一种对岩石裂隙网络进行量化的方法及设备转让专利
申请号 : CN201910136290.5
文献号 : CN109919947B
文献日 : 2021-03-30
发明人 : 隋丽丽 , 于健 , 苗文静 , 王鹤远
申请人 : 华北科技学院
摘要 :
权利要求 :
1.一种对岩石裂隙网络进行量化的方法,其特征在于,所述方法包括:确定岩石裂隙网络的头尾分割次数;
根据所确定的岩石裂隙网络的头尾分割次数,确定岩石裂隙网络的分形集合类型;
采用与所确定分形集合类型相对应的分形指数量化法来确定所述岩石裂隙网络的分形指数;
其中,根据所确定的岩石裂隙网络的头尾分割次数,确定岩石裂隙网络的分形集合类型,包括:
判断所确定的岩石裂隙网络的头尾分割次数是否超出分割阈值,得到判断结果;若判断结果为所确定的岩石裂隙网络的头尾分割次数未超出分割阈值,则确定所述岩石裂隙网络的分形集合类型为多重自相似分形集合;若判断结果为所确定的岩石裂隙网络的头尾分割次数超出分割阈值,则确定所述岩石裂隙网络的分形集合类型为不同比例分形集合;
采用与所确定分形集合类型相对应的分形指数量化法来确定所述岩石裂隙网络的分形指数,包括:
当确定所述岩石裂隙网络的分形集合类型为多重自相似分形集合时,采用与多重自相似分形集合相对应的第一分形指数量化法确定所述岩石裂隙网络的分形指数;所述第一分形指数量化法采用如下计算公式:
其中,t代表头尾分割次数,γi代表第i次头尾分割中的尾部均值和头部均值之比,Ni代表比例为γi的部分个数,Ni的数值是由第i次头尾分割中尾部对象的数目与头部对象的数目的比值;
当确定所述岩石裂隙网络的分形集合类型为不同比例分形集合,则采用与不同比例分形集合相对应的第二分形指数量化法确定所述岩石裂隙网络的分形指数;所述第二分形指数量化法采用如下计算公式:
其中,t代表头尾分割次数,γ′i代表第i次头尾分割中头部均值与第i+1次头尾分割中头部均值之比,N′i代表比例为γ′i的部分个数,N′i的数值是由第i次头尾分割中头部对象的数目与第i+1次头尾分割中头部对象的数目的比值。
2.根据权利要求1所述的方法,其特征在于,所述确定岩石裂隙网络的头尾分割次数,包括:
利用头尾分割法逐次对岩石裂隙网络进行分割,得到头尾分割结果;
当所得到的头尾分割结果中头部对象的数目与尾部对象的数目之比超出比例阈值时,分割过程结束,从而确定岩石裂隙网络的头尾分割次数。
3.一种对岩石裂隙网络进行量化的设备,其特征在于,所述设备包括:头尾分割次数确定装置,用于确定岩石裂隙网络的头尾分割次数;
分形集合类型确定装置,用于根据所确定的岩石裂隙网络的头尾分割次数,确定岩石裂隙网络的分形集合类型;
分形指数确定装置,用于采用与所确定分形集合类型相对应的分形指数量化法来确定所述岩石裂隙网络的分形指数;
其中,所述分形集合类型确定装置包括:判断模块,用于判断所确定的岩石裂隙网络的头尾分割次数是否超出分割阈值,得到判断结果;分形集合类型确定模块,用于若判断结果为所确定的岩石裂隙网络的头尾分割次数未超出分割阈值,则确定所述岩石裂隙网络的分形集合类型为多重自相似分形集合;若判断结果为所确定的岩石裂隙网络的头尾分割次数超出分割阈值,则确定所述岩石裂隙网络的分形集合类型为不同比例分形集合;
所述分形指数确定装置还用于,当确定所述岩石裂隙网络的分形集合类型为多重自相似分形集合时,采用与多重自相似分形集合相对应的第一分形指数量化法确定所述岩石裂隙网络的分形指数;所述第一分形指数量化法采用如下计算公式:其中,t代表头尾分割次数,γi代表第i次头尾分割中的尾部均值和头部均值之比,Ni代表比例为γi的部分个数,Ni的数值是由第i次头尾分割中尾部对象的数目与头部对象的数目的比值;
所述分形指数确定装置还用于,当确定所述岩石裂隙网络的分形集合类型为不同比例分形集合,则采用与不同比例分形集合相对应的第二分形指数量化法确定所述岩石裂隙 网络的分形指数;所述第二分形指数量化法采用如下计算公式:其中,t代表头尾分割次数,γ′i代表第i次头尾分割中头部均值与第i+1次头尾分割中头部均值之比,N′i代表比例为γ′i的部分个数,N′i的数值是由第i次头尾分割中头部对象的数目与第i+1次头尾分割中头部对象的数目的比值。
4.根据权利要求3所述的设备,其特征在于,所述头尾分割次数确定装置包括:分割模块,用于利用头尾分割法逐次对岩石裂隙网络进行分割,得到头尾分割结果;
头尾分割次数确定模块,用于当所得到的头尾分割结果中头部对象的数目与尾部对象的数目之比超出比例阈值时,分割过程结束,从而确定岩石裂隙网络的头尾分割次数。
说明书 :
一种对岩石裂隙网络进行量化的方法及设备
技术领域
背景技术
形指数量化岩石裂隙网络便引发了广泛关注,接着关联维数、小岛维数等也都用于岩石裂
隙网络的量化。
都将得到不同的回归结果,而这样所引起的结果震荡会使得计算得到的分形指数值不稳
定。
发明内容
确定岩石裂隙网络的分形集合类型;采用与所确定分形集合类型相对应的分形指数量化法
来确定所述岩石裂隙网络的分形指数。
对压裂有潜在影响的尾部裂隙,去掉头部,与原有应用于道路分割的保留头部裂隙,去掉尾
部裂隙不同,以得到头尾分割结果;当所得到的头尾分割结果中头部对象的数目与尾部对
象的数目之比超出比例阈值时,分割过程结束,从而确定岩石裂隙网络的头尾分割次数。
合类型,包括:判断所确定的岩石裂隙网络的头尾分割次数是否超出分割阈值,得到判断结
果;若判断结果为所确定的岩石裂隙网络的头尾分割次数未超出分割阈值,则确定所述岩
石裂隙网络的分形集合类型为多重自相似分形集合;若判断结果为所确定的岩石裂隙网络
的头尾分割次数超出分割阈值,则确定所述岩石类型网络的分形集合类型为不同比例分形
集合。
为多重自相似分形集合时,采用与多重相似分形集合相对应的第一分形指数量化法确定所
述岩石裂隙网络的分形指数。
部均值之比,Ni代表比例为γi的部分个数,Ni的数值是由第i次头尾分割中尾部对象的数目
与头部对象的数目的比值。
为不同比例分形集合,则采用与不同比例分形集合相对应的第二分形指数量化法确定所述
岩石类型网络的分形指数。
次头尾分割中头部均值之比,Ni代表比例为γi的部分个数,Ni的数值是由第i次头尾分割中
头部对象的数目与第i+1次头尾分割中头部对象的数目的比值。
确定装置,用于根据所确定的岩石裂隙网络的头尾分割次数,确定岩石裂隙网络的分形集
合类型;分形指数确定装置,用于采用与所确定分形集合类型相对应的分形指数量化法来
确定所述岩石裂隙网络的分形指数。
当所得的的头尾分割结果中头部对象的数目与尾部对象的数目指标超出比例阈值时,分割
过程结束,从而确定岩石裂隙网络的头尾分割次数。
络的头尾分割次数是否超出分割阈值,得到判断结果;分形集合类型确定模块,用于若判断
结果为所确定的岩石裂隙网络的头尾分割次数未超出分割阈值,则确定所述岩石裂隙网络
的分形集合类型为多重自相似分形集合;若判断结果为所确定的岩石裂隙网络的头尾分割
次数超出分割阈值,则确定所述岩石裂隙网络的分形集合类型为不同比例分形集合。
形指数量化法确定所述岩石裂隙网络的分形指数。
数量化法确定所述岩石类型网络的分形指数。
隙网络的分形集合类型,如属于简单层级结构的多重自相似分形集合,还是属于复杂层级
结构的不同比例分形集合;最后采用与所确定分形集合类型相对应的分形指数量化法来确
定所述岩石裂隙网络的分形指数。如此,本发明在量化分形指数时,能够针对简单和复杂层
级结构的岩石裂隙网络分开考虑,选取且有效避免传统最小回归计算方法中因在计算时选
取的节点数目不同或截取的节点位置不同所导致的计算得到的分形指数值不稳定的问题。
而且,本发明所述量化方法是综合考虑头尾分割与分形的计盒维数(自相似维数)而提出
的,故可以确定得到一个简化、稳定、精确的刻画分形对象不规则性的分形指数,使得该方
法更加适用于描述像岩石裂隙、树木生长这样的自然现象。
的有益效果。
附图说明
干实施方式,其中:
具体实施方式
式限制本发明的范围。相反,提供这些实施方式是为使本发明更加透彻和完整,并能够将本
发明的范围完整地传达给本领域的技术人员。
的问题,2018年初在《数学实践与认识》一文中论述了利用修改的头尾分割方法,即把图形
或研究对象用头尾分割,保留根据自相似性可代表整体特征的“头”,计算出最后一步数据
集“头”部的均值mean1及测度和sum1,以及相应“尾”部的均值mean2及测度和sum2,令
并分别数出“头”、“尾”所含长度总数为N1,N2,计算出倒数第二步“头”中的小
形状个数与最后一步分割“头”中的大形状个数的本质比 再利用
简化分形指数(simple fractal index,SFI)的计算公式 计算得到最终的SFI。
的主干),然后随着压裂的继续,在主裂隙保留的基础上,产生新一级别的裂隙(即相当于树
木长出枝丫),裂隙网络(即相当于一棵树)是在重复这个生长过程形成的,而每一步产生的
裂隙(即相当于枝丫)都会保留。而在岩石进行压裂开采煤层气、页岩气时,对储藏空间有极
大贡献的却是上述分割中的细小“尾”部枝丫。因此在进行头尾分割时,应保留有潜在价值
