CN111504908A - 一种基于光声光谱的岩石类型识别方法及系统 - Google Patents
一种基于光声光谱的岩石类型识别方法及系统 Download PDFInfo
- Publication number
- CN111504908A CN111504908A CN201911388726.6A CN201911388726A CN111504908A CN 111504908 A CN111504908 A CN 111504908A CN 201911388726 A CN201911388726 A CN 201911388726A CN 111504908 A CN111504908 A CN 111504908A
- Authority
- CN
- China
- Prior art keywords
- photoacoustic
- rock sample
- rock
- standard
- detected
- 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.)
- Pending
Links
Images
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
- G01N2021/1706—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids in solids
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及一种基于光声光谱的岩石类型识别方法及系统。所述方法包括:分别测量待测岩石样品、标准炭黑和标准岩石样本的光声光谱;根据标准炭黑的光声光谱分别对待测岩石样品和标准岩石样本的光声光谱归一化处理;将归一化处理后待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到相应的光声光谱的时域信号;对待测岩石样品的光声光谱的时域信号进行对比识别;所述系统包括:光声光谱仪、处理模块、识别模块。本发明实施例根据将归一化处理后待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到相应的光声光谱时域信号,根据时域信号进行岩石类型对比识别;降低噪声及较弱强度光谱对类型识别效果的影响。
Description
技术领域
本发明涉及石油、天然气钻探技术领域,尤其涉及一种基于光声光谱的岩石类型识别方法及系统。
背景技术
在石油、天然气的钻采过程中,岩石类型识别对于地质状况的判定具有极其重要的作用。实际野外钻井过程,可以根据岩石类型了解岩石性质、地层变化和油、气层情况。随着现代技术的进步,获得的岩石已经变得非常细碎,岩石的识别技术也得到更多的关注。
目前,已有采用光声光谱或其它光谱进行岩石类型识别的方法。这些方法利用不同岩石产生的光声信号的强弱不同,光声光谱的吸收峰个数及吸收峰波长也与岩石的种类的相关性,直接采用岩石的光声光谱或其它光谱进行类型识别;由于在其光谱中存在噪声及较弱强度光谱的影响,因此,其识别效果还不是很理想。
发明内容
本发明实施例克服现有技术存在的不足,提供了一种基于光声光谱的岩石类型识别方法;降低了噪声及较弱强度光谱的影响,识别效果更好。
一方面,本发明实施例提供一种基于光声光谱的岩石类型识别方法,包括以下步骤:
S1,分别测量待测岩石样品、标准炭黑和标准岩石样本的光声光谱;所述待测岩石样品、标准炭黑、标准岩石样本的光声光谱的波长测量范围相同;所述标准岩石样本的类型至少为5类,每一类至少取5个测量样品;
S2,根据所述标准炭黑的光声光谱分别对所述待测岩石样品和标准岩石样本的光声光谱归一化处理;
S3,将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到所述待测岩石样品的光声光谱的时域信号和标准岩石样本的光声光谱的时域信号;
S4,对所述待测岩石样品的光声光谱的时域信号进行识别;具体地,根据所述标准岩石样本的光声光谱的时域信号为参照对所述待测岩石样品的光声光谱的时域信号进行对比识别。
另一方面,本发明实施例提供一种基于光声光谱的岩石类型识别系统,包括:
光声光谱仪,分别测量待测岩石样品、标准炭黑和标准岩石样本的光声光谱;所述待测岩石样品、标准炭黑、标准岩石样本的光声光谱的波长测量范围相同;所述标准岩石样本的类型至少为5类,每一类至少取5个测量样品;
处理模块,根据所述标准炭黑的光声光谱分别对所述待测岩石样品和标准岩石样本的光声光谱归一化处理;将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到所述待测岩石样品的光声光谱的时域信号和标准岩石样本的光声光谱的时域信号;
识别模块,对所述待测岩石样品的光声光谱的时域信号进行识别;具体地,根据所述标准岩石样本的光声光谱的时域信号为参照对所述待测岩石样品的光声光谱的时域信号进行对比识别。
本发明实施例提供一种基于光声光谱的岩石类型识别方法及系统,根据标准炭黑的光声光谱分别对所述标准岩石样本和待测岩石样品光声光谱归一化处理;将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到相应的光声光谱时域信号;根据待测岩石样品的光声光谱时域信号进行岩石类型对比识别;低噪声及较弱强度光谱对类型识别效果的影响,从而提高识别的效果。
附图说明
为了更清楚地说明本发明的技术方案,下面将对本发明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为本发明实施例一种基于光声光谱的岩石类型识别方法流程示意图;
图2为本发明实施例一种基于光声光谱的岩石类型识别系统系统结构示意图;
附图标记:
光声光谱仪-1 处理模块-2 识别模块-3。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
图1为本发明实施例一种基于光声光谱的岩石类型识别方法流程示意图;如图1所示,包括以下步骤:
S1,分别测量待测岩石样品、标准炭黑和标准岩石样本的光声光谱;所述待测岩石样品、标准炭黑、标准岩石样本的光声光谱的波长测量范围相同;所述标准岩石样本的类型至少为5类,每一类至少取5个测量样品;
S2,根据所述标准炭黑的光声光谱分别对所述待测岩石样品和标准岩石样本的光声光谱归一化处理;
S3,将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到所述待测岩石样品的光声光谱的时域信号和标准岩石样本的光声光谱的时域信号;
S4,对所述待测岩石样品的光声光谱的时域信号进行识别;具体地,根据所述标准岩石样本的光声光谱的时域信号为参照对所述待测岩石样品的光声光谱的时域信号进行对比识别。
具体地,分别测量标准岩石样本、待测岩石样品和标准炭黑的光声光谱在700-1200nm范围内的光声光谱;也可以根据所用测试仪器的性能参数及实际需要,可选择不同的光声光谱波长范围,如可选择:600-1200nm波长范围;需要保证标准炭黑的光声光谱和待测岩石样品的光声光谱的波长范围相同,这样才能对光声光谱进行归一化处理。根据标准炭黑的光声光谱分别对待测岩石样品和标准岩石样本的光声光谱归一化处理,将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,是因为测量出来的光声光谱是离散信号,因此,对归一化光声光谱进行傅里叶逆变换时,采用离散傅里叶逆变换进行处理分别得到待测岩石样品的光声光谱时域信号数据和标准岩石样本的光声光谱时域信号数据,然后对待测岩石样品的光声光谱的时域信号和标准岩石样本的光声光谱时域信号进行对比识别。
在进行标准岩石样本的光声光谱测量时,可测量N种标准岩石样本在700-1200nm范围内的光声光谱;标准岩石样本的类型N应不小于5;N越大,能识别的岩石类型越多,识别的效果越好。其中,每一类标准岩石样本可取M个样品进行测量,M应不小于5。M值较大时,测量数据越精确。
本发明实施例提供一种基于光声光谱的岩石类型识别方法,根据标准炭黑的光声光谱分别对所述标准岩石样本和待测岩石样品光声光谱归一化处理;将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到相应的光声光谱时域信号;根据待测岩石样品的光声光谱时域信号进行岩石类型对比识别;低噪声及较弱强度光谱对类型识别效果的影响,从而提高识别的效果。
进一步地,所述S4步骤还包括:将所述待测岩石样品的光声光谱的时域信号输入到岩石类型识别模型,所述岩石类型识别模型对所述待测岩石样品的类型进行识别。所述岩石类型识别模型具体包括:
根据所述标准岩石样本的光声光谱的时域信号通过类型识别算法搭建岩石类型识别模型;所述类型识别算法包括但不限于BP神经网络方法、偏最小二乘法、支持向量机算法。搭建岩石类型识别模型需要输入标准岩石样本的光声光谱的时域信号,这时标准岩石样本类型多少和每类型测量样品的多少决定了岩石类型识别模型能识别岩石类型的多少和识别的准确度。
本发明实施例提供一种基于光声光谱的岩石类型识别方法,根据标准炭黑的光声光谱分别对所述标准岩石样本和待测岩石样品光声光谱归一化处理;将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到相应的光声光谱时域信号;根据待测岩石样品的光声光谱时域信号进行岩石类型对比识别;低噪声及较弱强度光谱对类型识别效果的影响,从而提高识别的效果;通过搭建岩石类型识别模型,对待测岩石样品的光声光谱时域信号进行识别,可以降低检测时间,提高了岩石样品类型识别的效率及准确性。
基于上述实施例,图2为本发明实施例一种基于光声光谱的岩石类型识别系统系统结构示意图;包括:
光声光谱仪1,分别测量待测岩石样品、标准炭黑和标准岩石样本的光声光谱;所述待测岩石样品、标准炭黑、标准岩石样本的光声光谱的波长测量范围相同;所述标准岩石样本的类型至少为5类,每一类至少取5个测量样品;
处理模块2,根据所述标准炭黑的光声光谱分别对所述待测岩石样品和标准岩石样本的光声光谱归一化处理;将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到所述待测岩石样品的光声光谱的时域信号和标准岩石样本的光声光谱的时域信号;
识别模块3,对所述待测岩石样品的光声光谱的时域信号进行识别;具体地,根据所述标准岩石样本的光声光谱的时域信号为参照对所述待测岩石样品的光声光谱的时域信号进行对比识别。
本发明实施例提供一种基于光声光谱的岩石类型识别系统执行上述方法,根据标准炭黑的光声光谱分别对所述标准岩石样本和待测岩石样品光声光谱归一化处理;将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到相应的光声光谱时域信号;根据待测岩石样品的光声光谱时域信号进行岩石类型对比识别;低噪声及较弱强度光谱对类型识别效果的影响,从而提高识别的效果;通过搭建岩石类型识别模型,对待测岩石样品的光声光谱时域信号进行识别,可以降低检测时间,提高了岩石样品类型识别的效率及准确性。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是: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 (6)
1.一种基于光声光谱的岩石类型识别方法,其特征在于,包括以下步骤:
S1,分别测量待测岩石样品、标准炭黑和标准岩石样本的光声光谱;所述待测岩石样品、标准炭黑、标准岩石样本的光声光谱的波长测量范围相同;所述标准岩石样本的类型至少为5类,每一类至少取5个测量样品;
S2,根据所述标准炭黑的光声光谱分别对所述待测岩石样品和标准岩石样本的光声光谱归一化处理;
S3,将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到所述待测岩石样品的光声光谱的时域信号和标准岩石样本的光声光谱的时域信号;
S4,对所述待测岩石样品的光声光谱的时域信号进行识别;具体地,根据所述标准岩石样本的光声光谱的时域信号为参照对所述待测岩石样品的光声光谱的时域信号进行对比识别。
2.根据权利要求1所述的一种基于光声光谱的岩石类型识别方法,其特征在于,所述S4步骤还包括:将所述待测岩石样品的光声光谱的时域信号输入到岩石类型识别模型,所述岩石类型识别模型对所述待测岩石样品的类型进行识别。
3.根据权利要求2所述的一种基于光声光谱的岩石类型识别方法,其特征在于,所述岩石类型识别模型具体包括:
根据所述标准岩石样本的光声光谱的时域信号通过类型识别算法搭建岩石类型识别模型;所述类型识别算法包括但不限于BP神经网络方法、偏最小二乘法、支持向量机算法。
4.一种基于光声光谱的岩石类型识别系统,其特征在于,包括:
光声光谱仪(1),分别测量待测岩石样品、标准炭黑和标准岩石样本的光声光谱;所述待测岩石样品、标准炭黑、标准岩石样本的光声光谱的波长测量范围相同;所述标准岩石样本的类型至少为5类,每一类至少取5个测量样品;
处理模块(2),根据所述标准炭黑的光声光谱分别对所述待测岩石样品和标准岩石样本的光声光谱归一化处理;将归一化处理后所述待测岩石样品和标准岩石样本的光声光谱分别进行傅里叶逆变换,得到所述待测岩石样品的光声光谱的时域信号和标准岩石样本的光声光谱的时域信号;
识别模块(3),对所述待测岩石样品的光声光谱的时域信号进行识别;具体地,根据所述标准岩石样本的光声光谱的时域信号为参照对所述待测岩石样品的光声光谱的时域信号进行对比识别。
5.根据权利要求4所述的一种基于光声光谱的岩石类型识别系统,其特征在于,所述识别模块(3)还包括:将所述待测岩石样品的光声光谱的时域信号输入到岩石类型识别模型,所述岩石类型识别模型对所述待测岩石样品的类型进行识别。
6.根据权利要求5所述的一种基于光声光谱的岩石类型识别系统,其特征在于,所述岩石类型识别模型具体包括:
根据所述标准岩石样本的光声光谱的时域信号通过类型识别算法搭建岩石类型识别模型;所述类型识别算法包括但不限于BP神经网络方法、偏最小二乘法、支持向量机算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911388726.6A CN111504908A (zh) | 2019-12-30 | 2019-12-30 | 一种基于光声光谱的岩石类型识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911388726.6A CN111504908A (zh) | 2019-12-30 | 2019-12-30 | 一种基于光声光谱的岩石类型识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111504908A true CN111504908A (zh) | 2020-08-07 |
Family
ID=71871022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911388726.6A Pending CN111504908A (zh) | 2019-12-30 | 2019-12-30 | 一种基于光声光谱的岩石类型识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111504908A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113533160A (zh) * | 2021-07-06 | 2021-10-22 | 长江大学 | 一种岩石孔隙度测量方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108844898A (zh) * | 2018-03-13 | 2018-11-20 | 长江大学 | 一种岩屑类型识别方法及系统 |
CN109709045A (zh) * | 2019-01-25 | 2019-05-03 | 长江大学 | 基于光声光谱积分信号的岩屑类型识别方法及系统 |
-
2019
- 2019-12-30 CN CN201911388726.6A patent/CN111504908A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108844898A (zh) * | 2018-03-13 | 2018-11-20 | 长江大学 | 一种岩屑类型识别方法及系统 |
