CN117574686B - 数字岩心的构建方法、装置、电子设备和存储介质 - Google Patents
数字岩心的构建方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117574686B CN117574686B CN202410051434.8A CN202410051434A CN117574686B CN 117574686 B CN117574686 B CN 117574686B CN 202410051434 A CN202410051434 A CN 202410051434A CN 117574686 B CN117574686 B CN 117574686B
- Authority
- CN
- China
- Prior art keywords
- core
- pore
- core sample
- pores
- digital
- 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 71
- 239000011435 rock Substances 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000011148 porous material Substances 0.000 claims abstract description 279
- 238000009826 distribution Methods 0.000 claims abstract description 67
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 238000010276 construction Methods 0.000 claims abstract description 32
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000002922 simulated annealing Methods 0.000 claims abstract description 16
- 238000002474 experimental method Methods 0.000 claims abstract description 15
- 238000001179 sorption measurement Methods 0.000 claims abstract description 12
- 239000007788 liquid Substances 0.000 claims abstract description 11
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 27
- 238000000137 annealing Methods 0.000 claims description 19
- 238000009499 grossing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012800 visualization Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 238000009792 diffusion process Methods 0.000 claims description 6
- 230000002146 bilateral effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 16
- 238000002591 computed tomography Methods 0.000 description 13
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 101100533306 Mus musculus Setx gene Proteins 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000011426 transformation method Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000011545 laboratory measurement Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
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
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Mathematical Physics (AREA)
- Analytical Chemistry (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Computer Graphics (AREA)
- Dispersion Chemistry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数字岩心的构建方法、装置、电子设备和存储介质,涉及构建数字岩心的技术领域。构建方法通过构建岩心样品的扫描岩心,获取岩心样品进行低温液氮吸附实验的实验数据,由于实验数据至少包括岩心样品的比表面积、平均孔径和纳米级孔隙的总体积,可以经模拟退火算法的计算模型对实验数据进行处理,以获得岩心样品中所有纳米级孔隙的孔隙分布结果,孔隙分布结果表征了纳米级孔隙的孔隙尺寸和对应的孔隙位置,将孔隙分布结果加载至扫描岩心,可以获得包含纳米级孔隙的数字岩心。融合纳米级孔隙后生成的数字岩心具有多尺度特点,能更精确地建立物理模型和评价储层孔隙特征,进而提高了数字岩心构建的准确性。
Description
技术领域
本发明涉及构建数字岩心的技术领域,尤其涉及一种数字岩心的构建方法、装置、电子设备和存储介质。
背景技术
随着我国非常规能源的开发,非常规油气产量在总产量的占比不断提高,非常规油气开发已进入新的发展阶段。非常规储层岩石具有极其复杂和不规则的微观孔隙结构,直接影响着岩石的物理化学性质。传统的岩石物理实验无法从微观尺度定量研究岩石物理属性的影响规律及影响机理,从而无法更精确地建立物理模型和评价储层的孔隙特征。得益于扫描成像技术的发展,数字岩心技术可以对岩心进行精细数字化表征,该技术也渐渐成为研究微观岩石物理属性、评价储层孔隙特征的新方向。
在数字岩石工作流程中,最为基础和关键的是对孔隙进行精确成像和数字化,但对于具有不同尺度孔隙结构的岩石来说,这是难以实现的。主要问题是受表征技术(或称成像技术)的限制,具有固定分辨率的单一成像方法不能解析跨尺度的结构分布。对多尺度多孔介质岩心进行建模引起了学者们的广泛关注。然而,从理论问题到技术难点仍存在许多挑战,导致纳米级孔隙无法完成准确构建。
因此,如何提高数字岩心构建的准确性,是目前亟待解决的技术问题。
发明内容
本发明提供的一种数字岩心的构建方法、装置、电子设备和存储介质,能够提高数字岩心构建的准确性。
本发明实施例提供了以下方案:
第一方面,本发明实施例提供了一种数字岩心的构建方法,方法包括:
构建岩心样品的扫描岩心,其中,扫描岩心为包含微米级和微米级以上孔隙的岩心模型;
获取岩心样品进行低温液氮吸附实验的实验数据,其中,实验数据至少包括岩心样品的比表面积、平均孔径和纳米级孔隙的总体积;
根据模拟退火算法的计算模型对实验数据进行处理,以获得岩心样品中所有纳米级孔隙的孔隙分布结果,其中,孔隙分布结果包括孔隙尺寸和对应的孔隙位置;
将孔隙分布结果加载至扫描岩心,并输出岩心样品的数字岩心。
在一种可选的实施例中,根据模拟退火算法的计算模型对实验数据进行处理,以获得岩心样品中所有纳米级孔隙的孔隙分布结果,包括:
将纳米级孔隙的总体积转换为岩心样品的纳米孔隙度;
根据纳米孔隙度生成孔隙结构体,其中,孔隙结构体为包括纳米孔隙点和岩石骨架点的模型结构体;
根据孔隙结构体和退火能量函数,确定孔隙结构体实施退火的第一总能量;
根据比表面积、平均孔径和第一总能量,构建表征其约束关系的目标函数;
根据预设条件对目标函数进行解算,在解算结果满足预设条件时输出孔隙分布结果。
在一种可选的实施例中,根据比表面积、平均孔径和第一总能量,构建表征其约束关系的目标函数,包括:
根据公式,构建表征其约束关系的目标函数,其中,E′为第一总能量,/>为比表面积,D为平均孔径,i为纳米孔隙点,r为随机数,/>为第一拉格朗日乘子,/>为第二拉格朗日乘子,E′′为在比表面积和平均孔径约束下孔隙结构体实施退火的第二总能量。
在一种可选的实施例中,构建表征其约束关系的目标函数之后,方法还包括:
获取模型误差的第一容许度和第二容许度;
根据公式,更新目标函数,其中e 1 为第一容许度,e 2 为第二容许度。
在一种可选的实施例中,根据纳米孔隙度生成孔隙结构体,包括:
根据纳米孔隙度随机生成纳米孔隙点和岩石骨架点组成的初始两相模型;
根据择多算子算法对初始两相模型的孔隙点位置和骨架点位置进行迭代计算;
将迭代计算结果确定为孔隙结构体。
在一种可选的实施例中,将孔隙分布结果加载至扫描岩心之前,方法还包括:
对孔隙分布结果进行平滑处理,其中,平滑处理方式至少包括各向异性扩散处理、非局部均值去噪处理、小波变换处理和双边滤波处理中的一种。
在一种可选的实施例中,将孔隙分布结果加载至扫描岩心,并输出岩心样品的数字岩心,包括:
将孔隙分布结果以不同的方位角加载至扫描岩心;
根据公式,获得每个方位角的加载关联结果CCF,其中,ST为搜索模板,l x 为搜索模板的模板长度,l y 为搜索模板的模板宽度,X n 为表征孔隙分布结果的体数据集;
在加载关联结果大于预设的关联性阈值时,将对应的孔隙分布结果进行可视化处理,并输出为目标格式的数字岩心。
第二方面,本发明实施例还提供了一种数字岩心的构建装置,装置包括:
构建模块,用于构建岩心样品的扫描岩心,其中,扫描岩心为包含微米级和微米级以上孔隙的岩心模型;
获取模块,用于获取岩心样品进行低温液氮吸附实验的实验数据,其中,实验数据至少包括岩心样品的比表面积、平均孔径和纳米级孔隙的总体积;
获得模块,用于根据模拟退火算法的计算模型对实验数据进行处理,以获得岩心样品中所有纳米级孔隙的孔隙分布结果,其中,孔隙分布结果包括孔隙尺寸和对应的孔隙位置;
加载输出模块,用于将孔隙分布结果加载至扫描岩心,并输出岩心样品的数字岩心。
第三方面,本发明实施例还提供了一种电子设备,包括处理器和存储器,存储器耦接到处理器,存储器存储指令,当指令由处理器执行时使电子设备执行第一方面中任一项方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中任一项方法的步骤。
本发明的一种数字岩心的构建方法、装置、电子设备和存储介质与现有技术相比,具有以下优点:
