CN113963130A - 一种针对岩心裂隙的裂隙网络模型的构建方法 - Google Patents
一种针对岩心裂隙的裂隙网络模型的构建方法 Download PDFInfo
- Publication number
- CN113963130A CN113963130A CN202111240558.3A CN202111240558A CN113963130A CN 113963130 A CN113963130 A CN 113963130A CN 202111240558 A CN202111240558 A CN 202111240558A CN 113963130 A CN113963130 A CN 113963130A
- Authority
- CN
- China
- Prior art keywords
- fracture
- points
- model
- point
- dimensional
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Abstract
本发明涉及一种针对岩心裂隙构造裂隙网络模型的方法,含有以下步骤:(一)岩心断面图像获取,(二)岩心裂隙区域识别,(三)裂隙网络模型的构建;一方面,本发明结合了岩心的二维与三维特征进行裂隙区域的双重识别,具有更好的裂隙识别准确率,另一方面,本发明基于提取出的裂隙中轴面点和裂隙开度等几何参数信息,提出了一种构造裂隙离散平行板模型,并将其转化为裂隙网络模型的方法,通过在两相邻平行板之间设计过渡的控制单元体,消除了模型中因相邻两平行板开度不同和存在夹角问题而产生后续渗流特征的计算误差问题,使得构建裂隙网络模型在渗流模拟实验中更具有效性和准确性。
Description
技术领域
本公开属于数字岩心技术领域,具体是涉及一种针对岩心裂隙的裂隙网络模型的构建方法。
背景技术
这里的陈述仅提供与本公开相关的背景技术,而不必然地构成现有技术。
目前,大部分的石油和天然气主要存储在非常规油气藏中,而裂隙性油气藏是非常规油气藏中非常重要的一部分,因此提高裂隙性油气藏的采收率对于社会经济具有很大的意义。
由于直接利用岩心进行物理实验操作困难,实验数据不易测量,目前科研人员主要通过构建储层岩心的数字化模型的方法进行岩石的物理模拟实验,测试岩心渗透率、水力传导率等物理参数。
对于岩心进行物理模拟实验主要包括三维数字岩心的重构,岩心孔隙网络模型的构建以及相应的渗流模拟实验等步骤,其中对于岩心孔隙网络模型的构建效果的优劣直接影响渗流模拟实验的效率与准确性。目前对于不含裂隙的均质岩心空隙网络模型构建的研究较多且较为成熟,主要有居中轴线法和最大球法,然而这些方法却并不能适用于含裂隙岩心。
本发明针对于非常规岩心中的裂隙特征,构建一种针对含裂隙岩心的裂隙网络模型,后续可基于此裂隙网络模型构建孔隙裂隙混合网络模型,并可进行渗流模拟的研究。
发明内容
目前含裂隙的网络模型存在网络模型拓扑结构不合理、孔喉形态特性与实际有所不同等技术问题,本发明以含裂隙的岩心为研究对象,针对岩心的裂隙部分进行识别,并构建了一种裂隙网络模型。
具体地,本发明的技术方案如下:
步骤一:基于二维图像特征的裂隙连通区域识别:通过Micro-CT技术对于所测含裂隙岩心进行扫描,获取一定数量的岩心断面图像,并利用8邻域像素标记法标记出不同的孔隙或裂隙连通区域,再基于二维形状特征参数进行裂隙连通区域的识别。
步骤二:提取含裂隙连通区域中的裂隙区域:提取含裂隙连通区域的骨架,并对骨架进行裁剪和膨胀处理得到裂隙区域。
步骤三:基于三维模型特征的裂隙区域二次识别:通过步骤二提取的二维裂隙区域构建裂隙体素化模型,通过MC算法重构出体素化后裂隙体的三维表面模型,并基于该表面模型的特征参数进行裂隙体的二次识别,提高裂隙识别的准确性。
步骤四:裂隙几何参数的获取:以重构的裂隙三维表面模型的三角网格顶点为采样点集,采用PowerCrust算法获取裂隙的中轴面上点和内切球集合,进而得到裂隙开度的几何参数信息,其中,内切球直径为裂隙开度。
步骤五:重构简化的裂隙中轴面三角网格:提取裂隙中轴面的边界点和内部点,采用包围盒算法简化步骤四所提取出的岩心裂隙边界点与内部点,并重构出简化的裂隙中轴面三角网格。
步骤六:构建裂隙离散平行板模型:以裂隙中轴三角网格面为框架,沿着每个三角网格的法向量方向添加开度信息构建裂隙离散平行板模型。
步骤七:构建裂隙网络模型:将两相邻平行板转化为孔隙,在两相邻平行板之间设计一个过渡的控制单元体,即为吼道,将裂隙离散平行板模型转化为裂隙网络模型。
具体地,步骤一所述形状特征参数为形状因子F,最小外接矩形长宽比S,计算当量圆度θ。
所述形状因子F如公式(1)所示:
式中,A其中是连通区域的面积,用连通区域内像素点个数表示,P是连通区域的周长,用连通区域的白色边界像素点的个数表示。
公式(1)中所述形状特征参数F的取值范围为0-1,形状因子越接近于1,则表示形态越接近于圆形;形状因子越接近于0,则呈狭长线条状裂隙的可能性越大。经过大量实验,本发明选取形状因子阈值为0.051。
所述最小外接矩形长宽比S如公式(2)所示
公式(2)中,L是最小外接矩形的长,B是最小外接矩形的宽。
公式(3)中所述长宽比S越大则表明其形状越狭长,裂隙的可能性就越大。因此,本发明选取最小外接矩形长宽比阈值为6.373。
所述当量圆度θ如公式(3)所示:
公式(3)所述当量圆度θ的值越接近于1,则目标形态越接近于圆形,是裂隙的可能性就越小。经过大量实验,本发明选取当量圆度阈值为0.227。
具体地,步骤二所述提取含裂隙连通区域中的裂隙区域流程如下:
(1)基于形态学开运算操作去除小凸起、孤立区域或小桥。
(2)基于骨架细化算法提取经开运算处理后的含裂隙连通区域的骨架。
(3)闭环分枝经开环处理转变为普通分枝。
(4)裂隙主干提取。
具体地,步骤三中所述三维形状因子如公式(4)所示:
公式(4)中,V是三维模型的体积,S是三维模型的表面积。
公式(4)中三维形状因子的值越趋近于1,则三维模型越近似于球,而裂隙呈面状,与球形状相差较大,则当该值越趋近于1时,是面状三维裂隙的可能性越小。本发明选取的三维形状因子的阈值为0.005。
具体地,步骤四所述PowerCrust算法提取岩心裂隙的空间内切球和中轴面及其上的点集合操作如下:
(1)基于步骤四所述采样点集所述采样点集进行Delaunay三角剖分并构建Voronoi图。
(2)计算采样点集的极点,并标记内极点和外极点。
(3)以内极点为球心,内极点到对应采样点的距离为半径构建内极点球,内极点球集合为提取的岩心裂隙的空间内切球集合。
(4)以内极点集合经Delaunay三角剖分后可获取裂隙中轴面的三角网格模型。
具体地,步骤六所述等效平行板的开度r计算方法如公式(5),从而计算裂隙中轴三角网格面中所有单元三角网格的开度。
式中:r1,r2,r3为三角形网格三顶点对应的内切球半径。
具体地,步骤七所述裂隙网络模型的构建流程为:所得裂隙中轴面的每个三角网格的外接圆心为球心,每个平行板对应的的开度为直径,从而建立球状的孔隙模型,以两球心之间距离为长度,对应的相邻平行板的平均开度为直径,建立吼道模型,从而将裂隙转化成拓扑结构为孔隙-吼道-孔隙相连接的裂隙网络模型。
本发明的有益效果如下:
相比较于传统的最大球法及居中轴线法构建的数字岩心模型只适用于不含裂隙的均质岩心,本发明所提出的裂隙网络模型构建方法更适用于含裂隙岩心,获取的渗流模拟结果更为准确;同时,本发明所述方法参考了平行板模型的相关理论,并加以改进,相比较于传统的平行板模型,解决了当流体在裂隙离散平行板模型中流动时,因相邻两平行板开度不同和存在夹角问题而产生后续渗流特征的计算误差的问题,能够获取更为准确的渗流模拟实验结果。
附图说明
附图1为本发明实施例中构建岩心裂隙的裂隙网络模型的流程图。
附图2为本发明实施例中的8邻域像素标记法标记岩心图像中的各个连通区域。
附图3为本发明实施例中的旋转卡壳算法获取的岩心图像中连通区域的最小外接矩形。
附图4为本发明实施例中的对含裂隙连通区域进行形态学开运算示意图。
附图5为本发明实施例中的岩心裂隙主干提取过程示意图。
附图6为本发明实施例中的岩心裂隙骨架点分类原理示意图。
附图7为本发明实施例中的获取裂隙几何参数原理示意图。
附图8为本发明实施例中的基于PowerCrust算法提取岩心裂隙孔隙空间内切球和中轴面的示意图。
附图9为本发明实施例中的算法提取的裂隙轴面边界,裂隙中轴面边界点和内部点。
附图10为本发明实施例中的重建简化裂隙中轴三角网格面过程示意图。
附图11为本发明实施例中的裂隙平行板模型构建原理图。
附图12为本发明实施例中的裂隙平行板模型向孔隙喉道转化的原理图。
附图13为本发明实施例中的裂隙离散平行板模型转化为裂隙网络模型示意图。
图中:201、岩石基质区域,202、不同的孔隙以及裂隙所在连通区域,301、最小外接矩形,401、含裂隙连通区域,402、开运算处理后的含裂隙连通区域,501、细化算法提取的骨架,502、开环处理后的骨架,503、裂隙主干,504、膨胀处理后的裂隙主干,601、端点,602、内部点,603、分叉点,701、点云数据,702、Delaunay三角剖分图及Voronoi多边形,703、三角网格顶点的内外极点,801、裂隙的三角网格模型,802、内切球集合,803、裂隙中轴面,901、中轴面边界,902、边界点,903、内部点,1001、简化后的边界点,1002、简化后的边界,1003、重建的裂隙中轴三角网格面,1301、裂隙离散平行板模型,1302、裂隙网络模型。
具体实施方式
以下结合附图对本发明实施例作进一步说明:
本发明以一种含裂隙岩心的裂隙网络模型的构建为例,对发明内容的实施步骤进行介绍,整体流程如图1所示。
步骤一.基于二维图像特征的裂隙连通区域识别:通过Micro-CT技术对于所测含裂隙岩心进行扫描,获取一定数量的岩心断面图像,并利用基本全局阈值法对断面图像进行阈值分割,获取含孔隙及裂隙的连通区域。再基于二维形状特征参数进行裂隙连通区域的识别。
所述连通区域为在二值图像中,具有相同像素值且相互具有连通性的像素点组成的图像区域。
S1-1:采用8邻域像素标记法标记二维图像中的各个连通区域,具体过程如下:
(1)按照左-右-上-下逐个读取岩心断面二值化图像中的像素值;
(2)如果读取像素值为0,则读取下一像素;
(3)如果读取像素值为1,则读取其左、左上、右上四个邻域像素的像素值,若均为0,赋予当前像素新的标记;若只有一个为1,则把该像素的标记赋予给当前像素;若有多个为1,则按照左、左上、上、右上的顺序确定当前像素的标记色号,直到当前像素邻域没有新的值为1的像素,则相同色号所标记像素构成的集合为一个连通区域。
通过以上步骤遍历二值图像的所有像素,从而使用不同像素值标记出图像的各个连通区域,如图2所示。其中201为岩石基质区域,202不同的孔隙以及裂隙所在连通区域。
S1-2:图像的连通区域提取后,采用Canny算子对每个连通区域提取其边缘轮廓,采用旋转卡壳算法计算边缘轮廓的最小外接矩形,如图3所示,301为最小外接矩形。从而计算每个连通区域边缘轮廓的二维形状特征参数。
具体地,所述旋述转卡壳算法为:首先计算目标的凸包,并求出凸包边界与坐标轴的夹角,接着根据夹角使凸包旋转平移至坐标轴,计算两坐标轴方向凸包的最大长度,最后选取面积最小的外接矩形为最小外接矩形。
具体地,所述连通区域二维形状特征参数为形状因子F,最小外接矩形长宽比S,计算当量圆度θ。
所述形状因子F如公式(1)所示:
式中,A其中是连通区域的面积,即连通区域内像素点个数,P为连通区域的周长,即轮廓边界像素点的个数。本发明选取形状因子阈值F为0.051,因此当形状因子F小于0.051时,即判断该联通区域为裂隙联通区域。
所述最小外接矩形长宽比S如公式(2)所示,图2所示为通过旋转卡壳算法,计算的二维图像中各个连通区域的最小外接矩形301。
公式(2)中,L是最小外接矩形的长,B是最小外接矩形的宽。本发明选取最小外接矩形长宽比阈值为6.373,因此当最小外接矩形长宽比S大于6.373时,即判断该联通区域为裂隙联通区域。
所述当量圆度θ如公式(3)所示:
步骤二.提取含裂隙连通区域中的裂隙区域:对于获取的二值化图像中含裂隙连通区域进行开运算;通过骨架细化算法提取出断面二值化图片中的裂隙骨架;结合分叉点和骨架长度提取裂隙主干;通过膨胀算法获取裂隙区域。
具体地,如图4所示,所述基于形态学开运算的操作去除了含裂隙连通区域401的孤立区域403、小桥404或小凸起405,经开运算处理后的含裂隙连通区域如402所示。
具体地,基于骨架细化算法提取开运算后的含裂隙连通区域的骨架,提取的骨架如501所示,若骨架中含有闭环分枝,则通过开环处理将闭环分支转变为普通分枝。
具体地,所述闭环分支转变为普通分枝的方法:首先采用形态学闭运算操作填充闭环区域,然后再次提取骨架,即可将闭环分枝转变为普通分枝,转换后的骨架如502所示。
具体地,所述通过裁剪得到裂隙主干,步骤如下:
S2-1:将所有的骨架点分为端点、内部点和分叉点三类。记C为每一个骨架点8邻域像素中灰度值为1的像素点的个数,如图6所示,当C=1时,骨架点为端点601;当C=2时,骨架点为内部点602;当C≥3时,骨架点为分叉点603。
S2-2:对于每个端点在其8邻域范围内寻找骨架点,标记其邻域内骨架点,再以新骨架点为起点继续寻找,直到寻找到最近分叉点时,结束路径查找,标记出端点与最近分叉点的路径。
S2-3:如果只有一个分叉点,则计算各个端点到该分叉点的路径长度,保留最长路径为裂隙主干,并计算每个端点对应的的法线方向,保留与裂隙主干法线方向最接近的路径,最终获得裂隙主干如503所示。
S2-4:如果有多个分叉点,则寻找所有端点到最近分叉点的路径,若一个分叉点处有一条路径,则删除该条路径;若一个分叉点处存在大于或等于2条路径,则只保留最长路径,迭代处理直至只剩一个分叉点,则按照S2-3操作。
具体地,本发明对提取的裂隙主干进行形态学膨胀处理,接着与原含裂隙连通区域取交集得到连通区域中的裂隙部分。通过不同的膨胀值作比较,选取膨胀值为16以提取膨胀处理后的裂隙区域504。
步骤三.基于三维模型特征的裂隙体二次识别:对于步骤二提取的二维裂隙区域构建裂隙体素化模型,并通过MC算法重构出裂隙体的三维表面模型,并基于所获三维表面模型的特征参数进行裂隙区域的二次识别,提高裂隙区域识别的准确性。
具体地,步骤三所述三维形状因子如公式(4)所示:
公式(4)中,V是三维模型的体积,S是三维模型的表面积。
本发明选取的三维形状因子的阈值为0.005,即当三维形状因子小于0.005,即判断该联通区域为裂隙联通区域。
步骤四:如图8中801所示,步骤三获取的岩心裂隙三维表面模型为三角网格模型,本发明以三角网格顶点为采样点集,采用PowerCrust算法获取裂隙中轴面和内切球集合,以及裂隙开度等特征参数。
具体地,步骤四所述PowerCrust算法提取岩心裂隙孔隙空间内切球和中轴面操作如下:
S3-1:基于步骤4所述采样点集进行Delaunay三角剖分并构建Voronoi图,如图7所示。
(1)设采样点集为S,Si为采样点集S中的任意一点,寻找采样点集S中距离Si最近的点Sj,两点连线形成线段SiSj,设线段SiSj为初始三角网格边。
(2)寻找初始三角网格边SiSj右侧点集中距离其最近的第三个点Sk。
(3)初始三角网格边SiSj和第三个点Sk形成第一个三角网格,得到新的两个三角网格边SiSk和SjSk。
(4)重复步骤(2)、(3)直至所有采样点处理完毕。
