CN113167713B - 数字表征岩石渗透率的方法 - Google Patents
数字表征岩石渗透率的方法 Download PDFInfo
- Publication number
- CN113167713B CN113167713B CN201980081178.4A CN201980081178A CN113167713B CN 113167713 B CN113167713 B CN 113167713B CN 201980081178 A CN201980081178 A CN 201980081178A CN 113167713 B CN113167713 B CN 113167713B
- Authority
- CN
- China
- Prior art keywords
- image
- rock
- permeability
- wetting liquid
- resolution
- 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 192
- 230000035699 permeability Effects 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012937 correction Methods 0.000 claims abstract description 74
- 239000007788 liquid Substances 0.000 claims abstract description 54
- 238000009736 wetting Methods 0.000 claims abstract description 51
- 239000011148 porous material Substances 0.000 claims description 126
- 230000015572 biosynthetic process Effects 0.000 claims description 23
- 229930195733 hydrocarbon Natural products 0.000 claims description 23
- 238000003384 imaging method Methods 0.000 claims description 23
- 239000004215 Carbon black (E152) Substances 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 20
- 125000001183 hydrocarbyl group Chemical group 0.000 claims description 15
- 239000007787 solid Substances 0.000 claims description 15
- 239000011800 void material Substances 0.000 claims description 15
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 claims description 14
- 229910052753 mercury Inorganic materials 0.000 claims description 14
- 238000003709 image segmentation Methods 0.000 claims description 12
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000002591 computed tomography Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 229910000634 wood's metal Inorganic materials 0.000 claims description 2
- 238000005755 formation reaction Methods 0.000 description 22
- 238000010603 microCT Methods 0.000 description 12
- 239000012530 fluid Substances 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 150000002430 hydrocarbons Chemical class 0.000 description 8
- 238000002347 injection Methods 0.000 description 8
- 239000007924 injection Substances 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 7
- 238000000053 physical method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011545 laboratory measurement Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 235000015076 Shorea robusta Nutrition 0.000 description 1
- 244000166071 Shorea robusta Species 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 238000003957 acoustic microscopy Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000012267 brine Substances 0.000 description 1
- 150000004649 carbonic acid derivatives Chemical class 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000013031 physical testing Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification 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
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
- G01N23/083—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G01N2015/0846—Investigating permeability, pore-volume, or surface area of porous materials by use of radiation, e.g. transmitted or reflected light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/03—Investigating materials by wave or particle radiation by transmission
- G01N2223/04—Investigating materials by wave or particle radiation by transmission and measuring absorption
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/30—Accessories, mechanical or electrical features
