CN117368239B - 一种基于ct技术的天然气水合物赋存状态划分方法 - Google Patents
一种基于ct技术的天然气水合物赋存状态划分方法 Download PDFInfo
- Publication number
- CN117368239B CN117368239B CN202311649822.8A CN202311649822A CN117368239B CN 117368239 B CN117368239 B CN 117368239B CN 202311649822 A CN202311649822 A CN 202311649822A CN 117368239 B CN117368239 B CN 117368239B
- Authority
- CN
- China
- Prior art keywords
- hydrate
- dividing
- dimensional
- image
- independent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- NMJORVOYSJLJGU-UHFFFAOYSA-N methane clathrate Chemical compound C.C.C.C.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O NMJORVOYSJLJGU-UHFFFAOYSA-N 0.000 title claims abstract description 17
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 238000002591 computed tomography Methods 0.000 claims abstract description 35
- 239000011435 rock Substances 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000012512 characterization method Methods 0.000 claims abstract description 8
- 239000007789 gas Substances 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 8
- 239000011148 porous material Substances 0.000 claims description 47
- 239000002245 particle Substances 0.000 claims description 14
- 239000012530 fluid Substances 0.000 claims description 11
- 238000003709 image segmentation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 2
- 238000000354 decomposition reaction Methods 0.000 abstract 1
- 230000011218 segmentation Effects 0.000 description 6
- 150000004677 hydrates Chemical class 0.000 description 3
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G01N2223/401—Imaging image processing
-
- 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]
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pulmonology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Geometry (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明属于水合物赋存状态研究技术领域，具体涉及一种基于CT技术的天然气水合物赋存状态划分方法，该方法是以独立水合物单元的相对接触面积与等效水合物厚度相结合作为判据建立的，具体划分过程包括：先基于CT设备对水合物生成和分解过程中不同阶段的赋存状态进行扫描，获得水合物二维CT扫描图像；对图像进行两次分割得到岩石相、水合物相、水相和气相，对分割后的水合物二维CT扫描图像采用迭代重建算法进行三维重建；将水合物相按连通程度划分为独立水合物单元，获取独立水合物单元的微观表征参数，定量计算出独立水合物单元的相对接触面积与等效水合物厚度，按照水合物赋存状态划分方法，可判别出独立水合物单元的赋存状态。