S3-2:计算采样点集的极点,并标记内极点和外极点,如图703所示。
具体地,距离采样点集最远的Voronoi凸多面体的顶点为对应采样点的极点,有内极点和外极点。位于岩心空间表面模型外部的极点为外极点,位于内部的极点为内极点。原理如图8所示,F为岩心空间表面,p为岩心表面模型的某一个三角网格顶点,p1为该网格顶点对应的内极点,p2为该网格顶点对应的外极点。
S3-3:以内极点为球心,内极点到对应采样点的距离为半径构建内极点球,内极点球集合为提取的岩心内切球。提取出的岩心内切球集合如图802所示,其中内切球直径为裂隙开度。
S3-4:以内极点经Delaunay三角剖分后可获取裂隙中轴面的三角网格模型,如图803所示。裂隙中轴面上的点为裂隙中轴面点。
步骤五:提取重构的裂隙中轴面的边界点和内部点,并采用包围盒算法简化步骤S3-4所提取出的岩心裂隙边界点与内部点,最后重构简化的裂隙中轴面三角网格。
具体地,步骤五所述提取裂隙中轴面边界的流程如下:
S4-1:设中轴面包含的所有三角网格边的集合为E,中轴面的任一三角网格边为e,取三角网格边集合E中的一条三角网格边e1,并将边e1从三角网格边集合E中删除。
S4-2:计算边为e1的三角网格的个数n,若n=1,则将边e1放入边界边集合E';若n≥2,则边e1不能放入三角网格边集合E'。
S4-3:检查三角网格边集合E是否为空,若为空,则已遍历完所有的三角网格边,完成了边界的提取;若不为空,则进行步骤S4-4。
S4-4:取三角网格边集合E中的下一条三角网格边e2,并将边e2从三角网格边集合E中删除,接着按照步骤S4-2完成边e2的检测。
按照上述步骤完成三角网格边集合中所有三角网格边的检测,以获取三角网格边集合,完成裂隙中轴面边界的提取。图9所示为裂隙中轴面边界901、裂隙中轴面的边界点902、裂隙中轴面的内部点903的流程。
具体地,步骤五所述采用包围盒算法对裂隙中轴面的边界点进行简化流程如下:
S5-1:构建包含全部的裂隙中轴面边界点的最小包围盒,其长宽高为L、W、H。
S5-2:将长宽高为的包围盒划分为若干个长宽高为l、w、h的子包围盒,最后对每个子包围盒进行标记编号。
S5-3:划分出的子包围盒含有一定数量的裂隙中轴面边界点,每个中轴面边界点对应一个裂隙开度(开度为其对应的最大内切球半径),保留每一个子包围盒内对应最小裂隙开度的中轴面边界点,得到简化后的中轴面边界点。
S5-4:按顺序连线即可得到简化后的裂隙中轴面边界。图1001为裂隙中轴面边界点、图1002为裂隙中轴面边界。
同理,采用包围盒算法对裂隙中轴面的内部点进行简化。
具体地,基于步骤五所述重建简化后的裂隙中轴三角网格面。
首先对简化的边界点和内部点拟合最小二乘面,将简化的边界点和内部点投影至最小二乘面。
对于投影至最小二乘面的点进行Delaunay三角剖分算法构建三角网格面,基于该三角网格面的拓扑关系返回至简化的边界点和内部点,则形成基于简化边界点和内部点的裂隙中轴三角网格面,如图1003所示。
步骤六:基于该裂隙中轴三角网格面框架结合裂隙开度信息构建裂隙离散平行板模型。
具体地,步骤六所述构建裂隙离散平行板模型流程:首先计算裂隙中轴三角网格面中所有单元三角网格的法向量和开度,最后基于重构的裂隙中轴三角网格面框架结合法向量和开度信息构建裂隙离散平行板模型,具体如下:
具体地,裂隙中轴三角网格面中所有单元三角网格的法向量基于公式(5)计算。
式中,A(a1,b1,c1)、B(a2,b2,c2)、C(a3,b3,c3)为所计算的单元三角网格坐标,i,j,k是x,y,z坐标轴上的单位法向量。
裂隙中轴三角形网格面的等效平行板的开度基于公式(6)计算:
式中,r1,r2,r3三角形网格三顶点对应的内切球半径。
如图11所示,遍历每个单元三角网格,以此构建的裂隙离散平行板模型。
步骤七.构建裂隙网络模型:对于步骤六构建的离散平行板模型,将两相邻平行板转化为孔隙,在两相邻平行板之间设计一个过渡的控制单元体,即为吼道,将裂隙离散平行板模型转化为裂隙网络模型。流程如下:
