一种基于数字岩心示踪的煤岩储层渗透率测试评价方法

本发明属于煤岩渗流特性分析与数字岩心，具体涉及一种基于数字岩心示踪的煤岩储层渗透率测试评价方法，可应用于煤层气开发、煤矿瓦斯抽采、深部煤炭资源安全开采等场景的煤岩储层渗透率的原位精准测试评价。

背景技术：

1、渗透率是评价煤岩储层流体输运能力的关键参数，直接决定了煤层气开发效益与煤矿瓦斯灾害防治效果。煤岩作为一种典型的双重孔隙介质，其渗透率主要由发育的微裂隙网络控制，微裂隙的开度、密度、连通性及空间分布形态是渗透率精准评价的核心依据。然而，煤岩微裂隙具有尺度小（亚微米至数十微米）、开度变化大、空间分布高度非均匀的特点，对其进行三维精准表征一直是岩石物理领域的重大挑战。

2、数字岩心技术通过高分辨率ct成像获取岩石内部孔隙结构的三维图像，结合图像处理与数值模拟方法计算渗透率，已成为岩石物理研究的重要手段。然而，将该技术直接应用于煤岩时面临固有困难：煤基质与微裂隙的x射线衰减系数极为接近，常规ct图像中两者灰度对比度极低，大量开度小于ct空间分辨率的亚分辨率微裂隙完全不可见，导致重构的裂隙网络严重缺失，渗透率预测结果往往偏低数个数量级。同时，深部煤层处于高地应力环境，裂隙在应力作用下发生闭合，渗透率呈现强烈的应力敏感性。现有测试方法大多在单一应力条件下进行静态测量，无法捕捉应力变化对裂隙结构的动态响应，难以满足原位评价需求。传统ct扫描时间通常较长，难以精准快速获得原岩应力条件下煤体内部真实微裂隙网络结构。在渗透率计算方法层面，现有技术多采用单一的几何解析模型或数值模拟方法，缺少基于真实微观孔裂隙结构的交叉验证机制，测试结果的可靠性有待提升。

3、综上所述，现有技术难以同时解决煤岩微裂隙对比度不足、亚分辨率裂隙丢失、储层渗透率原位精准快速预测等问题。亟需一种煤岩储层渗透率科学预测方案，以实现煤岩储层渗透率的原位、快速、精准评价。

技术实现思路

1、本发明的目的在于解决现有技术中煤岩ct成像微裂隙对比度不足、亚分辨率裂隙丢失以及储层渗透率预测精度低的技术问题，提供一种基于数字岩心示踪的煤岩储层渗透率测试评价方法，从物理对比度增强、快速成像防扩散、智能分割识别、双重孔隙网络建模、多方法耦合计算五个维度实现煤岩储层渗透率的原位、快速、精准评价。

2、为了实现上述目的，本发明采用的技术方案是：一种基于数字岩心示踪的煤岩储层渗透率测试评价方法，包括以下步骤：

3、a、样品制备与原位应力加载：将待测煤样置于夹持器中，施加轴压与围压模拟不同埋深处储层原位应力环境，选择氪气作为ct成像示踪剂。

4、b、初始状态ct扫描成像：保持轴压与围压稳定，在未注入氪气的干燥初始状态下对煤样进行ct扫描，获取背景ct图像数据集；采用高分辨动态4d微米ct进行扫描，单次扫描时长控制在秒级至分钟级。

5、c、注入氪气后ct扫描成像：向夹持器内注入氪气，使氪气充填并分布于煤样内部的微裂隙网络内，利用动态4d微米ct进行快速扫描，单次扫描时长不超过3分钟，根据岩心类型和尺度特征，选择在不影响成像质量的前提下的最短时长，以防止氪气由微裂隙向煤基质扩散导致裂隙表观尺寸失真，获得注入氪气后煤样的ct图像数据集。

6、d、图像配准：对步骤b和c获取的图像数据集进行三维空间图像配准。

7、e、图像背景扣除：利用步骤b和c获取的图像数据集进行图像背景扣除，通过逐像素灰度相减凸显煤体的微裂隙结构。

8、f、深度学习智能分割与三维重构：将处理后的图像数据集输入卷积神经网络智能分割模型，识别并分割图像中的氪气充填微裂隙及煤基质，基于分割结果重构煤体内部的三维微裂隙网络模型。

9、g、煤体参数计算：根据重构的三维微裂隙网络模型，定量计算煤体的平均裂隙宽度和被微裂隙分割的煤基质平均长度。

10、h、基质孔隙网络重构与双重孔隙网络模型构建：基于上述图像数据集或对煤样局部基质区域进行二次高分辨率ct扫描，通过图像分割与机器学习方法，重构煤基质内部的纳米-微米级孔隙网络模型；将三维微裂隙网络模型与纳米-微米级孔隙网络模型进行空间拓扑融合，构建表征煤体全尺度孔隙空间的双重孔隙网络模型。

11、i、计算全样品数值模拟渗透率：在双重孔隙网络模型两端设定压力边界条件，通过求解全域流量平衡方程组模拟流体在裂隙和基质孔隙中的渗流过程，获得全样品数值模拟渗透率。

12、j、综合分析：结合煤体的平均裂隙宽度与煤基质平均长度，基于裂隙渗流立方定律计算裂隙网络解析渗透率，解析渗透率用于与步骤i所得全样品数值模拟渗透率进行对比，以评估裂隙与基质对煤体渗透率的相对贡献；此外该解析渗透率可作为数值模拟前的初步评估或现场快速检测的依据。

13、进一步地，步骤e中，凸显煤体的微裂隙结构的具体过程为：

14、获取第一图像数据集和与之对应的第二图像数据集，第一图像数据集为步骤b中未注入氪气的背景ct图像数据集，第二图像数据集为步骤c中注入氪气后煤样的ct图像数据集；将第二图像数据集与第一图像数据集进行逐像素灰度值相减，按照下式生成减影图像s：

15、

16、其中，(x,y,z)表示图像中像素的坐标位置，  表示第一图像数据集在像素(x,y,z)处的灰度值，  表示第二图像数据集在像素(x,y,z)处的灰度值，表示减影图像在像素(x,y,z)处的灰度值。

17、将减影图像s中灰度值高于预设阈值的像素区域识别为微裂隙区域，以凸显煤体的微裂隙结构。

18、进一步地，步骤f中，重构三维微裂隙网络模型的具体过程为：通过卷积神经网络提取图像中氪气充填微裂隙及煤基质的语义特征，对微裂隙像素点进行识别分割；将分割后的二维图像序列进行三维体素重组，剔除孤立的非连通噪声体素，构建具有空间拓扑连通性的三维微裂隙网络结构。

19、进一步地，步骤h中，构建双重孔隙网络模型的具体过程为：

20、s1、采用中轴线提取算法对三维微裂隙网络模型进行骨架化处理，提取裂隙空间的骨架网络。

21、s2、识别骨架网络中的交叉点作为一级节点，识别连接相邻一级节点的裂隙段作为一级喉道，提取每个一级喉道的等效长度、平均宽度与过流开度。

22、s3、对纳米-微米级孔隙网络模型进行简化，将孔隙等效为球形节点，将连接孔隙的喉道等效为圆柱形喉道，提取节点半径和喉道半径、长度参数。

23、s4、将步骤s2提取参数的三维微裂隙网络模型与步骤s3的纳米-微米级孔隙网络模型在空间上进行拓扑耦合，在裂隙与基质孔隙的交汇处建立连接喉道，形成表征煤体全尺度孔隙空间的双重孔隙网络模型。

24、进一步地，步骤i中，求解全域流量平衡方程组模拟流体渗流过程的具体步骤为：

25、设定喉道内流体为符合哈根-泊肃叶定律的层流，在同一双重孔隙网络模型中，根据喉道类型分别计算其等效水力导度：

26、基质喉道导度：

27、裂隙喉道导度：

28、式中，r为基质喉道的等效半径，w为裂隙喉道的等效宽度，h为裂隙喉道的等效开度，l为喉道的长度，μ为模拟流体的动力粘度。

29、基于质量守恒定律，构建以节点压力为未知数的流量平衡方程组：

30、

31、式中，  为目标节点的压力，  为相邻节点的压力。

32、其中，求和遍历与节点i相连的所有喉道，包括基质喉道、裂隙喉道以及连接裂隙与基质的交叉喉道；在模型入口端施加恒定入口压力、出口端施加恒定出口压力，通过迭代法求解得到全域压力分布场，统计出口端的总体积流量  。

33、进一步地，步骤i中，全样品渗透率根据达西定律计算：

34、

35、式中，  为全样品渗透率，  为模型沿渗流方向的总长度，  为模型过流截面的总面积，  为入口恒定压力，  为出口恒定压力。

36、进一步地，步骤j中，裂隙网络解析渗透率的计算公式为：

37、

38、式中，  为裂隙网络解析渗透率，  为平均裂隙宽度，  为煤基质平均长度。

39、进一步地，步骤a中，施加的轴压与围压为至少两组不同的应力值；在每一组应力条件下，重复执行步骤b至j，获得不同应力状态下的裂隙网络结构、基质孔隙结构及渗透率数据，从而建立应力-孔裂隙结构-渗透率之间的定量关系，实现深部煤层应力敏感条件下煤储层渗透率的原位评价。

40、与现有技术相比，本发明具有如下优点：

41、1、本发明利用高原子序数kr气显著增强裂隙与基质的ct对比度，使原本不可见的亚微米级微裂隙清晰显现；同时采用4d动态微ct快速扫描（秒-分钟级），在kr尚未从裂隙向基质显著扩散前完成成像，有效抑制裂隙表观增宽失真，显著提升了微裂隙识别的准确率；重构的三维裂隙网络保留了真实的空间拓扑结构，为渗透率计算提供了真实的结构依据。

42、2、本发明在实现对煤体内部真实三维微裂隙网络精准捕捉重构的基础上，通过对局部基质区域高分辨率ct扫描与机器学习映射，构建全样品尺度的基质孔隙网络，并将两者空间拓扑融合为双重孔隙网络模型。该模型同时考虑了裂隙主通道与基质孔隙的渗流贡献，使渗透率预测更贴近真实煤岩特性。

43、3、本发明基于裂隙网络几何参数采用立方定律快速计算解析渗透率，基于双重孔隙网络模型通过求解流动方程获得全样品数值模拟渗透率。两者对比可明确裂隙与基质对渗流的贡献比例，避免了单一方法的局限性，显著提升了测试结果的准确性与鲁棒性。通过在不同轴压、围压组合下重复测试，获取应力变化对裂隙开度、基质孔隙结构及渗透率的动态影响规律，为深部高应力煤层的渗透率评价、产能预测及储层改造增渗设计提供可靠的实验依据。