多层非线性局部感受野极限学习机方法 用于录井气体分析

随着我国能源需求的不断提升以及钻探环境的日益复杂化,开展高精度的烷烃类气体浓度检测对于提高油气勘探效率 具有重要意义。 光谱录井技术具有烃类气体检测快速、准确等优势,已成为石油勘探过程中备受关注的研究热点。 针对录井气 体红外光谱由于饱和吸收、噪声干扰、基线漂移等方面引起的非线性问题,提出了多层非线性局部感受野极限学习机(NM-LRF-ELM)模型。 该模型将一维光谱数据转换为二维矩阵格式,利用局部感受野的数据处理方式在输入与隐藏层之间实现非线性特 征提取。 同时,引入改进的 T-sigmoid 激活函数,并在全连接层后加入 dropout 层来降低模型的过拟合风险。 模型的特征提取与 定量分析呈一体化结构,直接输出定量分析预测值。 采集了两组共 407 个混合烷烃气体样本的红外光谱作为实验数据集,进行 定量分析实验。 实验结果表明,相较于滑动窗口类与灰狼优化定量分析模型,该模型的训练时间显著减少了 90% 以上。 即使在 同系物的非线性干扰下,模型的预测精度仍低于系统误差。 因此,提出的方法有助于在现场环境变化复杂的情况下,降低未知 气体的非线性干扰,提高对目标气体的红外光谱检测精度。