[发明专利]基于多元素波峰的激光诱导击穿光谱岩屑类型识别方法

说明书

技术领域

本发明涉及岩屑类型识别技术领域，特别涉及一种基于多元素波峰的激光诱导击穿光谱岩屑类型识别方法。

背景技术

近年来，随着石油钻井新工艺的飞速发展，由井底返出的岩屑已经非常细碎，甚至成粉末状，使得传统的岩屑描述工作变得十分困难。

目前，激光诱导击穿光谱应用于岩石类型识别的方法主要有：第一种方法是利用激光诱导击穿光谱结合偏最小二乘判别分析，实现对岩石样品的自动识别，其采取的实验模型主要有二种：一是全谱模型，该种方法识别结果相对比较高，但需要处理的数据比较多，同时背景噪声影响较大。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。这些方法中，有些识别效果虽然比较好，但数据处理比较耗费时间，而其它的方法则识别效果比较差。

发明内容

有鉴于此，本发明提供一种能够兼顾数据处理效率以及识别结果准确性的基于多元素波峰的激光诱导击穿光谱岩屑类型识别方法。

一种岩屑类型识别方法，其包括以下步骤：

S1、利用激光诱导击穿光谱仪测量出N种标准岩屑在200-950nm范围内的光谱；

S2、对N种标准岩屑光谱进行谱线识别，找出其中含量靠前的预设个数的元素的波峰谱线；

S3、选取标准岩屑中所选元素的波峰谱线组合成特征光谱作为BP神经网络的输入值，对BP神经网络进行训练，得到BP神经网络结构；

S4、利用激光诱导击穿光谱仪测量出待识别岩屑在200-950nm范围内的光谱；

S5、对待识别岩屑光谱进行谱线识别，得出与步骤S2中相同元素的谱线；

S6、选取待测岩屑中所选元素的谱线波峰组合成特征光谱作为BP神经网络的输入值，利用已得到的BP神经网络对待测岩屑进行识别，得到识别结果。

有益技术效果：本发明通过将标准岩屑中含量较高的元素的波峰谱线组合成特征光谱作为BP神经网络的输入值，作为BP神经网络的输入值不是样品测出来光谱的全谱，也不是元素的单一谱线强度。这样以波峰谱线组成的特征谱线作为BP神经网络的输入值，其输入数据比全谱分析方法的要远远少，但其识别效果比全谱分析的还要好；这种方法输入数据虽然比峰值强度组成的特征变量方法要多，但其识别效果要远远好于峰值强度识别方法，同时虽然输入数据增加了，但增加得并不多，因此其识别所需要的时间并未有大的增加，很好地兼顾数据处理效率以及识别结果准确性。

附图说明

图1是本发明实施方式提供的基于多元素波峰的激光诱导击穿光谱岩屑类型识别方法流程图。

具体实施方式

如图1所示，一种岩屑类型识别方法，其包括以下步骤：

S1、利用激光诱导击穿光谱仪测量出N种标准岩屑在200-950nm范围内的光谱。可选地，可以选择以下9种岩石样品，通过压片机压制成标准岩屑。岩石样品的类型、产地和其中主要元素的含量如下表。

S2、对N种标准岩屑光谱进行谱线识别，找出其中含量靠前的预设个数的元素的波峰谱线。可选地，标准岩屑中所选元素包括Mn、Mg、Si、Fe、Al、Ti、Ca、Na、K。

S3、选取标准岩屑中所选元素的波峰谱线组合成特征光谱作为BP神经网络的输入值，对BP神经网络进行训练，得到BP神经网络结构。

可选地，所述步骤S3包括：

Mn、Mg、Si、Fe、Al、Ti、Ca、Na、K元素的波峰谱线的中心波长分别取：279.482、285.213、288.158、301.898、309.271、365.350、393.367、588.995、766.490nm。

波长范围分别取：279.121-279.824、284.895-285.583、287.831-288.511、301.595-302.232、308.923-309.594、365.056-365.668、393.067-393.647、588.382-589.755、765.930-767.103nm，将上述波峰谱线数据组合成特征光谱。(1)元素的个数可多可少，5-15种元素都可以；(2)每种元素的中心波长可以取不同的值，波长范围也可取不同的值。本发明对此不作限制。