CN105092436B - 一种沉积物粒度光谱分析方法及装置 - Google Patents
一种沉积物粒度光谱分析方法及装置 Download PDFInfo
- Publication number
- CN105092436B CN105092436B CN201510463305.0A CN201510463305A CN105092436B CN 105092436 B CN105092436 B CN 105092436B CN 201510463305 A CN201510463305 A CN 201510463305A CN 105092436 B CN105092436 B CN 105092436B
- Authority
- CN
- China
- Prior art keywords
- sediment
- reflectivity
- sample
- grain size
- sediment sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种沉积物粒度光谱分析方法及装置,该沉积物粒度光谱分析方法包括:采集沉积物样品;利用激光散射粒度分布分析仪获取沉积物样品的粒度分布,根据设定的尺寸范围确定沉积物样品的粒度;消除所述沉积物样品在设定波长位置的光谱跃迁,生成所述沉积物样品的反射率光谱,并对反射率光谱进行再处理,生成反射率一阶导数、反射率倒数的对数和反射率吸收深度三个衍生光谱指标;应用相关性分析方法计算所述沉积物样品的粒度与设定波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关性,确定最佳光谱指标及参与建模的波长;利用偏最小二乘方法,建立沉积物粒度与最佳光谱指标之间的回归模型。
Description
技术领域
本发明涉及沉积物分析技术,特别涉及一种沉积物粒度光谱分析方法及装置,属于沉积学领域。
背景技术
沉积物的粒度特征,可以反映沉积环境、沉积相以及沉积环境的演变过程。沉积物粒度分析的方法很多,针对石油、地质行业,应用较多的有直接测量法、筛析法、沉降法、薄片粒度图像分析法和激光法。其中激光法具有分析速度快、重现性好、测量范围宽等优点,目前在沉积物粒度测量方面应用的最为广泛。上述方法有一个共同特点,就是必须将沉积物样品带回实验室,进行一系列复杂的样品预处理工作,然后才可以通过测量仪器得到沉积物粒度信息。上述实验室测量方法精度很高,但是缺点是复杂、费时,无法在野外现场直接获得,影响研究人员在野外现场对不同沉积相沉积特征的准确把握。
综上所述,提供一种野外现场沉积物粒度的快速探测方法是本领域亟待解决的问题。
发明内容
本发明提供一种沉积物粒度光谱分析方法及装置,以实现基于可见光-近红外光谱的沉积物粒度的快速预测。
为了实现上述目的,本发明提供一种沉积物粒度光谱分析方法,所述沉积物粒度光谱分析方法包括:
采集各沉积相不同部位、不同深度的沉积物样品;
利用激光散射粒度分布分析仪获取沉积物样品的粒度分布,根据设定的尺寸范围确定所述沉积物样品的粒度,所述沉积物样品的粒度为所述沉积物样品中黏土、粉砂和砂的百分含量;
消除所述沉积物样品在设定波长位置的光谱跃迁,生成所述沉积物样品的反射率光谱,并对反射率光谱进行再处理,生成反射率一阶导数、反射率倒数的对数和反射率吸收深度三个衍生光谱指标;
应用相关性分析方法计算所述沉积物样品的粒度与设定波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关性,确定最佳光谱指标及参与建模的波长;
利用偏最小二乘方法,建立沉积物粒度与最佳光谱指标之间的回归模型。
一实施例中,采集各沉积相不同部位、不同深度的沉积物样品,包括:
横向上采集各沉积相不同部位的沉积物样品;
纵向上采集探坑、探槽不同深度的沉积物样品;
将同一沉积物样品分为两份,一份用于粒度分析,另一份用于光谱测量。
一实施例中,横向上采集各沉积相不同部位的沉积物样品,包括:
在地表选择设定边长的正方形区域,分别采集正方形四个角点和中心点的地表样,将5个位置的沉积物样品进行混合。
一实施例中,利用激光散射粒度分布分析仪获取沉积物样品的粒度分布,根据设定的尺寸范围确定所述沉积物样品的粒度,包括:
采用激光散射粒度分布分析仪分析沉积物样品的粒度分布特征;
以<0.0039mm为黏土、0.0039~0.0625mm为粉砂及0.0625~2mm为砂的标准,对沉积物粒度分布进行归类,确定所述沉积物样品的粒度;
根据谢帕德三角分类法确定所述沉积物样品的名称。
一实施例中,消除所述沉积物样品在设定波长位置的光谱跃迁,生成所述沉积物样品的反射率光谱,并对反射率光谱进行再处理,生成反射率一阶导数、反射率倒数的对数和反射率吸收深度三个衍生光谱指标,包括:
对所述沉积物样品进行物理粉碎,筛除掉异常颗粒物,然后将所述沉积物样品放入容器中;
在暗室环境下,采用FieldSpec3光谱仪,应用接触式高密度反射探头进行样品的光谱测量,得到所述沉积物样品的反射率光谱;
对获取的沉积物样品反射率光谱,进行连接点修正,消除1000nm和1830nm波段位置的光谱跃迁,得到修正后的所述沉积物样品的反射率光谱;
对修正后的所述沉积物样品的反射率光谱进行再处理,得到反射率一阶导数、反射率倒数之对数和反射率吸收深度三个衍生光谱指标。
一实施例中,应用相关性分析方法计算所述沉积物样品的粒度与设定波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关性,确定最佳光谱指标及参与建模的波长,包括:
应用相关性分析方法计算所述沉积物样品的粒度与380~2500nm波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关系数;
根据所述相关系数确定建立所述回归模型的最佳光谱指标;
根据所述相关系数确定参与回归模型建模的波长。
一实施例中,利用偏最小二乘方法,建立沉积物粒度与最佳光谱指标之间的回归模型,包括:
以沉积物粒度作为因变量,以参与回归模型建模的波长的最佳光谱指标作为自变量,应用偏最小二乘法,计算所述沉积物粒度与所述最佳光谱指标之间的回归系数,得到所述回归模型。
一实施例中,所述的沉积物粒度光谱分析方法还包括:
根据所述沉积物样品在参与回归模型建模的波长位置的吸收特征,判断所述回归系数的合理性。
一实施例中,所述的沉积物粒度光谱分析方法还包括:
应用交叉验证方法,确定所述回归模型的预测能力。
未来实现上述目的,本发明实施例还提供一种沉积物粒度光谱分析装置,所述沉积物粒度光谱分析装置包括:
样品采集单元,采集各沉积相不同部位、不同深度的沉积物样品;
粒度确定单元,用于利用激光散射粒度分布分析仪获取沉积物样品的粒度分布,根据设定的尺寸范围确定所述沉积物样品的粒度,所述沉积物样品的粒度为所述沉积物样品中黏土、粉砂和砂的百分含量;
指标生成单元,用于消除所述沉积物样品在设定波长位置的光谱跃迁,生成所述沉积物样品的反射率光谱,并对反射率光谱进行再处理,生成反射率一阶导数、反射率倒数的对数和反射率吸收深度三个衍生光谱指标;
相关性计算单元,用于应用相关性分析方法计算所述沉积物样品的粒度与设定波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关性,确定最佳光谱指标及参与建模的波长;
回归模型建立单元,用于利用偏最小二乘方法,建立沉积物粒度与最佳光谱指标之间的回归模型。
一实施例中,所述样品采集单元包括:
横向采集模块,用于横向上采集各沉积相不同部位的沉积物样品;
纵向采集模块,用于纵向上采集探坑、探槽不同深度的沉积物样品;
划分模块,用于将同一沉积物样品分为两份,一份用于粒度分析,另一份用于光谱测量。
一实施例中,所述横向采集模块具体用于:在地表选择设定边长的正方形区域,分别采集正方形四个角点和中心点的地表样,将5个位置的沉积物样品进行混合。
一实施例中,所述粒度确定单元包括:
粒度分布分析模块,用于采用激光散射粒度分布分析仪分析沉积物样品的粒度分布特征;
粒度确定模块,用于以<0.0039mm为黏土、0.0039~0.0625mm为粉砂及0.0625~2mm为砂的标准,对沉积物粒度分布进行归类,确定所述沉积物样品的粒度;
命名模块,用于根据谢帕德三角分类法确定所述沉积物样品的名称。
一实施例中,所述指标生成单元包括:
异物筛除模块,用于对所述沉积物样品进行物理粉碎,筛除掉异常颗粒物,然后将所述沉积物样品放入容器中;
反射率光谱生成模块,用于在暗室环境下,采用FieldSpec3光谱仪,应用接触式高密度反射探头进行样品的光谱测量,得到所述沉积物样品的反射率光谱;
反射率光谱修正模块,用于对获取的沉积物样品反射率光谱,进行连接点修正,消除1000nm和1830nm波段位置的光谱跃迁,得到修正后的所述沉积物样品的反射率光谱;
再处理模块,用于对修正后的所述沉积物样品的反射率光谱进行再处理,得到反射率一阶导数、反射率倒数之对数和反射率吸收深度三个衍生光谱指标。
一实施例中,所述相关性计算单元包括:
系数计算模块,用于应用相关性分析方法计算所述沉积物样品的粒度与380~2500nm波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关系数;
最佳光谱指标确定模块,用于根据所述相关系数确定建立所述回归模型的最佳光谱指标;
波长确定模块,用于根据所述相关系数确定参与回归模型建模的波长。
一实施例中,所述回归模型建立单元具体用于:
以沉积物粒度作为因变量,以参与回归模型建模的波长的最佳光谱指标作为自变量,应用偏最小二乘法,计算所述沉积物粒度与所述最佳光谱指标之间的回归系数,得到所述回归模型。
一实施例中,所述的沉积物粒度光谱分析装置还包括:
合理性预测单元,用于根据所述沉积物样品在参与回归模型建模的波长位置的吸收特征,判断所述回归系数的合理性。
一实施例中,所述的沉积物粒度光谱分析装置还包括:
预测能力确定单元,用于应用交叉验证方法,确定所述回归模型的预测能力。
本发明实施例的有益效果在于:在现有技术基础上,引入可见光-近红外光谱分析技术,建立了沉积物粒度-光谱指标回归模型,实现了基于可见光-近红外光谱的沉积物粒度(黏土、粉砂和砂百分含量)的快速预测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的沉积物粒度光谱分析方法的流程图;
