岩石孔隙

2024-08-15

岩石孔隙（精选3篇）

岩石孔隙篇1

0引言

研究煤层开采过程中覆岩导水裂隙带高度的确定, 最主要的是确定孔隙水压作用下岩石的破坏过程, 而岩石破坏过程决定于孔隙水压对岩石强度的影响, 孔隙水压对岩石强度的影响分为几个方面: 作用机理、物理作用、化学作用、力学作用等。

1孔隙水对岩石的作用机理

岩石中的水通常以两种方式赋存, 一种称之为结合水, 一种为重力水或称为自由水, 它们对岩石力学性质的影响, 主要体现在以下个方面: 连结作用、润滑作用、水楔作用、孔隙压力作用、溶蚀及潜蚀作用等。前三种作用为结合水产生的, 后两种作用是重力水造成的。结合水是由于矿物对水分子的吸附力超过了重力而被束缚在矿物表面的水, 水分子运动主要受矿物表面势能的控制, 这种水在矿物表面形成一层水膜, 这种水膜产生前述的三种作用。

1. 1连结作用

束缚在矿物表面的水分子通过其吸引力作用将矿物颗粒拉近、接紧, 起连结作用, 这种作用在松散土中是明显的, 但对于岩石, 由于矿物颗粒间的连结强度远远高于这种连结作用, 因此, 对岩石力学性质的影响是微弱的, 但对于被土充填的结构面的力学性质的影响则很明显。

1. 2润滑作用

由可溶盐、胶体矿物连结的岩石, 当有水浸入时, 可溶盐溶解, 胶体水解, 使原有的连结变成水胶连结, 导致矿物颗粒间连结力减弱, 摩擦力减低, 水起到润滑剂的作用。

1. 3水楔作用

当两个矿物颗粒靠得很近, 有水分子补充到矿物表面时, 矿物颗粒利用其表面吸着力将水分子拉到自己周围, 在两个颗粒接触处由于吸着力作用使水分子向两个矿物颗粒之间的缝隙内挤入, 这种现象称水楔作用。

当岩石受压时, 如压应力大于吸着力, 水分子就被压力从接触点中挤出; 反之如压应力减小至低于吸着力, 水分子就又挤入两颗粒之间, 使两颗粒间距增大, 这样便产生两种结果: 一是岩石体积膨胀, 如岩石处于不可变形的条件, 便产生膨胀压力; 二是水胶连结代替胶体及可溶盐连结, 产生润滑作用, 岩石强度降低。

以上几种作用都是与岩石中结合水有关, 而岩石含结合水的多少主要和矿物的亲水性有关。岩石中亲水性最大的是黏土矿物, 故含黏土矿物多的岩石受水的影响最大。如黏土岩在浸湿后其强度降低可达, 而含亲水矿物少或不含的岩石, 如花岗岩、石英岩等, 浸水后强度变化则小得多。

1. 4孔隙压力作用

对于孔隙和微裂隙中含有重力水的岩石, 当其突然受载而水来不及排出时, 岩石孔隙或裂隙中将产生很高的孔隙压力。这种孔隙压力减小了颗粒之间的压应力, 从而降低了岩石的抗剪强度, 甚至使岩石的微裂隙端部处由于受拉状态从而破坏岩石的连结。

1. 5溶蚀- 潜蚀作用

岩石中渗透水在其流动过程中可将岩石中可溶物质溶解带走, 有时将岩石中小颗粒冲走, 从而使岩石强度大为降低, 变形加大, 前者称为溶蚀作用, 后者称为潜蚀作用。在岩体中有酸性或碱性水流时, 极易出现溶蚀作用, 当水力梯度很大时, 对于孔隙度大、连结差的岩石易产生潜蚀作用。

