本发明涉及纳米材料领域、石油天然气勘探与开发领域，具体涉及一种核磁共振确定孔隙介质毛管压力的方法和装置，尤其涉及一种将纳米材料及天然页岩等孔隙介质的核磁共振横向弛豫时间T2谱转换成毛管压力曲线的方法和装置。
背景技术：
毛管压力曲线能够表征岩石的毛管压力性质、求取储层的含油饱和度等，是油藏相渗评价的关键参数。对毛管压力曲线的研究是油藏研究的一项基础工作，在实际生产中具有重要的意义。但是，由于在井下作业时，并没有测井仪器可直接测量毛管压力曲线，因此需要通过其它方法间接获得毛管压力曲线。
采用核磁共振横向弛豫时间T2谱(核磁共振T2谱曲线)转换成毛管压力曲线，是目前实际作业中最常采取的手段，具体包括：首先通过相似对比法，获得每块岩样的核磁共振横向弛豫时间T2谱与压汞曲线之间的横向转换系数；并通过分段等面积对比法，获得每块岩样的核磁共振横向弛豫时间T2谱与压汞曲线之间的纵向转换系数；然后根据上述横向转换系数和纵向转换系数，获得伪毛管压力曲线，比如中国专利申请201310160973.7就记载了采用上述手段获得伪毛管压力曲线的详细步骤，并根据伪毛管压力曲线计算致密砂岩储层渗透率的方案。
但是，目前大部分利用核磁共振横向弛豫时间T2谱评价毛管压力曲线的方法，都是基于核磁共振横向弛豫时间T2谱横向弛豫时间与孔径分布之间具有如下的线性相关性：
上述式(1)中，PC代表毛管压力，MPa；C代表横向转换系数，无量纲；T2代表核磁共振横向弛豫时间T2谱横向弛豫时间，ms。
但是，由于实际地层孔隙结构十分复杂，简单的利用上述线性关系来确定毛管压力曲线，往往会出现较大的误差，并且，孔径越小，误差就越大。
技术实现要素：
针对现有技术中的上述缺陷，本发明提供一种核磁共振确定孔隙介质毛管压力的方法和装置，采用多个训练样品建立核磁共振横向弛豫时间T2谱与氮吸附-实测毛管压力曲线的特征参数之间的映射关系，实现了对待测样品毛管压力曲线的准确预测，尤其可用于准确预测具有纳米级孔径的待测样品的毛管压力曲线。
本发明首先提供一种核磁共振确定孔隙介质毛管压力的方法，包括：
提供多个训练样品；
测量每个训练样品的氮吸附孔径和吸附量，并根据氮吸附孔径与吸附量之间的对应关系，得到氮吸附孔径与毛管压力之间的对应关系，作为每个所述训练样品的氮吸附毛管压力曲线；
测量每个训练样品的毛管压力曲线，作为实测毛管压力曲线；
根据氮吸附毛管压力曲线和实测毛管压力曲线，获得每个训练样品的氮吸附-实测毛管压力曲线，并提取氮吸附-实测毛管压力曲线的特征参数；
测量每个训练样品的核磁共振横向弛豫时间T2谱，并根据上述特征参数，建立核磁共振横向弛豫时间T2谱与特征参数之间的映射关系，其中，该特征参数包括几何因子和最大汞体积、以及排驱压力和/或中值压力；
提供待测样品，并获得该待测样品的核磁共振横向弛豫时间T2谱，根据上述映射关系，确定该待测样品的毛管压力曲线。
本发明是通过采用多个训练样品，建立核磁共振横向弛豫时间T2谱与氮吸附-实测毛管压力曲线的特征参数之间的映射关系，实际上是将核磁共振横向弛豫时间T2谱作为输入数据集，将特征参数作为输出数据集，建立输入数据集和输出数据集之间的映射关系模型。在获取了待测样品的核磁共振横向弛豫时间T2谱后，即可根据上述映射关系模型，获得该待测样品所对应的特征参数，从而确定该待测样品的毛管压力曲线，即实现了核磁共振横向弛豫时间T2谱至毛管压力曲线的转换。
