RU2774959C1

RU2774959C1 - Method for determining filtration properties of non-homogeneous porous samples

Info

Publication number: RU2774959C1
Application number: RU2021113586A
Authority: RU
Inventors: Игорь Андреевич Варфоломеев; Ольга Юрьевна Ридзель; Николай Вячеславович Евсеев; Владимир Викторович Абашкин
Original assignee: Шлюмберже Текнолоджи Б.В.
Filing date: 2021-05-13
Publication date: 2022-06-24

Abstract

FIELD: computing technology.

SUBSTANCE: invention relates to the field of computing technology for analysing digital models. Claimed is a method wherein: a sample is scanned, resulting in a three-dimensional digital image of the sample; a fragment of the same sample is scanned with a higher resolution; the resulting images of sample fragments are spatially aligned; the obtained sample image is segmented; the images of sample fragments are segmented; fractures are marked in the image of the sample, resulting in an image of the sample with the marked fractures; a regression model for the correlation dependence of local filtration properties on local features of the cropped image of the sample with marked fractures is constructed, common for all fragments; using the resulting regression model, a digital model of the sample is obtained, and hydrodynamic modelling of the filtration properties is performed on said digital model of the sample, resulting in the determination of the filtration properties of the sample.

EFFECT: provided possibility of correctly modelling the filtration properties of a low-permeable fractured sample without the need to obtain a three-dimensional image of the entire sample with a quality sufficient to resolve the internal geometry of the fractures.

15 cl, 4 dwg

Description

Изобретение относится к способу изучения фильтрационных свойств полноразмерного керна, содержащего относительно тонкие (плохо разрешенные) трещины, с использованием анализа цифровых моделей полноразмерного керна.The invention relates to a method for studying the filtration properties of a full-size core containing relatively thin (poorly resolved) fractures using the analysis of full-size core digital models.

Характеризация фильтрационных свойств керна, таких как абсолютная и относительная проницаемость, является основным шагом для применения методов увеличения нефтедобычи. Однако в случае карбонатных газоконденсатных пород данный шаг может быть затруднен из-за таких показателей как низкая пористость (порядка 2%) и низкая абсолютная проницаемость (<0.002 мД) матрицы породы, в то время как транспорт флюида осуществляется за счет наличия трещин. Данные условия осложняют выбор представительных образцов керна для проведения лабораторных измерений для специального анализа керна. В результате данные неоднозначности перетекают на этап планирования разработки месторождения. В случае таких низкопроницаемых и высоко неоднородных пород подразумевается, что реалистичное моделирование фильтрационных свойств возможно только на полноразмерном керне. Однако на данный момент не существует оборудования, позволяющего получить трехмерное изображение полноразмерного керна (∅100 мм) с пространственным разрешением, необходимым, чтобы полностью разрешить тонкие трещины.Characterization of core filtration properties, such as absolute and relative permeability, is a basic step for applying enhanced oil recovery methods. However, in the case of carbonate gas condensate rocks, this step can be difficult due to such indicators as low porosity (about 2%) and low absolute permeability (<0.002 mD) of the rock matrix, while fluid transport is carried out due to the presence of fractures. These conditions complicate the selection of representative core samples for laboratory measurements for special core analysis. As a result, these ambiguities spill over into the field development planning stage. In the case of such low-permeability and highly heterogeneous rocks, it is understood that realistic modeling of reservoir properties is possible only on a full-size core. However, at the moment there is no equipment that allows to obtain a three-dimensional image of a full-size core (∅100 mm) with the spatial resolution necessary to completely resolve thin cracks.

Из уровня техники известно несколько подходов к учету влияния трещиноватости образца и к задачам апскейлинга (т.е. задаче определения физических свойств элементарных элементов модели с существенно более низким пространственным разрешением на основе известных физических свойств моделей с более детальным пространственным разрешением, которые, однако, описывают существенно меньшую пространственную область) в целом.From the prior art, there are several approaches to taking into account the influence of sample fracturing and to upscaling problems (i.e., the problem of determining the physical properties of elementary elements of a model with a significantly lower spatial resolution based on the known physical properties of models with a more detailed spatial resolution, which, however, describe significantly smaller spatial area) as a whole.

Одним из подходов к апскейлингу свойств горных пород является моделирование фильтрационных свойств на основе микроКТ изображений, полученных в высоком разрешении, с последующей оценкой транспортных свойств на большем масштабе, используя установленное соотношение между этими свойствами и уровнем серого на более грубом микроКТ изображении. Так, в работе О. Dinariev, N. Evseev, D. Klemin, "Density Functional Hydrodynamics in Multiscale Pore Systems: Chemical Potential Drive," E3S Web of Conferences, vol. 146, 2020, стр. 01001, описан способ (DFH+CPD - Density Functional Hydrodynamics + Chemical Potential Drive) моделирования многофазного течения на цифровых моделях горных пород с присутствием неразрешенной пористости. Данный подход основан на решении стандартных гидродинамических уравнений DFH в областях, соответствующих разрешенной пористости, и решении CPD уравнений в областях, соответствующих неразрешенной пористости. Для последних локальные транспортные коэффициенты (например, проницаемость) могут быть заданы конкретным вокселям на основе каких-либо дополнительных предположений. Данная работа фокусируется на описании гидродинамической части симуляции, в то время как лишь немногое внимание уделяется обоснованию способа задания локальных транспортных коэффициентов для областей с неразрешенной пористостью. Суть подхода, использованного в данной работе, заключается в задании зависимости локальной проницаемости от уровня серого на микроКТ изображении. Стоит также отметить, что модель в низком разрешении, включающая значительное количество неразрешенной пористости, была построена из модели того же объема в высоком разрешении (при этом модель в высоком разрешении практически не содержит неразрешенной пористости). Такой подход наглядно демонстрирует принципиальную возможность построения модели в низком разрешении, которая корректно отражает поведение модели в высоком разрешении, однако практическая ценность подобного подхода ограничена, так как полноразмерный образец обычно не исследуется целиком на максимально возможном разрешении. Кроме того, исследуемый в данной работе образец не содержит трещин.One approach to upscaling rock properties is to model flow properties from high-resolution microCT images, followed by estimation of transport properties at a larger scale using the established relationship between these properties and the gray level in a coarser microCT image. For example, O. Dinariev, N. Evseev, D. Klemin, "Density Functional Hydrodynamics in Multiscale Pore Systems: Chemical Potential Drive," E3S Web of Conferences, vol. 146, 2020, page 01001, describes a method (DFH+CPD - Density Functional Hydrodynamics + Chemical Potential Drive) for simulating multi-phase flow on digital rock models with the presence of unresolved porosity. This approach is based on solving standard DFH hydrodynamic equations in areas corresponding to allowed porosity and solving CPD equations in areas corresponding to unresolved porosity. For the latter, local transport coefficients (eg, permeability) can be assigned to specific voxels based on some additional assumptions. This paper focuses on describing the hydrodynamic part of the simulation, while little attention is paid to justifying the way in which local transport coefficients are specified for regions with unresolved porosity. The essence of the approach used in this work is to set the dependence of local permeability on the gray level in the microCT image. It is also worth noting that the low resolution model, which includes a significant amount of unresolved porosity, was built from the high resolution model of the same volume (while the high resolution model contains almost no unresolved porosity). This approach clearly demonstrates the fundamental possibility of constructing a low-resolution model that correctly reflects the behavior of a high-resolution model, but the practical value of this approach is limited, since a full-sized sample is usually not studied in its entirety at the highest possible resolution. In addition, the sample studied in this work does not contain cracks.

В патенте США 10718188 описан многомасштабный иерархический подход к апскейлингу, основанный на CPD, позволяющий оценить извлекаемый объем углеводородов. Рассматривается пространственно неоднородная пористая среда, фильтрационные свойства которой предлагается оценивать исходя из известных фильтрационных свойств областей на более мелких масштабах (которые, в свою очередь, могут быть оценены исходя из свойств на еще более мелких масштабах и так далее). Данный патент описывает процесс апскейлинга в целом, однако не раскрывает никакой специфики, относящейся к присутствию в среде разрешенных трещины, а именно деталей процесса локализации трещин, оценки их свойств и способа их учета при расчете фильтрационных свойств определенной области в целом.US Pat. No. 1,0718,188 describes a multi-scale, hierarchical, CPD-based upscaling approach to estimate hydrocarbon recoverable volume. A spatially inhomogeneous porous medium is considered, the filtration properties of which are proposed to be estimated based on the known filtration properties of areas on smaller scales (which, in turn, can be estimated based on properties on even smaller scales, and so on). This patent describes the upscaling process as a whole, but does not disclose any specifics related to the presence of allowed fractures in the medium, namely, the details of the process of localizing fractures, assessing their properties and how they are taken into account when calculating the filtration properties of a certain area as a whole.

Основная идея апскейлинга физических свойств хорошо известна и описана, например в работе Sungkorn et al., "Multi-scale and upscaling of digital rock physics with a machine that can learn about rocks," International Symposium of the Society of Core Analysts, St. John's Newfoundland and Labrador, Canada, Aug. 2015, vol. SCA2015-026. Данная работа описывает метод масштабирования неразрешенной пористости, с использованием машинного обучения для кластеризации пикселей изображения. Авторы фокусируются на различении различных локальных текстур породы, относя их к тому или иному классу из дискретного множества классов. Впоследствии для каждой текстуры устанавливается корреляция между значением серого на изображении с низким разрешением и пористостью соответствующей области на изображении с высоким разрешением. Такой подход слабо применим для моделирования течения, обусловленного наличием трещин, ввиду следующих причин:The basic idea of upscaling physical properties is well known and described, for example, in Sungkorn et al., "Multi-scale and upscaling of digital rock physics with a machine that can learn about rocks," International Symposium of the Society of Core Analysts, St. John's Newfoundland and Labrador, Canada, Aug. 2015, vol. SCA2015-026. This paper describes a method for scaling unresolved porosity using machine learning to cluster image pixels. The authors focus on distinguishing between different local rock textures, assigning them to one or another class from a discrete set of classes. Subsequently, for each texture, a correlation is established between the gray value in the low resolution image and the porosity of the corresponding area in the high resolution image. This approach is hardly applicable for modeling the flow caused by the presence of cracks, due to the following reasons:

• кластеризация едва ли способна отразить действительную геометрию тонких трещин, алгоритмы кластеризации игнорируют такие трещины из-за низкого контраста и пренебрежимо малого объема,• clustering is hardly able to reflect the actual geometry of thin cracks, clustering algorithms ignore such cracks due to low contrast and negligible volume,

• недостаточное соотношения сигнал-шум, характерное для тонких трещин, не позволяет производить корреляция их физических свойств напрямую с уровнем серого на изображении,• insufficient signal-to-noise ratio, typical for thin cracks, does not allow correlation of their physical properties directly with the gray level in the image,

• продемонстрирован лишь процесс апскейлинга пористости (не проницаемости),• only the porosity (impermeability) upscaling process was demonstrated,

• в продемонстрированном методе используются достаточно крупные кластеры округлой формы; в случае, если за счет каких-либо дополнительных ухищрений удастся выделить кластеры, соответствующие трещинам их форма окажется далекой от округлой (трещины, как правило, являются квазиплоскими объектами); задача расчета пористости подобной области не представляет затруднений (как и для любой произвольной области), однако задачу расчета проницаемости для области такой сложной формы (и даже само определение понятия проницаемости в данном случае) вряд ли можно считать тривиальной (в то время как для крупных округлых областей возможно, например, выделить достаточно крупный вложенный куб и рассматривать задачу фильтрации с течением флюида от какой-либо грани до противоположной - в этом случае определение понятия проницаемости не представляет затруднений).• in the demonstrated method rather large rounded clusters are used; if, due to some additional tricks, it is possible to isolate clusters, their shape corresponding to cracks will turn out to be far from rounded (cracks, as a rule, are quasi-flat objects); the task of calculating the porosity of such a region is not difficult (as for any arbitrary region), however, the problem of calculating the permeability for a region of such a complex shape (and even the very definition of the concept of permeability in this case) can hardly be considered trivial (while for large rounded areas, it is possible, for example, to single out a fairly large nested cube and consider the problem of filtration with fluid flow from one face to the opposite - in this case, the definition of the concept of permeability is not difficult).

В некоторых случаях трещины, наблюдаемые на микроКТ изображении, являются техногенными и для получения истинных свойств породы необходимо исключить их влияние. В патенте США 8170799 описан способ, сводящийся к отбрасыванию трещин за счет специальной процедуры обработки изображения. Данная процедура предполагает использование нескольких последовательных морфологических трансформаций обрабатываемых изображений, что позволяет удалить тонкие трещины, которые могут быть результатом повреждений породы при бурении.In some cases, the fractures observed on the microCT image are man-made, and in order to obtain the true properties of the rock, it is necessary to exclude their influence. US Pat. No. 8,170,799 describes a method for discarding cracks by a special image processing procedure. This procedure involves the use of several successive morphological transformations of the processed images, which allows you to remove thin cracks that may be the result of damage to the rock during drilling.

Патенты США 9396547 и 9507047 предлагают другой подход к учету разрешенных и неразрешенных особенностей, таких как трещины. Данный подход подразумевает, что после сегментации изображения происходит специальная пост-обработка, итеративно модифицирующая модель вплоть до соответствия свойств образца заданным. Таким образом, данный подход не ставит целью реконструировать истинную геометрию неразрешенных пор.US Pat. This approach implies that after image segmentation, a special post-processing takes place, which iteratively modifies the model until the properties of the sample match the specified ones. Thus, this approach does not aim to reconstruct the true geometry of unresolved pores.

Технический результат, достигаемый при реализации изобретения, заключается в обеспечении возможности корректного моделирования фильтрационных свойств низкопроницаемого трещиноватого образца (с учетом проницаемости, связанной с трещиноватостью) без необходимости получения трехмерного изображения всего образца с качеством, достаточным для разрешения внутренней геометрии трещин.The technical result achieved by the implementation of the invention is to enable correct modeling of the filtration properties of a low-permeability fractured sample (taking into account the permeability associated with fractures) without the need to obtain a three-dimensional image of the entire sample with a quality sufficient to resolve the internal geometry of fractures.

Указанный технический результат достигается тем, что в соответствии с предлагаемым способом определения фильтрационных свойств неоднородных пористых образцов осуществляют сканирование образца и получают трехмерное цифровое изображение образца. Затем осуществляют сканирование по меньшей мере одного фрагмента того же образца с более высоким разрешением, чем при сканировании всего образца, и получают трехмерное цифровое изображение каждого фрагмента. Осуществляют пространственное совмещение полученных изображений фрагментов образца с полученным изображением образца, обеспечивающее получение информации о их пространственном положении. Далее осуществляют сегментацию полученного изображения образца и получают сегментированное изображение образца, описывающее разрешенную пористость. Осуществляют сегментацию изображений фрагментов образца и получают набор сегментированных изображений фрагментов образца, где каждое сегментированное изображение описывает внутреннюю геометрию порового пространства соответствующего фрагмента образца. Осуществляют выделение трещин на изображении образца и получают изображение образца с выделенными трещинами. Для каждого фрагмента образца выполняют обрезку с учетом полученной информации о его пространственном положении, вырезая пространственно соответствующие фрагменты из сегментированного изображения фрагмента образца, сегментированного изображения образца и изображения образца с выделенными трещинами. Для каждого обрезанного сегментированного изображения фрагмента образца осуществляют гидродинамическое моделирование фильтрационных свойств и получают пространственное распределение локальных фильтрационных свойств в вырезанном фрагменте. Осуществляют построение единой для всех фрагментов регрессионной модели для корреляционной зависимости локальных фильтрационных свойств от локальных особенностей обрезанного изображения образца с выделенными трещинами, с учетом обрезанного сегментированного изображения образца. С использованием полученной регрессионной модели на основе локальных особенностей изображения образца с выделенными трещинами с учетом сегментированного изображения образца получают цифровую модель образца и осуществляют гидродинамическое моделирование фильтрационных свойств на полученной цифровой модели образца, результатом которого являются фильтрационные свойства образца.This technical result is achieved by the fact that, in accordance with the proposed method for determining the filtration properties of inhomogeneous porous samples, the sample is scanned and a three-dimensional digital image of the sample is obtained. Then, at least one fragment of the same sample is scanned at a higher resolution than when scanning the entire sample, and a three-dimensional digital image of each fragment is obtained. Spatial alignment of the obtained images of sample fragments with the obtained image of the sample is carried out, providing information about their spatial position. Further, segmentation of the obtained image of the sample is carried out and a segmented image of the sample is obtained that describes the allowed porosity. Segmentation of images of sample fragments is carried out and a set of segmented images of sample fragments is obtained, where each segmented image describes the internal geometry of the pore space of the corresponding sample fragment. Cracks are selected on the image of the sample and an image of the sample with selected cracks is obtained. For each fragment of the sample, cropping is performed taking into account the obtained information about its spatial position, cutting out spatially corresponding fragments from the segmented image of the sample fragment, the segmented image of the sample and the image of the sample with selected cracks. For each cropped segmented image of a sample fragment, hydrodynamic modeling of filtration properties is carried out and the spatial distribution of local filtration properties in the cut fragment is obtained. A single regression model is constructed for all fragments for the correlation dependence of local filtration properties on local features of the cropped image of the sample with selected cracks, taking into account the cropped segmented image of the sample. Using the obtained regression model, based on the local features of the image of the sample with selected cracks, taking into account the segmented image of the sample, a digital model of the sample is obtained and hydrodynamic modeling of the filtration properties is carried out on the obtained digital model of the sample, which results in the filtration properties of the sample.

Следует отметить, что:It should be noted that:

• Неоднородный пористый образец может представлять собой полноразмерный керн горной породы.• An inhomogeneous porous sample may be a full size rock core.

• В соответствии с одним из вариантов реализации изобретения для осуществления сканирования фрагмента образца фрагмент исследуемого образца физически вырезают из образца.• In accordance with one embodiment of the invention, in order to scan a sample fragment, a fragment of the sample under study is physically cut out of the sample.

• Выделение трещин может быть осуществлено методом на основе Гессиана.• Isolation of cracks can be carried out using the Hessian method.

• Для сегментации изображений может быть использован метод Indicator Kriging или методы машинного обучения.• The Indicator Kriging method or machine learning methods can be used for image segmentation.

• Для получения трехмерного изображения могут быть использованы рентгеновская компьютерная микротомография, магнитно-резонансная томография, метод фокусированного ионного пучка и растровой электронной микроскопии, электронная томография, лазерная конфокальная микроскопия.• X-ray computed microtomography, magnetic resonance imaging, focused ion beam and scanning electron microscopy, electron tomography, laser confocal microscopy can be used to obtain a three-dimensional image.

• Сканирование образца может быть осуществлено в ячейке, сдавливающей образец и/или создающей заданную температуру.• Sample scanning can be done in a cell that compresses the sample and/or creates a predetermined temperature.

• В соответствии с одним из вариантов осуществления изобретения проведение гидродинамического моделирования может быть осуществлено с помощью DFH+CPD симулятора.• According to one embodiment of the invention, hydrodynamic simulation can be performed using a DFH+CPD simulator.

• В соответствии с еще одним вариантом изобретения результаты моделирования могут быть сопоставлены с лабораторными измерениями для проверки корректности модели и/или калибровки метода.• In accordance with yet another embodiment of the invention, simulation results can be compared with laboratory measurements to validate the model and/or calibrate the method.

• Дополнительно может быть осуществлено моделирование фильтрационных свойств на обрезанной модели образца и сравнение полученных результатов с результатами моделирования на пространственно соответствующей модели фрагмента образца, с целью подтверждения корректности результата и оценки величин возможных погрешностей.• Additionally, modeling of filtration properties can be carried out on a cut sample model and comparison of the obtained results with the results of modeling on a spatially corresponding model of a sample fragment in order to confirm the correctness of the result and estimate the magnitude of possible errors.

Изобретение поясняется чертежами, где на фиг. 1 показана общая блок-схема предлагаемого способа, на фиг. 2 приведены результаты применения Гессиан преобразования при выделении недоразрешенных трещин, на фиг. 3 показано пространственное распределение давления и скорости течения флюида, на фиг. 4 приведена корреляционная зависимость между уровнем серого на Гессиан-изображении и локальной проницаемостью.The invention is illustrated by drawings, where in Fig. 1 shows a general block diagram of the proposed method, FIG. 2 shows the results of applying the Hessian transform when highlighting underresolved cracks, FIG. 3 shows the spatial distribution of pressure and fluid flow velocity, FIG. 4 shows the correlation between the gray level in the Hessian image and the local permeability.

В настоящем изобретении предлагается многомасштабный метод, основанный на анализе цифровых моделей керна, построенных с использованием изображений исследуемых образцов керна, полученных методом рентгеновской компьютерной микротомографии с различным пространственным разрешением. Например, изображения с высоким разрешением (размер вокселя порядка микрометра) могут быть получены для ∅8 мм миникерна, выбуренного из стандартного ∅30 мм керна, который, в свою очередь, выбурен из полноразмерного ∅100 мм керна. Цифровая модель ∅8 мм миникерна может быть построена на основе бинаризации изображения с использованием какого-либо стандартного метода сегментации изображений. Моделирование фильтрационных свойств на поровом масштабе на бинарной цифровой модели в высоком разрешении может быть выполнено с использованием симулятора, основанного на методе функционала плотности (см., например, О. Dinariev, N. Evseev, D. Klemin, "Density Functional Hydrodynamics in Multiscale Pore Systems: Chemical Potential Drive," E3S Web of Conferences, vol. 146, 2020, стр. 01001, или патент США 8965740).The present invention proposes a multi-scale method based on the analysis of digital core models built using images of the studied core samples obtained by X-ray computed microtomography with different spatial resolution. For example, high-resolution images (voxel size of the order of a micrometer) can be obtained from a ∅8 mm minicore drilled from a standard ∅30 mm core, which, in turn, is drilled from a full-sized ∅100 mm core. A digital model of a ∅8 mm minicore can be built based on image binarization using any standard image segmentation method. Simulation of reservoir properties on a pore scale on a high-resolution binary digital model can be performed using a simulator based on the density functional method (see, for example, O. Dinariev, N. Evseev, D. Klemin, "Density Functional Hydrodynamics in Multiscale Pore Systems: Chemical Potential Drive," E3S Web of Conferences, vol. 146, 2020, p. 01001, or U.S. Patent 8,965,740).

В случае же полноразмерного керна построение связной модели порового пространства с использованием стандартных методов сегментации изображений может быть невозможно в силу того, что раскрытие трещин оказывается меньше размера вокселя изображения. Кроме того, бинарная сегментация трещин, вероятнее всего, окажется проблематичной из-за низкого соотношения сигнал/шум. Для преодоления этой проблемы применяется подход к выделению трещин на основе Гессиана, позволяющий избежать необходимости строить бинарную модель внутренней геометрии подобных мелких объектов. Цифровая модель полноразмерного керна в низком разрешении строится путем калибровки изображения с выделенными трещинами - за счет нахождения корреляции между уровнем серого на этом изображении и фильтрационными свойствами, полученными с помощью полей скорости и давления, рассчитанным на симуляторе для цифровой модели с высоким разрешением; для изучения корреляции используют пространственно совмещенные фрагменты изображений высокого и низкого разрешений. После этого фильтрационные свойства полноразмерного керна рассчитывают на цифровой модели с низким разрешением. При этом используется так называемый DFH+CPD - Density Functional Hydrodynamics + Chemical Potential Drive подход (см., например, О. Dinariev, N. Evseev, D. Klemin, "Density Functional Hydrodynamics in Multiscale Pore Systems: Chemical Potential Drive," E3S Web of Conferences, vol. 146, 2020, стр. 01001). Таким образом, предлагаемый подход позволяет производить гидродинамическое моделирование фильтрационных свойств полномасштабного керна с наличием тонких трещин.In the case of a full-sized core, building a connected pore space model using standard image segmentation methods may be impossible due to the fact that the fracture opening is smaller than the image voxel size. In addition, binary fracture segmentation is likely to be problematic due to the low signal-to-noise ratio. To overcome this problem, a Hessian-based crack detection approach is used to avoid the need to build a binary model of the internal geometry of such small objects. A full-size low-resolution digital core model is built by calibrating an image with highlighted cracks - by finding a correlation between the gray level in this image and the filtration properties obtained using the velocity and pressure fields, calculated on the simulator for a high-resolution digital model; to study the correlation, spatially aligned fragments of high and low resolution images are used. After that, the filtration properties of the full-sized core are calculated on a low-resolution digital model. This uses the so-called DFH + CPD - Density Functional Hydrodynamics + Chemical Potential Drive approach (see, for example, O. Dinariev, N. Evseev, D. Klemin, "Density Functional Hydrodynamics in Multiscale Pore Systems: Chemical Potential Drive," E3S Web of Conferences, vol. 146, 2020, page 01001). Thus, the proposed approach makes it possible to perform hydrodynamic modeling of the filtration properties of a full-scale core with the presence of thin cracks.

Как показано на фиг. 1, в соответствии с предлагаемым способом на первом этапе (блок 1) осуществляют сканирование исследуемого образца горной породы, в результате которого получают трехмерное цифровое изображение низкого разрешения

некоторого интересующего объема образца VOI-1. На сегодняшний день существует множество методик получения трехмерных изображений: микроКТ (рентгеновская компьютерная микротомография), МРТ (магниторезонансная томография), метод ФИП-РЭМ (фокусированный ионный пучок и растровая электронная микроскопия), электронная томография, лазерная конфокальная микроскопия и другие. Изображение

для VOI-1, полученное на данном этапе, не обязательно должно обладать разрешением, достаточным для разрешения внутренней геометрии трещин, достаточно того, чтобы существенные для проницаемости трещины были визуально различимы на сечениях как «линии» с различным уровнем контраста.As shown in FIG. 1, in accordance with the proposed method, at the first stage (block 1), the studied rock sample is scanned, as a result of which a low-resolution three-dimensional digital image is obtained

some volume of interest in the VOI-1 sample. To date, there are many methods for obtaining three-dimensional images: microCT (X-ray computed microtomography), MRI (magnetic resonance imaging), FIP-SEM method (focused ion beam and scanning electron microscopy), electron tomography, laser confocal microscopy and others. Image

for VOI-1 obtained at this stage does not necessarily have to have a resolution sufficient to resolve the internal geometry of the fractures, it is sufficient that the fractures significant for permeability are visually distinguishable on the sections as “lines” with different levels of contrast.

Следует отметить, что сканирование образца может проводиться не только при комнатных условиях, но и в специальных ячейках. Например, в работе И. Варфоломеев, И. Якимчук; "Изучение деформаций в образце горной породы по его микротомографическому изображению" ВКИТ 2019, 6 (180), стр. 3-9. DOI: 10.14489/vkit.2019.06.pp.003-009 микротомография образца керна производилась с использованием ячейки, обеспечивающей обжимное давление. Сканирование образца при наличии обжимного давления может быть необходимо для получения более правильной геометрии трещин, лучше соответствующей пластовым условиям.It should be noted that scanning of a sample can be carried out not only under room conditions, but also in special cells. For example, in the work of I. Varfolomeev, I. Yakimchuk; "Study of deformations in a rock sample by its microtomographic image" VKIT 2019, 6 (180), pp. 3-9. DOI: 10.14489/vkit.2019.06.pp.003-009 Microtomography of the core sample was carried out using a cell providing crimping pressure. Scanning the specimen under swage pressure may be necessary to obtain more accurate fracture geometry better suited to reservoir conditions.

На втором этапе (блок 2) осуществляют сканирование по меньшей мере одного фрагмента интересующего объема VOI-2 того же исследуемого образца с более высоким разрешением, чем при сканировании всего образца. Объем VOI-2 может быть либо предварительно физически извлечен (вырезан) из образца, либо отсканирован без извлечения. Выбор конкретных представляющих интерес областей может быть сделан на основании ручного или автоматизированного анализа изображения образца, полученного на первом этапе. В результате сканирования для каждого фрагмента VOI-2 получают трехмерное изображение

На данном этапе целью является полностью разрешить внутреннюю геометрию существенных трещин с качеством, достаточным для последующего построения их адекватной бинарной модели, даже если это означает, что сканируемый объем окажется слишком мал, чтобы быть представительным.At the second stage (block 2), at least one fragment of the VOI-2 volume of interest of the same test sample is scanned at a higher resolution than when scanning the entire sample. The VOI-2 volume can either be physically extracted (cut out) from the sample beforehand, or scanned without extraction. The selection of specific regions of interest can be made based on manual or automated analysis of the sample image obtained in the first step. As a result of scanning for each fragment of VOI-2, a three-dimensional image is obtained

At this stage, the goal is to completely resolve the internal geometry of significant fractures with sufficient quality to subsequently build their adequate binary model, even if this means that the scanned volume is too small to be representative.

На следующем этапе (блок 3 на Фиг. 1) осуществляют пространственное совмещение трехмерных изображений с разным разрешением, полученных на первом и втором этапах, то есть осуществляют пространственное совмещение полученных изображений фрагментов образца (т.е. изображений высокого разрешения) с изображением образца (т.е. изображением низкого разрешения), обеспечивающее получение информации о их взаимном пространственном положении. Пространственное совмещение может быть выполнено, например, методом, описанным в заявке WO 2016013955.At the next stage (block 3 in Fig. 1), spatial alignment of three-dimensional images with different resolutions obtained in the first and second stages is carried out, that is, spatial alignment of the obtained images of fragments of the sample (i.e., high-resolution images) with the image of the sample (t .e. low-resolution image), providing information about their relative spatial position. Spatial registration can be performed, for example, by the method described in the application WO 2016013955.

Затем (блок 4 на Фиг. 1) осуществляют сегментацию трехмерного изображения

полученного в результате сканирования образца, с получением сегментированного изображения

Сегментация данного изображения позволяет получить цифровую модель образца с низким разрешением, описывающую только разрешенную пористость. Для подобного выделения хорошо разрешенных структур, таких как крупные поры и трещины, может быть применен стандартный подход сегментации (например, W. Oh and W.В. Lindquist, "Image Thresholding by Indicator Kriging," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 21, no. 7, 1999, p. 590-602 DOI:10.1109/34.777370). Существуют и более сложные методы, основанные на данном подходе, см., например, заявку WO 2014003596. Применимы и другие методы, такие, как Active Contours, watershed, или методы машинного обучения - supervised Machine Learning (I.A. Varfolomeev, I.V. Yakimchuk, and B.D. Sharchilev, "Segmentation of 3D image of a rock sample supervised by 2D mineralogical image," в Proceedings of the 3rd IAPR Asian Conference on Pattern Recognition - ACPR, Kuala Lumpur, Malaysia, Nov. 2015, стр. 346-350).Then (block 4 in Fig. 1) a three-dimensional image is segmented

obtained as a result of scanning the sample, obtaining a segmented image

Segmentation of this image produces a low-resolution digital model of the sample that describes only the allowed porosity. To similarly highlight well-resolved structures such as large pores and cracks, a standard segmentation approach can be applied (e.g., W. Oh and W.B. Lindquist, "Image Thresholding by Indicator Kriging," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.21, no.7, 1999, p.590-602 DOI:10.1109/34.777370). There are more sophisticated methods based on this approach, see for example WO 2014003596. Other methods are applicable, such as Active Contours, watershed, or supervised Machine Learning methods (IA Varfolomeev, IV Yakimchuk, and BD Sharchilev, "Segmentation of 3D image of a rock sample supervised by 2D mineralogical image," in Proceedings of the 3rd IAPR Asian Conference on Pattern Recognition - ACPR, Kuala Lumpur, Malaysia, Nov. 2015, pp. 346-350).

На следующем этапе (блок 5 на Фиг. 1) осуществляют сегментацию каждого трехмерного изображения

полученного в результате сканирования фрагментов образца, с получением сегментированного изображения фрагмента образца

где каждое сегментированное изображение фрагмента образца описывает внутреннюю геометрию порового пространства соответствующего фрагмента образца. Сегментация этого изображения позволяет получить цифровую модель с высоким разрешением. Методы, которые могут быть применимы для сегментации, перечислены на предыдущем этапе.At the next stage (block 5 in Fig. 1), each 3D image is segmented

obtained as a result of scanning sample fragments, obtaining a segmented image of a sample fragment

where each segmented image of a sample fragment describes the internal geometry of the pore space of the corresponding sample fragment. Segmentation of this image produces a high resolution digital model. The methods that may be applicable for segmentation are listed in the previous step.

На следующем этапе (блок 6 на Фиг. 1) осуществляют обработку трехмерного изображения образца, полученного в результате сканирования с образца, с целью выделения трещин (изображение

) для получения модели неразрешенной пористости, относящейся к трещинам. Так как стандартная сегментация не способна разрешить тонкие трещины, вместо этого трещины выделяют (т.е. определяют их наличие в конкретном вокселе и их относительную «мощность») с использованием, например, подхода на основе Гессиана.At the next stage (block 6 in Fig. 1), a three-dimensional image of the sample obtained as a result of scanning from the sample is processed in order to highlight cracks (image

) to obtain a model of unresolved porosity related to fractures. Since standard segmentation is unable to resolve thin cracks, cracks are instead isolated (ie, their presence in a particular voxel and their relative "power") using, for example, a Hessian-based approach.

На Фиг. 2а показан пример плохо разрешенной тонкой трещины на изображении, полученном на первом этапе в результате сканирования образца. На Фиг. 2b показан результат обработки данного изображения методом на основе Гессиан преобразования (блок 6 на Фиг. 1), позволяющего выделить плохо разрешенную трещину.On FIG. 2a shows an example of a poorly resolved thin crack in the image obtained at the first stage as a result of scanning the sample. On FIG. 2b shows the result of processing this image with a Hessian-based method (block 6 in Fig. 1), which makes it possible to highlight a poorly resolved crack.

Гессиан представляет собой квадратную матрицу производных второго порядка. Для трехмерного изображения I(x, y, z), Гессиан матрица определяется как:The Hessian is a square matrix of second order derivatives. For a 3D image I(x, y, z), the Hessian matrix is defined as:

Далее, на основании собственных чисел данной матрицы, упорядоченных по убыванию (λ₁, λ₂, λ₃) можно вычислить «мощность» трещины в каждом вокселе:Further, based on the eigenvalues of this matrix, ordered in descending order (λ ₁ , λ ₂ , λ ₃ ), one can calculate the "power" of the crack in each voxel:

S=S₁ ⋅ S₂ ⋅ (t>0),S=S ₁ ⋅ S ₂ ⋅ (t>0),

Параметры а₁ и а₂ могут быть вручную подобраны оператором.Parameters a ₁ and a ₂ can be manually selected by the operator.

Подход на основе Гессиана широко используют при обработке изображений в качестве детектора простых геометрических элементов, таких как точки, линии и плоскости, так как каждый из них ассоциируется с соотношением между собственными значениями матрицы Гессе.. В некоторых работах аналогичный детектор применяют на нескольких масштабах, однако в данном случае такой подход не применим, так как видимая ширина трещин (неразрешенных) связана с разрешением прибора (МикроКТ томографа), а для разрешенных трещин и пор применяют традиционную сегментацию (блок 4 на Фиг. 1).The Hessian-based approach is widely used in image processing as a detector of simple geometric elements such as points, lines and planes, since each of them is associated with the relationship between the eigenvalues of the Hessian matrix. In some works, a similar detector is used at several scales, however in this case, this approach is not applicable, since the visible width of cracks (unresolved) is related to the resolution of the device (MicroCT tomograph), and traditional segmentation is used for resolved cracks and pores (block 4 in Fig. 1).

Затем (блок 7 на Фиг. 1) для каждого фрагмента образца производят обрезку всех относящихся к нему изображений, с учетом информации о пространственном положении VOI-2 относительно VOI-1 (т.е. информации о положении

относительно

которая получена на этапе, соответствующем блоку 3 на Фиг. 1) - вырезают фрагменты из сегментированного изображения фрагмента образца

сегментированного изображения образца

и изображения образца с выделенными трещинами

таким образом, чтобы они покрывали одну и ту же область, соответствующую одинаковому физическому объему (которая обозначена как VOI-1c для изображения образца, и VOI-2c для изображения фрагмента образца). Заметим, что VOI-2c может быть идентичен VOI-2, но также может быть меньше, например, исключая нежелательные или неинформативные области.Then (block 7 in Fig. 1) for each sample fragment, all images related to it are cropped, taking into account information about the spatial position of VOI-2 relative to VOI-1 (i.e., information about the position

relatively

which is obtained in the step corresponding to block 3 in FIG. 1) - cut out fragments from a segmented image of a sample fragment

segmented sample image

and images of the sample with highlighted cracks

so that they cover the same area corresponding to the same physical volume (which is designated as VOI-1c for the image of the sample, and VOI-2c for the image of the sample fragment). Note that VOI-2c may be identical to VOI-2, but may also be smaller, eg, excluding unwanted or uninformative areas.

Хотя полученные обрезанные трехмерные изображения

относятся к одному и тому же физическому объему, эти изображения имеют значительно различное физическое разрешение и, в большинстве случаев, разный размер вокселя.Although the resulting cropped 3D images

refer to the same physical volume, these images have significantly different physical resolutions and, in most cases, different voxel sizes.

На этапе, соответствующем блоку 8 на Фиг. 1, осуществляют гидродинамическое моделирование фильтрационных свойств для обрезанного сегментированного изображения каждого фрагмента образца и получают пространственное распределения локальных фильтрационных свойств в вырезанном фрагменте.In the step corresponding to block 8 in FIG. 1, hydrodynamic modeling of the filtration properties is carried out for the cropped segmented image of each fragment of the sample and the spatial distribution of the local filtration properties in the cut fragment is obtained.

Например, моделируется однофазное течение с граничными условиями в виде заданного перепада давления между противоположными гранями изучаемого фрагмента, с целью получения пространственных распределений скорости и давления. На Фиг. 3 приведен пример результатов такого моделирования на трещине, показанной на Фиг. 2. В некоторых реализациях данного способа результаты моделирования (в частности - пористость и проницаемость фрагмента образца) могут быть сопоставлены с прямыми лабораторными измерениями на тех же образцах с целью проверки корректности модели и, при необходимости, уточнения параметров сегментации (см., например, WO 2014003596).For example, a single-phase flow is modeled with boundary conditions in the form of a given pressure drop between opposite faces of the fragment under study in order to obtain spatial distributions of velocity and pressure. On FIG. 3 shows an example of the results of such a simulation on the fracture shown in FIG. 2. In some implementations of this method, the simulation results (in particular, the porosity and permeability of a sample fragment) can be compared with direct laboratory measurements on the same samples in order to check the correctness of the model and, if necessary, refine the segmentation parameters (see, for example, WO 2014003596).

В более общем виде, DFH моделирование однофазного и/или многофазного течения позволяет получить пространственное распределение давления и скорости

в поровом пространстве цифровой модели с высоким разрешением, а также распределение фаз в каждой точке пространства. Эти распределения необходимы для расчета фильтрационных свойств цифровой модели, а именно абсолютной проницаемости и CPD матрицы. В общем случае, могут быть важны и другие свойства (например, распределение температуры), обозначим все их вместе как

В соответствии с одним из вариантов реализации изобретения, в качестве

вместо бинарной модели и DFH моделирования может быть использована уже построенная DHF+CPD модель и DFH+CPD моделирование. За счет этого, например, возможно учесть матричную проницаемость образца, связанную с неразрешенной на изображении

пористостью. В некоторых случаях ее можно считать однородной, а ее значение - известным из лабораторных измерений. В другом случае, такая модель может быть результатом применения самого предлагаемого способа (т.е. получена на этапе, соответствующем блоку 10 на Фиг. 1) - на практике это возможно, например, если ранее метод уже был применен к ∅8 мм и ∅30 мм кернам (и, следовательно, была построена DFH+CPD модель ∅30 мм керна), а теперь метод применяется к этому же ∅30 мм керну и исходному ∅100 мм керну.More generally, DFH modeling of single-phase and/or multi-phase flow allows one to obtain the spatial distribution of pressure and velocity

in the pore space of a high-resolution digital model, as well as the distribution of phases at each point in space. These distributions are necessary to calculate the filtration properties of the digital model, namely absolute permeability and matrix CPD. In general, other properties may be important (for example, temperature distribution), we denote all of them together as

In accordance with one embodiment of the invention, as

instead of a binary model and DFH simulation, an already built DHF+CPD model and DFH+CPD simulation can be used. Due to this, for example, it is possible to take into account the matrix permeability of the sample associated with the unresolved in the image

porosity. In some cases, it can be considered homogeneous, and its value is known from laboratory measurements. In another case, such a model may be the result of applying the proposed method itself (i.e. obtained at the stage corresponding to block 10 in Fig. 1) - in practice this is possible, for example, if the method has already been applied to ∅8 mm and ∅ 30 mm cores (hence the DFH+CPD model of ∅30 mm core was built), and now the method is applied to the same ∅30 mm core and the original ∅100 mm core.

На следующем этапе (блок 9 на Фиг. 1) осуществляют построение единой для всех фрагментов регрессионной модели (калибровку) для корреляционной зависимости локальных фильтрационных свойств (полученных на этапе, соответствующем блоку 8 на Фиг. 1) от локальных особенностей обрезанного изображения образца с выделенными трещинами, с учетом обрезанного сегментированного изображения образца.At the next stage (block 9 in Fig. 1), a single regression model is built for all fragments (calibration) for the correlation dependence of local filtration properties (obtained at the stage corresponding to block 8 in Fig. 1) on the local features of the cropped image of the sample with selected cracks , given the clipped segmented sample image.

Поскольку VOI-1c и VOI-2c пространственно соответствуют друг другу, как обсуждалось на этапе 7, результаты DFH моделирования на цифровой модели фрагмента образца с высоким разрешением позволяют откалибровать CPD свойства цифровой модели образца с низким разрешением, построенной с помощью Гессиан преобразования (этап 6).Since VOI-1c and VOI-2c are spatially consistent as discussed in step 7, the results of DFH simulations on the high resolution digital model of the sample fragment allow to calibrate the CPD properties of the low resolution digital sample model built using the Hessian transform (step 6) .

Для большого набора малых локальных объемов мы ищем корреляцию между особенностями изображения

и локальными фильтрационными свойствами

которые определены на основе результатов DFH моделирования

на этапе 8. Другими словами, обучается регрессионная модель

в соответствии с

For a large set of small local volumes, we are looking for a correlation between image features

and local filtration properties

which are determined based on the results of DFH simulation

in step 8. In other words, the regression model is trained

in accordance with

Выбор особенностей изображений для корреляции с фильтрационными свойствами зависит от особенностей прикладной задачи. В простейшем случае может быть использован уровень серого Гессиан изображения. При более тщательном подходе каждый воксель характеризуется вектором признаков (например, несколько изображений, обработанные различными алгоритмами сглаживания/шумоподавления, набор изображений, полученный с помощью различных фильтров выделения границ, собственные значения Гессиана, и прочие текстурные признаки, известные из задач о семантической сегментации изображений), который зависит от некоторой локальной окрестности конкретного вокселя. Часть компонентов вектора признаков может быть получена с использованием

(а не только

). Это может позволить добиться лучшей точности регрессионной модели, но, вероятно, сделает ее менее интуитивной и интерпретируемой и затруднит ее валидацию.The choice of image features for correlation with filtration properties depends on the features of the applied problem. In the simplest case, the Hessian gray level of the image can be used. In a more thorough approach, each voxel is characterized by a feature vector (for example, several images processed by various anti-aliasing/noise reduction algorithms, a set of images obtained using various edge detection filters, Hessian eigenvalues, and other textural features known from semantic image segmentation problems) , which depends on some local neighborhood of a particular voxel. Part of the feature vector components can be obtained using

(not only

). This may improve the accuracy of the regression model, but it is likely to make it less intuitive and interpretable and more difficult to validate.

В простейшем случае однофазного моделирования, можно считать, что фильтрационные свойства сводятся к коэффициенту локальной абсолютной проницаемости Дарси

В большее общем подходе под

понимается матрица локальных CPD свойств, которая, тем не менее, рассчитывается на основе тех же результатов гидродинамического моделирования

а регрессионная модель может быть построена аналогичным образом.In the simplest case of single-phase modeling, we can assume that the filtration properties are reduced to the coefficient of local absolute Darcy permeability

In a more general approach under

is understood as a matrix of local CPD properties, which, nevertheless, is calculated based on the same results of hydrodynamic simulation

and a regression model can be built in a similar way.

В некоторых случаях регрессионная модель может быть реализована на базе сверточных сетей, в том числе - с использованием генеративных состязательных сетей. Применение генеративных состязательных алгоритмов позволяет, в частности, создать модель, статистически отражающую характерную неоднородность свойств образца, заметную на изображении фрагмента образца

даже если она совершенно не разрешена на изображении образца с низким разрешением

In some cases, the regression model can be implemented on the basis of convolutional networks, including using generative adversarial networks. The use of generative adversarial algorithms makes it possible, in particular, to create a model that statistically reflects the characteristic heterogeneity of sample properties, which is noticeable in the image of a sample fragment

even if it is completely unresolved in the low resolution sample image

Следует отметить, что свойства некоторых вокселей могут оставаться неопределенными, что необходимо учитывать при построении регрессионной модели, в частности:It should be noted that the properties of some voxels may remain undefined, which must be taken into account when building a regression model, in particular:

• Некоторые локальные объемы могут давать нулевой поток и нулевой градиент давления (например, при закрытой пористости), что в результате приводит к делению «0/0». Такими объемами необходимо пренебречь.• Some local volumes may produce zero flow and zero pressure gradient (eg closed porosity) resulting in a 0/0 division. These volumes must be neglected.

• Для разумной оценки градиента давления, мы предполагаем, что давление в области твердого вещества, граничащего с порами, равно давлению внутри поры у этой границы.• For a reasonable estimate of the pressure gradient, we assume that the pressure in the area of the solid adjacent to the pores is equal to the pressure inside the pore at this boundary.

• Воксели, принадлежащие к разрешенным порам, игнорируются.• Voxels belonging to resolved pores are ignored.

Затем (блок 10 на Фиг. 1) задают пространственное распределение свойств полной модели с низким разрешением с использованием полученной регрессионной модели.Then (block 10 in Fig. 1) set the spatial distribution of the properties of the full model with low resolution using the resulting regression model.

Каждый локальный объем в

может быть количественно охарактеризован в соответствии с регрессионной моделью R_hess:Each local volume

can be quantified according to the R _hess regression model:

В простейшем случае, каждому вокселю

задается проницаемость, в соответствии с уровнем серого того же вокселя на

In the simplest case, each voxel

the permeability is set, in accordance with the gray level of the same voxel on

Заметим, что большие (разрешенные) пустоты

напрямую добавляются к

как особый случай.Note that large (allowed) voids

directly added to

as a special case.

На последнем этапе (блок 11 на Фиг. 1) осуществляют гидродинамическое моделирование фильтрационных свойств на откалиброванной модели с низким разрешением.At the last stage (block 11 in Fig. 1) hydrodynamic modeling of filtration properties is carried out on a calibrated model with low resolution.

В соответствии с одним из вариантов реализации изобретения, аналогичное гидродинамическое моделирование можно провести и на фрагменте (или фрагментах) VOI-2c полученной DFH+CPD модели, в постановке, соответствующей моделированию, произведенному ранее (на этапе, соответствующему блоку 8 на Фиг. 1) на соответствующем фрагменте VOI-1c.In accordance with one of the embodiments of the invention, a similar hydrodynamic simulation can be carried out on a fragment (or fragments) of the VOI-2c of the obtained DFH + CPD model, in a formulation corresponding to the simulation performed earlier (at the stage corresponding to block 8 in Fig. 1) on the corresponding fragment of VOI-1c.

Сопоставление данных результатов моделирования может использоваться для анализа корректности и точности полученной DFH+CPD модели.Data matching of simulation results can be used to analyze the correctness and accuracy of the resulting DFH+CPD model.

Современные гидродинамические симуляторы, такие как DFH+CPD, способны рассчитать физические свойства образца, например, одно- и многофазные фильтрационные свойства, на основе трехмерной модели

(и набора дополнительных свойств, измеряемых в лаборатории, такие как вязкость используемых флюидов). Например, проводя моделирование с различными скоростями закачки воды и/или концентрацией различных поверхностно-активных веществ, можно получить новую информацию и сократить неопределенности на этапе разработки месторождения.Modern hydrodynamic simulators, such as DFH+CPD, are able to calculate the physical properties of the sample, such as single- and multi-phase filtration properties, based on a 3D model

(and a set of additional properties measured in the laboratory, such as the viscosity of the fluids used). For example, by conducting simulations with different water injection rates and/or concentrations of different surfactants, new information can be obtained and uncertainties can be reduced during the field development phase.

Далее приведен пример конкретной реализации предлагаемого способа.The following is an example of a specific implementation of the proposed method.

Образец карбонатной горной породы с низкопроницаемой матрицей был отсканирован целиком с применением микротомографии (первый этап, блок 1 на Фиг. 1) - результат, показанный на Фиг. 2а, демонстрирует недостаточность качества данного изображения для построения бинарной модели, описывающей внутреннюю геометрию имеющейся в образце трещины. Ввиду этого было произведено сканирование меньшей области того же образца с более высоким разрешением без физического извлечения соответствующей части образца, за счет изменения геометрии сканирования (блок 2 на Фиг. 1). Оба изображения были пространственно совмещены (блоки 3-5 на Фиг. 1) и отсегментированы. Для изображения образца с низким разрешением была проведена процедура выделения трещин (блок 6). Изображения обрезаются путем выбора пространственной области, наиболее хорошо отражающей область интереса (трещину). Результат сегментации изображения образца с низким разрешением и результат его обработки с целью выделения трещин сведены на Фиг. 2б.A carbonate rock sample with a low permeability matrix was scanned in its entirety using microtomography (first step, block 1 in FIG. 1) - the result shown in FIG. 2a demonstrates the insufficient quality of this image for building a binary model that describes the internal geometry of a crack present in the sample. In view of this, a smaller area of the same sample was scanned at a higher resolution without physically extracting the corresponding part of the sample, by changing the scanning geometry (block 2 in Fig. 1). Both images were spatially aligned (blocks 3-5 in Fig. 1) and segmented. To image the sample with low resolution, a crack detection procedure was carried out (block 6). Images are cropped by selecting a spatial region that best reflects the area of interest (fracture). The result of segmentation of the image of the sample with low resolution and the result of its processing in order to highlight the cracks are summarized in Fig. 2b.

Далее на цифровой модели с высоким разрешением моделируется однофазное течение с целью получения распределений скорости и давления (блок 8 на Фиг. 1). На Фиг. 3 изображен фрагмент результата этого моделирования. После этого устанавливается корреляция между уровнем серого на Гессиан-изображении и значениями локальной абсолютной проницаемости, полученными при гидродинамическом моделировании (блок 9). На Фиг. 4 изображена полученная корреляционная зависимость. Эта корреляция используется для задания свойств модели всего образца, основанной на микротомографическом изображении с низким разрешением (блок 10) и последующего DFH+CPD моделирования многофазного течения на этой модели (блок 11). Результатом моделирования в данном случае является значение абсолютной проницаемости образца.Next, a single-phase flow is modeled on a high-resolution digital model in order to obtain velocity and pressure distributions (block 8 in Fig. 1). On FIG. 3 shows a fragment of the result of this simulation. After that, a correlation is established between the gray level in the Hessian image and the local absolute permeability values obtained from hydrodynamic modeling (block 9). On FIG. 4 shows the obtained correlation dependence. This correlation is used to define the properties of a whole sample model based on a low resolution microtomographic image (block 10) and subsequent DFH+CPD multiphase flow simulation on this model (block 11). The simulation result in this case is the value of the absolute permeability of the sample.

Claims

1. A method for determining the filtration properties of inhomogeneous porous samples, according to which:

- scanning the sample and obtaining a three-dimensional digital image of the sample,

- scanning at least one fragment of the same sample with a higher resolution than when scanning the entire sample, and obtaining a three-dimensional digital image of each fragment,

- carry out spatial alignment of the obtained images of fragments of the sample with the obtained image of the sample, providing information about their spatial position,

- perform segmentation of the obtained sample image and obtain a segmented sample image describing the allowed porosity,

- segmenting images of sample fragments and obtaining a set of segmented images of sample fragments, where each segmented image describes the internal geometry of the pore space of the corresponding sample fragment,

- carry out selection of cracks on the sample image and obtain an image of the sample with selected cracks,

- for each fragment of the sample, cropping is performed taking into account the received information about its spatial position, cutting out the spatially corresponding fragments from the segmented image of the sample fragment, the segmented image of the sample and the image of the sample with selected cracks,

- for each cropped segmented image of a sample fragment, hydrodynamic modeling of filtration properties is carried out and the spatial distribution of local filtration properties in the cut fragment is obtained,

- carry out the construction of a single regression model for all fragments for the correlation dependence of local filtration properties on local features of the cropped image of the sample with selected cracks, taking into account the cropped segmented image of the sample,

- using the obtained regression model, based on the local features of the image of the sample with selected cracks, taking into account the segmented image of the sample, a digital model of the sample is obtained and hydrodynamic modeling of the filtration properties is carried out on the obtained digital model of the sample, which results in the filtration properties of the sample.

2. The method of claim 1, wherein the heterogeneous porous sample is a full size rock core.

3. The method of claim. 1, in accordance with which, in order to scan a fragment of the sample, a fragment of the sample under study is physically cut out of the sample.

4. The method according to claim 1, in accordance with which the selection of cracks is carried out by the method based on the Hessian.

5. The method according to claim 1, in accordance with which the Indicator Kriging method is used for image segmentation.

6. The method according to claim 1, in accordance with which machine learning methods are used for image segmentation.

7. The method of claim. 1, in accordance with which X-ray computed microtomography is used to obtain a three-dimensional image.

8. The method of claim 1, wherein magnetic resonance imaging is used to obtain a three-dimensional image.

9. The method according to claim 1, in accordance with which the method of focused ion beam and scanning electron microscopy is used to obtain a three-dimensional image.

10. The method according to claim 1, in accordance with which electron tomography is used to obtain a three-dimensional image.

11. The method of claim. 1, in accordance with which laser confocal microscopy is used to obtain a three-dimensional image.

12. The method according to p. 1, in accordance with which the scanning of the sample is carried out in a cell that compresses the sample and / or creates a given temperature.

13. The method of claim 1, wherein the hydrodynamic simulation is carried out using a DFH+CPD simulator.

14. The method of claim. 1, in accordance with which the results of the simulation are compared with laboratory measurements to check the correctness of the model and/or calibration of the method.

15. The method according to claim 1, in accordance with which the simulation of filtration properties is additionally carried out on a trimmed sample model and the results obtained are compared with the simulation results on a spatially corresponding model of a sample fragment in order to confirm the correctness of the result and evaluate the values of possible errors.