2孔隙水对岩石强度的影响

2. 1孔隙水的物理化学作用对岩石强度的影响

孔隙水对岩体强度的影响主要表现为孔隙水对岩体的物理化学作用和孔隙水对岩体的力学作用。就孔隙水的物理化学作用来说, 孔隙水主要通过楔劈、润滑、潜蚀、水解、连接、冻融等多种水岩作用, 使岩体发生崩解、膨胀、易溶岩溶解和裂隙面上的填充物发生变形和位移等, 改变岩体的成分与结构。同时, 进入裂尖微裂纹损伤区的孔隙水使微裂纹间的岩桥桥联介质的细观断裂韧度或断裂扩展阻力降低, 这些都对岩体产生软化作用。

由于渗流的作用, 水分子沿着岩体中桥联介质的矿物颗粒界面进入基质, 基质的矿物颗粒因此被水分子所包围, 这样本来存在于矿物颗粒间的相互引力作用、静电作用和胶结作用, 由于水分子的侵入而减弱, 这是由于水分子吸附于矿物颗粒间, 抵消了一部分引力作用。另外, 水分子与矿物颗粒胶质的化学作用, 削弱了胶质的胶结作用。矿物间的相互引力作用和胶结作用的削弱, 导致其易于分离, 从而易于开裂。因而可以说, 由于渗流作用, 进入基质和裂尖微裂纹损伤区的孔隙水使微裂纹间的岩桥桥联介质的细观断裂韧度或断裂扩展阻力降低, 使岩体产生软化和崩解。岩体的软化主要表现为岩体的膨胀, 岩体的膨胀是矿物晶胞间吸收不定量水分子造成的粒内膨胀和矿物颗粒扩散层厚度增大造成的粒间膨胀的综合表现。岩体的崩解是指岩体浸水后岩石颗粒吸收了大量的水分, 使晶胞间距增大或扩散层增厚, 使胶结物崩解, 而碎屑颗粒之间失去连接造成重力解体。另外, 吸湿力的作用可使岩体产生新的软弱面, 并沿软弱面产生破坏, 从而造成岩体的崩解。显然, 岩体的膨胀和崩解都受岩石矿物含量及类型、胶结物类型及固结程度等因素的综合影响。一般来说, 胶结程度越高、结构越紧密、强度越高的岩体, 膨胀性越低越不容易发生崩解。根据实验结果可知, 当岩石的内聚力大于时膨胀性可忽略。

显然, 孔隙水使岩体产生的软化和崩解削弱了岩体强度, 尤其对结构松散的软弱岩体强度的削弱更为明显。根据实验结果可知, 粉粘粒含量很高的砖红色砂质泥岩在饱和状态下的强度与自然状态下相比, 抗压强度、各模量、抗剪强度均下降。这表明了亲水性较强、矿物含量较多的软弱岩体在浸水后强度下降得很显著, 因此在这类岩体的工程开挖过程中, 对其做必要的保护和衬砌是非常重要的。此外, 岩体中强风化带本身的颗粒被渗流水剥蚀, 渗流的动水作用使裂隙面上的填充物发生变形和位移, 尤其是剪切变形和位移, 这些都会导致裂隙的进一步扩展, 削弱岩体的强度。

2. 2孔隙水的力学作用对岩石强度的影响

通常把存在孔隙及裂隙中的水统称为孔隙水, 如图1所示。在岩体未受外力的情况下, 孔隙中的水压力是很小的, 如果孔隙水在荷载作用下难于排水或不能排水, 将产生较高的孔隙水压力。在孔隙水压力的作用下, 岩体中固体颗粒或骨架所能承受的压力便相应减小, 致使岩体强度随之降低。

就孔隙水的力学作用来说, 孔隙水主要通过孔隙静水压力和孔隙动水压力对岩土体的力学性质施加影响。前者减小岩土体的有效应力而降低岩土体的强度, 在裂隙岩体中的孔隙静水压力可使裂隙产生扩容变形, 后者对岩土体产生切向的推力以降低岩土体的抗剪强度。例如地下工程中的围岩水压力, 其作用效果使岩体中裂纹面裂纹尖端的应力强度因子增加, 当达到临界应力强度因子时, 裂纹贯通、扩展、破坏, 从而使地下工程稳定性降低。孔隙水压力的作用主要表现在如下几方面: 1降低裂纹面上的正压力, 减少摩阻力, 进而产生对裂纹尖端应力强度因子的影响。2孔隙水压力的“楔入”作用, 推动了裂纹的扩展过程, 使岩体产生渐进性破坏。3在动水压力作用下, 岩体中软弱结构面以及岩体中某些接触面上的颗粒被渗透水冲刷转移, 使岩体产生渗透变形, 强度降低而产生变形破坏。

3结语

孔隙水对于岩石的影响主要体现在其对于岩石的物理化学作用和力学作用, 本文围绕岩石损伤力学的基本特性, 详细介绍了孔隙水压对岩体的物理化学损伤, 以及孔隙水压对岩石的力学性质的影响作用, 为孔隙水的作用机理和作用方式提供了一定的理论依据。

摘要：主要研究了孔隙水对于岩石强度的影响, 岩石强度的大小决定岩石受到孔隙水压力下破坏过程的快慢, 从而可计算导水裂隙带的高度。孔隙水对于岩石作用机理、物理力学作用共同决定着岩石的强度。

关键词：孔隙水,岩石强度,导水裂隙带,分析

参考文献

[1]徐永福, 陈永战, 刘松玉, 等.非饱和膨胀土的三轴试验研究[J].岩土工程学报, 1998 (3) :14-18.

[2]马青, 赵均海, 魏雪英.基于统一强度理论的巷道围岩抗力系数研究[J].岩土力学, 2009 (11) :3393-3398.

[3]曾庆瑶, 张学薇, 王敏妙, 等.孔隙水对深部巷道稳定性影响研究[J].内蒙古煤炭经济, 2014 (6) :167-168.

岩石孔隙篇2

岩石属于天然性的多孔材料, 在其结构内部存在着大量的多尺度且不规则的孔隙, 而这样的孔隙结构状态会对岩石的宏观力学和物理以及化学特征产生直接的影响, 所以, 实现对岩石孔隙结构特征的分析和掌握, 对于岩体工程的损伤机制研究有重要的现实性意义[1]。

近年来, 随着科学技术的发展, 核磁共振技术的应用途径不断推广, 并因其自身具有的可重复样品使用和检测的无损性以及快速检测速度等明显化的优良性在岩石物理实验分析检测中得到了有效的应用。岩石质量指标, 用直径为75 mm的金刚石钻头和双层岩芯管在岩石中钻进, 连续取芯, 回次钻进所取岩芯中, 长度大于10cm的岩芯段长度之和与该回次进尺的比值, 以百分比表示。基于此, 本文主要研究基于核磁共振技术的岩石孔隙结构冻融损伤实验与质量标准。

1 核磁共振技术在岩石孔隙结构状态下的应用和研究现状

通过核磁共振技术的应用能够有效实现对于岩石样品的孔隙度、孔径分布、自由流体指数、渗透率等多方面参数的分析, 以及对于岩石分布状态和整体的细观结构进行先进检测技术的应用和推广, 这已经逐渐成为当前阶段岩石物理实验的主要分析手段[2]。而且, 通过核磁共振成像技术的应用, 还能够更加直观的对岩石的内部孔隙结构进行分析, 实现孔洞连通性的合理有效识别, 并通过先进技术的管理和支持, 实现对岩样孔隙的二维和三维结构分布以及实现对岩石中的流体驱替过程的快速检测和有效分析, 进而为岩石微观机制的有效研究, 提供有效的管理保障体制和强有力的手段力度支撑。

在我国的相关研究中, 对基于核磁共振技术的岩石孔隙结构冻融损伤实验进行中, 实现了冻土中的未冻水量的有效管理和测试, 并在有效分析的基础上提出了对于测定过程中, 所进行的相成分曲线的具体实际应用方法, 以在核磁共振技术的作用下实现了对冻土中未冻水和冰之间的关系合理分析, 然后在核磁共振的管理之下实现了模型见的孔渗比和整体参数的关系比对, 进而在几何形式的表达下进行了有效的分析和管理, 在对加压前后的核磁共振现象的具体变化特征进行了分析。

