排序方式: 共有15条查询结果,搜索用时 0 毫秒
1.
为实现油页岩含油率的原位检测,采用便携式近红外光谱分析技术,针对吉林扶余油页岩基地2号钻井的66个岩芯样品开展了原位检测的分析建模方法研究。采用自制便携式近红外光谱仪器获得反射率、吸光度、K-M函数三种数据形式光谱数据,结合主成分-马氏距离(PCA-MD)剔除异常样品、无信息变量消除法(UVE)波长筛选及二者组合的四种建模数据优化方法,采用相同的数据预处理方法进行偏最小二乘(PLS)和反向传播神经网络(BPANN)两种方法的建模分析研究,确定最佳分析模型及方法。结果表明(1)不论是否采用四种不同的数据优化方法,两种建模方法所用建模数据库适合采用反射率或K-M函数的光谱数据形式;(2)两种建模方法,采用四种不同的数据优化方法,对相同数据库建模精度的影响不同:采用PLS建模方法、以PCA-MD和UVE+ PCA-MD两种方法进行数据优化、可以提高K-M函数光谱数据形式数据库的建模分析精度,采用BPANN建模方法、以UVE、PCA-MD 与UVE组合的 三种方法进行数据优化、对三种数据形式数据库的建模精度均有所提高;(3)除以反射率光谱数据并进行PCA-MD数据优化外,采用BPANN方法的建模精度好于PLS法。其中采用反射率光谱数据形式、只进行UVE数据优化外的BPANN建模精度最高,预测相关系数为0.92、标准偏差为0.69%。 相似文献
2.
3.
陈悦蕾 《理化检验(化学分册)》2004,40(2):107-107
大豆是含高油脂、高蛋白的重要农产品。通常对大豆的含油率测定是采用乙醚作为溶剂,通过索氏(Soxhlet)油脂抽提器测定,一次只能测定一个样品,而且需要近一天时间,操作麻烦。本法在传统方法的基础上,进行研究和改进,试验出大豆含油率的测定新方法。 相似文献
4.
准确认识不同种类的岩石特征对地质构造、结构与年代的判断至关重要。常规光学显微手段虽然可以对岩石的颜色与表面形貌进行直接观测,但是对岩石种类的判断往往凭靠经验,一些颜色相近的矿物容易混淆,所得结果并不准确。光谱方法能够在不同频段给出样品的多个光学参数信息,通过建立光学参数与样品自身物性的联系,可以从多个维度确定样品的性质,从而有望实现对不同矿物成分与含量定性、定量评价。太赫兹光谱具备一定的穿透能力,能够透过一定厚度的岩石,是研究岩石物理性质的合理手段。基于太赫兹光谱技术,对取自不同地区的花岗岩、灰岩、砂岩和油页岩样品进行测试,分别计算得到每个样品的等效折射率n、衰减系数a,并以a为横坐标、n为纵坐标作图,结果表明,相同岩性岩石的n与a基本呈线性相关关系,而对于不同类型的岩石,其n随a的线性变化趋势存在明显区别。进而研究了岩石中的组成、结构等信息与其太赫兹光谱响应的联系,分析了不同岩性岩石的光谱响应机制,结果表明:花岗岩与灰岩的结构较为致密,其矿物组成是影响太赫兹光谱响应的主要因素,利用太赫兹参数能够估算岩石中铁、镁元素的相对含量;砂岩的成分较为单一,太赫兹光谱响应受孔隙度的影响;而对于油页岩来说,由于有机质具有强吸收、低折射率的特点,其有机质含量越高,折射率越低,对太赫兹吸收越强。结果表明,太赫兹光谱技术有望成为岩石物理性质现有研究手段的合理补充,为其评价、分析提供新技术、新指标,有着极其光明的应用前景。 相似文献
5.
6.
目前油页岩关键的评价参数——含油率的检测方法均无法实现原位测量,无法满足油页岩资源的勘查和开采中样品检测的要求。便携式近红外光谱分析技术,为实现油页岩含油率的原位检测提供了可能性。由于光谱数据的不同形式与样品的成分含量值之间有不同的相关关系,样品不同成分的吸收特性表现在不同的近红外波段上,因此利用合成样品,针对反射率、吸光度、K-M函数等三种不同的光谱数据表示形式和四种不同的建模区间,研究它们对油页岩含油率PLS模型精度的影响情况。结果表明:对于合成样品,进行PLS建模的最佳光谱数据形式是反射率,最佳建模区间是组合特征区间,即适当的光谱数据形式及建模区间可提高模型的精度。 相似文献
7.
