(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110384502.9 (22)申请日 2021.04.09 (65)同一申请的已公布的文献号 申请公布号 CN 113094991 A (43)申请公布日 2021.07.09 (73)专利权人 西南石油大 学 地址 610500 四川省成 都市新都区新都大 道8号 (72)发明人 梁海波　魏琪　杨海　李忠兵　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 代理人 刘妮 (51)Int.Cl. G06F 30/27(2020.01) G06V 10/774(2022.01) G06V 10/40(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) G06N 20/00(2019.01) G01N 9/00(2006.01) (56)对比文件 CN 102374975 A,2012.0 3.14 CN 1563981 A,20 05.01.12 CN 103615243 A,2014.0 3.05 CN 103615243 A,2014.0 3.05 CN 111239176 A,2020.0 6.05 CN 108533254 A,2018.09.14 CN 112424277 A,2021.02.26 CN 106291733 A,2017.01.04 US 20193 62050 A1,2019.1 1.28 US 20193 01281 A1,2019.10.0 3 王旭波等.定量 荧光谱图特 征参数与原油物 性相关性研究. 《录 井工程》 .20 06,第17卷(第4 期), 审查员 游婧 (54)发明名称 一种利用地化热解谱图和机器学习计算原 油密度的方法 (57)摘要 本发明提供一种利用地化热解谱图和机器 学习计算原油密度的方法， 包括如下具体步骤： 根据地化录井热解谱图， 对谱图进行标准化处 理； 在标准化的谱图中提取谱图中原油的特征参 数， 其中特征参数包括不同时间段对应的面积大 小、 用谱图顶峰连线面积和谷底连线面积计算的 样本降解度、 最大峰出现的时间； 依据提取不同 密度下的地化热解谱图， 建立训练样本集； 通过 机器学习模 型对样本集进行训练， 得到通过提取 的谱图特征计算原油密度。 本发 明通过对地化热 解谱图进行特征提取， 依据地化热解谱图特征样 本集建立机器学习模型， 进而通过地化谱图计算 原油样本密度。 权利要求书2页 说明书4页 附图2页 CN 113094991 B 2022.03.29 CN 113094991 B 1.一种利用地化热解谱图和机器学习计算原油密度的方法， 其特征在于， 包括如下具 体步骤： 步骤1.根据分析地 化热解谱图历史数据集， 对 谱图进行 标准化处理； 步骤2.根据标准化的谱图， 在谱图中提取原油样本特征参数， 其中特征参数包括不同 时间段谱图对应的面积， 以及用谱图顶峰连线面积和谷底连线面积比计算的样本降解度， 特征参数还 包括有最大峰出现的时间； 步骤3.根据提取不同油质样本建立训练样本集； 步骤4.根据样本集选取机器学习模型进行训练， 从而得到原油密度计算模型； 步骤5.根据步骤1 ‑步骤3中提取到的特征作为输入参数， 代入计算模型， 从而依据谱图 得到所对应原油样本的密度； 其中， 步骤1中对谱图进行标准化处理具体包括， 地化谱图样本集中样本来源于不同的 场地及不同的设备， 图片的大小及格式不一， 规定了图片格式为jpg图片格式， 规定图片大 小为801* 343； 根据谱图特征， 将谱图中蓝色图谱提取出来， 依据提取出的蓝色图谱对整个谱图进行 灰度化处 理， 再对灰度化的谱图进行二 值化处理； 通过二值化的图像提取相应的图谱的数据， 横轴为 时间、 纵轴为幅值， 针对不同设备下 幅值不同的状况， 将不同幅值进行归一化， 实际幅值为y， 谱图中最大幅值为ymax， 最小幅值 为ymin， 归一化后的幅值 为y＇ 对标准化后的图谱进行提取原油样本特 征参数具体步骤 包括： 根据热解过程， 不同组分出峰的时间点不同， 对整个谱图进行分6区， 前后分区对样本 密度影响不 一， 计算各分区面积， 作为六个样本特 征参数； 根据谱图基线不同鼓包程度， 计算峰顶连线与横轴面积S1、 谷底连线与横轴面积S2、 谱 图曲线起始点及终止点连线面积S3， 则样本降解度D为： 样本降解度计算后区间为0到1， 样本降解度接近1说明鼓包严重， 样本降解度高， 反之 样本降解度接 近0则样本降解度低； 根据谱图最大峰出现的位置， 得到最大峰出现位置的横坐标， 作为样本特 征参数之一。 2.根据权利要求1所述的利用地化热解谱图和机器学习计算原油密度的方法， 其特征 在于， 步骤3中建立样本训练集的步骤具体包括： 收集凝析油、 轻质油、 中质油、 重质油的试油样本共240， 保证各样本比例均匀， 依据提 取谱图特 征中的步骤， 提取谱图步骤3所述的特 征， 样本标签为密度， 建立样本集。 3.根据权利要求1所述的利用地化热解谱图和机器学习计算原油密度的方法， 其特征 在于， 步骤4具体包括： 选取BP神经网络模型、 多元线性拟合模型、 以及GRNN广义回归神经网络模型， 依据建立 的样本集， 对选取的模型进行训练；权　利　要　求　书 1/2 页 2 CN 113094991 B 2对训练好的模型进行验证评估， 模型精度不低于0.02， 选取满足精度且计算精度较好 的模型作为 最终计算密度的模型。权　利　要　求　书 2/2 页 3 CN 113094991 B 3