Geometrik şekil özelliklerine göre kalan yağ deseninin tanınması
Chen Hao 1, Teng Qizhi 1, He Xiaohai 1, Zhang Yuqiang 2
(1. Görüntü Bilgileri Enstitüsü, Elektronik Bilgi Okulu, Sichuan Üniversitesi, Chengdu 610064, Sichuan; 2. Chengdu Xitu Technology Co., Ltd., Chengdu 610064, Sichuan)
: Petrol sahası gelişiminin son safhasında, kalan petrol morfolojisi karmaşık bir eğilim gösterdi. Kaya gözenek yapısında kalan petrol formu dağılımının incelenmesi, petrol arama ve geliştirme alanında önemli bir konudur. Laboratuvarda, mikro yer değiştirme deneyleri, petrol jeolojik deneylerinde kalan petrolü incelemek için önemli bir simülasyon yöntemidir. Kalan petrol modellerinin dağılımını anlamak için, istatistikler ve kalan petrol modellerinin türlerinin belirlenmesi bir ön koşuldur. Kalan petrol morfolojisini manuel olarak belirlemek ve saymak zahmetli ve zaman alıcı bir iştir.Araştırmacıların iş verimliliğini artırmak için, kalan petrol morfolojisinin geometrik özelliklerinin derinlemesine çalışmasına dayanarak, kalan petrol morfolojisini belirlemek için görüntü işleme teknolojisi ve sınıflandırma ve tanıma algoritmaları kullanılır. Otomatik tanıma çok önemlidir.
: Kalan yağ; şekil özelliği; sınıflandırma ve tanıma
: TP391.4; TE327 belge tanımlama kodu: ADII: 10.19358 / j.issn.1674-7720.2017.01.006
Alıntı biçimi Chen Hao, Teng Qizhi, He Xiaohai, ve diğerleri. Geometrik şekil özelliklerine dayalı kalan yağ deseni tanıma J. Mikrobilgisayar ve Uygulama, 2017,36 (1): 18-21,28.
0 Önsöz
Ekonomik büyümenin ana itici gücü olan petrol, Çin'in ekonomik büyümesini kısıtlayan bir faktör haline geldi. Çin'deki petrol sahalarının çoğu su enjeksiyonu geliştirme yöntemlerini kullanıyor ve su enjeksiyonu geliştirme petrol sahaları, birincil ve ikincil petrol geri kazanımından [1] sonra toplam yeraltı rezervlerinin yalnızca% 30 ila% 40'ını geri kazanabiliyor, bu da yeraltında hala büyük miktarda petrol kaldığı anlamına geliyor. Parça çıkarılabilir. Yerde kalan bu petrol rezervleri için hala büyük bir kullanım değeri vardır, bu nedenle, kalan petrolün [2] dağılımına ilişkin araştırmanın güçlendirilmesi, petrol geri kazanımını iyileştirmek için etkili bir teorik temel sağlayabilir.
Şekil 1 Mikro-yer değiştirme deney süreci Mikro-fiziksel yer değiştirme deneyi [3-5], petrol jeologları tarafından laboratuvardaki oluşumdaki su yer değiştirmesini simüle etmek için kullanılan önemli bir simülasyon deneyidir Deney süreci Şekil 1'de gösterilmiştir. Formasyonda kalan petrolün dağılımını simüle etmek için yer değiştirme aşamasında belirli bir zamanda modelde kalan petrolün dağılımı üzerine simülasyon deneyleri aracılığıyla ve farklı yer değiştirme ajanları tarafından farklı türdeki kalan petrolün petrol yer değiştirme verimliliğini ve mekanizmasını daha fazla incelemek. Yer altında kalan petrolün makul ve verimli bir şekilde kullanılması için teorik destek sağlayabilir.
1 Mikroskobik kalan yağın sınıflandırılması
Şu anda, petrol endüstrisinde kalan petrolün sınıflandırılması hala el koyma aşamasındadır ve sabit bir standart yoktur. Mevcut sınıflandırma yöntemleri esas olarak kalan petrolü kümeler, kör, adalar ve zarlara ayırmaktadır [6-7] Kalan petrol kümelere, kör uçlara, köşelere bölünmüştür [8]. Adlandırma yöntemleri farklı olsa da, sınıflandırma standartlarının tümü, kalan yağın geometrik özelliklerine dayanmaktadır. Bu yazıda, kalan yağın kapladığı gözenek boğazlarının sayısından başlayarak, kalan yağ formları, Şekil 2'de gösterildiği gibi tek delikli tip, yağ film tipi, gözenekli tip ve bitişik tip olmak üzere ikiye ayrılır.
Tek gözenekli tipte kalan petrol genellikle izolasyon halinde bulunur ve az sayıda gözenek (genellikle 1 ila 2) işgal eder.Gözenek veya boğazda izole edilir ve şekli çoğunlukla daireye yakındır; kalan yağ film tipi kalan petrol kayaların afinitesinden kaynaklanır. Yağlılık, kalan petrolün kaya parçacıklarına yapışmasına neden olur.Deplasman sıvısının akışkan kuvveti, kalan yağı kaya parçacıklarının kenarlarından yıkamak zordur; kalan gözenekli tipte kalan petrol çok sayıda gözenek kaplar (genellikle yaklaşık 3 ~ 5) ), gözenekleri birbirine bağlayan boğaz çok küçük olduğundan, deplasman sıvısının basıncı kalan yağı gözeneklerden çıkarmak için yeterli değildir; bitişik kalan yağ, kalan yağın çevreye bariz bir şekilde genişleyen bir ağda dağıtıldığı anlamına gelir. Trend ve en fazla sayıda gözenekleri işgal edin.
2 Kalan yağ geometrik özelliklerinin seçimi
Şekil 2'den görülebileceği gibi, kalan petrol morfolojisi özelliklerinin esas olarak geometrik şekil özelliklerine yansıdığı görülmektedir Kalan yağ görüntüsü ön işlemden geçirildikten sonra, kalan yağ morfolojisi sınıflandırma sonuçlarının doğruluğu şekil özelliklerinin seçimine bağlıdır. Yaygın olarak kullanılan geometrik şekil özelliği parametreleri arasında çevre, alan, en boy oranı, eksantriklik, dikdörtgenlik, şekil faktörü, minimum sınırlayıcı dikdörtgen vb. Bulunur. Kalan yağın çeşitli türlerinin özelliklerini analiz ederek, tek delikli tipte kalan yağın genellikle 1'e yaklaşan daha büyük bir şekil faktörüne sahip olduğu bulunmuştur. Yağ filmi tipi kalan yağın şekil faktörü küçüktür ve "kalınlığının" nispeten büyük olduğu görülebilir. İnce, büyük uzunluk ve genişlik, büyük eksantriklik; gözenekli kalan yağ küçük bir şekil faktörüne sahiptir ve bağlı gözenek sayısı yaklaşık 3-6'dır; bitişik kalan petrol, küçük bir şekil faktörüne ve uzama eğilimine sahip bir ağda dağıtılır Açıkça birbirine bağlı gözeneklerin sayısı 6'dan fazladır. Bu nedenle, eksantriklik, şekil faktörü ve en-boy oranının karakteristik parametreleri ayırt etmek için seçilir. Ek olarak, yağa bağlı kalan gözeneklilik katsayısı dördüncü karakteristik miktar olarak tanıtıldı.
(1) Eksantriklik
Eksantriklik, alanın yoğunluğunu belirtmek için kullanılabilir. Hesaplama süreci şu şekildedir: başlangıç noktası olarak hedef alanın sınırında bir p1 (m1, n1) noktası seçin ve sınırın arkasındaki noktadan olan mesafeyi hesaplayın:
d (1, k) = (m1 mk) 2+ (n1 nk) 2 (1)
Hesaplanan değeri önceki mesafeyle karşılaştırın, büyük olanı kaydedin ve iki noktanın koordinat değerlerini kaydedin ve ardından d (2, k) (k = 3,4, ..., N), d (3 , k) (k = 4,5, N),, d (N 1, k) (k = N) ve son olarak en büyük mesafe PN1 (mN1, nN1) ve PN2 (mN2, nN2), böylece ana eksenin uzunluğu A elde edilir. Sonra ortalama vektörü (x0, y0) ve j + k mertebesi matrisini Mjk hesaplayın.
Özetle, eksantriklik E'nin hesaplama formülü elde edilebilir:
(2) Şekil faktörü
Şekil faktörü, C ile gösterilen hedef alan ile daire arasındaki benzerlik derecesini ölçmek için kullanılır ve hesaplama formülü şöyledir:
Formül (5) 'de, P çevreyi temsil eder ve A alanı temsil eder. Şekil faktörünün değeri 1'e yakın olduğunda, daireye yaklaşma derecesinin daha yüksek olduğu anlamına gelir; tam tersine, hedef alanın daireye yaklaşma derecesi ne kadar düşükse, şekli o kadar karmaşıktır.
(3) En boy oranı
Görüntü oranı, uzun eksenin, hedef alanın en küçük sınırlayıcı dikdörtgeninin (MER) kısa eksenine oranını ifade eder. Minimum sınırlandırılmış dikdörtgenin hesaplama yöntemi şudur: Hedef alanı 90 ° aralığında belirli bir açıda döndürün. Belirli bir açıyı her döndürdüğünüzde, nesnenin sınırlandırılmış dikdörtgenini dikdörtgen koordinat düzleminde elde edebilirsiniz. Belirli bir açıya döndürüldüğünde, sınırlandırılmış dikdörtgen Alan en küçük olanıdır Bu zamanda, sınırlandırılmış dikdörtgen, hedef alanın en küçük sınırlı dikdörtgenidir ve uzunluğun dikdörtgenin genişliğine oranı, hedef alanın en-boy oranıdır.
(4) Kalan yağın gözeneklilik katsayısı
Kalan yağla dolu birbirine bağlı gözenek boğazlarının sayısı, kalan yağa bağlı gözenek katsayısı Ln olarak tanımlanır ve bu, istatistiksel alanda kalan yağın kapladığı gözenek boğazlarının sayısını doğru bir şekilde temsil edebilir.
3 Kalan petrol modellerinin sınıflandırılması, tanımlanması ve analizi
Bir önceki bölümde, kalan petrolün geometrik karakteristik parametreleri tartışılmış ve daha sonra, uygun bir sınıflandırma algoritması bulmak için çeşitli karakteristik parametreler kantitatif olarak analiz edilecektir. Tablo 1, çeşitli tipteki kalan yağ numunesi setlerinin geometrik karakteristik parametrelerini göstermektedir.
Analizi kolaylaştırmak için bu yazıda yer alan algoritma morfolojik tipleri numaralandırmakta, tek delikli tip kalan yağ 1, yağ film tipi kalan yağ 2, gözenekli tip kalan yağ 3 ve bitişik tip kalan yağ 4'tür. Tablo 1'de kalan yağ numunesi verilerinden tek delikli tipte kalan yağın şekil faktörünün daha büyük olduğu, kalan diğer üç yağın şekil faktörlerinin daha küçük olduğu görülmektedir. Bu nedenle, şekil faktörünün eşiği TC ise, denklem (6) 'da gösterildiği gibi, tek delikli tipte kalan yağ değerlendirme kriteri S1 vardır:
Bunlar arasında, C, farklı tipte kalan yağların şekil faktörüdür ve TC eşiğinin hesaplama formülü, formül (7) 'de gösterildiği gibidir:
Formül (7) 'de, min (C [m, n]) m, n tipi numune setinin numune şekil faktörünün minimum değerini temsil eder, max (C [m, n]) m'yi temsil eder, n tipi numune setinin numune şekil faktörünün maksimumu değer.
Kriterler, kalan yağın tek delikli olup olmadığını belirlemek için kullanılabilir, değilse, kalan yağın türünü belirlemeye devam edin. Tablo 1'den, yağ filmi türünden kalan yağın eksantriklik ve en boy oranının, gözenekli tipte ve bitişik tipte kalan yağdan daha büyük olduğu görülebilmektedir.Bu nedenle, bu iki karakteristik parametreye göre, yağ filmi türünden kalan yağın sınıflandırma kriteri S2, formülde olduğu gibi elde edilebilir ( 8) Gösterildi. Dışmerkezlik ve en-boy oranı eşiklerinin sırasıyla TE ve TAR olduğunu varsayalım, o zaman:
Denklemde (9), sırasıyla min (E [m, n]) ve max (E [m, n]) m ve n numune setlerinde numune eksantrikliğinin minimum ve maksimum değerlerini temsil eder; denklem (10) 'da min (AR [m, n]) ve maks (AR [m, n]) sırasıyla m ve n numune setlerinde numune en boy oranının minimum ve maksimum değerini temsil eder.
S1 ve S2 kriterleri, kalan yağın tek delikli tipte mi yoksa yağ filmli tipte mi olduğunu belirlemek için kullanılabilir Kalan yağ bu iki türe ait değilse, tipinin gözenekli mi yoksa sürekli mi olduğunu belirlemek için yine de sınıflandırılması gerekir. Tablo 1'den, bitişik kalan yağın birbirine bağlı gözenekliliğinin, ikisi arasındaki fark olan gözenekli kalan yağınkinden önemli ölçüde daha büyük olduğu görülebilir. Bu amaçla, sınıflandırma eşiği TL ise, denklem (11) 'de gösterildiği gibi bir S3 kriteri vardır.
Formül (12) 'de L, farklı tipte kalan yağların birbirine bağlı gözeneklilik katsayılarını temsil eder ve sırasıyla min (L [m]) ve maksimum (L [m]), m-tipi numune setindeki numunelerin birbirine bağlı gözeneklilik katsayılarının minimum ve maksimum değerlerini temsil eder. Özetle, karar ağacı sınıflandırma ve tanıma algoritması [9-10] perspektifinden, yukarıdaki sınıflandırma algoritması, Şekil 3'te gösterildiği gibi çok çatallı bir karar ağacı olarak ifade edilebilir.
Şekil 3 Kalan petrol morfolojisi tanıma için çok çatallı karar ağacı Bu belgede kalan yağ sınıflandırması ve tanıma algoritması, şekil faktörü, en boy oranı, eksantriklik ve kalan petrol bağlantı gözeneklilik katsayısı gibi farklı türdeki kalan yağları açıkça ayırt edebilen geometrik karakteristik parametrelerine dayanmaktadır. Kalan petrolün sınıflandırılması çok tipli ve çok sınıflı bir kriterdir [11].
4 deneysel sonuç
4.1 Kalan yağ formlarının statik sınıflandırma sonuçlarının analizi
Yazar ve petrol jeolojisi araştırmacıları ortaklaşa, kalan tüm petrol türlerini içeren ve temelde eşit olarak dağıtılan 140 kalan petrol örneğini seçti. Her sınıf 10 numune seçer, sınıflandırma kriterlerinin eşik parametrelerini ayarlamak için eğitim seti olarak toplam 40 numune kullanılır ve son olarak kalan 100 numune, sınıflandırma ve tanıma için test seti olarak kullanılır ve tanıma doğruluğu doğrulanır. Öncelikle eğitim setindeki hedefler üzerinde özellik parametresi hesaplamalarını yapın, ardından yukarıda belirtilen kalan yağ şekli sınıflandırma ve tanıma algoritmasını ve hesaplanan özellik parametrelerini kullanarak sınıflandırma yapın ve son olarak kalan 100 yağ örneğini sınıflandırmak ve tanımak için elde edilen sınıflandırma kriterlerini kullanın. Tablo 2 gösterir.
Deneyde, numunenin tanıma etkisi diyagramı ve orijinal görüntüsü sırasıyla Şekil 4 ve Şekil 5'de gösterilmiş ve şekilde farklı renklerle temsil edilen şekil açıklamaları Şekil 6'da gösterilmiştir.
Deneyler, bu makaledeki tanıma algoritmasının kalan petrol formlarının çoğunu doğru bir şekilde tanıyabildiğini ve iyi bir doğruluk oranına sahip olduğunu göstermektedir. Bununla birlikte, Tablo 2'den, film benzeri kalan yağ ve gözenekli tip ile sürekli tip arasında kalan petrolün bir kısmının sınıflandırılması ve tanınması gibi bazı kalan petrolün tanıma oranının hala yanlış değerlendirilebileceği görülebilir. Bir şeyler yanlış gitti.
4.2 Kalan yağ formu kategorilerinin dinamik değişikliklerinin analizi
Deneysel veriler, simülasyon modelindeki ham petrol ve deplasman sıvısının değişimlerini tüm deney boyunca sekans görüntüleri şeklinde kaydeder. Farklı yer değiştirici ajanların çeşitli formlarda kalan yağ üzerindeki etkisini bilmek için, kalan yağ formunun dinamik değişikliklerini analiz etmek gerekir. Deplasman deneyinin sonraki aşamasında kalan yağ değişse bile, iki bitişik grafik arasındaki değişim büyük değildir.Zaman aralığı çok küçükse, kalan yağ formunun dinamik değişimi gözlenemeyebilir. Şekil 7 ve 8, T ve T + 1 zamanlarında kalan yağ formunun sınıflandırmasının sonuçlarını göstermektedir.Zaman aralığı 67 dakikadır.İki grafik arasında kalan yağ formunda önemli bir değişiklik olduğu şekilden görülebilmektedir. .
Kalan yağın morfolojik değişimlerini karşılaştırmak için, Şekil 9'da gösterildiği gibi T anında kalan yağın kenarı elde edilir ve T + 1 anında kenar grafiğe çizilir. Şekil 9'da, beyaz düz çizginin kenarı bitişik türü temsil eder, siyah düz çizginin kenarı tek delikli türü temsil eder, siyah kesikli çizginin kenarı yağ filmi türünü temsil eder ve beyaz kesik çizginin kenarı gözenekli türü temsil eder. Son olarak, T + 1 zamanındaki sınıflandırma sonucu, Şekil 10'da gösterildiği gibi, T zamanında kenarlarla grafik üzerine bindirilir.
T + 1 zamanındaki görüntüdeki kenar haritası, T zamanında kalan yağ sınıflandırmasının bir sonucu olduğundan, kalan yağ biçimindeki değişiklik, görüntü üzerinde T + 1 zamanında sınıflandırma sonucunu üst üste bindirip değiştirerek karşılaştırılabilir ve analiz edilebilir. Şekilden, deplasman deneyinin ilerlemesiyle birlikte dağılmış tek delikli tipte kalan petrolün konumunda küçük değişiklikler olduğu; yağ film tipi neredeyse hiç değişiklik olmadan yan duvara yapıştığı; gözenekli tip ve kalan petrolün bitişik tipinin nispeten meydana geldiği görülmektedir. Nispeten büyük değişikliklerle, bitişik tipte kalan petrol, gözenekli bir tipe veya iki daha küçük bitişik tipe ayrılabilir ve gözenekli tipin bir kısmı, bitişik tipin bölünmesinden etkilenebilir ve farklı şekillerde kalan gözenekli tipte yeniden toplanabilir. Yağ; diğer kısmın gözenekli yapısı pek değişmemiştir.
5. Sonuç
Aynı türden kalan yağ modeli benzersiz değildir Bu kağıt, farklı kalan yağ modellerini analiz eder ve şekil faktörü, en-boy oranı, eksantriklik ve diğer parametreler gibi kalan yağ modelini yansıtabilecek birkaç geometrik karakteristik parametre seçer. Bu karakteristik parametreler ve çok çatallı karar ağacının tanıma algoritması, kalan yağ formunun otomatik olarak tanınmasını sağlar.Aynı zamanda, bu makale ayrıca kalan yağ formu tipinin dinamiklerini de analiz eder.
Değişiklikler analiz edildi. Deneysel sonuçlara göre, kalan petrol morfolojisi sınıflandırma ve tanıma sisteminin yüksek doğruluğa sahip olduğu görülmektedir. Kalan yağ formunun dinamik değişim eğiliminin analizi, petrol geri kazanımını iyileştirmek için teorik bir temel sağlar ve yüksek uygulama değerine sahiptir.
Referanslar
[1] Chen Gan. Üçüncül petrol geri kazanımını geliştirmenin stratejik önemi ve politika gereksinimleri J. Petrol ve Gaz Geri Kazanım Teknolojisi, 1997, 4 (4): 16.
[2] Yu Qitai Kalan petrol araştırmaları üzerine tartışma J. Petrol Arama ve Geliştirme, 1997, 24 (2): 46-50.
3 Pei Haihua, Zhang Guicai, Ge Jijiang, ve diğerleri. Gelişmiş ağır yağ geri kazanımı için alkali taşması ve alkali yüzey aktif madde taşmasının karşılaştırmalı etkinliği J. Enerji Yakıtları, 2012,26 (5): 29112919.
4 Lu Teng, Li Zhaomin, Li Songyan, vd. Solüsyon gaz tahrikinden sonra orinoco bant ağır petrol için farklı geri kazanım yöntemlerinin performansları J. Energy Fuels, 2013,27 (6): 3499-3507.
[5] Zhang Dong, Li Aifen, Yao Jun ve diğerleri Mağara-çatlak boşluklu ortam J 'de su tahriki enjeksiyonu ve üretim yasası üzerine çalışma. Petroleum Drilling Technology, 2012,40 (4): 8691.
[6] Zhang Wei Polimer taşkınından sonra kalan petrol dağılımı ve etkileyen faktörlerin analizi D Daqing: Daqing Petroleum Institute, 2010.
[7] Li Yang. Rezervuar akış birimi modeli ve kalan petrol dağıtım yasası J. Acta Petrolei Sinica, 2003, 5 (3): 5255.
[8] Song Kaoping, Yang Zhao, Shu Zhihua ve diğerleri Polimer taşmasında kalan petrolün mikroskobik dağılımını etkileyen faktörler J .Daqing Petroleum Institute Dergisi, 2004, 28 (2): 25-27.
[9] Feng Shaorong. Karar ağacı algoritmasının araştırılması ve iyileştirilmesi J. Journal of Xiamen University (Natural Science Edition), 2007, 64 (4): 496-500.
10 Chen Huanhuan, Wang Qiang, Shen Yi.Çok sınıflı sınıflandırma için genetik algoritmaya dayalı çok sınıflı sınıflandırma için genetik algoritmaya dayalı karar ağacı destek vektör makinesi - karar ağacı destek vektör makinesi J. Sistem Mühendisliği ve Elektronik Dergisi , 2011, 22 (2): 322326.
[11] Jia Zhai, Yiqing Hu, Xiaowei Cheng.Üç sınıf destek vektör makinesine dayalı çoklu sınıflandırma algoritması üzerine araştırma J. Journal of North University of China (Natural Science Edition), 2015, 36 (5): 520525.