首先计算相邻两个三角网格的外接圆的圆心,以圆心为球心,对应三角网格形成的三角形平行板的开度为直径建立孔隙,以相邻两球心之间的距离为长度,以相邻两个三角形平行板的平均开度为直径建立过渡单元体喉道,其原理如图12所示,其中,虚线部分为三角网格,点i、j为三角网格外接圆圆心,中间部分为过渡的控制单元体,两侧为平行板。遍历裂隙中轴面的每一个三角网格,如图13所示,将裂隙离散平行板模型转化为孔隙-吼道-孔隙模式的裂隙网络模型。
上述实施例用来解释本发明,而不是对本发明进行限制,在本发明的精神和权力要求的保护范围内,对本发明做出的任何修改和改变,都落入本发明的保护范围。
Claims (7)
1.一种针对岩心裂隙的裂隙网络模型的构建方法,其特征在于,包含有以下步骤:
步骤一,基于二维图像特征的裂隙连通区域识别:采用8邻域像素标记法对岩心CT扫描二值化图像进行连通区域标记,识别出含孔隙及裂隙的连通区域;并基于二维形状特征参数提取出含裂隙的连通区域;
步骤二,提取含裂隙连通区域中的裂隙区域:提取含裂隙连通区域的骨架,并对骨架进行裁剪和膨胀处理得到裂隙区域;
步骤三,基于三维模型特征的裂隙体二次识别:建裂隙体素化模型,通过MC算法重构裂隙体的三维表面模型,并基于三维特征参数进行裂隙体的二次识别;
步骤四,裂隙几何参数的获取:基于步骤三所获取的裂隙体三维表面模型,采用PowerCrust算法获取裂隙的中轴面点和内切球集合,并获得裂隙开度等特征参数;
步骤五:提取步骤四中获取的裂隙中轴面的边界点和内部点:基于包围盒算法简化边界点与内部点,并基于采用Delaunay三角剖分算法重建裂隙中轴三角网格面;
步骤六:构建裂隙离散平行板模型:基于裂隙中轴三角网格面框架沿着每个三角网格的法向量方向添加开度信息构建裂隙离散平行板模型;
步骤七,构建裂隙网络模型:将两相邻平行板转化为孔隙,在两相邻平行板之间设计一个过渡的控制单元体,即为吼道,将裂隙离散平行板模型转化为裂隙网络模型。
3.根据权利要求1所述一种针对岩心裂隙的孔隙网络模型的构建方法,其特征在于,步骤二中,对裂隙骨架进行裁剪以提取裂隙区域主干时,引入了骨架点与骨架长度相结合的判别方法:
(3-1)将所有的骨架点分为端点、内部点和分叉点三类,对于每个端点在其8邻域范围内寻找骨架点,寻找到最近分叉点时,结束路径查找,获取端点与最近分叉点的路径;
(3-2)如果只有一个分叉点,则计算各个端点到该分叉点的路径长度,保留最长路径为裂隙主干,并计算裂隙主干的法线方向,接着计算其余端点到分叉点路径在分叉点处的法线方向,保留与裂隙主干法线方向最接近的端点到分叉点的路径;
(3-3)如果有多个分叉点,则寻找所有端点到最近分叉点的路径,若一个分叉点处有一条路径,则删除该条路径;若一个分叉点处存在大于或等于2条路径,则只保留最长路径,迭代处理直至只剩一个分叉点,则按照步骤(3-2)操作。
4.根据权利要求3所述引入的骨架点与骨架长度相结合的判别方法,其特征在于,对于分叉点的划分步骤如下:
通过判断每一个骨架点8邻域像素中灰度值为1的像素点个数C,将所有的骨架点分为端点、内部点和分叉点三类,当C=1时,骨架点为端点;当C=2时,骨架点为内部点;当C≥3时,骨架点为分叉点。
5.根据权利要求1所述一种针对岩心裂隙的孔隙网络模型的构建方法,其特征在于,步骤六中,结合了重构的裂隙中轴三角网格面的法向信息和裂隙开度信息构建裂隙离散平行板模型:
(5-1)对于一个三角网格,设其顶点坐标为A(a1,b1,c1),B(a2,b2,c2),C(a3,b3,c3),该三角网格的法向量为:
其中i,j,k是x,y,z坐标轴上的单位法向量;
(5-2)裂隙中轴三角形网格面的等效平行板的开度为:
其中,r1,r2,r3三角形网格三顶点对应的内切球半径;
