《ACS Omega》：Quantification and Evaluation of Low-Pressure Nitrogen Sorption Hysteresis in Marine-Terrestrial Shale Reservoirs
编辑推荐：
本文创新性地将计算机视觉图像识别技术与径向基函数（RBF）神经网络模型相结合，首次实现了对海陆过渡相页岩低压氮气吸附（LP-N2GA）滞后回线面积指数（AHI）的精准量化和高精度预测（准确率达97.6%）。研究揭示了页岩复杂微观孔隙结构（尤其是中孔）引起的毛细管凝聚是吸附滞后（Sorption Hysteresis）的主控因素，为深入理解页岩气赋存与运移机制提供了重要的理论依据。
引言
能源革命对于实现碳中和目标与推进生态可持续性至关重要。作为一种清洁、高效且用途广泛的能源，页岩气在推动全球能源转型中扮演着关键角色。根据沉积环境，页岩气储层可分为海相页岩、海陆过渡相页岩和陆相页岩三种类型。其中，海陆过渡相页岩因其频繁的沉积环境变迁、叠置的多岩性旋回和多样化的物源组分而具有独特的特征，形成了独特的页岩气储层。在微观尺度上，海陆过渡相页岩复杂的微观孔隙结构引发了毛细管凝聚现象，进而对页岩气的运移行为产生深远影响。当前研究采用多种技术对非常规储层的微观孔隙结构进行定性和定量表征。其中，低压氮气吸附（LP-N2GA）已成为广泛用于确定中孔（介孔）的孔径分布和结构参数的方法，而中孔被认为是多孔介质中毛细管凝聚的主要贡献者。LP-N2GA等温线中滞后回线的存在是毛细管凝聚的确证证据，回线大小直接反映了该现象的强度及其对气体流动阻力的影响。然而，由于技术和理论限制，直接测量低孔低渗非常规储层中的毛细管力仍然具有挑战性。因此，滞后回线的定量表征为评估毛细管凝聚强度提供了一种间接而有效的方法。
材料、方法与理论
本研究选取沁水盆地中东部榆社-武乡区块ZK8井的新鲜钻孔岩心作为研究对象，系统采集了9个页岩岩心样品（编号YP-1至YP-9）。首先对样品进行了地球化学（RockEval-6）和矿物学（X射线衍射，XRD）表征，随后使用Micromeritics Tristar II 3020仪器进行了低温液氮吸附实验。实验温度为77.5 K，相对压力（P/P0）范围为0.001至0.995。
在理论与方法方面，本研究引入了面积滞后指数（AHI）来量化吸附滞后程度，其定义为吸附曲线与脱附曲线所围面积之差与吸附曲线下面积的比值（AHI = (Ade- Aad)/Aad）。针对海陆过渡相页岩LP-N2GA等温线形态高度不规则的特点，创新性地应用了基于计算机视觉的图像识别技术来精确计算AHI。该技术流程包括图像二值化（采用Otsu算法确定阈值）、连通区域标记（使用Bwlabel函数生成标签矩阵Z）以及区域面积计算（利用regionprops函数），从而绕过了传统数学拟合和积分的局限性。
为了评估孔隙结构的非均质性，研究采用了Frenkel-Halsey-Hill（FHH）分形模型，根据吸附机制的不同将相对压力分为两个阶段：低压阶段（P/P0< 0.5）计算表面分形维数（D1），表征孔隙表面粗糙度；高压阶段（P/P0> 0.5）计算结构分形维数（D2），表征孔隙体系的自相似性。分形维数值越接近3，表明孔隙结构越粗糙、非均质性越强。
鉴于LP-N2GA吸附滞后受多因素协同控制，研究构建了径向基函数（RBF）神经网络预测模型。该模型包含输入层、隐藏层和输出层三层拓扑结构，隐藏层采用高斯函数作为激活函数（bh= exp(-‖x - ch‖2/ 2σh2)），通过对隐藏层输出进行线性加权（yj= Σωjh·bh）得到预测结果。该模型在小样本数据集下具有收敛速度快、鲁棒性强的优点。
结果
有机-无机组分
矿物组分分析表明，页岩样品的主要无机组分为粘土矿物（含量22.0%~57.9%，平均43.0%）和石英（含量27.6%~70.6%，平均44.3%），它们构成了页岩的主要基质。样品YP-1、YP-2、YP-7和YP-9表现出较高的石英富集。样品YP-6的白云石含量达到25.1%，显著高于其他样品。总有机碳（TOC）含量范围为1.05%至3.26%，平均为1.82%，表明页岩储层具有良好的生烃潜力。纵向上，有机-无机组分未显示出明显的递变趋势，表明缺乏统一的垂向分布模式。
微观孔隙类型与连通性分析
LP-N2GA曲线定性揭示了页岩样品的孔隙形态。所有测试样品均表现出明显的吸附滞后现象。根据AHI值，样品可分为两组：A组（YP-1, YP-2, YP-7, YP-9）滞后回线较窄，在脱附拐点（P/P0≈ 0.5）处脱附量有限，对应Deboer分类中的D型和IUPAC分类中的H3型，表明其孔隙系统以狭缝形和楔形孔为主，连通性好。B组（YP-3, YP-4, YP-5, YP-6, YP-8）在低压区吸附/脱附曲线接近重合，表明狭缝形微孔发育良好；但在中高压区表现出宽阔的滞后回线，对应Deboer分类中B型和D型的组合以及IUPAC分类中的H1和H2型，表明其孔隙系统以墨水瓶孔和狭缝形孔为主，连通性较差。
