[发明专利]基于卷积神经网络的孔隙网络模型的建模方法及装置

说明书

本发明公开了一种基于卷积神经网络的孔隙网络模型的建模方法及装置，该方法包括：获取通过核磁共振成像得到的岩心的核磁图像；根据所述核磁图像获取相关长度，根据所述相关长度计算三维张量卷积核；获取通过核磁共振得到的岩心的T2谱，根据所述T2谱获取孔喉半径频率分布；根据所述孔喉半径频率分布形成初始三维张量数据体；根据所述三维张量卷积核和所述初始三维张量数据体采用卷积神经网络正向传播算法生成符合岩心孔喉半径频率分布的三维张量数据体；根据初始三维张量数据体构建孔隙网络模型的无序空间结构；根据所述符合岩心孔喉半径频率分布的三维张量数据体和所述无序空间结构建立孔隙网络模型。

技术领域

本公开涉及石油测井解释领域，尤其涉及基于卷积神经网络的孔隙网络模型的建模方法及装置。

背景技术

油气是世界上用途广泛且具有极其重要地位的能源，随着各国对油气资源的不断开发，许多常规油藏已经大规模开发并进入生产中后期。考虑到未来油气资源的利用，就必加深对情况复杂多样的非常规油气藏的研究。因此，通过建立岩心尺度的模型来对多孔介质内部孔隙空间的发育规模、空间分布对流体渗流的影响、流体在其中的分布规律、相互作用机理等一些决定流体在多孔介质中流动的宏观现象的本质问题展开研究显得十分重要。

发明内容

本公开实施例提供了一种基于卷积神经网络的孔隙网络模型的建模方法，包括：

获取通过核磁共振成像得到的岩心的核磁图像；

根据所述核磁图像获取相关长度，根据所述相关长度计算三维张量卷积核；其中，所述相关长度表示所述核磁图像中的预选亮团的半径平均值；

获取通过核磁共振得到的岩心的T2谱，根据所述T2谱获取孔喉半径频率分布；根据所述孔喉半径频率分布形成初始三维张量数据体；

根据所述三维张量卷积核和所述初始三维张量数据体采用卷积神经网络正向传播算法生成符合岩心孔喉半径频率分布的三维张量数据体；

根据初始三维张量数据体构建孔隙网络模型的无序空间结构；

根据所述符合岩心孔喉半径频率分布的三维张量数据体和所述无序空间结构建立孔隙网络模型。

一种示例性的实施例中，上述方法还包括：

获取通过微CT扫描得到的岩心图像；

根据所述岩心图像获取裂缝数量和裂缝方向；

根据所述孔隙网络模型、所述裂缝数量和裂缝方向建立具有裂缝分布的孔隙网络模型。

一种示例性的实施例中，上述方法还具有下面特点：

所述根据所述相关长度计算三维张量卷积核，包括：

按照如下公式计算三维张量卷积核E(h)：

E(h)＝exp(-2h/L_c)

其中，h表示三维坐标系中以(L_x，L_y，L_z)为中心，半径小于等于Lc的球面到所述中心的距离，L_c表示所述相关长度。

一种示例性的实施例中，上述方法还具有下面特点：

所述获取核磁共振测井得到的岩心的T2谱，根据所述T2谱获取孔喉半径分布，包括：

获取通过核磁共振得到的所述岩心的T2谱；通过预设定量关系将T2谱的幅度值转换成孔喉半径频率分布。

一种示例性的实施例中，上述方法还具有下面特点：

所述预设定量关系为r_m＝cT_2m；