CN117572026A - 页岩小尺度孔径结构预测方法、装置、设备及介质 - Google Patents
页岩小尺度孔径结构预测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117572026A CN117572026A CN202410064468.0A CN202410064468A CN117572026A CN 117572026 A CN117572026 A CN 117572026A CN 202410064468 A CN202410064468 A CN 202410064468A CN 117572026 A CN117572026 A CN 117572026A
- Authority
- CN
- China
- Prior art keywords
- pore
- scale
- determining
- fractal dimension
- aperture
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000011148 porous material Substances 0.000 claims abstract description 212
- 238000007689 inspection Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 2
- 229930195733 hydrocarbon Natural products 0.000 description 7
- 150000002430 hydrocarbons Chemical class 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 239000003079 shale oil Substances 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- -1 helium ion Chemical class 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- XKRFYHLGVUSROY-UHFFFAOYSA-N argon Substances [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- 229910052786 argon Inorganic materials 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- RFHAOTPXVQNOHP-UHFFFAOYSA-N fluconazole Chemical compound C1=NC=NN1CC(C=1C(=CC(F)=CC=1)F)(O)CN1C=NC=N1 RFHAOTPXVQNOHP-UHFFFAOYSA-N 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q30/00—Auxiliary means serving to assist or improve the scanning probe techniques or apparatus, e.g. display or data processing devices
- G01Q30/04—Display or data processing devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q30/00—Auxiliary means serving to assist or improve the scanning probe techniques or apparatus, e.g. display or data processing devices
- G01Q30/02—Non-SPM analysing devices, e.g. SEM [Scanning Electron Microscope], spectrometer or optical microscope
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明涉及电数字数据处理领域，本发明提供一种页岩小尺度孔径结构预测方法、装置、设备及介质，该方法包括：获取页岩样品表面的显微图像，基于二值化后的显微图像，确定大尺度无机孔隙的孔隙尺寸和孔隙面积；对大尺度无机介孔的面孔率和分形维数进行检验；在检验通过的情况下，基于面孔率和分形维数确定孔径及其面孔率对应关系；根据孔径及其面孔率对应关系，预测页岩小尺度无机介孔的孔径结构。本发明通过确定页岩大尺度无机介孔的面孔率和分形维数，并基于面孔率和分形维数进行检验通过的情况下，基于面孔率和分形维数，建立可以预测小尺度无机介孔的孔径结构的各孔径及其面孔率的对应关系。解决了目前无法有效表征小尺度无机介孔结构的问题。
Description
技术领域
本发明涉及电数字数据处理领域，尤其涉及一种页岩小尺度孔径结构预测方法、装置、设备及介质。
背景技术
页岩中的孔隙结构影响着页岩油气的储集和开发。页岩作为一种天然的多孔介质，其孔隙具有分形特征。目前，页岩油气开发主要针对储层中的自由烃。但是，随着孔隙尺寸的减小，孔隙内壁与烃类的相互作用逐渐增强，导致越来越多的自由烃以吸附态存在于小尺寸孔隙中，使之难以动用和开发。因此，确定可动烃的孔径下限是页岩油气勘探开发中的关键内容。有机和无机孔壁对烃类的吸附作用显著不同，获取无机孔和有机孔的孔径结构对于可动烃研究至关重要。目前，氦离子显微镜已实现低至介孔尺度的有机孔隙结构表征，无机孔隙结构的表征则主要依赖于扫描电子显微镜。然而，受电子束衍射和散射等作用的影响，扫描电子显微镜无法准确揭示小于30nm的小尺度无机介孔的孔径结构，这在一定程度上制约了页岩可动烃的研究和页岩油气的高效勘探开发。
发明内容
本发明提供一种页岩小尺度孔径结构预测方法、装置、设备及介质，用以解决现有的扫描电子显微镜分析法无法揭示小于30nm的小尺度无机介孔孔径结构信息的技术问题。
本发明提供一种页岩小尺度孔径结构预测方法，包括：
获取页岩样品表面的显微图像，基于二值化后的显微图像，确定大尺度无机孔隙的孔隙尺寸和孔隙面积；
对大尺度无机介孔的面孔率和分形维数进行检验，所述大尺度无机介孔的面孔率和分形维数是基于所述孔隙尺寸和所述孔隙面积确定的；
在检验通过的情况下，基于所述面孔率和所述分形维数，确定孔径及其面孔率对应关系；
根据所述孔径及其面孔率对应关系，预测页岩小尺度无机介孔的孔径结构。
根据本发明提供的一种页岩小尺度孔径结构预测方法，所述基于二值化后的显微图像，确定大尺度无机孔隙的孔隙尺寸和孔隙面积包括：
确定二值化后的显微图像中的孔隙区域；
基于所述显微图像的成像参数，确定各大尺度无机孔隙对应的孔隙区域的孔隙尺寸和孔隙面积。
根据本发明提供的一种页岩小尺度孔径结构预测方法，基于所述孔隙尺寸确定所述大尺度无机介孔的分形维数包括：
确定所述大尺度无机介孔对应的目标孔径区间，以及所述显微图像中的最大孔径；
基于所述目标孔径区间和所述最大孔径，确定所述大尺度无机介孔的分形维数。
根据本发明提供的一种页岩小尺度孔径结构预测方法，所述基于所述目标孔径区间和所述最大孔径，确定所述大尺度无机介孔的分形维数包括：
确定目标孔径的无机孔隙个数，所述目标孔径属于所述目标孔径区间；
基于所述目标孔径区间和所述最大孔径确定第一孔径区间；
根据所述目标孔径、所述目标孔径的无机孔隙个数以及所述第一孔径区间，确定所述大尺度无机介孔的分形维数。
根据本发明提供的一种页岩小尺度孔径结构预测方法，所述对大尺度无机介孔的面孔率和分形维数进行检验包括：
确定所述页岩样品的累计观测面积，大尺度无机介孔的面孔率与所述累计观测面积的二维变量关系图，以及所述大尺度无机介孔的分形维数与所述累计观测面积的二维变量关系图；
基于所述二维变量关系图，对所述大尺度无机介孔的面孔率和分形维数进行检验。
根据本发明提供的一种页岩小尺度孔径结构预测方法，所述基于所述二维变量关系图，对所述大尺度无机介孔的面孔率和分形维数进行检验包括：
基于所述二维变量关系图，确定所述面孔率和所述分形维数的波动值；
在目标波动值对应的累计观测面积不小于第一预设阈值的情况下，确定所述大尺度无机介孔的面孔率和分形维数检验通过，所述目标波动值小于第二预设阈值。
根据本发明提供的一种页岩小尺度孔径结构预测方法，所述基于所述面孔率和所述分形维数，确定孔径及其面孔率对应关系包括：
确定所述页岩样品的总表面积、几何因子以及目标大孔径；
确定第一孔径的分形维数，所述第一孔径属于所述大尺度无机介孔；
根据所述总表面积、所述几何因子、所述目标大孔径以及所述第一孔径的分形维数，确定孔径及其面孔率对应关系。
本发明还提供一种页岩小尺度孔径结构预测装置，包括：
孔隙参数确定模块，用于获取页岩样品表面的显微图像，基于二值化后的显微图像，确定大尺度无机孔隙的孔隙尺寸和孔隙面积；
检验模块，用于对大尺度无机介孔的面孔率和分形维数进行检验，所述大尺度无机介孔的面孔率和分形维数是基于所述孔隙尺寸和所述孔隙面积确定的；
孔径及其面孔率对应关系确定模块，用于在检验通过的情况下，基于所述面孔率和所述分形维数，确定孔径及其面孔率对应关系；
孔径结构预测模块，用于根据所述孔径及其面孔率对应关系，预测页岩小尺度无机介孔的孔径结构。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述页岩小尺度孔径结构预测方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述页岩小尺度孔径结构预测方法。
本发明提供的页岩小尺度孔径结构预测方法、装置、设备及介质，通过二值化后的页岩样品显微图像，确定页岩大尺度无机介孔的面孔率和分形维数，并基于面孔率和分形维数进行检验，在检验通过的情况下，基于面孔率和分形维数，建立各孔径及其面孔率的对应关系，并以各孔径及其面孔率的对应关系来预测小尺度无机介孔的孔径结构。解决了目前无法有效表征小尺度无机介孔结构的问题。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的页岩小尺度孔径结构预测方法的流程示意图之一；
图2是本发明提供的页岩小尺度孔径结构预测方法的流程示意图之二；
图3是本发明提供的页岩小尺度孔径结构预测装置的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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他实施例，都属于本发明保护的范围。
请参照图1，本发明提供一种页岩小尺度孔径结构预测方法，包括：
步骤100，获取页岩样品表面的显微图像，基于二值化后的显微图像，确定大尺度无机孔隙的孔隙尺寸和孔隙面积；
本申请实施例提供的页岩小尺度孔径结构预测方法，还可以包括：
步骤110，确定二值化后的显微图像中的孔隙区域；
步骤120，基于所述显微图像的成像参数，确定各大尺度无机孔隙对应的孔隙区域的孔隙尺寸和孔隙面积。
具体地，本发明提供的页岩小尺度孔径结构预测方法的具体流程如下：
步骤1、对页岩样品进行预处理，使预处理后的页岩样品表面满足孔隙显微观测的条件；步骤2、采用电子显微镜对预处理后的页岩表面的随机视域进行显微成像，并记录累计观测面积；步骤3、对显微图像进行二值化处理，并依据灰度将显微图像划分为孔隙区域和非孔隙区域；步骤4、根据划分后的孔隙区域，统计无机孔隙的累计个数，并基于显微图像的成像参数确定各孔隙的尺寸和面积。即本实施例中各大尺度无机孔隙的孔隙尺寸和孔隙面积，其中，大尺度指扫描电子显微镜技术可以准确定量表征的孔径尺度，大尺度无机介孔指孔径大于30nm的无机介孔。
进一步地，上述步骤1中的页岩样品包括野外采集的岩石标本和钻井岩心，以及由它们制成的页岩样品靶；上述步骤2中的预处理的方法可以是：对页岩样品进行切割，然后采用由粗到细的研磨介质对页岩切割面进行研磨，随后采用由粗到细的抛光粉或其分散液对页岩切割面进行机械抛光，最后对页岩切割面进行氩离子抛光。上述显微成像指利用扫描电子显微镜对已进行了氩离子抛光的页岩切割面进行显微成像，显微图像的分辨率等于或优于1nm/像素点，显微图像矩形视场的宽不低于1；上述步骤4中的孔隙尺寸指的是能反映孔隙大小的参数，包括但不限于孔隙的等效圆直径或者费雷特直径。
步骤200，对大尺度无机介孔的面孔率和分形维数进行检验，所述大尺度无机介孔的面孔率和分形维数是基于所述孔隙尺寸和所述孔隙面积确定的；
具体地，本发明提供的页岩小尺度孔径结构预测方法的具体流程还包括：
步骤5、基于各无机介孔的孔隙面积计算孔径不小于30nm的无机介孔的面孔率，基于各无机介孔的孔隙尺寸以及无机介孔的数量，计算孔径不小于30nm的无机介孔的分形维数；步骤6、对孔径不小于30nm的无机介孔的面孔率和分形维数进行检验。若检验通过，则进行下一步；若检验不通过，则返回继续实施上述步骤2。
进一步地，上述步骤5中孔径不小于30nm的无机介孔的面孔率的计算方法为：确定提取到的孔径大于或等于30nm的无机孔隙的总面积，除以扫描电子显微镜的累计观测面积，得到孔径不小于30nm的无机介孔的面孔率。
步骤300，在检验通过的情况下，基于所述面孔率和所述分形维数，确定孔径及其面孔率对应关系；
步骤400，根据所述孔径及其面孔率对应关系，预测页岩小尺度无机介孔的孔径结构。
具体地，本发明提供的页岩小尺度孔径结构预测方法的具体流程还包括：
步骤7、根据孔径不小于30nm的无机介孔的面孔率和分形维数建立预测模型；步骤8、根据预测模型计算孔径小于30nm的无机介孔在各孔径区间对应的面孔率，建立面孔率和孔径分布关系，进而通过面孔率和孔径分布关系来预测小尺度无机介孔的孔径结构。
本实施例通过二值化后的页岩样品显微图像，确定页岩大尺度无机介孔的面孔率和分形维数，并基于面孔率和分形维数进行检验，在检验通过的情况下，基于面孔率和分形维数，建立各孔径及其面孔率的对应关系。解决了目前无法有效表征小尺度无机介孔结构的问题。
在一个实施例中，本申请实施例提供的页岩小尺度孔径结构预测方法，还可以包括：
步骤210，确定所述大尺度无机介孔对应的目标孔径区间，以及所述显微图像中的最大孔径；
步骤220，基于所述目标孔径区间和所述最大孔径，确定所述大尺度无机介孔的分形维数。
本申请实施例提供的页岩小尺度孔径结构预测方法，还可以包括：
步骤221，确定目标孔径的无机孔隙个数，所述目标孔径属于所述目标孔径区间；
步骤222，基于所述目标孔径区间和所述最大孔径确定第一孔径区间；
步骤223，根据所述目标孔径、所述目标孔径的无机孔隙个数以及所述第一孔径区间，确定所述大尺度无机介孔的分形维数。
具体地，上述步骤5中孔径不小于30nm的无机介孔的分形维数的计算方法和原理如下：
根据多孔介质在二维截面的累计孔隙个数与孔径之间的分形几何学关系，在页岩整个截面中孔径大于或等于的全部无机介孔个数/>与最大无机介孔尺寸/>以及无机介孔的分析维数/>存在如公式1所示的关系：
公式1
上述步骤2中，显微图像仅为页岩截面的部分区域成像，因此，拍摄得到的无机介孔个数会明显少于页岩样品整个截面的无机介孔个数，此外，由于显微成像视场尺寸的限制，孔径大于视场尺寸的孔隙无法被直接拍摄，拍摄区域内的最大无机介孔的孔径必然小于/>，因此，整个页岩样品截面中孔径大于或等于/>的全部无机介孔个数可以表示为如公式2所示的两部分：
公式2
上述公式2中，为整个页岩样品截面中孔径大于/>的无机介孔的个数；/>为整个页岩截面中孔径大于或等于/>，且小于或等于的无机介孔的个数。其中，/>可以表示为如公式3所示：
公式3
其中，为整个页岩样品截面的面积；/>为拍摄区域的面积；为拍摄区域内孔径大于或等于/>，且小于或等于/>的无机介孔的个数，根据公式1，公式2和公式3可推导出如下公式4：
公式4
当采用特定的分析流程研究特定的页岩样品时，上述公式4中的、/>、/>、/>和/>均是固定值。根据上述步骤2可知，显微图像矩形视场的宽不低于1/>，因此，/>约等于或大于1/>。由于在页岩中纳米级宏孔数量显著多于微米级宏孔，因此，当/>小于50nm时，/>远大于/>，进而可知，近似为0。上述公式4可近似表示为公式5：
公式5
公式5中的为常数，基于上述公式4和公式5中的无机介孔的累计个数和孔隙尺寸，对/>和/>进行一元线性回归，其中，30nm≤/>＜50nm，回归方程斜率的相反数/>即为无机介孔的分形维数。
本实施例通过多孔介质在二维截面的累计孔隙个数与孔径之间的分形几何学关系，确定大尺度无机介孔的分形维数。
在一个实施例中，本申请实施例提供的页岩小尺度孔径结构预测方法，还可以包括：
步骤230，确定所述页岩样品的累计观测面积，大尺度无机介孔的面孔率与所述累计观测面积的二维变量关系图，以及所述大尺度无机介孔的分形维数与所述累计观测面积的二维变量关系图；
步骤240，基于所述二维变量关系图，对所述大尺度无机介孔的面孔率和分形维数进行检验。
本申请实施例提供的页岩小尺度孔径结构预测方法，还可以包括：
步骤241，基于所述二维变量关系图，确定所述面孔率和所述分形维数的波动值；
步骤242，在目标波动值对应的累计观测面积不小于第一预设阈值的情况下，确定所述大尺度无机介孔的面孔率和分形维数检验通过，所述目标波动值小于第二预设阈值。
具体地，上述步骤6中对无机介孔的面孔率和分形维数进行检验的具体过程如下：
建立无机介孔的面孔率与累计观测面积的二维变量关系图，以及无机介孔的分形维数与累计观测面积的二维变量关系图。随着累计观测面积的增加，获取的面孔率和分形维数的值的波动逐渐减小，当波动范围小于第二预设阈值（如0.1%）的连续区间不小于第一预设阈值（如100）时，视为在局部拍摄区域获取的面孔率和分形维数能够代表页岩样品整体，确定无机介孔的面孔率和分形维数检验通过。
本实施例通过二维变量关系图，对无机介孔的面孔率和分形维数进行检验。
请参照图2，在一个实施例中，本申请实施例提供的页岩小尺度孔径结构预测方法，还可以包括：
步骤310，确定所述页岩样品的总表面积、几何因子以及目标大孔径；
步骤320，确定第一孔径的分形维数，所述第一孔径属于所述大尺度无机介孔；
步骤330，根据所述总表面积、所述几何因子、所述目标大孔径以及所述第一孔径的分形维数，确定孔径及其面孔率对应关系。
具体地，上述步骤7中确定孔径及其面孔率对应关系的过程如下：求公式1关于的微分，可以得到如下公式6，其中，/>为页岩整个截面中的无机介孔个数；由于无机孔隙存在统计自相似性，页岩样品截面中各孔隙的面积/>可表示为关于/>的函数，如公式7所示，其中，/>为几何因子，对于特定样品为确定值。
公式6
公式7
根据上述公式6和公式7，孔径和面孔率的关系函数可以表示为公式8。根据公式8，大于等于且小于/>的孔径的面孔率可表示为公式9，其中，/>、/>和/>为与样品有关的确定值，可进一步表示为公式10，其中，/>为系数，与样品本身有关，当样品确定时为确定值。
公式8
公式9
公式10
根据上述公式4和公式10中各孔隙的尺寸和面积，对和进行零截距的一元线性回归，其中，30nm≤/>≤/>≤50nm，可以求出/>的值。将小尺度无机介孔范围内（大于或等于2nm，且小于30nm）的要预测的目标孔径代入确定了值的公式10，即可求得小尺度无机介孔的面孔率，即小尺度无机介孔孔径分布。
本实施例基于扫描电子显微镜技术和分形几何学理论，建立了预测孔径小于30nm无机孔隙孔径结构的方法，解决了目前无法有效地直接表征小于30nm无机介孔结构的问题。
下面对本发明提供的页岩小尺度孔径结构预测装置进行描述，下文描述的页岩小尺度孔径结构预测装置与上文描述的页岩小尺度孔径结构预测方法可相互对应参照。
请参照图3，本发明还提供一种页岩小尺度孔径结构预测装置，包括：
孔隙参数确定模块301，用于获取页岩样品表面的显微图像，基于二值化后的显微图像，确定大尺度无机孔隙的孔隙尺寸和孔隙面积；
检验模块302，用于对大尺度无机介孔的面孔率和分形维数进行检验，所述大尺度无机介孔的面孔率和分形维数是基于所述孔隙尺寸和所述孔隙面积确定的；
孔径及其面孔率对应关系确定模块303，用于在检验通过的情况下，基于所述面孔率和所述分形维数，确定孔径及其面孔率对应关系；
孔径结构预测模块304，用于根据所述孔径及其面孔率对应关系，预测页岩小尺度无机介孔的孔径结构。
可选地，所述孔隙参数确定模块包括：
孔隙区域确定单元，用于确定二值化后的显微图像中的孔隙区域；
孔隙参数确定单元，用于基于所述显微图像的成像参数，确定各大尺度无机孔隙对应的孔隙区域的孔隙尺寸和孔隙面积。
可选地，所述检验模块包括：
第一确定单元，用于确定所述大尺度无机介孔对应的目标孔径区间，以及所述显微图像中的最大孔径；
分形维数确定单元，用于基于所述目标孔径区间和所述最大孔径，确定所述大尺度无机介孔的分形维数。
可选地，所述分形维数确定单元包括：
第二确定单元，用于确定目标孔径的无机孔隙个数，所述目标孔径属于所述目标孔径区间；
第一孔径区间确定单元，用于基于所述目标孔径区间和所述最大孔径确定第一孔径区间；
第三确定单元，用于根据所述目标孔径、所述目标孔径的无机孔隙个数以及所述第一孔径区间，确定所述大尺度无机介孔的分形维数。
可选地，所述检验模块还包括：
二维变量关系图确定单元，用于确定所述页岩样品的累计观测面积，大尺度无机介孔的面孔率与所述累计观测面积的二维变量关系图，以及所述大尺度无机介孔的分形维数与所述累计观测面积的二维变量关系图；
检验单元，用于基于所述二维变量关系图，对所述大尺度无机介孔的面孔率和分形维数进行检验。
可选地，所述检验单元包括：
波动值确定单元，用于基于所述二维变量关系图，确定所述面孔率和所述分形维数的波动值；
检验通过确定单元，用于在目标波动值对应的累计观测面积不小于第一预设阈值的情况下，确定所述大尺度无机介孔的面孔率和分形维数检验通过，所述目标波动值小于第二预设阈值。
可选地，所述孔径及其面孔率对应关系确定模块包括：
第四确定单元，用于确定所述页岩样品的总表面积、几何因子以及目标大孔径；
第五确定单元，用于确定第一孔径的分形维数，所述第一孔径属于所述大尺度无机介孔；
第六确定单元，用于根据所述总表面积、所述几何因子、所述目标大孔径以及所述第一孔径的分形维数，确定所述孔径及其面孔率对应关系。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行页岩小尺度孔径结构预测方法。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的页岩小尺度孔径结构预测方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种页岩小尺度孔径结构预测方法，其特征在于，包括：
获取页岩样品表面的显微图像，基于二值化后的显微图像，确定大尺度无机孔隙的孔隙尺寸和孔隙面积；
对大尺度无机介孔的面孔率和分形维数进行检验，所述大尺度无机介孔的面孔率和分形维数是基于所述孔隙尺寸和所述孔隙面积确定的；
在检验通过的情况下，基于所述面孔率和所述分形维数，确定孔径及其面孔率对应关系；
根据所述孔径及其面孔率对应关系，预测页岩小尺度无机介孔的孔径结构。
2.根据权利要求1所述的页岩小尺度孔径结构预测方法，其特征在于，所述基于二值化后的显微图像，确定大尺度无机孔隙的孔隙尺寸和孔隙面积包括：
确定二值化后的显微图像中的孔隙区域；
基于所述显微图像的成像参数，确定各大尺度无机孔隙对应的孔隙区域的孔隙尺寸和孔隙面积。
3.根据权利要求1所述的页岩小尺度孔径结构预测方法，其特征在于，基于所述孔隙尺寸确定所述大尺度无机介孔的分形维数包括：
确定所述大尺度无机介孔对应的目标孔径区间，以及所述显微图像中的最大孔径；
基于所述目标孔径区间和所述最大孔径，确定所述大尺度无机介孔的分形维数。
4.根据权利要求3所述的页岩小尺度孔径结构预测方法，其特征在于，所述基于所述目标孔径区间和所述最大孔径，确定所述大尺度无机介孔的分形维数包括：
确定目标孔径的无机孔隙个数，所述目标孔径属于所述目标孔径区间；
基于所述目标孔径区间和所述最大孔径确定第一孔径区间；
根据所述目标孔径、所述目标孔径的无机孔隙个数以及所述第一孔径区间，确定所述大尺度无机介孔的分形维数。
5.根据权利要求1所述的页岩小尺度孔径结构预测方法，其特征在于，所述对大尺度无机介孔的面孔率和分形维数进行检验包括：
确定所述页岩样品的累计观测面积，大尺度无机介孔的面孔率与所述累计观测面积的二维变量关系图，以及所述大尺度无机介孔的分形维数与所述累计观测面积的二维变量关系图；
基于所述二维变量关系图，对所述大尺度无机介孔的面孔率和分形维数进行检验。
6.根据权利要求5所述的页岩小尺度孔径结构预测方法，其特征在于，所述基于所述二维变量关系图，对所述大尺度无机介孔的面孔率和分形维数进行检验包括：
基于所述二维变量关系图，确定所述面孔率和所述分形维数的波动值；
在目标波动值对应的累计观测面积不小于第一预设阈值的情况下，确定所述大尺度无机介孔的面孔率和分形维数检验通过，所述目标波动值小于第二预设阈值。
7.根据权利要求1所述的页岩小尺度孔径结构预测方法，其特征在于，所述基于所述面孔率和所述分形维数，确定孔径及其面孔率对应关系包括：
确定所述页岩样品的总表面积、几何因子以及目标大孔径；
确定第一孔径的分形维数，所述第一孔径属于所述大尺度无机介孔；
根据所述总表面积、所述几何因子、所述目标大孔径以及所述第一孔径的分形维数，确定孔径及其面孔率对应关系。
8.一种页岩小尺度孔径结构预测装置，其特征在于，包括：
孔隙参数确定模块，用于获取页岩样品表面的显微图像，基于二值化后的显微图像，确定大尺度无机孔隙的孔隙尺寸和孔隙面积；
检验模块，用于对大尺度无机介孔的面孔率和分形维数进行检验，所述大尺度无机介孔的面孔率和分形维数是基于所述孔隙尺寸和所述孔隙面积确定的；
孔径及其面孔率对应关系确定模块，用于在检验通过的情况下，基于所述面孔率和所述分形维数，确定孔径及其面孔率对应关系；
孔径结构预测模块，用于根据所述孔径及其面孔率对应关系，预测页岩小尺度无机介孔的孔径结构。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述页岩小尺度孔径结构预测方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述页岩小尺度孔径结构预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410064468.0A CN117572026B (zh) | 2024-01-17 | 2024-01-17 | 页岩小尺度孔径结构预测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410064468.0A CN117572026B (zh) | 2024-01-17 | 2024-01-17 | 页岩小尺度孔径结构预测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117572026A true CN117572026A (zh) | 2024-02-20 |
| CN117572026B CN117572026B (zh) | 2024-05-14 |
Family
ID=89888543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410064468.0A Active CN117572026B (zh) | 2024-01-17 | 2024-01-17 | 页岩小尺度孔径结构预测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117572026B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4628468A (en) * | 1984-04-13 | 1986-12-09 | Exxon Production Research Co. | Method and means for determining physical properties from measurements of microstructure in porous media |
| US20140019054A1 (en) * | 2012-07-13 | 2014-01-16 | Ingrain Inc. | Digital rock analysis systems and methods with reliable multiphase permeability determination |
| CN110146525A (zh) * | 2019-04-24 | 2019-08-20 | 山东科技大学 | 一种基于分形理论及ct扫描的煤体孔渗参数预测方法 |
| CN112067637A (zh) * | 2020-09-11 | 2020-12-11 | 中国矿业大学 | 一种岩土数字rev尺度近似判据及取样验证方法 |
| CN115235977A (zh) * | 2022-07-22 | 2022-10-25 | 中国石油大学(华东) | 基于分形特征计算页岩多尺度孔径分布的方法及系统 |
-
2024
- 2024-01-17 CN CN202410064468.0A patent/CN117572026B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4628468A (en) * | 1984-04-13 | 1986-12-09 | Exxon Production Research Co. | Method and means for determining physical properties from measurements of microstructure in porous media |
| US20140019054A1 (en) * | 2012-07-13 | 2014-01-16 | Ingrain Inc. | Digital rock analysis systems and methods with reliable multiphase permeability determination |
| CN110146525A (zh) * | 2019-04-24 | 2019-08-20 | 山东科技大学 | 一种基于分形理论及ct扫描的煤体孔渗参数预测方法 |
| CN112067637A (zh) * | 2020-09-11 | 2020-12-11 | 中国矿业大学 | 一种岩土数字rev尺度近似判据及取样验证方法 |
| CN115235977A (zh) * | 2022-07-22 | 2022-10-25 | 中国石油大学(华东) | 基于分形特征计算页岩多尺度孔径分布的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 赵明;郁伯铭;: "数字岩心孔隙结构的分形表征及渗透率预测", 重庆大学学报, no. 04, 15 April 2011 (2011-04-15), pages 88 - 94 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117572026B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chandra et al. | A critical review on pore to continuum scale imaging techniques for enhanced shale gas recovery | |
| CN107449707B (zh) | 页岩储层中不同尺度孔隙定量的三维表征确定方法和装置 | |
| Xia et al. | Fractal dimension, lacunarity and succolarity analyses on CT images of reservoir rocks for permeability prediction | |
| CN105352873B (zh) | 页岩孔隙结构的表征方法 | |
| Hemes et al. | Multi-scale characterization of porosity in Boom Clay (HADES-level, Mol, Belgium) using a combination of X-ray μ-CT, 2D BIB-SEM and FIB-SEM tomography | |
| Guo et al. | Quantitative pore characterization and the relationship between pore distributions and organic matter in shale based on Nano-CT image analysis: a case study for a lacustrine shale reservoir in the Triassic Chang 7 member, Ordos Basin, China | |
| Peng et al. | Using X-ray computed tomography in pore structure characterization for a Berea sandstone: Resolution effect | |
| Wu et al. | Analyses of representative elementary volume for coal using X-ray μ-CT and FIB-SEM and its application in permeability predication model | |
| US10223782B2 (en) | Digital rock physics-based trend determination and usage for upscaling | |
| Qajar et al. | Microtomographic characterization of dissolution-induced local porosity changes including fines migration in carbonate rock | |
| CN108876901A (zh) | 一种基于二维图像和多点统计学的数字岩心重建方法 | |
| Adeleye et al. | Pore-scale analyses of heterogeneity and representative elementary volume for unconventional shale rocks using statistical tools | |
| CN113609696A (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 | |
| CN103713316A (zh) | 一种基于岩石孔隙数字表征的速度预测方法及装置 | |
| CN105649615A (zh) | Ct定量、三维可视化测试储层致密油赋存状态的方法 | |
| Fang et al. | Three-dimensional spatial structure of the macro-pores and flow simulation in anthracite coal based on X-ray μ-CT scanning data | |
| Payton et al. | The influence of grain shape and size on the relationship between porosity and permeability in sandstone: A digital approach | |
| Yin et al. | Methane adsorption constrained by pore structure in high‐rank coals using FESEM, CO 2 adsorption, and NMRC techniques | |
| Munawar et al. | Upscaling reservoir rock porosity by fractal dimension using three-dimensional micro-computed tomography and two-dimensional scanning electron microscope images | |
| Lin et al. | Digital characterization and fractal quantification of the pore structures of tight sandstone at multiple scales | |
| Galaup et al. | New integrated 2D–3D physical method to evaluate the porosity and microstructure of carbonate and dolomite porous system | |
| Yuan et al. | Quantitative study on the microstructure of loess soils at micrometer scale via X-ray computed tomography | |
| CN117572026B (zh) | 页岩小尺度孔径结构预测方法、装置、设备及介质 | |
| Youssef et al. | High resolution μ-CT combined to numerical models to assess electrical properties of bimodal carbonates | |
| Payton et al. | The upper percolation threshold and porosity–permeability relationship in sandstone reservoirs using digital image analysis |
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 |