روش نوین استخراج مدل شبکه حفرات از تصاویر سی تی اسکن سه بعدی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 198

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IRPGA-3-3_001

تاریخ نمایه سازی: 22 شهریور 1401

چکیده مقاله:

هندسه ی سنگ مخزن یکی از مهم ترین عوامل تاثیرگذار در آنالیز خواص ایستا و پویا در سنگ مخزن است. از تصاویر سی تی اسکن برای به بصری-سازی هندسه ی داخلی سنگ مخزن استفاده می شود. این تصاویر به صورت مستقیم برای انجام محاسبات مناسب نیستند. مدل های شبکه حفرات برای تبدیل این هندسه به مختصات ریاضی استفاده می شود. استخراج این مدل ها از تصاویر سی تی اسکن با استفاده از روش های آماری- احتمالی مبتنی بر پردازش تصویر مانند روش بزرگترین کره اصلاح شده انجام می شود. در این مطالعه روش های جدید برای استخراج مدل شبکه حفرات و نحوه ی اتصال حفرات ارائه شده است. نحوه ی اتصالات مبتنی بر آستانه ی احتمال احاطه گلوگاه مشخص می شود. در این روش پارامترهای استاتیک هندسی سنگ ازجمله تخلخل ناحیه ای، شاخص همگنی سنگ از جهت ساختاری، توزیع و میانگین اندازه حفرات و عدد کئوردیناسیون (هم آرایی) محاسبه می شود. در پایان با استفاده از تصویر مربوط به نمونه ی مصنوعی سیلیکا، نتایج حاصل از روش پیشنهادی با نتایج روش بزرگترین کره اصلاح شده، مقایسه شده است. انطباق خوبی میان نتایج مدل حاصل از روش توسعه داده شده با مدل مذکور مشاهده شده است. همچنین مدل شبکه حفرات استخراج شده از نمونه های ماسه سنگی، کربنات و سنگ های مصنوعی به همراه نمودار شاخص همگنی آن ها ارائه شده است.

نویسندگان

فرزاد برزگر

Petroleum Engineering, Chemical & Petroleum Engineering, Sharif, Tehran, Iran

محسن مسیحی

Chemical & Petroleum Engineering Department /Sharif University of Technology/Tehran/Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Al-Kharusi, A. S., & Blunt, M. J. (۲۰۰۷). Network extraction ...
  • Baldwin, C. A., Sederman, A. J., Mantle, M. D., Alexander, ...
  • Blunt, M., King, M. J., & Scher, H. (۱۹۹۲). Simulation ...
  • Bryant, S., & Blunt, M. (۱۹۹۲). Prediction of relative permeability ...
  • Bryant, S., & Raikes, S. (۱۹۹۵). Prediction of elastic-wave velocities ...
  • Bryant, S. L., King, P. R., & Mellor, D. W. ...
  • Bryant, S. L., Mellor, D. W., & Cade, C. A. ...
  • Dong, H., & Blunt, M. J. (۲۰۰۹). Pore-network extraction from ...
  • Gostick, J. T. (۲۰۱۷). Versatile and efficient pore network extraction ...
  • Johannsen, G., & Bille, J. (۱۹۸۲). A threshold selection method ...
  • Kapur, J. N., Sahoo, P. K., & Wong, A. K. ...
  • Kittler, J., & Illingworth, J. (۱۹۸۶). Minimum error thresholding. Pattern ...
  • Lindquist, W. B., Lee, S. M ,.Coker, D. A., Jones, ...
  • Otsu, N. (۱۹۷۹). A threshold selection method from gray-level histograms. ...
  • Rabbani, A., Jamshidi, S., & Salehi, S. (۲۰۱۴). An automated ...
  • Raeini, A. Q., Bijeljic, B., & Blunt, M. J. (۲۰۱۷). ...
  • Thepade, S., Das, R., & Ghosh, S. (۲۰۱۴). A Novel ...
  • Xiong, Q., Baychev, T. G., & Jivkov, A. P. (۲۰۱۶). ...
  • نمایش کامل مراجع