(5-3)遍历完所有的三角网格,求出所有三角网格的法向量与等效平行板的开度;基于裂隙中轴三角网格面框架沿着法向量方向添加开度信息构建裂隙离散平行板模型。
6.根据权利要求5所述重构的裂隙中轴三角网格面,其特征在于,首先提取裂隙中轴面的三角网格模型的边界,得到边界点和内部点,接着采用包围盒算法对裂隙边界和内部点进行简化,然后基于简化的边界和内部点采用Delaunay三角剖分算法重建裂隙中轴三角网格面。
7.根据权利要求1所述一种针对岩心裂隙的裂隙网络模型的构建方法,其特征在于,步骤七中,裂隙离散平行板模型转化为裂隙网络模型的方法具体如下:
以裂隙中轴面的每个三角网格的外接圆心为球心,每个平行板对应的的开度为直径,从而建立球状的孔隙模型,以两球心之间距离为长度,对应的相邻平行板开度为直径,建立吼道模型,从而将裂隙转化成孔隙-吼道-孔隙相连接的裂隙网络模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111240558.3A CN113963130A (zh) | 2021-10-25 | 2021-10-25 | 一种针对岩心裂隙的裂隙网络模型的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111240558.3A CN113963130A (zh) | 2021-10-25 | 2021-10-25 | 一种针对岩心裂隙的裂隙网络模型的构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113963130A true CN113963130A (zh) | 2022-01-21 |
Family
ID=79466643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111240558.3A Pending CN113963130A (zh) | 2021-10-25 | 2021-10-25 | 一种针对岩心裂隙的裂隙网络模型的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113963130A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131295A (zh) * | 2022-06-06 | 2022-09-30 | 清华大学 | 工程岩体裂隙网络构建方法、系统与装置 |
CN116152259A (zh) * | 2023-04-23 | 2023-05-23 | 西南石油大学 | 一种基于图神经网络的储层渗透率计算方法 |
JP7418767B1 (ja) | 2022-11-02 | 2024-01-22 | 浙大城市学院 | マルチスケール不均質性を有する三次元割れ目ネットワーク岩体モデル特徴付け法 |
-
2021
- 2021-10-25 CN CN202111240558.3A patent/CN113963130A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131295A (zh) * | 2022-06-06 | 2022-09-30 | 清华大学 | 工程岩体裂隙网络构建方法、系统与装置 |
CN115131295B (zh) * | 2022-06-06 | 2023-08-29 | 清华大学 | 工程岩体裂隙网络构建方法、系统与装置 |
JP7418767B1 (ja) | 2022-11-02 | 2024-01-22 | 浙大城市学院 | マルチスケール不均質性を有する三次元割れ目ネットワーク岩体モデル特徴付け法 |
CN116152259A (zh) * | 2023-04-23 | 2023-05-23 | 西南石油大学 | 一种基于图神经网络的储层渗透率计算方法 |
