CN113075156B - 碳酸盐矿物成分的定量方法、装置及设备、存储介质 - Google Patents
碳酸盐矿物成分的定量方法、装置及设备、存储介质 Download PDFInfo
- Publication number
- CN113075156B CN113075156B CN202110332749.6A CN202110332749A CN113075156B CN 113075156 B CN113075156 B CN 113075156B CN 202110332749 A CN202110332749 A CN 202110332749A CN 113075156 B CN113075156 B CN 113075156B
- Authority
- CN
- China
- Prior art keywords
- carbonate mineral
- data set
- relative depth
- thermal infrared
- infrared spectrum
- 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
- 229910001748 carbonate mineral Inorganic materials 0.000 title claims abstract description 179
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 95
- 239000011435 rock Substances 0.000 claims abstract description 79
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims abstract description 13
- 238000012417 linear regression Methods 0.000 claims description 32
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 15
- 239000011707 mineral Substances 0.000 claims description 15
- 238000004445 quantitative analysis Methods 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 239000000470 constituent Substances 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 6
- 239000004615 ingredient Substances 0.000 description 4
- 238000004566 IR spectroscopy Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 235000019738 Limestone Nutrition 0.000 description 2
- 239000010459 dolomite Substances 0.000 description 2
- 229910000514 dolomite Inorganic materials 0.000 description 2
- 239000006028 limestone Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002050 diffraction method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请涉及一种碳酸盐矿物成分的定量方法、装置及设备、存储介质，碳酸盐矿物成分的定量方法包括：获取待分析的岩石；基于热红外光谱技术，获取所述待分析的岩石的热红外光谱数据；计算所述热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值；基于预先建立的碳酸盐矿物总量计算公式，利用所述相对深度值，计算得到所述待分析的岩石的碳酸盐矿物总量。如此，无需耗费大量人力，也无需大量的测试时间，利用热红外光谱技术就可以无损、快速、批量地完成对岩石中碳酸盐矿物含量的分析，对沉积盆地的岩性识别、沉积演化与油气资源勘探都具有重要的指导意义。
Description
技术领域
本申请涉及热红外光谱数据解译与应用技术领域，具体涉及一种碳酸盐矿物成分的定量方法、装置及设备、存储介质。
背景技术
相关技术中，现有的碳酸盐矿物定量分析的方法主要依靠X射线粉晶衍射分析、碳酸盐岩分析仪分析以及QEMSCAN和TESCAN等矿物定量分析技术。然而，这些方法不仅需要较长的测试周期，也需要消耗很大的人力，且还容易对测试样品造成损耗，无法无损、快速、批量地完成对钻孔岩心等样品的碳酸盐矿物含量的分析。
发明内容
有鉴于此，本申请的目的在于克服现有技术的不足，提供一种碳酸盐矿物成分的定量方法、装置及设备、存储介质。
为实现以上目的，本申请采用如下技术方案：
本申请的第一方面提供一种碳酸盐矿物成分的定量方法，包括：
获取待分析的岩石；
基于热红外光谱技术，获取所述待分析的岩石的热红外光谱数据；
计算所述热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值；
基于预先建立的碳酸盐矿物总量计算公式，利用所述相对深度值，计算得到所述待分析的岩石的碳酸盐矿物总量。
可选的，所述获取待分析的岩石之前，所述方法还包括：
获取预设岩性的岩石样品，得到岩石样品集；
对所述岩石样品集中的样品进行测试，得到热红外光谱数据集，分别计算所述热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集；
