒度计算模型为碎屑岩的粒度、激光反射强度和灰度之间的函数关系。
13.一种碎屑岩露头粒度的分析装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器被配置为执行所述计算机程序时实现如权利要求1至权利要求6任一项所述的碎屑岩露头粒度的分析方法中所执行的操作。
14.一种存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的碎屑岩露头粒度的分析方法中所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010015625.0A CN113155684B (zh) | 2020-01-07 | 2020-01-07 | 碎屑岩露头粒度的分析方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010015625.0A CN113155684B (zh) | 2020-01-07 | 2020-01-07 | 碎屑岩露头粒度的分析方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113155684A CN113155684A (zh) | 2021-07-23 |
CN113155684B true CN113155684B (zh) | 2023-04-07 |
Family
ID=76882077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010015625.0A Active CN113155684B (zh) | 2020-01-07 | 2020-01-07 | 碎屑岩露头粒度的分析方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113155684B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134002A (zh) * | 2014-07-30 | 2014-11-05 | 中国石油天然气集团公司 | 一种基于数字地质露头的碎屑岩储层建模方法及装置 |
CN104331927A (zh) * | 2014-10-15 | 2015-02-04 | 中国石油天然气股份有限公司 | 一种储层数字露头表层模拟的方法和系统 |
CN105139032A (zh) * | 2015-08-24 | 2015-12-09 | 中国石油天然气股份有限公司 | 一种岩石的识别分类方法及系统 |
CN108844879A (zh) * | 2018-06-08 | 2018-11-20 | 中国石油天然气股份有限公司 | 基于激光强度的储层露头孔隙度预测方法及装置 |
CN108875184A (zh) * | 2018-06-08 | 2018-11-23 | 中国石油天然气股份有限公司 | 基于数字露头模型的页岩有机碳含量预测方法及装置 |
-
2020
- 2020-01-07 CN CN202010015625.0A patent/CN113155684B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134002A (zh) * | 2014-07-30 | 2014-11-05 | 中国石油天然气集团公司 | 一种基于数字地质露头的碎屑岩储层建模方法及装置 |
CN104331927A (zh) * | 2014-10-15 | 2015-02-04 | 中国石油天然气股份有限公司 | 一种储层数字露头表层模拟的方法和系统 |
CN105139032A (zh) * | 2015-08-24 | 2015-12-09 | 中国石油天然气股份有限公司 | 一种岩石的识别分类方法及系统 |
CN108844879A (zh) * | 2018-06-08 | 2018-11-20 | 中国石油天然气股份有限公司 | 基于激光强度的储层露头孔隙度预测方法及装置 |
CN108875184A (zh) * | 2018-06-08 | 2018-11-23 | 中国石油天然气股份有限公司 | 基于数字露头模型的页岩有机碳含量预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113155684A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Enge et al. | From outcrop to reservoir simulation model: Workflow and procedures | |
Bisdom et al. | Calibrating discrete fracture-network models with a carbonate three-dimensional outcrop fracture network: Implications for naturally fractured reservoir modeling | |
Loke et al. | A comparison of the Gauss–Newton and quasi-Newton methods in resistivity imaging inversion | |
Maynard et al. | Scale-dependency of LiDAR derived terrain attributes in quantitative soil-landscape modeling: Effects of grid resolution vs. neighborhood extent | |
US9652684B2 (en) | Image processing for classification and segmentation of rock samples | |
CN113553763A (zh) | 一种隧道围岩快速分级方法和系统 | |
Abed et al. | Echo amplitude normalization of full-waveform airborne laser scanning data based on robust incidence angle estimation | |
CN104062653A (zh) | 基于三维微地貌重建的雷达遥感多尺度面粗糙度测量方法 | |
CN105528523B (zh) | 一种基于遥感数据的土壤厚度反演方法 | |
Scott et al. | Measuring change at Earth’s surface: On-demand vertical and three-dimensional topographic differencing implemented in OpenTopography | |
Wüstefeld et al. | Evaluation of a workflow to derive terrestrial light detection and ranging fracture statistics of a tight gas sandstone reservoir analog | |
Boreggio et al. | Does the topographic data source truly influence the routing modelling of debris flows in a torrent catchment? | |
CN107941194B (zh) | 一种获取和计算工程岩体代表性rqd值的方法 | |
CN113155684B (zh) | 碎屑岩露头粒度的分析方法、装置及存储介质 | |
Xing et al. | Bathymetry inversion using the modified gravity-geologic method: application of the rectangular prism model and Tikhonov regularization | |
Pesci et al. | The first terrestrial laser scanner application over Vesuvius: High resolution model of a volcano crater | |
CN107038700A (zh) | 基于gssim的土壤湿度空间分布特征定量分析方法 | |
Liu et al. | Displacement field reconstruction in landslide physical modeling by using a terrain laser scanner–Part 1: Methodology, error analysis and validation | |
CN107268400B (zh) | 一种路面施工质量检测方法及系统 | |
CN116524140A (zh) | 一种三维地质建模系统 | |
CN111366172B (zh) | 数字高程模型的质量检测方法、装置和存储介质 | |
Neverman et al. | Terrestrial laser scanning and structure-from-motion photogrammetry concordance analysis for describing the surface layer of gravel beds | |
Monsen et al. | The automated interpretation of photorealistic outcrop models | |
CN113781443A (zh) | 一种基于数字图像颜色梯度的岩层裂隙分布规律获取方法、系统、终端及可读存储介质 | |
Bartuś | Basic unit size in the analysis of the distribution of spatial landscape elements on the basis of the lithostratigraphic geodiversity of the Ojców National Park (Poland) |
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 |