的尾部,而不是头部;第二,在利用头尾分割法对裂隙网络进行分割时,每一步的分割结果
都对裂隙网络层级有叠加影响,不应仅对最后一层进行计算,且分割次数多代表裂隙网络
层级结构越复杂,因此在分割得到层级数之后,应把每一步分割得到的维数数据特征加入
计算表达式;第三,分割次数小于等于2时,层级结构简单,而分割数大于2时,代表岩石裂隙
网络层级结构复杂,因此在量化分形指数时,简单、复杂层级结构应该分开考虑。
定的岩石裂隙网络的头尾分割次数,确定岩石裂隙网络的分形集合类型;操作103,采用与
所确定分形集合类型相对应的分形指数量化法来确定所述岩石裂隙网络的分形指数。
得到的头尾分割结果中头部对象的数目与尾部对象的数目之比超出比例阈值时,分割过程
结束,从而确定岩石裂隙网络的头尾分割次数。
比例阈值,如2/3,即当分割得到的头部对象数目占总体数目超过40%时,分割过程结束。
合类型的过程如图3所示,具体包括:操作1021,判断所确定的岩石裂隙网络的头尾分割次
数是否超出分割阈值,得到判断结果;操作1022a,若判断结果为所确定的岩石裂隙网络的
头尾分割次数未超出分割阈值,则确定所述岩石裂隙网络的分形集合类型为多重自相似分
形集合;操作1022b,若判断结果为所确定的岩石裂隙网络的头尾分割次数超出分割阈值,
则确定所述岩石裂隙网络的分形集合类型为不同比例分形集合。
形集,即多重自相似分形集合。如果分割次数t大于2,分形集的结构要更加复杂,这时可以
把分形集合看作是由t个不同比例的层级所构成,即不同比例分形集合。根据此分形集合类
型的考虑,可以将分割阈值取值为2。
岩石裂隙网络的分形集合类型为多重自相似分形集合时,采用与多重自相似分形集合相对
应的第一分形指数量化法确定所述岩石裂隙网络的分形指数。
部分个数,Ni的数值是由第i次头尾分割中尾部对象的数目与头部对象的数目的比值。
形集合中分离出来的单元代表,故在操作103,当确定所述岩石裂隙网络的分形集合类型为
不同比例分形集合,则采用与不同比例分形集合相对应的第二分形指数量化法确定所述岩
石类型网络的分形指数。
表比例为γi的部分个数,Ni的数值是由第i次头尾分割中头部对象的数目与第i+1次头尾分
割中头部对象的数目的比值。
的分形集合类型,如属于简单层级结构的多重自相似分形集合,还是属于复杂层级结构的
不同比例分形集合;最后采用与所确定分形集合类型相对应的分形指数量化法来确定所述
岩石裂隙网络的分形指数。如此,本发明在量化分形指数时,能够针对简单和复杂层级结构
的岩石裂隙网络分开考虑,且有效避免传统最小回归计算方法中因在计算时选取的节点数
目不同或截取的节点位置不同所导致的计算得到的分形指数值不稳定的问题。而且,本发
明所述量化方法是综合考虑头尾分割与分形的计盒维数(自相似维数)而提出的,故可以确
定得到一个简化、稳定、精确的刻画分形对象不规则性的分形指数,使得该方法更加适用于
描述像岩石裂隙、树木生长这样的自然现象。
限图形,按照这样的规律,无限次迭代出来的结果,按简化分形指数SFI的计算方法,可分割
无数次,因此适用于上述分割次数超出分割阈值2的情况。谢尔品斯基垫迭代中上一级的头
部数据集的边长是下一级头部数据集的边长的2倍,下一级的头部数目和上一级头部数目
之比一直是3,可算出各步的个数边长对数比 取值为 故可以计算得到谢尔品斯
基垫的简化分形指数是
种迭代的极限形式。利用头尾分割,可以进行无数次,因此适用于上述分割次数超出分割阈
值2的情况。科赫曲线迭代中上一级的头部长度和下一级头部长度之比一直是3,并且下一
级的头部数目和上一级头部数目之比一直是4。因此,可算出各步的个数边长对数比
取值为
明本发明实施例在分割次数超出分割阈值2的情况下所定义的简化分形指数是分形维数的
延续,是保持了图形的分形特征基础上的延伸。
该比图5a的数值大。本盈盈示例可以采用这两个裂隙网络图形来检验简易分形指数是否捕
捉到了这个特征。当然,需要补充说明的是,此处仅考虑两幅图像的结构及像素大小,忽略
初始单位。
度。识别裂隙的规则是从有裂隙的任一点开始,如果两条有交点的裂隙的夹角没超过45度,
则优先识别较长的裂隙;如果角度超过45度,优先识别较长且直的裂隙,拐角不超过45度的
裂隙被认为是直的。例如,在图6a中,裂隙BD和BC的夹角超过45度,这时认为ABD为一条裂
隙,BC为第二条裂隙。因为尽管ABC在这里面是最长的,但是不是直的;而在图6b中,裂隙AB
和BC的夹角小于45度,这时从所有途径中选择长度最长的作为第一条裂隙,即ABC,然后再
按此规则识别第二条裂隙,图6b中为BD。
得到一个头部和一个尾部,其中头部长度均值为89.25像素,尾部长度均值是24.46.像素。
此时第一次分割后尾部中的头部裂隙数目为24,超过该步中整体数据数目44的40%,分割
停止。
作为第二个均值;利用第二个均值再对尾部继续进行分割,分割出第二个头和尾,第二个头
部包含裂隙数目为99,均值为14.44,第二个尾部包含裂隙数目为136,均值为3.19。再利用
该均值3.19对第二个尾部分割时,尾部所含裂隙数目是80,头部含裂隙数目56,头部含量超
过40%,分割停止。两幅图中的数值可以用来确定层级,以及计算SPI时需要的分割次数和
头尾分割信息。具体长度分布值如下表1所示。
比 尾部数目与头部数目之比加1等于 故图5a中的简化
d
分形指数为方程2.91×0.4878=1中d的解,即简化分形指数值是1.49。而在图5b中,头尾
分割数目是2,且分割两次的自相似比例分别为 图5b中
SFI SFI
的简易分形指数可由方程2.67×0.32 +2.37×0.4 =1算出,此时简化分形指数值是
1.61。很显然,从数值上可看出图4b的SFI值大于图4a的SFI值,符合之前看到的直观分形特
征,即对应的图5b比图5a的裂隙网络更复杂。
时,使得所述处理器至少执行如下所述的操作步骤:操作101,确定岩石裂隙网络的头尾分
割次数;操作102,根据所确定的岩石裂隙网络的头尾分割次数,确定岩石裂隙网络的分形
集合类型;操作103,采用与所确定分形集合类型相对应的分形指数量化法来确定所述岩石
裂隙网络的分形指数。
701,用于确定岩石裂隙网络的头尾分割次数;分形集合类型确定装置702,用于根据所确定
的岩石裂隙网络的头尾分割次数,确定岩石裂隙网络的分形集合类型;分形指数确定装置
703,用于采用与所确定分形集合类型相对应的分形指数量化法来确定所述岩石裂隙网络
的分形指数。
当所得的的头尾分割结果中头部对象的数目与尾部对象的数目指标超出比例阈值时,分割
过程结束,从而确定岩石裂隙网络的头尾分割次数。
络的头尾分割次数是否超出分割阈值,得到判断结果;分形集合类型确定模块,用于若判断
结果为所确定的岩石裂隙网络的头尾分割次数未超出分割阈值,则确定所述岩石裂隙网络
的分形集合类型为多重自相似分形集合;若判断结果为所确定的岩石裂隙网络的头尾分割
次数超出分割阈值,则确定所述岩石裂隙网络的分形集合类型为不同比例分形集合。
形指数量化法确定所述岩石裂隙网络的分形指数。
γi的部分个数,Ni的数值是由第i次头尾分割中尾部对象的数目与头部对象的数目的比值。
数量化法确定所述岩石类型网络的分形指数。
Ni代表比例为γi的部分个数,Ni的数值是由第i次头尾分割中头部对象的数目与第i+1次头
尾分割中头部对象的数目的比值。
果,因此不做赘述。对于本发明对岩石裂隙网络进行量化的设备实施例中未披露的技术细
节,请参照本发明前述图1所示的方法实施例的描述而理解,为节约篇幅,因此不再赘述。
且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有
的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该
要素的过程、方法、物品或者装置中还存在另外的相同要素。
一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或
可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部
分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合
或通信连接,可以是电性的、机械的或其它形式的。
元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存
储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,
该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以
是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。
而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介
质。
盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。