页岩三维数字岩心表征及重构方法研究

Digital cores provide a basic platform for the research of rock pores and microscopic flow theory in porous media. The traditional reconstruction method of digital cores cannot depict the complicated pores and microcracks effectively in shale, which leads to the reconstructed digital shale cores incapable of reaching the requirements of studying the microscopic flow theory in porous media. A characterization and reconstruction method for the complicated structures of pores and microcracks in shale cores is presented in this study. High-resolution core images are acquired by nano-CT scanning; then gray-scale images and three-dimensional model of cores are built by image reconstruction algorithms. The classification of structural features of shale is achieved using deep learning and support vector machine. After that multiple-point statistics and compute unified device architecture are used to parallelize the reconstruction of digital shale cores. Finally the reconstruction quality is evaluated by comparing the variograms, autocorrelation functions, permeability values and extracted pore networks from reconstructed cores and original real ones. This research is helpful to the research and development of percolation mechanisms of shale gas reservoir, so it has great practical significance.

数字岩心是研究岩石孔隙和微观渗流理论的基础平台。传统数字岩心重构方法无法较好地描述页岩中复杂的孔隙-微裂缝结构，使得重构的页岩岩心难以达到研究微观渗流机理的要求。本项目提出页岩岩心孔隙-微裂缝复杂结构的表征和重构方法。通过纳米CT扫描获取高分辨率岩心图像，使用图像重建算法建立岩心灰度图像和三维模型；基于深度学习和支持向量机获取页岩的结构特征分类，再利用多点统计法和计算统一设备架构(CUDA, compute unified device architecture)实现并行重构页岩数字岩心。最后通过比较重构岩心和原始真实岩心的变差函数、自相关函数、渗透率和提取的孔隙网络模型对重构质量进行评价。本项目将有助于我国页岩气藏的渗流机理研究和开发，因此具有十分重大的实际意义。

油气资源作为一种不可再生资源，是国民经济发展的重要物质基础。面对常规油气资源需求快速增长的压力，非常规油气的勘探与开发逐渐受到人们的重视。页岩油气是典型的非常规油气，具有源储一体、分布广泛、资源潜力大等优点。页岩具有低孔隙度、低渗透率和各项异性等特点，导致页岩油气的勘探和开采非常困难。页岩的一些宏观特性（如孔隙度、渗透率等）取决于它的微观结构，开采页岩油气必须要了解掌握页岩的微观内部结构。三维数字岩心重构技术是了解掌握页岩微观结构的重要手段。三维数字岩心本质上是岩心结构的三维数字化图像，通常离散为三维矩阵形式，三维数字岩心的每个体素点对应矩阵中单个元素。本项目首先通过扫描、表征和重构真实页岩的微米级(亚微米级或纳米级)孔隙—微裂缝结构，构建页岩孔隙—微裂缝真实的三维模型，为后继通过数值模拟重构页岩岩心提供基础体数据。其次，利用变差函数和孔隙度确定数字岩心表征单元体尺寸。运用深度学习提取真实页岩中的本质结构特征。基于上述结构特征，利用多点统计法或者深度学习的一些变体，例如生成式对抗网络,变分自编码器等重构页岩的结构特征，完成对页岩孔隙—微裂缝分布的描述。最后，通过对重构方法进行并行处理，研究适用于大规模应用的页岩三维数字岩心并行重构方法，解决页岩三维数字岩心大规模精细重构中的计算效率问题，同时建立一套页岩数字岩心重构质量的评价标准，本项目的研究成果对页岩油气开发具有较大的推动作用。