Particle size distribution analysis of mudstone based on digital image processing
Notice bibliographique
Résumé
Abstract Mudstone is becoming increasingly important for unconventional oil and gas development. The morphological characteristics of clastic are not only contributions to the 3D framework of mudstone, but they can clearly affect the physical properties of a mudstone reservoir, including surface area, pore-size distribution, and porosity. However, it is very difficult and time-consuming to measure the particle size distribution (PSD) of mudstone because of its small particle size and strong cementation. However, because of the importance of oil and gas extraction, it is urgent to develop a fast, accurate, and objective analysis method to measure the PSD of mudstone. Based on a comparison of various PSD measurement methods commonly used in the energy industry and geology, the best PSD measurement method for mudstone should be digital image processing. Two imaging methods, trainable Weka segmentation (TWS) and black mudstone particle size measurement, were used to analyze sections of the early Silurian Longmaxi mudstone of China’s Sichuan Basin. The PSD data obtained by manual measurement, TWS, and the contribution method are compared. Image analysis finds that the particle sizes of all samples fall in the range of coarse silt to clay, and the average sizes fall in the range of coarse silt to fine silt. The skewness, kurtosis, standard deviation, and other distribution characteristics parameters find minor errors, and the relative error is less than 15%. The Pearson correlation coefficient of the 10th quantile of TWS, black mudstone particle size measure, and manual measurement were calculated, which found R2 values typically ranging between 0.64 and 0.87. Kolmogorov-Smirnov test results find that the data obtained by the three measurement methods are from the same distribution at the level of 0.05. Analytic results find that the method presented is effective, cost-efficient, and could avoid artificial errors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».