CN105866103A - 基于激光诱导击穿光谱的岩石含油级别判断方法 - Google Patents
基于激光诱导击穿光谱的岩石含油级别判断方法 Download PDFInfo
- Publication number
- CN105866103A CN105866103A CN201610242042.5A CN201610242042A CN105866103A CN 105866103 A CN105866103 A CN 105866103A CN 201610242042 A CN201610242042 A CN 201610242042A CN 105866103 A CN105866103 A CN 105866103A
- Authority
- CN
- China
- Prior art keywords
- rock
- rock sample
- bearing grade
- oil bearing
- oil
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开一种基于激光诱导击穿光谱的岩石含油级别判断方法,其通过对岩石样品表面进行激光诱导击穿光谱测量,得到岩石样品表面所有测量点分子链谱线强度值与岩石样品含油级别之间的关系,并生成训练结构,从而将待测岩石样品所有测量点分子链谱线强度值代入训练结构中,判断出待测岩石样品的含油级别。所述基于激光诱导击穿光谱的岩石含油级别判断方法能在较准确地判断出待测岩石样品含油级别的同时,能大大降低判断岩石样品含油级别所需要的时间,提高判断岩石样品含油级别的效率及准确性,可用于岩石样品含油级别的在线判断测量,高效快速的实现岩石含油级别的准确判断。
Description
技术领域
本发明涉及岩石含油级别判断技术领域,特别涉及一种基于激光诱导击穿光谱的岩石含油级别判断方法。
背景技术
岩石含油级别可分为饱含油、富含油、油浸、油斑、油迹、荧光等六级。岩石含油级别与储层的产液性质及产能有一定的相关性,能够较准确地反映出油气的存储特征。因此,准确、快速地判断出岩石的含油级别在石油勘探中具有重要的意义。
岩石含油级别判断的人工方法是用人的肉眼观察来描述。但随着油田进入隐蔽油气藏勘探阶段,油气水频繁交互,用肉眼观察来划分的方法来描述已变得困难。另外,现场用肉眼观察往往受描述者的主观影响,使含油级别的划分不够准确。岩石含油级别判断的仪器测量方法主要有地化录井、测井和含油饱和度分析法等,但这3种方法成本较高、速度较慢、准确度不太高。
因此,需要采用更加客观、准确、快速的分析测试手段来划分岩石含油级别。
发明内容
有鉴于此,有必要提供一种提高判断岩石样品含油级别的效率及准确性的岩石含油级别判断方法。
一种基于激光诱导击穿光谱的岩石含油级别判断方法,所述基于激光诱导击穿光谱的岩石含油级别判断方法包括以下步骤:
S1、采集不同含油级别的岩石样品,利用激光诱导击穿光谱仪测量得到不同含油级别岩石样品表面的分子链谱线的强度值;
S2、将岩石样品表面所有测量点分子链谱线的强度值和岩石样品的含油级别作为输入值、输出值进行训练,得到分子链谱线强度值与岩石样品含油级别之间的关系;
S3、利用激光诱导击穿光谱仪测量得到待测岩石样品表面的分子链谱线的强度值,根据训练结果判断得到待测岩石样品的含油级别。
本发明所述基于激光诱导击穿光谱的岩石含油级别判断方法,其通过对岩石样品表面进行激光诱导击穿光谱测量,得到岩石样品表面所有测量点分子链谱线强度值与岩石样品含油级别之间的关系,并生成训练结构,从而将待测岩石样品所有测量点分子链谱线强度值代入训练结构中,判断出待测岩石样品的含油级别。所述基于激光诱导击穿光谱的岩石含油级别判断方法能在较准确地判断出待测岩石样品含油级别的同时,能大大降低判断岩石样品含油级别所需要的时间,提高判断岩石样品含油级别的效率及准确性,可用于岩石样品含油级别的在线判断测量,高效快速的实现岩石含油级别的准确判断。
附图说明
图1为本发明所述基于激光诱导击穿光谱的岩石含油级别判断方法的流程框图;
图2为图1中步骤S1的流程框图;
图3为图2中步骤S12的流程框图;
图4为图1中步骤S3的流程框图;
图5为图4中步骤S11的流程框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明,应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于激光诱导击穿光谱的岩石含油级别判断方法,如图1所示,所述基于激光诱导击穿光谱的岩石含油级别判断方法包括以下步骤:
S1、采集不同含油级别的岩石样品,利用激光诱导击穿光谱仪测量得到不同含油级别岩石样品表面的分子链谱线的强度值;
其中,如图2所示,所述步骤S1包含以下分步骤:
S11、采集不同含油级别的岩石样品;
具体的,所述岩石样品的含油级别种类包括:饱含油、含油、油浸、油斑、油迹、荧光等。
S12、采用网格扫描测量方式,通过激光诱导击穿光谱仪测量出不同含油级别岩石样品表面不同点的光谱;
且如图3所示,所述步骤S12包含以下分步骤:
S121、根据岩石表面的形状设定网格的形状,根据岩石表面的面积大小设定网格点的数量;
S122、单个网格点对应一个测量点,根据网格的位置分布确定测量点的位置,所述岩石样品的扫描测量点至少为4个;
S123、对测量点进行激光扫描,通过激光诱导击穿光谱仪测量出不同含油级别岩石样品表面不同点的光谱。
S13、对岩石样品的激光诱导击穿光谱进行去噪处理,得到岩石样品表面所有测量点分子链谱线的强度值。
优选的,所述分子链谱线优选CN分子链388.3nm谱线。
S2、将岩石样品表面所有测量点分子链谱线的强度值和岩石样品的含油级别作为输入值、输出值进行训练,得到分子链谱线强度值与岩石样品含油级别之间的关系;
优选的,将岩石样品表面所有测量点CN分子链388.3nm谱线的强度值和岩石样品的含油级别作为BP神经网络的输入值、输出值进行训练,得到BP神经网络结构中CN分子链388.3nm谱线的强度值与岩石样品的含油级别之间的关系。
具体的,首先编写出BP神经网络进行判断的计算机程序,然后选取388.3nm谱线强度值作为BP神经网络的输入值,岩石样品的含油级别作为输出值进行训练,如果BP神经网络的输出值与实际的含油级别相比误差较大时,修改BP神经网络的相关参数;直至BP神经网络的输出结果与实际的含油级别相比,其误差在可接受范围时,则训练结束。
利用BP神经网络能够得到CN分子链388.3nm谱线强度值与岩石样品含油级别之间的关系,同样,也可利用其它的方法得到CN分子链388.3nm谱线强度值与岩石样品含油级别之间的关系,如偏最小二乘法、支持向量机等其它方法。
S3、利用激光诱导击穿光谱仪测量得到待测岩石样品表面的分子链谱线的强度值,根据训练结果判断得到待测岩石样品的含油级别。
其中,如图4所示,所述步骤S3包含以下分步骤:
S31、采用网格扫描测量方式,通过激光诱导击穿光谱仪测量出不同含油级别岩石样品表面不同点的光谱;
具体的,如图5所示,所述步骤S31包含以下分步骤:
S311、根据岩石表面的形状设定网格的形状,根据岩石表面的面积大小设定网格点的数量;
S312、单个网格点对应一个测量点,根据网格的位置分布确定测量点的位置;
S313、对测量点进行激光扫描,通过激光诱导击穿光谱仪测量出待测岩石样品表面不同点的光谱。
S32、对待测岩石样品的激光诱导击穿光谱进行去噪处理,得到待测岩石样品表面所有测量点CN分子链388.3nm谱线的强度值;
S33、利用训练后的BP神经网络对待测岩石样品的含油量进行识别,得到待测岩石样品的含油级别。
所述步骤S33的具体操作步骤如下:根据已得出的CN分子链388.3nm谱线强度值与样品含油级别之间的关系和待测样品表面所有测量点CN分子链388.3nm谱线的强度值,判断出待测样品的含油级别。即:选取待测样品表面所有测量点CN分子链388.3nm谱线的强度值作为BP神经网络的输入值,利用已得到的BP神经网络对待测岩石样品进行识别,得到每个待测样品的含油级别。
综上所述,本发明所述基于激光诱导击穿光谱的岩石含油级别判断方法,其通过对岩石样品表面进行激光诱导击穿光谱测量,得到岩石样品表面所有测量点CN分子链388.3nm谱线强度值与岩石样品含油级别之间的关系,并生成训练结构,从而将待测岩石样品所有测量点CN分子链388.3nm谱线强度值代入训练结构中,判断出待测岩石样品的含油级别。所述基于激光诱导击穿光谱的岩石含油级别判断方法能在较准确地判断出待测岩石样品含油级别的同时,能大大降低判断岩石样品含油级别所需要的时间,提高判断岩石样品含油级别的效率及准确性,可用于岩石样品含油级别的在线判断测量,高效快速的实现岩石含油级别的准确判断。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能性一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应超过本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机储存器、内存、只读存储器、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。
可以理解的是,对于本领域的普通技术人员来说,可以根据本发明的技术构思做出其它各种相应的改变与变形,而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (8)
1.一种基于激光诱导击穿光谱的岩石含油级别判断方法,其特征在于,所述基于激光诱导击穿光谱的岩石含油级别判断方法包括以下步骤:
S1、采集不同含油级别的岩石样品,利用激光诱导击穿光谱仪测量得到不同含油级别岩石样品表面的分子链谱线的强度值;
S2、将岩石样品表面所有测量点分子链谱线的强度值和岩石样品的含油级别作为输入值、输出值进行训练,得到分子链谱线强度值与岩石样品含油级别之间的关系;
S3、利用激光诱导击穿光谱仪测量得到待测岩石样品表面的分子链谱线的强度值,根据训练结果判断得到待测岩石样品的含油级别。
2.根据权利要求1所述的基于激光诱导击穿光谱的岩石含油级别判断方法,其特征在于,所述步骤S1包含以下分步骤:
S11、采集不同含油级别的岩石样品;
S12、采用网格扫描测量方式,通过激光诱导击穿光谱仪测量出不同含油级别岩石样品表面不同点的光谱;
S13、对岩石样品的激光诱导击穿光谱进行去噪处理,得到岩石样品表面所有测量点分子链谱线的强度值。
3.根据权利要求2所述的基于激光诱导击穿光谱的岩石含油级别判断方法,其特征在于,所述步骤S12包含以下分步骤:
S121、根据岩石表面的形状设定网格的形状,根据岩石表面的面积大小设定网格点的数量;
S122、单个网格点对应一个测量点,根据网格的位置分布确定测量点的位置;
S123、对测量点进行激光扫描,通过激光诱导击穿光谱仪测量出不同含油级别岩石样品表面不同点的光谱。
4.根据权利要求3所述的基于激光诱导击穿光谱的岩石含油级别判断方法,其特征在于,所述岩石样品的扫描测量点至少为4个。
