基于贝叶斯分类的图像分析方法在孔隙结构参数表征中的应用——以姬塬油田长9油层组为例
Petroleum Geology and Recovery Efficiency(2018)
摘要
致密砂岩储层具有低孔、低渗透及非均质性强的特点,造成其孔隙结构复杂.深入研究孔隙结构参数对提高低渗透储层的油气采收率、改善储层开发效果具有重要意义.岩石铸体薄片分析是研究孔隙结构最基本的方法,但其通过人工鉴定,随机误差较大且耗时费力.为充分挖掘岩石铸体薄片中丰富的孔隙结构参数信息,选取姬塬油田长9油层组6个岩石铸体薄片样本,采用基于RGB彩色空间的贝叶斯分类方法,根据得到的高信噪比孔隙-骨架二值化图像进行孔隙提取,并通过统计学方法获得样品的孔隙直径、孔隙形状因子和孔隙度.基于贝叶斯分类的图像分析方法计算的孔隙度与实测的孔隙度和渗透率呈较好的线性关系;与压汞法测试的结果对比,二者也具有较高的相关性,相关系数超过0.8.因此,该方法可以得到较准确的孔隙结构参数,提升了岩石铸体薄片图像分析的效率,是针对致密砂岩储层孔隙结构参数表征的有效方法.
更多查看译文
关键词
tight sand reservoir,rock thin sections,pore structure parameters,porosity,digital image processing,Bayesian classification
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要