对所述岩石样品集中样品进行矿物定量分析，计算每个样品的碳酸盐矿物总量，得到碳酸盐矿物总量数据集；
利用所述第一相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式；利用所述第二相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式；
对所述第一碳酸盐矿物总量反演经验公式和所述第二碳酸盐矿物总量反演经验公式进行验证，确定所述碳酸盐矿物总量计算公式。
可选的，所述分别计算所述热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集，包括：
对每个所述热红外光谱数据集中的热红外光谱进行归一化处理，得到归一化热红外光谱数据集合；
对所述归一化热红外光谱数据集合中的每个归一化热红外光谱数据在所述第一预设波段区间和所述第二预设波段区间的包络线进行剔除，得到包络线剔除后的光谱曲线集合；
基于所述光谱曲线集合，获取所述第一相对深度数据集和所述第二相对深度数据集。
可选的，所述利用所述第一相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式，包括：
利用最小二乘法对所述第一相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模，得到所述第一碳酸盐矿物总量反演经验公式；
所述利用所述第二相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式，包括：
利用最小二乘法对所述第二相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模，得到所述第二碳酸盐矿物总量反演经验公式。
可选的，所述预设岩性包括碳酸盐岩类和非碳酸盐岩类。
可选的，所述计算所述热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值，包括：
对所述热红外光谱数据进行归一化处理，得到归一化热红外光谱数据；
对所述预设波段区间的归一化热红外光谱数据进行包络线剔除，得到光谱曲线；
基于所述光谱曲线，计算所述预设波段区间反射峰的相对深度，得到所述相对深度值。
本申请的第二方面提供一种碳酸盐矿物成分的定量装置，包括：
第一获取模块，用于获取待分析的岩石；
第二获取模块，用于基于热红外光谱技术，获取所述待分析的岩石的热红外光谱数据；
第一计算模块，用于计算所述热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值；
第二计算模块，用于基于预先建立的碳酸盐矿物总量计算公式，利用所述相对深度值，计算得到所述待分析的岩石的碳酸盐矿物总量。
可选的，还包括建模模块，所述建模模块用于：
获取预设岩性的岩石样品，得到岩石样品集；
对所述岩石样品集中的样品进行测试，得到热红外光谱数据集，分别计算所述热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集；
对所述岩石样品集中样品进行矿物定量分析，计算每个样品的碳酸盐矿物总量，得到碳酸盐矿物总量数据集；
利用所述第一相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式；利用所述第二相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式；
对所述第一碳酸盐矿物总量反演经验公式和所述第二碳酸盐矿物总量反演经验公式进行验证，确定所述碳酸盐矿物总量计算公式。
本申请的第三方面提供一种碳酸盐矿物成分的定量设备，包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序；
所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如以上任意实施例所述的方法。
本申请的第四方面提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如本申请的第一方面所述的碳酸盐矿物成分的定量方法的各个步骤。
本申请提供的技术方案可以包括以下有益效果：
本申请的方案中，预先构建了碳酸盐矿物总量计算公式，继而在获取的待分析的岩石后，可以基于热红外光谱技术，检测得到待分析的岩石的热红外光谱数据，在计算热红外光谱数据在预设波段区间的反射峰的相对深度，从而得到相对深度值。将得到的相对深度值代入到预先构建的碳酸盐矿物总量计算公式中，就可以计算得到待分析的岩石的碳酸盐矿物总量。如此，无需耗费大量人力，也无需大量的测试时间，利用热红外光谱技术就可以无损、快速、批量地完成对岩石中碳酸盐矿物含量的分析，对沉积盆地的岩性识别、沉积演化与油气资源勘探都具有重要的指导意义。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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是本申请一个实施例提供的一种碳酸盐矿物成分的定量方法的流程图。
图2是本申请另一个实施例提供的一种碳酸盐矿物成分的定量装置的结构示意图。
图3是本申请另一个实施例提供的一种碳酸盐矿物成分的定量设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
参见图1是本申请一个实施例提供的一种碳酸盐矿物成分的定量方法的流程图。本实施例提供一种碳酸盐矿物成分的定量方法，如图所示，该方法至少可以包括如下步骤：
步骤11、获取待分析的岩石。
步骤12、基于热红外光谱技术，获取待分析的岩石的热红外光谱数据。
实施时，可以采用手持式热红外光谱仪对待分析的岩石进行光谱数据的采集，从而得到待分析的岩石的热红外光谱数据。其中，采集到的光谱数据的波段区间可以是2500-15000nm。
