CN116152317A - 基于数字岩心技术的原位对比分析剩余油赋存特征方法 - Google Patents

基于数字岩心技术的原位对比分析剩余油赋存特征方法 Download PDF

Info

Publication number
CN116152317A
CN116152317A CN202310443007.XA CN202310443007A CN116152317A CN 116152317 A CN116152317 A CN 116152317A CN 202310443007 A CN202310443007 A CN 202310443007A CN 116152317 A CN116152317 A CN 116152317A
Authority
CN
China
Prior art keywords
matrix
residual oil
scanning result
point set
result
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.)
Granted
Application number
CN202310443007.XA
Other languages
English (en)
Other versions
CN116152317B (zh
Inventor
李浩然
陈国辉
乔石
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Runze Innovation Technology Co ltd
Original Assignee
Beijing Runze Innovation Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Runze Innovation Technology Co ltd filed Critical Beijing Runze Innovation Technology Co ltd
Priority to CN202310443007.XA priority Critical patent/CN116152317B/zh
Publication of CN116152317A publication Critical patent/CN116152317A/zh
Application granted granted Critical
Publication of CN116152317B publication Critical patent/CN116152317B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Immunology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pulmonology (AREA)
  • Algebra (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开基于数字岩心技术的原位对比分析剩余油赋存特征方法，涉及数字岩心技术领域。所述方法包括：获取岩心在原始状态下的参考扫描结果和在不同驱替介质下的待配准扫描结果；基于数字岩心技术提取共同特征体组合；根据特征体组合的质心点集计算两种扫描结果的特征体组合重合时的最优变换矩阵；基于待配准扫描结果和最优变换矩阵，进行三维空间变换，得到配准结果；提取参考扫描结果和配准结果的共同区域，基于共同区域进行原位对比分析剩余油赋存特征。本发明可以为油藏开发人员提供直观的微观剩余油赋存特征数据，为油藏开发提供数据基础和动用对策建议，提高油藏开发采收率。

