Conveners
Parallel Session 4: Digital Rocks / Machine Learning
- Mohammad Emami Niri (University of Tehran)
This study focuses on the characterization of reservoir rock characteristics to improve hydrocarbon recovery, groundwater management, and geothermal energy extraction. Traditional methods for determining properties such as porosity, permeability, and pore size distribution are often labor-intensive and time-consuming. Instead, this research uses a pore network model to simulate and analyze...
چكيده
با پیشرفت روشهای تصویربرداری و افزایش توان محاسباتی، استفاده از فیزیک سنگ دیجیتال برای تعیین و محاسبه خواص پتروفیزیکی مغزههای مخازن هیدروکربنی گسترش یافته است. تفکیک تصاویر میکروسیتی کربناتهها به دلیل توزیع گسترده اندازه منافذ و درجه ناهمگنی بالای این سنگها چالشبرانگیز است. در این پژوهش، از چارچوبی مبتنی بر شبکههای عصبی کانولوشن برای تفکیک تصاویر سنگ کربناته با وضوح فوقالعاده...
در این مطالعه، رسوب آسفالتین و رفع آن با استفاده از حلال تولوئن در مقیاس منفذی و نیز تأثیر آن بر پارامترهای پتروفیزیکی یک نمونه بستر شنی با استفاده از روش تصویربرداری میکرو سی تی مورد بررسی قرار می¬گیرد. برای این کار، یک سری آزمایش در سه مرحله تعریف شده است: مرحله اول قبل از ایجاد آسیب، مرحله دوم پس از آسیب و مرحله سوم پس از رفع آسیب می-باشد. پس از اتمام هر مرحله، نمونه مورد استفاده تحت...
Abstract
The ultimate objective of digital rock physics is to accurately predict rock properties. However, the resolution of rock images obtained from imaging techniques often involves a trade-off between image resolution and field of view (FoV) (Bai, Berezovsky et al. 2020, Sadeghnejad, Enzmann et al. 2021). The presence of heterogeneous rocks presents a significant challenge in accurate...