CN108844898A - 一种岩屑类型识别方法及系统 - Google Patents

Abstract

本发明公开了一种岩屑类型识别方法及系统，用于识别钻探得到的岩屑。本发明提供的方法包括：利用光声光谱仪测量标准岩屑的光声光谱；微分处理后，得到标准岩屑光声光谱的微分信号；用标准岩屑的光声光谱的微分信号对BP神经网络进行训练，得到BP神经网络结构；通过所述BP神经网络识别待识别岩屑。在本发明中利用光声光谱能够简化操作难度，通过BP神经网络识别可以节省耗费的时间，通过该方法能大大提高岩屑识别效率，同时保证识别的准确性。

Description

一种岩屑类型识别方法及系统

技术领域

本发明涉及石油、天然气钻探领域，尤其涉及一种岩屑类型识别方法及系统

背景技术

岩屑，是在钻进过程中，钻头将地层钻随后带到地面的岩石碎块。实际野外钻井过程，可以根据岩屑类型了解岩石性质、地层变化和油、气层情况。由于现代技术的进步，钻探得到的岩屑已经变得非常细碎，传统识别岩屑的方法已经变得较为落后了。

目前，针对岩屑的识别，常采用的技术是激光诱导击穿光谱得到含量较高元素的波峰谱线进行识别，主要有：第一种方法是激光诱导击穿光谱全谱模型：这种模型需要处理的数据比较多，同时背景噪声影响较大，识别结果相对比较高。第二种方法是峰值强度与比率模型(特征模型)，这种方法数据处理比较简单，但识别正确率有所下降。第三种方法是选取Si、Al、Ca、Fe等主要元素，根据这些元素发射谱线强度构造特征变量，再结合神经网络进行岩屑类型识别。第四种是对全谱先进行主成分分析，再利用神经网络进行岩屑类型识别。以上方法数据处理耗费时间较长，而且操作较为复杂，十分不便。

发明内容

本发明实施例提供了一种岩屑类型识别方法及系统，能够识别钻探得到的细小的岩屑。

第一方面，提供了一种岩屑类型识别方法，该方法包括：

S1、利用光声光谱仪测量出N种标准岩屑在预设波长范围内的光声光谱；

S2、将所述N种标准岩屑光声光谱对波长进行微分处理，得到N种标准岩屑光声光谱的微分信号；

S3、选取N种标准岩屑光声光谱的微分信号作为标准BP神经网络的输入值，对BP神经网络进行训练，得到训练后的BP神经网络；

S4、通过所述训练后的BP神经网络识别待识别岩屑。

第二方面，提供了一种岩屑类型识别系统，该系统包括：

采集模块：用于利用光声光谱仪测量出N种标准岩屑在预设波长范围内的光声光谱；

微分模块：用于将所述N种标准岩屑光声光谱对波长进行微分处理，得到 N种标准岩屑光声光谱的微分信号；

训练模块：用于选取N种标准岩屑光声光谱的微分信号作为标准BP神经网络的输入值，对BP神经网络进行训练，得到训练后的BP神经网络；

识别模块：用于通过所述训练后的BP神经网络识别待识别岩屑。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例中，通过光声光谱仪测量标准岩屑的光声光谱，微分处理后，输入BP神经网络，对神经网络进行训练后，通过该神经网络识别岩屑，利用光声光谱能够简化操作难度，通过BP神经网络识别能节省耗费的时间，通过本发明实施例的方法能大大提高岩屑识别效率，同时保证识别的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的岩屑类型识别方法一个实施例流程图；

图2为本发明实施例提供的岩屑类型识别系统一个实施例结构图；

具体实施方式

本发明实施例提供了一种岩屑类型识别方法及系统，用于识别钻探中得到的细小岩屑，方便对地层变化、岩石性质等进行分析。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例中岩屑方法一个实施例包括：

S101、利用光声光谱仪测量出N种标准岩屑在预设波长范围内的光声光谱。

所述光声光谱是用脉冲光照射到样品上，样品吸收光的能量后，因为热胀冷缩而产生声信号，该声信号大小随光的波长变化的关系曲线就是光声光谱。岩屑不同其物理特性也不相同，因而，得到的光声光谱也不相同。在本发明实施例中采用光声光谱技术得到的测量时间短，结果更稳定，且测量方法简单。

可选的，其中N为不小于5，测量标准岩屑类型越多，对待识别岩屑的识别越准确。

可选的，可根据所述光声光谱仪器的性能参数和性能需要，选择不同的光声光谱波长范围，例如可选700-1500nm或700-2000nm的波长范围。

S102、将所述N种标准岩屑光声光谱对波长进行微分处理，得到N种标准岩屑光声光谱的微分信号。

用所述光声光谱信号大小对光的波长求微分，能将所述光声光谱信号内一些有用的信息进行放大。

S103、选取所述N种标准岩屑光声光谱的微分信号作为标准BP神经网络的输入值，对BP神经网络进行训练，得到训练后的BP神经网络。

可选的，以上步骤S103具体为：

步骤1：每种岩石样品取(X+Y)组激光诱导击穿光谱微分信号数据，其中X、 Y为正整数，共N×(X+Y)组激光诱导击穿光谱微分信号数据；

步骤2：取每种样品前X组激光诱导击穿光谱微分信号数据，N种标准岩屑共N×X组，作为BP神经网络的数据训练组；

步骤3：每种样品后Y组激光诱导击穿光谱微分信号数据，N种标准岩屑共 N×Y组，作为BP神经网络的数据检验组；

步骤4：两组数据对BP神经网络进行训练、检验，得到训练后的BP神经网络。

优选地，BP神经网络可以采用Matlab软件实现，也可采用其它软件实验。

可选地，除采用BP神经网络方法对样品进行类型识别外，也可采用其它的算法，如偏最小二乘法、支持向量机、主成分分析、相关分析法等，但其关键的是其输入信号是采用光声光谱微分信号数据。