图2为本发明实施例的样品采集位置图;
图3为本发明实施例的沉积物样品采集流程图;
图4为本发明实施例的沉积物样品粒度分析流程图;
图5为本发明实施例的沉积物分类三角图;
图6为本发明实施例的沉积物样品光谱测量流程图;
图7A至图7D为本发明实施例的光谱指标图;
图8为本发明实施例的沉积物粒度与光谱指标相关性计算流程图;
图9A至图9D为本发明实施例的沉积物粒度与光谱指标相关性示意图;
图10为本发明实施例的建模波长选择图;
图11为本发明实施例的砂百分含量交叉验证图;
图12为本发明一实施例的沉积物粒度光谱分析装置的结构示意图;
图13为本发明实施例的样品采集单元1201的结构示意图;
图14为本发明实施例的粒度确定单元1202的结构示意图;
图15为本发明实施例的指标生成单元1203的结构示意图;
图16为本发明实施例的相关性计算单元1204的结构示意图;
图17为本发明一实施例的沉积物粒度光谱分析装置的结构示意图;
图18为本发明一实施例的沉积物粒度光谱分析装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
可见光-近红外光谱检测技术近年来发展迅速,已经实现了野外现场的实地光谱测量,比如美国ASD公司的FieldSpec系列便携式可见光-近红外光谱仪,一个人就可以完成野外地物的测量,其光谱的分辨率高达1nm,具有探测不同沉积物细微差异的能力。
大量光谱研究发现,沉积物粒度大小不同,光在沉积物中的传输路径是不同的,同时沉积物粒度大小不同,其物质成分也会有所不同,这些都会造成沉积物样品反射率的差异。说明沉积物光谱指标与沉积物粒度大小之间有一定的联系,通过统计方法,建立沉积物粒度大小与光谱指标之间的回归关系,是沉积物粒度分析的一种新思路和新方法。
基于上述分析,本发明提供一种沉积物粒度光谱分析方法,如图1所示,沉积物粒度光谱分析方法包括:
S101:采集各沉积相不同部位、不同深度的沉积物样品;
S102:利用激光散射粒度分布分析仪获取沉积物样品的粒度分布,根据设定的尺寸范围确定所述沉积物样品的粒度,所述沉积物样品的粒度为所述沉积物样品中黏土、粉砂和砂的百分含量;
S103:消除所述沉积物样品在设定波长位置的光谱跃迁,生成所述沉积物样品的反射率光谱,并对反射率光谱进行再处理,生成反射率一阶导数、反射率倒数的对数和反射率吸收深度三个衍生光谱指标;
S104:应用相关性分析方法计算所述沉积物样品的粒度与设定波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关性,确定最佳光谱指标及参与建模的波长;
S105:利用偏最小二乘方法,建立沉积物粒度与最佳光谱指标之间的回归模型。
由图1所示的流程可知,本发明的沉积物粒度光谱分析方法,首先进行各沉积相沉积物样品采集;通过激光散射粒度分布分析仪获取沉积物样品的粒度分布然后对沉积物粒度分布进行归类,确定沉积物黏土、粉砂和砂的百分含量。应用便携式地物光谱仪获取沉积物样品的反射率光谱指标,再处理后得到另外三个衍生光谱指标;应用相关分析法计算沉积物粒度与四个光谱指标之间的相关性,确定最佳光谱指标;应用偏最小二乘法,建立沉积物粒度(黏土、粉砂和砂百分含量)与最佳光谱指标之间的回归模型,实现了基于可见光-近红外光谱的沉积物粒度的快速预测。
S101中,采集各沉积相不同部位、不同深度的沉积物样品时,可以依据三角洲沉积的特征,沿着入湖河道分别采集三角洲不同沉积相的沉积物样品,各沉积相包括:边滩、汊口滩、并口滩、类心滩和席状滩等,如图2所示。S101具体实施时,如图3所示,包括如下步骤:
S301:横向上采集各沉积相不同部位的沉积物样品。在一实施例中,可以选择地表一个边长20cm的正方形区域,分别采集正方形四个角点和中心点的地表样,表层样深度为0~5cm,将5个位置的沉积物样品进行混合,作为该采样点的沉积物样品横向采集。
S302:纵向上采集探坑、探槽不同深度的沉积物样品。
S303:将同一沉积物样品分为两份,一份用于粒度分析,另一份用于光谱测量。
通过S101所示的采集方法,可以保证用于建模的沉积物颗粒大小是变化的,不会集中于某一粒度范围。
S102中主要用于测量沉积物样品的粒度分布,并且确定沉积物的名称。S102具体实施时,如图4所示,可以包括如下步骤:
S401:采用激光散射粒度分布分析仪分析沉积物样品的粒度分布特征;
S402:以<0.0039mm为黏土、0.0039~0.0625mm为粉砂及0.0625~2mm为砂的标准,对沉积物粒度分布进行归类,确定沉积物样品的粒度,沉积物样品的粒度用黏土、粉砂和砂的百分含量来表示。
S403:根据谢帕德(Shepard)三角分类法确定所述沉积物样品的名称。
以赣江三角洲为例说明不同沉积物的粒度特征及其具体命名,图5中示出了该区三角洲不同沉积物的粒度特征及其具体命名。
S103中,设定波长位置为1000nm和1830nm波段位置。如图6所示,S103具体实施时,包括如下步骤:
S601:对所述沉积物样品进行物理粉碎,筛除掉异常颗粒物,然后将所述沉积物样品放入容器中。需要注意的是,尽量保证沉积物样品足够厚,不会测量到底部器皿。
S602:在暗室环境下,采用FieldSpec3光谱仪,应用接触式高密度反射探头进行样品的光谱测量,得到所述沉积物样品的反射率光谱;
S603:对获取的沉积物样品反射率光谱,进行连接点修正,消除1000nm和1830nm波段位置的光谱跃迁,得到修正后的所述沉积物样品的反射率光谱。具体地,可以采用ViewSpec软件Splice Correction(连接点修正)功能消除1000nm和1830nm波段位置的光谱跃迁,最终得到校正后的沉积物样品的反射率光谱。
S604:对修正后的所述沉积物样品的反射率光谱进行再处理,得到反射率一阶导数、反射率倒数之对数和反射率吸收深度三个衍生光谱指标。
图6所示的流程中,在暗室内采用FieldSpec3仪器测量沉积物光谱,对测量的光谱进行了光滑处理,然后对反射率光谱进行再处理,得到反射率光谱的一阶导数、倒数之对数和吸收深度三个衍生指标。
以赣江三角洲为例,如图7A至图7D所示,为380~2500nm波长范围内4个光谱指标的谱线图,从图上可以看出,不同光谱指标具有不同的信息量。
如图8所示,S104具体实施时,可以包括如下步骤:
S801:应用相关性分析方法计算所述沉积物样品的粒度(黏土、粉砂和砂百分含量)与380~2500nm波长范围内的光谱指标(反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度)的相关系数;
S802:根据所述相关系数确定建立所述回归模型的最佳光谱指标;
S803:根据所述相关系数确定参与回归模型建模的波长。
以赣江三角洲为例,如图9A至图9D所示,4个指标所对应的相关性大小,其中反射率和反射率倒数的对数与沉积物粒度相关性很小,相关系数不超过0.4,而反射率一阶导数和吸收深度与沉积物粒度(黏土、粉砂和砂体百分含量)的相关性则比较高,有些波段相关系数可达0.8,根据相关性大小,最终确定反射率一阶导数作为最佳光谱指标,相关系数大于0.5的波长用于后期建模,如图10所示。
S105具体实施时,可以包括如下步骤:以沉积物粒度作为因变量,以参与回归模型建模的波长的最佳光谱指标作为自变量,应用偏最小二乘法,计算所述沉积物粒度与所述最佳光谱指标之间的回归系数,得到所述回归模型。
一实施例中,在S105之后,本发明实施例还可以根据所述沉积物样品在参与回归模型建模的波长位置的吸收特征,判断所述回归系数的合理性。
一实施例中,在S105之后,本发明实施例还可以应用交叉验证方法,确定所述回归模型的预测能力。
以赣江三角洲为例,如图11所示,沉积物样品的实测砂百分含量与利用回归模型得到的砂百分含量对比,结果非常好。
在现有技术基础上,本发明实施例引入可见光-近红外光谱分析技术,建立了沉积物粒度-光谱指标回归模型,实现了基于可见光-近红外光谱的沉积物粒度(黏土、粉砂和砂百分含量)的快速预测。
本发明实施例提供一种沉积物粒度光谱分析装置,如图12所示,所述沉积物粒度光谱分析装置包括:样品采集单元1201,粒度确定单元1202,指标生成单元1203,相关性计算单元1204及回归模型建立单元1205。
样品采集单元1201用于采集各沉积相不同部位、不同深度的沉积物样品;
粒度确定单元1202用于利用激光散射粒度分布分析仪获取沉积物样品的粒度分布,根据设定的尺寸范围确定所述沉积物样品的粒度,所述沉积物样品的粒度为所述沉积物样品中黏土、粉砂和砂的百分含量;
指标生成单元1203用于消除所述沉积物样品在设定波长位置的光谱跃迁,生成所述沉积物样品的反射率光谱,并对反射率光谱进行再处理,生成反射率一阶导数、反射率倒数的对数和反射率吸收深度三个衍生光谱指标;
相关性计算单元1204用于应用相关性分析方法计算所述沉积物样品的粒度与设定波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关性,确定最佳光谱指标及参与建模的波长;
回归模型建立单元1205用于利用偏最小二乘方法,建立沉积物粒度与最佳光谱指标之间的回归模型。
一实施例中,如图13所示,样品采集单元1201包括:横向采集模块1301,纵向采集模块1302及划分模块1303。
横向采集模块1301用于横向上采集各沉积相不同部位的沉积物样品;
纵向采集模块1302用于纵向上采集探坑、探槽不同深度的沉积物样品;
划分模块1303用于将同一沉积物样品分为两份,一份用于粒度分析,另一份用于光谱测量。
一实施例中,横向采集模块1301具体用于:在地表选择设定边长的正方形区域,分别采集正方形四个角点和中心点的地表样,将5个位置的沉积物样品进行混合。
一实施例中,如图14所示,粒度确定单元1202包括:粒度分布分析模块1401,粒度确定模块1402及命名模块1403。
粒度分布分析模块1401用于采用激光散射粒度分布分析仪分析沉积物样品的粒度分布特征;
粒度确定模块1402用于以<0.0039mm为黏土、0.0039~0.0625mm为粉砂及0.0625~2mm为砂的标准,对沉积物粒度分布进行归类,确定沉积物样品的粒度;
命名模块1403用于根据谢帕德三角分类法确定所述沉积物样品的名称。
一实施例中,如图15所示,指标生成单元1203包括:异物筛除模块1501,反射率光谱生成模块1502,反射率光谱修正模块1503及再处理模块1504。
异物筛除模块1501用于对所述沉积物样品进行物理粉碎,筛除掉异常颗粒物,然后将所述沉积物样品放入容器中;
反射率光谱生成模块1502用于在暗室环境下,采用FieldSpec3光谱仪,应用接触式高密度反射探头进行样品的光谱测量,得到所述沉积物样品的反射率光谱;
反射率光谱修正模块1503用于对获取的沉积物样品反射率光谱,进行连接点修正,消除1000nm和1830nm波段位置的光谱跃迁,得到修正后的所述沉积物样品的反射率光谱;
再处理模块1504用于对修正后的所述沉积物样品的反射率光谱进行再处理,得到反射率一阶导数、反射率倒数之对数和反射率吸收深度三个衍生光谱指标。
一实施例中,如图16所示,相关性计算单元1204包括:系数计算模块1601,最佳光谱指标确定模块1602及波长确定模块1603。
系数计算模块1601用于应用相关性分析方法计算所述沉积物样品的粒度与380~2500nm波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关系数;
最佳光谱指标确定模块1602用于根据所述相关系数确定建立所述回归模型的最佳光谱指标;
波长确定模块1603用于根据所述相关系数确定参与回归模型建模的波长。
一实施例中,归模型建立单元1205具体用于:以沉积物粒度作为因变量,以参与回归模型建模的波长的最佳光谱指标作为自变量,应用偏最小二乘法,计算所述沉积物粒度与所述最佳光谱指标之间的回归系数,得到所述回归模型。
一实施例中,如图17所示,沉积物粒度光谱分析装置还包括:合理性预测单元1701,用于根据所述沉积物样品在参与回归模型建模的波长位置的吸收特征,判断所述回归系数的合理性。
一实施例中,如图18所示,沉积物粒度光谱分析方法还包括:预测能力确定单元1801,用于应用交叉验证方法,确定所述回归模型的预测能力。
在现有技术基础上,本发明引入可见光-近红外光谱分析技术,建立了沉积物粒度-光谱指标回归模型,实现了基于可见光-近红外光谱的沉积物粒度(黏土、粉砂和砂百分含量)的快速预测。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (16)
1.一种沉积物粒度光谱分析方法,其特征在于,所述沉积物粒度光谱分析方法包括:
采集各沉积相不同部位、不同深度的沉积物样品;
利用激光散射粒度分布分析仪获取沉积物样品的粒度分布,根据设定的尺寸范围确定所述沉积物样品的粒度,所述沉积物样品的粒度为所述沉积物样品中黏土、粉砂和砂的百分含量;
消除所述沉积物样品在设定波长位置的光谱跃迁,生成所述沉积物样品的反射率光谱,并对反射率光谱进行再处理,生成反射率一阶导数、反射率倒数的对数和反射率吸收深度三个衍生光谱指标;
应用相关性分析方法计算所述沉积物样品的粒度与设定波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关性,确定最佳光谱指标及参与建模的波长;
利用偏最小二乘方法,建立沉积物粒度与最佳光谱指标之间的回归模型。
2.根据权利要求1所述的沉积物粒度光谱分析方法,其特征在于,采集各沉积相不同部位、不同深度的沉积物样品,包括:
横向上采集各沉积相不同部位的沉积物样品;
纵向上采集探坑、探槽不同深度的沉积物样品;
将同一沉积物样品分为两份,一份用于粒度分析,另一份用于光谱测量。
3.根据权利要求2所述的沉积物粒度光谱分析方法,其特征在于,横向上采集各沉积相不同部位的沉积物样品,包括:
在地表选择设定边长的正方形区域,分别采集正方形四个角点和中心点的地表样,将5个位置的沉积物样品进行混合。
4.根据权利要求1所述的沉积物粒度光谱分析方法,其特征在于,消除所述沉积物样品在设定波长位置的光谱跃迁,生成所述沉积物样品的反射率光谱,并对反射率光谱进行再处理,生成反射率一阶导数、反射率倒数的对数和反射率吸收深度三个衍生光谱指标,包括:
对所述沉积物样品进行物理粉碎,筛除掉异常颗粒物,然后将所述沉积物样品放入容器中;
在暗室环境下,采用FieldSpec3光谱仪,应用接触式高密度反射探头进行样品的光谱测量,得到所述沉积物样品的反射率光谱;
对获取的沉积物样品反射率光谱,进行连接点修正,消除1000nm和1830nm波段位置的光谱跃迁,得到修正后的所述沉积物样品的反射率光谱;
对修正后的所述沉积物样品的反射率光谱进行再处理,得到反射率一阶导数、反射率倒数之对数和反射率吸收深度三个衍生光谱指标。
5.根据权利要求1所述的沉积物粒度光谱分析方法,其特征在于,应用相关性分析方法计算所述沉积物样品的粒度与设定波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关性,确定最佳光谱指标及参与建模的波长,包括:
应用相关性分析方法计算所述沉积物样品的粒度与380~2500nm波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关系数;
