CN116413236B - 一种用于钻井返出液总烃含量的检测装置及方法 - Google Patents
一种用于钻井返出液总烃含量的检测装置及方法 Download PDFInfo
- Publication number
- CN116413236B CN116413236B CN202310169063.9A CN202310169063A CN116413236B CN 116413236 B CN116413236 B CN 116413236B CN 202310169063 A CN202310169063 A CN 202310169063A CN 116413236 B CN116413236 B CN 116413236B
- Authority
- CN
- China
- Prior art keywords
- hydrocarbon content
- total hydrocarbon
- drilling
- feature
- 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
- 239000004215 Carbon black (E152) Substances 0.000 title claims abstract description 48
- 229930195733 hydrocarbon Natural products 0.000 title claims abstract description 48
- 150000002430 hydrocarbons Chemical class 0.000 title claims abstract description 48
- 238000005553 drilling Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000007788 liquid Substances 0.000 title claims abstract description 25
- 239000000523 sample Substances 0.000 claims abstract description 54
- 239000013307 optical fiber Substances 0.000 claims abstract description 21
- 230000003595 spectral effect Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 23
- 238000001228 spectrum Methods 0.000 claims description 22
- 238000002329 infrared spectrum Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 239000012530 fluid Substances 0.000 claims description 11
- 238000013508 migration Methods 0.000 claims description 10
- 230000005012 migration Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012850 discrimination method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 9
- 238000010183 spectrum analysis Methods 0.000 abstract description 4
- 239000007789 gas Substances 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 9
- 239000000126 substance Substances 0.000 description 9
- 238000010521 absorption reaction Methods 0.000 description 5
- 238000000862 absorption spectrum Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000004566 IR spectroscopy Methods 0.000 description 4
- 238000002834 transmittance Methods 0.000 description 4
- 238000002835 absorbance Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000011358 absorbing material Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012159 carrier gas Substances 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007872 degassing Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