5.根据权利要求1所述的基于激光诱导击穿光谱的岩石含油级别判断方法,其特征在于,所述步骤S2的具体步骤为:将岩石样品表面所有测量点分子链谱线的强度值和岩石样品的含油级别作为BP神经网络的输入值、输出值进行训练,得到BP神经网络结构中分子链谱线强度值与岩石样品含油级别之间的关系。
6.根据权利要求1所述的基于激光诱导击穿光谱的岩石含油级别判断方法,其特征在于,所述步骤S3包含以下分步骤:
S31、采用网格扫描测量方式,通过激光诱导击穿光谱仪测量出待测岩石样品表面不同点的光谱;
S32、对待测岩石样品的激光诱导击穿光谱进行去噪处理,得到待测岩石样品表面所有测量点分子链谱线的强度值;
S33、利用训练后的BP神经网络对待测岩石样品的含油量进行识别,得到每个待测岩石样品的含油级别。
7.根据权利要求6所述的基于激光诱导击穿光谱的岩石含油级别判断方法,其特征在于,所述步骤S31包含以下分步骤:
S311、根据岩石表面的形状设定网格的形状,根据岩石表面的面积大小设定网格点的数量;
S312、单个网格点对应一个测量点,根据网格的位置分布确定测量点的位置;
S313、对测量点进行激光扫描,通过激光诱导击穿光谱仪测量出待测岩石样品表面不同点的光谱。
8.根据权利要求1所述的基于激光诱导击穿光谱的岩石含油级别判断方法,其特征在于,所述分子链谱线为CN分子链388.3nm谱线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610242042.5A CN105866103B (zh) | 2016-04-19 | 2016-04-19 | 基于激光诱导击穿光谱的岩石含油级别判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610242042.5A CN105866103B (zh) | 2016-04-19 | 2016-04-19 | 基于激光诱导击穿光谱的岩石含油级别判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105866103A true CN105866103A (zh) | 2016-08-17 |
CN105866103B CN105866103B (zh) | 2018-08-28 |
Family
ID=56633436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610242042.5A Expired - Fee Related CN105866103B (zh) | 2016-04-19 | 2016-04-19 | 基于激光诱导击穿光谱的岩石含油级别判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105866103B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841170A (zh) * | 2016-12-05 | 2017-06-13 | 西北大学 | 一种基于小波神经网络算法结合libs技术的煤灰种类识别方法 |
CN106990096A (zh) * | 2017-03-27 | 2017-07-28 | 中国农业大学 | 基于激光诱导击穿光谱的肉骨粉种属检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6259101B1 (en) * | 1997-09-23 | 2001-07-10 | University Of Delaware | Method and instruments for the on-line detection, sizing or analysis of aerosol particles |
US6407811B1 (en) * | 1999-11-15 | 2002-06-18 | Bechtel Bwxt Idano, Llc | Ambient methods and apparatus for rapid laser trace constituent analysis |
CN101984344A (zh) * | 2010-10-22 | 2011-03-09 | 中南民族大学 | 地层岩性实时在线识别装置及其识别方法 |
CN102128815A (zh) * | 2010-11-26 | 2011-07-20 | 清华大学 | 检测时间及位置可控的激光诱导击穿光谱检测装置 |
-
2016
- 2016-04-19 CN CN201610242042.5A patent/CN105866103B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6259101B1 (en) * | 1997-09-23 | 2001-07-10 | University Of Delaware | Method and instruments for the on-line detection, sizing or analysis of aerosol particles |
US6407811B1 (en) * | 1999-11-15 | 2002-06-18 | Bechtel Bwxt Idano, Llc | Ambient methods and apparatus for rapid laser trace constituent analysis |
