致密油储层孔隙结构跨尺度多源融合及重构

It is difficult to accurately characterize the full scale pore characteristics of tight oil reservoirs because of their diversity, heterogeneity and complex pore structure. It is mainly reflected in the limitation of the single method test scale, the increase of resolution leads to the smaller the test range and the representative variation, and the difficulty of quantitative characterization and qualitative evaluation. Although some scholars have carried on the beneficial exploration, there are still no mature multi-scale testing technology fusion method and pore structure feature characterization parameter system to rely on splicing different methods of data. In summary, the project to establish a fusion method of multi scale pore structure, in order to obtain the parameters of tight reservoir pore structure of all scales. The research contents are: (1)Study on the different test methods for characterization of optimal scale, the establishment of micro pore structure parameters under different scale set.(2) Study on fusion method of multi scale pore structure, and the quantitative characterization of reservoir micro pore type and connectivity.(3)Establishing the image database of the tight oil reservoir to realize the automatic identification and characterization of minerals in the pores.(4) Considering the influence of different minerals on pore structure, wettability and seepage, a new method for 3D pore reconstruction of tight reservoir is established. The topic will bring about the high accuracy, full size characterization and reconstruction of the pore structure of tight reservoir, and lay the foundation for the study of the occurrence state of the tight oil, the mechanism of reservoir formation, the percolation characteristics and the efficient development technology.

致密油储层矿物多样、非均质性强、孔隙结构复杂，难以准确表征其全尺度孔隙特征。主要体现在单一手段测试尺度受限、分辨率提高导致测试范围变小和代表性变差、定量表征与定性评价结合困难等。虽然部分学者进行了有益探索，但仅是拼接不同方法数据，尚无成熟的多尺度测试技术融合方法和孔隙结构特征表征参数体系。为此，本项目拟建立多尺度孔隙结构融合方法，以实现致密油储层全尺度孔隙结构表征。具体研究内容包括：（1）研究不同测试方法最优表征尺度，建立不同尺度下微观孔隙结构表征参数集；（2）研究多尺度孔隙结构融合方法，并量化表征储层微观孔隙类型及连通关系；（3）建立致密油储层矿物图像特征库，实现孔隙中矿物的自动识别和表征；（4）考虑不同矿物对孔隙结构、润湿性、渗流等影响，建立致密储层三维孔隙重构方法。本课题将实现致密储层孔隙结构高精度、全尺寸表征与重构，为致密油赋存状态、成藏机理、渗流特征和高效开发技术的研究奠定基础。

本课题基于尺度空间理论，融合机器学习、图像目标检测及光线投射等多种技术，综合CT扫描、铸体薄片、核磁共振和X衍射全岩定量分析等多种实验测定方法，多方位开展致密砂岩储层孔隙结构特征表征的研究。课题完成了项目计划内容。取得的主要研究成果如下：. ① 建立了致密砂岩图像特征样本库. 应用收集到的致密砂岩CT图像，提取灰度梯度共生矩阵特征等8类图像特征，构成26维输入特征向量，建立了孔隙特征样本库。应用收集到的砂岩电镜扫描图像，提取Canny特征等5种图像特征，构成119维输入特征向量，建立了矿物特征样本库。. ② 实现了基于SIFT算法的砂岩图像配准. 基于尺度空间理论，应用SIFT算法，通过高斯模糊构建高斯金字塔，确定定位特征点、方向、特征点描述，实现了砂岩图像配准。. ③ 实现了基于多核学习和深度学习的致密砂岩CT图像分割和孔隙检测. 在致密砂岩CT图像样本库的基础上，将8种特征分为2组，采用径向基核与多项式核最为基础核，生成孔隙超像素多核学习分类器，进而实现区域合并和孔隙检测。实验结果表明，最好的分类器的分类正确率达到86.31%。. 将致密砂岩CT图像切割成小图像进行标注，并通过旋转扩充样本库。在此基础上，建立了改进的Mask RCNN的孔隙检测模型，孔隙的重复检测率可达9.7%，漏检率可达8.6%。. ④ 提出了基于多尺度深度核的砂岩电镜扫描图像分割和矿物识别方法. 在矿物特征样本库的基础上，训练多尺度深度核学习模型，实现对砂岩电镜扫描图像分割超像素的分类，可有效识别孔隙、石英石、长石等。模型在最好情况下，识别正确率达到88.01%。. ⑤ 融合聚类和光线透射法，实现了基于CT扫描图像的三维孔隙重构. 以同一岩心CT扫描图像为对象，应用神经正切核K均值算法进行超像素聚类，实现孔隙识别。考虑孔隙匹配，应用光线透射法实现三维孔隙重构。. ⑥ 岩心孔隙结构和连通性的实验测定分析. 选用天然岩心制作样品，分别应用CT扫描、核磁共振、铸体薄片、扫描电镜以及X衍射等实验手段，对比分析了孔隙大小、连通性、非均质性以及复杂程度。