CN114998246A - 基于图像分层处理技术计算多孔介质绝对渗透率的方法 - Google Patents
基于图像分层处理技术计算多孔介质绝对渗透率的方法 Download PDFInfo
- Publication number
- CN114998246A CN114998246A CN202210594514.9A CN202210594514A CN114998246A CN 114998246 A CN114998246 A CN 114998246A CN 202210594514 A CN202210594514 A CN 202210594514A CN 114998246 A CN114998246 A CN 114998246A
- Authority
- CN
- China
- Prior art keywords
- image
- permeability
- dimensional
- pixel
- porous medium
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10056—Microscopic image
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开基于图像分层处理技术计算多孔介质绝对渗透率的方法,所述方法包括以下步骤:S1、首先使用SEM,CT,FIB等微观成像技术对多孔介质材料进行拍摄,获得其二维微观结构数字图像,S2、使用岩土体材料数字图像分割阈值算法,对其二维数字图像进行图像分割处理,获得岩土体材料二值图分,S3、将S2中得到的材料二值图输入二维数字图像渗透率算法模型中,得到对应图像的渗透率。本发明方法,岩芯技术的测试分析速度快,单个试样半小时之内即可测得渗透率。同时人工费低廉,钻井平台带到地面的岩屑,同样可以分析计算出相关技术指标,测试样品选取方便,采用微观成像技术对岩芯进行的是无损拍摄,直接对图像进行分析计算,不试损伤样。
Description
技术领域
本发明涉及数字图像成像技术领域,具体是基于图像分层处理技术计算多孔介质绝对渗透率的方法。
背景技术
多孔介质材料在自然界中广泛存在,渗透率是评价多孔介质特性的重要指标之一,在许多工程实践中如何有效的获取渗透率成为目前研究的热点。
在环境地球科学以及新能源开发领域,如二氧化碳深层地质封存、多相多场耦合机理及灾害预测研究、非常规油气资源开采等,都涉及到岩土体多孔介质材料的渗透率,这一物理指标对指导工程实践具有重要的意义。
此外自爱船舶码头、货运港口、海上发射平台等工程建设项目,以及地外行星探测和星球演化分析,涉及到的相关多孔介质材料渗透率都具有重要的作用。
设备造价高,测试周期长,测试过程中需要对岩芯施加一定的围压,对一些敏感脆弱的试样,容易永久性的破坏其原始内部孔隙结构,损伤后无法进行后续的分析测试工作。对于一些不易取得,取芯难度和成本较大的试样,不宜使用该方法进行测试。
发明内容
本发明的目的在于提供基于图像分层处理技术计算多孔介质绝对渗透率的方法,解决现有技术中测试设备造价高、测试周期长、测试过程取芯难度大的问题。
本发明的目的可以通过以下技术方案实现:
基于图像分层处理技术计算多孔介质绝对渗透率的方法,所述方法包括以下步骤:
S1、首先使用SEM,CT,FIB等微观成像技术对多孔介质材料进行拍摄,获得其二维微观结构数字图像。
S2、使用岩土体材料数字图像分割阈值算法,对其二维数字图像进行图像分割处理,获得岩土体材料二值图分。
S3、将S2中得到的材料二值图输入二维数字图像渗透率算法模型中,得到对应图像的渗透率。
进一步的,所述S2包括图像分割是指将图像分为具有特定特征的区域并提取目标图像的过程,一般情况下,拍摄得到的数字图像不能直接用于岩土体材料的定量研究,需要对图像进行一系列的后处理,其中最重要的是对图像进行准确的二值化,对于岩土体材料数字图像中的孔-裂隙结构,正是通过二值化将其提取出来,而二值化的关键在于分割阈值的设定,比较图像中每个像素点的灰度值与给定的分割阈值之间的数值大小,来将图像中的像素点分为孔-裂隙结构和岩土体基质,其定义为:
式中:T为给定的分割阈值,f(x,y)为原始图像在(x,y)处像素点的灰度值,g(x,y)为图像二值化后在(x,y)处像素点的灰度值,1和0为图像中像素点分类的标号,在岩土体材料数字图像中,1代表土体基质,0代表土体孔-裂隙结构。
进一步的,所述S3包括算法模型原理如下:
对于一张岩土体材料二维微观数字图像,其流体流动路径主要分为三个方向XYZ,其中Z方向为垂直于图像,XY方向与图像在同一平面,适用于二维图像XY方向上的渗透率计算,
对于XY方向上,流体沿着二值图中的黑色像素结构的孔-裂隙渗透和流动,其为不规则形态,渗透率计算模型主要根据Hagen-Poiseuille定律,表达式为:
上式中,ΔP为压力损失,l为细管长度,μ为动粘度,Q为体积流率,R为细管半径;
由于通过微积分中“化曲为直”的微分方法,构建了新的有效的渗透率计算模型,对于像素尺度二值图,黑色像素整体组成的孔隙结构成弯曲不规则形态,但将整体根据像素点微分成多层时,每一层的黑色像素组成的孔隙结构管道为规则直管,将该思想推广到整张二值图,此时使用Hagen-Poiseuille定律来进行计算和渗透率模型构建。
进一步的,所述S3包括渗透率计算模型构建,由于单个像素的尺寸为微米级,故可将原本方形直管近似为圆直管,结合达西定律和Hagen-Poiseuille定律可以推导出单层像素图像的渗透率表达式为:
上式中,ki为第i层像素图像的渗透率,Re为图像分辨率,N0为第i层像素图像代表孔隙结构的黑色像素个数,N为单层总像素数;
将单层像素图像和整张图像的渗透率通过达西定律结合起来,表达式为:
上式中,ΔP为整张图像的压强差,Q为整张图像的流量,K为整张图像的渗透率,L为流体流动方向上图像的长度,A为截面面积,ΔPi为第i层像素图像的压强差,Qi为第i层像素图像的流量,Li为第i层像素图像流体流动方向上的长度,其中,ΔP=∑ΔPi和Q=Qi;
得到整张二维图像渗透率,其表达式为:
上式中,K为整张图像的渗透率,M为流体流动方向上图像的像素层数。
进一步的,所述S3包括使用CT等成像技术进行三维重构,得到Z方向上的流动路径,进行三维重构的渗透率计算;
使用CT、FIB等成像技术能够获得500张以上的多孔介质二维图像,通过三维重构技术获得其立体可视化图像。
进一步的,所述S3包括流体通过联通孔隙结构向X方向渗流,每一层都是一张二维图像,以前面一节所述的二维图像渗透率计算方法,计算得到单张二维图像的渗透率Ki;
将单张二维图像和三维重构图像的渗透率通过达西定律结合起来,表达式为:
式中,ΔP为整个三维重构图像X方向上的压强差,Q为整个三维重构图像X方向上的流量,K3D为整个三维重构图像X方向上的渗透率,l为流体流动的长度,A为整个三维重构图像截面面积,ΔPi为第i层图像的压强差,Qi为第i层图像的流量,li为第i层图像流体流动的长度,Ai为第i层图像截面面积;
其中,ΔP=ΔPi,Q=∑Qi,l=li
最终得到整个三维重构图像X方向上的渗透率,其表达式为:
式中,M为三维重构图像所需的二维图像数量;
以上计算方法以X方向为例,Y方向也是同样的计算方法和公式。
进一步的,所述S3包括Z方向上的渗透率计算方法如下:
在Z方向上,通过三维重构直接观察到多孔介质内部孔隙结构分布情况,由曲折的孔隙管道构成;而相邻两张CT图像间隔为一个像素(微米级),因此使用微分思想“化曲为直”,相邻两张图像之间孔隙管道近似为直管道,再通过PSD算法得到每张CT图像的孔径分布,进而计算出每张图像的渗透率Ki;
最后将单层像素图像和整张图像的渗透率通过达西定律结合起来(与之前的推导方式类似),得到三维重构图像Z方向的渗透率表达式:
上式中,M为三维重构图像所需的二维图像数量。
本发明的有益效果:
1、本发明方法,岩芯技术的测试分析速度快,单个试样半小时之内即可测得渗透率。同时人工费低廉,钻井平台带到地面的岩屑,同样可以分析计算出相关技术指标,测试样品选取方便;
2、本发明方法,采用微观成像技术对岩芯进行的是无损拍摄,后续直接对图像进行分析计算,对试样没有任何损伤。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明不同岩土体材料预处理后二值图;
图2是本发明流体渗流Z方向示意图;
图3是本发明流体渗流XY方向示意图;
图4是本发明岩土体二值图像素尺度示意图;
图5是本发明岩土体二值图微分示意图;
图6是本发明基于二维数字图像像素的渗透率计算模型示意图;
图7是本发明多孔介质三维重构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
基于图像分层处理技术计算多孔介质绝对渗透率的方法,所述方法包括以下步骤:
S1、获取二维微观结构数字图像
首先使用SEM,CT,FIB等微观成像技术对多孔介质材料进行拍摄,获得其二维微观结构数字图像;
S2、分析得到二值图
以岩土材料为例,如图1所示,使用岩土体材料数字图像分割阈值算法,对其二维数字图像进行图像分割处理,获得岩土体材料二值图;
岩土体材料数字图像分割阈值算法在专利号为CN110021030A中公开。
图像分割是指将图像分为具有特定特征的区域并提取目标图像的过程。一般情况下,拍摄得到的数字图像不能直接用于岩土体材料的定量研究,需要对图像进行一系列的后处理,其中最重要的是对图像进行准确的二值化。对于岩土体材料数字图像中的孔-裂隙结构,正是通过二值化将其提取出来,而二值化的关键在于分割阈值的设定。比较图像中每个像素点的灰度值与给定的分割阈值之间的数值大小,来将图像中的像素点分为孔-裂隙结构和岩土体基质,其定义为:
式中:T为给定的分割阈值,f(x,y)为原始图像在(x,y)处像素点的灰度值,g(x,y)为图像二值化后在(x,y)处像素点的灰度值,1和0为图像中像素点分类的标号,在岩土体材料数字图像中,1代表土体基质,0代表土体孔-裂隙结构。在二值图中直观的来说,即:黑色像素为土体孔-裂隙结构,白色像素为土体基质。
S3、计算得到渗透率
将S2中得到的材料二值图输入二维数字图像渗透率算法模型中,得到对应图像的渗透率。
算法模型原理如下:
如图2、图3所示,对于一张岩土体材料二维微观数字图像,其流体流动路径主要分为三个方向XYZ,其中Z方向为垂直于图像,XY方向与图像在同一平面,适用于二维图像XY方向上的渗透率计算。
对于XY方向上,流体沿着二值图中的黑色像素结构的孔-裂隙渗透和流动,其为不规则形态。渗透率计算模型主要根据Hagen-Poiseuille定律,Hagen-Poiseuille定律是描述流体流经细管所产生的压力损失,压力损失和体积流率、动黏度和管长的乘积成正比,和管径的四次方成反比例,此定律适用于不可压缩、不具有加速度、层流稳定且长于管径的牛顿流体。其表达式为:
上式中,ΔP为压力损失,l为细管长度,μ为动粘度,Q为体积流率,R为细管半径。
如图4所示,由于上述定律只适用于规则的长直管,所以无法直接套用在岩土体材料二维不规则孔-裂隙结构中,通过借鉴微积分中“化曲为直”的微分方法,构建了新的有效的渗透率计算模型。以图3为例,放大其细节,得到像素尺度(每个像素大小为5.345um×5.345um)示意图。
如图5所示,对于像素尺度二值图,黑色像素整体组成的孔隙结构成弯曲不规则形态,但将整体根据像素点微分成多层时,每一层的黑色像素组成的孔隙结构管道为规则直管,图5中共10层,将该思想推广到整张二值图,此时使用Hagen-Poiseuille定律来进行计算和渗透率模型构建。
渗透率计算模型构建:
如图6所示,由于单个像素的尺寸为微米级,故可将原本方形直管近似为圆直管,结合达西定律和Hagen-Poiseuille定律可以推导出单层像素图像的渗透率表达式为:
上式中,ki为第i层像素图像的渗透率,Re为图像分辨率,N0为第i层像素图像代表孔隙结构的黑色像素个数,N为单层总像素数。
将单层像素图像和整张图像的渗透率通过达西定律结合起来,表达式为:
式中,ΔP为整张图像的压强差,Q为整张图像的流量,K为整张图像的渗透率,L为流体流动方向上图像的长度,A为截面面积,ΔPi为第i层像素图像的压强差,Qi为第i层像素图像的流量,Li为第i层像素图像流体流动方向上的长度。其中,ΔP=∑ΔPi和Q=Qi。
最终得到整张二维图像渗透率,其表达式为:
式中,K为整张图像的渗透率,M为流体流动方向上图像的像素层数。
1、上式中,N0不等于0,否则K等于0,不符合实际。因此若存在某一层N0等于0,则不将该层Ki计算在内。
2、二值图中黑色像素代表孔隙结构,但并不代表流体仅从其中通过,因为成像分辨率的原因,更小的孔隙结构并未拍摄出来,流体同时也从其中通过。因此,在二值图中显示的非连续孔隙通道并不影响实际渗流。
在Z方向上,由于获得的为岩土体材料二维图像,因此无法得知Z方向上的流动路径,需要使用CT等成像技术进行三维重构,进行三维重构的渗透率计算方法如下。
通过二维数字图像虽然可获得多孔介质材料的微观结构,但由于真实的多孔介质内部包含了错综复杂的空隙网络,二维图像只能够观察到样品表面的空隙结构,具有一定的片面性,计算中也无法考虑内部复杂孔隙结构。使用CT,FIB等技术手段,可以获得多孔介质的大量切面二维图像,通过相关算法进行三维重构,即可直观的看到其内部全部的孔隙结构。通过对三维重构图像进行计算,从而获得多孔介质的渗透率。
如图7所示,使用CT、FIB等成像技术能够获得500张以上的多孔介质二维图像,通过三维重构技术获得其立体可视化图像。
以X方向为例,流体通过联通孔隙结构向X方向渗流,每一层都是一张二维图像,以前面一节所述的二维图像渗透率计算方法,计算得到单张二维图像的渗透率Ki。
将单张二维图像和三维重构图像的渗透率通过达西定律结合起来,表达式为:
式中,ΔP为整个三维重构图像X方向上的压强差,Q为整个三维重构图像X方向上的流量,K3D为整个三维重构图像X方向上的渗透率,l为流体流动的长度,A为整个三维重构图像截面面积,ΔPi为第i层图像的压强差,Qi为第i层图像的流量,li为第i层图像流体流动的长度,Ai为第i层图像截面面积。
其中,ΔP=ΔPi,Q=∑Qi,l=li
最终得到整个三维重构图像X方向上的渗透率,其表达式为:
式中,M为三维重构图像所需的二维图像数量。
以上计算方法以X方向为例,Y方向也是同样的计算方法和公式。
Z方向上的渗透率计算方法如下:
在Z方向上,通过三维重构直接观察到多孔介质内部孔隙结构分布情况,由曲折的孔隙管道构成。而相邻两张CT图像间隔为一个像素(微米级),因此使用微分思想“化曲为直”,相邻两张图像之间孔隙管道近似为直管道,再通过PSD算法得到每张CT图像的孔径分布,进而计算出每张图像的渗透率Ki。