Description
技术领域
本发明属于水合物赋存状态研究技术领域，具体而言，本发明涉及一种基于CT技术的天然气水合物赋存状态划分方法。
背景技术
天然气水合物是一种清洁能源其具有巨大的开发潜力，广泛赋存于我国南海的泥质粉砂沉积物之中。水合物赋存状态作为水合物开采过程中的重要影响因素，其影响着多孔介质内流体的渗流规律，不同赋存状态的水合物其多孔介质内流体的渗流规律也不完全一致。目前，针对水合物不同赋存状态进行定量划分的研究还相对较少。
CT扫描技术是研究水合物赋存状态的重要手段，本发明基于CT设备扫描水合物赋存形态，建立了一种定量划分水合物赋存状态的方法，可准确的划分出水合物赋存状态，为安全高效地开采水合物藏提供技术支撑。
发明内容
本发明的目的在于解决上述问题，提供了一种基于CT技术的天然气水合物赋存状态划分方法，本发明基于CT技术对水合物生成和分解过程中不同阶段的赋存状态进行扫描，将水合物相划分为独立水合物单元，定量计算出独立水合物单元的相对接触面积与等效水合物厚度，然后按照水合物赋存状态划分方法，对独立水合物单元的赋存状态进行判别。
本发明所要解决的技术问题采用以下技术方案来实现：一种基于CT技术的天然气水合物赋存状态划分方法，包括以下步骤：
S1：利用CT设备扫描已生成水合物的岩心，获得水合物二维CT扫描图像；
S2：利用所述水合物二维CT扫描图像对已生成水合物的岩心进行三维重建；
S3：在三维重建图像中将水合物相按连通程度划分为孔隙型水合物单元和孔喉型水合物单元两种独立水合物单元，获取所述独立水合物单元的微观表征参数，进而计算出独立水合物单元的相对接触面积Ar与等效水合物厚度h；本发明采用两级划分方法，首先采用连通域划分算法将水合物分成多个连通水合物单元，但是连通的水合物可能体积较大，一部分属于孔隙填充型，另一部分属于其他类型，因而本部分又对划分的连通水合物单元进行了二次划分，将联通的水合物视为孔喉，然后采用孔隙和孔喉识别方法进一步细分，然后再通过步骤S4对细分以后的单元体进行赋存状态的划分，对一个岩心里面每一个水合物单元的赋存状态进行判别，把连接但连接程度微弱且形态差异大的水合物单元进行分割，这样使得赋存状态的划分更加细致和精确；
S4：根据计算得到的独立水合物单元的Ar与h与水合物赋存状态之间的对应关系，实现独立水合物单元赋存状态的划分。对于一个独立的水合物单元，相对接触面积和等效水合物厚度因子可以对该单元的形态进行描述，即相对接触面积小，表示该水合物单元为孔隙填充性，而接触面积大，则需要判断该单元是像一层膜一样贴在岩石壁面上（颗粒覆盖型）还是一部分贴在岩石壁面上，另外一部分位于孔隙中（颗粒胶结性）。对于颗粒覆盖性和颗粒胶结性，可根据等效水合物厚度因子进行判断，即通过这两个参数就能确定这个单元的赋存状态。
本发明优选的，步骤S4中，按照独立水合物单元的相对接触面积Ar与等效水合物厚度h将水合物赋存状态划分为孔隙填充型、颗粒覆盖型和颗粒胶结型。
本发明优选的，独立水合物单元的Ar与h与水合物赋存状态之间的对应关系为：孔隙填充型的判定依据为0≤Ar≤0.5；颗粒覆盖型的判定依据为0.5＜Ar≤1且h≥0.3；颗粒胶结型的判定依据为0.5＜Ar≤1且h＜0.3。
本发明优选的，步骤S2中，利用所述水合物二维CT扫描图像对已生成水合物的岩心进行三维重建的具体方法为：
对水合物二维CT扫描图像进行滤波降噪；由于CT扫描图像的噪点较多，直接进行分割误差较大，通过对水合物二维CT扫描图像进行滤波降噪，能够提高分割精度；
对所述水合物二维CT扫描图像进行图像分割：首先分割出岩石相和孔隙流体，然后再对所述孔隙流体进行分割得到水合物相、水相和气相；通过对所述水合物二维CT扫描图像进行图像分割，目的是为了从图像里面区分出哪里是岩石、哪里是流体，让计算机区分出不同的图像位置所代表的油藏单元；通过区分出岩石、水、水合物和气，从而进行三维重建以及后续独立水合物单元的划分；
将分割后的所述水合物二维CT扫描图像采用迭代重建算法进行三维重建。本发明的三维重建方法是首先进行二维图像分割，提取二维图像中的水合物，然后根据二维图像中的水合物进行三维重建，这样做的好处是在二维层面直接区分出水合物、水、岩石、气体，进行三维重建的时候直接对各部分进行重建。
本发明优选的，对所述水合物二维CT扫描图像进行中值滤波。为了降低图像中的噪点对所述水合物二维CT扫描图像进行中值滤波。
本发明优选的，步骤S3中，将水合物相按连通程度划分为孔隙型水合物单元和孔喉型水合物单元两种独立水合物单元的具体方法为：
采用连通域划分算法将水合物分成多个连通水合物单元；
考虑到连通水合物单元可包含赋存状态差异较大的水合物单元体，将所述连通水合物单元视为连通的孔隙和孔喉，在连通程度划分的基础上进一步采用孔隙和喉道识别算法将所述连通水合物单元划分为孔隙型水合物单元和孔喉型水合物单元。
