随着我国近海油气勘探的持续推进，深层致密气储层已成为增储上产的重要目标。然而，此类储层埋藏深、非均质性强，微观孔隙结构极为复杂，传统表征方法多依赖单一尺度观测，难以系统刻画孔隙形态与孔喉分布特征，也较难定量表征不同尺度孔隙的分形规律，制约了储层评价精度的进一步提升。近年来，人工智能与深度学习方法在图像分割和模式识别中展现出显著优势，但将其与多尺度分形理论系统结合、用于深层致密砂岩微观孔隙结构表征的研究仍相对有限。本研究以东海西湖凹陷花港组深层致密砂岩储层为对象，提出AI-PRCSF方法，将深度学习图像分割与形态聚类相结合，联动扫描电镜和高压压汞等室内测试资料，对储层微观孔隙结构开展系统的多尺度分形表征，并探讨沉积—成岩耦合作用对储层质量的控制机制。
图1 基于AI-PRCSF方法的分形分析流程
研究结果表明，AI-PRCSF方法可实现微观孔隙的高精度自动识别与形态分类。总分形维数Dtotal与孔隙度和渗透率之间呈倒U型关系，当Dtotal接近2.6时储层物性最优，可作为深层致密砂岩储层质量评价的定量阈值指标。基于孔隙结构、分形特征与成岩作用耦合分析，建立了东海盆地深层致密砂岩储层质量与多维分形一般模式。
图2 东海盆地深层致密砂岩储层质量与多维分形一般模式
研究成果近期发表在地球科学领域国际著名期刊Marine Geoscience and Energy Resources，获得中国石油大学（华东）研究生创新基金项目（No. 26CX04014A）、AAPG全球助研金（Fred A. and Jean Dix Named Grant）以及国家科技重大专项（No. 2025ZD1402901-02）等基金资助。
论文第一作者为张宪国教授团队李霄博士，通讯作者为中国石油大学（华东）张宪国教授。合作者包括东北石油大学三亚海洋油气研究院卢双舫教授、李文镖教授以及中国石油大学（华东）刘华峰、崔鑫峰和高秀浩。
文章信息：Xiao Li, Xianguo Zhang*, Shuangfang Lu, Wenbiao Li, Huafeng Liu, Xinfeng Cui, Xiuhao Gao. Microscopic Pore Structure and Multi-Scale Fractal Characteristics in Deep Tight Gas Reservoirs: Huagang Formation, Xihu Depression, East China Sea Basin. Marine Geoscience and Energy Resources, 2026, 207917. DOI: 10.1016/j.marger.2026.207917
