基于激光誘導(dǎo)擊穿光譜技術(shù)的巖屑識別方法研究.pdf

1、石油鉆井過程中的巖屑錄井無論對油氣勘探開發(fā)還是鉆井工程都是極為關(guān)鍵的技術(shù)，而巖屑的識別分類工作是巖屑錄井的一個重要環(huán)節(jié)。前期實驗室已做了大量的相關(guān)工作，建立了一套基于數(shù)字圖像處理技術(shù)的巖屑識別方法，以取代傳統(tǒng)的肉眼觀察方法。LIBS技術(shù)由于其快速、便捷、獲取信息量大、無需樣品預(yù)處理、可以實施現(xiàn)場測試的特點，在錄井現(xiàn)場的巖屑識別方面具有很大的應(yīng)用潛力。然而，高分辨率、寬波段范圍的LIBS光譜包含樣品的原子線、離子線、分子光譜和譜線背景等信

2、息，數(shù)據(jù)量極大。而且受樣品不均勻、燒蝕條件不穩(wěn)定、譜線自吸收和基體效應(yīng)等因素的影響，又導(dǎo)致LIBS光譜具有很大的不穩(wěn)定性。因此，如何進行快速、有效的數(shù)據(jù)處理是LIBS技術(shù)用于識別分類時的一大難題。本論文擬將LIBS技術(shù)結(jié)合一定的化學(xué)計量學(xué)方法用于錄井現(xiàn)場的巖屑識別工作，旨在發(fā)展一套快速、有效的基于LIBS技術(shù)的巖屑識別方法。
　　論文首先介紹了選題的背景和意義，然后從激光誘導(dǎo)等離子體的物理基礎(chǔ)和基于LIBS的模式識別方法兩方面綜述

3、了LIBS技術(shù)在識別分類方面的研究進展，并對本論文的實驗和數(shù)據(jù)處理方法作了簡要介紹。作者的工作主要包括：巖屑LIBS光譜采集及PLS-DA分析方案設(shè)計；全譜模型和特征模型的預(yù)測性能研究；SVM方法用于巖屑識別分類的初步探索。
　　為得到本文所用的LIBS數(shù)據(jù)，首先進行了巖屑LIBS光譜的采集工作。以錄井現(xiàn)場的褐色泥巖、石英砂巖、青綠色泥巖、黑色泥巖、紫紅色泥巖和淺灰色泥巖6種巖屑為實驗樣品，根據(jù)LIBS需求結(jié)合實驗室現(xiàn)有條件對主要

4、光學(xué)儀器進行選型，搭建LIBS實驗平臺。經(jīng)波長校準(zhǔn)和強度校準(zhǔn)后對巖屑的LIBS信號進行時間分辨測量，激光能量設(shè)置為15mJ，探測延時800ns，門寬8μs，每種巖屑采集100個單脈沖光譜，得到了6種巖屑的LIBS原始光譜數(shù)據(jù)。
　　針對巖屑LIBS光譜的數(shù)據(jù)處理問題，采用了PLS-DA建模方法，并對PLS-DA模型的具體分析方案進行了優(yōu)化設(shè)計。首先進行了光譜預(yù)處理，確定了強度歸一為最佳歸一方式。其次重點研究了本文所用PLS-DA模

5、型的分析方案：將全部樣本分為模型校正集和檢驗集，并通過留一交叉驗證法確定最佳主成分個數(shù)；在判別分析時分別采用最大概率法和CMU兩種方法，并確定了預(yù)測均方根誤差RMSEP、識別正確率、識別錯誤率、未識別率、有效未識別率、程序運算時間t等模型評價指標(biāo)。
　　在確定PLS-DA模型分析方案的基礎(chǔ)上，為了更好的剔除全譜數(shù)據(jù)中噪聲和背景等不相關(guān)變量的干擾，進行了巖屑LIBS光譜特征提取的研究。從全譜數(shù)據(jù)24041個變量中提取了27個特征量，

6、建立特征模型，并從靈敏度、穩(wěn)健性和效率三個方面與全譜模型相比較。在靈敏度方面：特征模型的RMSEP低于全譜模型，為0.2681對0.3250；特征模型在最大概率法和CMU方法下均比全譜模型有更高的識別正確率，分別為88.33％對86.67%，81.67%對68.33%。在穩(wěn)健性方面，特征模型的有效未識別率同樣高于全譜模型，為50%對33%。在效率方面，特征模型的預(yù)測時間約為0.1秒，遠遠小于全譜模型的7.5秒。該部分工作表明本文所提取的

7、27個特征量有效的剔除了全譜中噪聲和背景等不相關(guān)變量的干擾，經(jīng)過特征提取后PLS-DA模型的靈敏度、穩(wěn)健性和效率均有了較為明顯的提高。
　　PLS-DA模型本質(zhì)上是一種線性方法，為更好的解決LIBS數(shù)據(jù)中的非線性問題，本文還進行了SVM方法用于巖屑識別分類的初步探索工作。與PLS-DA模型相比，SVM模型全譜輸入的識別正確率為93.33%對86.67%，特征輸入為86.67%對88.33%。之后在檢驗集樣本的預(yù)測時設(shè)計了一種SVM