近日，长江大学张宫副教授等的最新成果—基于NMR孔隙度约束与灰度统计特征的致密砂岩CT孔隙提取阈值预测方法(Prediction Method for CT Pore Extraction Thresholds in Tight Sandstone Based on NMR Porosity Constraint and Grayscale Statistical Features)在GeoStorage《地质储存》(英文刊)在线发表。该成果成功将NMR的宏观孔隙度约束与CT的微观结构表征相结合，为致密砂岩数字岩心研究提供了新范式。

全文网址：

https://gs.yandypress.com/index.php/3080-8812/article/view/154/175引用格式：

Wang X, Zhang G, Zhao D. 2026. Prediction Method for CT Pore Extraction Thresholds in Tight Sandstone Based on NMR Porosity Constraint and Grayscale Statistical Features. GeoStorage, 2(3):216-229. doi: 10.46690/gs.2026.03.02

1、研究背景

致密砂岩储层是重要的非常规油气资源，但其孔隙结构复杂，常规CT扫描难以精准提取孔隙。目前，孔隙提取阈值多依赖人工经验，主观性强、误差大。如何客观、准确地确定CT图像的孔隙提取阈值，成为提升储层评价精度的关键瓶颈。 

2、核心内容

1）NMR约束校准：为CT阈值提供“金标准”

      针对传统“双峰法”在致密砂岩单峰灰度分布中失效的问题，本研究创新性地引入核磁共振（NMR）技术。通过对11块岩心进行NMR测试，获得其真实孔隙度，并以此作为约束条件，反向校准CT图像分割的阈值。即：在CT数据中遍历不同阈值，将与NMR实测孔隙度偏差最小者确定为该岩心的“校准阈值”。这一方法为后续建模提供了可靠的训练标签，有效避免了人为选择的随意性。

      2) 灰度特征挖掘：从统计规律中寻找关联

      研究团队深入分析了CT图像的灰度分布特征，提取了均值、中位数、众数、标准差和峰度共5个统计参数。分析发现，均值、中位数和众数与孔隙提取阈值呈极强正相关（相关系数>0.94），峰度次之（0.82）。这表明，岩心整体的密度集中趋势和分布形态，与最佳分割阈值存在内在的物理联系，为数据驱动建模奠定了基础。

      3）岭回归建模：实现阈值的智能预测      基于上述发现，研究构建了带L2正则化的岭回归模型，以5个灰度特征为输入，NMR校准后的阈值为输出。模型在训练集上表现优异（R²=0.984，平均绝对百分比误差仅0.69%），5折交叉验证R²仍达0.858，显示出良好的泛化能力。这意味着，未来只需对新岩心的CT图像进行灰度统计，即可快速、准确地预测其孔隙提取阈值，无需再做NMR实验。

      4）结果验证：预测孔隙度与实测高度一致

      使用该模型预测的阈值进行孔隙提取，所得CT孔隙度与NMR实测孔隙度高度吻合，相关系数达0.89，绝对误差小。这证明该方法不仅能准确预测阈值，更能保证最终孔隙度结果的可靠性，显著提升了数字岩心表征的客观性与重复性。

       5) 未来展望

      该成果将NMR的宏观孔隙度约束与CT的微观结构表征相结合，为致密砂岩数字岩心研究提供了新范式。未来可进一步融合纳米CT、压汞等多尺度数据，构建跨尺度的阈值预测体系，实现对致密储层全尺度孔隙结构的更完整刻画，助力非常规油气的高效勘探与开发。 

3、作者简介

第一作者：王茜（2002-），女，长江大学地球物理与石油资源学院大数据技术与工程专业硕士研究生，研究方向为核磁共振原理与应用、数字岩心图像处理。

通讯作者：张宫（1987-），男，博士、长江大学地球物理与石油资源学院副教授、硕士生导师。长期致力于智能油气勘探中多模态微观大数据的综合应用研究，在核磁共振(NMR)技术应用方面具有国际领先的研究成果，包括NMR测井、NMR岩心实验数据处理解释，及NMR相关的软件开发。参与国家油气重大专项项目2项，主持NMR技术相关科研项目20余项，发表NMR技术相关科研论文20余篇，获部级科技奖励3项，省部级专利金奖、银奖各1项，厅局级科技奖励一等奖2项。

支持单位：