本发明的数字岩心构建方法,通过构建岩心样品的扫描岩心,获取岩心样品进行低温液氮吸附实验的实验数据,由于实验数据至少包括岩心样品的比表面积、平均孔径和纳米级孔隙的总体积,可以经模拟退火算法的计算模型对实验数据进行处理,以获得岩心样品中所有纳米级孔隙的孔隙分布结果,孔隙分布结果表征了纳米级孔隙的孔隙尺寸和对应的孔隙位置,将孔隙分布结果加载至扫描岩心,可以获得包含纳米级孔隙的数字岩心。由于扫描岩心只能覆盖微米级及微米级以上的孔隙特征,融合纳米级孔隙后生成的数字岩心具有多尺度特点,相比单尺度模型更接近实验数据,能更精确地建立物理模型和评价储层孔隙特征,进而提高了数字岩心构建的准确性。基于该数字岩心可以从微观尺度定量研究岩石物理属性的影响规律及影响机理,支撑实际地球物理解释和油气田开发。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例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说明书的一些实施例,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为本发明实施例提供的数字岩心构建方法的流程图;
图2-1为本发明实施例提供的岩心样品Y1的扫描岩心示意图;
图2-2为本发明实施例提供的岩心样品Y2的扫描岩心示意图;
图3为本发明实施例提供初始两相模型的结构示意图;
图4-1为本发明实施例提供的岩心样品Y1的数字岩心示意图;
图4-2为本发明实施例提供的岩心样品Y2的数字岩心示意图;
图5为本发明实施例提供数字岩心构建方法的实施步骤图;
图6为本发明实施例提供数字岩心构建装置的结构示意图。
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、完整的描述,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,基于本发明实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明实施例保护的范围。
请参阅图1,图1为本发明实施例提供的一种数字岩心的构建方法的流程图,构建方法可以基于构建数字岩心的设计终端实施,例如PC(Personal Computer,个人计算机)设备和服务器设备等,能够运行该构建方法即可,在此不作具体限制,构建方法包括:
S11、构建岩心样品的扫描岩心,其中,扫描岩心为包含微米级和微米级以上孔隙的岩心模型。
具体的,岩心样品为待构建数字岩心的岩石材料样品,可以基于岩心钻在地质结构中钻取获得。通过CT(Computed Tomography,电子计算机断层扫描)设备对岩心样品进行扫描,识别岩心样品中的微米级孔隙,通过软件工具对扫描图像进行滤波降噪、二值化处理、阈值分割等,构建出微米级的三维数字岩心模型,即扫描岩心。其中,软件工具可以为任一种能够实施数字岩心构建的工具,例如Avizo。
可以理解,由于实施扫描的CT设备分辨率较低,扫描岩心的孔隙尺度仅能达到微米级,但是实际的岩心样品中存在纳米级孔隙,无法通过扫描法构建的数字岩心进行表征。以页岩为例,请参阅图2-1和2-2,图2-1是本发明实施例提供的岩心样品Y1基于CT扫描法所建得的扫描岩心,灰度较浅部分代表骨架,灰度较深部分代表孔隙,其孔隙度仅为0.17%,该扫描岩心仅包含微米级孔隙,因而孔隙结构迂曲度为2.56,该模型孔隙度远小于实测的孔隙度4.61%。图2-2为本发明实施例提供的岩心样品Y2基于CT扫描法所建得的扫描岩心,同样的,灰度较浅部分代表骨架,灰度较深部分代表孔隙,其孔隙度仅为0.64%,该扫描岩心同样仅包含微米孔隙,因而孔隙结构迂曲度为2.45,该模型孔隙度远小于实测的孔隙度4.68%。因此通过单一CT扫描法与混合建模法虽可以构建出扫描岩心,但是表征的孔隙与实验室测量得到的孔隙度数据存在较大差异,需要对扫描岩心进一步优化。构建出岩心样品的扫描岩心后进入步骤S12。
S12、获取岩心样品进行低温液氮吸附实验的实验数据,其中,实验数据至少包括岩心样品的比表面积、平均孔径和纳米级孔隙的总体积。
具体的,对岩心样品进行低温液氮吸附实验后即可获取对应的实验数据,当然,也可以基于历史实验的数据库所存储的数据获取实验数据,能够准确获取岩心样品的实验数据即可,在此不作具体限制。通过实验数据可以准确表征出岩心样品中纳米级孔隙的总体积。比表面积表征的是岩心样品的横截面积与样品体积的比值,记为;平均孔径表征的是岩心样品中孔隙的平均值,获取实验数据后进入步骤S13。
S13、根据模拟退火算法的计算模型对实验数据进行处理,以获得岩心样品中所有纳米级孔隙的孔隙分布结果,其中,孔隙分布结果包括孔隙尺寸和对应的孔隙位置。
具体的,模拟退火算法是基于固体退火过程的模拟,拟合得出的概率算法,可以得出问题的最优解,可以将其封装为计算模型,基于使用需求配置计算模型的相关参数,将实验数据输入计算模型后,计算模型实施寻优计算,将其输出结果确定为孔隙分布结果,由于实验数据表征的是纳米级孔隙的关联数据,因此孔隙分布结果可以表征出纳米级孔隙的孔隙尺寸和对应的孔隙位置。
示例性的,根据模拟退火算法的计算模型对实验数据进行处理,以获得岩心样品中所有纳米级孔隙的孔隙分布结果,包括:
第一步,将纳米级孔隙的总体积转换为岩心样品的纳米孔隙度。孔隙体积和孔隙度存在对应关系,可以根据公式,计算出纳米孔隙度/>,其中,/>为纳米级孔隙的总体积,/>为岩心样品的总体积。
第二步,根据纳米孔隙度生成孔隙结构体,其中,孔隙结构体为包括纳米孔隙点和岩石骨架点的模型结构体。可以将纳米孔隙度输入软件工具,通过软件工具生成孔隙结构体,孔隙结构体是微纳米孔隙和骨架组成的两相系统。
具体的,根据纳米孔隙度生成孔隙结构体,包括三个子步骤:
第一子步骤,根据纳米孔隙度随机生成纳米孔隙点和岩石骨架点组成的初始两相模型。可以随机生成纳米孔隙度为的初始两相模型,初始两相模型表征为三维数字岩心,其仅考虑骨架和孔隙的组成结构,用1来表示孔隙相,0代表岩石骨架.那么产生一个0-1之间的随机数r,若r在(0,/>)之间,那么此点/>便为孔隙点,否则为骨架点。
为初始两相模型中每个模拟点的状态,r为(0,1)之间的随机数。
第二子步骤,根据择多算子算法对初始两相模型的孔隙点位置和骨架点位置进行迭代计算。可以基于模拟退火的退火能量函数(或称能量计算公式)实施迭代计算,退火能量函数为,其中,/>为第一约束权重值,/>为第二约束权重值,E为模型模拟退火的总能量,/>代表两个孔隙点之间的两点概率函数,两点概率函数是在初始两相模型任取两个孔隙点,计算出两点同时分布于同一相中的概率,可以表示为/>,/>代表线性路径函数,其定义为,其中/>,/>,/>为系统中相距为r的任意两点,i为纳米孔隙点;/>为连接/>,/>线段上的任意点。
实施迭代计算时,在孔隙和岩石骨架空间任意选取一孔隙点和骨架点,两者互换位置生成新的模型结构体,并计算目标函数值E′。初始两相模型的结构体生成方案的对象点选取标准是以D3Q19模型网络结构的中心体素0,若在其19邻域中体素的状态值与中心体素相反的个数大于等于n,则将该中心体素状态判定为新系统生成方案选取的对象点。若中心体素点的状态为孔隙,且周围18个邻域点的状态均为孔隙,则中心体素点为完全孔隙点。
空间位置用表示,如图3所示。用0-5表示6个不同的方向,0代表x轴正方向,3代表x轴负方向,同理1、4代表y轴的正,负方向,2、5代表z轴的正,负方向.若O点为完全孔隙点,则生成0-5之间的一个随机正整数t,例如/>,那么计算按照z轴的负方向进行,即x、y坐标值不变,令/>点的状态,当找到/>点的状态为骨架时,迭代计算循环结束,此时可以判定/>点即为孔隙与骨架的边界点.若计算超出所建模型的范围且没找到满足条件的边界点,则重新随机生成一个0-5之间的整数,即选择其他方向进行计算,重新计算模拟退火的总能量E′。
第三子步骤,基于上述步骤完成迭代计算后可以确定两相模型中的孔隙点位置和骨架点位置,因此将迭代计算结果确定为孔隙结构体,确定出孔隙结构体后进入下一步。
第三步,根据孔隙结构体和退火能量函数,确定孔隙结构体实施退火的第一总能量,同样的,基于退火能量函数可以得出孔隙结构体实施退火的第一总能量E′。
第四步,根据比表面积、平均孔径和第一总能量,构建表征其约束关系的目标函数。通过目标函数可以建立比表面积、平均孔径和第一总能量之间的对应关系,通过添加约束条件来引入特定的限定条件构建出目标函数,例如可以选用拉格朗日乘子法来引入这些限定条件。
示例性的,根据比表面积、平均孔径和第一总能量,构建表征其约束关系的目标函数,包括:
根据公式,构建表征其约束关系的目标函数,其中,E′为第一总能量,/>为比表面积,D为平均孔径,r为随机数,/>为第一拉格朗日乘子,/>为第二拉格朗日乘子,E′′为在比表面积和平均孔径约束下孔隙结构体实施退火的第二总能量。
可以理解,拉格朗日乘子法是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法。在实际应用时通过上述目标函数实施解算需要较多算力和时长,导致解算效率较低。基于此,在一种具体的实施方式中,构建表征其约束关系的目标函数之后,方法还包括:
获取模型误差的第一容许度和第二容许度;第一容许度和第二容许度可以根据实际需求自由设定,例如可以根据参考量的大小进行设定,参考量可以是第一总能量或孔隙结构体,设定的第一容许度和第二容许度与参考量呈正比例关系;当然,也可以基于技术人员的经验进行设定,在此不作具体限制。根据公式,更新目标函数,其中,e 1 为第一容许度(或称tolerance 1 ),e 2 为第二容许度(或称tolerance 2 )。
第五步,根据预设条件对目标函数进行解算,在解算结果满足预设条件时输出孔隙分布结果。预设条件可以是Metropolis准则,Metropolis准则表征如下:
相应状态的接受准则为,T为控制参数温度, />为在(0,1)内的随机数。对目标函数进行解算时,若满足预设条件,则将解算结果确定为孔隙分布结果;反之,不满足预设条件时,则重新生成新孔隙结构体重新实施解算,直至满足预设条件。获得岩心样品中所有纳米级孔隙的孔隙分布结果后进入步骤S14。
S14、将孔隙分布结果加载至扫描岩心,并输出岩心样品的数字岩心。
具体的,可以基于扫描岩心导出n幅CT扫描图像,构建三维数据集X w ,得到的三维数据集表征为X×Y×Z的数据矩阵,采用双三次内插法对X w 进行上采样得到X w ′。将孔隙分布结果加载至X w ′,以获得数据集X n ′,将X n ′进行三维可视化,生成avizo可打开的Amira文件格式,即可获得数字岩心。
示例性的,将孔隙分布结果加载至扫描岩心,并输出岩心样品的数字岩心,包括:
第一步,将孔隙分布结果以不同的方位角加载至扫描岩心。扫描岩心可以导出n幅CT扫描图像,经数据集X n ′表征。定义搜索模板ST和重叠区域OL的范围,利用搜索模板ST扫描X w ′并获取一定数量的模式,每个模式以不同的方位角加载孔隙分布结果。
第二步,根据公式,获得每个方位角的加载关联结果CCF,其中,ST为搜索模板,x、y表征搜索模板的位置,l x 为搜索模板的模板长度,l y 为搜索模板的模板宽度,X n 为表征孔隙分布结果的体数据集。
第三步,在加载关联结果大于预设的关联性阈值时,将对应的孔隙分布结果进行可视化处理,并输出为目标格式的数字岩心。加载关联结果CCF表征了孔隙分布结果在对应方位角加载至扫描岩心后的相关性,CCF趋近于1时,为最佳匹配的模式,从X n 中获取最佳匹配的模式保存进X n ′。重复前述步骤,直到X n ′的结构得到丰富,对数据进行三维可视化:将生成的纳米孔隙数据体集X n ′进行三维可视化,生成专业软件avizo可打开的Amira文件格式,即可得到数字岩心。
在实际应用时,基于上述方法生成的数字岩心可能存在噪声,同样将引起数字岩心构建的准确性不足。基于此,在一种具体的实施方式中,将孔隙分布结果加载至扫描岩心之前,方法还包括:
对孔隙分布结果进行平滑处理,其中,平滑处理方式至少包括各向异性扩散处理、非局部均值去噪处理、小波变换处理和双边滤波处理中的一种。平滑处理时可以基于实际情况灵活选用其中的一种或多种方式实施,在此不作具体限制。
各向异性扩散处理需要细致地选择迭代次数和扩散系数,以确保边缘保持锐利而不被平滑掉。该方法能够在减少图像噪声的同时保持边缘,有利于保持纳米孔隙的形状和大小。
非局部均值去噪处理应当小心选择搜索窗口和过滤参数,以便在去除噪声和保持纳米级细节之间取得平衡。该方法考虑图像中的整体结构,适合保持纳米级复杂结构的同时去除噪声。小波变换处理时可以选择合适的小波基和分解层次,以便在去噪的同时保留重要的几何信息。该方法可以在多个尺度上进行,非常适合处理含有多尺度特征的纳米级岩心数据。双边滤波时可以选择领域直径、颜色空间和坐标空间的σ值以优化性能。该方法是一种保边去噪方法,能够在平滑纳米级岩心图像的同时保持边缘信息。
每种方法都有其优点和局限性,选择哪种方法和相应的参数设置通常需要基于原始数据的质量、噪声的特性以及最终用途。在实际操作中,可能需要尝试多种方法,并通过量化分析(如信噪比、边缘保留效果等)来确定最佳的平滑策略。此外,也可以考虑组合使用上述方法,以便在不同的情况下取得最好的效果。通常在应用任何平滑方法之前,对原始数据进行彻底的分析,并在实验中不断调整参数,以达到数字岩心构建的最佳效果。
对岩心样品Y1、Y2的构建中,选用小波变换方法进行数据平滑,首先选用Daubechies系列中的Db6函数,设置分解层级为4级,以信号的标准差的一半作为阈值,确保小波逆变换与前面的变换步骤相匹配,与原始数据进行对比,确保关键特征未被过度平滑,最终形成纳米级的体数据集Xn。
请参阅图4-1和4-2,图4-1为岩心样品Y1的数字岩心,图4-2为岩心样品Y2的数字岩心,从图中可以看出,在加载纳米级孔隙后,数字岩心中存在纳米级孔隙,更接近岩心样品的实际结构。请参阅表1,表1为不同构建方法中岩心样品Y1和Y2的孔隙度和迂曲度。
表1:
从表1可以看出,岩心样品Y1的实验数据表征的实际孔隙度为4.61%,但是传统CT扫描法建立的数字岩心的孔隙度仅为0.17%,说明CT扫描法的构建结果严重失真。本发明实施例建立的数字岩心的孔隙度为4.81%,较接近4.61%,说明该方法能够准确构建出数字岩心。同理,表1中岩心样品Y2表征了上述相同的构建结论。
下面本发明实施将整体阐述构建数字岩心的实施方法,请参阅图5,图5为实施的步骤图。
步骤一、构建微米级数字岩心,Avizo中导入CT扫描图像进行处理,滤波降噪、二值化处理,构建出微米级的扫描岩心,并导出处理后的二维CT扫描图像。
步骤二、采用模拟退火法生成纳米级孔隙,低温液氨吸附实验获得纳米级孔隙的总体积,转换成孔隙度,随机生成对应孔隙度的三维数字岩心,计算初始模型的目标函数E,在孔隙和岩石骨架空网任意选择孔隙点和骨架点两者互换位置生成新的结构,并计算目标函致值,引入低温液氮吸附实验的比表面积、平均孔径等参数作为特定限定条件,计算E′′,实施迭代计算确定E′′是否满足Metropolis准则,在满足Metropolis准则时确定出纳米级孔隙的孔隙分布结果。
步骤三、对表征孔隙分布结果的数据进行平滑处理,选择适用的平滑处理方法。带入原始数据,选用合适的函败,如小波变换法中选择合话的小波基和分解层次,形成纳米级的体数据集X n 。
步骤四、对数据进行模拟匹配,读入经过处理的n幅CT扫描图像,构建三数据集X w ,得到X×Y×Z的数据矩阵,采用双三次内插法对X w 进行上采样得到X w ′,通过搜索模板ST扫描X w ′,计算ST中的模式与X n 中的所有模式之间的加载关联结果CCF,从X n 中获取最住匹配的模式保存进Xn′。
步骤五、对数据进行三维可视化处理,将生成的纳米级孔隙数据体Xn′进行三维可视化,生成专业软件avizo可打开的Amira文件格式,即可得到数字岩心。
基于与构建方法相同的技术构思,本发明实施例还提供了一种数字岩心的构建装置,请参阅图6,图6为构建装置的结构示意图,构建装置包括:
构建模块601,用于构建岩心样品的扫描岩心,其中,扫描岩心为包含微米级和微米级以上孔隙的岩心模型;
获取模块602,用于获取岩心样品进行低温液氮吸附实验的实验数据,其中,实验数据至少包括岩心样品的比表面积、平均孔径和纳米级孔隙的总体积;
获得模块603,用于根据模拟退火算法的计算模型对实验数据进行处理,以获得岩心样品中所有纳米级孔隙的孔隙分布结果,其中,孔隙分布结果包括孔隙尺寸和对应的孔隙位置;
加载输出模块604,用于将孔隙分布结果加载至扫描岩心,并输出岩心样品的数字岩心。
在一种可选的实施例中,获得模块包括:
转换子模块,用于将纳米级孔隙的总体积转换为岩心样品的纳米孔隙度;
生成子模块,用于根据纳米孔隙度生成孔隙结构体,其中,孔隙结构体为包括纳米孔隙点和岩石骨架点的模型结构体;
确定子模块,用于根据孔隙结构体和退火能量函数,确定孔隙结构体实施退火的第一总能量;
构建子模块,用于根据比表面积、平均孔径和第一总能量,构建表征其约束关系的目标函数;
解算输出子模块,用于根据预设条件对目标函数进行解算,在解算结果满足预设条件时输出孔隙分布结果。
在一种可选的实施例中,构建子模块包括:
获得单元,用于根据公式,构建表征其约束关系的目标函数,其中,E′为第一总能量,/>为比表面积,D为平均孔径,i为纳米孔隙点,r为随机数,/>为第一拉格朗日乘子,/>为第二拉格朗日乘子,E′′为在比表面积和平均孔径约束下孔隙结构体实施退火的第二总能量。