CN109709045A (zh) * | 2019-01-25 | 2019-05-03 | 长江大学 | 基于光声光谱积分信号的岩屑类型识别方法及系统 |
Non-Patent Citations (4)
Title |
---|
周名成 等: "《紫外与可见分光光度分析法》", 31 August 1986, 化学化工出版社 * |
李依岑 等: "花岗岩的反射式太赫兹光谱特性", 《现代应用物理》 * |
王阳恩 等: "不同种类岩石的光声光谱定性解析研究", 《冶金分析》 * |
王阳恩: "不同种类岩石的激光光声频谱研究", 《激光杂志》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113533160A (zh) * | 2021-07-06 | 2021-10-22 | 长江大学 | 一种岩石孔隙度测量方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11493447B2 (en) | Method for removing background from spectrogram, method of identifying substances through Raman spectrogram, and electronic apparatus | |
US10267678B2 (en) | Raman spectroscopic detection method | |
CN112129741B (zh) | 绝缘油老化分析方法、装置、计算机设备和存储介质 | |
CN103487411A (zh) | 一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法 | |
CN103033481A (zh) | 基于fft的激光分析仪二次谐波滤波方法 | |
US10718713B2 (en) | Unknown sample determining method, unknown sample determining instrument, and unknown sample determining program | |
CN112557834B (zh) | 基于拉曼光谱的油纸绝缘设备老化诊断方法 | |
WO2018103541A1 (zh) | 用于去除溶剂干扰的拉曼光谱检测方法和电子设备 | |
CN114611582B (zh) | 一种基于近红外光谱技术分析物质浓度的方法及系统 | |
CN113740295B (zh) | 基于近红外建模的成品油添加剂检测分析方法及装置 | |
CN111504908A (zh) | 一种基于光声光谱的岩石类型识别方法及系统 | |
TWI493168B (zh) | 分析質譜的方法、電腦程式及系統 | |
CN109709060B (zh) | 一种沥青软化点、针入度和质量损失的测定方法 | |
CN109145403B (zh) | 一种基于样本共识的近红外光谱建模方法 | |
CN106525764A (zh) | 基于太赫兹时域光谱的材料表面光洁度检测方法 | |
CN114783538A (zh) | 一种煤炭灰分预测方法及装置 | |
EP3561718A1 (en) | Method for identifying raman spectrogram, and electronic device | |
CN113295674B (zh) | 一种基于s变换的激光诱导击穿光谱特征非线性处理方法 | |
Cheng et al. | Recognition of MIR Data of Semen Armeniacae Amarum and Semen Persicae Using Discrete Wavelet Transformation and BP‐Artificial Neural Network | |
CN104808643B (zh) | 一种基于改进的倒双谱分析的控制回路非线性检测方法 | |
CN112697745A (zh) | 一种白酒酒精含量测定方法 | |
CN113252641A (zh) | 一种拉曼光谱下基于残差分析的物质鉴别方法 | |
US20240151793A1 (en) | Systems and methods for provisioning training data to enable neural networks to analyze signals in nmr measurements | |
Monakhova et al. | Methodology of chemometric modeling of spectrometric signals in the analysis of complex samples | |
CN114580982B (zh) | 一种工业设备的数据质量的评估方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200807 |
|
RJ01 | Rejection of invention patent application after publication |