步骤13、计算热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值。
具体实施时，可以对热红外光谱数据进行归一化处理，得到归一化热红外光谱数据；对预设波段区间的归一化热红外光谱数据进行包络线剔除，得到光谱曲线；基于光谱曲线，计算预设波段区间反射峰的相对深度，得到相对深度值。
步骤14、基于预先建立的碳酸盐矿物总量计算公式，利用相对深度值，计算得到待分析的岩石的碳酸盐矿物总量。
本实施例中，预先构建了碳酸盐矿物总量计算公式，继而在获取的待分析的岩石后，可以基于热红外光谱技术，检测得到待分析的岩石的热红外光谱数据，在计算热红外光谱数据在预设波段区间的反射峰的相对深度，从而得到相对深度值。将得到的相对深度值代入到预先构建的碳酸盐矿物总量计算公式中，就可以计算得到待分析的岩石的碳酸盐矿物总量。如此，无需耗费大量人力，也无需大量的测试时间，利用热红外光谱技术就可以无损、快速、批量地完成对岩石中碳酸盐矿物含量的分析，对沉积盆地的岩性识别、沉积演化与油气资源勘探都具有重要的指导意义。
其中，预设波段区间的具体区间范围可以根据实际需求进行设定，此处不作限定。
一些实施例中，为了进一步提高对碳酸盐矿物成分的定量分析结果的精度，在上述获取待分析的岩石之前，碳酸盐矿物成分的定量方法还可以如下实施步骤：获取预设岩性的岩石样品，得到岩石样品集；对岩石样品集中的样品进行测试，得到热红外光谱数据集，分别计算热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集；对岩石样品集中样品进行矿物定量分析，计算每个样品的碳酸盐矿物总量，得到碳酸盐矿物总量数据集；利用第一相对深度数据集和碳酸盐矿物总量数据集进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式；利用第二相对深度数据集和碳酸盐矿物总量数据集进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式；对第一碳酸盐矿物总量反演经验公式和第二碳酸盐矿物总量反演经验公式进行验证，确定碳酸盐矿物总量计算公式。
其中，预设岩性可以包括碳酸盐岩类和非碳酸盐岩类。
具体实施时，可以采用预设岩性的沉积岩作为样品。其中，碳酸盐岩类的沉积岩可以包括灰岩和白云岩，非碳酸盐岩类的沉积岩可以包括砂岩、泥岩和砾岩。由此，挑选58块砂岩、灰岩、砾岩、泥岩和白云岩为主要岩性的沉积岩构成岩石样品集。其中，每个样品均可以为厚度约5mm的薄片。
在建立岩石样品集后，一方面，可以使用矿物成分定量分析仪对每个样品进行面扫描，从而得到每个样品的扫描数据。其中，矿物成分定量分析仪的分辨率可以是25um。然后可以利用iDiscover软件对每个扫描数据进行处理，获取到每个样品的矿物定量分析结果。将每个样品的矿物定量分析结果中碳酸盐矿物含量相加，得到每个样品的碳酸盐矿物总量，构建碳酸盐矿物总量数据集。
另一方面，可以对对岩石样品集中的样品进行测试，得到热红外光谱数据集，并分别计算热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集。
实施时，第一预设波段区间可以是6310-6780nm波段区间，第二预设波段区间可以是11000-11800nm波段区间。在分别计算热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集时，可以对每个热红外光谱数据集中的热红外光谱进行归一化处理，得到归一化热红外光谱数据集合；对归一化热红外光谱数据集合中的每个归一化热红外光谱数据在第一预设波段区间和第二预设波段区间的包络线进行剔除，得到包络线剔除后的光谱曲线集合；基于光谱曲线集合，即可获取到第一相对深度数据集和第二相对深度数据集。
在获取到碳酸盐矿物总量数据集、第一相对深度数据集和第二相对数据集后，可以利用最小二乘法对第一相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式。以及，利用最小二乘法对第二相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式。
具体的，利用最小二乘法对第一相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模，和利用最小二乘法对第二相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模的具体实现方式可以参考现有相关技术，此处不再赘述。
本实施例中，第一碳酸盐矿物总量反演经验公式可以是：
y＝189.61x+1.7479，R2＝0.9186 (1)
其中，x是待分析的岩石的热红外光谱数据在6310-6780nm波段区间反射峰的相对深度，y是待分析的岩石的矿物成分总量，R2表示线性回归的拟合程度，R2越接近于1，表示线性回归预测的值与真实值越接近。
同样的，第二碳酸盐矿物总量反演经验公式可以是：
y＝205.88x+5.7987，R2＝0.757 (2)
其中，x是待分析的岩石的热红外光谱数据在11000-11800nm波段区间反射峰的相对深度，y是待分析的岩石的矿物成分总量，R2表示线性回归的拟合程度，R2越接近于1，表示线性回归预测的值与真实值越接近。
在分别得到第一碳酸盐矿物总量反演经验公式和第二碳酸盐矿物总量反演经验公式后，可以从中确定出较优的经验公式，以更加快速地估算出岩石中的碳酸盐矿物总量。
下面以公式(1)和公式(2)为例，对验证第一碳酸盐矿物总量反演经验公式和第二碳酸盐矿物总量反演经验公式，确定碳酸盐矿物总量计算公式的具体实施方式进行阐述：
可以采用上述构建岩石样品集的方式构建测试集。将测试集中每个样品在第一预设波段区间反射峰的相对深度代入到第一碳酸盐矿物总量计算公式中，得到每个样品的第一碳酸盐矿物总量预测值，同时，利用矿物成分定量分析仪对每个样品进行扫描和计算，得到每个样品的碳酸盐矿物总量测量值。
同样的，将测试集中每个样品在第二预设波段区间反射峰的相对深度代入到第二碳酸盐矿物总量计算公式中，得到每个样品的第二碳酸盐矿物总量预测值。
基于每个样品的碳酸盐矿物总量测量值、第一碳酸盐矿物总量预测值和第二碳酸盐矿物总量预测值，使用均方根误差可以分别检验公式(1)和公式(2)的预测精度，其中，通过公式(1)得到的第一碳酸盐矿物总量预测值与对应的碳酸盐矿物总量测量值的均方根误差为13.47，通过公式(2)得到的第二碳酸盐矿物总量预测值与对应的碳酸盐矿物总量测量值的均方根误差为16.98。由此可知，公式(1)和公式(2)的精度均较高，但公式(1)的精度要高于公式(2)。
从公式(1)和公式(2)中可以确定公式(1)为碳酸盐矿物总量计算公式。基于公式(1)，可以利用热红外光谱技术实现对碳酸盐矿物总量的无损、精确估算，对沉积盆地的岩性识别、沉积演化与油气资源勘探都具有重要的指导意义。
基于同样的技术构思，本实施提供一种碳酸盐矿物成分的定量装置，如图2所示，该装置至少可以包括：第一获取模块201，用于获取待分析的岩石；第二获取模块202，用于基于热红外光谱技术，获取待分析的岩石的热红外光谱数据；第一计算模块203，用于计算热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值；第二计算模块204，用于基于预先建立的碳酸盐矿物总量计算公式，利用相对深度值，计算得到待分析的岩石的碳酸盐矿物总量。
可选的，碳酸盐矿物成分的定量装置还可以包括建模模块，建模模块用于：获取预设岩性的岩石样品，得到岩石样品集；对岩石样品集中的样品进行测试，得到热红外光谱数据集，分别计算热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集；对岩石样品集中样品进行矿物定量分析，计算每个样品的碳酸盐矿物总量，得到碳酸盐矿物总量数据集；利用第一相对深度数据集和碳酸盐矿物总量数据集进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式；利用第二相对深度数据集和碳酸盐矿物总量数据集进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式；对第一碳酸盐矿物总量反演经验公式和第二碳酸盐矿物总量反演经验公式进行验证，确定碳酸盐矿物总量计算公式。
可选的，在分别计算所述热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集时，建模模块，具体还可以用于：对每个热红外光谱数据集中的热红外光谱进行归一化处理，得到归一化热红外光谱数据集合；对归一化热红外光谱数据集合中的每个归一化热红外光谱数据在第一预设波段区间和第二预设波段区间的包络线进行剔除，得到包络线剔除后的光谱曲线集合；基于光谱曲线集合，获取第一相对深度数据集和第二相对深度数据集。
可选的，在利用第一相对深度数据集和碳酸盐矿物总量数据集进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式时，建模模块，具体可以用于：利用最小二乘法对第一相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式；利用第二相对深度数据集和碳酸盐矿物总量数据集进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式，包括：利用最小二乘法对第二相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式。
可选的，在计算热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值时，第一计算模块203，具体可以用于：对热红外光谱数据进行归一化处理，得到归一化热红外光谱数据；对预设波段区间的归一化热红外光谱数据进行包络线剔除，得到光谱曲线；基于光谱曲线，计算预设波段区间反射峰的相对深度，得到相对深度值。
本申请实施例提出的碳酸盐矿物成分的定量装置的具体实施方案可以参考以上任意实施例所述的碳酸盐矿物成分的定量方法的实施方案，此处不再赘述。
本实施例提供一种碳酸盐矿物成分的定量设备，如图3所示，该设备具体可以包括：处理器301，以及与处理器301相连接的存储器302；存储器302用于存储计算机程序；处理器301用于调用并执行存储器302中的计算机程序，以执行如以上任意实施例所述的碳酸盐矿物成分的定量方法。
本申请实施例提出的碳酸盐矿物成分的定量设备的具体实施方案可以参考以上任意实施例所述的碳酸盐矿物成分的定量方法的实施方案，此处不再赘述。
本实施例还提供一种存储介质，存储介质存储有计算机程序，计算机程序被处理器执行时，实现如以上任意实施例所述的碳酸盐矿物成分的定量方法的各个步骤。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种碳酸盐矿物成分的定量方法，其特征在于，包括：
获取待分析的岩石；
基于热红外光谱技术，获取所述待分析的岩石的热红外光谱数据；
计算所述热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值；
基于预先建立的碳酸盐矿物总量计算公式，利用所述相对深度值，计算得到所述待分析的岩石的碳酸盐矿物总量；
所述获取待分析的岩石之前，所述方法还包括：
获取预设岩性的岩石样品，得到岩石样品集；
对所述岩石样品集中的样品进行测试，得到热红外光谱数据集，分别计算所述热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集；
对所述岩石样品集中样品进行矿物定量分析，计算每个样品的碳酸盐矿物总量，得到碳酸盐矿物总量数据集；
利用所述第一相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式；利用所述第二相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式；
对所述第一碳酸盐矿物总量反演经验公式和所述第二碳酸盐矿物总量反演经验公式进行验证，确定所述碳酸盐矿物总量计算公式。
2.根据权利要求1所述的碳酸盐矿物成分的定量方法，其特征在于，所述分别计算所述热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集，包括：
对每个所述热红外光谱数据集中的热红外光谱进行归一化处理，得到归一化热红外光谱数据集合；
对所述归一化热红外光谱数据集合中的每个归一化热红外光谱数据在所述第一预设波段区间和所述第二预设波段区间的包络线进行剔除，得到包络线剔除后的光谱曲线集合；
基于所述光谱曲线集合，获取所述第一相对深度数据集和所述第二相对深度数据集。
3.根据权利要求1所述的碳酸盐矿物成分的定量方法，其特征在于，所述利用所述第一相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式，包括：
利用最小二乘法对所述第一相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模，得到所述第一碳酸盐矿物总量反演经验公式；
所述利用所述第二相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式，包括：
利用最小二乘法对所述第二相对深度数据集中每个样品的反射峰的相对深度与碳酸盐矿物总量数据集中对应样品的碳酸盐矿物总量进行一元线性回归建模，得到所述第二碳酸盐矿物总量反演经验公式。
4.根据权利要求1所述的碳酸盐矿物成分的定量方法，其特征在于，所述预设岩性包括碳酸盐岩类和非碳酸盐岩类。
5.根据权利要求1所述的碳酸盐矿物成分的定量方法，其特征在于，所述计算所述热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值，包括：
对所述热红外光谱数据进行归一化处理，得到归一化热红外光谱数据；
对所述预设波段区间的归一化热红外光谱数据进行包络线剔除，得到光谱曲线；
基于所述光谱曲线，计算所述预设波段区间反射峰的相对深度，得到所述相对深度值。
6.一种碳酸盐矿物成分的定量装置，其特征在于，包括：
第一获取模块，用于获取待分析的岩石；
第二获取模块，用于基于热红外光谱技术，获取所述待分析的岩石的热红外光谱数据；
第一计算模块，用于计算所述热红外光谱数据在预设波段区间反射峰的相对深度，得到相对深度值；
第二计算模块，用于基于预先建立的碳酸盐矿物总量计算公式，利用所述相对深度值，计算得到所述待分析的岩石的碳酸盐矿物总量；
建模模块，用于：
获取预设岩性的岩石样品，得到岩石样品集；
对所述岩石样品集中的样品进行测试，得到热红外光谱数据集，分别计算所述热红外光谱数据集中热红外光谱在第一预设波段区间和第二预设波段区间反射峰的相对深度，对应得到第一相对深度数据集和第二相对深度数据集；
对所述岩石样品集中样品进行矿物定量分析，计算每个样品的碳酸盐矿物总量，得到碳酸盐矿物总量数据集；
利用所述第一相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第一碳酸盐矿物总量反演经验公式；利用所述第二相对深度数据集和所述碳酸盐矿物总量数据集进行一元线性回归建模，得到第二碳酸盐矿物总量反演经验公式；
对所述第一碳酸盐矿物总量反演经验公式和所述第二碳酸盐矿物总量反演经验公式进行验证，确定所述碳酸盐矿物总量计算公式。
7.一种碳酸盐矿物成分的定量设备，其特征在于，包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序；
所述处理器用于调用并执行所述存储器中的所述计算机程序，以执行如权利要求1-5任一项所述的方法。
8.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-5任一项所述的碳酸盐矿物成分的定量方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110332749.6A CN113075156B (zh) | 2021-03-29 | 2021-03-29 | 碳酸盐矿物成分的定量方法、装置及设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110332749.6A CN113075156B (zh) | 2021-03-29 | 2021-03-29 | 碳酸盐矿物成分的定量方法、装置及设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113075156A CN113075156A (zh) | 2021-07-06 |
| CN113075156B true CN113075156B (zh) | 2023-03-14 |
Family
ID=76611000
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110332749.6A Active CN113075156B (zh) | 2021-03-29 | 2021-03-29 | 碳酸盐矿物成分的定量方法、装置及设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113075156B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105257286A (zh) * | 2015-11-02 | 2016-01-20 | 中国石油天然气股份有限公司 | 一种获取地层岩石组分含量的方法及装置 |
| JP2019109117A (ja) * | 2017-12-18 | 2019-07-04 | 浜松ホトニクス株式会社 | 炭酸塩鉱物分析方法 |
| CN112240875A (zh) * | 2019-07-18 | 2021-01-19 | 中国石油天然气股份有限公司 | 一种基于asd光谱的碳酸盐岩岩性识别方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9329122B2 (en) * | 2011-08-15 | 2016-05-03 | Schlumberger Technology Corporation | Diffuse reflectance infrared fourier transform spectroscopy for characterization of earth materials |
-
2021
- 2021-03-29 CN CN202110332749.6A patent/CN113075156B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105257286A (zh) * | 2015-11-02 | 2016-01-20 | 中国石油天然气股份有限公司 | 一种获取地层岩石组分含量的方法及装置 |
| JP2019109117A (ja) * | 2017-12-18 | 2019-07-04 | 浜松ホトニクス株式会社 | 炭酸塩鉱物分析方法 |
| CN112240875A (zh) * | 2019-07-18 | 2021-01-19 | 中国石油天然气股份有限公司 | 一种基于asd光谱的碳酸盐岩岩性识别方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| "一种红外光谱免疫计算的矿物组分定量提取方法";刘庆杰 等;《光谱学与光谱分析》;20130430;第33卷(第4期);第954-958页 * |
| "岩石矿物热红外光谱特性与光谱解混实验研究";卓建英;《中国优秀硕士论文全文数据库》;20130415(第4期);第1-88页 * |
| "新疆可可托海稀有金属矿床矿物和岩石热红外光谱特征";回广骥 等;《岩矿测试》;20210131;第40卷(第1期);第134-144页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113075156A (zh) | 2021-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104062257B (zh) | 一种基于近红外光谱测定溶液中总黄酮含量的方法 | |
| CN101308086B (zh) | 基于近红外光谱技术的水果内部品质在线检测装置 | |
| WO2019153460A1 (zh) | 基于atr模式的物质成分鉴别方法、装置和计算机设备 | |
| 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 | |
| CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
| CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
| JP2006267111A (ja) | スペクトル、特にｎｍｒスペクトルのセットをプロセッシングする方法 | |
| CN109085136B (zh) | 近红外漫反射光谱测定水泥生料氧化物成分含量的方法 | |
| CN103543132B (zh) | 一种基于小波变换的煤质特性测量方法 | |
| CN105092436B (zh) | 一种沉积物粒度光谱分析方法及装置 | |
| CN106526380B (zh) | 电磁发射要素检测分析系统 | |
| CN102192891A (zh) | 利用近红外光谱分析技术快速测定木材气干密度 | |
| CN1300574C (zh) | 确定材料中水分的设备和分析方法 | |
| CN104849234A (zh) | 基于近红外光谱分析吡虫啉原药主成分含量的测定方法 | |
| CN113075156B (zh) | 碳酸盐矿物成分的定量方法、装置及设备、存储介质 | |
| CN113216945A (zh) | 一种致密砂岩储层渗透性定量评价方法 | |
| Planès et al. | LOCADIFF: Locating a weak change with diffuse ultrasound | |
| CN205506679U (zh) | 一种便携式近红外光谱检测系统 | |
| CN104568828A (zh) | 近红外漫反射光谱测定造纸法再造烟叶抗张强度的方法 | |
| CN113125374B (zh) | 检测碳酸岩型稀土矿床样品中ree含量的方法、装置和设备 | |
| Franceschelli et al. | Non-intrusive microwave technique for direct detection of concrete compressive strength monitoring by multivariate modeling | |
| CN110333506A (zh) | 一种提取索力测量雷达的拉索位置参数的方法 | |
| CN113049521B (zh) | 识别碳酸盐岩的方法、装置及设备、存储介质 | |
| CN104181125A (zh) | 快速测定啤酒麦芽中库尔巴哈值的方法 | |
| CN104535538A (zh) | 一种基于高光谱技术的海冰密度原位测量方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |