«Автоматизация и информатизация ТЭК»

Сравнительный анализ методов восстановления внутренней структуры образцов керна с использованием синтетических синограмм

УДК: 004.932:519.63
DOI: 10.33285/2782-604X-2022-11(592)-34-47

Авторы:

¹ РГУ нефти и газа (НИУ) имени И.М. Губкина, Москва, Россия

Ключевые слова: микрокомпьютерная томография, обратное проецирование, обратное проецирование с фильтрацией, итерационные методы восстановления внутренней структуры образца керна, метрики сравнения изображений, метод Качмарца, выделение границ, алгоритм Кэнни

Аннотация:

Статья посвящена моделированию процесса компьютерной микротомографии (МКТ) с целью сравнительного анализа различных методов восстановления внутренней структуры образцов керна. Построена принципиальная вычислительная схема разработки симуляторов МКТ. Приведены результаты сравнительного анализа наиболее популярных методов восстановления внутренней структуры образцов керна, имеющихся в программном обеспечении современных компьютерных томографов. Авторы отмечают, что, хотя алгебраические методы являются вычислительно более затратными, их преимущество для решения задач определения петрофизических свойств пористой среды неоспоримо. Вторая часть статьи посвящена обзору и применению различных метрик сравнения изображений для решения задач вычислительной томографии. Показано преимущество метода Качмарца, особенно в случае возмущения измерений случайными помехами. Подчеркнута возможность существенного ускорения 3D-алгебраических алгоритмов восстановления внутренней структуры просвечиваемого объекта при использовании процедур гетерогенного распараллеливания.

Список литературы:

1. Арсеньев-Образцов С.С. Определение тензора коэффициентов проницаемости численным моделированием течения флюида на цифровой модели пористой среды // Тр. РГУ нефти и газа им. И.М. Губкина. – 2015. – № 4(281). – С. 64–77.
2. Arsenyev-Obraztsov S. Generation of Petrophysical Parameters for Forecasting of Oil and Gas Deposits Development, Digital Core and Multi-scale // 2021 14th Int. Conf. Management of large-scale system development (MLSD), Moscow, Russian Federation, Sept. 27–29. – 2021. – DOI: 10.1109/MLSD52249.2021.9600135
3. Arsenyev-Obraztsov S.S., Volkov E.A., Plusch G.O. Proposals on 3D parallel edge-preserving filtration for x-ray tomographic digital images of porous medium core plugs // IOP Conf. Series: Materials Science and Engineering. – 2019. – Vol. 700. 2nd Conf. of Computational Methods in Offshore Technology and First Conf. of Oil and Gas Technology (COTech & OGTech 2019), Stavanger, Norway, Nov. 27–29. – DOI: 10.1088/1757-899X/700/1/012053
4. Canny J. A computational approach to edge detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1986. – Vol. PAMI-8, Issue 6. – P. 679–698. – DOI: 10.1109/TPAMI.1986.4767851
5. Feldkamp L.A., Davis L.C., Kress J.W. Practical cone-beam algorithm // J. of the Optical Society of America A. – 1984. – Vol. 1, Issue 6. – P. 612–619. – DOI: 10.1364/JOSAA.1.000612
6. Preim B., Bartz D. Visualization in Medicine Theory: Algorithms, and Applications. – Amsterdam; Boston: Morgan Kaufmann, 2007. – XXIII, 652 p.
7. Jiang Hsieh. Computed Tomography: Principles, Design, Artifacts, and Recent Advances. – SPIE PRESS Monograph, 2003. – 557 p.
8. Predictive modeling of relative permeability using a generalized equation of state / P. Purswani, R.T. Johns, Z.T. Karpyn, M.J. Blunt // SPE J. – 2021. – Vol. 26, Issue 1. – P. 191–205. – DOI: 10.2118/200410-PA