根据所述相关系数确定建立所述回归模型的最佳光谱指标;
根据所述相关系数确定参与回归模型建模的波长。
6.根据权利要求1所述的沉积物粒度光谱分析方法,其特征在于,利用偏最小二乘方法,建立沉积物粒度与最佳光谱指标之间的回归模型,包括:
以沉积物粒度作为因变量,以参与回归模型建模的波长的最佳光谱指标作为自变量,应用偏最小二乘法,计算所述沉积物粒度与所述最佳光谱指标之间的回归系数,得到所述回归模型。
7.根据权利要求6所述的沉积物粒度光谱分析方法,其特征在于,所述的沉积物粒度光谱分析方法还包括:
根据所述沉积物样品在参与回归模型建模的波长位置的吸收特征,判断所述回归系数的合理性。
8.根据权利要求6所述的沉积物粒度光谱分析方法,其特征在于,所述的沉积物粒度光谱分析方法还包括:
应用交叉验证方法,确定所述回归模型的预测能力。
9.一种沉积物粒度光谱分析装置,其特征在于,所述沉积物粒度光谱分析装置包括:
样品采集单元,采集各沉积相不同部位、不同深度的沉积物样品;
粒度确定单元,用于利用激光散射粒度分布分析仪获取沉积物样品的粒度分布,根据设定的尺寸范围确定所述沉积物样品的粒度,所述沉积物样品的粒度为所述沉积物样品中黏土、粉砂和砂的百分含量;
指标生成单元,用于消除所述沉积物样品在设定波长位置的光谱跃迁,生成所述沉积物样品的反射率光谱,并对反射率光谱进行再处理,生成反射率一阶导数、反射率倒数的对数和反射率吸收深度三个衍生光谱指标;
相关性计算单元,用于应用相关性分析方法计算所述沉积物样品的粒度与设定波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关性,确定最佳光谱指标及参与建模的波长;
回归模型建立单元,用于利用偏最小二乘方法,建立沉积物粒度与最佳光谱指标之间的回归模型。
10.根据权利要求9所述的沉积物粒度光谱分析装置,其特征在于,所述样品采集单元包括:
横向采集模块,用于横向上采集各沉积相不同部位的沉积物样品;
纵向采集模块,用于纵向上采集探坑、探槽不同深度的沉积物样品;
划分模块,用于将同一沉积物样品分为两份,一份用于粒度分析,另一份用于光谱测量。
11.根据权利要求10所述的沉积物粒度光谱分析装置,其特征在于,所述横向采集模块具体用于:在地表选择设定边长的正方形区域,分别采集正方形四个角点和中心点的地表样,将5个位置的沉积物样品进行混合。
12.根据权利要求9所述的沉积物粒度光谱分析装置,其特征在于,所述指标生成单元包括:
异物筛除模块,用于对所述沉积物样品进行物理粉碎,筛除掉异常颗粒物,然后将所述沉积物样品放入容器中;
反射率光谱生成模块,用于在暗室环境下,采用FieldSpec3光谱仪,应用接触式高密度反射探头进行样品的光谱测量,得到所述沉积物样品的反射率光谱;
反射率光谱修正模块,用于对获取的沉积物样品反射率光谱,进行连接点修正,消除1000nm和1830nm波段位置的光谱跃迁,得到修正后的所述沉积物样品的反射率光谱;
再处理模块,用于对修正后的所述沉积物样品的反射率光谱进行再处理,得到反射率一阶导数、反射率倒数之对数和反射率吸收深度三个衍生光谱指标。
13.根据权利要求9所述的沉积物粒度光谱分析装置,其特征在于,所述相关性计算单元包括:
系数计算模块,用于应用相关性分析方法计算所述沉积物样品的粒度与380~2500nm波长范围内的反射率、所述反射率一阶导数、反射率倒数的对数及反射率吸收深度的相关系数;
最佳光谱指标确定模块,用于根据所述相关系数确定建立所述回归模型的最佳光谱指标;
波长确定模块,用于根据所述相关系数确定参与回归模型建模的波长。
14.根据权利要求9所述的沉积物粒度光谱分析装置,其特征在于,所述回归模型建立单元具体用于:
以沉积物粒度作为因变量,以参与回归模型建模的波长的最佳光谱指标作为自变量,应用偏最小二乘法,计算所述沉积物粒度与所述最佳光谱指标之间的回归系数,得到所述回归模型。
15.根据权利要求14所述的沉积物粒度光谱分析装置,其特征在于,所述的沉积物粒度光谱分析装置还包括:
合理性预测单元,用于根据所述沉积物样品在参与回归模型建模的波长位置的吸收特征,判断所述回归系数的合理性。
16.根据权利要求15所述的沉积物粒度光谱分析装置,其特征在于,所述的沉积物粒度光谱分析装置还包括:
预测能力确定单元,用于应用交叉验证方法,确定所述回归模型的预测能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510463305.0A CN105092436B (zh) | 2015-07-31 | 2015-07-31 | 一种沉积物粒度光谱分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510463305.0A CN105092436B (zh) | 2015-07-31 | 2015-07-31 | 一种沉积物粒度光谱分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105092436A CN105092436A (zh) | 2015-11-25 |
