光谱预处理-卷积神经网络模型预测油田污水含油量研究

含油量是油田污水的重要指标之一，快速分析油田污水含油量对油田污水达标回注处理具有重要意义。测量了油田含油污水水样的紫外透射光谱，基于含油污水紫外透射光谱，采用卷积神经网络(CNN)建立模型预测油田污水含油量，并比较了4种预处理方法对CNN模型预测能力的影响。结果表明：含油污水透射光谱经Savitzky-Golay平滑法预处理后建立的CNN模型优化效果最好，其r_p和RMSEP分别为0.964 9和1.8470。相比于利用原始光谱建立的CNN模型，SG-CNN模型的r_p增加了0.000 7,RMSEP降低了3.29%。而另外3种预处理方法对CNN模型的预测能力没有起到预期效果。因此，在使用CNN对油田污水含油量进行分析时，可使用SG预处理方法进行模型优化。本研究为油田污水含油量检测提供了一种快速检测的方法。