利用SiO2硬质微球作模板制备得到多孔聚酰亚胺薄膜,通过改变SiO2微球的含量可以实现聚酰亚胺薄膜孔隙率及内部孔结构的精确控制.利用多孔聚酰亚胺薄膜的多孔结构,真空浸油得到聚酰亚胺含油薄膜.分别对聚酰亚胺含油薄膜的热稳定性能、含油性能及摩擦磨损行为和寿命进行了考察.结果表明:含油薄膜最大含油率可达40.6%,其小孔径特点决定了含油薄膜具有较高的油保持率;润滑油自身的挥发温度决定了含油薄膜的使用工况,其浸入并未对多孔薄膜本身热稳定性能产生影响;润滑油的存在很大程度上提高了多孔聚酰亚胺薄膜的磨损寿命,并随着薄膜含油率的增加而延长;在低转速摩擦条件下,含油薄膜呈现干摩擦和油润滑2种摩擦方式. 相似文献
8.
可见光-近红外(visible near infrared, VNIR)高光谱以其光谱分辨率高、波段连续性强,能够反映烃类物质诊断性吸收特征,在烃类能源的识别和调查研究中得到广泛应用。对研究区的油砂光谱进行特征分析,研究显示油砂样品在1 740~1 780,2 300~2 340和2 340~2 360 nm波段均具有由烃类基团弯曲和伸缩振动引起的吸收光谱特征,同时当油砂含油率较低时,引起1 700~1 730 nm波段振动的烃类基团较少,使得在此波段区间产生较微弱甚至不产生烃类吸收特征,随着含油率的增加,1 700~1 730 nm附近开始出现明显的烃类吸收谱带。鉴于含油率是油砂资源储量分析过程中的关键参数,基于油砂中烃类基团在VNIR波段由于弯曲和伸缩振动等引起的一级倍频和合频形成的特征吸收,采用光谱的吸收深度量化特征吸收谱带的响应强度,根据含油率与油砂光谱中1 740~1 780,2 300~2 340和2 340~2 360 nm等烃类特征谱带吸收深度的Pearson和偏相关关系,确立含油率光谱响应强度的关联模式,进而应用单变量一元线性回归方法(unary linear regression,ULR)和多变量偏最小二乘方法(partial least squares regression,PLSR)进行油砂含油率光谱估算研究。结果表明,利用2 350 nm附近吸收深度作为变量的含油率URL估算模型和1 758,2 310和2 350 nm附近吸收深度作为变量的PLSR估算模型精度较高,可为含油率的快速估算提供科学的参考依据。 相似文献
9.
为了克服单一模型预测精度很难进一步提高的不足,利用近红外光谱分析结合基于Stacking框架的异构集成学习模型实现对油页岩含油率的检测。以松辽盆地某区块所取230个油页岩岩芯样本为研究对象,使用低温干馏法测量油页岩样本的含油率,同时扫描每个样本对应的近红外光谱数据。样本使用蒙特卡洛算法进行异常样本剔除,将剔除异常样本后的213个数据按照3∶1的比例随机划分为训练集和预测集。利用去趋势加基线校正方法进行预处理消除光谱数据中噪声和基线漂移,利用随机森林算法进行波长重要性排序并保留重要波长,在此基础上采用CARS算法进行特征波长提取,进一步降低数据维度。最后,构建以PLS, SVM, RF和GBDT为初级学习器,PLS回归模型为次级学习器的Stacking集成学习模型,各初级学习器模型参数使用网格搜索进行寻优。使用决定系数和预测均方根误差作为各模型的评价指标,探究单一模型和集成学习模型对油页岩含油率预测的准确性。研究结果表明,RF-CARS方法能够有效筛选重要波长,进而提高模型效率。基于Stacking的异构集成学习模型与单一模型(SVM和PLS)和同构集成学习模型(RF和GBDT)相比有更... 相似文献
10.
快速准确分析处理过程中含油污泥的含水率和含油率有助于现场评价其原油回收效率和优化处理工艺参数。以Dean-Stark装置测定的含油污泥样品的含水率和含油率作为参考值,利用低场核磁共振结合偏最小二乘回归法建立了样品含水率和含油率校正集模型,考察了回波衰减曲线和横向弛豫时间T2曲线对校正集模型性能的影响。结果表明,采用前者建立的校正集模型性能优于后者;在此基础上,建立了31个样品的含水率和含油率通用校正集模型,其含水率和含油率模型的决定系数(R2)分别为0.965 7和0.978 5,校正标准差(RMSECV)分别为2.73%和2.22%。利用3个不同批次采集的HZ-OS样品对该模型进行验证,对于含水率和含油率模型,其验证集R2分别为0.914 1和0.924 7,预测标准差(RMSEP)分别为1.85%和2.04%,与RMSECV值比较接近,说明该模型的稳定性较好,可用于准确分析样品的含水率和含油率。 相似文献