本发明优选的，步骤S3中，所述微观表征参数包括水合物相中每个独立体即独立水合物单元的表面积Ah、体积Vh以及与岩石相的接触面积Ac。
本发明优选的，步骤S3中，所述独立水合物单元的相对接触面积Ar与等效水合物厚度h的计算公式为：
(1)
(2)
式中，Ac为独立水合物单元与岩石表面的接触面积，单位为μm2；Ah为独立水合物单元的表面积，单位为μm2；Vh为独立水合物单元的体积，单位为μm3。
本发明优选的，图像分割采用分水岭算法进行。分水岭算法是图像分割算法的一种，分水岭算法的鲁棒性强，分割效果好。
本发明优选的，对所述水合物二维CT扫描图像采用分水岭算法进行分割的具体分割方法为：
S2.1：将所述水合物岩心二维切片图像即水合物二维CT扫描图像转换为灰度图像；
S2.2：对所述灰度图像进行高斯模糊处理以及二值化处理，得到黑白二值图像；
S2.3：对所述黑白二值图像进行距离变换，得到每个像素点到离它最近的背景像素的距离；
S2.4：对距离变换结果进行局部极大值检测，得到一组种子点，所述种子点为灰度值最小的像素点，设定一个阈值i作为分水岭分割界限；
S2.5：以所述种子点为起点水平面开始增长，当碰到周围的邻域像素小于设定的阈值则将其淹没，最后，将图像分割成多个不同的区域。
与现有技术相比，本发明的有益效果是：
本发明利用水合物二维CT扫描图像对已生成水合物的岩心进行三维重建；在三维重建图像中将水合物相按连通程度划分为孔隙型水合物单元和孔喉型水合物单元两种独立水合物单元，获取所述独立水合物单元的微观表征参数，计算出独立水合物单元的相对接触面积Ar与等效水合物厚度h；然后根据计算得到的独立水合物单元的Ar与h与水合物赋存状态之间的对应关系，实现独立水合物单元赋存状态的划分。
通过对岩心里面每一个独立水合物单元的赋存状态进行判别，使得对水合物的赋存状态的划分更加细致和精确，为开采水合物藏提供更精准的数据参考。
附图说明
图1为本发明实例中原始的水合物二维CT扫描图像。
图2为本发明实例中中值滤波后的水合物二维CT扫描图像。
图3为本发明实例中水合物二维CT扫描图像的三维重建图像。
图4为本发明实例中水合物赋存状态划分的结果。
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。
一种基于CT技术的天然气水合物赋存状态划分方法，包括以下步骤：
S1：利用CT设备扫描已生成水合物的岩心，获得水合物二维CT扫描图像，如图1所示。
S2：利用所述水合物二维CT扫描图像对已生成水合物的岩心进行三维重建，得到的三维模型如图3所示。
步骤S2中，利用所述水合物二维CT扫描图像对已生成水合物的岩心进行三维重建的具体方法为：
如图2所示，为了降低图像中的噪点对所述水合物二维CT扫描图像进行中值滤波。
对所述水合物二维CT扫描图像采用分水岭算法进行分割：首先分割出岩石相和孔隙流体，然后再对所述孔隙流体进行分割得到水合物相、水相和气相。
所述分水岭算法为现有算法，具体参见参考文献：Levner I， Zhang H.Classification-driven watershed segmentation[J].IEEE Transactions on ImageProcessing， 2007， 16(5)： 1437-1445。
对所述水合物二维CT扫描图像采用分水岭算法进行分割的具体分割方法为：
S2.1：将所述水合物岩心二维切片图像转换为灰度图像。
S2.2：对所述灰度图像进行高斯模糊处理以及二值化处理，得到黑白二值图像。
S2.3：对所述黑白二值图像进行距离变换，得到每个像素点到离它最近的背景像素的距离。
S2.4：对距离变换结果进行局部极大值检测，得到一组种子点，所述种子点为灰度值最小的像素点，设定一个阈值i作为分水岭分割界限。
S2.5：以所述种子点为起点水平面开始增长，当碰到周围的邻域像素小于设定的阈值则将其淹没，最后，将图像分割成多个不同的区域。具体的，岩石相和孔隙流体的分割阈值是灰度值为8000，即灰度值大于8000为岩石，小于8000为孔隙流体；而水合物相、水相和气相的判别标准为：灰度值<6500为气体，灰度值在6500~7000之间为水合物，灰度值在7000~8000之间为水。
将分割后的所述水合物二维CT扫描图像采用迭代重建算法进行三维重建。
所述迭代三维重建算法为现有算法，具体参见参考文献：Mileto A， Guimaraes LS， McCollough C H， et al. State of the art in abdominal CT： the limits ofiterative reconstruction algorithms[J]. Radiology， 2019， 293(3)： 491-503。
S3：在三维重建图像中将水合物相按连通程度划分为孔隙型水合物单元和孔喉型水合物单元两种独立水合物单元，获取所述独立水合物单元的微观表征参数，按照独立水合物单元的相对接触面积Ar与等效水合物厚度h计算公式对Ar与h进行计算。
所述微观表征参数包括水合物相中每个独立体的表面积Ah、体积Vh以及与岩石相的接触面积Ac。
所述独立水合物单元的相对接触面积Ar与等效水合物厚度h的计算公式为：
(1)
(2)
式中，Ac为独立水合物单元与岩石表面的接触面积，单位为μm2；Ah为独立水合物单元的表面积，单位为μm2；Vh为独立水合物单元的体积，单位为μm3。
在三维重建图像中将水合物相按连通程度划分为连通水合物单元，所述连通程度划分方法为现有算法，可参照（黄名政，李彬华，王锦良.基于FPGA的快速连通域标记算法[J].传感技术学报，2022，35(03)：367-375.），考虑到连通水合物单元可包含赋存状态差异较大的水合物单元体，将所述连通水合物单元视为连通的孔隙和孔喉，在连通程度划分的基础上进一步采用孔隙和喉道识别算法将所述连通水合物单元划分为孔隙型水合物单元和孔喉型水合物单元，孔隙和喉道识别算法可参照（李国梁；杨继进.一种基于三维岩心扫描图像的孔隙与孔喉识别方法[P].ZL107993261B），所述孔隙型水合物单元和孔喉型水合物单元均视为独立水合物单元。
S4：根据计算得到的独立水合物单元的Ar与h与水合物赋存状态之间的对应关系，实现独立水合物单元赋存状态的划分。
具体的，将独立水合物单元的相对接触面积Ar与等效水合物厚度h结合作为判据对水合物赋存状态进行划分，将水合物赋存状态划分为孔隙填充型、颗粒覆盖型和颗粒胶结型，如图4所示。
孔隙填充型的判定依据为0≤Ar≤0.5；颗粒覆盖型的判定依据为0.5＜Ar≤1且h≥0.3；颗粒胶结型的判定依据为0.5＜Ar≤1且h＜0.3。
Claims (9)
1.一种基于CT技术的天然气水合物赋存状态划分方法，其特征在于，包括以下步骤：
S1：利用CT设备扫描已生成水合物的岩心，获得水合物二维CT扫描图像；
S2：利用所述水合物二维CT扫描图像对已生成水合物的岩心进行三维重建；
S3：在三维重建图像中将水合物相按连通程度划分为孔隙型水合物单元和孔喉型水合物单元两种独立水合物单元，获取所述独立水合物单元的微观表征参数，进而计算出独立水合物单元的相对接触面积Ar与等效水合物厚度h；
S4：根据计算得到的独立水合物单元的Ar与h与水合物赋存状态之间的对应关系，实现独立水合物单元赋存状态的划分；
步骤S3中，所述独立水合物单元的相对接触面积Ar与等效水合物厚度h的计算公式为：
(1)
(2)
式中，Ac为独立水合物单元与岩石表面的接触面积，单位为μm2；Ah为独立水合物单元的表面积，单位为μm2；Vh为独立水合物单元的体积，单位为μm3。
2.根据权利要求1所述的基于CT技术的天然气水合物赋存状态划分方法，其特征在于：步骤S4中，按照独立水合物单元的相对接触面积Ar与等效水合物厚度h将水合物赋存状态划分为孔隙填充型、颗粒覆盖型和颗粒胶结型。
3.根据权利要求2所述的基于CT技术的天然气水合物赋存状态划分方法，其特征在于，独立水合物单元的Ar与h与水合物赋存状态之间的对应关系为：孔隙填充型的判定依据为0≤Ar≤0.5；颗粒覆盖型的判定依据为0.5＜Ar≤1且h≥0.3；颗粒胶结型的判定依据为0.5＜Ar≤1且h＜0.3。
4.根据权利要求1所述的基于CT技术的天然气水合物赋存状态划分方法，其特征在于，步骤S2中，利用所述水合物二维CT扫描图像对已生成水合物的岩心进行三维重建的具体方法为：
对水合物二维CT扫描图像进行滤波降噪；
对所述水合物二维CT扫描图像进行图像分割：首先分割出岩石相和孔隙流体，然后再对所述孔隙流体进行分割得到水合物相、水相和气相；
将分割后的所述水合物二维CT扫描图像采用迭代重建算法进行三维重建。
5.根据权利要求4所述的基于CT技术的天然气水合物赋存状态划分方法，其特征在于：对所述水合物二维CT扫描图像进行中值滤波。
6.根据权利要求1所述的基于CT技术的天然气水合物赋存状态划分方法，其特征在于，步骤S3中，将水合物相按连通程度划分为孔隙型水合物单元和孔喉型水合物单元两种独立水合物单元的具体方法为：
采用连通域划分算法将水合物分成多个连通水合物单元；
在连通程度划分的基础上进一步采用孔隙和喉道识别算法将所述连通水合物单元划分为孔隙型水合物单元和孔喉型水合物单元。
7.根据权利要求1所述的基于CT技术的天然气水合物赋存状态划分方法，其特征在于：步骤S3中，所述微观表征参数包括水合物相中每个独立体的表面积Ah、体积Vh以及与岩石相的接触面积Ac。
8.根据权利要求4所述的基于CT技术的天然气水合物赋存状态划分方法，其特征在于：图像分割采用分水岭算法进行。
9.根据权利要求8所述的基于CT技术的天然气水合物赋存状态划分方法，其特征在于，对所述水合物二维CT扫描图像采用分水岭算法进行分割的具体分割方法为：
S2.1：将所述水合物岩心二维切片图像转换为灰度图像；
S2.2：对所述灰度图像进行高斯模糊处理以及二值化处理，得到黑白二值图像；
S2.3：对所述黑白二值图像进行距离变换，得到每个像素点到离它最近的背景像素的距离；
S2.4：对距离变换结果进行局部极大值检测，得到一组种子点，所述种子点为灰度值最小的像素点，设定一个阈值i作为分水岭分割界限；
S2.5：以所述种子点为起点水平面开始增长，当碰到周围的邻域像素小于设定的阈值则将其淹没，最后，将图像分割成多个不同的区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311649822.8A CN117368239B (zh) | 2023-12-05 | 2023-12-05 | 一种基于ct技术的天然气水合物赋存状态划分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311649822.8A CN117368239B (zh) | 2023-12-05 | 2023-12-05 | 一种基于ct技术的天然气水合物赋存状态划分方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117368239A CN117368239A (zh) | 2024-01-09 |
| CN117368239B true CN117368239B (zh) | 2024-02-13 |
Family
ID=89404452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311649822.8A Active CN117368239B (zh) | 2023-12-05 | 2023-12-05 | 一种基于ct技术的天然气水合物赋存状态划分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117368239B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105551004A (zh) * | 2015-12-29 | 2016-05-04 | 中国石油大学(华东) | 一种基于岩心ct图像处理的剩余油微观赋存表示方法 |
| CN105649615A (zh) * | 2015-12-28 | 2016-06-08 | 中国石油天然气股份有限公司 | Ct定量、三维可视化测试储层致密油赋存状态的方法 |
| CN112133377A (zh) * | 2020-08-28 | 2020-12-25 | 中国石油天然气集团有限公司 | 一种海域天然气水合物赋存状态的判别方法及系统 |
| CN112151125A (zh) * | 2020-09-24 | 2020-12-29 | 中国石油大学(华东) | 一种基于孔隙网络模型的水合物赋存形态划分方法 |
| CN112304988A (zh) * | 2020-10-29 | 2021-02-02 | 中国石油大学(北京) | 一种天然气水合物赋存状态确定方法、装置及设备 |
| CN113610095A (zh) * | 2020-12-15 | 2021-11-05 | 中国石油大学(北京) | 用于划分微观剩余油的赋存形态的方法及处理器 |
| CN115221792A (zh) * | 2022-07-28 | 2022-10-21 | 中国石油大学(华东) | 一种基于机器学习的天然气水合物类型划分装置及方法 |
-
2023
- 2023-12-05 CN CN202311649822.8A patent/CN117368239B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105649615A (zh) * | 2015-12-28 | 2016-06-08 | 中国石油天然气股份有限公司 | Ct定量、三维可视化测试储层致密油赋存状态的方法 |
| CN105551004A (zh) * | 2015-12-29 | 2016-05-04 | 中国石油大学(华东) | 一种基于岩心ct图像处理的剩余油微观赋存表示方法 |
| CN112133377A (zh) * | 2020-08-28 | 2020-12-25 | 中国石油天然气集团有限公司 | 一种海域天然气水合物赋存状态的判别方法及系统 |
| CN112151125A (zh) * | 2020-09-24 | 2020-12-29 | 中国石油大学(华东) | 一种基于孔隙网络模型的水合物赋存形态划分方法 |
| CN112304988A (zh) * | 2020-10-29 | 2021-02-02 | 中国石油大学(北京) | 一种天然气水合物赋存状态确定方法、装置及设备 |
| CN113610095A (zh) * | 2020-12-15 | 2021-11-05 | 中国石油大学(北京) | 用于划分微观剩余油的赋存形态的方法及处理器 |
