基于多实验成像和机器学习的页岩多尺度孔隙结构表征新方法

准确、全面地认识页岩孔隙结构是精准评估储量和高效开采油气的基础和关键。为此,以渤海湾盆地济阳坳陷古近系始新统沙河街组页岩为例,综合应用包括X射线计算断层扫描、大视域扫描电子显微镜、扫描电子显微镜和聚焦离子束扫描电子显微镜在内的多实验联用成像技术,获取了二维和三维多分辨率页岩微观结构图像,并结合图像处理和机器学习算法,实现了对页岩孔隙结构进行单一尺度与多尺度的同步表征。研究结果表明:①研究区页岩的孔隙空间主要由微裂缝、无机质孔隙、有机质和有机质孔隙组成,且都呈现出多尺度特征。②无机质孔隙类型多样,其中溶蚀孔隙发育丰富;有机质呈现出条状和散块状分布,部分有机质中未发现有机质孔隙。③孔隙半径小于20 nm的占比为25%,20~50 nm的占比为19%,50~100 nm的占比为29%,100~500 nm的占比为14%,500 nm~20μm的占比为11%,20~50μm的占比为2%。④有机质孔隙的连通性弱于无机孔隙,有机质孔隙与无机质孔隙的连通对油气运移起着至关重要的作用,微裂缝主导流体流动通道。⑤孔隙半径小于50 nm的孔隙基本以有机质孔隙为主,孔隙半径介于50~500 nm的孔隙为有机质孔隙和无机质孔隙,孔隙半径大于500 nm的孔隙主要贡献者为微裂缝。结论认为,单一的成像实验无法准确、全面地揭示页岩储层的多尺度微观孔隙结构,通过多种成像技术和机器学习算法的联合使用,能够同时实现页岩孔隙结构在单一尺度和多尺度下的认识和表征,提出的新方法能够准确、全面地获取页岩多尺度孔隙结构信息。