Description

基于数字岩心技术的原位对比分析剩余油赋存特征方法
技术领域
本发明涉及数字岩心技术领域，尤其涉及基于数字岩心技术的原位对比分析剩余油赋存特征方法。
背景技术
近些年，数字岩心技术已发展成为岩石物理实验的重要组成部分，CT扫描技术作为数字岩心构建的典型代表，可以在不破坏样品的条件下探测岩石内部的三维结构，定量分析储层微观孔喉结构参数。
随着油田开发的深入，不同类型储层剩余油分散程度越来越高，挖潜难度随之增加。大尺度宏观油藏描述和常规一维、二维剩余油研究已无法满足微观剩余油精细描述和挖潜的需求。
从微观孔隙结构入手，将高精度三维CT扫描技术与剩余油驱替实验相结合，进行剩余油赋存特征对比分析。CT扫描结合常规驱替实验分析不能保证每个驱替节点的CT扫描位置一致，造成不同驱替节点的CT灰度图片在三维空间内有偏移。为了更好定量地分析微观剩余油赋存特征，为剩余油动用对策提供数据基础，需要确保在相同三维空间位置内，不同驱替节点的CT灰度切片信息能够严格匹配。
基于此，本发明提出一种基于数字岩心技术原位对比分析剩余油赋存特征的方法。
发明内容
本发明提供了一种基于数字岩心技术的原位对比分析剩余油赋存特征方法，包括：
获取岩心在原始状态下的参考扫描结果和在不同驱替介质下的待配准扫描结果；
基于数字岩心技术提取参考扫描结果和待配准扫描结果的共同特征体组合；
根据参考扫描结果的特征体组合的质心点集和待配准扫描结果的特征体组合的质心点集，计算两种扫描结果的特征体组合重合时的最优变换矩阵；
基于待配准扫描结果和最优变换矩阵，进行三维空间变换，得到配准结果；
提取参考扫描结果和配准结果的共同区域，基于共同区域进行原位对比分析剩余油赋存特征。
如上所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其中，选取参考扫描结果与待配准扫描结果中形态和灰度稳定的相同特征体组成特征体组合。
如上所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其中，令待配准扫描结果的特征体组合质心点集为A点集，参考扫描结果的特征体组合质心点集为B点集，用矩阵方式表达特征体组合质心坐标，利用公式
Figure SMS_1
，求取点集A和点集B的质心坐标，/>
Figure SMS_2
为待配准扫描结果的特征体组合的质心三维坐标矩阵，/>
Figure SMS_3
为参考扫描结果的特征体组合的质心三维坐标矩阵，/>
Figure SMS_4
为待配准扫描结果的单个特征体质心三维坐标矩阵，/>
Figure SMS_5
为参考扫描结果的单个特征体质心三维坐标矩阵；
设定每个特征体密度均匀分布，三维特征体质心计算方法为：
X=
Figure SMS_6
，Y=/>
Figure SMS_7
，Z=/>
Figure SMS_8
式中，N为单个特征体的像素点总数；
Figure SMS_9
为单个特征体每个像素点的x坐标数值；/>
Figure SMS_10
为单个特征体每个像素点的y坐标数值；/>
Figure SMS_11
为单个特征体每个像素点的z坐标数值；X为单个特征体的质心x坐标数值；Y为单个特征体的质心y坐标数值；Z为单个特征体的质心z坐标数值。
如上所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其中，计算质心三维坐标重合时单个特征体的新坐标矩阵，具体为：采用让不同点集的质心重合办法，利用公式
Figure SMS_12
，/>
Figure SMS_13
求取质心重合校正后，单个特征体的新坐标矩阵；式中，/>
Figure SMS_14
为质心重合校正后，待配准扫描结果的单个特征体的质心三维坐标矩阵；/>
Figure SMS_15
为质心重合校正后，参考扫描结果的单个特征体的质心三维坐标矩阵。
如上所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其中，岩心未发生变形时，尺度缩放比例λ为1；当驱替压力和围压使岩心发生变形时，尺度缩放比例λ不为1。
如上所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其中，计算两种扫描结果的质心点集重合时最优变换矩阵，具体包括：
当尺度缩放比例λ为1时，点集A与点集B之间存在内在关系，用公式表达为B=R*A+t，式中，R为旋转矩阵；t为平移向量；
令
Figure SMS_16
，/>
Figure SMS_17
，则点集A和点集B之间公式可简化为