- G01N2223/305—Accessories, mechanical or electrical features computer simulations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/419—Imaging computed tomograph
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/616—Specific applications or type of materials earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Dispersion Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental & Geological Engineering (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- Toxicology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了从岩石的数字图像估计岩石的渗透率的方法。获得岩石的三维图像并对其分段，并从分段的岩石图像确定图像渗透率。从分段的图像和从分段的图像导出的非润湿液体毛细管压力曲线获得渗透率校正因子，并且将渗透率校正因子应用于图像渗透率以获得岩石的校正的图像渗透率。
Description
技术领域
本发明涉及一种用于表征岩石渗透率的方法。特别地，本发明涉及一种从岩石的三维图像表征岩石的渗透率的方法。
背景技术
准确确定岩石的岩石物理特性(例如含烃储层中的孔隙率和渗透率)对于确定是否选择要开发的含烃储层以及开发和管理含烃储层是重要的。例如，高估含烃地层的岩石的绝对渗透率(以下称为“渗透率”)可能导致明显高估通过地层的流体流量，并因此高估可从地层中开采的烃类流体的量。高估含烃地层的岩石的渗透率可能导致井间距不正确，或者在最坏的情况下，可能导致开发出无法提供足够的烃商业开采的地层。
传统上，含烃地层岩石的岩石物理特征是通过对岩石样品进行物理测试来确定的。但是，这样的测试需要大量时间并且非常昂贵。此外，由于进行每个测试所需的时间和费用，可以处理的样品数量相对有限。
数字岩石物理学是一种技术，其可被开发来提供对含烃地层岩石的更快、更多和更便宜的分析以确定岩石的关键岩石物理特征。数字岩石物理学利用地层岩石的数字图像在孔隙尺度上模拟岩石多物理学并预测复杂岩石的性质。
渗透率是岩石性质的最基本特征之一，并用于确定流体流过含烃地层的倾向，从而可以从地层中开采出流体。当前的数字岩石物理学技术通过捕获岩石的三维图像(例如通过3-D X射线计算机断层扫描)，利用各种图像分段算法将所得图像分段为固体和空间体素，并对分段岩石图像中的流体动力学进行计算模拟以确定岩石的渗透率，从而确定岩石样品的渗透率。
但是，当前用于确定岩石渗透率的数字岩石物理学方法在渗透率的实验室测量值和使用数字岩石物理学模型计算的渗透率之间表现出显著的系统性偏移。在真实渗透率小于100mDarcy的岩石中，相对于实验室测量测得的渗透率(“真实”渗透率)，使用数字岩石物理模型计算出的渗透率始终被高估了多达10倍。该偏移在图1中以图形方式显示，其中使用常规数字岩石物理模型(ksim)计算的渗透率与实验室测得的“真实”渗透率(klab)作图。数字岩石物理模型在渗透率小于100mDarcy时相对于真实渗透率始终高估了图像渗透率，显示为在渗透率小于100mDarcy时，图像渗透率始终落在x＝y斜率(此时图像建模的渗透率等于实验室测得的真实渗透率)上方。
这种偏移不能通过各种分段算法产生的岩石微观结构差异来解释，因为只要所有相都被一致地分段，这种差异就相对较小。因此，当前的数字岩石方法相对不准确，并且高估了含烃地层岩石的真实渗透率。
需要一种改进的数字岩石物理学方法，以便从岩石的三维图像更准确地估计含烃地层岩石的渗透率。
发明内容
根据本发明的一个方面，提供了一种估计岩石的渗透率的方法，包括：获得岩石的三维图像，其中所述图像包括多个体素并且所述图像具有分辨率；通过选择所述图像的每个体素以表示所述岩石中的孔隙空间或所述岩石中的实心物质，对所述岩石的三维图像进行处理，以对所述图像进行分段；从所述岩石的分段的三维图像确定所述岩石的图像渗透率；从所述岩石的分段的三维图像得出非润湿液体毛细管压力曲线；从所述岩石的分段的三维图像和所述非润湿液体毛细管压力曲线确定一个或多个渗透率校正因子；和将所述一个或多个渗透率校正因子应用于所述岩石的图像渗透率，以获得所述岩石的校正的渗透率。
根据本发明的另一方面，提供了一种用于从岩石的三维图像估计岩石的渗透率的支持反向传播实现的方法，其包括以下步骤：获得岩石的三维图像，所述三维图像具有分辨率；应用支持反向传播的训练模型对岩石的三维图像进行分段；从分段的图像确定所述岩石的图像渗透率；从所述分段的图像得出非润湿液体毛细管压力曲线；从所述非润湿液体毛细管压力曲线和所述分辨率确定一个或多个渗透率校正因子；和将所述一个或多个渗透率校正因子应用于所述岩石的图像渗透率，以获得所述岩石的校正的渗透率。
根据本发明的另一方面，提供了一种用于从岩石的图像估计岩石的渗透率的支持反向传播的方法，包括以下步骤：获得岩石的图像，所述图像选自一系列2D投影图像、三维重建图像及其组合；和应用支持反向传播的训练模型以获得所述岩石的渗透率。
附图说明
通过参考以下优选实施方案的详细描述和其中的附图，将更好地理解本发明，其中：
图1是曲线图，示出了实验室测得的岩石渗透率v.通过现有技术的数字岩石成像方法确定的图像渗透率；
图2是根据数字岩石图像模拟的汞毛细管压力曲线图(汞占据的孔隙率v.压力)；
图3是示出在不同图像分辨率下一系列五个砂岩岩石的测得的孔喉分辨率参数相对于图像孔喉分辨率参数的曲线的图；
图4是曲线图，示出了实验室测得的岩石渗透率v.在不应用图像渗透率校正因子的情况下通过数字岩石成像方法确定的图像渗透率；
图5是曲线图，示出了实验室测得的岩石渗透率v.通过渗透率图像分辨率校正因子校正的数字岩石成像方法确定的图像渗透率；
图6是曲线图，示出了实验室测得的岩石渗透率v.通过渗透率图像分辨率校正因子和渗透率视场校正因子校正的数字岩石成像方法确定的图像渗透率；和
图7是曲线图，示出了实验室测得的岩石渗透率v.通过渗透率图像分辨率校正因子、渗透率视场校正因子和渗透率图像分段校正因子校正的数字岩石成像方法确定的图像渗透率。
具体实施方式
本发明提供了一种用于基于岩石的原始三维孔隙尺度图像来准确地估计岩石的渗透率的方法，该原始三维孔隙尺度图像相对于岩石的实际孔隙结构具有有限的分辨率。已经发现，与数字岩石物理学建模中的当前假设相反，含烃岩石的孔隙体积的很大一部分包含在尺寸低于通常用于提供此类岩石的图像的三维孔隙尺度成像技术提供的图像分辨率的孔隙中。结果，传统的数字岩石物理学建模由于在渗透率计算中没有考虑小于孔隙尺度成像技术的图像分辨率的孔隙而显著高估了真实渗透率小于100mDarcy的含烃岩石的渗透率。
本发明提供了一种基于由孔隙尺度成像技术提供的三维数字图像估计含烃岩石的渗透率的方法，其中根据本发明方法估计的渗透率包括尺寸低于图像的图像分辨率的孔隙提供的渗透率。可以通过图像中可见的孔隙估计的渗透率的分数与真实渗透率之间的关系使用岩石中毛细管压力的看似无关的物理机制估计。毛细管压力是狭窄通道中两种不混溶流体(例如，空气和非润湿性液体，例如汞)之间的界面上的压差。非润湿液体注入毛细管压力曲线描述了施加在非润湿液体上以克服毛细管压力并由此进入孔喉的压力与在该压力下被非润湿液体占据的岩石的部分体相体积之间的关系。含烃岩石的真实渗透率可通过利用基于岩石图像的毛细管压力曲线确定一个或多个渗透率校正因子来估计，该一个或多个渗透率校正因子将应用于从图像中的可见孔计算地模拟的渗透率。
本发明还提供了一种支持反向传播的方法，用于从岩石的三维图像估计岩石的渗透率。将支持反向传播的训练模型应用于三维图像，以对岩石的三维图像分段。