Abstract
本发明提供一种用于钻井返出液总烃含量的检测装置及方法，其中装置包括安装在井口的供钻井返出液流动的长直管道，在管道壁开有可插入光纤探头的孔洞，光纤探头与光谱仪相连接，光谱仪通过光纤探头采集钻井返出液光谱数据并上传到工控机进行光谱分析与总烃含量解析。本发明克服了井下测井过程中温度、压力等因素造成测定结果不准确的影响。
Description
技术领域
本发明涉及石油勘探技术领域，具体涉及利用红外光谱仪测定钻井返出液中总烃含量的装置及方法。
背景技术
在当今石油和天然气勘探中，对地面油气化探的相关研究表明，成藏油气在聚集过程中，地下深处会受到浓度差和压力的影响，油气藏中的烃类气体会以扩散或渗透的形式迁移，并以各种状态存在于各种介质中。在预测油气藏时，有必要应用合适的油气检测方法。当气体传感器暴露在被测气体中时，每个传感器都会做出响应。烃类气体检测技术应用广泛，可为钻井液检测提供依据。
传统的烃类气体检测技术主要采用气相色谱法检测气体样品，气相色谱法是目前应用较为准确的方法之一。氢火焰离子化检测器的原理是色谱流出物中的可燃有机化合物在氢氧火焰条件下会离子化。但是，这种方法的分析周期相对较长，对气相的技术要求相对较高，而且必须有燃烧气和载气，辅助设备较多。
相较于传统方法的一些弊端，红外光谱法是近年来发展起来的一种快速分析方法。红外光谱法，又称“红外分光光度分析法”，是分子吸收光谱的一种。根据不同物质会有选择性的吸收红外光区的电磁辐射来进行结构分析；对各种吸收红外光的化合物的定量和定性分析的一种方法。用红外光照射有机物时，分子吸收红外光会发生振动能级跃迁，不同的化学键或官能团吸收频率不同，每个有机物分子只吸收与其分子振动、转动频率相一致的红外光谱，所得到的吸收光谱通常称为红外吸收光谱，对红外光谱进行分析，可对物质进行定性分析。各个物质的含量也将反映在红外吸收光谱上，可根据峰位置、吸收强度进行定量分析。
其中，朗伯比尔定律(Lambert-Beer law)是分光光度法的基本定律，是描述物质对某一波长光吸收的强弱与吸光物质的浓度及其液层厚度间的关系。
比尔-朗伯定律数学表达式：
其中，A为吸光度，T为透射比(透光度)，是出射光强度比入射光强度。K为摩尔吸光系数。它与吸收物质的性质及入射光的波长λ有关。
c为吸光物质的浓度，单位为mol/L，b为吸收层厚度，单位为cm。
基于上述背景技术和技术原理，找到一种能够安全有效，连续快速定量分析烃类气体的方法成为了本领域人员的研究方向。
发明内容
本发明的目的在于解决上述现有技术存在的缺陷，提供一种用于钻井返出液总烃含量的检测装置及方法，克服了井下测井过程中温度、压力等因素造成测定结果不准确的影响。
本发明采用如下技术方案：
一种用于钻井返出液总烃含量的检测装置，包括检测管道、光纤探头、三通阀、空压机、工控机。检测管道按规范安装在井口供钻井返出液流动，在检测管道的管壁上开有可插入光纤探头的孔洞，光纤探头与光谱仪相连接，光谱仪将光纤探头采集的钻井返出液光谱数据上传到工控机进行光谱分析与总烃含量解析，在检测过程，检测管道应保持温度在30-40℃，压力60bar恒定，在检测管道下安装有三通阀，空压机通过三通阀与检测管道相连接，空压机通过往检测管道内注入高压空气来清洗光纤探头。
一种测量钻井返出液中总烃含量的方法，包括如下步骤：
S1.通过测量钻井返出液中的C-H键浓度来界定总烃含量，将所述钻井返出液总烃含量测量装置安装在井口，可直接通过控制阀门将钻井返出液引流入检测管道中；
S2.红外光谱仪通过光纤探头采集管内钻井返出液的原始光谱数据。选择4600-5200㎝-1、5600-6000㎝-1以及6200-7200cm-1的光谱区间为特征谱区；
S3.对光谱数据进行预处理。光谱数据处理方法为平滑处理和二阶导数处理。通过平滑(数字滤波)可以降低噪音。导数光谱也叫微分光谱，是用计算机对原始光谱数据进行微分处理而得到的吸光度对波长(或波数)的变化率曲线。而导数光谱可以提高分辨率，增大信息量，增强信息品质，突出谱图特征性，能很好的分辨谱图中重叠的峰，能有效测定峰位及确认肩峰。
S4.使用Filter法对处理后的光谱数据进行特征选择并进行归一化处理。朗伯比尔定律(Lambert-Beer law)是红外光谱法的基本定律，是描述物质对某一波长光吸收的强弱与吸光物质的浓度及其液层厚度间的关系。比尔-朗伯定律数学表达式：
其中，A为吸光度，T为透射比(透光度)，是出射光强度比入射光强度。k为摩尔吸光系数。它与吸收物质的性质及入射光的波长λ有关。随着返出液中C-H键含量的变化，其红外吸收光谱的光谱特征也会有所不同。
选用Filter型的依赖性度量法进行特征选择，通过分析不同C-H键含量下的近红外光谱数据，找到光谱特征变量与其总烃含量之间的联系，为后续模型建立提供基础数据。提取峰面积、峰高、半高宽、左肩宽度、右肩宽度、左右肩宽比共计6个初始特征变量，特征变量归一化公式如下：
该归一化公式含义为：将原始数据矩阵的各元素减去该元素所在列的最小值后再除以该列元素的极差。
S5.使用二重迁移特征融合卷积神经网络，建立钻井返出液红外光谱总烃含量预估分析模型。运用二重迁移特征融合学习方法，进行了两次特征抽取学习，其一是基于预训练的深度迁移学习框架(DDC)，其二是直接在目标数据集上训练的卷积神经网络(CNN)，将两个特征融合为一个新特征，训练了一个新的分类器。该方法的具体训练算法流程为：