孔隙结构与非均质性
基于BJH模型的孔径分布曲线显示，样品在3 nm和30 nm附近出现双峰，表明中孔发育良好。孔隙结构参数显示，BET比表面积范围为2.50至12.04 m2/g，平均孔径介于3.85至5.92 nm之间，总孔体积范围为0.1047至0.3020 cm3/g。中孔体积占总孔体积的84.97%至90.52%，是中孔最发育的孔隙类型。A组样品的各项孔隙结构参数普遍低于B组样品。
分形维数计算结果显示，所有样品的分形维数均在2至3之间，具有显著的分形特征。具体而言，吸附支的表面分形维数D1为2.584~2.620，结构分形维数D2为2.689~2.795；脱附支的D1为2.622~2.750，D2为2.738~2.933。在所有样品中，D2均 consistently 大于 D1，表明随着孔隙尺度增大，非均质性增强。
LP-N2GA滞后AHI定量计算
基于图像识别技术计算的AHI值范围为0.196至0.310，平均值为0.245。以平均值为界，A组样品AHI值较低，B组样品AHI值较高。B组样品具有更复杂的孔隙系统和更大的滞后程度，其孔隙形态以墨水瓶孔为主；而A组样品孔隙发育均匀，孔径分布均一，孔隙形态以狭缝形孔为主。
讨论
吸附滞后行为的地质控制因素
有机-无机组分的影响
相关性分析表明，AHI与TOC和粘土矿物含量呈正相关，与石英含量呈负相关。有机质生烃过程产生大量纳米级有机孔，粘土矿物发育丰富的粒内孔，二者增强了微观孔隙结构的复杂性和非均质性。此外，有机质和粘土矿物表面的范德华力有利于成岩过程中异源矿物的充填，可能堵塞孔隙和裂缝，限制气体流动性能。因此，高TOC和高粘土矿物含量的海陆过渡相页岩更容易表现出加剧的吸附滞后。相反，石英作为刚性矿物，其粒间孔和边缘微裂缝相对较大，孔缝连通性好，导致气体吸附能力较弱，有利于气体运移，从而减弱吸附滞后效应。
孔隙结构的影响
AHI与比表面积和孔体积呈显著正相关，与平均孔径相关性较弱。更大的比表面积提供了更多的吸附位点，使气体分子更难从吸附位点脱附，从而加剧滞后效应。连通孔体积是控制气体吸附/脱附过程及相关微观作用机制的关键因素。AHI与总孔体积密切相关（R2= 0.89）。进一步分析显示，LP-N2GA吸附滞后随着微孔、中孔和大孔体积的增加而增强。其中，中孔与AHI的关系最为显著，其次是微孔。这主要是因为海陆过渡相页岩以中孔为主，更易发生毛细管凝聚。一旦气体分子在中孔内形成多层吸附，毛细管力使得气体在脱附过程中难以从吸附位点脱附，从而加剧了吸附滞后。
孔隙结构非均质性的控制作用
孔隙结构的表面分形维数D1和结构分形维数D2均与AHI呈中度正相关。更高的分形维数对应更粗糙的孔隙表面和更强的孔隙体系结构非均质性。粗糙表面在吸附过程中为气体分子克服额外能量势垒创造了条件，而在脱附过程中，气体分子依次从低能吸附位点开始脱附。对于吸附在高能位点的气体，需要额外能量来穿越孔隙系统的狭窄喉道并克服吸附力，从而产生滞后行为。
吸附滞后的定量预测模型构建
鉴于LP-N2GA吸附滞后的多因素性，研究建立了基于RBF神经网络的AHI定量预测模型。采用皮尔逊相关系数分析各因素重要性，确定比表面积、孔体积、中孔体积、微孔体积（孔隙结构参数）和TOC含量（矿物组分）为最重要的五个影响因素。采用5折交叉验证法划分数据集，以平均绝对误差（MAE）和平均绝对百分比误差（MAPE）作为评估指标。模拟结果表明，当输入因子数量为5时，模型预测精度最高，达到97.6%，预测值与实际值最大偏差仅为0.015。输入因子过少易导致过拟合，过多则会使预测误差增大。
结论
- 1.
海陆过渡相页岩样品组分复杂，孔隙结构具有显著的多尺度特征，中孔是总孔体积的主要贡献者。分形分析表明，结构分形维数D2consistently 大于表面分形维数D1，反映了较大尺度孔隙相关的更复杂孔隙结构。
- 2.
应用计算机图像识别技术成功量化了LP-N2GA吸附滞后程度（AHI）。根据AHI值将样品分为A组（低AHI，孔隙结构参数较小，孔径分布均匀）和B组（高AHI，孔隙结构参数较大，孔径分布分散）。矿物组分、孔隙系统和孔隙结构非均质性对AHI存在多方面的控制影响。
- 3.
针对LP-N2GA吸附滞后的多因素协同控制特性，开发了基于RBF神经网络的定量预测模型。选取比表面积、孔体积、中孔体积、微孔体积和TOC含量作为输入变量，模型预测精度最高可达97.6%，为评估海陆过渡相页岩气储层和预测地质甜点提供了科学依据。