在优选实施方案中，通过提供岩石的训练图像集，将图像分段成多个标记的体素，所述多个标记的体素代表岩石中的孔隙空间和固体物质，并使用标记的体素，以通过反向传播训练模型，生成训练后的模型。
岩石的训练图像集可以包括例如从孔隙缩放成像技术获得的2D投影图像、从2D投影图像重建的3D图像，合成2D图像、合成3D图像及其组合。在优选实施方案中，图像的训练集是从基于云的工具获得的，该工具适于存储来自孔隙空间成像技术的2D投影图像，尤其是来自micro-CT和薄截面。该工具适于处理2D投影图像以产生重建的3D图像。该工具还适于存储生成的3D图像。
支持反向传播的过程的实例包括但不限于人工智能、机器学习和深度学习。本领域技术人员将理解，支持反向传播的过程的进展迅速继续。即使在不同的名称下，本发明的方法也有望适于那些进展。因此，即使在此未明确命名，本发明的方法也适用于支持反向传播的过程的进一步进展。
支持反向传播的过程的优选实施方案是深度学习过程，包括但不限于卷积神经网络。
支持反向传播的过程可以是受监督的、半受监督的、不受监督的或其组合。在一个实施方案中，通过添加不受监督技术来使受监督的过程成为半受监督的。
在支持反向传播的过程中，对图像的训练集进行标记，以提供感兴趣的孔空间和实心物质的实例。在支持不受监督的反向传播的过程中，可以通过例如在图像中的感兴趣图像周围绘制多边形来识别感兴趣的孔空间和/或实心物质。然后，经过训练的过程将确定具有相似潜在空间特征的感兴趣区域。当训练集被标记为图像时，标签的尺寸可以为1D–3D。
在一个实施方案中，受监督的支持反向传播的过程是分类过程。分类过程可以以体素方式、切片方式和/或体积方式进行。
在另一个实施方案中，不受监督的支持反向传播的过程是聚类过程。聚类过程可以以体素方式、切片方式和/或体积方式进行。
在另一个实施方案中，不受监督的支持反向传播的过程是生成性过程。生成性过程可以以体素方式、切片方式和/或体积方式进行。
优选地，支持反向传播的过程是分段过程。
在优选的实施方案中，训练步骤包括验证和测试。
在本发明的方法中，可以从岩石的三维图像估计岩石的岩石物理特性，特别是岩石的渗透率。在优选的实施方案中，岩石可以是来自任何含烃地层或含烃地层的一部分的岩石，对于该岩石，地层或其部分的岩石物理特性是感兴趣的。优选地，岩石可以是来自含烃地层的砂岩、碳酸盐、页岩及其组合。可以通过用于从烃地层获得岩石样品的常规手段来获得岩石。在优选实施方案中，通过从地层中的井内对地层的一部分取芯来获得岩石的岩心样品。可选地，可从在地层中的井中钻出的钻屑获得岩石样品。
岩石样品应具有足够的尺寸，以便在生成图像的比例下获得具有足够体积的三维图像。特别地，岩石样品应具有足够的尺寸，以使得在要生成的图像的比例或视场上，样品的大部分的渗透率特性比样品的边缘的渗透率特性占优势。
从岩石样品获得包括多个体素的三维图像。岩石的三维图像可以利用孔隙尺度成像技术获得。岩石的三维图像可通过X射线计算机断层扫描获得，包括但不限于X射线微计算机断层扫描(micro-CT)和X射线纳米计算机断层扫描(nano-CT)、声学显微镜或磁共振成像。最优选地，通过micro-CT获得岩石的三维图像，以提供足够的岩石视场，从而避免边缘孔隙扭曲所得图像的整体孔隙率、孔喉尺寸和渗透率，并减小更高分辨率断层扫描(例如，nano-CT)所需的扫描时间和计算要求。
在优选实施方案中，三维图像是从基于云的工具获得的，该工具适于存储来自孔隙空间成像技术的2D投影图像，尤其是来自micro-CT和薄截面。该工具适于处理2D投影图像以产生重建的3D图像。该工具还适于存储生成的3D图像。
通过孔隙尺度成像技术获得的岩石的三维图像具有分辨率。三维图像的体素限定了图像的分辨率。图像由多个体素组成，其中每个体素限定的体积代表图像的最大分辨率。应该选择图像的分辨率，以提供这样的体素大小，在该体素大小下，用于岩石中流体流动的主要孔喉得到充分分辨，并提供足够的视野，以代表要分析的给定岩石物理特性(例如渗透率)的整个岩石。为了本文的目的，主要的孔喉尺寸(Dd)是非润湿液体在孔进入压力(Pd)下进入的孔的孔喉的尺寸，其中孔进入压力是在非润湿液体可以开始侵入岩石的孔隙结构之前所需的最小压力。
可以根据岩石样品的大小、岩石类型的相对平均孔径、成像所需的时间以及在图像数据上存储和执行进一步的计算活动所需的计算能力来选择micro-CT图像的分辨率。图像分辨率应选择得足够详细，以使非润湿液体毛细管注入曲线可以基于由图像产生的分段图像绘制，同时保持足够的视野以避免边缘孔隙扭曲所得图像的总体孔隙率、孔喉尺寸和渗透率。在优选实施方案中，选择图像分辨率以需要很少的计算能力来存储图像并在图像上进行进一步的计算活动，同时提供足够的细节以基于分段的图像构造毛细管注入曲线。可以基于岩石的类型来选择图像分辨率，其中砂岩通常具有比碳酸盐大的孔隙结构，并且比碳酸盐具有更低的图像分辨率，并且碳酸盐具有比页岩更大的孔隙结构，并且需要比页岩更低的图像分辨率。micro-CT图像分辨率可在每个体素0.1μm3至30μm3的范围内。对于砂岩，micro-CT图像优选地以以下的分辨率产生：每个体素1μm3至25μm3，或每个体素2.5μm3至15μm3；对于碳酸盐，micro-CT图像的分辨率可以为0.5μm3至20μm3，或1μm3至10μm3；对于页岩，micro-CT(或nano-CT)图像的分辨率可以为0.1μm3至10μm3，或0.5μm3至5μm3。
在优选实施方案中，可以处理所获取的图像以减少噪声和图像伪影。可以通过使用局部均值滤波器进行滤波以减少噪声来从获取的图像中滤除噪声。可以通过在排除图像的外边缘的同时处理图像来减少主要在所获取的图像的外边缘处的成像伪像。
处理从岩石获得的三维图像，以将图像的体素分段为代表岩石中孔隙空间或岩石中实心物质的体素，从而生成二值图像，其中孔隙体素的值为0且实心物质体素的值为1(反之亦然)。从岩石获得的图像可以是灰度图像，并且可以通过基于阈值将像素分配名称为孔隙空间或实心物质来实现图像的体素的处理以将图像分段为代表孔隙空间或实心物质的体素，其中具有高于阈值的图像强度的体素可以被分配代表孔隙(或实心物质)的值，具有低于阈值的图像强度的体素可以被分配代表实心物质(或孔隙)的值。可以使用如在Otsu,N.,A Threshold Selection Method from Gray-level Histogram,IEEE pp.62-66,Trans.SMC-9(1979)中描述的Otsu方法或本领域已知的其他阈值计算算法计算阈值。
可以利用本领域中已知的分段算法处理岩石的三维图像，以将体素分段为孔隙空间体素和实心物质体素。在一个实施方案中，可以根据在Chuang,K.-S.,Tzeng,H.-L.,Chen,S.,Wu,J.,Chen,T.-J.Fuzzy C-Means Clustering with Spatial Information forImage Segmentation,Comput.Med.Imaging Graph.,30,9-15(2006)中描述的方法，使用模糊c-均值聚类算法对图像进行分段。在另一个实施方案中，可以使用Otsu算法对图像进行分段。优选地，使用分段算法的分段是使用数据处理系统自动进行的。
在图像被分段之后，从岩石的分段的三维图像确定图像渗透率。渗透率可以通过经过岩石图像的流体流动的计算数值模拟，从岩石的分段的三维图像估计。可以使用常规的流体流动模拟进行经过岩石图像的流体流动的计算数值模拟以确定图像渗透率。在本发明的实施方案中，使用Lattice-Boltzmann模拟从岩石的三维图像计算图像渗透率。
从岩石的分段的三维图像中得出非润湿性液体毛细管压力曲线，以提供主要的孔喉尺寸Dd、孔隙入口压力Pd、图像边缘处的孔隙体的最窄收缩DINC、边缘孔隙体入口压力PINC以及孔隙几何因子曲线，用于计算一个或多个渗透率校正因子。从岩石的分段的三维图像确定非润湿液体毛细管压力曲线是在高达图像极限压力的压力下针对在分段的图像中可区分出的孔隙。优选地，选择汞或伍德金属作为非润湿液体。非润湿性液体毛细管压力曲线可以通过基于填充图像的孔隙空间的非润湿性液体的模拟来绘制非润湿性液体在选定的压力直至图像极限压力下所占据的岩石的孔隙率而从分段的图像中确定。为了模拟填充图像的孔隙空间的非润湿液体，可以根据Young-Laplace方程确定在给定压力下穿透的孔喉尺寸：
D＝4σcosθ/P (1)
其中P是给定压力，σ是非润湿液体-空气表面张力(对汞-空气为480达因/厘米)，θ是接触角(汞为140°)，D是在给定压力下穿透的孔喉尺寸。为了评估在给定压力下被非润湿液体占据的岩石的孔隙率，可以进行模拟，其中假定孔喉尺寸为D或更大的孔体的孔空间的体素填充有在给定压力下的非润湿液体，将“填充”有液体的体素相加，并通过将填充有液体的孔隙空间体素的数量之和除以图像中的体素总数来计算被非润湿性液体占据的岩石的孔隙率。如图2所示，对于众多选定的给定压力直至图像极限压力Pmax)，可将未润湿液体占据的岩石的孔隙率相对于给定压力作图，以绘制毛细管压力曲线并确定边缘孔隙体压力PINC和孔隙进入压力(Pd)。边缘孔隙体压力(PINC)是非润湿液体最初进入图像边缘处的孔隙体的压力，孔隙进入压力(Pd)是非润湿性液体最初进入岩石中孔隙的压力，图像极限压力(Pmax)是克服在分段的图像中可区分的最窄孔喉的毛细管压力所需的最小压力。可以根据上面的等式1，从孔进入压力Pd计算主要孔喉尺寸Dd，并且可以从边缘孔体进入压力PINC计算图像边缘处的孔体的最窄收缩率DINC。
还估计校正的图像孔隙率以用于计算渗透率校正因子。岩石的图像孔隙率是从岩石的三维三维图像中估计的。岩石的图像孔隙率可以通过以下确定：求和分段图像中表示孔隙空间的体素的数量，求和分段图像中体素的总数(或从成像参数中获得体素的总数)，然后将分段图像中表示孔隙空间的体素的数量之和除以分段图像中体素的总数。可以通过将分配有代表孔隙空间的二进制值(例如1或0)的体素的数量相加来确定分段图像中代表孔隙空间的体素的数量之和。可以通过将分配了二进制值的体素(孔隙空间体素和实心物质体素)的总数相加来确定分段图像中体素的总数之和。
从分段的三维图像确定孔隙率校正因子以校正岩石的图像孔隙率以获得岩石的校正的图像孔隙率。图像孔隙率真实孔隙率/>和校正因子(α)之间的关系可被表示为如下：
毛细管压力曲线Thomeer模型提供：
其中是在压力P下非润湿液体占据的岩石的孔隙率，/>是在无限压力下非润湿液体占据的岩石的孔隙率(真实孔隙率，因为该压力足以迫使非润湿液体)通过岩石中最小的孔喉)，G是反映孔喉分布及其相关孔体体积的孔几何因子，N是孔喉分辨率参数。因此，孔隙率校正因子α可以根据以下公式由孔隙几何因子G和图像孔喉分辨率参数NI确定。
α＝e-G/Log10(NsubI) (4)。
根据从图像得出的非润湿液体毛细管压力曲线和根据体素的大小确定的图像分辨率确定图像孔喉分辨率参数NI。孔喉分辨率参数NI是非润湿液体在进入压力(Pd)下进入的图像孔喉尺寸(Dd)与体素大小(Δx)之比，NI＝(Dd/Δx)。可以从三维成像的参数(即图像的分辨率)确定体素大小。非润湿液体在入口压力(Pd)下进入的孔的孔喉尺寸(Dd)可以根据以下公式从岩石的分段的三维图像获得的非润湿液体毛细管压力曲线确定：
Dd＝4σcosθ/Pd (5)。
孔几何因子G由从图像得出的非润湿液体毛细管压力曲线确定。可以根据本领域已知的方法，通过将最佳拟合曲线绘制到从分段图像模拟的非润湿液体毛细管压力曲线上，并根据曲线的形状确定孔隙几何因子，确定孔隙几何因子G。最佳拟合曲线可以通过最小二乘法或通过任何常规的曲线拟合方法来绘制。
如上所述，孔隙几何因子G和孔喉分辨率参数NI用于确定孔隙率校正因子。孔隙率校正因子α可以根据以下公式由孔隙几何因子G和孔喉分辨率参数NI计算：
α＝(e-G/Log10(NI)) (6)。
然后将孔隙率校正因子α应用于岩石的图像孔隙率以获得校正的图像孔隙率。校正的图像孔隙率可根据以下公式从岩石的图像孔隙率/>和孔隙率校正因子(α)估计：
然后确定一个或多个校正因子以校正岩石的图像渗透率以获得岩石的校正的图像渗透率。岩石的图像渗透率与校正的图像渗透率之间的关系可以表示如下：
k∞＝kI/(βRβSβV) (8)
其中k∞是在无限图像分辨率和无限视场的渗透率(校正的图像渗透率)，kI是图像渗透率，βR是渗透率图像分辨率校正因子，βS是渗透率图像分段校正因子，和βV是渗透率视场校正因子。
渗透率图像分辨率校正因子βR可以基于图像孔喉分辨率参数NI(如上所述从非润湿液体毛细管压力曲线和体素大小确定)和测量的孔喉分辨率参数NM确定。渗透率图像分辨率校正因子可以根据以下公式从图像入口孔喉尺寸相对于测得的入口孔喉尺寸的分辨率来确定：
βR＝(NI/NM)2. (9)
测得的孔喉分辨率参数NM可以通过以下确定：直接物理测量非润湿液体渗透岩石体孔隙的压力，根据公式5从测得的压力确定测得的主要孔喉尺寸Dd，并且通过将测得的主孔喉尺寸除以体素大小从测得的主孔喉尺寸Dd和体素大小(Δx)计算测得的孔喉分辨率参数。替代地并且优选地，可以基于对图像孔喉分辨率参数NI与测量的孔喉分辨率参数NM之间的差的估计以提供基于NI的NM的近似值，确定测量的孔喉分辨率参数。估计的测得的孔喉分辨率参数NE可以通过以下确定：确定图像孔喉分辨率参数和几个岩石样品的测得的孔喉分辨率参数，优选为至少5个或至少10个岩石样品，其孔隙结构与在几种(例如3至10种)图像分辨率(体素大小)下寻求其校正的图像渗透率的岩石相似；对每个岩石样品将测得的孔喉分辨率参数NM相对于图像孔喉分辨率参数NI作图；例如通过最小二乘法得出绘制点的最佳拟合曲线；并从该曲线确定估计的测得的孔喉分辨率参数。具有相似孔隙结构的岩石样品可从与寻求其校正的图像渗透率的岩石具有相同一般分类的岩石中获取：例如，没有明显异常孔隙结构的砂岩可用作砂岩岩石的参考岩石样品，没有明显异常孔结构的碳酸盐岩石样品可以用作碳酸盐岩石的参考岩石样品，没有明显异常孔结构的页岩岩石样品可以用作页岩岩石的参考岩石样品。一旦确定，估计的测得的孔隙分辨率参数NE可以用作在相似类型的岩石的所有其他图像渗透率校正中使用的标准。估计的测量的孔喉分辨率参数NE是测量的孔喉分辨率参数NM的接近的近似，使得可以通过在渗透率图像分辨率因子βR的计算中将估计的测量的孔喉分辨率参数NE替换为测得的孔喉分辨率参数NM确定渗透率图像分辨率校正因子βR：
βR≈(NI/NE)2. (10)
砂岩的估计的测得的孔隙分辨率参数砂岩被计算为
图3示出在不同图像分辨率(体素大小，Δx)下一系列五个砂岩岩石的测得的孔喉分辨率参数相对于图像孔喉分辨率参数的曲线。最佳拟合曲线是通过标绘点绘制的，和最佳拟合曲线方程从最佳拟合曲线求出的，对于砂岩，得到等式(12)，其中y＝NM≈NE(砂岩)和x＝NI。对于砂岩，可根据以下公式计算渗透率图像分辨率校正因子βR(砂岩)：
可以类似的方式确定碳酸盐岩和页岩的类似渗透率图像分辨率校正因子。
相对于所有孔隙对图像渗透率的总体贡献，渗透率视场校正因子βV占在图像的边缘处孔结构对图像渗透率的相对贡献。由于岩石的样本大小，在基于岩石物理样品的渗透率测量中与总孔隙体积相比，边缘孔隙结构的体积贡献微不足道。基于数字图像的渗透率测量可能受到边缘孔结构的体积贡献的显著影响，特别是在高分辨率、低视场图像中——其中高分辨率和较小视场图像可能具有来自边缘孔隙的较大贡献。在代表性基本体积(REV)下，数字图像的大小足以捕获足够数量的晶粒(固体体素)以充分采样岩石的异质性，但是，由于图像分辨率和成像技术的限制，数字图像可能无法实现REV。由于数字图像不具有足够的大小以提供REV，渗透率视场校正因子βV可以用于校正渗透率不精确性。
可以从具有图像进入孔喉分辨率NI的图像的主体内孔隙的相对贡献、具有最窄收缩的边缘孔隙主体尺寸(DINC)的图像边缘处的孔隙对图像体素大小(Δx)的相对贡献—NINC以及如下所述确定的系数p确定渗透率视场校正因子βV。可以根据以下公式确定渗透率视场校正因子βV：
其中p可以从可以从岩石的三维分段图像中提取的参数确定。已经发现以下经验关系描述了参数p的变化：