CN105092436B true CN105092436B (zh) | 2018-01-05 |
Family
ID=54573358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510463305.0A Active CN105092436B (zh) | 2015-07-31 | 2015-07-31 | 一种沉积物粒度光谱分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105092436B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105445154B (zh) * | 2015-12-24 | 2019-07-12 | 上海微谱化工技术服务有限公司 | 交联聚合物中无机填料的粒径分析方法 |
CN107238557A (zh) * | 2016-03-27 | 2017-10-10 | 中烟施伟策(云南)再造烟叶有限公司 | 一种利用近红外光谱法快速检测碳酸钙粒径分布的方法 |
CN108872032A (zh) * | 2018-05-02 | 2018-11-23 | 国家海洋信息中心 | 沉积物粒度数据处理方法及装置 |
CN109060611B (zh) * | 2018-07-09 | 2021-02-02 | 天津大学 | 一种基于激光粒度仪的悬沙质量浓度数据处理方法 |
CN111380826B (zh) * | 2018-12-27 | 2022-12-02 | 中国石油天然气股份有限公司 | 钻井液性能的检测方法及装置 |
CN112966726B (zh) * | 2020-08-25 | 2022-04-22 | 山东省科学院海洋仪器仪表研究所 | 一种基于光谱技术的近海沉积物粒径大小分类方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1904584A (zh) * | 2006-07-26 | 2007-01-31 | 哈尔滨工业大学 | 固体推进剂中高氯酸铵粒度的快速分析方法 |
CN101292875A (zh) * | 2008-06-06 | 2008-10-29 | 天津市先石光学技术有限公司 | 利用基准波长测量成分浓度的方法 |
CN101403689A (zh) * | 2008-11-20 | 2009-04-08 | 北京航空航天大学 | 一种植物叶片生理指标无损检测方法 |
CN101806730A (zh) * | 2010-04-13 | 2010-08-18 | 江苏大学 | 一种醋糟有机基质含水量的检测方法 |
CN103234922A (zh) * | 2013-03-29 | 2013-08-07 | 浙江大学 | 一种基于大样本土壤可见-近红外光谱分类的土壤有机质快速检测方法 |
CN104237159A (zh) * | 2014-09-15 | 2014-12-24 | 甘肃银光化学工业集团有限公司 | 一种近红外光谱分析混合材料中邻苯二甲酸二丁酯含量的方法 |
CN104596981A (zh) * | 2015-01-30 | 2015-05-06 | 云南中烟工业有限责任公司 | 一种近红外光谱结合pls-da区分造纸法再造烟叶产品的方法 |
CN104596943A (zh) * | 2014-12-30 | 2015-05-06 | 中国矿业大学 | 一种矿区复垦场地有毒有害元素室内光谱分层测量方法 |
-
2015
- 2015-07-31 CN CN201510463305.0A patent/CN105092436B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1904584A (zh) * | 2006-07-26 | 2007-01-31 | 哈尔滨工业大学 | 固体推进剂中高氯酸铵粒度的快速分析方法 |
CN101292875A (zh) * | 2008-06-06 | 2008-10-29 | 天津市先石光学技术有限公司 | 利用基准波长测量成分浓度的方法 |
CN101403689A (zh) * | 2008-11-20 | 2009-04-08 | 北京航空航天大学 | 一种植物叶片生理指标无损检测方法 |
CN101806730A (zh) * | 2010-04-13 | 2010-08-18 | 江苏大学 | 一种醋糟有机基质含水量的检测方法 |
CN103234922A (zh) * | 2013-03-29 | 2013-08-07 | 浙江大学 | 一种基于大样本土壤可见-近红外光谱分类的土壤有机质快速检测方法 |
CN104237159A (zh) * | 2014-09-15 | 2014-12-24 | 甘肃银光化学工业集团有限公司 | 一种近红外光谱分析混合材料中邻苯二甲酸二丁酯含量的方法 |
CN104596943A (zh) * | 2014-12-30 | 2015-05-06 | 中国矿业大学 | 一种矿区复垦场地有毒有害元素室内光谱分层测量方法 |