S104、通过所述训练后的BP神经网络识别待识别岩屑。

所述BP神经网络是经过训练得到的，能够通过输入待识别岩屑光声光谱的微分信号，判断出该岩屑所属类型。

可选的，所述步骤S104还包括：

步骤1：利用光声光谱仪测量出待识别岩屑在预设波长范围内的光声光谱；

步骤2：将待识别岩屑光声光谱对波长进行微分处理，得到待识别岩屑光声光谱的微分信号；

步骤3：选取待识别岩屑光声光谱的微分信号作为BP神经网络的输入值，利用所述训练后的BP神经网络对待测岩屑进行识别，得到识别结果。

在本发明实施例提供的方法中通过光声光谱技术能保证采集时间短，得到的结果更为稳定且操作较为简单，而通过对BP神经网络训练，得到神经网络来识别岩屑能够保证识别更为准确快速。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

上面主要描述了一种岩屑类型识别方法，下面将对一种岩屑类型识别系统进行详细描述。

图2示出了本发明实施例提供了岩屑类型识别系统的一个实施例结构图，该系统包括：

采集模块21：用于利用光声光谱仪测量出N种标准岩屑在预设波长范围内的光声光谱；

微分模块22：用于将所述N种标准岩屑光声光谱对波长进行微分处理，得到N种标准岩屑光声光谱的微分信号；

训练模块23：用于选取N种标准岩屑光声光谱的微分信号作为标准BP神经网络的输入值，对BP神经网络进行训练，得到训练后的BP神经网络；

识别模块24：用于通过所述训练后的BP神经网络识别待识别岩屑。

可选的，所述识别模块24具体包括：

待识别岩屑采集单元241：用于利用光声光谱仪测量出待识别岩屑在预设波长范围内的光声光谱；

待识别岩屑微分单元242：用于将待识别岩屑光声光谱对波长进行微分处理，得到待识别岩屑光声光谱的微分信号；

识别子单元242：用于选取待识别岩屑光声光谱的微分信号作为BP神经网络的输入值，利用所述训练后的BP神经网络对待测岩屑进行识别，得到识别结果。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.一种岩屑类型识别方法，其特征在于，包括：

S1、利用光声光谱仪测量出N种标准岩屑在预设波长范围内的光声光谱，其中N为不小于5的正整数；

S2、将所述N种标准岩屑光声光谱对波长进行微分处理，得到N种标准岩屑光声光谱的微分信号；

S3、选取所述N种标准岩屑光声光谱的微分信号作为标准BP神经网络的输入值，对BP神经网络进行训练，得到训练后的BP神经网络；

S4、通过所述训练后的BP神经网络识别待识别岩屑。

2.如权利要求1所述的方法，其特征在于，所述步骤S3包括：

S31、每种岩石样品取(X+Y)组激光诱导击穿光谱微分信号数据，其中X、Y为正整数，共N×(X+Y)组激光诱导击穿光谱微分信号数据；

S32、取每种样品前X组激光诱导击穿光谱微分信号数据，N种标准岩屑共N×X组，作为BP神经网络的数据训练组；

S33、每种样品后Y组激光诱导击穿光谱微分信号数据，N种标准岩屑共N×Y组，作为BP神经网络的数据检验组；

S34、两组数据对BP神经网络进行训练、检验，得到训练后的BP神经网络。

3.如权利要求2所述的方法，其特征在于，所述BP神经网络由MATLAB实现。

4.如权利要求1所述的方法，其特征在于，所述步骤S4包括：

S41、利用光声光谱仪测量出待识别岩屑在预设波长范围内的光声光谱；

S42、将待识别岩屑光声光谱对波长进行微分处理，得到待识别岩屑光声光谱的微分信号；

S43、选取待识别岩屑光声光谱的微分信号作为BP神经网络的输入值，利用所述训练后的BP神经网络对待测岩屑进行识别，得到识别结果。

5.一种岩屑类型识别系统，其特征在于，包括：

采集模块：用于利用光声光谱仪测量出N种标准岩屑在预设波长范围内的光声光谱；

微分模块：用于将所述N种标准岩屑光声光谱对波长进行微分处理，得到N种标准岩屑光声光谱的微分信号；

训练模块：用于选取N种标准岩屑光声光谱的微分信号作为标准BP神经网络的输入值，对BP神经网络进行训练，得到训练后的BP神经网络；

识别模块：用于通过所述训练后的BP神经网络识别待识别岩屑。