CN117421890B - 一种基于矿物填充的缝洞型储层导电模型构建方法 - Google Patents

一种基于矿物填充的缝洞型储层导电模型构建方法 Download PDF

Info

Publication number
CN117421890B
CN117421890B CN202311358285.1A CN202311358285A CN117421890B CN 117421890 B CN117421890 B CN 117421890B CN 202311358285 A CN202311358285 A CN 202311358285A CN 117421890 B CN117421890 B CN 117421890B
Authority
CN
China
Prior art keywords
pore
dimensional digital
core
filling
mineral
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
Application number
CN202311358285.1A
Other languages
English (en)
Other versions
CN117421890A (zh
Inventor
王海涛
赖富强
黄兆辉
曾诚翔
徐浩
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.)
Chongqing University of Science and Technology
Original Assignee
Chongqing University of Science and Technology
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 Chongqing University of Science and Technology filed Critical Chongqing University of Science and Technology
Priority to CN202311358285.1A priority Critical patent/CN117421890B/zh
Publication of CN117421890A publication Critical patent/CN117421890A/zh
Application granted granted Critical
Publication of CN117421890B publication Critical patent/CN117421890B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Dispersion Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及岩石实验技术领域，具体涉及一种基于矿物填充的缝洞型储层导电模型构建方法；识别充填矿物与构建初始三维数字岩心模型；采用图像形态学方法构建矿物在孔隙中心充填的三维数字岩心模型；采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型；进行孔隙结构参数计算和电阻率数值模拟；采用交会图技术研究矿物充填对于孔隙结构参数以及孔隙度指数的变化规律；采用曲线拟合的方法建立孔隙度指数与孔隙结构参数的定量计算模型，通过上述方式，实现构建不同矿物充填的碳酸盐岩三维数字岩心，研究矿物充填方式对于岩心孔隙结构以及岩石物理属性的影响，从而提高沥青识别与定量评价的能力。

Description

一种基于矿物填充的缝洞型储层导电模型构建方法
技术领域
本发明涉及岩石实验技术领域，尤其涉及一种基于矿物填充的缝洞型储层导电模型构建方法。
背景技术
沥青作为一种特殊的有机质，为石油与天然气的半生产物。勘探实践表明，四川盆地川中古隆起震旦系-下寒武统储层发现安岳与蓬莱特大型海相碳酸盐岩气田，储层广泛含有沥青。沥青会占据储层储集空间，破坏孔隙结构，降低储层有效性，严重影响储层的物性和产能。因此，明确含沥青质碳酸盐岩储层的测井响应特征，探究沥青对储层有效性的影响，对于碳酸盐岩储层地层评价至关重要，同时研究沥青含量变化对于孔隙结构与物性的影响，有助于研究超深、超老地层中非常规油气藏的演化，为非常规油气沉积学研究提供帮助。
目前对沥青的研究主要集中在沥青的形成机理与成因判识、地球化学特征、分布特征及其对储集层储集性能等方面的影响，但是(1)对沥青质储集层岩石物理特征及沥青测井评价方法研究相对较少；(2)在测井评价方面，前人对储层固态沥青测井响应较为一致的认识是：固态沥青存在导致储层测井响应呈现“三升两降”特征-声波时差普遍增大，电阻率与自然伽马增大，中子和密度降低，在岩性相同的情况下，沥青充填差异明显的岩心，沥青充填岩心声波时差降低，与前人不一致；在沥青相同充填的情况下，不同岩心的孔渗以及岩石物理属性与前人不一致，因此岩相引起的测井响应变化与沥青带来的测井响应变化孰强孰弱很难界定，给测井定量评价增加了难度；(3)沥青类型多样，在沥青形成的过程分为三个阶段：氧化水洗型沥青、沉淀型沥青、裂解成因的沥青，沥青主要赋存于碳酸盐岩矿物晶间孔、粒间孔、溶蚀孔洞以及裂缝中，其中热裂解沥青呈片状、环带状覆盖在碳酸盐岩矿物晶体上，此类沥青十分致密；而对于沉淀型和氧化水洗型沥青呈分散粒状，形态不规则，结构并不致密，同时存在很多有机孔。但是不同沥青对于不同储集空间的储集性能的影响以及对于储层岩石物理属性的影响还没有开展研究。
综上所述，有必要构建不同矿物充填的碳酸盐岩三维数字岩心，研究矿物充填方式对于岩心孔隙结构以及岩石物理属性的影响，从而提高沥青识别与定量评价的能力。
发明内容
本发明的目的在于提供一种基于矿物填充的缝洞型储层导电模型构建方法，实现构建不同矿物充填的碳酸盐岩三维数字岩心，研究矿物充填方式对于岩心孔隙结构以及岩石物理属性的影响，从而提高沥青识别与定量评价的能力。
为实现上述目的，本发明采用的一种基于矿物填充的缝洞型储层导电模型构建方法，包括如下步骤：
步骤1：基于岩心二维图片，识别充填矿物与构建初始三维数字岩心模型；
步骤2：基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量和识别骨架与孔隙的初始三维数字岩心模型，采用图像形态学方法构建矿物在孔隙中心充填的三维数字岩心模型；
步骤3：基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量及识别骨架与孔隙的初始三维数字岩心模型，采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型；
步骤4：基于矿物充填的三维数字岩心，进行孔隙结构参数计算和电阻率数值模拟；
步骤5：基于孔隙结构参数与孔隙度指数，采用交会图技术研究矿物充填对于孔隙结构参数以及孔隙度指数的变化规律；
步骤6：基于矿物充填对于孔隙结构参数以及孔隙度指数的变化规律，采用曲线拟合的方法建立孔隙度指数与孔隙结构参数的定量计算模型。
其中，在基于岩心二维图片，识别充填矿物与构建初始三维数字岩心模型的步骤中：
步骤1.1：结合岩心二维图片、地质资料和岩心矿物分析资料，确定孔隙演化过程中孔隙内充填矿物的类型、充填矿物的含量以及充填矿物的分布；
步骤1.2：获取图像灰度分布结合岩心孔隙度确定灰度分割阈值，进行二值化图像分割，构建识别岩心骨架与孔隙的初始三维数字岩心模型；
步骤1.3：对比二维岩心图片与构建三维数字岩心的孔隙度，验证模型的准确性。
其中，在基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量和识别骨架与孔隙的初始三维数字岩心模型，采用图像形态学方法构建矿物在孔隙中心充填的三维数字岩心模型的步骤中：
步骤2.1：基于岩心图片识别孔隙演化过程中孔隙内充填矿物的类型、孔隙中心充填矿物含量Mvol，并确定孔隙最大直径为dmax；
步骤2.2：基于识别孔隙与骨架的初始三维数字岩心模型中的各点相态函数，划分出初始三维数字岩心的骨架与孔隙集合，并获取孔隙集合中的元素数量；
步骤2.3：基于初始三维数字岩心孔隙分布，在孔隙空间集合中，采用不同直径大小的球体结构通过图像形态学中开运算获取开运算结果的集合，并且计算出各个开运算集合中元素以及该元素数量在整个孔隙空间中的占比；
步骤2.4：基于岩心图片中孔隙演化过程中充填矿物分布形式、充填矿物含量和图像形态学开运算模拟结果中元素在整个孔隙空间中的占比，选取最接近充填矿物含量的开运算模拟结果，将该模拟结果中的元素分布表征为孔隙中心充填的矿物分布，从而构建矿物中心充填的三维数字岩心。
其中，在基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量及识别骨架与孔隙的初始三维数字岩心模型，采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型的步骤中：
步骤3.1：依据岩心图片识别孔隙演化过程中孔隙内充填矿物的类型、孔隙边缘充填矿物含量Mvol；
步骤3.2：基于识别孔隙与骨架的初始三维数字岩心模型中的各点相态函数，划分出初始三维岩心的骨架与孔隙集合，并获取孔隙集合中的元素数量；
步骤3.3：在识别的孔隙空间集合中，计算孔隙各点到最近骨架点的欧式距离，获取孔隙空间的欧式距离集合，并获取各个欧式距离集合中孔隙元素数量以及孔隙元素数量在孔隙空间中的占比；
步骤3.4：基于初始三维数字岩心孔隙空间欧式距离集合，各个欧式距离集合中的孔隙元素数量与占比，以及充填矿物含量Mvol，构建矿物孔隙边缘充填的三维数字岩心模型。
其中，在基于矿物充填的三维数字岩心，进行孔隙结构参数计算和电阻率数值模拟的步骤中：
步骤4.1：基于矿物充填的三维数字岩心，采用最大球法提取孔隙网络模型，计算孔隙结构参数-孔隙尺寸，孔隙形状因子和配位数；
步骤4.2：基于矿物充填的三维数字岩心，对矿物与孔隙流体进行电阻率属性赋值，而后采用有限元模拟计算岩心电阻率，基于阿尔奇公式计算孔隙度指数m。
其中，在基于矿物充填的三维数字岩心，采用最大球法提取孔隙网络模型，计算孔隙结构参数-孔隙尺寸，孔隙形状因子和配位数的步骤中：
孔隙尺寸定义为孔隙网络模型中孔隙空间中内切球的半径，孔隙形状因子定义为孔隙横截面积与孔隙横截面周长平方的比值，配位数定义为孔隙连接的喉道数目。
本发明的一种基于矿物填充的缝洞型储层导电模型构建方法，通过基于岩心二维图片，识别充填矿物与构建初始三维数字岩心模型；基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量和识别骨架与孔隙的初始三维数字岩心模型，采用图像形态学方法构建矿物在孔隙中心充填的三维数字岩心模型；基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量及识别骨架与孔隙的初始三维数字岩心模型，采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型；基于矿物充填的三维数字岩心，进行孔隙结构参数计算和电阻率数值模拟；基于孔隙结构参数与孔隙度指数，采用交会图技术研究矿物充填对于孔隙结构参数以及孔隙度指数的变化规律；基于矿物充填对于孔隙结构参数以及孔隙度指数的变化规律，采用曲线拟合的方法建立孔隙度指数与孔隙结构参数的定量计算模型；实现构建不同矿物充填的碳酸盐岩三维数字岩心，研究矿物充填方式对于岩心孔隙结构以及岩石物理属性的影响，从而提高沥青识别与定量评价的能力。
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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的基于矿物填充的缝洞型储层导电模型构建方法的步骤流程图。
图2是本发明的步骤1的步骤流程图。
图3是本发明的步骤2的步骤流程图。
图4是本发明的步骤3的步骤流程图。
图5是本发明的步骤4的步骤流程图。
图6是本发明的岩心二维图片。
图7是本发明的初始三维数字岩心模型DT10图。
图8是本发明的不同含量沥青充填构建的沥青孔隙中心充填三维数字岩心的孔隙分布图。
图9是本发明的沥青含量不同的沥青孔隙边缘充填三维数字岩心的孔隙分布图。
图10是本发明的显示沥青充填造成孔隙结构参数的变化图。
图11是本发明的沥青充填后孔隙度指数m与孔隙半径、孔隙形状因子、配位数以及孔隙度的变化规律图。
图12是本发明的测井处理的含水饱和度与岩心含水饱和度对比图。
具体实施方式
请参阅图1至图5，本发明提供了一种基于矿物填充的缝洞型储层导电模型构建方法，包括如下步骤：
步骤1：基于岩心二维图片，识别充填矿物与构建初始三维数字岩心模型；
步骤2：基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量和识别骨架与孔隙的初始三维数字岩心模型，采用图像形态学方法构建矿物在孔隙中心充填的三维数字岩心模型；
步骤3：基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量及识别骨架与孔隙的初始三维数字岩心模型，采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型；
步骤4：基于矿物充填的三维数字岩心，进行孔隙结构参数计算和电阻率数值模拟；
步骤5：基于孔隙结构参数与孔隙度指数，采用交会图技术研究矿物充填对于孔隙结构参数以及孔隙度指数的变化规律；
步骤6：基于矿物充填对于孔隙结构参数以及孔隙度指数的变化规律，采用曲线拟合的方法建立孔隙度指数与孔隙结构参数的定量计算模型。
在本实施方式中，通过基于岩心二维图片，识别充填矿物与构建初始三维数字岩心模型；基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量和识别骨架与孔隙的初始三维数字岩心模型，采用图像形态学方法构建矿物在孔隙中心充填的三维数字岩心模型；基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量及识别骨架与孔隙的初始三维数字岩心模型，采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型；基于矿物充填的三维数字岩心，进行孔隙结构参数计算和电阻率数值模拟；基于孔隙结构参数与孔隙度指数，采用交会图技术研究矿物充填对于孔隙结构参数以及孔隙度指数的变化规律；基于矿物充填对于孔隙结构参数以及孔隙度指数的变化规律，采用曲线拟合的方法建立孔隙度指数与孔隙结构参数的定量计算模型；实现构建不同矿物充填的碳酸盐岩三维数字岩心，研究矿物充填方式对于岩心孔隙结构以及岩石物理属性的影响，从而提高沥青识别与定量评价的能力。
进一步地，在基于岩心二维图片，识别充填矿物与构建初始三维数字岩心模型的步骤中：
步骤1.1：结合岩心二维图片、地质资料和岩心矿物分析资料，确定孔隙演化过程中孔隙内充填矿物的类型、充填矿物的含量以及充填矿物的分布；
步骤1.2：获取图像灰度分布结合岩心孔隙度确定灰度分割阈值，进行二值化图像分割，构建识别岩心骨架与孔隙的初始三维数字岩心模型；
步骤1.3：对比二维岩心图片与构建三维数字岩心的孔隙度，验证模型的准确性。
在本实施方式中，首先结合岩心二维图片、地质资料和岩心矿物分析资料，确定孔隙演化过程中孔隙内充填矿物的类型、充填矿物的含量以及充填矿物的分布；然后获取图像灰度分布结合岩心孔隙度确定灰度分割阈值，进行二值化图像分割，构建识别岩心骨架与孔隙的初始三维数字岩心模型；最后对比二维岩心图片与构建三维数字岩心的孔隙度，验证模型的准确性。
进一步地，在基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量和识别骨架与孔隙的初始三维数字岩心模型，采用图像形态学方法构建矿物在孔隙中心充填的三维数字岩心模型的步骤中：
步骤2.1：基于岩心图片识别孔隙演化过程中孔隙内充填矿物的类型、孔隙中心充填矿物含量Mvol，并确定孔隙最大直径为dmax；
步骤2.2：基于识别孔隙与骨架的初始三维数字岩心模型中的各点相态函数，划分出初始三维数字岩心的骨架与孔隙集合，并获取孔隙集合中的元素数量；
步骤2.3：基于初始三维数字岩心孔隙分布，在孔隙空间集合中，采用不同直径大小的球体结构通过图像形态学中开运算获取开运算结果的集合，并且计算出各个开运算集合中元素以及该元素数量在整个孔隙空间中的占比；
步骤2.4：基于岩心图片中孔隙演化过程中充填矿物分布形式、充填矿物含量和图像形态学开运算模拟结果中元素在整个孔隙空间中的占比，选取最接近充填矿物含量的开运算模拟结果，将该模拟结果中的元素分布表征为孔隙中心充填的矿物分布，从而构建矿物中心充填的三维数字岩心。
在本实施方式中，首先基于岩心图片识别孔隙演化过程中孔隙内充填矿物的类型、孔隙中心充填矿物含量Mvol，并确定孔隙最大直径为dmax；基于识别孔隙与骨架的初始三维数字岩心模型中的各点相态函数，划分出初始三维数字岩心的骨架与孔隙集合，并获取孔隙集合中的元素数量；其中三维数字岩心中任意一点用px表示，骨架与孔隙采用相态函数phase表示，phase(px)＝0表示骨架，phase(px)＝1表示孔隙，phase(px)＝3表示充填矿物，因此初始三维数字岩心集合CORE可以表示为骨架集合MATRIX和孔隙集合PORE的并集，即：
CORE＝MATRIX∪PORE；
岩心骨架集合MATRIX和岩心孔隙集合PORE表示为：
MATRIX＝{px|phase(px)＝0},PORE＝{px|phase(px)＝1}；
基于初始三维数字岩心孔隙分布，在孔隙空间集合中，采用不同直径大小的球体结构通过图像形态学中开运算获取开运算结果的集合，并且计算出各个开运算集合中元素以及该元素数量在整个孔隙空间中的占比；其中，采用直径为d的球体结构元素在孔隙空间开运算(Open)获取孔隙空间中能够容纳直径为d的球体的所有孔隙点的集合MORPH(d)，该集合中的孔隙点的开运算结果为1，Open(px,Dia＝d)＝1；
MORPH(d)＝{px|OPen(px，Dia＝d)＝1}；
依据开运算的特点可知，球体结构元素直径越小，集合中孔隙点越多，并且小直径球体结构元素开运算集合包含大直径球体结构元素开运算集合，即：
计算孔隙集合PORE中dmax个开运算集合MOPH(i)中各个集合的内的元素数量分别为Onum(i)，i＝1，2，…，dmax，则有：
依据孔隙集合PORE的元素数nump与dmax个开运算集合MOPH(i)中各个集合的内的元素数量Onum(i)，计算出对应开运算集合MORPH(i)中元素数num(i)在孔隙空间nump中的占比OSB(i)：
OSB(i)＝Onum(i)/nump；
最后基于岩心图片中孔隙演化过程中充填矿物分布形式、充填矿物含量和图像形态学开运算模拟结果中元素在整个孔隙空间中的占比，选取最接近充填矿物含量的开运算模拟结果，将该模拟结果中的元素分布表征为孔隙中心充填的矿物分布，从而构建矿物中心充填的三维数字岩心，其中，依据岩心图片中孔隙演化过程中矿物孔隙中心充填的含量为Mvol，和dmax个开运算几何中MOPRH(i)及其占比OSB(i)，选取开运算元素占比OSB(i)最接近Mvol的开运算集合为MORPH(d)；将MORPH(d)集合中所有的孔隙转变为充填矿物建立充填矿物集合FCIM：
FCIM＝{px|dopen(px,D＝i)＝1}；
获取矿物孔隙中心充填的集合FCIM，完成矿物中心充填；
建立矿物孔隙中心充填集合FICM后，三维数字岩心集合CORE可以表示为骨架集合MATRIX、孔隙集合PORE、充填矿物几何FICM的并集，即：
CORE＝MATRIX∪PORE∪FICM；
并且FICM＝{px|phase(px)＝3}，完成矿物中心充填三维数字岩心的构建。
进一步地，在基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量及识别骨架与孔隙的初始三维数字岩心模型，采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型的步骤中：
步骤3.1：依据岩心图片识别孔隙演化过程中孔隙内充填矿物的类型、孔隙边缘充填矿物含量Mvol；
步骤3.2：基于识别孔隙与骨架的初始三维数字岩心模型中的各点相态函数，划分出初始三维岩心的骨架与孔隙集合，并获取孔隙集合中的元素数量；
步骤3.3：在识别的孔隙空间集合中，计算孔隙各点到最近骨架点的欧式距离，获取孔隙空间的欧式距离集合，并获取各个欧式距离集合中孔隙元素数量以及孔隙元素数量在孔隙空间中的占比；
步骤3.4：基于初始三维数字岩心孔隙空间欧式距离集合，各个欧式距离集合中的孔隙元素数量与占比，以及充填矿物含量Mvol，构建矿物孔隙边缘充填的三维数字岩心模型。
在本实施方式中，首先依据岩心图片识别孔隙演化过程中孔隙内充填矿物的类型、孔隙边缘充填矿物含量Mvol；然后基于识别孔隙与骨架的初始三维数字岩心模型中的各点相态函数，划分出初始三维岩心的骨架与孔隙集合，并获取孔隙集合中的元素数量；其中三维数字岩心中任意一点用px表示，骨架与孔隙采用相态函数phase表示，phase(px)＝0表示骨架，phase(px)＝1表示孔隙，phase(px)＝3表示充填介质，因此初始三维数字岩心集合CORE可以表示为骨架集合MATRIX和孔隙集合PORE的并集，即：CORE＝MATRIX∪PORE；计算孔隙集合PORE中元素数量nump，并且岩心骨架集合MATRIX和岩心孔隙集合PORE表示为：
MATRIX＝{px|phase(px)＝0},PORE＝{px|phase(px)＝1}；
在识别的孔隙空间集合中，计算孔隙各点到最近骨架点的欧式距离，获取孔隙空间的欧式距离集合，并获取各个欧式距离集合中孔隙元素数量以及孔隙元素数量在孔隙空间中的占比；其中三维数字岩心中任意一点px在笛卡尔坐标系中的坐标为(xpx,ypx,zpx),则空间中任意两点p1,p2的欧式距离表示为：
distf(p1,p2)＝(xp1-xp2)2+(yp1-yp2)2+(zp1-zp2)2；
孔隙中一点px到最近骨架点mx的欧式距离表示为distf(px):
distf(px)＝(xpx-xmx)2+(ypx-ymx)2+(zpx-zmx)2；
欧式距离集合表征孔隙空间，基于计算的欧式距离distf，定义欧式距离为i的孔隙点组成的集合为DIST(i)，
DIST(i)＝{px|distf(px)＝i}；
因此孔隙集合表示为一系列欧式距离集合DIST(i)的并集，即：
其中，最小欧式距离为1，最大的欧式距离为n，距离骨架点欧式距离为i的孔隙点的集合为DIST(i)。
计算各个欧式距离集合中的元素数量及其在孔隙集合中的占比，计算孔隙集合PORE中n个欧式距离集合DIST(i)中，各个集合内的元素数量num(i)，i＝1，2，…,n,则有：
依据孔隙集合PORE的元素数nump与n个欧式距离集合DIST(i)的元素数num(i)，计算出对应欧式距离集合DIST(i)中元素数num(i)在孔隙空间nump中的占比BSB(i)：
最后基于初始三维数字岩心孔隙空间欧式距离集合，各个欧式距离集合中的孔隙元素数量与占比，以及充填矿物含量Mvol，构建矿物孔隙边缘充填的三维数字岩心模型，其中依据岩心图片孔隙演化过程中孔隙边缘充填矿物含量Mvol和n个欧式距离集合DIST(i)及其元素占比BSB(i)，选取欧式距离集合元素占比BSB(i)最接近Mvol的欧式距离集合为DIST(d)；则DIST(d)集合中所有的孔隙转变为充填矿物建立充填矿物集合FBIM，
FBIM＝DIST(d)＝{px|distf(px)＝d}；
获取矿物孔隙边缘充填的集合FBIM，完成矿物边缘充填；
建立矿物孔隙中心充填集合FIBM后，三维数字岩心集合CORE可以表示为骨架集合MATRIX、孔隙集合PORE、充填矿物FIBM的并集，即：
CORE＝MATRIX∪PORE∪FIBM；
并且FIBM＝{px|phase(px)＝3}，完成矿物边缘充填三维数字岩心的构建。
进一步地，在基于矿物充填的三维数字岩心，进行孔隙结构参数计算和电阻率数值模拟的步骤中：
步骤4.1：基于矿物充填的三维数字岩心，采用最大球法提取孔隙网络模型，计算孔隙结构参数-孔隙尺寸，孔隙形状因子和配位数；其中孔隙尺寸定义为孔隙网络模型中孔隙空间中内切球的半径，孔隙形状因子定义为孔隙横截面积与孔隙横截面周长平方的比值，配位数定义为孔隙连接的喉道数目；
步骤4.2：基于矿物充填的三维数字岩心，对矿物与孔隙流体进行电阻率属性赋值，而后采用有限元模拟计算岩心电阻率，基于阿尔奇公式计算孔隙度指数m。
在本实施方式中，基于矿物充填的三维数字岩心，采用最大球法提取孔隙网络模型，计算孔隙结构参数-孔隙尺寸，孔隙形状因子和配位数；其中孔隙尺寸定义为孔隙网络模型中孔隙空间中内切球的半径，孔隙形状因子定义为孔隙横截面积与孔隙横截面周长平方的比值，配位数定义为孔隙连接的喉道数目；基于矿物充填的三维数字岩心，对矿物与孔隙流体进行电阻率属性赋值，而后采用有限元模拟计算岩心电阻率，基于阿尔奇公式计算孔隙度指数m；阿尔奇公式描述完全含水岩心电阻率R0，部分含水岩心电阻率Rt，地层水电阻率Rw与孔隙度φ，饱和度Sw之间的关系：
式中，FF为地层因素，RI为电阻率增大指数，m称为胶结指数或孔隙度指数，n为饱和度指数，m主要与孔隙结构有关，n主要与流体分布有关，a，b岩性系数，通常a＝1，b＝1。
下面结合图6～图12和具体实施例对本发明的具体实施方式做进一步说明：
以中国四川盆地某井碳酸岩储层6400m～6410m采用数字岩心技术提出了基于矿物充填对于岩石孔隙结构与岩石电阻率影响上建立导电模型实现测井含水饱和度计算为例，提供了一种基于矿物填充的缝洞型储层导电模型构建方法，具体包括以下步骤：
步骤1：基于岩心二维图片，识别充填矿物与构建初始三维数字岩心模型。
步骤1.1：基于岩心二维图片(如图6)，可知研究层段的充填介质为沥青，充填方式存在孔隙中心充填与孔隙边缘充填两种，因此后续需要构建沥青孔隙中心充填与沥青边缘充填的两种三维数字岩心模型。
步骤1.2：基于岩心二维图片，依据灰度分布和岩心氦气孔隙度2.72％选取灰度分割阈值为60，进行图像分割，构建识别岩心骨架与孔隙的初始三维数字岩心模型DT10(如图7所示)，岩心尺寸为900*900*600，分辨率为40微米，三维数字岩心孔隙度为2.58％。
步骤2：基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量，基于识别骨架与孔隙的三维数字岩心模型，采用图像形态学方法构建沥青在孔隙中心充填的三维数字岩心模型。
步骤2.1：依据岩心图片识别孔隙演化过程中孔隙中充填矿物为沥青，沥青孔隙中心充填，充填含量30％；
步骤2.2：基于识别三维数字岩心模型中的各点相态函数，划分出三维岩心的骨架与孔隙集合，最大孔隙直径为50体素；
步骤2.3：基于初始三维数字岩心孔隙分布，在孔隙空间集合中，采用不同直径大小的球体结构通过图像形态学中开运算获取开运算结果的集合，并且计算出各个开运算集合中元素以及该元素数量在整个孔隙空间中的占比；
步骤2.4：依据岩心图片中孔隙演化过程中沥青在孔隙中心充填的含量，和图像形态学开运算模拟结果中元素在整个孔隙空间中的占比，选取最接近充填矿物含量的开运算模拟结果，将该模拟结果中的元素分布表征为孔隙中心充填的矿物分布，从而构建沥青中心充填的三维数字岩心如图8所示。图8显示不同含量沥青充填构建的沥青孔隙中心充填三维数字岩心的孔隙分布。
步骤3：基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量，基于识别骨架与孔隙的初始三维数字岩心模型，采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型。
步骤3.1：依据岩心图片识别孔隙演化过程中孔隙中充填矿物为沥青，沥青孔隙边缘充填，充填含量30％；
步骤3.2：基于识别孔隙与骨架的初始三维数字岩心模型中的各点相态函数，划分出初始三维岩心的骨架与孔隙集合，并获取孔隙集合中的元素数量；
步骤3.3：在识别的孔隙空间集合中，计算孔隙各点到最近骨架点的欧式距离，获取孔隙空间的欧式距离集合，并获取各个欧式距离集合中孔隙元素数量以及孔隙元素数量在孔隙空间中的占比；
步骤3.4：基于初始三维数字岩心孔隙空间欧式距离集合，各个欧式距离集合中的孔隙元素数量与占比，以及孔隙边缘充填的沥青含量，构建沥青边缘充填的三维数字岩心模型，如图9所示，图9显示沥青含量不同的沥青孔隙边缘充填三维数字岩心的孔隙分布。
步骤4：基于沥青充填的三维数字岩心，进行孔隙结构参数计算和电阻率数值模拟。
步骤4.1：基于沥青充填的三维数字岩心，采用最大球法提取孔隙网络模型，计算孔隙结构参数，图10显示沥青充填造成孔隙结构参数的变化；
步骤4.2：基于矿物充填的三维数字岩心，对白云岩、孔隙中地层水以及孔隙中充填沥青进行电阻率属性赋值，而后采用有限元模拟计算岩心电阻率，基于阿尔奇公式计算孔隙度指数m。
步骤5：基于孔隙结构参数与孔隙度指数，采用交会图技术研究矿物充填对于孔隙结构参数以及孔隙度指数的变化规律如图11所示，图11显示沥青充填后孔隙度指数m与孔隙半径、孔隙形状因子、配位数以及孔隙度的变化规律。
步骤6：基于矿物充填对于孔隙结构参数以及孔隙度指数的变化规律，采用曲线拟合的方法建立孔隙度指数与孔隙结构参数的定量计算模型，该模型与阿尔奇公式联立建立新的饱和度模型。
(1)依据图11d中孔隙度指数随孔隙度的变化关系，采用曲线拟合方式获取孔隙度指数与孔隙的关系式：
m＝CA×φCB (1)
(2)基于公式(1)与阿尔奇第一、二公式(公式2和公式3)，建立变m的含水饱和度模型，如公式(4)所示。
式中，FF为地层因素，RI为电阻率增大指数，m称为胶结指数或孔隙度指数，n为饱和度指数，m主要与孔隙结构有关，n主要与流体分布有关，a，b岩性系数，通常a＝1，b＝1。
测井计算过程中，a＝1，b＝1；CA和CB通过曲线拟合获得，CA＝4.5，CB＝-1.051；Rt表示地层电阻率，通过深侧向或深感应测井曲线获取；RW表示地层水电阻率，通过水分析资料获取，Rw＝0.02Ω.m；φ表示孔隙度，依据补偿中子(CNL)，补偿声波(AC)和补偿密度(DEN)测井曲线计算获取；饱和度指数n＝2。
(3)选取四川盆地某口井灯影组地层的测井曲线进行测井解释处理，测井处理的含水饱和度与岩心含水饱和度对比，如图12所示。图中第二道为三孔隙度测井曲线-补偿密度、补偿声波与补偿中子，第三道为电阻率曲线-深浅电阻率曲线，第六道为测井计算孔隙度，第七道为测井计算饱和度。从图中第七道可以看出，基于阿尔奇公式计算的含水饱和度SW_AR与岩心饱和度相差较大，而基于变m的饱和度模型获取的含水饱和度SW_NM与岩心饱和度吻合较好。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (4)