CN116152259B (zh) * | 2023-04-23 | 2023-07-04 | 西南石油大学 | 一种基于图神经网络的储层渗透率计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113963130A (zh) | 一种针对岩心裂隙的裂隙网络模型的构建方法 | |
CN110853138B (zh) | 双重介质碳酸盐岩孔隙-裂缝双重网络模型构建方法 | |
WO2024077812A1 (zh) | 基于点云语义分割与结构拟合的单体建筑三维重建方法 | |
CN110222642B (zh) | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 | |
CN107330901B (zh) | 一种基于骨架的物体构件分解方法 | |
CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
CN109658431B (zh) | 基于区域生长的岩体点云平面提取方法 | |
CN109685821A (zh) | 基于高质量体素的区域生长3d岩体点云平面提取方法 | |
CN106874580A (zh) | 一种基于点云数据的弯管模型重建方法 | |
CN109615581B (zh) | 一种融合扩展高斯球和颜色几何特征的三维碎片的拼接复原方法 | |
CN114332366A (zh) | 数字城市单体房屋点云立面3d特征提取方法 | |
CN107545602B (zh) | 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法 | |
CN112396641B (zh) | 一种基于全等二基线匹配的点云全局配准方法 | |
CN110599506A (zh) | 一种复杂异形曲面机器人三维测量的点云分割方法 | |
CN112307553A (zh) | 一种对三维道路模型进行提取与简化的方法 | |
CN111508073A (zh) | 一种三维建筑模型屋顶轮廓线的提取方法 | |
CN107945189A (zh) | 一种基于正态分布变换单元的点云平面分割方法 | |
CN113362359A (zh) | 融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法 | |
CN106447777A (zh) | 布尔运算支持下的三维拓扑关系表达与映射 | |
Shen et al. | A simplification of urban buildings to preserve geometric properties using superpixel segmentation | |
Shen et al. | Extracting centerlines from dual-line roads using superpixel segmentation | |
Hu et al. | Geometric feature enhanced line segment extraction from large-scale point clouds with hierarchical topological optimization | |
CN115082716A (zh) | 一种面向道路精细重建的多源点云粗匹配算法 | |
CN113255677B (zh) | 一种岩体结构面及产状信息快速提取方法、设备及介质 | |
CN111428776B (zh) | 基于骨架线匹配的二维不规则轮廓排样方法 |
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 |