(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210733046.9 (22)申请日 2022.06.19 (71)申请人 西南石油大 学 地址 610500 四川省成 都市新都区新都大 道8号 (72)发明人 张启辉　李海涛　李颖　陆宽　 王海光　聂松　罗红文　高素娟　 马欣　代晶晶　 (51)Int.Cl. G01N 24/08(2006.01) G01N 15/08(2006.01) G06F 30/20(2020.01) (54)发明名称 一种基于核磁共振测试数字岩心建立孔隙 网络模型的方法 (57)摘要 本发明公开一种基于核磁共振测试数字岩 心建立孔隙网络模型的方法， 包括基于T1和T2弛 豫时间图像划分聚 团， 量化有机质、 自由水、 甲烷 与羟基四种聚团孔隙； 包括结合数字岩心灰度值 与核磁共振 数据对数字岩心矩阵数据的修正； 基 于Avizo软件对高于CT测试分辨率的数字岩心数 据建立等效孔喉模型， 对低于CT测试数字岩心分 辨率的有机质孔等数据， 通过结合核磁共振获得 的微纳米孔隙分布与上文划分簇团进行超分辨 率分析， 从而获得能够表征微纳米孔隙结构的孔 喉模型。 本发 明通过核磁共振测试数据对数字岩 心进行补充， 使其表征复杂微纳米孔隙结构。 对 页岩数字岩心进行补充后， 该模 型能够引入真实 情况下页岩气在基质孔隙内的吸附与解吸过程。 权利要求书4页 说明书9页 附图2页 CN 115078438 A 2022.09.20 CN 115078438 A 1.一种基于核磁共振测试数字岩心建立孔隙网络模型的方法， 其特点在于： 通过核磁 共振测试获取的自旋 ‑晶格弛豫时间(T1)和自旋 ‑自旋弛豫时间(T2)获取对应样 品的有机 质分布， 基于对应数据使用Avizo软件精确分割样品岩性； 通过核磁共振 数据对应T2数据下 的型号量， 对样品数字岩心中低于 分辨率， 无法表征的部 分进行超分辨率分析， 并转化为高 于数字岩心分辨 率的， 能够准确表征样品结构的孔隙网络模型， 其 步骤包括： Step1： 不对样品进行处理， 进行数字岩心测试， 获取样品结构数据后进行第一次核磁 测试， 即干样测试， 获取T1和T2图谱； 测试后， 将样 品浸泡在蒸馏水中， 放入真空罐饱和 6天 后， 快速擦干表面水分， 进行第二次核磁测试， 即湿样测试， 获取T2图谱； Step2： 分析Step1中干样核磁测 试中的T1， T2图谱， 作出弛豫时间T1与T2的对应云 图， 进行分析， 将云图图像按照左上角和右下角区域划分为两 半， 取云图聚团进行分析， 划分有 机质聚团， 自由水聚团， 基于干样T1/2图谱和 湿样孔隙分布和有机质聚团划分低于数字岩 心分辨率下的有机质与无机质孔隙； Step3： 对样品干样以及湿样中的T2图谱进行分析， 通过等效毛管的形状因子， 将T2弛 豫时间转化为孔隙尺寸以及对应的孔隙占比， 对两组数据进行处理， 获取能够被蒸馏水波 及的孔隙尺 寸以及对应孔隙占比； 结合Step2中通过干样测试获得的四种聚团， 去除样品中 的原本可动水以及有机质的影响； Step4： 对数字岩心测试中获取的数据通过Avizo软件进行滤波处理， 结合软件中 separate和segmentation功能与核磁共振测试获取的孔隙分布进行修正分割， 在保持测试 分辨率的基础上划分为有机质 ‑无机矿物 ‑孔隙， 对分割后的数字岩心， 通过Avizo软件中的 PNM模块， 通过最大球算法将其 转化为等效孔隙网络球棍模型； Step5： 进行超分辨率分析： 基于Step3中获得的孔隙分布以及对应孔隙占比， 基于 Avizo软件中的对Step4中数字岩心矩阵数据中的灰度进行修正， 以获取符合核磁测试的孔 隙分布情况， 可以通过商业软件 模拟以及自编软件 对数字岩心数据进行流动模拟。 2.一种基于核磁共振测试数字岩心建立孔隙网络模型的方法， 其特点是， 如权利要求1 中Step2所述的基于T2图谱和有机质聚 团划分低于数字岩心分辨率下的有机质与无机质的 孔隙的具体内容 为： S201、 建立矩阵： 以T2图谱作为矩阵横坐标， T1图谱作为矩阵纵坐标， 对应T1与T2下信 号量的累加值作为矩阵中对应坐标 数值， 以此矩阵作出云图； S202、 核磁数据选取： 对于T1和T2弛豫时间共同分析下的信号量， 由于氢原子核在受到 核磁磁场作用下与周围晶格作用下时间大于原子核与 原子核间作用时间， 因此只选取T1＞ T2数据， 即将云图矩阵坐标按照y＝x的曲线平均划分后选取左上部分进行分析； S203： 划分聚团： 由于页岩中存在固态有机质， 富含羟基结构的干酪根以及甲烷， 其结 构从复杂程度 认为： 固态有机质>干酪根＞甲烷， 因此 受其晶格作用下T1弛豫时间遵从复杂 程度顺序排列， 因此认 为在低T2弛豫时间及高T1弛豫时间下即云图中左上部 分的信号作为 固态有机质聚团对核磁实验中的信号响应量， 相较于固态有机质聚团， T1弛豫时间较小即 位于云图中固态有机质下方的聚团的为羟基聚团， T1弛豫时间最小即云图中左下角的聚团 为甲烷聚团； S204： 量化聚团数据： 通过核磁的中定标测试， 将固态有机质的信号转化为精确体积； 对于有机质聚团中T2弛豫时间数据， 基于同原理的蒸馏水核磁测试规律， 认为固态有机质权　利　要　求　书 1/4 页 2 CN 115078438 A 2分布规律同信号量规律相同， 因而结合S201步骤中获得的T1和T2矩阵云图和S203步骤中低 T2弛豫时间下的几种聚团， 对单个聚 团进行分析， 对于 分离后的聚团矩阵数据， 通过图像法 或数值分析其T2弛豫时间用以表征不同聚团在样品中的分布占比。 3.一种基于核磁共振测试数字岩心建立孔隙网络模型的方法， 其特点是， 如权利要求2 中S204步骤所述的表征聚团分布的具体方法为： (1)使用python读取矩阵， 确 立对应聚团在矩阵中的横坐标分布Matrix[X][Ymin： Ymax] 以及纵坐标[Ymin， Ymax] (2)设定矩阵名为Matrix， 使用Python遍历矩阵列X中对应数值Matrix[X][Ymin： Ymax]， 计算对应的信号 量占比， 对应公式为： 其中： Matrix[X][Ymin： Ymax]为遍历过程中矩阵列X下的聚团内的累加值， SUM(Matrix [X])为遍历过程中矩阵列X 下数值累加值； 通过上述步骤， 即获得不同聚团在对应横向弛豫时间T2下的占比， 即(T2， portion (T2))。 4.一种基于核磁共振测试数字岩心建立孔隙网络模型的方法， 其特点是， 如权利要求1 中Step3所述的等效毛管形状因子将T2弛豫时间转化为孔隙尺寸及对应孔隙占比的方法 为： S301： 基于S204中获取到的不同聚团在相同横向弛豫时间T2下的信号量， 精确修正样 品中孔隙分布： 核磁测试中横向弛豫时间T2测试范围相同， 使用编程软件遍历干样与湿样 中横向弛豫时间T2的信号量， 将 湿样中的信号量减去干样中有机质、 甲烷、 羟基聚 团的对应 信号量， 获得可用于表征波及孔隙下的对应弛豫时间和信号 量； S302： 对S301获取的核磁曲线中横 向弛豫时间转化为孔隙尺度， 若数字岩心分辨率格 子中三个方向尺寸相同， 则形状因子为2， 若数字岩心格子中尺寸不同， 其中最大尺方向长 度/最小方向长度大于2时， 则形状因子设定为3， 具体转 化方程为： rc＝β FsT2 其中： T2为弛豫时间； Fs为孔隙形状因子； β 为岩石横向表面弛豫率； 通过本方法可以获 得等效球形的孔隙分布。 5.一种基于核磁共振测试数字岩心建立孔隙网络模型的方法， 其特点是： 如权利要求1 中Step4所述的通过separate和segmentati on模块修正分割数字岩心的具体流 程为： S401： 通过Avizo中软件segmentation模块， 对数字岩心图像按照灰度值进行滤波处 理， 按照人工选取的灰度阈值粗划分岩性， 通过separate模块， 将岩心划分为多个同岩性连 续小聚团， 导出数字岩心的数据， 建立四维矩阵， 矩阵三维坐标代表数字岩心对应位置坐 标， 矩阵内的数值 为图像对应灰度值以及连续 性聚团编号； S402： 使用Python编程遍历S401中获得的岩性矩阵， 优化上一步骤中人工选取的不同 岩性阈值， 统计矩阵数据内依照阈值划分的岩性分量占比用以修正表示数字岩心分辨率下 的体积占比， 并与核磁测试中的孔隙由于核磁测试数据对比， 通过程序多次循环更改阈值， 获得能够准确表征 数字岩心分辨 率以上的孔隙与有机质团。 6.一种基于核磁共振测试数字岩心建立孔隙网络模型的方法， 权利要求5中S402步骤权　利　要　求　书 2/4 页 3 CN 115078438 A 3