Figure SMS_18
；
计算点集A和点集B之间的协方差矩阵H：
Figure SMS_19
从协方差矩阵H中获取矩阵U、V，根据公式
Figure SMS_20
，求取旋转矩阵R；
根据旋转矩阵R求取平移向量t：
Figure SMS_21
；
根据旋转矩阵R和平移向量t对待配准扫描结果进行空间变换，得到配准结果，计算参考扫描结果与配准结果的互信息，根据互信息确定最优变换矩阵。
如上所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其中，计算两种扫描结果的质心点集重合时最优变换矩阵，具体包括：当尺度缩放比例λ不为1时，求取λ公式为
Figure SMS_22
；此公式等价于/>
Figure SMS_23
，/>
Figure SMS_24
；
令
Figure SMS_25
， />
Figure SMS_26
，点集A和点集B之间公式简化为
Figure SMS_27
；
由公式
Figure SMS_28
，可得/>
Figure SMS_29
，平移向量t为/>
Figure SMS_30
；
计算点集A和点集B之间的协方差矩阵H，
Figure SMS_31
；从协方差矩阵H中获取矩阵U、V，根据公式/>
Figure SMS_32
，求取旋转矩阵R；
根据尺度缩放比例λ、旋转矩阵R和平移向量t对待配准扫描结果进行空间变换，得到配准结果，计算参考扫描结果与配准结果的互信息，根据互信息确定最优变换矩阵。
如上所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其中，在得到配准结果之后，还包括：进行标准化互信息相似度测试，判别参考扫描结果和配准结果的标准化互信息，若标准互信息计算结果大于预设值，则确定为最优变换矩阵。
如上所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其中，基于共同区域进行原位对比分析剩余油赋存特征，具体包括：
基于共同区域，提取出驱替方向的二维灰度图和二维渲染图；
基于共同区域，计算出每个驱替节点的面含油率曲线图；
基于共同区域，计算出在不同驱替节点，五种形态剩余油的含量；
基于共同区域，计算出在不同驱替节点，不同孔隙半径区间、喉道半径区间和配位数区间内，剩余油含量的变化。
本发明还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被处理器执行上述任一项所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法。
本发明实现的有益效果如下：本发明利用数字岩心技术实现不同驱替节点的CT扫描原位精细配准，方便定量分析和对比不同驱替节点的剩余油赋存特征；为油藏开发人员提供直观的微观剩余油赋存特征数据，为油藏开发提供数据基础和动用对策建议，提高油藏开发采收率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于数字岩心技术的原位对比分析剩余油赋存特征方法流程图；
图2是本申请工作流程示意图。
具体实施方式
下面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，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
如图1所示，本发明实施例一提供基于数字岩心技术的原位对比分析剩余油赋存特征方法，包括：
步骤110、获取岩心在原始状态下的参考扫描结果和在不同驱替介质下的待配准扫描结果；
优选地，参考扫描结果为通过CT扫描岩心在原始状态下的参考图（例如可以是CT灰度图，或者是能够反映图像的数据集合等），待配准扫描结果为通过CT扫描岩心在不同驱替介质条件下的多个（不少于3个）待配准图，例如本申请采用三种不同驱替介质，扫描得到三个待配准图（例如待配准CT灰度图）。
步骤120、基于数字岩心技术提取参考扫描结果和待配准扫描结果的共同特征体组合；
具体地，对比参考扫描结果和多个待配准扫描结果，采用数字岩心分割技术，选取参考扫描结果与待配准扫描结果中形态和灰度稳定的相同特征体组成特征体组合，例如将某些矿物和岩屑分布稳定的区域作为特征体，特征体数量5~10。例如本实施例在参考扫描结果和待配准扫描结果中，分别选择5个相同特征体，构成特征体组合。
步骤130、根据参考扫描结果的特征体组合的质心点集和待配准扫描结果的特征体组合的质心点集，计算两种扫描结果的特征体组合重合时的最优变换矩阵；
设定每个特征体密度均匀分布，三维特征体质心计算方法为：
Figure SMS_33
式中，N为单个特征体的像素点总数；
Figure SMS_34
为单个特征体每个像素点的x坐标数值；/>
Figure SMS_35
为单个特征体每个像素点的y坐标数值；/>
Figure SMS_36
为单个特征体每个像素点的z坐标数值；X为单个特征体的质心x坐标数值；Y为单个特征体的质心y坐标数值；Z为单个特征体的质心z坐标数值。
令待配准扫描结果的特征体组合质心点集为A点集，参考扫描结果的特征体组合质心点集为B点集，用矩阵方式表达特征体组合质心坐标，如下：
Figure SMS_37
式中，
Figure SMS_38
为待配准扫描结果的单个特征体质心三维坐标矩阵，/>
Figure SMS_39
为参考扫描结果的单个特征体质心三维坐标矩阵。
利用公式
Figure SMS_41
=/>
Figure SMS_43
，/>
Figure SMS_47
=/>
Figure SMS_42
求取点集A和点集B的质心坐标，/>
Figure SMS_44
为待配准扫描结果的特征体组合的质心三维坐标矩阵，/>
Figure SMS_48
= />
Figure SMS_49
；/>
Figure SMS_40
为参考扫描结果的特征体组合的质心三维坐标矩阵，/>
Figure SMS_45
= />
Figure SMS_46
。
表1 特征体质心的三维空间坐标统计表
Figure SMS_50
计算质心三维坐标重合时单个特征体的新坐标矩阵，具体为：
采用让不同点集的质心重合办法，利用公式
Figure SMS_51
，/>
Figure SMS_52
求取质心重合校正后，单个特征体的新坐标矩阵；式中，/>
Figure SMS_53
为质心重合校正后，待配准扫描结果的单个特征体的质心三维坐标矩阵；/>
Figure SMS_54
为质心重合校正后，参考扫描结果的单个特征体的质心三维坐标矩阵。
Figure SMS_55
根据两个不同直角坐标系的N对相同特征体的质心坐标集合，即待配准扫描结果的特征体组合的质心点集A和参考扫描结果的特征体组合的质心点集B，求取配准的旋转矩阵R，平移向量t和尺度缩放比例λ。岩心未发生变形时，尺度缩放比例λ为1；当驱替压力和围压使岩心发生变形时，尺度缩放比例λ不为1。
（1）在一般情况下，尺度缩放比例λ为1，计算两种扫描结果的质心点集重合时最优变换矩阵，具体包括：
①当尺度缩放比例λ为1时，点集A与点集B之间存在内在关系，用公式表达为B=R*A+t，式中，R为旋转矩阵；t为平移向量；A为待配准扫描结果的特征体质心点集；B为参考扫描结果的特征体质心点集。
②令
Figure SMS_56
Figure SMS_57
，则点集A和点集B之间公式可简化为/>
Figure SMS_58
；
③计算点集A和点集B之间的协方差矩阵H：
Figure SMS_59
④从协方差矩阵H中获取矩阵U、V，根据公式
Figure SMS_60
，求取旋转矩阵R；
具体地，本实施例采用Python语言numpy.linalg模块内置的SVD奇异值分解函数[U,S,V]=SVD(H)计算求取U、S和VT。
旋转矩阵
Figure SMS_61
Figure SMS_62
⑤根据旋转矩阵R求取平移向量t：
Figure SMS_63
Figure SMS_64
⑥根据旋转矩阵R和平移向量t对待配准扫描结果进行空间变换，得到配准结果；
⑦计算参考扫描结果与配准结果的互信息，根据互信息确定最优变换矩阵。
为提高配准精确度，在得到重合特征体之后，还包括：进行标准化互信息（NMI）相似度测试，具体为利用Python语言sklearn模块内置的函数判别参考扫描结果和得到的配准结果的标准化互信息（NMI），根据Python语言程序运行结果。标准化互信息（Normalization Mutual Information，NMI）是信息论中重要概念，描述了两个系统之间的相关性。在扫描配准中，通过标准化互信息相似度反映两者之间的相似程度。数值范围为[0,1]，数值越大，说明越相似。标准化互信息计算公式为
Figure SMS_65
，式中，
Figure SMS_66
分别为X，Y的信息熵；/>
Figure SMS_67
为互信息MI(Mutual Information) ，互信息计算公式为/>
Figure SMS_68
=/>
Figure SMS_69
， />
Figure SMS_70
为X和Y的联合熵。本申请示例计算得到的NMI=0.967。
如果NMI>0.95（预设值），说明配准相似程度极高，则配准计算出的旋转矩阵R和平移变量t可以作为最优变换矩阵。如果NMI<0.95，说明配准不符合要求，需要在参考扫描结果和待配准扫描结果重新选择特征体，重新执行上述操作，一直到NMI≥0.95为止，由此确定最优变换矩阵。
（2）当驱替压力和围压使岩心发生变形时，尺度缩放比例λ不为1，计算两种扫描结果的质心点集重合时最优变换矩阵，具体包括：
①尺度缩放比例λ不为1，求取λ公式为
Figure SMS_71
；
此公式等价于
Figure SMS_72
，/>
Figure SMS_73
，令/>
Figure SMS_74
，
Figure SMS_75
，点集A和点集B之间公式简化为/>
Figure SMS_76
；
②由公式
Figure SMS_77
，可得/>
Figure SMS_78
，平移向量t为
Figure SMS_79
；
③计算点集A和点集B之间的协方差矩阵H：
Figure SMS_80
从协方差矩阵H中获取矩阵U、V，根据公式
Figure SMS_81
，求取旋转矩阵R；
④根据尺度缩放比例λ、旋转矩阵R和平移向量t对待配准扫描结果进行空间变换，得到配准结果，计算参考扫描结果与配准结果的互信息，根据互信息确定最优变换矩阵。
步骤140、基于待配准扫描结果和最优变换矩阵，进行三维空间变换，得到配准结果；
具体地，根据确定的旋转矩阵R和平移变量t，以及尺度缩放比例λ，对待配准扫描结果进行三维空间变换，以达到与参考扫描结果配准的目的。基于待配准扫描结果和最优变换矩阵，进行三维空间变换后，获得的已配准结果，与参考扫描结果匹配性很好。每个待配准扫描结果均能够得到对应的配准结果，也就是说经上述操作得到不同驱替介质下的配准结果。
步骤150、提取参考扫描结果和配准结果的共同区域，基于共同区域进行原位对比分析剩余油赋存特征。
具体地，从参考扫描结果和多个配准结果中提取共同区域，一要确保共同区域在参考扫描结果和每个配准后的结果内，避免出现无效信息；二为确保下一步分析能够代表岩心剩余油赋存特征，提取的共同区域要尽可能大。
基于共同区域进行原位对比分析剩余油赋存特征，具体包括：
①基于共同区域，提取出驱替方向的二维灰度图和二维渲染图；
②基于共同区域，计算出每个驱替节点的面含油率曲线图。
面含油率是指每张CT灰度切片内剩余油含量。通过比较不同驱替节点的面含油率曲线，计算出不同驱替节点的采收率和总结剩余油变化规律。
③基于共同区域，计算出在不同驱替节点，五种形态剩余油的含量。
具体地，根据赋存孔隙数目N，形状因子G和接触面积比C三个参数，将剩余油划分为五种形态：网络状，多孔状，窄喉状，孤滴状和膜状。在不同驱替节点，定量分析五种形态剩余油含量。
④基于共同区域，计算出在不同驱替节点，不同孔隙半径区间、喉道半径区间和配位数区间内，剩余油含量的变化。
具体地，统计分析在不同孔隙半径区间，喉道半径区间以及配位数区间的剩余油赋存特征，以及对比分析在不同驱替节点，同一孔隙半径区间，喉道半径区间以及配位数区间的剩余油赋存特征变化规律。
剩余油赋存特征包括二维灰度图、二维渲染图、面含油率曲线、剩余油赋存形态定量分析以及剩余油赋存孔隙结构特征定量分析。二维灰度图内黑色像素代表残留的剩余油，在不同的驱替节点，黑色像素数目的变化，反映了剩余油赋存特征的变化。二维渲染图基于二维灰度图，在不同驱替节点的黑色像素渲染成红色，代表剩余油。根据原位对比分析，参考原始状态的孔隙空间，推断出驱替介质在孔隙内的赋存空间，并且渲染成浅蓝色，代表驱替介质。
图2是本申请工作流程示意图。本申请通过上述技术方案可以得到在不同驱替节点的后期，剩余油主要赋存形态以及赋存孔喉空间情况，为下一步油藏开发提供数据基础和指导，进一步提高油藏采收率。
与上述实施例对应的，本发明实施例提供一种基于数字岩心技术的原位对比分析剩余油赋存特征装置，包括：至少一个存储器和至少一个处理器；
存储器用于存储一个或多个程序指令；
处理器，用于运行一个或多个程序指令，用以执行一种基于数字岩心技术的原位对比分析剩余油赋存特征方法。
与上述实施例对应的，本发明实施例提供一种计算机可读存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被处理器执行一种基于数字岩心技术的原位对比分析剩余油赋存特征方法。
本发明所公开的实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行上述的一种基于数字岩心技术的原位对比分析剩余油赋存特征方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (10)

