基于数字岩心的岩石微观孔隙结构与渗透率关系研究.docxVIP

基于数字岩心的岩石微观孔隙结构与渗透率关系研究 0 孔隙网络模型 储层岩石的渗透性与微观孔结构密切相关。cf。数字岩心作为岩石微观结构的一种数学抽象,可以更加真实地反映岩石的孔喉大小、形状和拓扑结构,提供了研究岩石微观孔隙结构和渗透率之间关系的桥梁。为研究岩石微观孔隙结构对渗透率的影响规律,首先需要对其进行定量表征。基于数字岩心主要通过提取微观孔隙空间的孔隙网络模型实现孔隙结构的定量表征。Zhao等［２］采用多向扫描方法对数字岩心孔隙空间进行多方向切片扫描搜索孔隙和喉道,但该方法很难准确探测孔隙的位置。 Shin等［３］采用孔隙居中轴线方法研究了孔隙的微观结构,应用该方法可以合理分割孔隙和喉道,但是算法复杂,人机交互较多。Oren等［４－５］采用Voronoi多面体方法提取了过程模拟法重建数字岩心的孔隙网络模型并进行了孔隙结构表征,但只适用于过程模拟法建立的数字岩心而不适用于一般数字岩心的孔隙网络建模和表征。Dong［６］采用最大球算法提取了数字岩心的孔隙网络模型,该方法建模速度较快,可用于过程模拟法和现有其他方法构建的数字岩心的孔隙网络模型建模,可以较合理区分孔隙和喉道,但确定的孔隙长度偏大而喉道长度偏小。 本文以过程模拟法重建数字岩心作为输入数据,采用改进的最大球算法提取了重建数字岩心的孔隙网络模型并对其孔隙结构进行了定量表征;研究了孔隙半径和喉道半径等微观孔隙结构参数对渗透率的影响规律。 1 随机法和过程模拟法 X射线CT法是建立数字岩心最直接、最准确的方法,但由于实验成本过高,限制了该项技术的广泛应用。一般采用数值重建算法得到数字岩心。数值重建算法是通过岩心二维薄片的统计分析,得到孔隙度、两点相关函数、粒度分布等统计信息和黏土含量、矿物组成等岩石特性,利用这些信息重建数字岩心。数值重建方法主要有随机法和过程模拟法2种。随机法包括高斯场法［７］,模拟退火法［８－９］,顺序指示模拟法［１０－１２］,多点地质统计法［１３－１５］和马尔可夫链法［１６］。当孔隙度较小时,除多点地质统计法和马尔可夫链法之外,随机法重建数字岩心的孔隙连通性较差。过程模拟法通过模拟岩石的形成过程重建数字岩心,包括沉积过程、压实过程和成岩过程的模拟。Oren和Bakke［５，１７］应用该方法建立了Fon- tainebleau砂岩和Berea砂岩的数字岩心,与对应的X-CT扫描得到的数字岩心的渗流属性计算结果比较表明,过程模拟法建立的数字岩心可以重现真实岩心的孔隙结构和连通特性。笔者采用Oren等提出的过程模拟方法,以某地区砂岩(称为S1砂岩)岩心的二维薄片为基础,应用自主开发的过程模拟法程序重建了该砂岩的数字岩心。 S1砂岩的二维薄片如图1所示。图1中白色部分为岩石颗粒,黑色部分为孔隙。采用过程模拟法重建S1砂岩的数字岩心结果如图2(a)所示,图2中蓝色部分为岩石骨架,红色部分为孔隙空间。 2 通过提取和定量访问孔网络模型和孔结构 2.1 孔隙网络模型参数的确定 基于过程模拟法重建的S1砂岩的数字岩心应用改进的最大球算法提取数字岩心的孔隙网络模型。首先对涉及到的基本概念进行解释。 体素:在三维空间中,用以进行空间信息的数据记录、处理、表示等所采用的具有一定大小的最小体积单元。 孔隙体素:数字岩心中表示孔隙部分的最小体积单元。 骨架体素:数字岩心中表示骨架部分的最小体积单元。 内切球:以孔隙体素为球心向四周等速延伸,直到碰到最近的骨架体素,延伸区域中所有体素的集合。 冗余球:设B表示内切球,如果存在A为任一内切球,使得Bue447A,则称B为冗余球。 最大球:设所有内切球的集合用I表示,冗余球的集合用M表示,则I-M为最大球集合,其中每个元素称为最大球。任意一个最大球至少包含1个其他最大球没有的体素。 Dong等［６］提出的最大球算法存在的主要问题是提取的孔隙网络模型的孔隙长度偏大而喉道长度偏小,间接影响其他孔喉参数的确定且计算的渗透率偏大。笔者针对这一问题,采用计算机图形处理学中的几何变换技术和应用统计学中的判别分析方法,确定孔隙网络模型的孔隙长度和喉道长度,从而确定孔隙和喉道的其他参数。 改进后的最大球算法提取数字岩心孔隙网络模型的主要步骤为: (1)搜寻内切球。基于数字岩心,首先采用扩张算法,从第1个孔隙体素开始,以其为中心,从26个方向(见图3,红色方块表示孔隙体素,灰色方块表示与其相邻的26个体素)寻找距离最近的骨架体素,然后以找到的骨架体素与孔隙体素的距离为最大范围,采用收缩算法逐一检查该范围内的体素,确定该孔隙体素对应的内切球。 采用相同方法寻找下一孔隙体素的内切球,直到所有孔隙体素都被遍历,即可得到所有孔隙体素对应的内切球集合。 (2)删除冗余球。设A和B分别为内切球,它们的球心和半径分别为CＡ、CＢ、RＡ和RＢ,且RＡ RＢ,如果满