第33卷，第4期 2013年4月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 33,No.4,pp968-971
April,2013
小波变换与神经网络融合法在油页岩近红外光谱分析中的应用
李肃义1,2，嵇艳瀚1.2，刘伟宇1，王智宏1.2 1.吉林大学仪器科学与电气工程学院，吉林长春130026 2.地球信息探测仪器教育部重点实验室，吉林长春130026
摘要便携式近红外光谱分析技术可实现油页岩含油率的原位检测，在油页岩资源现场勘查中发挥着重要作用。但是，由于其测得的原始光谱数据量大、元余信息多，直接建模会影响速度与精度。因此提出一种小波变换与神经网络融合法，先将油页岩全谱数据进行dbB小波3级分解，提取其近似系数形成输人矩阵，然后再进行神经网络建模。为了验证有效性，利用30个油页岩合成样品，从中随机选择20个用于训练，另外10个用于预测，并分别使用全谱数据与小波特征数据进行了10次神经网络建模。结果表明，全谱数据建模速度均值为570.33s，预测残差平方和及相关系数均值分别为0.006012及0.84375；而小波神经网络法对应的以上均值为3.15s，0.002048及0.95319。由此说明小波神经网络法优于全谱数据建模法，为油页岩含油率的快速、高精度检测提供了一种新方法。
关键词近红外光谱；小波变换；神经网络；油页岩；含油率
中图分类号：0657.33
引言
文献标识码：A
DOI: 10. 3964/j. isn, 1000-0593(2013)04-0968-04
响。因此，为了降低网络输人变量维数，简化网络结构，通常会对原始数据进行特征提取，刘炜等将(0主成分与ANN
目前常规油气产量短缺，能源供应日趋紧张，而储量丰富的油页岩等新型非常规能源，作为常规油气资源的替代，其助探开发也越来越受到全世界的重视1，油页岩含油率是指油页岩中页岩油所占的质量分数，是油页岩品位评价的关键参数，含油率越高，品位就越好3]。
便携式近红外光谱技术可实现野外目标的现场检测，且不用粉碎样品，不使用化学试剂，不会对环境造成污染(3.4。因面在油页岩含油量快速检测方面优于现有检测方法，如常规低温于馏法、漫反射傅里叶中红外光谱分析法、漫反射近红外光谱分析法等[$-1]
油页岩主要成分为页岩油、水分和矿物质，当使用便携式近红外光谱仪进行检测时，页岩油中的液体烃类分子键C 一H在近红外区具有明显的吸收特征3)。利用此特性，构建数学模型，即可计算出油页岩含油率。常规数学建模方法有多种，但人工神经网络（artificial neuralnetwork，ANN)具有模仿人脑结构及其功能的特点，是建立非线性映射数据模型的极佳方法")，但是，当原始数据量大，且含有较多完余信息时，使用原始数据所建模型的速度与精度均会受到影
收稿日期：2012-08-27，修订日期：2012-11-18
用于夏玉米可见/近红外光谱分析与氮素含量检测，罗斯特等[基于小波变换对体内外的酒精含量近红外光谱进行了检测与分析。本研究将小波变换与ANN融合技术应用于油页岩含油率检测，使用矿物与油的合成样品数据库，采用小波变换对样品原始光谱数据进行处理，提取近似系数形成 ANN输入矩阵，并通过比较原始数据ANN模型与小波特征数据ANN模型的建模速度与预测精度，寻找提高野外现场油页岩含油率的勘查速度与定量分析精度的方法。
1实验部分 1.1仪器设备
使用吉林大学研制的便携式近红外光谱仪器(PISA-2)，分辨率为7nm；光谱范围1200~2500nm；采样间隔4nm 光源采用卤钨灯；取样方式为积分球浸反射；参比BaSO：粉
末；光谱数据形式为反射率。-1.2样品制备
根据油页岩主要成分，将一定比重机油混人高岭土合成实验样品。将吉林舒兰产高岭土，成分为：高龄石72.4%、
基金项目：国家潜在油气资源（油页岩勘探开发利用)产学研用合作创新项目子课题(OSR-02-04)，吉林省科技发展计划项目(20116014)资助作者简介：李肃义，女，1972年生，吉林大学仪器科学与电气工程学院别教授
e-mail; Isy@jlu, edu. cn
·通讯联系人
万方数据
e-mail; zhwang@jlu. edu, cn