CN113281239B - 多尺度煤岩孔隙网络生成方法和装置 - Google Patents
多尺度煤岩孔隙网络生成方法和装置 Download PDFInfo
- Publication number
- CN113281239B CN113281239B CN202110677970.5A CN202110677970A CN113281239B CN 113281239 B CN113281239 B CN 113281239B CN 202110677970 A CN202110677970 A CN 202110677970A CN 113281239 B CN113281239 B CN 113281239B
- Authority
- CN
- China
- Prior art keywords
- coal rock
- scale
- matrix
- coal
- fracture system
- 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 426
- 239000003245 coal Substances 0.000 title claims abstract description 422
- 239000011148 porous material Substances 0.000 title claims abstract description 295
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims abstract description 175
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 239000007790 solid phase Substances 0.000 claims description 16
- 230000003321 amplification Effects 0.000 claims description 10
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 239000000758 substrate Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 16
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 abstract description 10
- 230000018109 developmental process Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 13
- 239000012530 fluid Substances 0.000 description 12
- 239000002245 particle Substances 0.000 description 11
- 230000006399 behavior Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 239000000693 micelle Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000006911 nucleation Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011342 resin composition Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000002922 simulated annealing 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
- G01N15/08—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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- 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
- G01N23/22—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 measuring secondary emission from the material
- G01N23/225—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 measuring secondary emission from the material using electron or ion
- G01N23/2251—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 measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- 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
- G06T17/05—Geographic models
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Dispersion Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书涉及煤层气开发技术领域,具体地公开了一种多尺度煤岩孔隙网络生成方法和装置,其中,该方法包括:获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像;提取纳米尺度扫描图像中的纳米尺度图像统计学特征,提取微米尺度扫描图像中的微米尺度图像统计学特征;基于纳米尺度图像统计学特征,构建目标煤岩的煤岩基质孔隙;根据微米尺度图像统计学特征,建立目标煤岩的煤岩裂隙系统;将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络。通过上述方案生成的多尺度孔隙网络既包括纳米尺度的煤岩基质孔隙又包含微米尺度的裂隙系统,因而能更加准确地表征目标煤岩的结构特性,可以为煤层气资源的有效开发提供理论指导。
Description
技术领域
本说明书涉及煤层气开发技术领域,特别涉及一种多尺度煤岩孔隙网络生成方法和装置。
背景技术
煤层气作为一种常规油气资源的接替能源,已经成为能源结构中的重要组成部分。煤储层孔隙结构由基质孔隙(纳米尺度)与裂隙系统(微米尺度)两部分组成,二者间的尺度差异可达3个数量级以上。
然而,传统的数字岩心重构方法,如随机生长方法、马尔可夫链-蒙特卡洛方法仅可对某一尺度的孔隙结构进行重构,无法同时兼顾纳米尺度与微米尺度的孔隙结构,导致重构得到的孔隙网络不准确,难以准确有效地预测煤岩的流动性质。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本说明书实施例提供了一种多尺度煤岩孔隙网络生成方法和装置,以对煤岩基质孔隙与裂隙系统进行有效、统一的表征。
本说明书实施例提供了一种多尺度煤岩孔隙网络生成方法,包括:获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像;提取纳米尺度扫描图像中的纳米尺度图像统计学特征,提取微米尺度扫描图像中的微米尺度图像统计学特征;基于纳米尺度图像统计学特征,构建目标煤岩的煤岩基质孔隙;根据微米尺度图像统计学特征,建立目标煤岩的煤岩裂隙系统;将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络。
在一个实施例中,基于纳米尺度图像统计学特征,构建目标煤岩的煤岩基质孔隙,包括:基于纳米尺度图像统计学特征,确定初始分布概率和生长概率;根据初始分布概率生成基质固相核点;重复以下步骤直至构建的煤岩基质孔隙的孔隙度满足预设条件:根据生长概率在多个预设方向上的取值,令基质固相核点在多个预设方向中各方向上随机生长,得到构建的煤岩基质孔隙,并计算构建的煤岩基质孔隙对应的孔隙度。
在一个实施例中,根据微米尺度图像统计学特征,建立目标煤岩的煤岩裂隙系统,包括:根据微米尺度图像统计学特征在预设三维空间中设置多个随机点;遍历预设三维空间,计算预设三维空间中的多个像素点中各像素点与多个随机点中各随机点之间的距离;针对各像素点,将该像素点与各随机点之间的距离进行升序排序,得到各像素点对应的距离最小值和距离次最小值;遍历三维空间,根据各像素点对应的距离最小值和距离次最小值,确定各像素点是孔隙还是基质,得到煤岩裂隙系统。
在一个实施例中,根据各像素点对应的距离最小值和距离次最小值,确定各像素点是孔隙还是基质,包括:按照以下公式确定各像素点是孔隙还是基质:
式中,f(x,y,z)为预设三维空间中坐标为(x,y,z)的像素点的类型函数,在f(x,y,z)取值为0时,表明该像素点为孔隙,在f(x,y,z)取值为1时,表明该像素点为基质,Lmin为所述距离最小值,单位为μm,Lsec-min为所述距离次最小值,单位为μm,b为所述煤岩裂隙系统的开度,单位为μm;ΔH为所述煤岩裂隙系统的粗糙度,单位为μm。
在一个实施例中,将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络,包括:利用插值放大算法对煤岩裂隙系统进行区域局部放大;将局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,得到目标煤岩的多尺度煤岩孔隙网络。
在一个实施例中,将局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,包括:按照以下公式对局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,得到目标煤岩的多尺度煤岩孔隙网络:
其中,Π为目标煤岩的多尺度煤岩孔隙网络;Π1为煤岩裂隙系统;为煤岩裂隙系统中的基质部分;为煤岩裂隙系统中的孔隙部分;П2为煤岩基质孔隙;为煤岩基质孔隙中的基质部分;为煤岩基质孔隙中的孔隙部分,Пskeleton为多尺度煤岩孔隙网络中的基质部分,Пpore为多尺度煤岩孔隙网络中的孔隙部分。
在一个实施例中,在得到目标煤岩的多尺度煤岩孔隙网络之后,还包括:基于灰色格子玻尔兹曼方程对多尺度煤岩孔隙网络中的流动进行模拟,得到目标煤岩的流动特性数据。
本说明书实施例还提供了一种多尺度煤岩孔隙网络生成装置,包括:获取模块,用于获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像;提取模块,用于提取纳米尺度扫描图像中的纳米尺度图像统计学特征,提取微米尺度扫描图像中的微米尺度图像统计学特征;构建模块,用于基于纳米尺度图像统计学特征,构建目标煤岩的煤岩基质孔隙;建立模块,用于根据微米尺度图像统计学特征,建立目标煤岩的煤岩裂隙系统;生成模块,用于将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络。
本说明书实施例还提供一种计算机设备,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现上述任意实施例中所述的多尺度煤岩孔隙网络生成方法的步骤。
本说明书实施例还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现上述任意实施例中所述的多尺度煤岩孔隙网络生成方法的步骤。
在本说明书实施例中,提供了一种多尺度煤岩孔隙网络生成方法,可以获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像,提取纳米尺度扫描图像中的纳米尺度图像统计学特征,提取微米尺度扫描图像中的微米尺度图像统计学特征,基于纳米尺度图像统计学特征,构建目标煤岩的煤岩基质孔隙,根据微米尺度图像统计学特征,建立目标煤岩的煤岩裂隙系统,之后可以将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络。上述方案中,基于微米尺度图像统计学特征构建煤岩基质孔隙,基于纳米尺度图像统计学特征构建煤岩裂隙系统,再将二者进行整合叠加,得到目标煤岩的多尺度孔隙网络,使得得到的多尺度孔隙网络既包括纳米尺度的煤岩基质孔隙又包含微米尺度的裂隙系统,因而能够更加准确地表征目标煤岩的结构特性。而且,煤岩基质孔隙和裂隙系统是基于提取出的图像统计学特征进行数值重构得到的,因此,泛用性强,计算效率高。此外,还可以基于重构的多尺度煤岩孔隙网络,对流体在目标煤岩中的流动进行模拟,能够综合考虑煤岩基质孔隙与裂隙系统对流动的影响,从而能够准确描述煤储层流体的流动行为,为煤层气资源的有效开发提供理论指导,进而提高开发效率、节约开发成本。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,并不构成对本说明书的限定。在附图中:
图1示出了本说明书一实施例中的多尺度煤岩孔隙网络生成方法的流程图;
图2示出了本说明书一实施例中的多尺度煤岩孔隙网络生成方法的流程图;
图3示出了本说明书一实施例中的多尺度煤岩孔隙网络生成装置的示意图;
图4示出了本说明书一实施例中的计算机设备的示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本说明书的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本说明书,而并非以任何方式限制本说明书的范围。相反,提供这些实施方式是为了使本说明书公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域的技术人员知道,本说明书的实施方式可以实现为一种系统、装置设备、方法或计算机程序产品。因此,本说明书公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
本说明书实施例提供了一种多尺度煤岩孔隙网络生成方法。在本说明书的一个场景示例中,上述方法可以应用于孔隙网络生成设备,该设备可以包括一个服务器,也可以是包括多个服务器的服务器集群。孔隙网络生成设备可以获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像。其中,纳米尺度扫描图像是指分辨率为纳米量级的煤岩扫描图像。微米尺度扫描图像是指分辨率为微米量级的煤岩扫描图像。孔隙网络生成设备可以提取纳米尺度扫描图像中的纳米尺度图像统计学特征。其中,纳米尺度图像统计学特征可以包括孔隙度和各向异性等图像统计学特征。孔隙网络生成设备还可以提取微米尺度扫描图像中的微米尺度图像统计学特征。其中,微米尺度图像统计学特征可以包括开度、粗糙度、孔隙度和密度等图像统计学特征。之后,孔隙网络生成设备可以基于纳米尺度图像统计学特征,进行数值重构,构建得到目标煤岩的煤岩基质孔隙。孔隙网络生成设备还可以基于微米尺度图像统计学特征,进行数值重构,以建立目标煤岩的煤岩裂隙系统。之后,孔隙网络生成设备可以将煤岩基质孔隙与没沿裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络。
图1示出了本说明书一实施例中多尺度煤岩孔隙网络生成方法的流程图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本说明书实施例描述及附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构连接进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至分布式处理环境)。
具体地,如图1所示,本说明书一种实施例提供的多尺度煤岩孔隙网络生成方法可以包括以下步骤:
步骤S101,获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像。
本说明实施例中的方法可以应用于孔隙网络生成设备,该设备可以包括一个服务器,也可以是包括多个服务器的服务器集群。孔隙网络生成设备可以获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像。
其中,纳米尺度扫描图像是指分辨率为纳米量级的煤岩扫描图像。纳米尺度扫描图像可以是纳米尺度的二维切片扫描图像。微米尺度扫描图像是指分辨率为微米量级的煤岩扫描图像。微米尺度扫描图像可以是微米尺度的二维切片扫描图像。
在一个实施例中,可以利用CT(Computed Tomography,电子计算机断层扫描)对煤岩岩心进行扫描,得到微米尺度煤岩扫描图像,可以利用FIB-SEM(Focused Ion Beam-Scanning Electron Microscope,聚焦离子束-扫描电子显微镜)对煤岩岩心进行扫描,得到纳米尺度煤岩扫描图像。孔隙网络生成设备可以从CT获取微米尺度煤岩扫描图像,从FIB-SEM获取纳米尺度煤岩扫描图像。
步骤S102,提取纳米尺度扫描图像中的纳米尺度图像统计学特征,提取微米尺度扫描图像中的微米尺度图像统计学特征。
孔隙网络生成设备可以提取纳米尺度扫描图像中的纳米尺度图像统计学特征。其中,纳米尺度图像统计学特征可以包括孔隙度和各向异性等图像统计学特征。孔隙网络生成设备还可以提取微米尺度扫描图像中的微米尺度图像统计学特征。其中,微米尺度图像统计学特征可以包括开度、粗糙度、孔隙度和密度等图像统计学特征。
在一个实施例中,孔隙网络生成设备可以对所述纳米尺度扫描图像进行二值化处理,得到二值化处理后的纳米尺度扫描图像,对所述微米尺度扫描图像进行二值化处理,得到二值化处理后的微米尺度扫描图像。之后,可以对所述二值化处理后的纳米尺度扫描图像进行遍历扫描,提取得到纳米尺度图像统计学特征,对所述二值化处理后的微米尺度扫描图像进行遍历扫描,提取得到微米尺度图像统计学特征。
在一个实施例中,可以通过阈值分割算法,计算得到煤岩扫描图像的最优阈值T,之后可以基于这一最优阈值T对图像进行二值化处理,二值化处理表达式如下:
其中,gs(x,y)为扫描图像灰度值,g(x,y)为二值化图像灰度值,T为最优阈值,x和y为像素点坐标。
步骤S103,基于纳米尺度图像统计学特征,构建目标煤岩的煤岩基质孔隙。
在得到纳米尺度图像统计学特征之后,孔隙网络生成设备可以基于纳米尺度图像统计学特征进行数值重构,以构建目标煤岩的煤岩基质孔隙。在一个实施例中,可以采用模拟退火法基于纳米尺度图像统计学特征来构建煤岩基质孔隙。在又一个实施例中,可以采用马尔科夫链蒙特卡洛方法基于纳米尺度图像统计学特征来构建煤岩基质孔隙。在另一个实施例中,可以采用多点统计法基于纳米尺度图像统计学特征来构建煤岩基质孔隙。本申请对此不做限制。其中,煤岩基质孔隙中的孔隙包括纳米尺度的孔隙。
步骤S104,根据微米尺度图像统计学特征,建立目标煤岩的煤岩裂隙系统。
在得到微米尺度图像统计学特征之后,孔隙网络生成设备可以根据微米尺度图像统计学特征进行数值重构,以建立目标煤岩的煤岩裂隙系统。其中,煤岩裂隙系统中的孔隙包括微米尺度的裂隙。在一个实施例中,可以采用泰森多边形法根据微米尺度图像统计学特征,建立目标煤岩的煤岩裂隙系统。
步骤S105,将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络。
在得到煤岩基质孔隙和煤岩裂隙系统之后,孔隙网络生成设备可以将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络。生成的多尺度煤岩孔隙网络中既包括煤岩基质孔隙又包括煤岩裂隙系统,可以更准确地表征目标煤岩的结构特性。
上述实施例中,基于微米尺度图像统计学特征构建煤岩基质孔隙,基于纳米尺度图像统计学特征构建煤岩裂隙系统,再将二者进行整合叠加,得到目标煤岩的多尺度孔隙网络,使得得到的多尺度孔隙网络既包括纳米尺度的煤岩基质孔隙又包含微米尺度的裂隙系统,因而能够更加准确地表征目标煤岩的结构特性。而且,煤岩基质孔隙和裂隙系统是基于提取出的图像统计学特征进行数值重构得到的,因此,泛用性强,计算效率高。此外,还可以基于重构的多尺度煤岩孔隙网络,对流体在目标煤岩中的流动进行模拟,能够综合考虑煤岩基质孔隙与裂隙系统对流动的影响,从而能够准确描述煤储层流体的流动行为,为煤层气资源的有效开发提供理论指导,进而提高开发效率、节约开发成本。
在本说明书一些实施例中,在提取所述纳米尺度扫描图像中的纳米尺度图像统计学特征时,可以针对整个纳米尺度扫描图像提取整个煤岩岩心的纳米尺度图像统计学特征。相应的,在基于纳米尺度图像统计学特征,构建目标煤岩的煤岩基质孔隙时,构建得到的煤岩基质孔隙对应整个煤岩岩心。在将煤岩基质孔隙与煤岩裂隙系统进行叠加时,可以整体进行叠加,得到目标煤岩的多尺度煤岩孔隙网络。
在本说明书一些实施例中,在提取所述纳米尺度扫描图像中的纳米尺度图像统计学特征时,可以将纳米尺度扫描图像划分为多个区域。之后,针对多个区域中的各区域,提取各区域对应的纳米尺度图像统计学特征。相应的,在基于纳米尺度图像统计学特征构建目标煤岩的煤岩基质孔隙时,可以基于各区域的纳米尺度图像统计学特征,构建各区域对应的煤岩基质孔隙。在将煤岩基质孔隙与煤岩裂隙系统进行叠加时,可以将煤岩裂隙系统进行同样的划分,得到多个局部煤岩裂隙系统,将各局部煤岩裂隙系统与对应区域的煤岩基质孔隙进行区域叠加,将叠加后得到的孔隙网络进行整合,可以得到目标煤岩的多尺度煤岩孔隙网络。上述方式中,在构建煤岩基质孔隙时进行区域划分,分区域构建,由于不同区域的各向异性不同,通过分区域构建,可以提高生成的煤岩基质孔隙的准确性,从而使得最终生成的多尺度煤岩孔隙网络能够更准确高效地表征煤岩的结构特性。
在本说明书一些实施例中,基于纳米尺度图像统计学特征,构建目标煤岩的煤岩基质孔隙,可以包括:基于纳米尺度图像统计学特征,确定初始分布概率和生长概率;根据初始分布概率生成基质固相核点;重复以下步骤直至构建的煤岩基质孔隙的孔隙度满足预设条件:根据生长概率在多个预设方向上的取值,令基质固相核点在多个预设方向中各方向上随机生长,得到构建的煤岩基质孔隙,并计算构建的煤岩基质孔隙对应的孔隙度。
纳米尺度图像统计学特征可以包括孔隙度和各向异性等图像统计学特征。可以根据各向异性和孔隙度确定初始分布概率和生长概率。其中,初始分布概率为重构空间中任意一点为核点的概率。生长概率为沿多个方向中各方向生长的概率。可以根据初始分布概率生成基质固相核点。可以根据生长概率在多个预设方向上的取值,令基质固相核点在所述多个预设方向中各方向上随机生长。其中,多个预设方向例如可以是三维坐标系中x、y、z三个方向。随机生长后可以得到构建的煤岩基质孔隙。可以计算构建得到的煤岩基质孔隙对应的孔隙度。可以确定计算得到的孔隙度是否满足预设条件。在不满足预设条件的情况下,可以重新根据生长概率在多个预设方向上的取值,令基质固相核点在所述多个预设方向中各方向上随机生长,直至构建的煤岩基质孔隙对应的孔隙度满足预设条件。在满足预设条件的情况下,将对应的煤岩基质孔隙确定为目标煤岩的煤岩基质孔隙。
在一个实施例中,确定构建得到的煤岩基质孔隙的孔隙度是否满足预设条件可以是确定构建得到的煤岩基质孔隙的孔隙度与提取到的纳米尺度图像统计学特征中的孔隙度之间的差值绝对值是否在预设范围内。在另一个实施例中,确定构建得到的煤岩基质孔隙的孔隙度是否满足预设条件可以是确定上述差值绝对值与提取到的纳米尺度图像统计学特征中的孔隙度之间的比值是否在预设百分比内。可以理解的是,还有其他方式可以确定构建得到的煤岩基质孔隙的孔隙度是否满足预设条件,本申请对此不做限制。通过上述方式,可以生成具有不同连通性特征、能够体现各向异性的煤岩基质孔隙。
在本说明书一些实施例中,根据微米尺度图像统计学特征,建立目标煤岩的煤岩裂隙系统,可以包括:根据微米尺度图像统计学特征在预设三维空间中设置多个随机点;遍历预设三维空间,计算预设三维空间中的多个像素点中各像素点与多个随机点中各随机点之间的距离;针对各像素点,将该像素点与各随机点之间的距离进行升序排序,得到各像素点对应的距离最小值和距离次最小值;遍历三维空间,根据各像素点对应的距离最小值和距离次最小值,确定各像素点是孔隙还是基质,得到煤岩裂隙系统。
在得到微米尺度图像统计学特征之后,可以根据微米尺度图像统计学特征在预设三维空间中设置多个随机点。其中,微米尺度图像统计学特征可以包括裂隙系统的孔隙度和密度。可以根据裂隙系统的孔隙度和密度在预设三维空间中设置多个随机点。预设三维空间可以是三维立方体空间R3:nx×ny×nz(nx,ny,nz为x,y,z方向的网格数)。每个网格可以对应一个像素。可以计算预设三维空间中多个像素中个像素与多个随机点中各随机点之间的距离。针对各像素点,将该像素点与各随机点之间的距离进行升序排序,将排在第一位和第二位的距离确定为该像素点对应的距离最小值和距离次最小值。可以得到各像素点对应的距离最小值和距离次最小值。之后,可以根据各像素点对应的距离最小值和距离次最小值,确定各像素点是孔隙还是基质,从而得到煤岩裂隙系统。通过上述方式,可以生成符合煤岩裂隙系统结构特征的数字岩心。
在本说明书一些实施例中,根据各像素点对应的距离最小值和距离次最小值,确定各像素点是孔隙还是基质,可以包括:按照以下公式确定各像素点是孔隙还是基质:
式中,f(x,y,z)为预设三维空间中坐标为(x,y,z)的像素点的类型函数,在f(x,y,z)取值为0时,表明该像素点为孔隙,在f(x,y,z)取值为1时,表明该像素点为基质,Lmin为所述距离最小值,单位为μm,Lsec-min为所述距离次最小值,单位为μm,b为所述煤岩裂隙系统的开度,单位为μm;ΔH为所述煤岩裂隙系统的粗糙度,单位为μm。提取到的微米尺度扫描图像统计学特征可以包括裂隙系统的开度和粗糙度。这里的孔隙可以是尺度比较大的孔隙或者说可以是指裂隙。通过上述方式,可以根据各像素点的距离最小值和距离次最小值以及开度和粗糙度,确定各像素点为孔隙还是基质。
在本说明书一些实施例中,将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络,可以包括:利用插值放大算法对煤岩裂隙系统进行区域局部放大;将局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,得到目标煤岩的多尺度煤岩孔隙网络。
为了将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,由于两者的分辨率不同,尺度相差三个数量级,因此需要将微米尺度的煤岩裂隙系统进行区域局部放大。具体地,可以利用插值放大算法对煤岩裂隙系统进行区域局部放大。之后,将局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,得到目标煤岩的多尺度煤岩孔隙网络。在一些实施例中,在叠加之后,可以利用插值缩小算法对叠加后得到的孔隙网络进行局部缩小,得到目标煤岩的多尺度煤岩孔隙网络。通过上述方式,可以基于煤岩裂隙系统和煤岩基质孔隙生成目标煤岩的多尺度煤岩孔隙网络。
在本说明书一些实施例中,将局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,可以包括:按照以下公式对局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,得到目标煤岩的多尺度煤岩孔隙网络:
其中,П为目标煤岩的多尺度煤岩孔隙网络;П1为煤岩裂隙系统;为煤岩裂隙系统中的基质部分;为煤岩裂隙系统中的孔隙部分;П2为煤岩基质孔隙;为煤岩基质孔隙中的基质部分;为煤岩基质孔隙中的孔隙部分,Пskeleton为多尺度煤岩孔隙网络中的基质部分,Пpore为多尺度煤岩孔隙网络中的孔隙部分。
传统的流动模拟由于受尺度差异带来的努森效应的影响无法同时对宏观与微观流动展开,无法保证流动过程的连续性,本说明书实施例中得到的孔隙网络既包括微米尺度的裂隙又包括纳米尺度的孔隙,因而在利用本说明书实施例中的多尺度孔隙网络进行流动模拟,可以保证流动的连续性。在本说明书的一些实施例中,在得到目标煤岩的多尺度煤岩孔隙网络之后,还可以包括:基于灰色格子玻尔兹曼方程对多尺度煤岩孔隙网络中的流动进行模拟,得到目标煤岩的流动特性数据。通过上述方式,能够综合考虑煤岩基质孔隙与裂隙系统对流体流动的影响,为煤储层流体流动行为的准确描述提供理论指导。
进一步地,在本说明书一些实施例中,灰色格子玻尔兹曼方程可以为:
式中,fi为粒子速度分布函数;fi eq为平衡态粒子速度分布函数;r为粒子位置;ei为粒子速度;t为某一时间点;δt为时间间隔;τ为弛豫时间;ns表示固体颗粒所占的体积分数;δfi为流体微团的回弹量。
下面结合一个具体实施例对上述方法进行说明,然而,值得注意的是,该具体实施例仅是为了更好地说明本说明书,并不构成对本说明书的不当限定。
本发明实施例还提供一种多尺度煤岩孔隙网络生成方法,如图2所示,该多尺度煤岩孔隙网络生成方法主要包括以下步骤:
步骤S201,将纳米尺度煤岩扫描图像和微米尺度煤岩扫描图像进行二值化处理并提取获得微米尺度图像统计学特征和纳米尺度图像统计学特征。
其中,纳米尺度煤岩扫描图像和微米尺度煤岩扫描图像均为二维切片扫描图形。本方案针对的是煤岩数字岩心重构,煤岩发育有两套孔隙系统,其中,基质孔隙为纳米级别,裂隙系统为微米级别。
通过阈值分割算法,计算得到煤岩扫描图像的最优阈值T,基于这一最优阈值对图像进行二值化处理,二值化处理表达式如下:
式中,fs(x,y)为扫描图像灰度值,f(x,y)为二值化图像灰度值,T为最优阈值,x和y为像素点坐标。
对二值化处理后的纳米、微米尺度煤岩扫描图像进行遍历扫描,提取获得:纳米尺度煤岩扫描图像基质孔隙孔隙度各向异性等纳米尺度图像统计学特征;微米尺度煤岩扫描图像裂隙系统孔隙度密度ρ、开度b、粗糙度ΔH等微米尺度图像统计学特征。
步骤S202,基于纳米尺度图像统计学特征,通过四参数随机生长算法生成煤岩基质孔隙。
四参数随机生长算法基于纳米尺度图像统计学特征对算法所涉及的四个相关参数进行赋值:初始分布概率Pc、生长概率Pi、概率密度Pi nm、孔隙度本实施例中仅利用到其中的三个参数:初始分布概率Pc、生长概率Pi、孔隙度
四参数随机生长法重构过程与自然多孔介质中颗粒由内核逐渐向外的生成过程类似,即初始生成若干核点,令基质(或孔隙)以核点为中心,沿特定方向生长。故初始分布概率Pc:即重构空间中任意一点为核点的概率;生长概率Pi:沿某一方向(i方向)生长的概率。应用四参数随机生长算法可以生成具有不同连通性特征、体现各向异性的基质孔隙网络模型。
重构过程具体包含以下几个步骤:(1)根据初始分布概率Pc生成基质固相核点;(2)根据x、y、z三个方向各自的生长概率Pi,令基质固相核点在相应方向生长;(3)判断重构的煤岩基质孔隙孔隙度是否满足要求,满足则输出重构的煤岩基质孔隙,不满足则返回步骤(2)继续迭代直至满足要求。
步骤S203:基于微米尺度图像统计学特征,通过泰森多边形算法生成煤岩裂隙系统。
应用泰森多边形算法可以生成符合煤岩、裂隙系统结构特征的数字岩心。泰森多边形算法基于微米尺度图像统计学特征进行煤岩裂隙系统数值重构,具体包含以下几个步骤:(1)定义三维立方体空间R3:nx×ny×nz(nx,ny,nz为x、y、z方向的网格数);(2)在三维空间R3内设置随机点:p={p1,p2,…,pn};p1、p2、pn指所生成的随机点数组p中的元素:随机点1:p1、随机点2:p2、随机点n:pn;(3)遍历三维空间R3,计算所有像素点与随机点间的距离;(4)对三维空间R3内所有像素点与随机点间的距离进行排序,提取最小值Lmin与次小值Lsec-min;(5)遍历三维空间R3,对于某一像素点,若|Lsec-min-Lmin|<b+ΔH,将该像素点设为孔隙,其余设为基质,如下式所示:
其中,b为煤岩裂隙系统开度,单位为μm;ΔH为煤岩裂隙系统粗糙度,单位为μm。
步骤S204:根据区域化叠加算法,将煤岩基质孔隙与裂隙系统进行整合叠加,生成多尺度煤岩孔隙网络。
将重构的微米尺度煤岩裂隙系统图像通过插值算法进行区域局部放大,并与相应区域重构的纳米尺度煤岩基质孔隙图像进行组合叠加,叠加关系如下式所示:
其中,Π为目标煤岩的多尺度煤岩孔隙网络;Π1为煤岩裂隙系统;为煤岩裂隙系统中的基质部分;为煤岩裂隙系统中的孔隙部分;Π2为煤岩基质孔隙;为煤岩基质孔隙中的基质部分;为煤岩基质孔隙中的孔隙部分,Пskeleton为多尺度煤岩孔隙网络中的基质部分,Пpore为多尺度煤岩孔隙网络中的孔隙部分。
在各相应区域均叠加完成后,将叠加后的局部图像组合后插值缩小,得到多尺度煤岩孔隙网络。
步骤S205:基于灰色格子玻尔兹曼方法,对多尺度煤岩孔隙网络中的流动进行模拟。
其中,灰色格子玻尔兹曼方程可以为:
式中,fi为粒子速度分布函数;fi eq为平衡态粒子速度分布函数;r为粒子位置;ei为粒子速度;t为某一时间点;δt为时间间隔;τ为弛豫时间;ns表示固体颗粒所占的体积分数;δfi为流体微团的回弹量。
通过上述的步骤S201至步骤S205,本发明实施例的多尺度煤岩孔隙网络数值重构与流动模拟方法,基于二值化处理后的纳米、微米尺度煤岩扫描图像统计学特征,重构生成基质孔隙与裂隙系统,并根据区域化叠加算法将二者进行整合叠加,生成多尺度煤岩孔隙网络。基于重构的多尺度煤岩孔隙网络,通过灰色格子玻尔兹曼方法对流体在多尺度煤岩孔隙网络的流动进行模拟,综合考虑煤岩基质孔隙与裂隙系统对流动的影响,从而能够准确描述煤储层流体的流动行为,为煤层气资源的有效开发提供理论指导,进而提高开发效率、节约开发成本。
基于同一发明构思,本说明书实施例中还提供了一种多尺度煤岩孔隙网络生成装置,如下面的实施例所述。由于多尺度煤岩孔隙网络生成装置解决问题的原理与多尺度煤岩孔隙网络生成方法相似,因此多尺度煤岩孔隙网络生成装置的实施可以参见多尺度煤岩孔隙网络生成方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。图3是本说明书实施例的多尺度煤岩孔隙网络生成装置的一种结构框图,如图3所示,包括:获取模块301、提取模块302、构建模块303、建立模块304和生成模块305,下面对该结构进行说明。
获取模块301用于获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像。
提取模块302用于提取纳米尺度扫描图像中的纳米尺度图像统计学特征,提取微米尺度扫描图像中的微米尺度图像统计学特征。
构建模块303用于基于纳米尺度图像统计学特征,构建目标煤岩的煤岩基质孔隙。
建立模块304用于根据微米尺度图像统计学特征,建立目标煤岩的煤岩裂隙系统。
生成模块305用于将煤岩基质孔隙与煤岩裂隙系统进行整合叠加,生成目标煤岩的多尺度煤岩孔隙网络。
在本说明书一些实施例中,构建模块可以具体用于:基于纳米尺度图像统计学特征,确定初始分布概率和生长概率;根据初始分布概率生成基质固相核点;重复以下步骤直至构建的煤岩基质孔隙的孔隙度满足预设条件:根据生长概率在多个预设方向上的取值,令基质固相核点在多个预设方向中各方向上随机生长,得到构建的煤岩基质孔隙,并计算构建的煤岩基质孔隙对应的孔隙度。
在本说明书一些实施例中,建立模块可以具体用于:根据微米尺度图像统计学特征在预设三维空间中设置多个随机点;遍历预设三维空间,计算预设三维空间中的多个像素点中各像素点与多个随机点中各随机点之间的距离;针对各像素点,将该像素点与各随机点之间的距离进行升序排序,得到各像素点对应的距离最小值和距离次最小值;遍历三维空间,根据各像素点对应的距离最小值和距离次最小值,确定各像素点是孔隙还是基质,得到煤岩裂隙系统。
在本说明书一些实施例中,根据各像素点对应的距离最小值和距离次最小值,确定各像素点是孔隙还是基质,可以包括:按照以下公式确定各像素点是孔隙还是基质:
式中,f(x,y,z)为预设三维空间中坐标为(x,y,z)的像素点的类型函数,在f(x,y,z)取值为0时,表明该像素点为孔隙,在f(x,y,z)取值为1时,表明该像素点为基质,Lmin为所述距离最小值,单位为μm,Lsec-min为所述距离次最小值,单位为μm,b为所述煤岩裂隙系统的开度,单位为μm;ΔH为所述煤岩裂隙系统的粗糙度,单位为μm。
在本说明书一些实施例中,生成模块可以具体用于:利用插值放大算法对煤岩裂隙系统进行区域局部放大;将局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,得到目标煤岩的多尺度煤岩孔隙网络。
在本说明书一些实施例中,将局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,可以包括:按照以下公式对局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,得到目标煤岩的多尺度煤岩孔隙网络:
其中,Π为目标煤岩的多尺度煤岩孔隙网络;Π1为煤岩裂隙系统;为煤岩裂隙系统中的基质部分;为煤岩裂隙系统中的孔隙部分;Π2为煤岩基质孔隙;为煤岩基质孔隙中的基质部分;为煤岩基质孔隙中的孔隙部分,Πskeleton为多尺度煤岩孔隙网络中的基质部分,Πpore为多尺度煤岩孔隙网络中的孔隙部分。
在本说明书一些实施例中,该装置还可以包括模拟模块,模拟模块可以用于:在得到目标煤岩的多尺度煤岩孔隙网络之后,基于灰色格子玻尔兹曼方程对多尺度煤岩孔隙网络中的流动进行模拟,得到目标煤岩的流动特性数据。
从以上的描述中,可以看出,本说明书实施例实现了如下技术效果:基于微米尺度图像统计学特征构建煤岩基质孔隙,基于纳米尺度图像统计学特征构建煤岩裂隙系统,再将二者进行整合叠加,得到目标煤岩的多尺度孔隙网络,使得得到的多尺度孔隙网络既包括纳米尺度的煤岩基质孔隙又包含微米尺度的裂隙系统,因而能够更加准确地表征目标煤岩的结构特性。而且,煤岩基质孔隙和裂隙系统是基于提取出的图像统计学特征进行数值重构得到的,因此,泛用性强,计算效率高。此外,还可以基于重构的多尺度煤岩孔隙网络,对流体在目标煤岩中的流动进行模拟,能够综合考虑煤岩基质孔隙与裂隙系统对流动的影响,从而能够准确描述煤储层流体的流动行为,为煤层气资源的有效开发提供理论指导,进而提高开发效率、节约开发成本。
本说明书实施方式还提供了一种计算机设备,具体可以参阅图4所示的基于本说明书实施例提供的多尺度煤岩孔隙网络生成方法的计算机设备组成结构示意图,所述计算机设备具体可以包括输入设备41、处理器42、存储器43。其中,所述存储器43用于存储处理器可执行指令。所述处理器42执行所述指令时实现上述任意实施例中所述的多尺度煤岩孔隙网络生成方法的步骤。
在本实施方式中,所述输入设备具体可以是用户和计算机系统之间进行信息交换的主要装置之一。所述输入设备可以包括键盘、鼠标、摄像头、扫描仪、光笔、手写输入板、语音输入装置等;输入设备用于把原始数据和处理这些数的程序输入到计算机中。所述输入设备还可以获取接收其他模块、单元、设备传输过来的数据。所述处理器可以按任何适当的方式实现。例如,处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述存储器具体可以是现代信息技术中用于保存信息的记忆设备。所述存储器可以包括多个层次,在数字系统中,只要能保存二进制数据的都可以是存储器;在集成电路中,一个没有实物形式的具有存储功能的电路也叫存储器,如RAM、FIFO等;在系统中,具有实物形式的存储设备也叫存储器,如内存条、TF卡等。
在本实施方式中,该计算机设备具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
本说明书实施方式中还提供了一种基于多尺度煤岩孔隙网络生成方法的计算机存储介质,所述计算机存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现上述任意实施例中所述多尺度煤岩孔隙网络生成方法的步骤。