其中a＝0.5，Dd是如上所述从非润湿性液体毛细管压力曲线计算出的主要孔喉尺寸，是如上所述计算出的校正孔隙率，并且可以根据公式NREV＝M xΔx/Deff计算NREV，其中M是体素中的沿着图像任一个轴的图像长度，Δx是体素大小，Deff是有效晶粒尺寸。为了确定有效晶粒尺寸Deff，可以根据本领域已知的常规方法，对三维分段图像进行分水岭分段，并从分水岭分段图像确定有效晶粒尺寸。可选地，也可以根据以下经验关系确定砂岩的有效晶粒尺寸：
Deff＝aφbDd (15)
其中a＝0.5，b＝2，dd是从非润湿液体毛细管压力曲线确定的主孔喉尺寸。
按照下式，渗透率图像分段校正因子βS可从图像孔隙率(如上所公开获得的)和测量的孔隙率/>(其通过物理测量岩石的孔隙率获得)计算：
然而，βS仅提供非常小的校正，并且，因此，在不存在岩石的孔隙率的物理测量时，βS可被假定为1。
一旦渗透率图像分辨率校正因子βR、渗透率视场校正因子βV和渗透率图像分段校正因子βS是已知的或估计出，则获得了岩石的校正的图像渗透率。可以根据上面的公式(8)获得岩石的校正的图像渗透率。岩石的校正的图像渗透率大约等于通过物理测量测得的岩石的真实渗透率。
实施例
提供本文所要求保护的本发明的方法的实施方案的以下非限制性实施例仅用于说明性目的。
根据本发明的方法确定了来自单独的含烃地层的十二个砂岩样品的校正的图像渗透率，并将其与通过物理测量确定的砂岩的真实渗透率进行比较。
从单独的含烃地层中回收了砂岩的十二个岩心样品。根据层流盐水注入样品的行业标准确定每个样品的真实渗透率。
然后通过数字岩石成像估计每个砂岩样品的渗透率。每个样品的微型塞子都是从原始岩心中提取的。在环境温度下通过micro-CT成像对微型塞子样品进行三维成像。以2.0μm(例如，图像的1个体素＝2.0μm3)、4.0μm和/或8.0μm的一种或多种分辨率扫描微型塞子样品。然后，使用Fuzzy C-Means聚类算法对所得的三维micro-CT图像进行处理，以将每个图像分段为孔隙空间体素和实心物质体素。然后，根据假设在层流状态下注入盐水，从样品图像中估算出每个样品在每种分辨率下的图像渗透率。样品的真实渗透率相对于计算的图像渗透率的曲线图如图4所示。当绘制的数据落在x＝y线上时图像渗透率提供真实渗透率的良好表示，但是，低于100mDarcy时，样品的图像渗透率大大落在x＝y线上方，这表明当从图像导出时，在100mDarcy之下，渗透率明显被高估。
然后从岩石的分段的三维图像中，以每种分辨率绘制每个样品的与图2所示曲线相似的汞毛细管注入曲线。根据Young-Laplace方程(P＝4σcosθ/D，P＝压力，D＝在给定压力P下穿透的孔喉尺寸，σ＝汞液-空气表面张力(480达因/厘米)，θ＝接触角(140°))，通过绘制汞占据的分段的岩石图像的分数体相体积与压力的图，形成基于图像的曲线，其中假定孔喉尺寸为D或更大的孔体的孔空间的体素在给定压力下充满汞。
从每个数字岩石样品各自的汞毛细管注入曲线和每个分段的三维图像的体素大小，以每个分辨率确定每个数字岩石样品的图像孔喉分辨率参数NI。由汞在进入压力(Dd)下进入的孔喉尺寸由汞毛细管注入曲线和Young-Laplace方程利用进入压力确定，其中进入压力(Pd)。体素大小(Δx)是图像的分辨率＝2.0μm、4.0μm或8.0μm。由式NI＝Dd/Δx确定孔喉分辨率参数NI。
然后，通过使用最小二乘曲线拟合进行曲线拟合，从汞毛细管注入曲线以各自相应的分辨率为每个样品确定孔几何因子G，其中较高的权重赋予在图像中较好分辨的孔。
通过将代表分段后图像中孔隙空间的体素数量求和并除以根据成像参数确定的图像中的体素总数，从岩石的分段的三维图像确定每个分辨率下的每个数字岩石样品的图像孔隙率。然后根据式α＝e-G/Log10(N)，使用孔喉分辨率参数NI和孔几何因子G来确定图像孔隙率校正因子α。根据式在每个分辨率针对每个微型塞子样品图像确定校正后的图像孔隙率。
通过按照上述式(11)计算NE，确定在每个分辨率的每个样品图像的渗透率图像分辨率校正因子βR。然后根据下式：k∞＝kI/βR，将图像渗透率使用所计算的渗透率图像分辨率因子进行校正。样品的真实渗透率相对于通过渗透率图像分辨率校正因子校正的计算的图像渗透率的曲线图如图5所示，表明通过渗透率图像分辨率校正因子对图像渗透率进行了实质上的校正，但是在100mDarcy之下仍被高估。
每个三维分段的图像使用分水岭分段算法进一步分段，并然后根据上述式(13)和(14)，从校正的图像孔隙率、孔隙分辨率参数NI、由汞液体毛细管压力曲线确定的主要孔喉尺寸Dd以及如上所述计算的NREV确定在每个分辨率下每个所得样品图像的渗透率视场校正因子βV。根据下式：k∞＝kI/(βRβV)：已经由渗透率图像分辨率校正因子校正后的图像渗透率然后进一步使用计算的渗透率视场校正因子校正。样品的真实渗透率相对于通过渗透率图像分辨率校正因子βR和渗透率视场校正因子βV二者校正的计算的图像渗透率的曲线图如图6所示。该图表明，通过除了用于校正图像渗透率的渗透率图像分辨率校正因子之外还使用渗透率视场校正因子来进一步校正了样品的图像渗透率，并且基本匹配样品的真实渗透率。
渗透率图像分段校正因子βS是针对在每个分辨率下每个样品图像确定的。使用氦气孔率计，根据工业标准的气体膨胀方法，测量每个样品的真实孔隙率。渗透率图像分段校正因子βS然后从校正后的图像孔隙率和根据上面式(16)所测量的真实孔隙率来确定。样品的真实渗透率相对于通过渗透率图像分辨率校正因子βR、渗透率视场校正因子βV和根据上述式(8)计算的渗透率图像分段校正因子βS校正的计算的图像渗透率的曲线图如图7所示。该曲线图表明，除了渗透率图像分辨率校正因子βR和渗透率视场校正因子βV还利用渗透率图像分段校正因子βS的样品图像渗透率，相对于仅使用渗透率图像分辨率校正因子βR和渗透率视场校正因子βV来校正图像渗透率所绘制的渗透率，通过减少所绘制的渗透率的散开进行了轻微的校正，但是，校正不显著，并且使用仅渗透率图像分辨率校正因子βR和渗透率视场校正因子βV来校正图像渗透率(βS＝1)对图像渗透率提供了足够的校正，以从校正的图像渗透率合理估计真实渗透率。
本发明非常适合于获得所提及的目的和优点以及其中固有的目的和优点。上面公开的特定实施方案仅是说明性的，因为对受益于本文教导的本领域技术人员显而易见的是可以以不同但等效的方式修改和实践本发明。此外，除了在所附权利要求书中所描述的以外，没有意图限制本文所示的构造或设计的细节。因此，显而易见的是，以上公开的特定说明性实施方案可以被改变、组合或修改，并且所有这样的变化都被认为在本发明的范围内。本文说明性地公开的发明可以在不存在本文未具体公开的任何要素和/或本文公开的任何可选要素的情况下适当地实践。尽管根据“包括”、“含有”或“包含”各种组分或步骤来描述组合物和方法，但是所述组合物和方法还可以“基本上由各种组分和步骤组成”或“由其组成”。上面公开的所有数字和范围可以以一定量变化。每当公开了具有下限和上限的数值范围时，具体公开了落入该范围内的任何数字和任何包括的范围。特别地，本文公开的值的每个范围(形式为“大约a到大约b”，或等效地，“大约a到b”，或等效地，“大约a-b”)应被理解为列出了在更宽泛的值范围内涵盖的每个数字和范围。另外，权利要求中的术语具有其普通的普遍含义，除非专利权人另外明确和清楚地定义。此外，在权利要求中使用的不定冠词“一”或“一个”在本文中被定义为表示一个或多个其引导的元素。如果本说明书中的词语或术语的使用与可以通过引用并入本文的一个或多个专利或其他文件存在任何冲突，则应采用与本说明书一致的定义。
Claims (11)
1.一种估计岩石渗透率的方法，包括：
-获得岩石的三维图像，其中所述图像由多个体素组成并且所述图像具有分辨率；
-通过选择所述图像的每个体素以表示所述岩石中的孔隙空间或所述岩石中的实心物质，对所述岩石的三维图像进行处理，以对所述图像进行分段；
-从所述岩石的分段的三维图像估计所述岩石的图像渗透率；
-从所述岩石的分段的三维图像得出非润湿液体毛细管压力曲线；
-从所述分段的三维图像和所述非润湿液体毛细管压力曲线确定渗透率图像分辨率校正因子、渗透率图像分段校正因子和渗透率图像视场校正因子；和
-将所述渗透率图像分辨率校正因子、渗透率图像分段校正因子和渗透率图像视场校正因子应用于所述岩石的图像渗透率，以获得所述岩石的校正的渗透率。
2.根据权利要求1所述的方法，其中所述岩石的三维图像是通过X射线计算机断层摄影获得的。
3.根据权利要求1所述的方法，其中所述岩石从由砂岩、碳酸盐、页岩及其组合构成的含烃地层中获得。
4.根据权利要求1所述的方法，其中所述非润湿液体是汞或伍德金属。
5.根据权利要求1所述的方法，其中所述岩石的图像渗透率是通过利用所述岩石的所述分段的三维图像的渗透率模拟方法中的计算估计的。
6.根据权利要求1所述的方法，其中所述渗透率图像分辨率校正因子由从所述非润湿液体毛细管压力曲线确定的图像入口孔喉尺寸；从所述图像分辨率确定的体素大小；以及预测的测得的入口孔喉尺寸与体素大小之比确定。
7.根据权利要求1所述的方法，其中所述渗透率图像视场校正因子由所述非润湿液体毛细管压力曲线；所述图像中的所述体素大小；沿着延伸所述图像的长度、宽度或高度的轴的体素数量和从所述岩石的分段的三维图像和所述非润湿液体毛细管压力曲线估计的校正的图像孔隙率确定。
8.根据权利要求1所述的方法，其中所述非润湿液体毛细管压力曲线是从在高达图像极限压力的压力下的所述岩石的所述分段的三维图像中得出的，其中所述图像极限压力是可以应用于所述非润湿液体以克服可从所述岩石的所述分段的三维图像中区分的最狭窄孔喉的毛细管压力的最小压力。
9.根据权利要求1所述的方法，进一步包括使用孔隙几何因子，其通过将最佳拟合曲线绘制到所述非润湿液体毛细管压力曲线并从所述曲线的形状确定所述孔隙几何因子而从所述非润湿液体毛细管压力曲线确定。
10.根据权利要求1所述的方法，进一步包括使用孔喉分辨率参数，该参数通过从所述非润湿液体毛细管压力曲线确定由所述非润湿液体在进入压力下进入的孔的孔喉尺寸并且计算在所述进入压力下由所述非润湿液体进入的孔的所述孔喉尺寸与图像分辨率之间的比率来确定。
11.根据权利要求1所述的方法，其中所述三维图像从基于云的工具获得，所述基于云的工具适于存储和处理来自孔隙缩放成像技术的2D投影图像。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862781019P | 2018-12-18 | 2018-12-18 | |
| US62/781,019 | 2018-12-18 | ||
| PCT/US2019/066539 WO2020131694A1 (en) | 2018-12-18 | 2019-12-16 | Method for digitally characterizing the permeability of rock |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113167713A CN113167713A (zh) | 2021-07-23 |
| CN113167713B true CN113167713B (zh) | 2024-01-02 |
Family
ID=69182610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980081178.4A Active CN113167713B (zh) | 2018-12-18 | 2019-12-16 | 数字表征岩石渗透率的方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11879825B2 (zh) |
| EP (1) | EP3899488A1 (zh) |
| CN (1) | CN113167713B (zh) |
| AU (1) | AU2019406627B2 (zh) |
| BR (1) | BR112021010957A2 (zh) |
| WO (1) | WO2020131694A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210304391A1 (en) * | 2020-03-25 | 2021-09-30 | DigiM Solution LLC | Reconstruction of Thin Wall Features Marginally Resolved by Multi-Dimensional Images |
| CN116840124B (zh) * | 2023-06-21 | 2023-12-22 | 西南石油大学 | 一种定量表征页岩储层岩心孔缝配置的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104471614A (zh) * | 2012-05-18 | 2015-03-25 | 领英股份有限公司 | 使用数字岩石物理成像由岩石样品来评估岩石属性的方法和系统 |
| CN108763711A (zh) * | 2018-05-22 | 2018-11-06 | 中国石油大学(华东) | 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 |
Family Cites Families (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7352179B2 (en) * | 2004-10-29 | 2008-04-01 | Green Imaging Technologies Inc. | Methods and apparatus for measuring capillary pressure in a sample |
| US9134457B2 (en) | 2009-04-08 | 2015-09-15 | Schlumberger Technology Corporation | Multiscale digital rock modeling for reservoir simulation |
| US8311788B2 (en) | 2009-07-01 | 2012-11-13 | Schlumberger Technology Corporation | Method to quantify discrete pore shapes, volumes, and surface areas using confocal profilometry |
| US8818778B2 (en) | 2009-09-16 | 2014-08-26 | Chevron U.S.A. Inc. | Method for creating a 3D rock representation using petrophysical data |
| BR112013020555A2 (pt) | 2011-02-28 | 2020-07-28 | Prad Research And Development Limited | método para caracterizar uma amostra de meio poroso incluindo uma pluralidade de corpos de poro e uma pluraridade de gargantas de poro, sistema para caracterizar uma amostra de meio poroso incluindo uma pluralidade de corpos de poro e uma pluralidade de gargantas de poro, e método para caracterizar uma amostra de formação de rocha subterrânea porosa incluindo uma pluralidade de corpos de poro e uma pluralidade de gargantas de poro |
| GB2489005B (en) * | 2011-03-15 | 2015-11-25 | Schlumberger Holdings | Examination of porosity by NMR and intrusion porosimetry |
| WO2013009512A2 (en) | 2011-07-12 | 2013-01-17 | Ingrain, Inc. | Method for simulating fractional multi-phase/multi-component flow through porous media |
| WO2014003596A1 (en) * | 2012-06-26 | 2014-01-03 | Schlumberger, Holdings Limited | A method for building a 3d model of a rock sample |
| RU2015104162A (ru) | 2012-08-10 | 2016-09-27 | Ингрейн, Инк. | Способ повышения точности значений свойств горной породы, полученных из цифровых изображений |
| US10514372B2 (en) * | 2012-08-23 | 2019-12-24 | Halliburton Energy Services, Inc. | Digital rock analysis systems and methods that reliably predict a porosity-permeability trend |
| US20150331145A1 (en) * | 2012-12-25 | 2015-11-19 | Obschestvo S Ogranichennoy Otvetstvennostiu "Introvision Reserch And Development" | Method for producing a three-dimensional characteristic model of a porous material sample for analysis of permeability characteristics |
| US9070049B2 (en) | 2013-03-15 | 2015-06-30 | Bp Corporation North America Inc. | Systems and methods for improving direct numerical simulation of material properties from rock samples and determining uncertainty in the material properties |
| WO2014142976A1 (en) | 2013-03-15 | 2014-09-18 | Bp Corporation North America Inc. | Systems and methods for improving direct numerical simulation of material properties from rock samples and determining uncertainty in the material properties |
| WO2015021088A1 (en) | 2013-08-06 | 2015-02-12 | Schlumberger Canada Limited | Methods for determining a saturation-height function in oil and gas reservoirs |
| EP3030888B1 (en) * | 2013-08-06 | 2023-07-05 | BP Corporation North America Inc. | Image-based direct numerical simulation of petrophysical properties under simulated stress and strain conditions |
| FR3033068B1 (fr) * | 2015-02-24 | 2017-03-10 | Ifp Energies Now | Procede de segmentation de l'image d'un objet reconstruit par reconstruction tridimensionnelle |
| US9892321B2 (en) * | 2015-06-27 | 2018-02-13 | New England Research, Inc. | Using maximal inscribed spheres for image-based rock property estimation |
| CN106716114B (zh) * | 2015-09-11 | 2020-06-09 | 数岩科技（厦门）股份有限公司 | 多孔介质分析系统和方法 |
| US10656068B2 (en) | 2015-10-02 | 2020-05-19 | Repsol, S.A. | Method for providing a numerical model of a sample of rock |
| US20170363531A1 (en) * | 2016-06-20 | 2017-12-21 | Chevron U.S.A. Inc. | System and method for estimating porosity distribution in subterranean reservoirs |
| US10599987B2 (en) * | 2016-07-14 | 2020-03-24 | King Fahd University Of Petroleum And Minerals | Apparatuses, systems, and methodologies for permeability prediction |
| BR112019008725A8 (pt) * | 2016-10-31 | 2023-04-04 | Bp Corp North America Inc | Simulação numérica direta de propriedades petrofísicas de rochas com duas ou mais fases imiscíveis |
| CN110573842B (zh) * | 2017-01-26 | 2021-05-11 | 达索系统西姆利亚公司 | 基于流体占据时间的多相流可视化图 |
| BR112020009026A2 (pt) * | 2017-11-06 | 2020-10-27 | Khalifa University of Science and Technology | método e sistema para a determinação da permeabilidade de um meio poroso |
| US10830713B2 (en) * | 2017-11-20 | 2020-11-10 | DigiM Solution LLC | System and methods for computing physical properties of materials using imaging data |
| US11010883B2 (en) * | 2018-04-17 | 2021-05-18 | Saudi Arabian Oil Company | Automated analysis of petrographic thin section images using advanced machine learning techniques |
| US10891462B2 (en) * | 2018-06-29 | 2021-01-12 | Saudi Arabian Oil Company | Identifying geometrical properties of rock structure through digital imaging |
-
2019
- 2019-12-16 EP EP19839477.7A patent/EP3899488A1/en active Pending
- 2019-12-16 US US17/414,421 patent/US11879825B2/en active Active
- 2019-12-16 WO PCT/US2019/066539 patent/WO2020131694A1/en unknown
- 2019-12-16 CN CN201980081178.4A patent/CN113167713B/zh active Active
- 2019-12-16 BR BR112021010957-9A patent/BR112021010957A2/pt unknown
- 2019-12-16 AU AU2019406627A patent/AU2019406627B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104471614A (zh) * | 2012-05-18 | 2015-03-25 | 领英股份有限公司 | 使用数字岩石物理成像由岩石样品来评估岩石属性的方法和系统 |
| CN108763711A (zh) * | 2018-05-22 | 2018-11-06 | 中国石油大学(华东) | 一种基于岩心扫描图像分块数值模拟的渗透率预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113167713A (zh) | 2021-07-23 |
| US11879825B2 (en) | 2024-01-23 |
| AU2019406627B2 (en) | 2022-05-19 |
| US20220099551A1 (en) | 2022-03-31 |
| AU2019406627A1 (en) | 2021-06-03 |
| BR112021010957A2 (pt) | 2021-08-31 |
| EP3899488A1 (en) | 2021-10-27 |
| WO2020131694A1 (en) | 2020-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ramandi et al. | Digital rock analysis for accurate prediction of fractured media permeability | |
| US8583410B2 (en) | Method for obtaining consistent and integrated physical properties of porous media | |
| EP3077619B1 (en) | Digital core model construction | |
| AU2021261300B2 (en) | Method for estimating fluid saturation of a rock | |
| CN107709699B (zh) | 生成多孔岩石样本的三维微型模型 | |
| Al-Marzouqi | Digital rock physics: Using CT scans to compute rock properties | |
| US20150331145A1 (en) | Method for producing a three-dimensional characteristic model of a porous material sample for analysis of permeability characteristics | |
| Smal et al. | An automatic segmentation algorithm for retrieving sub-resolution porosity from X-ray tomography images | |
| CN113167713B (zh) | 数字表征岩石渗透率的方法 | |
| US11119025B2 (en) | Method for characterizing the porosity of rock | |
| Rahimov et al. | Quantitative analysis of absolute permeability and porosity in carbonate rocks using digital rock physics | |
| US20220404330A1 (en) | Method for estimating hydrocarbon saturation of a rock | |
| US20240044768A2 (en) | Method for estimating hydrocarbon saturation of a rock | |
| WO2024003093A1 (en) | Method for characterizing a total porosity of rock | |
| RU2774959C1 (ru) | Способ определения фильтрационных свойств неоднородных пористых образцов | |
| Purswani | Relative Permeability Equation-of-State: The Role of Phase Connectivity, Wettability, and Capillary Number | |
| Botha | Predicting Permeability and Capillary Pressure in Low-Resolution Micro-CT Images of Heterogeneous Laminated Sandstones | |
| Pramana et al. | DIGITAL CORE ANALYSIS OF CAPILLARY PRESSURE IN SANDSTONE | |
| Victor | Pore scale modeling of rock transport properties | |
| Alhadi et al. | Assessment of Water Saturation in Carbonate Formations Honoring Complex Pore Structure: A New Insight in to Physics-Based Calibration | |
| CN116507913A (zh) | 校准岩石样品的直接流动模拟 | |
| WO2024044495A1 (en) | Determining relative permeability of a porous medium | |
| Jacob et al. | Simulating permeability reduction by clay mineral nanopores in a tight sandstone by combining µXCT and FIB-SEM imaging |
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 |