输入：样本数据集Df与目标数据集Dt这两个数据集中的标签样本。样本数据集Df为实验室标定的不同总烃含量的返出液光谱数据样本。
输出：目标数据集Dt样本的类别。
步骤一：在样本数据集Df上预训练K个基础源模型网络；
步骤二：根据基于预训练的DDC深度迁移学习方法对步骤一中得到的基础源模型网络分别在目标数据集Dt上进行网络适配学习，获得K个通用特征提取器
步骤三：将目标数据集Dt样本xi(i＝1,2...n)输入到步骤二得到的网络模型中，经过通用特征提取器时输出得到通用特征向量
步骤四：对步骤三所得到的通用特征进行降维处理，得到低维的通用特征
步骤五：在目标数据集Dt上预训练一个深度CNN模型，得到一个特殊特征提取器Gt；
步骤六：将目标数据集Dt样本xi(i＝1,2...,n)输入到步骤二得到的网络模型，经过特殊特征提取器输出得到特殊特征向量Gt(xi)；
步骤七：将步骤三中降维得到的通用特征向量和步骤六中的特殊特征向量按7:3的权重比例进行融合，获得样本融合特征向量为：
其中，β、α均是根据权重比列人为设置，Gft(xi)是通过训练模型得到的特征向量集合，为得到的通用特征向量，Gt(xi)为得到的特殊特征向量。
步骤八：将步骤七得到样本融合特征Gft(xi)，与其对应的标签Pi，输入到最终分类中进行训练预测。
与训练流程类似，预测算法流程可以概括如下：
输入：目标数据集Dt上的测试样本x；
输出：样本x的类别；
步骤一：将红外光谱数据样本x分别输入到经过DDC适配学习后的源模型，获取通用特征提取器输出的通用特征向量再根据训练过程中得到的投影矩阵，降维处理后得到低维通用特征向量/>
步骤二：将样本x，输入到在目标数据集上训练而来的特殊CNN模型，获取特殊特征提取器输出的特殊特征向量Gt(xi)；
步骤三：将步骤1中的通用特征向量和步骤2中的特殊特征向量Gt(xi)进行融合，得到融合特征向量：
其中，β、α均是根据权重比列人为设置，Gft(xi)是通过训练模型得到的特征向量集合，为得到的通用特征向量，Gt(xi)为得到的特殊特征向量。
步骤四：将Gft(xi)输入到最终的分类器，预测样本x的总烃含量。
S6.结合实验标定，建立总烃含量评估模板库；
S7.通过距离判别法，进行总烃含量检测。通过距离判别法实现特征度量，定义目标光谱数据样本中的第k个样本为定义标准光谱数据样本中的第I个样本为/>两类样本之间的距离为/>J(X)为全部类别所有样本之间的平均距离，所选特征需满足下式：
J(X′)为所选特征的目标光谱与标准光谱间的距离，
其中Pi是第i类的先验概率，Pj是第j类的先验概率，ni为测试集或训练集中i类的样本数，nj为测试集或训练集中j类的样本数。本方法使用s阶Minkowski度量：
δM(Xk,Xl)为k，l两类样本之间的距离，Xkj为k类第j个样本，Xlj为l类第j个样本。
通过以上步骤，即可实现钻井返出液总烃含量检测。
本发明的有益效果:
与传统技术对比，本发明有以下优点：
1.采用红外光谱技术，与传统的色谱技术对比，其优势在于可以实时测量，响应速度快，大大提高了工作效率，降低运行成本。
2.本装置直接安装在井口，可以对钻井返出液中的总烃含量进行实时在线监测，检测数据更具有时效性。
3.本发明的红外光谱测量方法通过对红外谱图数据进行平滑、微分、降维处理，在保证红外谱图数据中信息的有效性、降低干扰的同时，还可以大大降低红外谱图数据的复杂度，提高系统运算速度。
4.红外光谱测量装置结构简单、成本低、减少了各种气阻、稳压阀、流量阀等易损器件，节省了辅助生产设备，提高了设备的稳定性。相比于传统方法，更省略了脱气这一步骤，进一步节约了成本。
附图说明
图1为本发明提供的方法的基本流程图；
图2为本发明提供的装置的简要示意图；
图3为本发明提供的实施例中采集到的部分原始光谱图；
图4为卷积神经网络的基本示意图；
图5为本实施例中预测模型的基本流程图。
图中：1-检测管道、2-透射式光纤探头、3-三通阀、4-空压机、5-工控机。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面本发明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。
如图1、图2所示，本发明的一种用于钻井返出液总烃含量的检测装置，包括检测管道1、透射式光纤探头2、三通阀3、空压机4、工控机5。所述用于钻井返出液总烃含量的检测装置安装在井口，在检测管道1的管壁上开有可插入透射式光纤探头2的孔洞，透射式光纤探头2与光谱仪相连接，光谱仪与工控机5相连接，光谱仪将透射式光纤探头2采集的钻井返出液光谱数据上传到工控机5进行光谱分析与总烃含量解析，在检测过程中，检测管道1中应保持温度在30-40℃，压力在60bar恒定；检测管道1上还安装有三通阀3，三通阀3与空压机4相连，吹扫空气通过空压机4进入检测管道1内，空压机4通过往检测管道1内注入高压空气来清洗光纤探头。
一种用于钻井返出液总烃含量的检测方法，包括如下步骤：
S1.将用于钻进返出液总烃含量的检测装置按规范安装在井口，在检测管道1的管壁上开有可插入透射式光纤探头2的孔洞，透射式光纤探头2与光谱仪相连接，光谱仪将透射式光纤探头采集的钻井返出液光谱数据上传到工控机5进行光谱分析与总烃含量解析，在检测过程中，检测管道1中应保持温度在30-40℃，压力60bar恒定。