1.基于数字岩心技术的原位对比分析剩余油赋存特征方法，其特征在于，包括：
获取岩心在原始状态下的参考扫描结果和在不同驱替介质下的待配准扫描结果；
基于数字岩心技术提取参考扫描结果和待配准扫描结果的共同特征体组合；
根据参考扫描结果的特征体组合的质心点集和待配准扫描结果的特征体组合的质心点集，计算两种扫描结果的特征体组合重合时的最优变换矩阵；
基于待配准扫描结果和最优变换矩阵，进行三维空间变换，得到配准结果；
提取参考扫描结果和配准结果的共同区域，基于共同区域进行原位对比分析剩余油赋存特征。
2.如权利要求1所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其特征在于，选取参考扫描结果与待配准扫描结果中形态和灰度稳定的相同特征体组成特征体组合。
3.如权利要求1所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其特征在于，令待配准扫描结果的特征体组合质心点集为A点集，参考扫描结果的特征体组合质心点集为B点集，用矩阵方式表达特征体组合质心坐标，利用公式
Figure QLYQS_1
，/>
Figure QLYQS_2
求取点集A和点集B的质心坐标，/>
Figure QLYQS_3
为待配准扫描结果的特征体组合的质心三维坐标矩阵，/>
Figure QLYQS_4
为参考扫描结果的特征体组合的质心三维坐标矩阵，/>
Figure QLYQS_5
为待配准扫描结果的单个特征体质心三维坐标矩阵，/>
Figure QLYQS_6
为参考扫描结果的单个特征体质心三维坐标矩阵；
设定每个特征体密度均匀分布，单个特征体质心三维坐标计算方法为：
X=
Figure QLYQS_7
，Y=/>
Figure QLYQS_8
，Z=/>
Figure QLYQS_9
式中，N为单个特征体的像素点总数；/>
Figure QLYQS_10
为单个特征体每个像素点的x坐标数值；/>
Figure QLYQS_11
为单个特征体每个像素点的y坐标数值；/>
Figure QLYQS_12
为单个特征体每个像素点的z坐标数值；X为单个特征体的质心x坐标数值；Y为单个特征体的质心y坐标数值；Z为单个特征体的质心z坐标数值。
4.如权利要求3所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其特征在于，计算质心三维坐标重合时单个特征体的新坐标矩阵，具体为：采用让不同点集的质心重合办法，利用公式
Figure QLYQS_13
，/>
Figure QLYQS_14
求取质心重合校正后，单个特征体的新坐标矩阵；式中，/>
Figure QLYQS_15
为质心重合校正后，待配准扫描结果的单个特征体的质心三维坐标矩阵；/>
Figure QLYQS_16
为质心重合校正后，参考扫描结果的单个特征体的质心三维坐标矩阵。
5.如权利要求4所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其特征在于，岩心未发生变形时，尺度缩放比例λ为1；当驱替压力和围压使岩心发生变形时，尺度缩放比例λ不为1。
6.如权利要求5所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其特征在于，计算两种扫描结果的质心点集重合时最优变换矩阵，具体包括：
当尺度缩放比例λ为1时，点集A与点集B之间存在内在关系，用公式表达为B=R*A+t，式中，R为旋转矩阵；t为平移向量；
令
Figure QLYQS_17
，/>
Figure QLYQS_18
，则点集A和点集B之间公式可简化为/>
Figure QLYQS_19
；
计算点集A和点集B之间的协方差矩阵H：
Figure QLYQS_20
；
从协方差矩阵H中获取矩阵U、V，根据公式
Figure QLYQS_21
，求取旋转矩阵R；
根据旋转矩阵R求取平移向量t：
Figure QLYQS_22
；
根据旋转矩阵R和平移向量t对待配准扫描结果进行空间变换，得到配准结果，计算参考扫描结果与配准结果的互信息，根据互信息确定最优变换矩阵。
7.如权利要求5所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其特征在于，计算两种扫描结果的质心点集重合时最优变换矩阵，具体包括：
当尺度缩放比例λ不为1时，求取λ公式为
Figure QLYQS_23
；此公式等价于
Figure QLYQS_24
，R为旋转矩阵；
令
Figure QLYQS_25
， />
Figure QLYQS_26
，点集A和点集B之间公式简化为/>
Figure QLYQS_27
；
由公式
Figure QLYQS_28
，可得/>
Figure QLYQS_29
，平移向量t为
Figure QLYQS_30
；
计算点集A和点集B之间的协方差矩阵H，
Figure QLYQS_31
；从协方差矩阵H中获取矩阵U、V，根据公式/>
Figure QLYQS_32
，求取旋转矩阵R；
根据尺度缩放比例λ、旋转矩阵R和平移向量t对待配准扫描结果进行空间变换，得到配准结果，计算参考扫描结果与配准结果的互信息，根据互信息确定最优变换矩阵。
8.如权利要求1所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其特征在于，在得到配准结果之后，还包括：进行标准化互信息相似度测试，判别参考扫描结果和配准结果的标准化互信息，若标准互信息计算结果大于预设值，则确定为最优变换矩阵。
9.如权利要求1所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法，其特征在于，基于共同区域进行原位对比分析剩余油赋存特征，具体包括：
基于共同区域，提取出驱替方向的二维灰度图和二维渲染图；
基于共同区域，计算出每个驱替节点的面含油率曲线图；
基于共同区域，计算出在不同驱替节点，五种形态剩余油的含量；
基于共同区域，计算出在不同驱替节点，不同孔隙半径区间、喉道半径区间和配位数区间内，剩余油含量的变化。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被处理器执行如权利要求1-9任一项所述的基于数字岩心技术的原位对比分析剩余油赋存特征方法。
CN202310443007.XA 2023-04-24 2023-04-24 基于数字岩心技术的原位对比分析剩余油赋存特征方法 Active CN116152317B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310443007.XA CN116152317B (zh) 2023-04-24 2023-04-24 基于数字岩心技术的原位对比分析剩余油赋存特征方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310443007.XA CN116152317B (zh) 2023-04-24 2023-04-24 基于数字岩心技术的原位对比分析剩余油赋存特征方法

Publications (2)

Publication Number Publication Date
CN116152317A true CN116152317A (zh) 2023-05-23
CN116152317B CN116152317B (zh) 2023-07-07

Family

ID=86352918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310443007.XA Active CN116152317B (zh) 2023-04-24 2023-04-24 基于数字岩心技术的原位对比分析剩余油赋存特征方法

Country Status (1)

Country Link
CN (1) CN116152317B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104112276A (zh) * 2014-07-17 2014-10-22 中国石油天然气股份有限公司 岩石ct扫描图像的配准校正方法及装置
CN107153074A (zh) * 2017-03-21 2017-09-12 山东省科学院海洋仪器仪表研究所 一种基于高精度成像的微观剩余油定量评价方法
CN112945829A (zh) * 2021-02-07 2021-06-11 西安石油大学 一种致密砂岩储层水驱剩余油分析方法及系统
US20220275719A1 (en) * 2019-08-01 2022-09-01 Khalifa University of Science and Technology Method and system for a fast and accurate estimation of petrophysical properties of rock samples

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104112276A (zh) * 2014-07-17 2014-10-22 中国石油天然气股份有限公司 岩石ct扫描图像的配准校正方法及装置
CN107153074A (zh) * 2017-03-21 2017-09-12 山东省科学院海洋仪器仪表研究所 一种基于高精度成像的微观剩余油定量评价方法
US20220275719A1 (en) * 2019-08-01 2022-09-01 Khalifa University of Science and Technology Method and system for a fast and accurate estimation of petrophysical properties of rock samples
CN112945829A (zh) * 2021-02-07 2021-06-11 西安石油大学 一种致密砂岩储层水驱剩余油分析方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
闫伟超;孙建孟;: "微观剩余油研究现状分析", 地球物理学进展, no. 05, pages 2198 - 2211 *

Also Published As

Publication number Publication date
CN116152317B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
US11376441B2 (en) Systems and methods for finding regions of in interest in hematoxylin and eosin (HandE) stained tissue images and quantifying intratumor cellular spatial heterogeneity in multiplexed/hyperplexed fluorescence tissue
CN110348330B (zh) 基于vae-acgan的人脸姿态虚拟视图生成方法
CN111814794B (zh) 文本检测方法、装置、电子设备及存储介质
GB2581758A (en) Human hair style generation method based on multi-feature search and deformation
TW201543377A (zh) 提取標準卡片中特定資訊的方法和裝置
CN111784706A (zh) 鼻咽癌原发肿瘤图像自动识别方法及系统
CN110910408A (zh) 图像分割方法、装置、电子设备及可读存储介质
WO2021174940A1 (zh) 人脸检测方法与系统
CN112668573A (zh) 目标检测定位置信度确定方法、装置、电子设备及存储介质
CN112907569B (zh) 头部图像区域的分割方法、装置、电子设备和存储介质
CN111105452A (zh) 基于双目视觉的高低分辨率融合立体匹配方法
CN114299405A (zh) 一种无人机图像实时目标检测方法
Wei et al. Surface saliency detection based on curvature co-occurrence histograms
CN115457492A (zh) 目标检测方法、装置、计算机设备及存储介质
CN111401157A (zh) 一种基于三维特征的人脸识别方法和系统
Lermé et al. Fast and efficient reconstruction of digitized frescoes
CN116152317B (zh) 基于数字岩心技术的原位对比分析剩余油赋存特征方法
CN111968160B (zh) 图像匹配方法和存储介质
CN113435479A (zh) 基于区域特征表达约束的特征点匹配方法与系统
CN113065553A (zh) 数据处理方法、装置、三维扫描系统和电子装置
CN113344883A (zh) 一种多层形态学脑网络构建方法、智能终端及存储介质
CN116798041A (zh) 图像识别方法、装置和电子设备
CN117152823A (zh) 一种基于动态空洞卷积金字塔注意力的多任务年龄估计方法
Yuan et al. Explore double-opponency and skin color for saliency detection
CN116468761A (zh) 基于概率分布距离特征描述的配准方法、设备及存储介质

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