由此可见，上述多个训练样品，实际上类似于机器学习领域中的“训练集”的概念，可以理解，训练样品的数量越多，最终所建立的映射关系就越准确，通常情况下，训练样品的数量不少于3个。
不难理解，上述训练样品和待测样品均应该是孔隙介质。并且，发明人研究发现，本发明所提供的上述方法，更适合预测具有纳米级孔隙的待测样品(或称为纳米孔隙介质)的毛管压力曲线，即待测样品中具有不超过1000nm的孔隙，尤其适合以微孔及介孔级别孔径为主体孔径的待测样品，比如页岩或致密砂岩。所选择的训练样品，与待测样品的孔隙结构最好较为接近，即训练样品的也具有不超过1000nm的孔隙，尤其是具有微孔及介孔级别孔径的训练样品，比如页岩或致密砂岩。
根据国际纯粹与应用化学协会(IUPAC)的定义，孔径小于2nm的称为微孔；孔径在2nm～50nm的称为介孔(或中孔)。可以理解，采用具有不超过100nm的孔隙的训练样品对于获得准确的训练集是有利的，比如具有微孔及介孔级别孔径的待测样品。
具体的，可采用氮吸附法，测量每个训练样品的氮吸附孔径和吸附量，以获得氮吸附孔径与吸附量之间的对应关系，即氮吸附孔径与饱和度之间的对应关系。
氮吸附法是利用氮气的等温吸附特性：在液氮温度下，氮气在固体表面的吸附量随氮气相对压力(氮气分压/在液氮温度下氮气的饱和蒸气压，即P/P0)而变的特性，当P/P0在0.05～0.35范围内时符合BET方程；当P/P0≥0.4时，会产生毛细凝聚现象，利用这一吸附特性可以测定氮吸附孔径分布。
为进一步获得氮吸附毛管压力曲线，即毛管压力与饱和度(或毛管压力与吸附量)之间的对应关系，在本发明具体实施过程中，是采用沃什伯恩方程(Washburn方程)实现。其中Washburn方程如下：
上述式(2)中，P代表毛管压力，MPa，γ代表汞的表面张力psi·cm；θ代表接触角，°；r代表孔隙半径。
发明人研究发现，采用Washburn方程，将氮吸附孔径和吸附量之间的对应关系转换为氮吸附孔径与毛管压力之间的对应关系，在较小孔径的部分，比如孔径小于20nm的部分，氮吸附毛管压力曲线更能真实的反映孔隙结构。
根据上述氮吸附毛管压力曲线和实测毛管压力曲线，可获得每个训练样品的氮吸附-实测毛管压力曲线，具体包括：将氮吸附毛管压力曲线和实测毛管压力曲线进行拼接，获得每个训练样品的氮吸附-实测毛管压力曲线。其中，对于孔径相对较小的部分，选择氮吸附毛管压力曲线，对于孔径相对较大的部分，选择实测毛管压力曲线。具体的，拼接点可根据训练样品的孔隙系统特征确定，一般情况下，拼接点取自10nm～20nm范围内的一个数值。在具体实施过程中，通常氮吸附毛管压力曲线和实测毛管压力曲线的横坐标为饱和度(％)，纵坐标为毛管压力(MPa)，通过沃什伯恩方程(Washburn方程)将拼接点孔径转换为对应的压力，并在重构毛管压力曲线上找到对应点。
获得上述氮吸附-实测毛管压力曲线后，即可将该氮吸附-实测毛管压力曲线拆分为多个双曲线，并提取每个双曲线的特征参数。具体的，可根据汤姆米尔双曲线模型(Thomeer双曲线模型)，将氮吸附-实测毛管压力曲线拆分为多个双曲线，并提取每个双曲线的特征参数。比如可通过实测毛管压力曲线，确定好渐近线位置，然后直接在实验数据中读取最大汞体积，中值压力或排驱压力等渐进线参数。
其中，汤姆米尔双曲线模型的公式如式(3)所示：
上述式(3)中，(Vb)Pc代表任意压力下对应的体积，m3；(Vb)P∞代表最大汞体积，m3；几何因子G；Pd代表排驱压力或中值压力，MPa
发明人假设氮吸附-实测毛管压力曲线是由多个双曲线叠加或者说拼接而成，根据Thomeer双曲线模型，可识别每个双曲线并确定双曲线的个数。一般情况下，对于较为复杂的孔隙结构，比如所选择的训练样品为纳米材料，尤其是页岩或碳酸岩，可通过将两条、三条或者更多双曲线组合，表达真实的毛管压力曲线。
具体的，上述每个双曲线的特征参数可以包括最大汞体积(Vb)P∞、排驱压力Pd和几何因子G；或者，上述特征参数也可以包括最大汞体积(Vb)P∞、中值压力Pd和几何因子G；再或者，上述特征参数也可以包括最大汞体积(Vb)P∞、排驱压力Pd、中值压力和几何因子G。通过上述特征参数，能够充分确定双曲线的位置和形状，其中最大汞体积和排驱压力(或中值压力)可用于代表双曲线的渐近线，而几何因子可用于代表双曲线的形状。
比如将该氮吸附-实测毛管压力曲线拆分为三条双曲线，每个双曲线至少具有三个特征参数：最大汞体积(Vb)P∞、排驱压力Pd和几何因子G，则该氮吸附-实测毛管压力曲线具有九个特征参数，该九个特征参数能够充分表征氮吸附-实测毛管压力曲线。
根据待测样品的核磁共振横向弛豫时间T2谱，以及上述特征参数，即可建立核磁共振横向弛豫时间T2谱与特征参数之间的映射关系。具体的，可采用神经网络法，实现上述核磁弛豫T2谱与特征参数之间映射关系的建立。在本发明具体实施过程中，是采用径向基函数神经网络法实现，其中径向基函数如式(4)所示：
具体的，是以多个训练样品的核磁共振横向弛豫时间T2谱的全部幅度值A为输入数据集，特征参数为输出数据集，根据径向基函数建立输入数据与输出数据之间的映射。其中式(4)中，代表核磁共振横向弛豫时间T2谱的分布幅度，SA是径向基函数的宽度。
如上所述，上述多个训练样品，实际上类似于训练集，训练样品数量越多，越有利于在上述输入数据与输出数据之间建立更准确的映射。在本发明具体实施过程中，可将测试样品也当作训练样品，即，利用已经确定毛管压力曲线的待测样品循环作为训练样品，以对上述采用多个训练样品所建立的映射关系进行修正。具体的，是在确定了待测样品的毛管压力曲线之后，继续进行下述步骤：
测量该测试样品的氮吸附孔径和吸附量，并根据该氮吸附孔径和吸附量，得到该测试样品所对应的氮吸附毛管压力曲线；
测量并得到该测试样品的实测毛管压力曲线；
根据测试样品的氮吸附毛管压力曲线和实测毛管压力曲线，获得测试样品的氮吸附-实测毛管压力曲线，并提取氮吸附-实测毛管压力曲线的特征参数；
根据测试样品的核磁共振横向弛豫时间T2谱，以及该测试样品所对应的特征参数，并根据多个训练样品的核磁共振横向弛豫时间T2谱及特征参数，建立核磁共振横向弛豫时间T2谱与特征参数之间新的映射关系。
可以理解，随着测试样品的数量不断增加和循环作为训练样品，上述映射关系被不断地修正与完善，得到的新的映射关系能够更加真实、准确的反应核磁共振横向弛豫时间T2谱与实际毛管压力曲线之间的关系，从而能够准确的预测新的测试样品的毛管压力曲线。
本发明最后提供一种核磁共振确定孔隙介质毛管压力的装置，包括：处理器、用于存储处理器可执行指令的存储器；
其中，上述处理器被配置为：
根据测量获得的多个训练样品的氮吸附孔径和吸附量，得到氮吸附孔径与毛管压力之间的对应关系，作为每个训练样品的氮吸附毛管压力曲线；
将测量得到的每个训练样品的毛管压力曲线，作为实测毛管压力曲线；
根据实测毛管压力曲线和氮吸附毛管压力曲线，获得每个训练样品的氮吸附-实测毛管压力曲线，并提取氮吸附-实测毛管压力曲线的特征参数，其中，特征参数包括几何因子和最大汞体积、以及排驱压力和/或中值压力；
根据测量获得的所述训练样品的核磁共振横向弛豫时间T2谱，以及上述特征参数，建立核磁共振横向弛豫时间T2谱与特征参数之间的映射关系；
根据测量获得的待测样品的核磁共振横向弛豫时间T2谱，采用上述映射关系，确定该待测样品的毛管压力曲线。
本发明提供了一种核磁共振确定孔隙介质毛管压力的方法，通过获得多个训练样品的氮吸附毛管压力曲线和实测毛管压力曲线，获得氮吸附-实测毛管压力曲线并提取该氮吸附-实测毛管压力曲线的特征参数，建立核磁共振横向弛豫时间T2谱与特征参数之间的映射关系，从而能够根据该映射关系，以及待测样品的核磁共振横向弛豫时间T2谱，准确预测待测样品的毛管压力曲线。
本发明所提供的上述方法，能够提高核磁共振T2谱转换为毛管压力曲线的精确度，更能准确的反应纳米尺度的孔隙结构，即待测样品中具有不超过1000nm的孔隙，尤其适合以微孔及介孔级别孔径为主体孔径的待测样品，比如页岩或致密砂岩，能够获得更为精确的毛管压力曲线。
并且，上述方法，仅通过待测样品的核磁共振横向弛豫时间T2谱，即可得到准确的毛管压力曲线，由于核磁共振测量速度较快，并且该确定方法操作较为简单，因此更适合于井下实时进行的测井工程，而无需进行传统的取芯作业等，提高了生产效率并节约了生产成本；
同时，上述方法，由于不断增加的测试样品可作为训练样品，不断对已建立的映射关系进行修正，从而能够有利于获得更为准确的毛管压力曲线。
附图说明
图1为本发明实施例中提供的核磁共振确定孔隙介质毛管压力的方法的流程图；
图2为本发明实施例一中提供的实测毛管压力曲线与氮吸附-实测毛管压力曲线的对比图；
图3为本发明实施例一中提供的实测毛管压力曲线、氮吸附-实测毛管压力曲线以及核磁共振毛管压力的对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
实施例一
本实施例提供一种核磁共振确定孔隙介质毛管压力的方法，如图1所示，该方法包括：
(1)提供多个训练样品(N个训练样品)；
(2)测量每个训练样品的氮吸附孔径和吸附量，并根据氮吸附孔径和吸附量，得到氮吸附孔径与毛管压力之间的对应关系，作为每个训练样品所对应的氮吸附毛管压力曲线；
(3)测量并获得每个训练样品的毛管压力曲线，作为实测毛管压力曲线；
(4)根据氮吸附毛管压力曲线和实测毛管压力曲线，获得每个训练样品的氮吸附-实测毛管压力曲线，并提取氮吸附-实测毛管压力曲线的特征参数；
(5)测量每个训练样品的核磁共振横向弛豫时间T2谱，并根据上述特征参数，建立核磁共振横向弛豫时间T2谱与特征参数之间的映射关系；
(6)提供待测样品，并获得该待测样品的核磁共振横向弛豫时间T2谱，根据上述映射关系，确定该待测样品的毛管压力曲线。
其中，上述测量每个训练样品的氮吸附孔径和吸附量、毛管压力曲线以及核磁共振横向弛豫时间T2谱，可分别同时进行，也可依序进行，不做特别限定。
具体的，上述N个训练样品，其中N≥3，比如N＝4；每个训练样品具体可以是纳米孔隙介质，即该训练样品具有不超过1000nm的孔隙，比如天然页岩材料。
采用氮吸附法，测量每个训练样品的氮吸附孔径和吸附量，并获得每个训练样品的氮吸附孔径与吸附量之间的对应关系，然后可根据Washburn方程，即式(2)，将氮吸附孔径与吸附量之间的对应关系，转换为毛管压力与饱和度之间的对应关系，得到氮吸附毛管压力曲线。
在步骤(3)中，具体采用压汞法，测量并获得每个训练样品的实测毛管压力曲线，如图2所示。
在步骤(4)中，是将上述步骤(2)中获得的氮吸附毛管压力曲线和步骤(3)中获得的实测毛管压力曲线进行拼接，其中，拼接点为取自10nm～20nm范围内的一个数值，比如15nm、16nm、17nm等。本实施例中，得到的氮吸附-实测毛管压力曲线如图2所示。
根据图2的对比结果可知，在小孔部分，即横坐标的饱和度为80％～100％所对应的部分，实测毛管压力曲线与氮吸附-实测毛管压力曲线之间存在着明显的差异，这是由于氮吸附更好的表征了小孔的孔隙结构。
根据Thomeer双曲线模型，即式(3)，将氮吸附-实测毛管压力曲线拆分为多个双曲线，比如拆分为三个双曲线，并提取每个双曲线的特征参数：几何因子G、最大汞体积(Vb)P∞和排驱压力，共得到九个特征参数。
在步骤(5)中，根据上述九个特征参数和核磁共振横向弛豫时间T2谱，采用径向基函数神经网络法，建立核磁共振横向弛豫时间T2谱与特征参数之间的映射关系，具体包括：
以每个训练样品的核磁共振横向弛豫时间T2谱的全部幅度值A为输入数据集，每个训练样品所对应的九个特征参数为输出数据集，通过径向基函数，即式(4)，建立输入数据与输出数据之间的映射。
在步骤(6)中，将待测样品的核磁共振横向弛豫时间T2谱，根据上述映射关系，预测得到待测样品所对应的双曲线模型参数，进而确定该待测样品的毛管压力曲线。
图3是实测毛管压力曲线、氮吸附-实测毛管压力曲线以及核磁共振毛管压力的对比图，由图3可知，预测得到的核磁共振毛管压力曲线与重构毛管压力曲线重合的很好，在大于饱和度95％处，核磁共振毛管压力曲线与重构毛管压力曲线略有差异，但不明显。
实施例二
本实施例提供一种核磁共振确定孔隙介质毛管压力的方法，其是在实施例一的步骤(1)至步骤(6)的基础上进一步增加了步骤(7)和步骤(8)，如图1所示，该方法具体包括：
(7)将确定了毛管压力曲线的待测样品作为第N+1个训练样品，按照步骤(2)至步骤(5)，提取该待测样品(即第N+1个训练样品)所对应的特征参数，并针对所有N+1个训练样品，重新建立核磁共振横向弛豫时间T2谱与特征参数之间的映射关系，也就是对实施例一中所建立的映射关系进行了修正与进一步完善。
(8)提供另一待测样品，获得该待测样品的核磁共振横向弛豫时间T2谱，并根据上述新建立的映射关系，确定该待测样品的毛管压力曲线。
实施例三
本实施例提供一种核磁共振确定孔隙介质毛管压力的装置，包括：处理器、用于存储处理器可执行指令的存储器；
其中，上述处理器被配置为：
根据测量获得的多个训练样品的氮吸附孔径和吸附量，得到氮吸附孔径与毛管压力之间的对应关系，作为每个训练样品所对应的氮吸附毛管压力曲线；
将测量得到的每个训练样品的毛管压力曲线，作为实测毛管压力曲线；
根据实测毛管压力曲线和氮吸附毛管压力曲线，获得每个训练样品的氮吸附-实测毛管压力曲线，并提取氮吸附-实测毛管压力曲线的特征参数，其中，特征参数包括几何因子和最大汞体积、以及排驱压力和/或中值压力；
根据测量获得的每个训练样品的核磁共振横向弛豫时间T2谱，以及上述特征参数，建立核磁共振横向弛豫时间T2谱与特征参数之间的映射关系；
根据测量获得的待测样品的核磁共振横向弛豫时间T2谱，采用上述映射关系，确定该待测样品的毛管压力曲线。
具体的，上述处理器在执行上述指令以实现对应的功能时，可参照实施例一中所提供的相应算法或者模型进行，在此不赘述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。