S2.收集钻井返出液样品60个，作为实验室标定的校正集样品，该校正集样品应具有代表性，化学数据有一定的梯度分布；
S3.通过控制阀门将钻井返出液引入检测管道1中，待返出液保持满管流动后，光谱仪通过透射式光纤探头2采集钻井返出液光谱数据并上传到工控机5，采集的部分原始光谱图像如图3所示。
S4.在对光谱数据进行预处理后，选用Filter型的依赖性度量法进行特征选择，通过分析不同C-H键含量下的近红外光谱数据，找到光谱特征变量与其总烃含量之间的联系，为后续模型建立提供基础数据。提取峰面积、峰高、半高宽、左肩宽度、右肩宽度、左右肩宽比共计6个初始特征变量，特征变量归一化公式如下：
该归一化公式含义为：将原始数据矩阵的各元素减去该元素所在列的最小值后再除以该列元素的极差，x'mn为归一化之后的元素，xmn为第m行n列的元素，xn为整个n列。
S5.使用二重迁移特征融合卷积神经网络，建立钻井返出液红外光谱总烃含量预估分析模型。运用二重迁移特征融合学习方法，进行了两次特征抽取学习，其一是基于预训练的深度迁移学习框架(DDC)，其二是直接在目标数据集上训练的卷积神经网络(CNN)，将两个特征融合为一个新特征，训练了一个新的分类器。其基本预测流程如图4、图5所示。
S6.结合实验标定，建立总烃含量评估模板库，最后通过距离判别法，进行总烃含量检测。通过距离判别法实现特征度量，定义目标光谱数据样本中的第K个样本为定义标准光谱数据样本中的第I个样本为/>两类样本之间的距离为/>J(X)为全部类别所有样本之间的平均距离，所选特征需满足下式：
其中Pi是第i类的先验概率，ni为测试集或训练集中Vi类的样本数。本方法使用s阶Minkowski度量：
δM(Xk,Xl)为k，l两类样本之间的距离，Xkj为k类第j个样本，Xlj为l类第j个样本。
此公式为标准s阶Minkowski度量公式。S是阶数，k,l都是样本编号。
实施例
调用所建立的预测模型对50个验证集样品的近红外光谱进行预测，得到分析结果；如下表所示，所有数学模型的预测值误差，均在行业标准《NB/SH/T0230-2019》的允许误差范围内：
验证样品是人工配制的标定样品，返出液样本是采集的检测样品。
表1
综上所述，利用红外光谱仪、透射式光纤探头2、自制检测管道1以及计算机等相关设备，将红外吸收光谱与钻井返出液组分含量相结合，利用红外光谱仪采集钻井返出液的近红外光谱数据，并利用卷积神经网络，结合红外光谱特征建立了钻井返出液红外光谱总烃含量预估分析模型；通过该模型即可实现快速定量分析，而且在本发明不仅可以在实验室应用，还可以实现现场或在线分析，能够满足油气勘探现场快速高效录井的需要，适用于现代石油勘探钻井的需求。
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 (5)
1.一种用于钻井返出液总烃含量的检测方法，其特征在于，包括：
S1.通过测量钻井返出液中的C-H键浓度来界定总烃含量，将用于钻井返出液总烃含量的检测装置安装在井口，直接通过控制阀门将钻井返出液引流入检测管道中；
S2.红外光谱仪通过光纤探头采集管内钻井返出液的原始光谱数据；
S3.对光谱数据进行预处理；
S4.使用Filter法对处理后的光谱数据进行特征选择并进行归一化处理；
其中，S4中选用Filter型的依赖性度量法进行特征选择，提取峰面积、峰高、半高宽、左肩宽度、右肩宽度、左右肩宽比共计6个初始特征变量，特征变量归一化公式如下：
x'mn为归一化之后的元素，xmn为第m行n列的元素，xn为整个n列；
S5.使用二重迁移特征融合卷积神经网络，建立钻井返出液红外光谱总烃含量预估分析模型；
运用二重迁移特征融合学习方法，进行了两次特征抽取学习，其一是基于预训练的深度迁移学习框架，其二是直接在目标数据集上训练的卷积神经网络，将两个特征融合为一个新特征，训练了一个新的分类器；将获得通用特征向量和特殊特征向量按7:3的权重比例进行融合，获得样本融合特征向量为：
β、α均是根据权重比列人为设置，Gft(xi)是通过训练模型得到的特征向量集合，为得到的通用特征向量，Gt(xi)为得到的特殊特征向量；
S6.结合实验标定，建立总烃含量评估模板库；
S7.通过距离判别法，进行总烃含量检测；
使用距离判别法实现特征度量，定义第Vi类中的第K个样本为定义第Vj类中的第I个样本为/>两类样本之间的距离为/>J(X)为全部类别所有样本之间的平均距离，所选特征需满足下式：
J(X′)为所选特征的目标光谱与标准光谱间的距离，其中Pi是第i类的先验概率，Pj是第j类的先验概率，ni为测试集或训练集中i类的样本数，nj为测试集或训练集中j类的样本数；
其中，进行距离判别中，使用s阶Minkowski度量：
δM(Xk,Xl)为k，l两类样本之间的距离，Xkj为k类第j个样本，Xlj为l类第j个样本。
2.根据权利要求1所述的用于钻井返出液总烃含量的检测方法，其特征在于，S1中的检测管道中需保持温度在30-40℃，压力在60bar恒定。
3.根据权利要求1所述的用于钻井返出液总烃含量的检测方法，其特征在于，S1中检测管道需保持竖直，以保证钻井返出液满管流动。