PSD算法在专利号为ZL201810047752.1中公开。
最后将单层像素图像和整张图像的渗透率通过达西定律结合起来(与之前的推导方式类似),得到三维重构图像Z方向的渗透率表达式:
上式中,M为三维重构图像所需的二维图像数量。
根据上述推导的模型(包括二维图像XYZ方向渗透率计算模型和三维重构图像XYZ方向渗透率计算模型)开发相关的图像渗透率计算系统,其计算得到的渗透率与其准确值误差不超过一个数量级,具有较好的准确性和应用价值。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (7)
1.基于图像分层处理技术计算多孔介质绝对渗透率的方法,其特征在于,所述方法包括以下步骤:
S1、首先使用SEM,CT,FIB等微观成像技术对多孔介质材料进行拍摄,获得其二维微观结构数字图像;
S2、使用岩土体材料数字图像分割阈值算法,对其二维数字图像进行图像分割处理,获得岩土体材料二值图分;
S3、将S2中得到的材料二值图输入二维数字图像渗透率算法模型中,得到对应图像的渗透率。
2.根据权利要求1所述的基于图像分层处理技术计算多孔介质绝对渗透率的方法,其特征在于,所述S2包括图像分割是指将图像分为具有特定特征的区域并提取目标图像的过程,一般情况下,拍摄得到的数字图像不能直接用于岩土体材料的定量研究,需要对图像进行一系列的后处理,其中最重要的是对图像进行准确的二值化,对于岩土体材料数字图像中的孔-裂隙结构,正是通过二值化将其提取出来,而二值化的关键在于分割阈值的设定,比较图像中每个像素点的灰度值与给定的分割阈值之间的数值大小,来将图像中的像素点分为孔-裂隙结构和岩土体基质,其定义为:
式中:T为给定的分割阈值,f(x,y)为原始图像在(x,y)处像素点的灰度值,g(x,y)为图像二值化后在(x,y)处像素点的灰度值,1和0为图像中像素点分类的标号,在岩土体材料数字图像中,1代表土体基质,0代表土体孔-裂隙结构。
3.根据权利要求1所述的基于图像分层处理技术计算多孔介质绝对渗透率的方法,其特征在于,所述S3包括算法模型原理如下:
对于一张岩土体材料二维微观数字图像,其流体流动路径主要分为三个方向XYZ,其中Z方向为垂直于图像,XY方向与图像在同一平面,适用于二维图像XY方向上的渗透率计算,
对于XY方向上,流体沿着二值图中的黑色像素结构的孔-裂隙渗透和流动,其为不规则形态,渗透率计算模型主要根据Hagen-Poiseuille定律,表达式为:
上式中,ΔP为压力损失,l为细管长度,μ为动粘度,Q为体积流率,R为细管半径;
由于通过微积分中“化曲为直”的微分方法,构建了新的有效的渗透率计算模型,对于像素尺度二值图,黑色像素整体组成的孔隙结构成弯曲不规则形态,但将整体根据像素点微分成多层时,每一层的黑色像素组成的孔隙结构管道为规则直管,将该思想推广到整张二值图,此时使用Hagen-Poiseuille定律来进行计算和渗透率模型构建。
4.根据权利要求2所述的基于图像分层处理技术计算多孔介质绝对渗透率的方法,其特征在于,所述S3包括渗透率计算模型构建,由于单个像素的尺寸为微米级,故可将原本方形直管近似为圆直管,结合达西定律和Hagen-Poiseuille定律可以推导出单层像素图像的渗透率表达式为:
上式中,ki为第i层像素图像的渗透率,Re为图像分辨率,N0为第i层像素图像代表孔隙结构的黑色像素个数,N为单层总像素数;
将单层像素图像和整张图像的渗透率通过达西定律结合起来,表达式为:
上式中,ΔP为整张图像的压强差,Q为整张图像的流量,K为整张图像的渗透率,L为流体流动方向上图像的长度,A为截面面积,ΔPi为第i层像素图像的压强差,Qi为第i层像素图像的流量,Li为第i层像素图像流体流动方向上的长度,其中,ΔP=∑ΔPi和Q=Qi;
得到整张二维图像渗透率,其表达式为:
上式中,K为整张图像的渗透率,M为流体流动方向上图像的像素层数。
5.根据权利要求3所述的基于图像分层处理技术计算多孔介质绝对渗透率的方法,其特征在于,所述S3包括使用CT等成像技术进行三维重构,得到Z方向上的流动路径,进行三维重构的渗透率计算;
使用CT、FIB等成像技术能够获得500张以上的多孔介质二维图像,通过三维重构技术获得其立体可视化图像。
6.根据权利要求5所述的基于图像分层处理技术计算多孔介质绝对渗透率的方法,其特征在于,所述S3包括流体通过联通孔隙结构向X方向渗流,每一层都是一张二维图像,以前面一节所述的二维图像渗透率计算方法,计算得到单张二维图像的渗透率Ki;
将单张二维图像和三维重构图像的渗透率通过达西定律结合起来,表达式为:
式中,ΔP为整个三维重构图像X方向上的压强差,Q为整个三维重构图像X方向上的流量,K3D为整个三维重构图像X方向上的渗透率,l为流体流动的长度,A为整个三维重构图像截面面积,ΔPi为第i层图像的压强差,Qi为第i层图像的流量,li为第i层图像流体流动的长度,Ai为第i层图像截面面积;
其中,ΔP=ΔPi,Q=∑Qi,l=li
最终得到整个三维重构图像X方向上的渗透率,其表达式为:
式中,M为三维重构图像所需的二维图像数量;
以上计算方法以X方向为例,Y方向也是同样的计算方法和公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210594514.9A CN114998246A (zh) | 2022-05-27 | 2022-05-27 | 基于图像分层处理技术计算多孔介质绝对渗透率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210594514.9A CN114998246A (zh) | 2022-05-27 | 2022-05-27 | 基于图像分层处理技术计算多孔介质绝对渗透率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114998246A true CN114998246A (zh) | 2022-09-02 |
Family
ID=83029538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210594514.9A Pending CN114998246A (zh) | 2022-05-27 | 2022-05-27 | 基于图像分层处理技术计算多孔介质绝对渗透率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114998246A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342541A (zh) * | 2023-03-29 | 2023-06-27 | 中国矿业大学 | 一种基于相邻图像孔隙融合重构的岩土体渗透率计算方法 |
CN117408019A (zh) * | 2023-09-15 | 2024-01-16 | 西北有色金属研究院 | 基于主成分分析的多孔材料传输性能综合评价方法 |
-
2022
- 2022-05-27 CN CN202210594514.9A patent/CN114998246A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342541A (zh) * | 2023-03-29 | 2023-06-27 | 中国矿业大学 | 一种基于相邻图像孔隙融合重构的岩土体渗透率计算方法 |
CN116342541B (zh) * | 2023-03-29 | 2024-03-22 | 中国矿业大学 | 一种基于相邻图像孔隙融合重构的岩土体渗透率计算方法 |
CN117408019A (zh) * | 2023-09-15 | 2024-01-16 | 西北有色金属研究院 | 基于主成分分析的多孔材料传输性能综合评价方法 |
CN117408019B (zh) * | 2023-09-15 | 2024-04-26 | 西北有色金属研究院 | 基于主成分分析的多孔材料传输性能综合评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114998246A (zh) | 基于图像分层处理技术计算多孔介质绝对渗透率的方法 | |
Al-Raoush et al. | A pore-scale investigation of a multiphase porous media system | |
Hong et al. | Rapid estimation of permeability from digital rock using 3D convolutional neural network | |
Lindquist et al. | Pore and throat size distributions measured from synchrotron X‐ray tomographic images of Fontainebleau sandstones | |
CN112102325B (zh) | 基于深度学习和多源遥感数据的海洋异常中尺度涡识别方法 | |
Wang et al. | Permeability of laboratory-formed porous media containing methane hydrate: Observations using X-ray computed tomography and simulations with pore network models | |
Sun et al. | Development of a physics-informed doubly fed cross-residual deep neural network for high-precision magnetic flux leakage defect size estimation | |
Mascini et al. | Event-based contact angle measurements inside porous media using time-resolved micro-computed tomography | |
CN110322427B (zh) | 一种基于三维成像技术的岩土体渗透率计算方法 | |
CN113609696B (zh) | 基于图像融合的多尺度多组分数字岩心构建方法及系统 | |
Zhang et al. | 3D reconstruction of digital cores based on a model using generative adversarial networks and variational auto-encoders | |
CN113420440B (zh) | 一种基于海洋垂直结构的涡旋识别方法 | |
Zhang et al. | GPU-accelerated 3D reconstruction of porous media using multiple-point statistics | |
CN114283254B (zh) | 基于核磁共振数据的岩心数字化孔隙网络模型构建方法 | |
Hajizadeh et al. | An algorithm for 3D pore space reconstruction from a 2D image using sequential simulation and gradual deformation with the probability perturbation sampler | |
Dong et al. | A novel fractal model for estimating permeability in low-permeable sandstone reservoirs | |
CN110441209A (zh) | 一种基于致密储层数字岩心计算岩石渗透率的方法 | |
Munawar et al. | Upscaling reservoir rock porosity by fractal dimension using three-dimensional micro-computed tomography and two-dimensional scanning electron microscope images | |
CN114119361A (zh) | 基于tesrgan网络的超分辨率重构井下图像方法、系统、设备、介质 | |
Sun et al. | EPCI: A new tool for predicting absolute permeability from computed tomography images | |
Saafan et al. | A fractal model for obtaining spontaneous imbibition capillary pressure curves based on 2D image analysis of low-permeability sandstone | |
CN113281149B (zh) | 一种节理岩体的表征单元体积尺度综合取值方法 | |
Liu et al. | Multiscale fractal characterization of hierarchical heterogeneity in sandstone reservoirs | |
Peng et al. | Automatic 3D image based finite element modelling for metallic foams and accuracy verification of digital volume correlation | |
Ren et al. | Design and construction of the knowledge base system for geological outfield cavities classifications: An example of the fracture-cavity reservoir outfield in Tarim basin, NW China |
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 |