Cross-Scale Micro-CT Super-Resolution for Digital Rock Reconstruction in Heterogeneous Conglomerate Reservoirs
本研究引入了 Hy-MambaIR，这是一种混合 Mamba-Transformer 网络，通过实现卓越的超分辨率重建并保留对准确数字岩石分析至关重要的孔隙拓扑结构和渗透率等关键物理特性，有效地克服了非均质砾岩储层微 CT 成像中的视野-分辨率权衡问题。
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
在地球深处，石油和天然气储层并非均匀的岩石块。在世界上许多最具潜力的油田中，地层是由砾岩组成的：这是一种由经过数百万年压缩形成的卵石、砾石和沙子的混沌、胶结混合物。为了理解石油或水等流体如何在这些岩石中流动，科学家需要观察颗粒之间微小的、显微级别的通道和间隙。这就是数字岩石物理学（digital rock physics）的领域，该领域利用高分辨率成像技术来构建地下岩石的虚拟模型。这些模型使工程师能够预测可以开采多少能源，或者可以安全地储存多少碳，而无需钻探新井。然而，一个基本问题长期以来一直困扰着这门科学。为了看到构成岩石骨架的巨大砾石，扫描仪需要宽阔的视野。但为了看到流体实际流动的微观孔隙，扫描仪又需要极高的放大倍率。单一图像无法轻易兼顾两者：观察大局会模糊细节，而专注于细节则会丢失宏观结构的上下文。
中国石油大学和中国石油天然气集团的研究人员开发出一种新的计算方法来解决这一困境，特别是针对这些复杂的混合颗粒岩石。他们创建了一个先进的软件工具，该工具可以获取岩石样本的低分辨率、广角扫描图像，并通过计算“填补”缺失的微观细节，从而创建一个高清晰度的三维地图。这个名为 Hy-MambaIR 的工具并不只是简单地猜测缺失部分的样子。相反，它采用了一种结合了两种不同信息处理方式的混合方法。系统的一部分侧重于每个像素的即时邻域，以锐化微小孔隙的边缘；而另一部分则同时观察整幅图像，以确保大型砾石保持其正确的形状和位置。通过平衡这两种视角，该软件重建出的岩石图像既具有地质准确性，又富含精细细节。
团队在取自中国准噶尔盆地的真实岩石样本上测试了这种方法，这些样本以其复杂的砾石和沙子混合物而闻名。他们将软件输出的结果与同一岩石的实际高分辨率扫描图像（作为基准真相）进行了对比。结果表明，这种新方法生成的图像比以往的技术显著更清晰、更准确。在衡量图像清晰度的标准指标方面，新模型达到了 33.36 分，明显高于现有的最佳方法。更重要的是，研究人员并不仅止于检查图像看起来是否美观。他们想知道重建的岩石表现是否像真实的岩石。他们运行了流体流经虚拟岩石的计算机模拟，发现新方法保留了流体传输的正确连通路径。当他们计算流体通过岩石的难易程度时，误差率仅为 18.56%，这相比于其他经常大幅度高估或低估流量的方法来说是一个实质性的进步。
研究还表明，这种方法非常高效。虽然其他先进的计算机模型需要进行数千次尝试才能学会如何正确重建图像，但这个新系统仅需 600 次尝试就能达到高水平的准确度，这使得训练速度大大加快。此外，研究人员测试了该系统处理不同类型岩石的能力。在对另一种被称为砾质砂岩的岩石类型进行短暂的重新训练后，模型的准确度进一步提高，将流体预测的误差降低到了仅 3.59%。这表明，该工具不仅仅是针对单个样本的一次性解决方案，而是一个可以适应不同油气田多样地质条件的灵活系统。通过提供一种观察复杂地下岩石中“既能看到森林，也能看到树木”的方法，这项研究为工程师更自信地管理能源资源以及评估地下储存场所的潜力提供了更清晰的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。