1.一种基于矿物填充的缝洞型储层导电模型构建方法，其特征在于，包括如下步骤：
步骤1：基于岩心二维图片，识别充填矿物与构建初始三维数字岩心模型；
步骤2：基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量和识别骨架与孔隙的初始三维数字岩心模型，采用图像形态学方法构建矿物在孔隙中心充填的三维数字岩心模型；
步骤3：基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量及识别骨架与孔隙的初始三维数字岩心模型，采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型；
步骤4：基于矿物充填的三维数字岩心，进行孔隙结构参数计算和电阻率数值模拟；
步骤5：基于孔隙结构参数与孔隙度指数，采用交会图技术研究矿物充填对于孔隙结构参数以及孔隙度指数的变化规律；
步骤6：基于矿物充填对于孔隙结构参数以及孔隙度指数的变化规律，采用曲线拟合的方法建立孔隙度指数与孔隙结构参数的定量计算模型；
在基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量和识别骨架与孔隙的初始三维数字岩心模型，采用图像形态学方法构建矿物在孔隙中心充填的三维数字岩心模型的步骤中：
步骤2.1：基于岩心图片识别孔隙演化过程中孔隙内充填矿物的类型、孔隙中心充填矿物含量Mvol，并确定孔隙最大直径为dmax；
步骤2.2：基于识别孔隙与骨架的初始三维数字岩心模型中的各点相态函数，划分出初始三维数字岩心的骨架与孔隙集合，并获取孔隙集合中的元素数量；
步骤2.3：基于初始三维数字岩心孔隙分布，在孔隙空间集合中，采用不同直径大小的球体结构通过图像形态学中开运算获取开运算结果的集合，并且计算出各个开运算集合中元素以及该元素数量在整个孔隙空间中的占比；
步骤2.4：基于岩心图片中孔隙演化过程中充填矿物分布形式、充填矿物含量和图像形态学开运算模拟结果中元素在整个孔隙空间中的占比，选取最接近充填矿物含量的开运算模拟结果，将该模拟结果中的元素分布表征为孔隙中心充填的矿物分布，从而构建矿物中心充填的三维数字岩心；
在基于孔隙演化过程中孔隙内充填矿物分布形态和充填矿物含量及识别骨架与孔隙的初始三维数字岩心模型，采用图像欧式距离方法构建矿物在孔隙边缘充填的三维数字岩心模型的步骤中：
步骤3.1：依据岩心图片识别孔隙演化过程中孔隙内充填矿物的类型、孔隙边缘充填矿物含量Mvol；
步骤3.2：基于识别孔隙与骨架的初始三维数字岩心模型中的各点相态函数，划分出初始三维岩心的骨架与孔隙集合，并获取孔隙集合中的元素数量；
步骤3.3：在识别的孔隙空间集合中，计算孔隙各点到最近骨架点的欧式距离，获取孔隙空间的欧式距离集合，并获取各个欧式距离集合中孔隙元素数量以及孔隙元素数量在孔隙空间中的占比；
步骤3.4：基于初始三维数字岩心孔隙空间欧式距离集合，各个欧式距离集合中的孔隙元素数量与占比，以及充填矿物含量Mvol，构建矿物孔隙边缘充填的三维数字岩心模型。
2.如权利要求1所述的基于矿物填充的缝洞型储层导电模型构建方法，其特征在于，在步骤1：基于岩心二维图片，识别充填矿物与构建初始三维数字岩心模型的步骤中：
步骤1.1：结合岩心二维图片、地质资料和岩心矿物分析资料，确定孔隙演化过程中孔隙内充填矿物的类型、充填矿物的含量以及充填矿物的分布；
步骤1.2：获取图像灰度分布结合岩心孔隙度确定灰度分割阈值，进行二值化图像分割，构建识别岩心骨架与孔隙的初始三维数字岩心模型；
步骤1.3：对比二维岩心图片与构建三维数字岩心的孔隙度，验证模型的准确性。
3.如权利要求1所述的基于矿物填充的缝洞型储层导电模型构建方法，其特征在于，在基于矿物充填的三维数字岩心，进行孔隙结构参数计算和电阻率数值模拟的步骤中：
步骤4.1：基于矿物充填的三维数字岩心，采用最大球法提取孔隙网络模型，计算孔隙结构参数-孔隙尺寸，孔隙形状因子和配位数；
步骤4.2：基于矿物充填的三维数字岩心，对矿物与孔隙流体进行电阻率属性赋值，而后采用有限元模拟计算岩心电阻率，基于阿尔奇公式计算孔隙度指数m。
4.如权利要求3所述的基于矿物填充的缝洞型储层导电模型构建方法，其特征在于，在基于矿物充填的三维数字岩心，采用最大球法提取孔隙网络模型，计算孔隙结构参数-孔隙尺寸，孔隙形状因子和配位数的步骤中：
孔隙尺寸定义为孔隙网络模型中孔隙空间中内切球的半径，孔隙形状因子定义为孔隙横截面积与孔隙横截面周长平方的比值，配位数定义为孔隙连接的喉道数目。
CN202311358285.1A 2023-10-19 2023-10-19 一种基于矿物填充的缝洞型储层导电模型构建方法 Active CN117421890B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311358285.1A CN117421890B (zh) 2023-10-19 2023-10-19 一种基于矿物填充的缝洞型储层导电模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311358285.1A CN117421890B (zh) 2023-10-19 2023-10-19 一种基于矿物填充的缝洞型储层导电模型构建方法

Publications (2)

Publication Number Publication Date
CN117421890A CN117421890A (zh) 2024-01-19
CN117421890B true CN117421890B (zh) 2024-05-10

Family

ID=89525803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311358285.1A Active CN117421890B (zh) 2023-10-19 2023-10-19 一种基于矿物填充的缝洞型储层导电模型构建方法

Country Status (1)

Country Link
CN (1) CN117421890B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112326524A (zh) * 2020-10-22 2021-02-05 中国石油大学(华东) 一种基于ct扫描图像的岩石孔渗测量方法
CN112816388A (zh) * 2020-12-31 2021-05-18 中国石油大学(北京) 基于ct和数字岩心三维重构的油砂渗流性能测试方法
CN113989433A (zh) * 2021-10-26 2022-01-28 重庆科技学院 一种基于孔隙类型细分的缝洞型储层饱和度模型建立方法
CN114034619A (zh) * 2021-10-26 2022-02-11 重庆科技学院 一种基于数字岩心模拟的页岩油气储层脆性评价方法
CN114325845A (zh) * 2021-10-26 2022-04-12 重庆科技学院 一种基于数字岩心技术的非常规储层多尺度融合方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112326524A (zh) * 2020-10-22 2021-02-05 中国石油大学(华东) 一种基于ct扫描图像的岩石孔渗测量方法
CN112816388A (zh) * 2020-12-31 2021-05-18 中国石油大学(北京) 基于ct和数字岩心三维重构的油砂渗流性能测试方法
CN113989433A (zh) * 2021-10-26 2022-01-28 重庆科技学院 一种基于孔隙类型细分的缝洞型储层饱和度模型建立方法
CN114034619A (zh) * 2021-10-26 2022-02-11 重庆科技学院 一种基于数字岩心模拟的页岩油气储层脆性评价方法
CN114325845A (zh) * 2021-10-26 2022-04-12 重庆科技学院 一种基于数字岩心技术的非常规储层多尺度融合方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Investigation of image segmentation effect on the accuracy of reconstructed digital core models of coquina carbonate;Wang Hai-Tao 等;Borehole Geophysics and Properties;20210504;第17卷;501–512 *
基于数字岩心的页岩孔隙结构分析及导电性建模;张乃毓;中国优秀硕士学位论文全文数据库 基础科学辑;20230915(第9期);A011-290 *
数字岩心技术在致密储层微观渗流特征研究中的应用;盛军;阳成;徐立;丁晓军;杨晓菁;李纲;;西安石油大学学报(自然科学版);20180925;第33卷(第05期);83-89 *
泥质砂岩数字岩心的电性数值模拟及导电模型的建立;范雨霏;中国博士学位论文全文数据库 基础科学辑;20220115(第1期);A011-71 *

Also Published As

Publication number Publication date
CN117421890A (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
CN105426612B (zh) 一种地层组分最优化确定方法及装置
CN110847901B (zh) 一种变矿化度地层水下的致密砂岩储层流体识别方法
CN103616731B (zh) 一种油气勘探中蚀变火山岩有效储层确定方法及装置
CN112698399B (zh) 一种砂砾岩井测震联动约束高效储层定量预测方法与系统
CN112922591B (zh) 泥页岩储层岩相“甜点”预测方法及系统
CN105629327A (zh) 一种针对弱胶结、深层致密砂岩储层成岩相定量表征方法
CN104749651A (zh) 相控多级重构测井定量识别泥页岩甜点方法
CN107829731A (zh) 一种黏土蚀变的火山岩孔隙度校正方法
CN112796738A (zh) 一种阵列声波测井和常规测井结合的地层渗透率计算方法
CN116263809A (zh) 一种基于人工智能与测井分层建模的页岩油岩相识别方法
CN109298464A (zh) 致密砂岩储层成岩相测井识别方法及装置
CN110688781B (zh) 一种低渗非均质气藏储层测井解释方法
Iltaf et al. Facies and petrophysical modeling of Triassic Chang 6 tight sandstone reservoir, Heshui oil field, Ordos basin, China
CN107762483A (zh) 一种基于测井曲线的相关系数及包络面积的流体识别方法
Fan et al. Semi-supervised learning–based petrophysical facies division and “Sweet Spot” identification of low-permeability sandstone reservoir
CN117421890B (zh) 一种基于矿物填充的缝洞型储层导电模型构建方法
CN112228050A (zh) 一种定量评价致密油储层宏观非均质性的方法及其应用
CN115793094A (zh) 一种曲线叠合重构识别复杂页岩层系岩性的方法及应用
CN112505764B (zh) 一种高孔隙含烃砂岩储层预测方法与装置
Jia et al. Seismic response analysis and distribution prediction of source rocks in a survey of the South China Sea
CN113514884A (zh) 一种致密砂岩储层预测方法
Murray Identification and 3-D modeling of petrophysical rock types
RU2253885C1 (ru) Способ определения нефтепродуктивности пористых коллекторов в трехмерном межскважинном пространстве
CN113109888B (zh) 一种基于多因素渗透率的火山岩高孔低渗储层储量计算方法
Manchuk et al. Advances in micromodeling using resistivity borehole images

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