在一种可选的实施例中,构建子模块还包括:
获取单元,用于获取模型误差的第一容许度和第二容许度;
更新单元,用于根据公式,更新目标函数,其中e 1 为第一容许度,e 2 为第二容许度。
在一种可选的实施例中,生成子模块包括:
生成单元,用于根据纳米孔隙度随机生成纳米孔隙点和岩石骨架点组成的初始两相模型;
计算单元,根据择多算子算法对初始两相模型的孔隙点位置和骨架点位置进行迭代计算;
确定单元,用于将迭代计算结果确定为孔隙结构体。
在一种可选的实施例中,构建装置还包括:
处理模块,用于对孔隙分布结果进行平滑处理,其中,平滑处理方式至少包括各向异性扩散处理、非局部均值去噪处理、小波变换处理和双边滤波处理中的一种。
在一种可选的实施例中,加载输出模块包括:
加载子模块,用于将孔隙分布结果以不同的方位角加载至扫描岩心;
获得子模块,用于根据公式,获得每个方位角的加载关联结果CCF,其中,ST为搜索模板,l x 为搜索模板的模板长度,l y 为搜索模板的模板宽度,X n 为表征孔隙分布结果的体数据集;
输出子模块,用于在加载关联结果大于预设的关联性阈值时,将对应的孔隙分布结果进行可视化处理,并输出为目标格式的数字岩心。
基于与构建方法相同的技术构思,本发明实施例还提供了一种电子设备,包括处理器和存储器,存储器耦接到处理器,存储器存储指令,当指令由处理器执行时使电子设备执行构建方法中任一项方法的步骤。
基于与构建方法相同的技术构思,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现构建方法中任一项方法的步骤。
本发明实施例中提供的技术方案,至少具有如下技术效果或优点:
1.构建方法通过构建岩心样品的扫描岩心,获取岩心样品进行低温液氮吸附实验的实验数据,由于实验数据至少包括岩心样品的比表面积、平均孔径和纳米级孔隙的总体积,可以经模拟退火算法的计算模型对实验数据进行处理,以获得岩心样品中所有纳米级孔隙的孔隙分布结果,孔隙分布结果表征了纳米级孔隙的孔隙尺寸和对应的孔隙位置,将孔隙分布结果加载至扫描岩心,可以获得包含纳米级孔隙的数字岩心。由于扫描岩心只能覆盖微米级及微米级以上的孔隙特征,融合纳米级孔隙后生成的数字岩心具有多尺度特点,相比单尺度模型更接近实验数据,能更精确地建立物理模型和评价储层孔隙特征,进而提高了数字岩心构建的准确性。基于该数字岩心可以从微观尺度定量研究岩石物理属性的影响规律及影响机理,支撑实际地球物理解释和油气田开发。
2.利用CT扫描捕获岩心样品中的微米级及微米级以上的大孔隙,利用优化的模拟退火法在数字模型中生成纳米级的小孔隙。与常规CT成像模型相比,混合方法构建的数字岩心含有更多的微小孔隙,具有更好的连通性和渗透率。
3.采用小波变换法进行数据平滑后,联合模板匹配法对微纳米数据进行对准对齐,有效减少微纳岩心构建过程中的叠合问题。模板匹配法对图像进行双三次内插法采样,不断根据模板匹配丰富纳米级孔隙结构,有效处理含有多尺度特征的纳米级岩心数据,应用于纳米级孔隙的加载处理具有较好的适用性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(模块、系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (8)
1.一种数字岩心的构建方法,其特征在于,所述方法包括:
构建岩心样品的扫描岩心,其中,所述扫描岩心为包含微米级和微米级以上孔隙的岩心模型;
获取所述岩心样品进行低温液氮吸附实验的实验数据,其中,所述实验数据至少包括所述岩心样品的比表面积、平均孔径和纳米级孔隙的总体积;
根据模拟退火算法的计算模型对所述实验数据进行处理,以获得所述岩心样品中所有纳米级孔隙的孔隙分布结果,其中,所述孔隙分布结果包括孔隙尺寸和对应的孔隙位置;
将所述孔隙分布结果加载至所述扫描岩心,并输出所述岩心样品的数字岩心;
所述根据模拟退火算法的计算模型对所述实验数据进行处理,以获得所述岩心样品中所有纳米级孔隙的孔隙分布结果,包括:
将所述纳米级孔隙的总体积转换为所述岩心样品的纳米孔隙度;
根据所述纳米孔隙度生成孔隙结构体,其中,所述孔隙结构体为包括纳米孔隙点和岩石骨架点的模型结构体;
根据所述孔隙结构体和退火能量函数,确定所述孔隙结构体实施退火的第一总能量;
根据所述比表面积、所述平均孔径和所述第一总能量,构建表征其约束关系的目标函数;
根据预设条件对所述目标函数进行解算,在解算结果满足所述预设条件时输出所述孔隙分布结果;
所述根据所述比表面积、所述平均孔径和所述第一总能量,构建表征其约束关系的目标函数,包括:
根据公式,构建表征其约束关系的目标函数,其中,E′为所述第一总能量,/>为所述比表面积,S为所述岩心样品的横截面积,V为所述岩心样品的样品体积,D为所述平均孔径,/>为第一拉格朗日乘子,/>为第二拉格朗日乘子,i为所述纳米孔隙点,r为随机数,E′′为在所述比表面积和所述平均孔径约束下孔隙结构体实施退火的第二总能量。
2.根据权利要求1所述的数字岩心的构建方法,其特征在于,所述构建表征其约束关系的目标函数之后,所述方法还包括:
获取模型误差的第一容许度和第二容许度;
根据公式,更新所述目标函数,其中e1为所述第一容许度,e2为所述第二容许度。
3.根据权利要求1所述的数字岩心的构建方法,其特征在于,所述根据所述纳米孔隙度生成孔隙结构体,包括:
根据所述纳米孔隙度随机生成所述纳米孔隙点和所述岩石骨架点组成的初始两相模型;
根据择多算子算法对所述初始两相模型的孔隙点位置和骨架点位置进行迭代计算;
将迭代计算结果确定为所述孔隙结构体。
4.根据权利要求1所述的数字岩心的构建方法,其特征在于,所述将所述孔隙分布结果加载至所述扫描岩心之前,所述方法还包括:
对所述孔隙分布结果进行平滑处理,其中,所述平滑处理方式至少包括各向异性扩散处理、非局部均值去噪处理、小波变换处理和双边滤波处理中的一种。
5.根据权利要求1所述的数字岩心的构建方法,其特征在于,所述将所述孔隙分布结果加载至所述扫描岩心,并输出所述岩心样品的数字岩心,包括:
将所述孔隙分布结果以不同的方位角加载至所述扫描岩心;
根据公式,获得每个方位角的加载关联结果CCF,其中,ST为搜索模板,lx为所述搜索模板的模板长度,ly为所述搜索模板的模板宽度,Xn为表征所述孔隙分布结果的体数据集;
在所述加载关联结果大于预设的关联性阈值时,将对应的所述孔隙分布结果进行可视化处理,并输出为目标格式的所述数字岩心。
6.一种数字岩心的构建装置,其特征在于,所述装置包括:
构建模块,用于构建岩心样品的扫描岩心,其中,所述扫描岩心为包含微米级和微米级以上孔隙的岩心模型;
获取模块,用于获取所述岩心样品进行低温液氮吸附实验的实验数据,其中,所述实验数据至少包括所述岩心样品的比表面积、平均孔径和纳米级孔隙的总体积;
获得模块,用于根据模拟退火算法的计算模型对所述实验数据进行处理,以获得所述岩心样品中所有纳米级孔隙的孔隙分布结果,其中,所述孔隙分布结果包括孔隙尺寸和对应的孔隙位置;
加载输出模块,用于将所述孔隙分布结果加载至所述扫描岩心,并输出所述岩心样品的数字岩心;
获得模块包括:
转换子模块,用于将纳米级孔隙的总体积转换为岩心样品的纳米孔隙度;
生成子模块,用于根据纳米孔隙度生成孔隙结构体,其中,孔隙结构体为包括纳米孔隙点和岩石骨架点的模型结构体;
确定子模块,用于根据孔隙结构体和退火能量函数,确定孔隙结构体实施退火的第一总能量;
构建子模块,用于根据比表面积、平均孔径和第一总能量,构建表征其约束关系的目标函数;
解算输出子模块,用于根据预设条件对目标函数进行解算,在解算结果满足预设条件时输出孔隙分布结果;
构建子模块包括:
获得单元,用于根据公式,构建表征其约束关系的目标函数,其中,E′为第一总能量,/>为比表面积,S为所述岩心样品的横截面积,V为所述岩心样品的样品体积,D为平均孔径,i为纳米孔隙点,r为随机数,/>为第一拉格朗日乘子,/>为第二拉格朗日乘子,E′′为在比表面积和平均孔径约束下孔隙结构体实施退火的第二总能量。
7.一种电子设备,其特征在于,包括处理器和存储器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时使所述电子设备执行权利要求1-5中任一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410051434.8A CN117574686B (zh) | 2024-01-15 | 2024-01-15 | 数字岩心的构建方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410051434.8A CN117574686B (zh) | 2024-01-15 | 2024-01-15 | 数字岩心的构建方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117574686A CN117574686A (zh) | 2024-02-20 |
CN117574686B true CN117574686B (zh) | 2024-04-09 |
Family
ID=89888460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410051434.8A Active CN117574686B (zh) | 2024-01-15 | 2024-01-15 | 数字岩心的构建方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117574686B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127816A (zh) * | 2016-03-08 | 2016-11-16 | 中国石油大学(华东) | 一种页岩基质储层孔隙空间表征方法 |
CN114563823A (zh) * | 2022-03-25 | 2022-05-31 | 清华大学 | 一种储层岩性和物性参数的联合贝叶斯反演方法和系统 |
-
2024
- 2024-01-15 CN CN202410051434.8A patent/CN117574686B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127816A (zh) * | 2016-03-08 | 2016-11-16 | 中国石油大学(华东) | 一种页岩基质储层孔隙空间表征方法 |
CN114563823A (zh) * | 2022-03-25 | 2022-05-31 | 清华大学 | 一种储层岩性和物性参数的联合贝叶斯反演方法和系统 |
Non-Patent Citations (3)
Title |
---|
.Analysisofchalk petrophysicalpropertiesbymeansofsubmicron-scaleporeima- gingandmodeling;TOMUTSAL 等;SPEReservoirEvaluation & Engineering;20071231;第285-292页 * |
基于模拟退火算法的数字岩心建模方法;赵秀才;高校应用数学学报;20071231;全文 * |
数字岩心和数字井筒技术研究与应用进展;孙建孟 等;石油物探;20230930;第62卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117574686A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104063886B (zh) | 一种基于稀疏表示和非局部相似的核磁共振图像重建方法 | |
US20110181701A1 (en) | Image Data Processing | |
CN103413277B (zh) | 基于l0稀疏先验的盲相机抖动去模糊方法 | |
Jiang et al. | Permeability estimation of porous media by using an improved capillary bundle model based on micro-CT derived pore geometries | |
Zhang et al. | GPU-accelerated 3D reconstruction of porous media using multiple-point statistics | |
CN112164008A (zh) | 图像数据增强网络的训练方法及其训练装置、介质和设备 | |
Zhou et al. | Neural network–based pore flow field prediction in porous media using super resolution | |
CN115292973B (zh) | 一种任意采样的空间波数域三维磁场数值模拟方法及系统 | |
Karimpouli et al. | Multistep Super Resolution Double-U-net (SRDUN) for enhancing the resolution of Berea sandstone images | |
CN110441209B (zh) | 一种基于致密储层数字岩心计算岩石渗透率的方法 | |
CN112634429B (zh) | 基于混合深度生成模型的岩心三维图像重建方法 | |
Xia et al. | Multi-scale reconstruction of porous media based on progressively growing generative adversarial networks | |
Niu et al. | Paired and unpaired deep learning methods for physically accurate super-resolution carbonate rock images | |
Argilaga | Fractal Informed Generative Adversarial Networks (FI-GAN): Application to the generation of X-ray CT images of a self-similar partially saturated sand | |
CN117574686B (zh) | 数字岩心的构建方法、装置、电子设备和存储介质 | |
Ma et al. | Enhancing the Resolution of Micro-CT Images of Rock Samples via Unsupervised Machine Learning based on a Diffusion Model | |
CN112381845B (zh) | 岩心图像生成方法、模型训练方法及装置 | |
Anderson et al. | 2D-to-3D image translation of complex nanoporous volumes using generative networks | |
CN103679764B (zh) | 一种图像生成方法及装置 | |
CN116012545A (zh) | 多尺度数字岩心建模方法、系统、存储介质及应用 | |
CN114913262B (zh) | 采样模式与重建算法联合优化的核磁共振成像方法及系统 | |
Jacob et al. | 3-D shape estimation of DNA molecules from stereo cryo-electron micro-graphs using a projection-steerable snake | |
Zhao et al. | Application of the backpropagation neural network image segmentation method with genetic algorithm optimization in micropores of intersalt shale reservoirs | |
Song et al. | Conditional Generative Adversarial Networks for 2D core grayscale image reconstruction from pore parameters | |
Liu et al. | Large set microstructure reconstruction mimicking quantum computing approach via deep learning |
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 |