CN101984344A (zh) * | 2010-10-22 | 2011-03-09 | 中南民族大学 | 地层岩性实时在线识别装置及其识别方法 |
CN102128815A (zh) * | 2010-11-26 | 2011-07-20 | 清华大学 | 检测时间及位置可控的激光诱导击穿光谱检测装置 |
Non-Patent Citations (6)
Title |
---|
MBESSE KONGBONGA ,ET AL: "Classification of vegetable oils based on their concentration of saturated fatty acids using laser induced breakdown spectroscopy (LIBS)", 《FOOD CHEMISTRY》 * |
吴鼎等: "基于激光诱导击穿光谱地沟油鉴别的初步探究", 《科学通报》 * |
柯梽全等: "基于7种主要元素特征元素谱线的LIBS岩性识别", 《中国科学:物理学 力学 天文学》 * |
王茜蒨等: "基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究", 《光谱学与光谱分析》 * |
王超等: "基于激光诱导击穿光谱的元素分析技术", 《录井工程》 * |
陈兴龙等: "激光诱导击穿光谱在地质录井岩性快速识别中的应用", 《中国激光》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841170A (zh) * | 2016-12-05 | 2017-06-13 | 西北大学 | 一种基于小波神经网络算法结合libs技术的煤灰种类识别方法 |
CN106990096A (zh) * | 2017-03-27 | 2017-07-28 | 中国农业大学 | 基于激光诱导击穿光谱的肉骨粉种属检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105866103B (zh) | 2018-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106093350B (zh) | 确定非均质碳酸盐岩储层饱和度指数的方法 | |
CN106525888B (zh) | 一种测试致密油藏润湿性的方法及装置 | |
CN103422853A (zh) | 一种确定地层含水饱和度的方法及装置 | |
CN106442600A (zh) | 页岩束缚水含量确定方法 | |
RU2003112619A (ru) | Способ определения свойств подземных формаций | |
CN105114064A (zh) | 确定致密砂岩储层饱和度的方法 | |
CN104297280B (zh) | 利用核磁共振技术定量评价岩心洗油效果的方法 | |
CN104453874A (zh) | 一种基于核磁共振的砂砾岩储层含油饱和度的计算方法 | |
CN105445441A (zh) | 储层含气饱和度确定方法及装置 | |
CN103198363A (zh) | 一种基于ct孔隙分析的储层产气量预测方法及装置 | |
CN104594888B (zh) | 一种基于致密储层导电因素实验的油层识别方法 | |
CN105401937B (zh) | 一种基于孔隙结构的饱和度指数预测方法 | |
CN106355571A (zh) | 一种白云岩储层质量的确定方法及装置 | |
CN111502650B (zh) | 一种利用气测衍生参数识别凝析气层的方法及其应用 | |
CN102562051B (zh) | 处理气测图版原始数据的方法 | |
CN105866103A (zh) | 基于激光诱导击穿光谱的岩石含油级别判断方法 | |
CN104632206B (zh) | 一种石油测井标准层确定方法及装置 | |
CN113775326B (zh) | 可动水饱和度的评价方法、装置、电子设备及介质 | |
CN108801986B (zh) | 利用三维定量荧光图谱衍生参数判断油质和流体类型的方法 | |
CN102330553B (zh) | 一种mdt测试动态光谱流体识别方法 | |
CN110017136B (zh) | 一种基于视水层电阻率的水淹层识别与产水率预测方法 | |
CN110658162B (zh) | 一种由三维荧光光谱预测岩屑萃取液中原油浓度的方法 | |
CN105095562B (zh) | 一种预测土壤轻烃指标的方法及装置 | |
RU2479714C1 (ru) | Способ получения трехмерного распределения проницаемости пласта | |
Maas et al. | Defining a sample heterogeneity cut-off value to obtain representative Special Core Analysis (SCAL) measurements |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180828 Termination date: 20210419 |