近年来,多点统计方法中的单正态标准方程(Single Normal Equation Simulation,SNESIM)算法由于其高效和真实的模拟能力,能够灵活地处理高度异质性和不均质性地质体,成为研究多孔介质孔隙结构的关键工具。模拟效果的精度直接影响孔隙渗透率及孔隙内流体流动特性的研究。因此,在准确重构多孔介质的基础上,对重构结果进行系统的定量分析至关重要。 首先,进行岩心的多孔介质孔隙-骨架特征的识别实验,为重构算法提供数字化信息的训练图像。本文以全岩扫描电镜实验和CT扫描实验图像为基础,开展数字岩心的图像处理分析,对CT扫描图像进行计算机图像处理,得到二值化数字图像。编写了 MATLAB脚本,用于岩心图像的运算和处理,包括基于分水岭算法的二维二值图像粒度分布分析、孔隙率与孔径分布提取程序,以及其他辅助脚本,并使用Origin软件进行了图像处理。最后,采用多点统计SNESIM算法进行模拟并对重构图像进行多参数定量分析。通过单网格和多网格算法评估重建样本的性能。模拟过程中使用了不同的随机种子,在不同尺度网格上进行模拟,并对不同规模的数据模板进行统计分析。 本文开展了三种模拟和分析,目的是为数字岩心重构方法提供新的数字图像多角度定量分析思路。在孔隙重构效果分析部分,除了使用常规的孔隙度、孔喉分布、孔径大小、变差函数和渗透率等定量指标之外,还重点提出了变异性,四分位数,配位数等参数定量分析,用于分析研究算法参数对重构效果的影响。通过这些定量指标,分析不同模拟参数设置下生成的各种重构图像(Reconstructed image,RI)并于训练图像(Training image,TI)进行比较,以量化计算方案和数据模版设置对模拟结果的影响,并重点开展了孔径分布,变异性分析和模拟结果的渗透率分析。 通过常规参数和重点参数定量分析表明,训练图像尺度与重构图像尺度匹配时,模拟图像的孔隙结构特征更接近训练图像,多网格算法可减小孔径分布误差。同时,本研究在重构基础上引入系统的定量分析方法,从更多参数维度和统计数学角度提供新的分析思路,最终为多孔介质的渗流微观机理的研究提供更多参数和更多统计数学角度的定量分析新思路。