申请/专利权人：西南石油大学

申请日：2023-02-27

公开（公告）日：2024-03-22

公开（公告）号：CN116413236B

主分类号：G01N21/3504

分类号：G01N21/3504;G01N21/01;G06F18/241;G06F18/25;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.07.28#实质审查的生效;2023.07.11#公开

摘要：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。

主权项：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，Gftxi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，Gtxi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JX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： JX′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： δMXk,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。

全文数据：

权利要求：

百度查询： 西南石油大学 一种用于钻井返出液总烃含量的检测装置及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD