Масштабная характеристика связности микротрещин и миграции газа в вулканических коллекторах с использованием µCT и гибридной обучения для сегментации

Почему тонкие трещины в вулканических породах важны

Глубоко под нашими ногами природный газ часто скрыт в вулканических породах, которые на вид кажутся сплошными, но пронизаны волосоподобными трещинами. Эти скрытые пути определяют, сможет ли газ свободно перемещаться к скважине или останется заперт в породе. В этом исследовании показано, как сочетание рентгеновских микроскопов и современных методов компьютерного зрения позволяет выявлять эти невидимые трещины в трёх измерениях и объяснять, почему одни вулканические газовые коллектора хорошо проницаемы, а другие — едва пропускают поток.

Всматриваться в породу, не ломая её

Исследователи работали с четырьмя образцами вулканических пород из бассейна Сонглиао в Китае, важного региона по нетрадиционной нефти и газу. Вместо того чтобы разрезать образцы, они использовали микро‑компьютерную томографию (µCT) — вид 3D рентгеновского сканирования — чтобы увидеть внутреннее строение с разрешением около двенадцати микрометров, примерно одной десятой толщины человеческого волоса. Эти снимки показывают минералы, поры и трещины оттенками серого. Однако интересующие их трещины чрезвычайно узкие и слабо контрастируют с окружающими минералами, что затрудняет их различение невооружённым глазом или простыми средствами обработки изображений.

Обучая компьютеры видеть волосковые трещины

Чтобы решить эту задачу, команда построила двухэтапную «гибридную» систему обучения, которая учит машину отделять трещины от твёрдой породы. Сначала они применили ансамблевый метод Random Forests для быстрой грубой классификации двухмерных срезов. Полуавтоматическая процедура «помечай пока обучаешь» позволяла учёному исправлять ошибки машины на нескольких срезах из сотен, что сильно сократило утомительную ручную разметку. Этот первый этап устраняет большую часть шума и даёт разумную начальную оценку расположения трещин. Затем стеки соседних срезов подали в более мощную сеть глубокого обучения U‑Net++, настроенную в «2.5D» режиме, который улавливает, как трещины продолжаются от среза к срезу, не требуя затрат полноценного 3D‑обучения. В совокупности эти шаги дали очень точные карты трещин, достигая показателя Dice — меры совпадения предсказания с истиной — примерно 0,90 всего за десять раундов обучения.

От цифровых трещин к трёхмерным путям для газа

После того как трещины были аккуратно выделены, команда преобразовала сегментированные изображения в полноценные 3D модели цифровой породы. Они удалили крошечные изолированные пятна, измерили, какие трещины действительно соединены, и упростили сложные системы трещин до сетей «пор», связанных узкими «горлышками». Эта модель пор‑горлышек фиксирует объём пустот, ширину каналов и число связей каждой поры. По четырём образцам выявились заметные различия: в одних породах были крупные, хорошо связные сети трещин, распространявшиеся через весь образец, в других — множество мелких, разъединённых трещин, не формировавших непрерывных путей.

Как сети трещин контролируют поток газа

Используя эти цифровые модели, исследователи смоделировали, как природный газ будет просачиваться через каждый образец при перепаде давления, применяя закон Дарси для течения в пористых средах. В лучших по связности образцах трещины образовали близкие к вертикали «магистрали» с боковыми ответвлениями, и моделируемые траектории потока газа были плотными, непрерывными и протягивались от впускного до выпускного отверстия. Эти образцы показали более высокую проницаемость и более быстрый поток, даже при умеренной общей пористости. Напротив, породы со тонкими, разбросанными трещинами давали редкие и прерывистые траектории: газ проникал лишь на небольшие расстояния, прежде чем пути обрывались. Примечательно, что один образец с относительно высокой пористостью всё же вел себя плохо, потому что его сеть трещин была фрагментирована, что подчёркивает: связность и ширина горлышек важнее простого объёма пустот.

Что это значит для будущей энергетики и моделирования

Для неспециалиста главный вывод в том, что в плотных вулканических газовых коллекторах именно структура тонких трещин — а не только объём пустот в породе — в значительной мере определяет, можно ли эффективно добывать газ. Исследование предлагает практический рабочий процесс для превращения нечетких рентгеновских сканов в надёжные 3D‑карты микротрещин, а также даёт понятную физическую картину: развитые сети трещин действуют как магистрали и боковые улицы для газа, усиливая поток даже в плотной породе, тогда как плохо связанные трещины оставляют газ в ловушке. Эти инсайты могут помочь улучшить анализ цифровых пород, направлять оценку коллекторов и поддерживать более точные прогнозы того, сколько газа такие сложные породы реально могут дать.

Цитирование: Zhang, J., Yu, Y., Cai, H. et al. Multiscale characterization of micro fracture connectivity and gas migration in volcanic reservoirs using µCT and hybrid learning segmentation. Sci Rep 16, 8442 (2026). https://doi.org/10.1038/s41598-026-39657-3

Ключевые слова: вулканический коллектор, микротрещины, цифровой породы, миграция газа, сегментация с глубоким обучением