4.根据权利要求1所述的用于钻井返出液总烃含量的检测方法，其特征在于，选择4600-5200cm-1、5600-6000cm-1以及6200-7200cm-1的光谱区间为特征谱区，将特征谱区的光谱特征带入预估校正模型进行定量分析，得到待测样品的总烃含量。
5.根据权利要求1所述的用于钻井返出液总烃含量的检测方法，其特征在于，S3中先对光谱图进行平滑预处理，而后进行二阶导数处理以达到提高谱图分辨率、消除基线漂移和平缓背景干扰目的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310169063.9A CN116413236B (zh) | 2023-02-27 | 2023-02-27 | 一种用于钻井返出液总烃含量的检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310169063.9A CN116413236B (zh) | 2023-02-27 | 2023-02-27 | 一种用于钻井返出液总烃含量的检测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116413236A CN116413236A (zh) | 2023-07-11 |
| CN116413236B true CN116413236B (zh) | 2024-03-22 |
Family
ID=87048820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310169063.9A Active CN116413236B (zh) | 2023-02-27 | 2023-02-27 | 一种用于钻井返出液总烃含量的检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116413236B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998036274A1 (en) * | 1997-02-14 | 1998-08-20 | Bp Chemicals Limited | Determination of properties of oil |
| CN1982870A (zh) * | 2005-12-13 | 2007-06-20 | 上海神开科技工程有限公司 | 钻井液中含油气在线光谱测定方法 |
| CN106124449A (zh) * | 2016-06-07 | 2016-11-16 | 中国科学院合肥物质科学研究院 | 一种基于深度学习技术的土壤近红外光谱分析预测方法 |
| CN107860743A (zh) * | 2017-10-20 | 2018-03-30 | 华东理工大学 | 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 |
| CN108593584A (zh) * | 2018-04-25 | 2018-09-28 | 天津工业大学 | 一种应用于原位多组分录井气体红外光谱的定量分析方法 |
| CN111220559A (zh) * | 2020-03-23 | 2020-06-02 | 杭州罗盘星科技有限公司 | 一种管道式全光谱水质检测装置及其方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6909505B2 (en) * | 2002-06-24 | 2005-06-21 | National Research Council Of Canada | Method and apparatus for molten material analysis by laser induced breakdown spectroscopy |
-
2023
- 2023-02-27 CN CN202310169063.9A patent/CN116413236B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998036274A1 (en) * | 1997-02-14 | 1998-08-20 | Bp Chemicals Limited | Determination of properties of oil |
| CN1982870A (zh) * | 2005-12-13 | 2007-06-20 | 上海神开科技工程有限公司 | 钻井液中含油气在线光谱测定方法 |
| CN106124449A (zh) * | 2016-06-07 | 2016-11-16 | 中国科学院合肥物质科学研究院 | 一种基于深度学习技术的土壤近红外光谱分析预测方法 |
| CN107860743A (zh) * | 2017-10-20 | 2018-03-30 | 华东理工大学 | 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 |
| CN108593584A (zh) * | 2018-04-25 | 2018-09-28 | 天津工业大学 | 一种应用于原位多组分录井气体红外光谱的定量分析方法 |
| CN111220559A (zh) * | 2020-03-23 | 2020-06-02 | 杭州罗盘星科技有限公司 | 一种管道式全光谱水质检测装置及其方法 |
