基于深度学习的龙马溪组页岩孔缝识别与参数计算

摘要：

孔缝的识别和定量表征是页岩储层精细评价的核心内容.龙马溪组页岩非均质性强,发育各类无机孔、有机孔和微裂缝.孔缝的尺度变化范围大,纳米、微米、毫米级均有发育.由于页岩中广泛存在的黄铁矿、石墨化和沥青质等多种成岩矿物和成岩后生作用的影响,难以使用传统的成像测井资料识别孔缝.采用数字岩心的方法,主要针对龙马溪组各小层的电镜薄片和微电阻率扫描成像测井图像进行灰度化、二值化,并采用阈值分割的方法,对原始图片进行采样,将图片转化为RGB像素点.将二值化后的RGB像素点作为输入参数,基于残差卷积神经网络对龙马溪组页岩的大量电镜薄片进行学习,再对新处理的电镜薄片进行判别,识别出其中的粒间孔、粒内孔、溶蚀孔、有机孔和微裂缝,并对孔缝的主要参数进行计算和统计分析.这一方法为快速研究龙马溪组页岩孔缝结构与定量表征孔缝结构参数提供了有益的参考.

关键词：龙马溪组页岩、孔缝识别、数字岩心、图像扫描、深度学习、卷积网络

所属期刊栏目：46

分类号：P631.84

资助基金：国家自然科学基金;中国石油—西南石油大学创新联合体项目

在线出版日期：2022-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：446-452