CN104596981A (zh) * | 2015-01-30 | 2015-05-06 | 云南中烟工业有限责任公司 | 一种近红外光谱结合pls-da区分造纸法再造烟叶产品的方法 |
Non-Patent Citations (3)
Title |
---|
渤海湾西部表层沉积物粒度和黏土矿物特征及物源分析;魏飞;《中国优秀硕士学位论文全文数据库基础科学辑》;20140315;第A010-113页 * |
渤海湾西部表层沉积物粒度特征与沉积混合;田立柱 等;《地质通报》;20100531;第29卷(第5期);第668-674页 * |
湖泊沉积物粒度多组分特征及其成因机制研究;殷志强 等;《第四纪研究》;20080331;第28卷(第2期);第345-353页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105092436A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105092436B (zh) | 一种沉积物粒度光谱分析方法及装置 | |
CN104062257B (zh) | 一种基于近红外光谱测定溶液中总黄酮含量的方法 | |
CN104897592B (zh) | 基于高光谱技术的盐渍化土壤盐分离子含量监测方法 | |
CN104897607A (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和系统 | |
Hales et al. | ATLAS 1.4 GHz Data Release 2–I. Observations of the CDF-S and ELAIS-S1 fields and methods for constructing differential number counts | |
CN107615046A (zh) | 在线测量油气管道中的黑色粉末 | |
CN105651801B (zh) | 一种矿浆矿物在线分析方法 | |
Siliqi et al. | SUNBIM: A package for X-ray imaging of nano-and biomaterials using SAXS, WAXS, GISAXS and GIWAXS techniques | |
Walser et al. | On the parametrization of optical particle counter response including instrument-induced broadening of size spectra and a self-consistent evaluation of calibration measurements | |
CN105277497A (zh) | 连续光谱下检测农产品的光学特性参数的装置与方法 | |
WO2021196416A1 (zh) | 用于钨浮选精矿品位在线检测的光纤拉曼系统及方法 | |
Zawada et al. | Light-cone anisotropy in the 21 cm signal from the epoch of reionization | |
CN102403247A (zh) | 试料检查装置以及试料检查方法 | |
CN103792166B (zh) | 一种测量球形高氯酸铵粒度的方法 | |
CN107860743A (zh) | 利用反射式近红外光纤探头构建快速预测原油性质的模型的方法及其应用 | |
Engin et al. | Size distribution analysis of aggregates using LiDAR scan data and an alternate algorithm | |
Wang et al. | On-stream mineral identification of tailing slurries of tungsten via NIR and XRF data fusion measurement techniques | |
CN201622228U (zh) | 动态偏振光散射颗粒测量装置 | |
KR101780058B1 (ko) | 초분광 카메라를 이용한 토양 내 중금속의 분광라이브러리 제작 방법 | |
CN105181809A (zh) | 一种基于多波谱分析的珠宝品质鉴定方法及系统 | |
CN105092444A (zh) | 纳米颗粒浓度及几何特征量联合分布的测量方法 | |
CN104280120B (zh) | 一种光谱带宽测量方法和装置 | |
CN105092426A (zh) | 纳米颗粒90度散射光谱的测量方法 | |
CN105092434A (zh) | 海底沉积物粒度分析数据的自动处理方法 | |
JP5381941B2 (ja) | 粒度分布測定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |