中心轴的新方法提取岩石孔隙网络模型的工程

文摘

描述多孔介质的内部微观结构是至关重要的,以模拟流体和电流流动。相比传统的岩石力学和地球物理实验、数字核心和孔隙网络建模是吸引更多的利益,因为它可以提供更多的细节在岩石微观结构与所需的时间要少得多。轴提取算法,已经广泛应用于孔隙网络模型,主要包括减少和燃烧的算法。然而,常用的方法在一个轴提取算法的缺点复杂的判断条件和运营效率相对较低,因此失去了实用性应用大规模孔隙结构模拟。本文提出的算法更新Palagyi和库巴地毯是用于执行数字核心和孔隙网络模型。首先,数字核心重建使用马尔可夫链蒙特卡罗(密度)方法基于岩石切割平面的二进制图像取自重油油藏砂岩。数字核心精度验证了通过对比孔隙度和自相关函数。然后,我们提取数字孔隙空间和描述的中心轴结构参数通过几何变换技术和最大范围的方法。获得的几何参数进一步分配到相应的节点上的孔隙和喉中心轴的构造模型。此外,新开发了孔隙网络模型的准确性通过比较测量孔隙/喉咙参数、压汞曲线以及油水相对渗透率。 The modeling results showed that the new developed method is generally effective for digital core and pore network simulation. Meanwhile, the more homogeneity of the rock, which means the stronger “representative” of binary map the rock cutting plane, the more accurate simulated results can be obtained.

1。介绍

多孔介质,如金属、木材、土壤和岩石,在日常生活中最常见的一种物质(1- - - - - -3]。多孔材料的共性是,内部孔隙结构通常控制流体的流动和电流在媒体(4- - - - - -6]。即使是平等的两种材料孔隙度、流体流动行为可能仍然不同因为不同空间分布的内部孔隙结构,连接类型,形状或大小的孔隙和喉7- - - - - -9]。因此,为了全面研究多孔介质孔隙网络结构特征具有十分重要的意义。这通常适用于石油/油藏工程、孔隙网络结构确定油气成藏和流动行为的能力。

当我们正接近常规油气资源,一个巨大的潜在的非常规能源资源的体现。然而,有困难与非常规资源开发,例如非常低渗透致密油/气藏和重油的高粘度重油油藏。这么多和研究注意重油水库,因为它占很大比重的石油和天然气资源。因为储层宏观性质(即。,permeability and capillary pressure) are controlled by its microstructure, especially for heavy oil reservoirs where the oil viscosity is so high, it is necessary to examine the characteristics of pore networks at microscale and eventually improve oil and gas recovery. Thus, in order to provide efficient production from heavy oil reservoirs, sufficiently reliable information about the pore structure of the hosting rock is required.

事实上,由于专门设计的实验装置和复杂的操作过程,传统的岩石力学和地球物理实验通常是困难和耗时的方法提取孔隙网络(10]。与此同时,计算机技术的快速发展和计算能力的爆炸性增长可以使用岩石执行大规模模拟数字几何数据(11,12]。数字核心建模可以提供详细的信息在岩石内部孔隙网络,仿真结果可也与实验室观测相比,全面理解岩石微观结构。

当前计算研究方法主要集中在岩石微观结构和由数字核心模型(i)和(ii)孔隙网络模型。数字核心模型,可以准确地捕捉到孔隙网络属性数值重建的基础上,从岩石地球物理测试获得的数据。具体来说,重建的数字核心使用数据从x射线CT扫描可以提供几乎相同的统计特征作为真正的核心。因此,通过这种类型的建模结果数字核心才能真正反映了岩石微观性质。鉴于自然特征获取所有详细的微观结构,重建的孔隙网络通过x射线CT扫描是非常复杂的。这引发了一些困难的核心层面(即数值模拟。,seepage simulation and acoustic and electrical characteristic simulation), as it needs very high computation to reflect every detail of microstructures while has very limited contribution for accuracy improvement [13- - - - - -15]。因此,迫切需要的是调用开发一种新的方法可以保留真实岩心孔隙空间的拓扑几何性质和少得多的计算能力来提高建模效率。