2 基于核磁共振技术的岩石孔隙结构冻融损伤实验研究

在开展有效的实验研究之前, 首先需要实现对岩石冻融过程的分析, 关于其在不同温度状态下的不同存储结构和整体现象。比如在低温状态下, 在岩石出现冻结现象时, 其孔隙内部所存在的水分子也会出现冻结现象, 造成整体体积的膨胀率有所提升, 进而使岩石内部出现较大的微孔隙损伤和拉应力, 使得岩石的缝隙和节理出现加深和扩大;而处于高温状态时, 则会出现岩石内部得到水融现象, 使得其在岩石内部进行微孔隙间的迁移, 并在不同的温度状态下出现反复的冻结和溶解, 使得张力损伤不断加速和强化, 最终造成岩石的整体张开和劈裂。

进行具体的岩石冻融循环实验时, 一般采用的是单轴压缩的实验方式, 在体现出其自身物理性的力学特征状态下, 对实验中冻融岩石的物应力-应变关系、质量变化、风化程度、冻融系数等参数进行分析, 以明确具体实验中的岩石冻融损伤的劣化机理状态说明[3]。在进行花岗岩具体的单轴压缩实验时, 其在冻融后表现出了质量的增加现象, 并且同冻融次数呈现整体性的正比一致关系, 这主要是因为在实验过程中其岩样内部有全新的微孔隙产生, 造成了水分子在岩石内部的迁移活动, 并随着次数的增加, 使花岗岩在具体的单轴抗压强度状态下呈现逐渐弱化降低的趋势, 并且还会出现岩石风化程度系数和冻融系数的逐渐降低。

另外, 在核磁共振技术的特点分析和原理应用以及基本理论支撑下, 能够实现对花岗岩的含水饱和度以及孔隙结构进行分析和测量, 以确保其核磁共振基本特性的分析和研究。并且, 通过成像技术将其微观结构在具体实验活动中进行展示, 以分析花岗岩在不同状态下的成像现象, 进而分析其岩石特性及变化规律和内部的孔隙结构分布现象, 以实现基于核磁共振技术下的冻融循环条件和状态下的变化规律分析, 并在证明实验工作有效性的基础上, 为往后冻融岩石力学的整体研究提供全新的发展建设思路, 实现有效的指导作用。

结束语

本文在对冻融状态下的岩石状态的物理学性质及基本运行理论等情况进行有效的分析, 并在冻融性损伤力学的研究基础上, 通过核磁共振技术和成像分析进行系统化的实验展示, 将其在循环状态下的核磁共振特性及力学性质以及岩石孔隙结构的演化规律进行有效的分析及相关内容的获取, 并在变化规律的演示推动下, 实现对冻融岩石力学的活动建设及方法研究提供全新且明确的思路, 并研究了其质量标准的应用, 因此具有一定的指导演化意义。

参考文献

岩石孔隙篇3

关键词：彩色分割,K-means聚类,L*a*b*颜色空间,形态学处理,孔隙度

0 引言

储层孔隙度是进行油气预测、油气储量计算的重要参数之一,因此准确获取储层的孔隙度是进行地层解释和建立地质模型的基础和关键[1]。在众多求取孔隙度的方法中,岩石孔隙铸体薄片是研究岩石中真实孔隙大小分布的一种方法,在孔隙识别和求取、储层评价等方面具有直观、可视的技术优势。它能清晰地显示出储层空间的微观结构特点及孔隙在储集层中的存在方式,揭示储层中油气分布与孔隙结构、构造之间的关系,为准确识别油气层提供了可靠依据。

1 彩色图像聚类分割

彩色图像分割方法可分以下几类,聚类 (Clustering)、区域分裂(Region Splitting)、分裂-合并(Split - merge)和基于物理的方法(Physics- based Segmentation)。对于一幅彩色图像,可以利用聚类的方法根据颜色视觉上的不同将其划分为一系列相似的部分,即实现了彩色图像分割[2,3]。这种方法是根据图像中像素值,利用统计模式识别中的统计特性找出颜色空间的类,然后将图像中每一像素标识到相应的类,每一类就对应一个区域。

2 K-means 聚类算法

2.1 色彩空间转化

运用K-means聚类对彩色图像进行分割,通常使用的颜色空间有RGB 颜色空间、HSI 颜色空间、L*a*b*颜色空间等。各种颜色模型各有其特点,在RGB 空间中计算颜色的相似度,迭代计算量相对大,而且R,G,B的值存在很大的相关性,往往得不到好的聚类分割效果。采用HSI,HLS,HSV 颜色模型,需要转换颜色空间,空间转换计算相对复杂。L*a*b*颜色空间是均匀颜色空间,也是彩色图像聚类中常采用的颜色模型,更符合人眼的视觉特性。铸体薄片区域颜色非常复杂,难以用单一颜色进行描述,而L*a*b*颜色空间的a*和b*分量是对颜色范围的描述,其色彩空间要比RGB 色彩空间大,能够映射RGB 颜色空间所能描述的所有色彩信息[4],所以本文是在L*a*b*色彩空间进行彩色分割的。由RGB到L*a*b*的转换公式为:

$\begin{array}{l} L * = {\begin{matrix} 116 (Y / Y_{0})^{1 / 3} - 16 ‚ & Y / Y_{0} > 0.008 856 \\ 903.3 (Y / Y_{0})^{1 / 3} ‚ & Y / Y_{0} \leq 0.008 856 \end{matrix} \\ a * = 500 [f (X / X_{0}) - f (f (Y / Y_{0}))] \\ b * = 200 [f (Y / Y_{0}) - f (f (Ζ / Ζ_{0}))] \end{array}$

式中:

$f (t) = {\begin{matrix} t^{1 / 3} ‚ & t > 0.008 856 \\ 7.787 t + 16 / 116 ‚ & t \leq 0.008 856 \end{matrix}$

式中:X0,Y0,Z0是基准白色的三原色值;L*与亮度相联系,a*与红色-绿色相联系;b*与黄色-蓝色相联系。

2.2 K-means算法的基本思路

K-means算法是一种基于硬划分准则,使得每个对象只能划分到一个类中[5]。其核心思想是通过不断迭代,在满足公式(1)的非线性目标函数最小化的条件下,把n个对象Xj(j=1,…,n)构成的数据集分成k个类Ci(i=1,2,…,k),从而使得类内对象具有较高的相似度,类间对象的相似度较低,生成的类尽可能紧凑和独立[6]。

$\begin{array}{l} J = \sum_{i = 1}^{k} J_{i} = \sum_{i = 1}^{k} [\sum_{j, X_{j} \in C_{i}} ∥ X_{j} - C_{i} ∥] \\ = \sum_{i = 1}^{k} [\sum_{X_{j} \in C_{i}} d (X_{j}, C_{i})] (1) \end{array}$

其算法步骤如下:

(1) 确定需要分类的类数k;

(2) 从数据集Xj中随机选取k个对象作为k个类Ci的初始聚类中心Ci(i=1,…,k);

(3) 依次计算对象Xj与这k个聚类中心Ci的距离d(Xj,,Ci),并将对象划分到距离最小的类中;

(4) 分别计算新生成的各个类Ci中所有对象的均值,并作为新的聚类中心;

(5) 计算非线性目标函数,若误差函数变化很小时,结束聚类,否则重复步骤(3)～(5)。

2.3 实例分析及讨论

本次实验图像是选取铸体薄片照片资料中的3幅进行孔隙识别及孔隙度分析预测,利用K-means算法分别对长庆油田塞9井砂岩(Φ=5%)红色铸体薄片、重庆长寿卧龙河卧80井砂屑云岩(Φ=6.61%)蓝色铸体薄片和重庆长寿双龙双4井精细云岩(Φ=14%)蓝色铸体薄片进行图像分割及孔隙度计算。对其经过聚类分割识别的结果如图2所示。从图2可以看出,k-means算法可将铸体图像中的孔隙较好地识别出来,如此就可以很方便地在识别后对图像进行细化求得孔隙所占比例。

3 基于图像分割的铸体图像孔隙度计算

岩石孔隙度即岩样中所有孔隙空间体积之和与该岩样体积的比值[7]。根据体视学理论,三维空间内特征点的特征可以用二维截面内特征点的特征值来表征;用图像分析方法对二维图像进行扫描,并对特征点的像素群进行检测,得到二维图像的特征值。

(1) 图像增强。

经图像信息输入系统获取的源图像中通常都含有各种各样的噪声与畸变,会大大影响图像的质量。因此,在对图像进行分析之前,必须先对图像质量进行改善。通常,采用图像增强的方法对图像进行改善[8]。

(2) 去除噪声。

从图1可以看出,由于铸体图像背景很复杂,孔壁处多有炭沥青充填,经过分割后灰度增强图出现了某些染色炭沥青位于背景较亮的地方,因而显得很模糊,不利于直接进行计算。为此,利用图像标记,根据各区块面积大小来消除图像背景中那些不一致的背景亮度,可以容易地将这些区域去除。并且在去除小区域的同时,对目标区域无论是形状还是面积上都没有任何影响,可以使得在后续特征提取和识别处理中,保证其精度和准确率,为成功地识别目标打下了较好的基础。

(3) 填充目标。

为了图像识别更精确,调用imfill函数分别对4幅二值图像的孔隙进行填充,填充结果如图2所示,通过这些处理,就可以得到图像中的精细结构。

(4) 求得孔隙度。

为了后续的二值图像中目标图像面积计算,需要调用bwperim函数连接断开的边缘像素,这样就可以统计到完整的目标个数。本文通过计算目标面积与整个图像的面积的比值,求得孔隙度。表1是计算机判读值与人工检测方法得到的值的对比表。

人工方法测得的孔隙度经验是宝贵的,但测试环境、设施等客观因素和人本身的主观因素,必然会引入人为随机误差。而基于图像分割的铸体图像孔隙度经计算机判读相对稳定,其出现随机误差的可能性较小。由表1对比结果可知,人工检测方法和计算机判读两种方法求得的孔隙度基本一致,数值较吻合。实验过程中,还发现如果能够增加测试样本的数目,预测的准确性将会得到进一步提高。

4 结语

(1) 分割、计算结果表明,K-means聚类分割算法计算简单,收敛速度快[9],能在彩色图像上取得好的聚类分割效果,为后续面积计算打下好的基础。

(2) 基于图像分割的铸体图像孔隙度计算可以节约实验费用,减少人的工作量并提高工作效率,具有较大的优越性。

(3) 实例表明,预测结果的准确性较高。此方法可以作为一种储层孔隙度定量预测方法,由此预测出的储层孔隙度对于油气资源的勘探开发具有一定的参考价值[10]。

参考文献

[1]赵明,杨光.岩石薄片显微图像技术在现场录井中的应用[J].录井工程,2006(3):19-3.

[2]COLEMAN A,ADERWS H C.Image segmentation byclustering[J].Proc.of IEEE,1979,67(5):773-785.

[3]SARABI A,GGARWAL J A.Segmentation of chromaticimage[J].Pattern Recognition,1981,13(6):417-427.

[4]杜云海.基于L*a*b颜色空间的彩色等差线骨架线的提取[J].河南科学,2008,26(11):1324-1326.

[5]ZALIK K R.An efficient K-means clustering algorithm[J].Pattern Recognition Letters,2008,29(9):1385-1391.

[6]周萍.改进的图像分割遗传K-均值聚类算法[J].海军工程大学学报,2009,21(3):81-84.

[7]何更生.油层物理[M].北京:石油出版社,1994.