📄 earth_science

Modified Normalized Fried Mann Fractal Dimension For Characterizing Pore Structure in Khuff Carbonate Reservoirs, Central Saudi Arabia

本研究表明，修正归一化弗里德曼法（Modified Normalized Friedmann Method）是表征 Khuff 碳酸盐岩储层孔隙结构分形行为的一种高度可靠的常规归一化孔径法替代方法，两者之间近乎完美的线性相关性证明了这一点。

原作者： Prof. Khalid Elyas Mohamed Elameen AlKhidir

发布于 2026-07-09

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Prof. Khalid Elyas Mohamed Elameen AlKhidir

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你正试图了解一块海绵的内部结构。在石油和天然气领域，这块“海绵”是一个被称为**库夫碳酸盐岩（Khuff Carbonate）**的岩层，位于沙特阿拉伯中部。这种岩石储存着石油和天然气，但它并不是一个简单、均匀的海绵。它是一个由大小和形状各异的微小孔隙（孔隙）和狭窄通道（喉道）组成的混乱、杂乱的迷宫。

这篇论文就像是一个侦探故事，作者 AlKhidir 教授试图弄清楚如何最好地测量这种岩石的“杂乱程度”，从而预测石油在其中流动的难易程度。

以下是该故事的简化拆解：

1. 问题所在：为什么仅靠“尺寸”是不够的

通常，当地质学家观察岩石时，他们会测量孔隙度（内部有多少空隙空间）和渗透率（流体通过它的难易程度）。

类比： 想象两个桶。一个装满了大而光滑的大理石（高孔隙度，流动容易）。另一个装满了粘在一起的细小、锯齿状的小石子（低孔隙度，流动困难）。
转折点： 在这种特定的岩石中，作者发现，仅仅知道空隙空间的大小（孔隙度）几乎无法告诉你石油流动的快慢。这就像是通过数车数来猜测城市内的交通流量，却不知道道路是宽阔的高速公路还是狭窄的小巷。由于这种岩石非常杂乱，两个具有相同空隙空间的样本可能会有完全不同的流速。

2. 解决方案：用分形几何测量“杂乱度”

为了解决这个问题，作者使用了一种叫做**分形几何（Fractal Geometry）**的数学工具。

类比： 想想海岸线。如果你用一把长尺去测量，你会错过所有的海湾和小湾。如果你用一把极小的尺子，你就能捕捉到每一个细节。“分形维数”就是一个告诉你在多大程度上“崎岖”或“复杂”的数字。
在岩石中： 更高的分形数值意味着岩石内部的迷宫更加复杂、扭曲且尺寸多变。较低的数值则意味着它更平滑、更均匀。

3. 新技巧：“MNFM”对比旧方法

作者想要测试一种计算这种“杂乱度数字”的新方法，他称之为改进型归一化弗里德曼法（MNFM）。

旧方法： 传统上，科学家通过直接测量孔隙的大小（就像用尺子测量岩石的孔洞）来计算这个数值。
新方法 (MNFM)： 这种方法使用另一种涉及含水饱和度（岩石中含有多少水）的统计技巧来推测复杂性。
结果： 作者将两种方法进行了并排对比。结果近乎神奇：它们是完全一致的。
- 想象你有两张相同的城市地图。一张是由卫星绘制的，另一张是由街头艺术家绘制的。如果你将它们重叠在一起，并且它们完美匹配，甚至精确到最后一个街角，你就知道两张地图都是准确的。
- 论文发现两者的相关性完美到了极点（99.999998%），这意味着新方法与旧方法一样好，但或许更容易使用或更具通用性。

4. 重大发现：复杂性 = 流动

一旦作者确认了新方法有效，他就用它来观察“杂乱度”如何与石油流动相关联。

发现： 内部迷宫越复杂、越“崎岖”（分形维数越高），石油流动得就越好。
类比： 这听起来违反直觉，但想想河流。一条笔直、平滑的运河看似高效，但一条拥有许多弯曲、转折和深浅变化的河流（高复杂性）通常拥有一个更连通的网络，从而使水流能够有效地移动。
数学： 作者发现，如果你观察“杂乱度”数字，你可以以约 81% 的准确度预测流速。这比仅仅观察孔洞的“尺寸”要进步巨大，因为后者只能提供约 6% 的准确度。

5. 结论

论文得出结论，对于这种特定的沙特阿拉伯岩石：

不要只数孔洞： 仅仅知道存在多少空隙空间不足以了解石油是否会流动。
观察形状： 迷宫的复杂性和连通性（分形维数）才是理解岩石的关键。
新工具有效： 这种新的“MNFM”方法是一种可靠、准确的方法来测量这种复杂性，它与传统方法完美匹配。

简而言之： 作者证明了，要理解石油如何在这种复杂的岩石中移动，你需要测量内部通道有多“扭曲和复杂”，而不仅仅是测量通道的大小。并且他展示了，他的这个数学捷径与传统的漫长方法一样精准。

技术摘要：用于表征 Khuff 碳酸盐岩储层孔隙结构的改进型归一化 Friedmann 分形维数

问题陈述
对异质多孔材料（特别是碳酸盐岩储层）的表征仍然是油藏工程领域的一项重大挑战。在沙特阿拉伯中部的 Permo-Triassic Khuff 地层中，传统的岩石物理分析显示，孔隙度和渗透率之间的相关性较弱。研究样本的孔隙度范围为 2.27% 至 11.25%，但渗透率值变化显著（0.264 至 3.445 mD），且与总孔隙体积之间不存在强预测关系。这种脱节表明，流体流动不仅受孔隙体积支配，还受复杂的孔喉几何形状、连通性和成岩作用改性的影响。虽然分形几何已被广泛用于通过毛细管压力数据量化孔隙网络复杂性并预测储层质量，但仍需验证其他统计稳健的方法，以表征这些多尺度孔隙系统。

方法论
本研究通过两种独立的途径研究了 Khuff 碳酸盐岩样本的内部孔隙结构，以计算分形维数 ( $D_f$ )：

传统方法： 基于归一化孔半径法，利用分数水饱和度 ( $S_w$ ) 与归一化孔半径 ( $R/R_{max}$ ) 之间的关系。
拟议方法： 基于改进型归一化 Friedmann 方法 (MNFM)，利用从相同饱和度数据中导出的统计指数。

两种方法均采用二阶多项式回归，拟合分数水饱和度的对数 ( $X = \log_{10}(S_w)$ )。回归方程定义为：
$\log_{10}(Y) = a[\log_{10}(S_w)]^2 + b\log_{10}(S_w) + c$
其中 $Y$ 代表 $R/R_{max}$ 或 MNFM 指数。分形维数随后通过该回归方程的线性系数 ( $b$ ) 利用公式 $D_f = 2 + b$ 推导得出。

本研究进一步分析了计算出的分形维数与渗透率 ( $K$ ) 之间的关系，分别在渗透率的线性尺度和对数尺度上进行线性回归。

主要贡献
本工作的核心贡献在于引入并验证了改进型归一化 Friedmann 方法 (MNFM) 作为归一化孔半径法的可靠替代方案。研究表明，MNFM 在表征碳酸盐岩储层孔隙结构分形行为方面，与既有方法相比偏差极小。此外，本文强调了分形维数作为优于仅基于孔隙度描述储层质量的指标，在处理 Khuff 地层高度异质孔隙网络时的实用价值。

结果

方法论等效性： 通过传统方法计算的分形维数 ( $D_{f_{Log(R/R_{max})}}$ ) 与 MNFM 计算的分形维数 ( $D_{f_{MNFM}}$ ) 之间的回归分析呈现出近乎完美的线性关系。结果显示斜率为 1.0001，截距为 −0.00037，相关系数 ( $R$ ) 为 0.999999984，决定系数 ( $R^2$ ) 为 0.999999967。这证实了 MNFM 能够重现传统的分形维数，且在统计学上无法区分。
岩石物理特征： 分析的样本表现出微弱的孔隙度-渗透率相关性 ( $R^2 = 0.064}$ )，证实了在这些致密碳酸盐岩中，孔隙度是流体输送能力的较差预测指标。
分形维数范围： 计算出的分形维数范围为 2.363 至 2.865（平均值为 2.710），表明存在高度异质的孔隙系统，具有多尺度分布和显著的结构复杂性。
渗透率预测： 分形维数与渗透率之间的关系比孔隙度与渗透率之间的关系显著更强。
- 线性尺度： $K = 4.738D_f - 11.719$ ( $R^2 = 0.584$ )。
- 对数尺度： $\log_{10}(K) = 2.234D_f - 6.139$ ( $R^2 = 0.809$ )。
  对数尺度上的高 $R^2$ 值表明，渗透率约 81% 的变化可以由分形维数的变化来解释。

意义与主张
本文主张，改进型归一化 Friedmann 方法是一种稳健、可重复且在统计上等效的替代方法，可用于表征碳酸盐岩储层中的孔隙网络异质性。接近于 1 的斜率和极小的截距验证了 MNFM 保留了孔隙系统的内在分形特征。

此外，研究得出结论，作为孔隙度之外的量化指标，孔隙网络架构（通过分形维数量化）对渗透率的影响比单纯的孔隙度更强。分形维数与对数变换后的渗透率之间的强相关性表明，分形参数能有效捕捉流体传输所需的几何复杂性和连通性。因此，作者认为将分形分析纳入储层表征工作流程，可以提高对类似 Khuff 这种致密碳酸盐岩的渗透率预测和储层质量评估。该方法也被指出具有超越碳酸盐岩的应用潜力，可推广至砂岩、陶瓷及工程多孔介质等其他多孔材料。