一种基于电成像测井分形维数的火山岩岩性识别方法

摘要

本发明公开了一种基于电成像测井分形维数的火山岩岩性识别方法，该方法主要包括导入取心井段成像测井数据、测井数据滤波与信号增强、阈值分割及骨架信息提取，确定不同岩性的分维数范围和未取心井段的分维数计算，以及导入未取心井段成像测井数据并计算分维数进行岩性识别五部分。本发明通过对电成像测井的数据处理和分形维数计算等，可实现未取心井段岩性的自动识别，在一定程度上克服了传统的肉眼观察法带来的不确定性，提高岩性识别精度和速率。同时，本发明还能为其它岩类的测井识别带来新思路。

说明书

技术领域

本发明属于地球物理测井和地质勘探领域，具体地说是涉及一种基于电成像测井分形维数的火山岩岩性识别方法。

背景技术

火山岩的岩性识别是火山岩储层测井评价和油气资源探测的重要基础。然而，受到多种因素的影响，火山岩的非均质性强，导致它们的测井响应特征十分复杂，识别难度极大。

前人基于常规测井资料的交会图分析和常规测井资料的分形维数计算等对火山岩的岩性识别进行了许多有益探索，并取得了部分成果。受制于常规测井的纵向分辨率，它们的识别精度低，很难真正把地下复杂的岩性变化体现出来。随着测井技术的进步，电成像测井通过多组极板和电极，将电流传送到地层，进而得到井周范围内的电流变化情况，将其用图像处理技术显示出来，能展示地层的岩性和储集空间等信息，具有分辨率高，直观成像等优点。

然而，现有的方法和思路都是通过简单的肉眼识别方法，建立不同岩性的典型电成像测井信息库，采用定性的方法来对岩性进行判断，精度低，主观性强，且十分耗时。

发明内容

基于上述技术问题，本发明提供一种基于电成像测井分形维数的火山岩岩性识别方法。

本发明所采用的技术解决方案是：

一种基于电成像测井分形维数的火山岩岩性识别方法，包括以下步骤：

a导入取心井段的成像测井数据，对成像测井数据进行预处理，消除噪声；

a1确定取心井段火山岩的岩性类型，应用Matlab软件，分别读入它们所对应深度段的电成像测井数据；

a2先采用中值滤波算法消除整体图像中的大部分噪声，再采用形态学滤波的开运算进一步将细小的噪声消除，突出岩石骨架和孔隙信息；

a3对去噪后的电成像测井灰度图像进行处理，得到灰度直方图，进而确定阈值，将骨架和孔隙区分；

b采用网络覆盖法求取骨架的分维数；

使用半径为δ的圆或边长为δ的正方形去覆盖图像，采用公式(1)计算分维数：

式中：D为分维数；a为常数，N(δ)为半径为δ时所覆盖图像的圆的个数；

c根据步骤a1所确定的火山岩岩性类型，得到每个深度段的分维数，进而确定不同岩性的分维数分布范围，建立岩性识别标准；

d导入未取心井段的成像测井数据，重复步骤a和步骤b，得到它们的分维数；

e根据步骤c所确定的不同岩性分维数分布范围，确定步骤d未取心井段的成像测井数据所对应的岩性。

步骤a1中：根据肉眼观察岩石薄片确定取心井段火山岩的岩性类型。

步骤a3中：得到灰度直方图后，根据最后一个峰的左波谷确定阈值。

步骤a3中：将骨架灰度置为255，将孔隙灰度置为0。

步骤a3中：所述阈值为75。

步骤b中：计算的分维数D的最大值和最小值分别为2和1。

本发明的有益技术效果是：

本发明通过对电成像测井的数据处理和分形维数计算等，可实现未取心井段岩性的自动识别，在一定程度上克服了传统的肉眼观察法带来的不确定性，提高岩性识别精度和速率。同时，本发明还能为其它岩类的测井识别带来新思路。

附图说明

下面结合附图与具体实施方式对本发明作进一步的说明：

图1为本发明提供的一种基于电成像测井分形维数的火山岩岩性识别方法技术流程图；

图2是导入的流纹岩原始电成像测井图像；

图3是对图2进行中值滤波后的流纹岩电成像测井图像；

图4是对图3进行开启运算后的流纹岩电成像测井图像；

图5是对图4进行阈值分割后的流纹岩电成像测井图像；

图6是对已取心井段确定岩性的电成像测井分维数的统计图。

具体实施方式

本发明构建了一个新的电成像测井定量处理方法，具体地说是提供一种基于电成像测井分形维数的火山岩岩性识别方法，该方法通过对电成像测井的数据处理和分形维数计算等，以实现岩性的自动识别，提高识别精度和速率。

本发明充分发挥了电成像测井分辨率高、能对岩层纹理进行精细刻画的特点，又克服了传统基于电成像测井定性识别岩性的不确定性，为火山岩储层的岩性识别提供了新思路。

一种基于电成像测井分形维数的火山岩岩性识别方法，包括以下步骤：

a导入取心井段的电成像测井数据，对电成像测井数据进行预处理，消除噪声；

a1根据肉眼观察、岩石薄片等确定取心井段火山岩的岩性类型，应用Matlab软件平台，分别读入它们所对应深度段的电成像测井数据；

a2先采用中值滤波算法消除电成像测井数据整体图像中的大部分噪声，再采用形态学滤波的开运算进一步将细小的噪声消除，突出岩石骨架和孔隙信息；

a3对去噪后的电成像测井灰度图像进行处理，得到图像的灰度直方图，根据最后一个峰的左波谷确定阈值，进而将骨架和孔隙区分出来，将骨架的灰度置为255，将孔隙的灰度置为0。

b采用网络覆盖法求取骨架的分维数。

使用半径为δ的圆去覆盖图像，采用公式(1)计算分维数：

式中：D为分维数；a为常数，N(δ)为半径为δ时所覆盖图像的圆的个数。

c根据步骤a1所确定的火山岩岩性类型，得到每个深度段所对应的分维数，进而确定不同岩性的分维数分布范围，建立岩性识别标准。

d导入未取心井段的成像测井数据，重复步骤a和步骤b，得到它们的分形维数。

e根据步骤c所确定的不同岩性分维数分布范围，确定步骤d未取心井段的成像测井数据所对应的岩性。

上述步骤中：孔隙和骨架的阈值一般为75。计算的分维数D的最大值和最小值分别为2和1。

下面结合附图对本发明作进一步说明。

图1是本发明一种基于电成像测井分形维数的火山岩岩性识别方法的技术流程图，主要包括导入取心井段成像测井数据、测井数据滤波与信号增强、阈值分割及骨架信息提取，确定不同岩性的分维数范围和未取心井段的分维数计算，以及导入未取心井段成像测井数据并计算分维数进行岩性识别五部分，这五部分必不可少，且顺序不可颠倒。

图2是流纹岩的原始电成像测井图。

图3是应用本发明所提供的方法对图2所述的流纹岩成像测井图进行中值滤波处理得到的电成像测井图像，从图中可知，图像中的大部分噪声得到有效压制。

图4是应用本发明所提供的方法对图3所述的流纹岩成像测井图进行开启运算处理得到的电成像测井图像，从图中可知，图像中的细节噪声得到有效压制。

图5是应用本发明所提供的方法对图4所述的流纹岩成像测井图进行阈值分割处理得到的电成像测井图像，从图中可知，孔隙和骨架的信息得到有效分离。

图6是应用本发明所提供的方法对取心井确定岩性的所有成像测井图计算得到的分维数分布图，从图中可知，不同岩心的分维数有明显区别。流纹岩和英安岩的分维数范围为1.1至1.3，安山岩和玄武岩的分维数范围为1.3至1.5，凝灰岩的分维数范围为1.5至1.7，角砾岩的分维数范围为1.7至1.9。