| CN115221792A (zh) * | 2022-07-28 | 2022-10-21 | 中国石油大学(华东) | 一种基于机器学习的天然气水合物类型划分装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 岩石微观结构CT扫描表征技术研究;薛华庆;胥蕊娜;姜培学;周尚文;;力学学报(第06期);全文 * |
| 浅埋砂质泥岩顶板煤层保水开采评价方法研究;宁建国;刘学生;谭云亮;王俊;张明;张立生;;采矿与安全工程学报(第05期);全文 * |
| 采用CT技术研究岩心剩余油微观赋存状态;侯健;邱茂鑫;陆努;曲岩涛;李奋;孟小海;施晓乐;;石油学报(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117368239A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107145874B (zh) | 复杂背景sar图像中的舰船目标检测与鉴别方法 | |
| CN111681197B (zh) | 一种基于Siamese网络结构的遥感图像无监督变化检测方法 | |
| CN104881677B (zh) | 针对遥感影像地表覆盖分类的最优分割尺度确定方法 | |
| CN110689525B (zh) | 基于神经网络识别淋巴结的方法及装置 | |
| CN111046772A (zh) | 多时相卫星遥感岛礁岸线及开发利用信息提取方法 | |
| CN112070774A (zh) | 一种用于页岩数字岩心图像分割的神经网络优化方法 | |
| CN115147401B (zh) | 一种基于数字图像处理的土石坝坝料合格性智能检测方法 | |
| CN117953314B (zh) | 一种多维特征优选海洋底质分类方法及系统 | |
| CN105740875A (zh) | 一种基于多尺度三维块特征提取的肺结节多轮分类方法 | |
| CN109741340A (zh) | 基于fcn-aspp网络的冰盖雷达图像冰层精细化分割方法 | |
| CN113420658A (zh) | 一种基于fcm聚类和otsu分割的sar图像海陆分割方法 | |
| Li et al. | Automatic infrared ship target segmentation based on structure tensor and maximum histogram entropy | |
| CN109829896A (zh) | 基于多域特征的数字乳腺x射线断层摄影图像的微钙化簇自动检测方法 | |
| CN113887624A (zh) | 一种基于双目视觉的改进特征立体匹配方法 | |
| CN109191436A (zh) | 基于视觉显著性谱残差方法的低剂量ct肺结节检测算法 | |
| CN117368239B (zh) | 一种基于ct技术的天然气水合物赋存状态划分方法 | |
| Desai et al. | Detection of microcalcification in digital mammograms by improved-MMGW segmentation algorithm | |
| CN108765440B (zh) | 一种单极化sar图像的线引导超像素海岸线提取方法 | |
| CN114120098A (zh) | 基于mrsf模型的sar图像湖岸线检测方法及系统 | |
| Alatrash et al. | Comparing petrophysical properties and pore network characteristics of carbonate reservoir rocks using micro X-ray tomography imaging and microfacies analyses | |
| CN112581479A (zh) | 一种基于医疗影像的肺结节交互式分割方法 | |
| CN113592829B (zh) | 基于分割重组的深度学习泥沙颗粒识别方法及装置 | |
| Wang et al. | Bottom Tracking Method Based on LOG/Canny and the Threshold Method for Side-scan Sonar. | |
| CN114528729A (zh) | 一种基于多尺度耦合的潜山裂缝气藏产量预测方法 | |
| CN112862710B (zh) | 一种基于Criminisi算法优化的电成像测井图像井壁复原方法 |
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 |