Expanding the horizons of core analysis. Panoramic images of thin rock sections

Cover Page

Cite item

Full Text

Abstract

ABSTRACT

Background: Core analysis is a key method for directly evaluating the properties of promising or existing reservoirs. Core data can be used to determine the sedimentological and diagenetic characteristics of rocks, which are critical for assessing their filtration and storage properties. This article presents the findings of a core digitization project, including the application of advanced technologies for analysing high-resolution panoramic images of thin rock sections.

Aim: Development and implementation of digital technologies for automated core analysis, including determining porosity and grain size composition from panoramic images of thin rock sections, aim to enhance research accuracy and efficiency over traditional methods, aligning with academic standards.

Materials and methods: The study describes methods for automated determination of porosity and grain size distribution, as well as their integration with conventional research techniques.

Results: The results demonstrate a significant improvement in analysis accuracy and efficiency compared to manual methods, as supported by statistical data from 147 thin rock sections.

Conclusion: The analysis of 147 thin rock sections from eight wells confirmed the effectiveness of digital analysis techniques, which significantly enhanced the accuracy of determining porosity and grain size composition of rocks. The data obtained served as the basis for developing detailed petrophysical models. This is critical for geological and hydrodynamic modelling. Future work includes the further expansion of digital core databases and the implementation of machine learning algorithms to predict reservoir properties.

About the authors

Zarema M. Doyeva

Atyrau branch of KMG Engineering

Email: Z.Doyeva@kmge.kz
ORCID iD: 0009-0004-4145-6933
Kazakhstan, Atyrau

Tolganay S. Jarassova

Atyrau branch of KMG Engineering

Author for correspondence.
Email: t.jarassova@kmge.kz
ORCID iD: 0000-0002-2900-9872

PhD

Kazakhstan, Atyrau

Renat K. Saudabayev

Atyrau branch of KMG Engineering

Email: R.Saudabayev@kmge.kz
ORCID iD: 0009-0001-7610-1305
Kazakhstan, Atyrau

Rinat B. Merbaev

Atyrau branch of KMG Engineering

Email: R.Merbaev@kmge.kz
ORCID iD: 0009-0003-3483-330X
Kazakhstan, Atyrau

Nikita A. Pronin

Atyrau branch of KMG Engineering

Email: N.Pronin@kmge.kz
ORCID iD: 0009-0008-8686-3523
Kazakhstan, Atyrau

References

  1. Ponomareva YA. Digitizing core testing laboratory equipment. Vesti gazovoy nauki. 2021;1(46):125–128. (In Russ).
  2. Bukharev AY, Budennyy SA, Pachezhertsev AA, et al. Automatic analysis of petrographic thin section images of sandstone. ECMOR XVI – 16th European Conference on the Mathematics of Oil Recovery; 2018 Sept 3–6; Barcelona, Spain. Available from: earthdoc.org/content/papers/10.3997/2214-4609.201802177.
  3. Liu H, Ren Y-L, Li X, et al. Rock thin-section analysis and identification based on artificial intelligent technique. Petroleum Science. 2022;19(4):1605–1621. doi: 10.1016/j.petsci.2022.03.011.
  4. Rubo RA, de Carvalho Carneiro C, Michelon MF, Gioria RDS. Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images. Journal of Petroleum Science and Engineering. 2019;183:106382. doi: 10.1016/j.petrol.2019.106382.
  5. Zinkov AV, Makishin VN. Tsifrovizatsiya kerna: uchebnoye posobiye dlya vuzov. Vladivostok: FEFU; 2023. 73 p. (In Russ).
  6. Idrisova SA, Tugarova MA, Stremichev EV, Belozerov BV. Digital core. Integration of carbonate rocks thin section studies with results of routine core tests. PROneft. Professionally about Oil. 2018;(2):36-41. (In Russ).
  7. Lazeev AN, Timashev EO, Vakhrusheva IA, et al. Digital Core technology development in Rosneft Oil Company. Oil Industry. 2018;11. doi: 10.24887/0028-2448-2018-11-18-22. (In Russ).
  8. Zhukovskaya YA, Lokhanova OD. K voprosu o potentsiale tsifrovizatsii petrografii osadochnykh terrigennykh porod. Exolith – 2020. Lithological schools of Russia. Annual meeting (scientific readings) dedicated to the 215-th anniversary of the Moscow Society of Naturalists; 25–26 May, 2020; Moscow, Russia. Available from: geokniga.org/bookfiles/geokniga-2021-02-11-lythology.pdf. (In Russ).

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Figure 1. Distribution of particles by quantity, area and volume а) количество / quantity; б) площадь / area; в) объём / volume

Download (261KB)
3. Figure 2. Determination of a porous space without and with markers а) без маркеров / without markers; б) с маркерами / with markers

Download (801KB)
4. Figure 3. Distribution of average, maximum and orthogonal diameters а) средние / average; б) максимальные / maximum; в) ортогональные / orthogonal

Download (241KB)
5. Figure 4. Distribution by dimensional and quantitative classes а) Мел / Cretaceous; б) Юра / Jurassic; в) Триас / Triassic

Download (1MB)
6. Figure 5. The ratio of grain diameters and porosity to sampling depth а) максимальные диаметры / maximum diameters; б) минимальные диаметры / minimum diameters; в) пористость / porosity

Download (217KB)

Copyright (c) 2025 Doyeva Z.M., Jarassova T.S., Saudabayev R.K., Merbaev R.B., Pronin N.A.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».