这种承诺的孔隙网络模型是一个模型是有效和准确的16,17]。通过合理简化孔隙空间的微观细节,孔隙网络模型可以实现类似的拓扑和几何结构为核心的数字,需要更少的计算能力(18- - - - - -20.]。自从第一个二维孔隙网络模型引入Fatt [21- - - - - -23]1956年,广泛的孔隙网络模型已经被开发出来,主要分为两类:(1)常规拓扑孔隙网络模型和(2)真正的孔隙网络模型拓扑。常规拓扑孔隙网络模型由毛孔和喉咙经常安排在平面或空间。通过分配不同的孔隙值/喉咙的形状和大小,这个模型可能存在一定程度的异质性。然而,毛孔和喉咙的均匀分布的拓扑网络不能代表真正的岩石中孔隙结构的高复杂性,这限制了在数值模拟中的应用。另一方面,真正的拓扑孔隙网络模型的基础上,数字核心。因此,它具有相同的拓扑结构的数字/真正的孔隙空间和更准确的孔隙网络模型。以前,各种方法提出了构建这种类型的模型。例如,赵et al。24)提出了多向切片扫描方法描述内部孔隙/喉咙的值。他们位于现场的最小值定义为喉咙当毛孔很难发现。林奎斯特et al。25谢泼德,et al。26],Prodanovic et al。27)使用孔中心轴方法描述孔隙空间的拓扑结构,作为中心轴可以准确反映拓扑网络的特点。内部毛孔被定义为中心轴上的节点,和面积最小的节点被定义为喉咙。后来,Delerue和毕雷矿泉水28开发出一种方法,可以在任何类型的孔隙空间建立泰森多边形法多面体和随后形成孔隙网络的基础上建立了多面体。该方法应用了冈和钝29日)建立贝雷砂岩的孔隙网络,但他们发现生成的拓扑网络结构不合理,得出的结论是,泰森多边形法多面体方法不是一个合适的数字核心的孔隙网络模型的工具。思et al。30.)建立了一个在枫丹白露砂岩孔隙网络模型通过使用最大范围的方法,并计算了压汞毛细管压力(MICP)。他们报告说,尽管发达模型与最大范围的方法似乎是合理的,连接数(喉咙的数量与孔隙)的孔隙/喉咙仍相对高于实际价值。

值得一提的是,中心轴的组合方法和最大范围的方法已被广泛应用于描述孔隙空间拓扑结构和识别毛孔和喉咙。中心轴可以通过细化算法(31日,32)和燃烧算法(33]。然而,这些算法的复杂的判断条件通常存在运行效率相对较低。与此同时,中心轴Palagyi提出的提取算法和库巴地毯34)只需要判断孔隙体素的邻里关系,以便它可以显著降低系统的计算量。在离散系统,体素没有超过6,18日和26相邻像素点,当相邻的像素点之间的距离被定义为不超过1 ,和单位长度。因此,当提取中心轴Palagyi提出的算法和库巴地毯,最多只有27个相邻像素点而不是当地的所有点或多个点需要分析在一个迭代。此外,六个删除模板相邻像素点的算法简化分析,从而使该中心轴方法计算有效。尽管这种方法已广泛应用于心脏和大脑血管的研究(35- - - - - -37)和肺血管(38,39)的人类早期胚胎小鼠心脏(40)和植物(41),显示了令人满意的结果,我们所知,还没有过石油工程申请核心层面孔隙网络模拟。因此,在本文中,我们尝试使用这个中轴线提取算法提取储集岩的孔隙拓扑结构和比较模拟结果与MICP和油水相对渗透率曲线。首先,四个二进制剖切面的图像从四个人砂岩被用于数字核心的重建与密度(马尔可夫链蒙特卡罗)方法(42]。然后,孔轴网络应用提出的改进算法,提取Palagyi和库巴地毯。最后,得到了孔隙网络通过添加标识的孔喉孔隙中轴线上的信息网络。为了构建数字核心和孔隙网络模型,使用Visual Basic 6.0。

2。方法

2.1。重建的数字核心

马尔可夫链状态序列描述内存不足或无记忆的属性,在每个州的价值依赖于前一个有限状态和独立于其他国家。这种状态的概率称为转移概率。计算转移概率是马尔可夫链的核心应用程序中,但计算过程非常复杂。为了解决这个问题,吴et al。43]介绍了社区的概念,即特定点的状态只取决于州附近的几个点。在这项工作中,我们使用一个遍历扫描算法(基于密度方法)来产生足够的图像大小,确保形成数字化的核心与原始图像相同的统计特征。一般而言,密度的方法需要三个不同的二维图像作为输入文件构建数字岩心在相应的三个坐标轴的飞机。但当礼物高同质性或缺乏核心图像质量好,相同的图像也可以用来构造一个3 d数字核心。

过程的步骤3 d数字核心建设通过密度方法如下(数字1和2);的 - - - - - -社区由一个立体像素被遍历,遍历像素点,一个人迹罕至的体元邻(组件部分 - - - - - -社区)体素遍历,表示像素点的数量参与模拟的一个迭代 。(1)使用计算孔隙度从核心扫描图像作为第一体素的条件概率的状态(2)产生压在第一行的第一层轴向方向。第一行第二立体像素状态模拟2-neighborhood,和下一个立体像素由3-neighborhood模拟。他们的条件概率是来源于6-neighborhood核心扫描图像飞机(3)重复步骤(2)形成体素轴向方向。边缘像素点由3-neighborhood和4-neighborhood模拟,而内部体素由5-neighborhood和6-neighborhood模拟。他们的条件概率也来源于6-neighborhood核心扫描图像飞机(4)重复步骤(3)形成体素轴向方向。从第二行第二个层,边缘像素点由9-neighborhood和10-neighborhood模拟,模拟和内部体素14-neighborhood和15-neighborhood。他们的条件概率得到6-neighborhood系统三个平面组合的核心扫描图像

