1 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
2 黑龙江八一农垦大学农学院, 黑龙江 大庆 163319
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)相比有更好的预测效果和更强的稳定性。 在多次随机划分数据集的基础上, Stacking集成学习模型的平均决定系数R2为0.894 2, 相比于其他单一模型平均提高了0.062 3； RMSEP为0.586 9, 比其他模型平均降低了0.147 4。 说明, 基于Stacking的异构集成学习模型能够组合初级学习器的优势, 提高油页岩含油率预测精度, 为油页岩含油率快速检测提供了一种新方法。
近红外光谱 集成学习 油页岩含油率 特征波长 随机森林特征选择 Near-infrared Integrated learning Oil content of oil shale Characteristic wavelength Random Forest feature selection 光谱学与光谱分析
2023, 43(4): 1030
1 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
2 东北石油大学“陆相页岩油气成藏及高效开发”教育部重点实验室, 黑龙江 大庆 163318
为了快速检测油页岩总有机碳(TOC)含量, 以松辽盆地某区块所取岩芯为研究对象, 测量230个岩石样本的TOC含量和近红外光谱数据。 利用蒙特卡洛法剔除异常样本14个, 剩余的216个样本进行去趋势加基线校正方法预处理, 采用连续投影算法(SPA)、 无信息变量消除算法以及竞争自适应算法选取特征波长。 使用SPXY方法对样本按照2:1的比例划分为144个校正集和72个验证集, 然后建立线性的偏最小二乘(PLS)模型以及非线性的支持向量机(SVM)模型和随机森林(RF)模型对油页岩TOC含量进行预测。 采用测定系数(R2)和均方根误差(RMSE)作为模型的评价指标, 探究不同特征波长选择方法对油页岩总有机碳建模的影响, 比较不同建模方法对油页岩TOC含量预测的准确度。 结果表明, 特征波长提取能够起到优化模型的作用。 SPA, UVE和CARS分别提取了16, 253和65个波长, 经过特征波长提取后模型测定系数均有提高, 均方根误差均有下降, 这说明进行特征波长优选对于简化模型、 提高模型运算速度发挥着很重要的作用。 此外, 非线性的RF和SVM模型性能要优于线性模型PLS。 这是因为油页岩中的碳存在于各类烃的中, 不同类别含烃基团的吸收峰之间相互影响, 使得油页岩总有机碳含量和近红外光谱数据之间存在着复杂的非线性关系, 因此, 非线性的SVM和RF模型能够表现出更好的效果。 相比于其他模型, CARS-SVM模型验证集的测定系数($R_{v}^{2}$)和均方根误差(RMSEV)表现出的结果较好, 分别达到了0.906 6和0.222 0, 该模型能够用于油页岩总有机碳含量的快速检测。 研究结果说明, 近红外光谱分析应用于油页岩TOC含量快速检测是可行的; 建立的CARS-SVM模型能够表现出较好的预测效果, 为我国油页岩TOC含量快速检测提供了一种新的方法和思路。
近红外 油页岩总有机碳 特征波长 支持向量机 随机森林 Near-infrared Total organic carbon in oil shale Characteristic wavelength Support vector machine Random forest 光谱学与光谱分析
2022, 42(6): 1691