在本实施方式中,上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的,用于进行网络连接通信的接口。
在本实施方式中,该计算机存储介质存储的程序指令具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
显然,本领域的技术人员应该明白,上述的本说明书实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本说明书实施例不限制于任何特定的硬件和软件结合。
应该理解,以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述,在所提供的示例之外的许多实施方式和许多应用对本领域技术人员来说都将是显而易见的。因此,本说明书的范围不应该参照上述描述来确定,而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。
以上所述仅为本说明书的优选实施例而已,并不用于限制本说明书,对于本领域的技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书的保护范围之内。
Claims (9)
1.一种多尺度煤岩孔隙网络生成方法,其特征在于,包括:
获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像;
提取所述纳米尺度扫描图像中的纳米尺度图像统计学特征,提取所述微米尺度扫描图像中的微米尺度图像统计学特征;
基于所述纳米尺度图像统计学特征,构建所述目标煤岩的煤岩基质孔隙;
根据所述微米尺度图像统计学特征,建立所述目标煤岩的煤岩裂隙系统;
将所述煤岩基质孔隙与所述煤岩裂隙系统进行整合叠加,生成所述目标煤岩的多尺度煤岩孔隙网络;
其中,基于所述纳米尺度图像统计学特征,构建所述目标煤岩的煤岩基质孔隙,包括:
基于所述纳米尺度图像统计学特征,确定初始分布概率和生长概率;
根据所述初始分布概率生成基质固相核点;
重复以下步骤直至构建的煤岩基质孔隙的孔隙度满足预设条件:
根据所述生长概率在多个预设方向上的取值,令所述基质固相核点在所述多个预设方向中各方向上随机生长,得到构建的煤岩基质孔隙,并计算所述构建的煤岩基质孔隙对应的孔隙度。
2.根据权利要求1所述的方法,其特征在于,根据所述微米尺度图像统计学特征,建立所述目标煤岩的煤岩裂隙系统,包括:
根据所述微米尺度图像统计学特征在预设三维空间中设置多个随机点;
遍历所述预设三维空间,计算所述预设三维空间中的多个像素点中各像素点与所述多个随机点中各随机点之间的距离;
针对所述各像素点,将该像素点与所述各随机点之间的距离进行升序排序,得到所述各像素点对应的距离最小值和距离次最小值;
遍历所述三维空间,根据所述各像素点对应的距离最小值和距离次最小值,确定所述各像素点是孔隙还是基质,得到煤岩裂隙系统。
4.根据权利要求1所述的方法,其特征在于,将所述煤岩基质孔隙与所述煤岩裂隙系统进行整合叠加,生成所述目标煤岩的多尺度煤岩孔隙网络,包括:
利用插值放大算法对所述煤岩裂隙系统进行区域局部放大;
将局部放大后的煤岩裂隙系统与煤岩基质孔隙进行叠加,得到所述目标煤岩的多尺度煤岩孔隙网络。
6.根据权利要求1所述的方法,其特征在于,在得到所述目标煤岩的多尺度煤岩孔隙网络之后,还包括:
基于灰色格子玻尔兹曼方程对所述多尺度煤岩孔隙网络中的流动进行模拟,得到所述目标煤岩的流动特性数据。
7.一种多尺度煤岩孔隙网络生成装置,其特征在于,包括:
获取模块,用于获取目标煤岩的纳米尺度扫描图像和微米尺度扫描图像;
提取模块,用于提取所述纳米尺度扫描图像中的纳米尺度图像统计学特征,提取所述微米尺度扫描图像中的微米尺度图像统计学特征;
构建模块,用于基于所述纳米尺度图像统计学特征,构建所述目标煤岩的煤岩基质孔隙;
建立模块,用于根据所述微米尺度图像统计学特征,建立所述目标煤岩的煤岩裂隙系统;
生成模块,用于将所述煤岩基质孔隙与所述煤岩裂隙系统进行整合叠加,生成所述目标煤岩的多尺度煤岩孔隙网络;
其中,所述构建模块具体用于:
基于所述纳米尺度图像统计学特征,确定初始分布概率和生长概率;
根据所述初始分布概率生成基质固相核点;
重复以下步骤直至构建的煤岩基质孔隙的孔隙度满足预设条件:
根据所述生长概率在多个预设方向上的取值,令所述基质固相核点在所述多个预设方向中各方向上随机生长,得到构建的煤岩基质孔隙,并计算所述构建的煤岩基质孔隙对应的孔隙度。
8.一种计算机设备,其特征在于,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述指令被执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110677970.5A CN113281239B (zh) | 2021-06-18 | 2021-06-18 | 多尺度煤岩孔隙网络生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110677970.5A CN113281239B (zh) | 2021-06-18 | 2021-06-18 | 多尺度煤岩孔隙网络生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113281239A CN113281239A (zh) | 2021-08-20 |
CN113281239B true CN113281239B (zh) | 2022-06-24 |
Family
ID=77284975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110677970.5A Active CN113281239B (zh) | 2021-06-18 | 2021-06-18 | 多尺度煤岩孔隙网络生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113281239B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902863B (zh) * | 2021-10-12 | 2023-08-29 | 华北科技学院 | 一种煤的等效孔隙网络拓扑结构表征方法 |
CN115993376B (zh) * | 2022-12-06 | 2023-09-15 | 东北石油大学 | 一种基于随机生长法的页岩基质数字岩心重构方法 |
CN116012545B (zh) * | 2023-03-22 | 2023-06-30 | 中国石油大学(华东) | 多尺度数字岩心建模方法、系统、存储介质及应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780744A (zh) * | 2016-12-27 | 2017-05-31 | 中国石油天然气集团公司 | 利用不同分辨率ct图像构建多尺度三维数字岩心的方法 |
CN108682020A (zh) * | 2018-04-28 | 2018-10-19 | 中国石油大学(华东) | 岩心微米ct孔隙结构重构方法 |
CN108876901A (zh) * | 2018-05-14 | 2018-11-23 | 中国石油大学(华东) | 一种基于二维图像和多点统计学的数字岩心重建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9134457B2 (en) * | 2009-04-08 | 2015-09-15 | Schlumberger Technology Corporation | Multiscale digital rock modeling for reservoir simulation |
-
2021
- 2021-06-18 CN CN202110677970.5A patent/CN113281239B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780744A (zh) * | 2016-12-27 | 2017-05-31 | 中国石油天然气集团公司 | 利用不同分辨率ct图像构建多尺度三维数字岩心的方法 |
CN108682020A (zh) * | 2018-04-28 | 2018-10-19 | 中国石油大学(华东) | 岩心微米ct孔隙结构重构方法 |
CN108876901A (zh) * | 2018-05-14 | 2018-11-23 | 中国石油大学(华东) | 一种基于二维图像和多点统计学的数字岩心重建方法 |
Non-Patent Citations (1)
Title |
---|
利用CT图像与压汞核磁共振构建高精度三维数字岩心;姜黎明等;《测井技术》;20160820(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113281239A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113281239B (zh) | 多尺度煤岩孔隙网络生成方法和装置 | |
Schütz et al. | Fast Out‐of‐Core Octree Generation for Massive Point Clouds | |
Al-Raoush et al. | Representative elementary volume analysis of porous media using X-ray computed tomography | |
US10891786B2 (en) | Generating data for a three-dimensional (3D) printable object, including a truss structure | |
Shi et al. | New method for initial density reconstruction | |
Nakahashi | High-density mesh flow computations with pre-/post-data compressions | |
RU2015104162A (ru) | Способ повышения точности значений свойств горной породы, полученных из цифровых изображений | |
CN105261068A (zh) | 基于Micro-CT技术的储层岩心三维实体模型重构方法 | |
CN111028335B (zh) | 一种基于深度学习的点云数据的分块面片重建方法 | |
Hasiuk et al. | Validating 3D-printed porous proxies by tomography and porosimetry | |
KR970014400A (ko) | 적응적 제어점제거에 근거한 영상의 불규칙 삼각형메쉬 표현을 위한 방법 | |
CN111291497A (zh) | 一种改进的数字岩心建模方法 | |
CN108492331B (zh) | 基于模拟压汞法获取岩石的孔径分布的方法和装置 | |
Liang et al. | Ultrahigh-Resolution Reconstruction of Shale Digital Rocks from FIB-SEM Images Using Deep Learning | |
CN106570934B (zh) | 针对大场景的空间隐函数建模方法 | |
CN114818408A (zh) | 一种基于多孔介质孔隙结构的宏观角度建模方法 | |
Groeber et al. | A framework for automated 3D microstructure analysis & representation | |
JP2015064625A (ja) | 画像処理装置、画像処理方法およびプログラム | |
KR100715669B1 (ko) | 다단계 해상도를 갖는 3차원 이미지 표현 장치 및 방법 | |
CN111508075A (zh) | 一种闭孔泡沫铝的三维真实有限元模型建模方法 | |
Fang et al. | Extracting geometrically continuous isosurfaces from adaptive mesh refinement data | |
Kara et al. | Quad-tree based geometric-adapted Cartesian grid generation | |
CN112131776B (zh) | 裂缝性三维数字岩心油水或气水分布模型的构建方法 | |
CN116823977B (zh) | 一种微纳结构透射电子断层图像重构的深度学习方法 | |
CN105317433B (zh) | 基于level-set函数的颗粒堆微观孔道提取方法 |
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 |