2.2。修正的数字核心

考虑到图像分割过程的内在属性和重建算法,孤立的骨架和毛孔经常存在于重建数字核心(44]。孤立的骨架需要被删除,因为它会形成冗余毛孔和错误的连接通道,实际上并不存在。他们可能存在的孤立的毛孔,在现实情况下,但这些孔隙流体的贡献可以忽略不计。除此之外,这些孤立的毛孔会影响模拟结果的核心孔隙拓扑结构,孔隙结构参数的计算,模拟微观渗流。因此,这些毛孔也需要修正。

在本文中,我们使用种子填充法删除孤立的骨架和不合理的孤立的毛孔。邻骨架压或孔隙压首先放在一组 。然后,我们在设置计算元素的数量和数量与阈值相比较是否属于一个孤立的骨架立体像素集合或一个孤立孔隙体元集。去除孤立的毛孔的详细程序(类似步骤可以用于孤立的骨架校正)解释为以下:(1)设置阈值的值(随目标核心)(2)特拉弗斯所有孔隙体素数码的核心,直到找到孔隙体素没有标签(3)作为种子,分配一个标签。然后,把所有孔隙压的种子但没有标签,回堆栈(4)弹出元素B,顶部分配相同的标签,并将其存储在集合 。然后,把所有孔隙压的26-neighborhood元素B但没有标签集(5)如果在集合的元素数量大于阈值 ,回到步骤(2),否则重复步骤(4),直到栈是空的。这时,一个连接孔隙空间包含一个核心可以发现,在数字和孔隙压在这一领域都标有标签(6)如果在集合的元素数量小于阈值 ,删除所有的孔隙压(转化为骨架压)属于集 。否则,返回步骤(1),直到所有的孔隙压都标有标签

2.3。提取孔隙轴

巴肯和Eliassen提出的理论和标准45),香港和罗森菲尔德46马],[47为孔轴提取奠定基础。后来,Palagyi和库巴地毯34开发了一个基于删除模板细化算法。此外,Wildenschild和谢泼德(32)开发了一个完全并行细化算法的基础上,理论马(47),和李et al。48]提出的另一个改进算法(LKC算法)考虑的八叉树算法。其中提取算法,该方法由Palagyi和库巴地毯只需要考虑邻里关系的信息,这是比其他算法更有效。

该算法的核心概念是将黑色的点(孔隙压)符合删除条件成白色点(骨架压),同时保持其他原始白色点相同。是否黑色点符合删除条件主要是由连接在一个离散介质的定义。在3 d离散系统中,体素的不同阶段(骨架和孔隙工作)连接的相邻像素点应该最大和最小数量在同一阶段相应的两阶段避免压的情况下断开或连接。当压一个相连接的体素的最大数量,即。,26,的y may connect with each other in the form of a point or a line, which do not occur between solid-phase voxels. Considering rock skeleton is solid and the simple point described by Bakken and Eliassen [45),在这项工作中,我们定义,孔隙体素与26日附近的孔隙体素最多和岩石骨架体素与6附近骨架体素。因此,条件删除黑色点取决于26-neighborhood体素的关系。Palagyi和库巴地毯34]介绍了六个判断黑色点删除模板应该删除,实际上这些模板描述六个26-neighborhood关系的类型。这些模板随删除方向( , , , , ,和 ),而删除方向由6-neighborhood决定关系。例如,如果黑色的点缺乏6-neighborhood邻居的方向,然后,删除方向 。图3显示了M1 M6在删除模板方向。M1 M6结合周围的旋转轴方向(角度的旋转90°、180°、270°)形式沿着最后删除模板方向。图中每个符号的含义如下:至少有一个“★”是一个黑色的点,“1”是一个黑色的点,“0”是一个白色的点,“♦”是一个黑色或白色的点。

黑色的点处理的详细过程基于上述删除原则如下所示:(1)数字核心的二进制图像导入立体像素集(2)选择一个黑色的点从组判断它是否删除条件的匹配方向。如果满足一个或多个在邻里关系方向,然后删除 ;否则,保持 。重复这个过程,直到所有黑色的点是遍历(3)修改删除方向和选择一个黑色的点判断它是否符合删除条件的方向。如果满足一个或多个社区关系在这个方向,然后删除 ;否则,保持 。重复这个过程,直到所有黑色的点是遍历(4)重复步骤(2),直到所有黑色的点是遍历(5)重复步骤(3),直到删除过程遍历所有的方向(6)如果黑色的点集不改变了,删除过程结束,和所有黑色的点集中央轴压;否则,重复步骤(2),直到黑色的点集不改变(没有更多的黑色点需要删除)

2.4。优化孔轴

前面提到的细化算法提取中心轴的毛孔很好,但也有一些不合理的结果,表面造成的噪音,限制数字核心的大小,和复杂的孔隙结构,可能仍然存在。这些不必要的结果即不合理的短枝,冗余分支边界和多个中心轴节点在一个孔。现有的不合理的微观结构不能准确地反映孔隙空间的拓扑结构。因此,我们需要进一步修改这些不合理的微观结构。在本文中,江等人提出的处理方法。49)申请孔轴校正,解释如下:(1)删除短分支中心轴:鉴于表面噪声的影响,一些不合理的短分支可能出现在的上部孔隙(如图4(一),黑色的点代表了孔隙点,红点代表中央轴点)。需要删除这些极震区分支的黑点数小于某个阈值或孔隙半径节点(2)正确的中心轴的边界:数字或真正核心的大小限制可能会导致额外的一代的毛孔不合理的边界和边界中心轴,如图4 (b)。消除不受欢迎的中心轴的影响,我们首先添加几层,最外层的数字相同的属性核,然后提取中心轴,删除添加的部分(3)正确的中心轴节点:图4 (c)显示了复杂的孔隙结构可能引发multiexisting几个节点在一个孔。确保准确和合理的相应的孔隙节点和核心孔隙之间的关系,有必要适当合并多个节点中存在相同的孔隙

2.5。孔隙网络模型的建设

正确发展孔隙网络模型,几何参数的关键一步是分配中心轴上的孔隙和喉节点在相应的位置;因此,孔隙空间的中心轴网络转化为孔隙网络模型。在施工过程中,孔隙空间几何参数需要正确地识别。

最大范围的方法是一种最常用的方法来分析孔隙和喉参数。然而,分段孔的长度通常是太大,会影响其他毛孔和喉咙的参数的准确性。因此,在本文中,我们应用一个几何变换方法(50)结合最大球体法(51)段孔隙空间。与此同时,大津法(52),一个方法来获得最大类间方差阈值导致,是用来确定孔隙/喉咙喉咙长度和形状因子。

有效地确定孔隙长度、几何变换已被广泛用于切割孔隙空间在一定角度在孔隙点(中轴线节点),形成一系列的切平面,如图5。然后,在所有飞机,射线是发出孔隙点在一定的角度。如图6(一)显示,发出的射线会继续扩展,直到到达骨架体素,然后记录所有线段的长度。这些线段可以形成一套,孔隙长度可以由大津方法使用最佳的分割。

孔隙半径可以由最大范围的方法。以孔隙点为球体中心球的半径是一直增加,直到达到骨架体素,形成一个内切球。因此,孔隙半径等于最大球体的半径,如图6 (b)。

图6 (c)表明,喉咙长度是由不同的距离相邻孔之间点和各自的孔隙半径和 ,也就是说, 。喉道半径也可通过最大方法类似于孔隙半径估计范围。所不同的是,喉道半径是最小值喉咙内的最大球体半径长度。

最后一个参数是喉咙形状系数。我们首先得到几个切割喉咙沿不同方向的飞机使用图像转换,如图6 (d)。的周长减少飞机可以通过计算获得边界体素,和相应的区域可以通过计算获得所有体素在飞机上。一个切割平面的形状系数可以然后通过形状因子计算公式计算。因此,喉部形状系数可以计算通过计算获得形状因素的降低飞机采用大津法。

最后,我们构建孔隙网络模型通过将上述相应的孔隙结构参数在孔隙空间的中心轴上的立场。

3所示。验证

正如上面提到的,虽然数字核心重建CT扫描几乎相同的孔隙结构特征的真正核心,昂贵的成本和消耗时间长还限制其应用。另一方面,基于一系列的数值重建孔隙结构参数或截平面图片可以有效地避免这些问题而提出令人满意的运行结果。

本文四个人核心的重油油藏砂岩样品(命名为砂岩,砂岩,砂岩,砂岩d)被用于x射线CT扫描实验。实验室设备用于CT扫描Xradia microxct - 400 CT扫描仪。五个核心的CT扫描的基本参数如表所示1,关键的扫描结果如图四个核心样本7。

最初的输入文件数字核心建模方法用于这项工作是四个二进制图像(如图8(一)-8(d))的CT扫描结果砂岩,砂岩b, c砂岩,砂岩d。和所有的参数控制集团(砂岩a, b, c, d)的数字岩心重建后都是加工的CT扫描结果。

数据9(一个),10 (),(11日),12(一个)显示重建的数字岩心的大小 体素³使用密度的方法,即。,digital core a, digital core b, digital core c, and digital core d, respectively. Given the intrinsic properties of the image segmentation process and reconstruction algorithm, isolated skeleton and pores may exist in the reconstructed digital core. We then use the Seed Filling Method to remove these unreasonable isolated skeletons isolated pores (the modified sections are indicated by blue circles in Figures9 (b),10 (b),11 (b),12 (b))。

事实上,除去多余的孤立的骨架孔隙可以使数字核心更简洁和现实。修正后的骨架压和孔隙压可以转变成彼此。此外,修改后的骨架/孔隙体素点的比例在整个数字核心很低,孔隙度校正前后应该大致保持不变的价值。例如,样品的孔隙度的核心,数字核心,核心和纠正数字是26.90%,27.70%,0.4%和28.10%,分别,这只给前后差异修正(表2)。要是指孔隙度数据,重建和纠正数字核心符合最初的核心。然而,正如说,两个多孔介质的内部微观结构完全相同的孔隙度的行为仍可能有所不同。进一步研究核心和真正的核心构造之间的一致性,我们使用了自相关函数来描述孔隙空间属性。自相关函数(53)被广泛用于评估图像结构属性。它代表了图像中任意两点的概率(即在同一阶段。,骨架或孔隙):

在哪里自相关函数的值是点的坐标吗 , 观察值坐标吗 , 观察值坐标吗 ,和两个观察坐标之间的距离在吗μm。

图13显示了计算自相关函数随 。可以清楚地看到,自相关函数的变化趋势的重建核心和原始岩心砂岩非常相似,表明高相似性重构核之间的孔隙结构特征和真正的核心。考虑类似的孔隙度和数字的核心,它可以得出的结论是,数字摘要核心重建原始核心,相比具有较高的精度和重建算法和修正过程是值得信赖的。

下一步是构建最终的孔隙网络模型。我们首先提取孔隙空间的中心轴的基础上重建数字核心使用几何变换技术和识别相应的几何参数,最大范围的方法,和大津方法。然后,所需的孔隙网络模型可以获得一次分配相应的中心轴位置节点几何参数。数据(14日)和14 (b)显示数字的中心轴网络核心前后调整,分别。

数据(15日)- - - - - -15 (d)显示最后的孔隙网络模型对所有候选人的核心。它可以定性地看到核心相对较大的孔隙大小相比其他的核心。核心b,一小部分毛孔很大,但总的来说,他们似乎更小更密集分布比核心。核心c最坏的孔隙分布的均匀性,孔隙大小的地方通常是小但大毛孔可以在本地。核心的平均孔隙大小d是最小的在所有样本中,精细分布。考虑上述数字的高匹配核心特征与原始的属性剖切面二进制映射,我们相信,提取的孔隙网络模型能够准确地反映出组织的核心。

进一步验证提取的孔隙网络的准确性,我们比较微观结构参数相同的孔隙网络模型参数的原始核心,包括喉道半径、喉咙长度、孔隙半径,和连接数,如图16- - - - - -19。值得注意的是,最大的区别在所有组织属性之间的数字岩心和真正的核心是连接数量。主要原因是相对于其它参数,连接数字空间更敏感,所以三维空间位置的变化会显著影响连接数量的价值。由于重建模型的初始输入文件是一个二维二元剖切面图像,这幅图像中包含的信息将在很大程度上决定重建的微观结构参数数字核心和孔隙网络。给定一个二维图像不能完全和准确地反映了孔喉配位数显著影响的空间位置,因此获得协调数字数字芯略低于原核的价值。

核心和d,喉道半径,喉咙长度,和孔隙半径几乎相同;为核心,数字核心的喉咙长度比砂岩略集中在相对较小的尺寸,而喉道半径和孔隙半径几乎是相同的;c为核心,在喉咙的长度有最大的区别在这四个核心,喉道半径和孔隙半径几乎是相同的。一般来说,除了配位数,数字核心的其他三个参数几乎是符合真正的核心。其中,孔隙和喉道半径比喉咙长度有较高的一致性。特别是喉咙长度、核心c显示数字的最大区别核心和真正的核心,其次是核心b。其余两核之间有很好的一致性喉咙长度数字核心和真正的核心。

从上面的结果,我们可以观察到的参数重构数字核心,如喉道半径、喉咙长度、孔隙半径,和连接数,通常与真正的核心。因此,我们得出这样的结论:使用的建模方法可以捕捉相同的微观结构特性的核心重建数字核心或/和孔隙网络模型。另一方面,数字的主要目的和孔隙网络模型建设核心是取代物理实验与数值模拟真正的核心。然而,建立数字核心的准确性和孔隙网络模型尚未完全确定的替代品。为了达到这个目标,数字核心和孔隙网络模型应该有相同的微孔结构和内部流动行为真正的核心。因此,为了进一步验证所提出的建模方法,我们进行了模拟压汞和油水两相流基于提取的孔隙网络模型。

流的基础(单相和多相)模拟孔隙网络模型是Hagen-Poiseuille液压电导模型之间的两个孔: 在哪里孔之间的流量是通过喉咙,连接的液体电导pore-throat-pore,孔隙之间的路径的长度是身体中心,然后呢之间的压差是毛孔。计算液压电导的任何二维截面(或流体多相流动的半月板)基于无量纲Patzek电导模型和思54]: 在哪里横截面的面积,是无量纲液电导(严格建立了圆,广场,个圆形三角形正方式和三角形模型),然后呢流体的粘滞性。

如数据所示20.- - - - - -23,它可以观察到流体流动行为的数字岩心和孔隙网络模型基本上是符合相应的真正核心通过比较压汞曲线和数字岩心油水相对渗透率和真正的核心。压汞曲线显示一致性比油水两相流的相对渗透率曲线,可以解释为多相流的更复杂的力量比单相流。更具体地说,序列之间的相对渗透率曲线的一致性数字岩心和真正的核心 ,结果是符合孔隙和喉显微组织参数。换句话说,当其他参数显示高一致性(连接数量除外),数字核心的喉咙长度b是稍微不那么符合真正的核心b和糟糕的核心c核心和核心相比d。然而,我们观察到之间的高精度数字岩心和真正的核心。因此,我们可以得出结论,该方法用于数字摘要核心/孔隙网络重建可以完全反映真正的核心的微观结构特征,提供方便,为公路大规模石油/天然气储层中流体流动的模拟。

4所示。结论

在这项工作中,我们开发了一种新方法数字核心和核心网络建模的基础上,提出的算法Palagyi和库巴地毯和马尔可夫链蒙特卡罗(密度)的方法。(1)建模结果表明,数字化的核心重油油藏砂岩重建与这个数字核心建模方法可以准确反映真正的核心的微观结构特征。此外,可以进一步提高准确性三个代表三个垂直坐标平面上的图像可以在数字核心建模(2)考虑到低初始输入的要求,这是一个核心的二进制图像剖切面至少和图像可以很容易地从x射线CT扫描,获得铸件薄片图像或扫描电子显微镜,等,和高仿真结果的准确性,新的数字核心/孔隙网络建模方法在岩石工程应该广泛应用的未来(3)为核心的微观结构特性剖切面二进制图像,唯一的输入在建模直接管理的相应的孔隙网络特征重建数字核心/孔隙网络模型。因此,输入图像的质量高度决定重建结果的准确性。一般来说,摇滚表现越均匀,更精确的产生二进制映射部分和建模的结果会更准确。作为本文的顺序砂岩的同质性 ,所以重建数字准确性和d呈现高于核心数字核心b和c(4)在这项工作中,我们获得的孔隙网络模型的基础上,提取数字核心。孔隙的结果/喉咙之间的微观结构参数和流动行为仿真提取孔隙网络,真正的核心表现出较高的一致性。因此,在岩石孔隙网络工程的建模方法提出了是准确的,可以用来提取其他数字岩心的孔隙网络模型

数据可用性

使用的数据来支持本研究的发现包括在本文中。

的利益冲突

作者宣称没有利益冲突有关出版的手稿。

确认

这项研究是由中国国家自然科学基金(51874249),中国国家重点研发项目(2019号yfc0312304-4)和中国国家科技重大项目(2016 zx05015 - 002)的国家重点实验室开放基金(PLN201914)石油和天然气储层地质和开发(西南石油大学)。

引用

1. h·陈,m·h·杨k . Chen和c,“相对渗透率与非均匀多孔介质孔隙,”GeofluidsID 5705424条,卷。2020年,14页,2020。视图:出版商的网站|谷歌学术搜索
2. x周、江问:问:元et al .,”确定有限公司₂扩散系数在重油散装阶段和多孔介质使用实验和数学建模方法,”燃料第116205条,卷。263年,2020年。视图:出版商的网站|谷歌学术搜索
3. a . Salama郑胜耀太阳,m . f . el阿明y . Wang和k·库马尔,“流在多孔介质和传输:多尺度焦点,”Geofluids卷,2017篇文章ID 7579015, 3页,2017。视图:出版商的网站|谷歌学术搜索
4. x周曾f、l . Zhang et al。”实验和数学建模研究泡沫油稳定使用巨大的石油公司₂系统在油藏条件下,“燃料第116771条,卷。264年,2020年。视图:出版商的网站|谷歌学术搜索
5. j·b·尼尔森·r·l·汉森h . m . Almughamsi c .彭日成t·r·鱼和a·t·伍利“微流体:创新材料及其制造和功能化,”分析化学,卷92,不。1,第168 - 150页,2020。视图:出版商的网站|谷歌学术搜索
6. y Du, j·陈,t·张,“重建三维多孔介质使用深传输学习,”Geofluids卷,2020篇文章ID 6641642, 22页,2020年。视图:出版商的网站|谷歌学术搜索
7. j . t . Gostick“多才多艺的和高效的基于孔隙网络提取方法使用标记分水岭分割,“物理评论E,卷96,不。2、第023307条,2017年。视图:出版商的网站|谷歌学术搜索
8. w·p·杨,j·w·Brownlow d·l·沃克和j . Lu”surfactant-assisted润湿性改变对非混相驱的影响:一个微流控研究中,“水资源研究卷,57号8,2021。视图:出版商的网站|谷歌学术搜索
9. w·p·杨,c . l .傅y du et al .,“动态接触角引出在于油位移在超低界面张力,“SPE杂志,26卷,不。3、1278 - 1289年,2021页。视图:出版商的网站|谷歌学术搜索
10. l .张问:j .康j .姚明et al。“孔隙尺度模拟液体和气体两相流基于数字核心技术,“中国科学技术科学,卷。58岁的没有。8,1375 - 1384年,2015页。视图:出版商的网站|谷歌学术搜索
11. 董m . j .钝b . Bijeljic h . et al .,“在于成像和造型,水资源的进步,51卷,第216 - 197页,2013年。视图:出版商的网站|谷歌学术搜索
12. a·g·g . Zhang b . Liu, y . m .山和y . j . Li”形态表面结构对微通道流动的影响使用晶格玻尔兹曼方法,”GeofluidsID 3475872条,卷。2019年,14页,2019。视图:出版商的网站|谷歌学术搜索
13. s h·l . Wang Wang r . l . Zhang et al。”对多尺度和基本原理仿真技术为页岩气和致密气储层,”天然气的科学与工程》杂志上37卷,第578 - 560页,2017年。视图:出版商的网站|谷歌学术搜索
14. p .塔玛色比f . Javadpour m . Sahimi, m·皮尔“随机特性的多尺度研究页岩样品。”水资源的进步卷,89年,第103 - 91页,2016年。视图:出版商的网站|谷歌学术搜索
15. 严g·s·w·周,h .问:雪,w•郭和x b·李,“2 d和3 d纳米孔特征的天然气页岩Longmaxi形成基于FIB-SEM,”海洋和石油地质学卷,73年,第180 - 174页,2016年。视图:出版商的网站|谷歌学术搜索
16. y . b .锣和m·皮尔Pore-to-core升级稳态两相流条件下的溶质运输使用动态孔隙网络建模方法,”多孔介质中传输,卷135,不。1,第218 - 181页,2020。视图:出版商的网站|谷歌学术搜索
17. y . b .锣、m . Sedghi和m·皮尔“动态在于建模的残余捕获在粗糙壁骨折吸入之后,“多孔介质中传输,2021年。视图:出版商的网站|谷歌学术搜索
18. f . y . j . Liu梅尔,c . m . kr s .韦伯和b . m . Weckhuysen“单一催化剂的结构和组成与易访问性相关的使用相关三维micro-spectroscopy粒子,“自然通讯,7卷,不。1,2016。视图:出版商的网站|谷歌学术搜索
19. m . Aghighi m . a . Hoeh w·莱纳特·g·默尔,和j . Gostick”模拟一个完整的燃料电池膜电极组装使用孔隙网络建模,”电化学学会》杂志上,卷163,不。5,F384-F392, 2016页。视图:出版商的网站|谷歌学术搜索
20. j .曾y . c, j·s·马,c . l . Liu和z曹”调查的影响在于特征对致密油迁移通过两阶段孔隙网络模型,”GeofluidsID 4890758条,卷。2020年,13页,2020。视图:出版商的网站|谷歌学术搜索
21. 即Fatt”网络模型的多孔介质毛细管压力特征,“交易的艾米卷,207年,第159 - 144页,1956年。视图:谷歌学术搜索
22. 即Fatt”,第二多孔介质的网络模型。单一尺寸管网络的动态属性”,交易的艾米卷,207年,第163 - 160页,1956年。视图:谷歌学术搜索
23. Fatt,“多孔介质三世的网络模型。与管半径分布动态属性的网络”,交易的艾米卷,207年,第181 - 164页,1956年。视图:谷歌学术搜索
24. x c .赵j .姚明,和y . j .,“一个新的重建多孔介质的随机方法,”多孔介质中传输,卷69,不。1、1 - 11,2007页。视图:出版商的网站|谷歌学术搜索
25. w·b·林奎斯特s·m·李,d·a·科克k·w·琼斯和p . Spanne”内侧轴分析多孔介质的孔隙结构的三维层析图像,”地球物理学研究杂志:固体地球,卷101,不。B4, 8297 - 8310年,1996页。视图:出版商的网站|谷歌学术搜索
26. a·p·谢泼德、r . m . Sok和h . Averdunk“改善孔隙网络提取方法”学报核心分析师协会的国际研讨会,页21 - 25日,多伦多,加拿大,2005。视图:谷歌学术搜索
27. m . Prodanovic w . b .林奎斯特和r s Seright“多孔结构和流体分区在聚乙烯核心来自3 d x射线microtomographic成像,”胶体与界面科学杂志》上,卷298,不。1,第297 - 282页,2006。视图:出版商的网站|谷歌学术搜索
28. j . f . Delerue和大肠毕雷矿泉水,“DXSoil,图书馆对3 d图像分析在土壤科学,”电脑与地球科学,28卷,不。9日,第1050 - 1041页,2002年。视图:出版商的网站|谷歌学术搜索
29. h·冈和m . j .直言不讳,“预测多孔介质的渗透率重建使用多点统计,“物理评论E,卷70,不。6日,第066135条,2004年。视图:出版商的网站|谷歌学术搜索
30. d·b·思·g·金,t·w·Patzek“健壮的决心沉积岩的孔隙空间形态”SPE程序的年度技术会议和展览美国科罗拉多州,丹佛2003年10月。视图:谷歌学术搜索
31. 问:r .熊t . g . Baychev, a . p . Jivkov”对多孔介质的孔隙网络模型:实验特征,网络建设和应用被动运输,”《污染物水文卷,192年,第117 - 101页,2016年。视图:出版商的网站|谷歌学术搜索
32. d . Wildenschild和a·p·谢泼德,”x射线成像和分析量化的技术在于地下多孔介质系统的结构和流程,“水资源的进步,51卷,第246 - 217页,2013年。视图:出版商的网站|谷歌学术搜索
33. l . m . Anovitz和d·r·科尔,”表征和分析孔隙度和孔隙结构,”评论在矿物学和地球化学,卷80,不。1,第164 - 61页,2015。视图:出版商的网站|谷歌学术搜索
34. k . Palagyi和A .库巴地毯”3 d 6-subiteration细化算法提取中间线,”模式识别的字母,19卷,不。7,613 - 627年,1998页。视图:出版商的网站|谷歌学术搜索
35. t . Dunas a . Wahlin k Ambarki et al .,“自动贴标脑动脉磁共振血管造影术,”磁共振材料在物理学、生物学和医学卷,29号1,39-47,2016页。视图:出版商的网站|谷歌学术搜索
36. t . Dunas A . Wahlin k . Ambarki l . Zarrinkoob j .白垩土和A·埃克伦”的立体定向概率图谱主要脑动脉,”Neuroinformatics,15卷,不。1,第110 - 101页,2017。视图:出版商的网站|谷歌学术搜索
37. a . Wahlin t Dunas m . Holmgren j .白垩土和a·埃克伦”的准确性在脑动脉血流评估4 d流MRI:评价三种分割方法,”磁共振成像杂志》上,50卷,不。2、511 - 518年,2019页。视图:出版商的网站|谷歌学术搜索
38. d . a .摩西·l·道斯,c . Sammut和t . Zrimec”外围支气管胸部CT使用非监督机器学习,识别”国际计算机辅助放射学杂志和手术,13卷,不。9日,第1395 - 1379页,2018年。视图:出版商的网站|谷歌学术搜索
39. k . Pluta m . Janaszewski和m . Postolski“新的支气管树的建模算法,”图像处理与通信,17卷,不。4、179 - 190年,2012页。视图:出版商的网站|谷歌学术搜索
40. 诉Olejničkova, b .Šaňkova d Sedmera, j . Janaček”小梁结构决定了脉冲传播通过早期胚胎小鼠的心脏,”前沿生理学,9卷,不。9,1876年,页2019。视图:出版商的网站|谷歌学术搜索
41. y包,s . Srinivasan l . Tang和p s Schnable“实地建筑特征描述玉米使用时间——飞行3 d成像,”生物系统工程卷,178年,第101 - 86页,2019年。视图:出版商的网站|谷歌学术搜索
42. s . i Mbalawata j.p. Muhirwa, v . g . Masanja“马尔可夫链蒙特卡罗分析变量放热模型的连续搅拌釜反应器,”工程,技术和应用科学研究,11卷,不。2、6919 - 6929年,2021页。视图:出版商的网站|谷歌学术搜索
43. j·k·j·吴:Nunan w·克劳福德i m .年轻,和k·里兹,”一个高效的异构的马尔可夫链模型模拟土壤结构,”美国土壤科学学会杂志》上,卷68,不。2、346 - 351年,2004页。视图:出版商的网站|谷歌学术搜索
44. 李r . Bostanabad y . c .张x l . et al .,“计算微观结构表征和重建:审查的最先进的技术,”材料科学进展卷。95年,1-41,2018页。视图:出版商的网站|谷歌学术搜索
45. r·h·巴肯和l . m . Eliassen“实时三维skeletonisation使用通用计算图形处理单元应用于计算机应用人体姿态估计,“高性能计算应用的国际期刊没有,卷。31日。4、259 - 273年,2017页。视图:出版商的网站|谷歌学术搜索
46. t y和a·罗森菲尔德,”数字拓扑:介绍和调查。”计算机视觉、图形和图像处理,48卷,不。3、357 - 393年,1989页。视图:出版商的网站|谷歌学术搜索
47. c·m·马”拓扑保存在3 d变薄。”CVGIP:图像理解卷,59号3、328 - 339年,1994页。视图:出版商的网站|谷歌学术搜索
48. t·c·李·r·l·卡什和c n .楚”构建骨架模型通过3 d内侧表面轴稀疏算法,”CVGIP:图形化模型和图像处理卷,56号6,462 - 478年,1994页。视图:谷歌学术搜索
49. 江z, k, g .夫妇,m . i . j . van Dijke k . s . Sorbie和j·马,“高效提取三维多孔介质的网络,”水资源研究,43卷,不。12日,第2584 - 2578页,2007年。视图:谷歌学术搜索
50. m·w·格雷厄姆·j·d·吉布斯d . c .康沃尔和w·e·希金斯”强大的3 d图像引导周边支气管镜检查的气道树分割,“IEEE医学成像卷,29号4、982 - 997年,2010页。视图:出版商的网站|谷歌学术搜索
51. p . Mostaghimi m . j .钝,b . Bijeljic“绝对渗透率的计算微ct图像,”数学地质,45卷,不。1,第125 - 103页,2013。视图:出版商的网站|谷歌学术搜索
52. r·f·Hamade和a . m . r . Baydoun“无损检测的缺陷在搅拌摩擦焊搭接接头使用计算机断层扫描,”材料和设计卷。162年,10-23,2019页。视图:出版商的网站|谷歌学术搜索
53. x y . f .侯w·b·胡,t·t·侯和c l .太阳”损伤识别基于自相关函数的古代木结构,”土木工程的发展卷,2021篇文章ID 6683666, 2021。视图:谷歌学术搜索
54. t·w·Patzek d . b .思,“非圆形毛细血管形状系数和液压电导:i阶段蠕动流,”胶体与界面科学杂志》上,卷236,不。2、295 - 304年,2001页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021肖郭et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。