Non-Patent Citations (1)
| Title |
|---|
| 红外光谱检测技术在煤层气气测录井中的应用;梁海波;仪器仪表学报;第32卷(第12期);199-201 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116413236A (zh) | 2023-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2594217C (en) | Reservoir sample chain-of-custody | |
| CA2419794C (en) | Method and apparatus for performing rapid isotopic analysis via laser spectroscopy | |
| CA2858591A1 (en) | Methods of calibration transfer for a testing instrument | |
| US10495778B2 (en) | System and methods for cross-tool optical fluid model validation and real-time application | |
| CN110414169B (zh) | 一种傅立叶红外气测录井方法及其装置 | |
| CN112730299B (zh) | 一种基于井下红外光谱的气油比测量方法及装置 | |
| CN1896458B (zh) | 导出井下流体的流体性质及其不确定度的系统和方法 | |
| Cai et al. | On-line multi-gas component measurement in the mud logging process based on Raman spectroscopy combined with a CNN-LSTM-AM hybrid model | |
| CN116413236B (zh) | 一种用于钻井返出液总烃含量的检测装置及方法 | |
| Liang et al. | Research on quantitative analysis method of PLS hydrocarbon gas infrared spectroscopy based on net signal analysis and density peak clustering | |
| Li et al. | Identification of oil–water-gas flow patterns by super-sparse near-infrared wavelengths sensor | |
| CN111794744A (zh) | 一种井下实时监测地层水污染程度的方法 | |
| CN106644980A (zh) | 一种检测污水中油含量的方法 | |
| US9624769B2 (en) | Determination of fluid compositions | |
| Liang et al. | Improved SVR based on CARS and BAS for hydrocarbon concentration detection | |
| CN117825320A (zh) | 钻井返出液油气比测量的不分离式地面检测方法及装置 | |
| Lehne et al. | Predicting PVT properties using multivariate data analysis of optical spectra | |
| CN111077107A (zh) | 一种甜菊糖提取液中糖甙含量的在线检测方法 | |
| Dong et al. | Advances in downhole contamination monitoring and GOR measurement of formation fluid samples | |
| Cartellieri et al. | A Rapid Non-Invasive Evaluation Method for Reservoir Fluid Samples | |
| CN109765198A (zh) | 一种实时定量测量井下流体含油率的方法及其模型 | |
| CN113671116B (zh) | 一种利用电子鼻对油页岩裂解过程中成熟度的识别方法 | |
| Mehmani et al. | Multiscale characterization of spatial heterogeneity of petroleum source rocks via near-infrared spectroscopy | |
| CN114152587A (zh) | 一种基于卷积神经网络的水源污染物检测系统及方法 | |
| Yang et al. | Research and Application of Multi-Component Gas Logging Analysis Technology |
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 |