IMAGE-BASED CHARACTERIZATION OF MULTISCALE PORE STRUCTURE USING MACHINE LEARNING. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF FINAL_THESIS_COPY.pdf - Submitted Version Restricted to Repository staff only until 1 January 2026. Download (4MB)

Arabic Abstract

يتطلب فهم آليات تدفق السوائل والنقل في الوسائط المسامية توصيف بنية المسام. لا يزال فحص البنية المعقدة للمسام وتفاوتها باستخدام الطرق التجريبية التقليدية صعبًا. يوفر التحليل التقليدي للنواة، وهو الطريقة الرئيسية المستخدمة لتقدير خصائص موارد الهيدروكربونات من خلال التجارب، معلومات مثل المسامية، النفاذية، تشبع السوائل، المرونة، التوصيلية الكهربائية، القابلية المغناطيسية، وخصائص تدفق السوائل متعددة الأطوار. ومع ذلك، فإن هذه القياسات تقدم نظرة عامة فقط على ميزات العينة ولا تقدم تفاصيل دقيقة عن البنية الدقيقة التي تؤثر بشكل كبير على خصائص الصخور. مع الاستخدام الواسع لأجهزة التصوير في صناعة البترول، يمكن لمهندسي الخزانات استكشاف البنية الداخلية لعينة الصخور وحساب مجموعة كاملة من خصائص الخزانات بشكل مباشر. تقدم هذه الطريقة أسلوبًا مبتكرًا لاكتساب معرفة عميقة ببنية المسام في الصخور ويمكن أن تحل القيود التي تفرضها الدراسات المخبرية التقليدية. يهدف هذا البحث إلى تحليل تفاوت شبكات مسام الصخور من خلال تصنيف الصخور المستند إلى الصور وتوصيف هيكل المسام لكل نوع من أنواع الصخور. بالإضافة إلى ذلك، سيتم تطبيق التعلم الآلي لجعل الطريقة المقترحة أكثر دقة وكفاءة ومرونة وذكاء. يمكن تقسيم سير العمل الكامل إلى خطوتين: تصنيف الصخور المستند إلى الصور وتوصيف هيكل المسام، حيث يمكن تقسيم تصنيف الصخور المستند إلى الصور إلى ثلاث خطوات فرعية: 1) معالجة الصور الأولية؛ 2) استخراج الميزات؛ 3) تصنيف الصخور المستند إلى الصور. يعتمد أداء تصنيف الصخور المستند إلى الصور بشكل كبير على الميزات المختارة والمصنفات، ولذلك، تم اختيار ثماني ميزات للصور (ميزات الكثافة، ميزات الحواف، وميزات الملمس) وخمسة مصنفات لاختبار أداء تصنيف الصخور. بناءً على الصور المقسمة، سيتم تحليل معلمات هيكل المسام بما في ذلك المسامية، توزيع حجم المسام، عدد المسام، المحيط، ومساحة المسام. من المتوقع أن تقلل الطريقة المقترحة بشكل فعال من قيود الدراسات المخبرية التقليدي

English Abstract

Understanding fluid flow and transport mechanisms in porous media requires the characterization of porous structure. Examining a rock’s complex pore structure and heterogeneity using traditional experimental methods remains difficult. Conventional core analysis, the main method used to estimate properties of hydrocarbon resources through experiments, provides information such as porosity, permeability, fluid saturation, elasticity, electrical conductivity, magnetic susceptibility, and multi-phase fluid flow properties. However, these measurements offer only a generalized overview of the sample's features and do not yield insights into the microstructural details that exert a substantial impact on the rock's characteristics. Along with the wide use of imaging devices in petroleum industry, reservoir engineers can step into the inner structure of the rock sample and calculate the full set of the reservoir properties directly. This approach provides an innovative method for acquiring a deep knowledge of the pore structure of the rock and can solve the limitations of traditional laboratory studies. This research is aimed to analyze the heterogeneity of the rock pore networks by image-based rock typing and further characterize the pore structure of each rock type. In addition, machine learning will be applied to make the proposed method more accurate, efficient, versatile, and intelligence. The entire workflow can be divided by two steps of image-based rock typing and pore structure characterization, where the image-based rock typing can be further divided by three steps: 1) image pre-processing; 2) feature extraction; 3) rock typing. The performance of the image-based rock typing highly depends on the selected image features and classifiers, Therefore, eight image features (intensity features, edge features and texture features) and five classifiers are selected to test the rock typing performance. Based on the segmented images, pore structures parameters including porosity, pore size distribution, pore count, perimeter, and pore area will be analyzed. The proposed method would effectively mitigate the limitations of the conventional laboratory studies.

Item Type:	Thesis (Masters)
Subjects:	Petroleum Petroleum > Reservoir Characterization
Department:	College of Petroleum Engineering and Geosciences > Petroleum Engineering
Committee Advisor:	Wang, Yuzhu
Committee Members:	Abdulraheem, Abdulaziz and Khan, Hasan
Depositing User:	ABDULLAHI JIBRIN (g202210500)
Date Deposited:	20 Apr 2025 06:01
Last Modified:	20 Apr 2025 06:01
URI:	http://eprints.kfupm.edu.sa/id/eprint/143329