Resumen: Los registros precisos de pozos elementales proporcionan datos fundamentales para las operaciones posteriores, incluida la identificación correcta de la litología, la predicción de los estratos que se encontrarán durante la perforación, la determinación de la posición estratigráfica, la selección de los parámetros de perforación adecuados y la reducción de los riesgos operativos en las actividades de perforación.

 

Investigación sobre el Método Cuantitativo de Análisis Multielemento de Recortes de Agujeros Basados en la Tecnología LIBS

 

1. Introducción

Con el rápido desarrollo de la sociedad moderna, el consumo de recursos energéticos como el petróleo y el gas natural ha ido aumentando constantemente, y las actividades de exploración y extracción de petróleo y gas se han vuelto más frecuentes. Una de las tareas esenciales en la exploración y extracción de recursos de petróleo y gas es la tala de recortes de pozos. Para construir registros precisos de pozos, el personal del sitio de perforación debe medir y registrar la composición elemental y el contenido de muestras de recortes recolectadas de diferentes profundidades de pozos. Los registros precisos de pozos elementales proporcionan datos fundamentales para identificar correctamente la litología, predecir los estratos que se encontrarán, determinar la posición de los estratos, seleccionar los parámetros de perforación adecuados y reducir los riesgos de perforación en el trabajo posterior.

Las técnicas tradicionales de análisis elemental incluyen principalmente el análisis de activación de neutrones (NAA), la espectroscopia de absorción atómica (AAS), la espectroscopia de emisión atómica de plasma de acoplamiento inductivo (ICP-AES) y la espectrometría de masa de plasma de acoplamiento inductivo (ICP-MS). Como técnica emergente de espectroscopia de emisión atómica, la espectroscopia de ruptura inducida por láser (LIBS) ofrece varias ventajas, como una preparación simple de la muestra, una estructura compacta y fácil de miniaturizar, la capacidad de detectar simultáneamente múltiples elementos y velocidades de análisis rápidas. Debido a estas ventajas, LIBS se ha aplicado ampliamente al análisis de diversas sustancias, incluidos alimentos, aleaciones, explosivos y suelo.

En este estudio, se desarrollará un método de análisis cuantitativo para cinco elementos principales (Si, Al, Ca, Mg y K) en muestras de roca para el instrumento LIBS, para satisfacer las necesidades prácticas del análisis elemental de muestras de esquejes de pozo en el sitio de perforación. Finalmente, se compararán los resultados de detección de LIBS con la tecnología de Fluorescencia de Rayos X (XRF) más utilizada para el análisis elemental de esquejes de pozo para evaluar su viabilidad para su aplicación en campo.

2. Sección Experimental

2,1 Preparación de la Muestra

En este estudio se utilizaron un total de 163 muestras de roca, que se mezclaron uniformemente con un mezclador de vórtice. Las muestras de esquejes de pozo se recolectaron de diferentes profundidades del mismo pozo en un sitio de tala en la región suroeste de China. Estas muestras se numeraron secuencialmente de acuerdo con su profundidad creciente de LJ # 01 a LJ # 97. El contenido de elementos objetivo de este lote de muestras se determinó siguiendo las normas nacionales GB / T 14506,28-2010 para el análisis químico de rocas de silicato y JY / T 0569-2020 para métodos generales de espectroscopia de fluorescencia de rayos X de dispersión de longitud de onda.

Las muestras de roca utilizadas en este experimento fueron polvos uniformes, con el contenido de los cinco elementos diana detallados en las Tablas 1 y 2 del Apéndice B. Las muestras se secaron en un horno de secado eléctrico constant-temperature a 60 ° C durante 2 horas. Después del secado, se pesó 1 g de cada muestra y se prensó en discos circulares con de 20 mm de diámetro utilizando una prensa automática de pellets bajo una presión de 8 MPa durante 20 segundos. La figura 1 muestra una muestra prensada representativa.

 

Figura 1: Muestra representativa de pellets de roca

2,2 Adquisición De Datos Espectrales

Para la adquisición de datos espectrales de las muestras de roca, el tiempo de exposición se fijó en 1 ms, y el tiempo de retardo se fijó en 1,5 microsegundos. Los datos espectrales se recogieron de 20 posiciones seleccionadas al azar en la superficie de la muestra. Para reducir la influencia de las fluctuaciones en la energía del pulso láser en la estabilidad de los datos espectrales y para mejorar aún más la relación señal-ruido de las líneas espectrales, las señales espectrales se recogieron 4 veces en cada posición. El promedio de estas 4 mediciones se utilizó como datos espectrales para esa ubicación específica.

2,3 Procedimiento de Análisis Espectral

En este estudio, se utilizaron los datos espectrales de 49 muestras de roca estándar nacional como conjunto de datos de entrenamiento, mientras que los datos espectrales de 17 muestras complementarias de fabricación propia se utilizaron como conjunto de datos de prueba. Con base en el conjunto de datos de entrenamiento, se desarrollaron modelos de análisis cuantitativo para los cinco elementos objetivo. El desempeño de los modelos se evaluó utilizando el conjunto de datos de prueba. En la prueba de aplicación, se utilizaron 97 recortes de registro de pozos como muestras desconocidas. El instrumento LIBS y el software de análisis asociado se utilizaron para aplicar los modelos de análisis cuantitativos para detectar el contenido de los cinco elementos objetivo. Los resultados obtenidos de LIBS se compararon con los resultados de detección de la técnica XRF ampliamente utilizada para recortes de registro de pozos, para evaluar la viabilidad de aplicar este instrumento en condiciones reales de campo. La figura 2 ilustra el proceso general de análisis de datos.

 

Figura 2: Diagrama Esquemático del Proceso General de Análisis de Datos

3. Resultados y Discusión

3,1 Preprocesamiento de datos espectrales y selección de línea de características

La figura 3 presenta los espectros en bruto de muestras representativas de gránulos de roca recolectados por el instrumento LIBS. Como se muestra en la figura, la línea de base de todo el espectro es relativamente estable, y se pueden identificar claramente líneas espectrales características de múltiples elementos como Si, Mg y Ca. La relación señal-ruido (SNR) es buena, lo que indica que los espectros recolectados por el instrumento son suficientes para las necesidades de análisis.

 

Figura 3 LIBS Espectros de Muestra Representativa de Pellets de Roca (GBW07111)

Sin embargo, la estabilidad y repetibilidad de los datos espectrales de LIBS pueden verse influidas por factores como el rendimiento del instrumento, la homogeneidad de las muestras de polvo sólido y los efectos de matriz compleja en la roca. Normalizar los datos espectrales puede mejorar su estabilidad y repetibilidad. Los métodos de normalización comunes incluyen la normalización del área total, la normalización de la intensidad máxima-mínima y la transformación de la variante normal estándar (SNV).

Sin embargo, las rocas contienen numerosos elementos, y las diferencias en las concentraciones elementales entre las diferentes muestras pueden ser sustanciales. Como resultado, la intensidad total del espectro LIBS y el número de líneas espectrales emitidas también varían entre muestras. Por ejemplo, la Figura 4 muestra que las muestras estándar nacionales GBW03115 y GBW07107 tienen matrices similares, y las concentraciones de elementos de Si y Ca son muy cercanas. Sin embargo, el contenido de Fe difiere significativamente: GBW07107 contiene 5,32% de Fe, mientras que GBW03115 solo contiene 0,60% de Fe. En comparación, el espectro LIBS de GBW07107 contiene muchas más líneas espectrales características de Fe que otros elementos. En la normalización del área total, la intensidad de todas las líneas espectrales se suma para formar el denominador, lo que debilita la relación de mapeo entre la intensidad máxima de las líneas características de otros elementos y sus concentraciones. Si bien esto mejora la estabilidad de los datos, amplifica los efectos de la interferencia de la matriz.

  

Figura 4 Comparación de los espectros LIBS para GBW03115 y GBW07107

Por lo tanto, en este estudio, basado en el concepto de normalización de área total, se propone un método de preprocesamiento de datos de normalización de área parcial, teniendo en cuenta las características de distribución de los elementos en muestras de roca. El método utiliza 18 líneas espectrales características de elementos representativos en la roca, como se indica en la Tabla 1, para la normalización:

Tabla 1 Líneas Espectrales Características de Elementos Representativos

 

Para cada elemento objetivo, se compararon los datos espectrales en bruto recopilados con la base de datos NIST, y se seleccionaron líneas espectrales con señales fuertes e interferencia mínima de picos característicos adyacentes como picos de características de análisis cuantitativo: 445,478 nm (Ca I), 516,732 nm (Mg I), 288,158 nm (Si I), 308,215 nm (Al I) y 769,896 nm (K I).

Para determinar el método de normalización óptimo, se aplicaron al conjunto de entrenamiento de datos espectrales LIBS la normalización del área total, la normalización de la intensidad máxima-mínima y la normalización parcial del área. Se establecieron curvas de calibración basadas en la intensidad máxima original, la intensidad máxima después del preprocesamiento y el contenido del elemento correspondiente. Como se muestra en la Figura 5, la desviación estándar relativa (RSD) de la intensidad máxima original para los picos de características de análisis cuantitativo de los elementos objetivo seleccionados varió de 10% a 13,5%, lo que indica que los datos espectrales en bruto recopilados por el instrumento son confiables. Después del preprocesamiento de la normalización, se mejoró aún más la estabilidad y repetibilidad de los datos espectrales. El método de normalización óptimo para cada elemento objetivo se seleccionó en base a una evaluación integral de la estabilidad de los datos espectrales, la dispersión global de las muestras de roca y el coeficiente de determinación (R²) de las curvas de calibración.

  

Figura 5 Curvas De Calibración Basadas En La Intensidad Pica Original Y La Intensidad Pica Después De Diferentes Tratamientos De Normalización

Para el elemento Ca, el método óptimo fue la normalización de intensidad máxima-mínima. Después de la normalización, el RSD promedio disminuyó a 8,26%, una reducción de 32,6% del RSD original, y el R² aumentó de 0,9372 a 0,9612. Para el elemento Mg, el método óptimo fue la normalización del área total. Después de la normalización, el RSD promedio disminuyó a 8,90%, una reducción de 32,7% del RSD original, con poco cambio en R². Para los elementos Si, Al y K, el método óptimo fue la normalización parcial del área. Después de la normalización, los RSDs promedio fueron de 5,92%, 6,48% y 7,89%, respectivamente, lo que representa reducciones de 41,0%, 41,7% y 24,8% de los RSDs originales. Notablemente, los valores de R² para los elementos Si y Al mostraron mejoras significativas, alcanzando 0,8304 y 0,7313, respectivamente.

Este análisis detallado destaca las mejoras en la estabilidad y precisión de los datos espectrales después de aplicar varios métodos de normalización, demostrando la eficacia de estas técnicas en el refinamiento del análisis cuantitativo basado en LIBS para diferentes elementos.

3,2 Establecimiento y Validación de Modelos Cuantitativos

Después de la normalización utilizando el método de intensidad máxima-mínima, la curva de calibración para el elemento Ca alcanzó un valor de R² de 0,9612, lo que indica un fuerte ajuste. En base a este resultado, se estableció un modelo cuantitativo para Ca. Sin embargo, los valores de R² para Mg, Si, Al y K no fueron lo suficientemente ideales, lo que desafió establecer directamente modelos cuantitativos precisos para estos elementos. Para abordar esto, se propuso un método basado en Regresión de componentes principales (PCR) para la corrección de la intensidad espectral.

En primer lugar, se ajustaron curvas de calibración para Mg, Si, Al y K utilizando los resultados de los métodos de normalización óptimos. Estas curvas se utilizaron para calcular las intensidades de pico ideales y los coeficientes de corrección para diferentes niveles de contenido de cada elemento. Como se muestra en la Figura 5, aunque las intensidades de pico características de los elementos Al y K generalmente exhiben correlaciones positivas con sus contenidos, las tendencias varían significativamente en diferentes rangos de contenido. Para capturar mejor las variaciones en el contenido de intensidad de pico con , se adoptó un enfoque de ajuste segmentado, ajustando curvas de calibración por separado para rangos de contenido más bajos y más altos.

Las fórmulas para calcular intensidades de pico ideales y las relaciones entre intensidades de pico ideales y reales se muestran en la Figura 6. Usando estas fórmulas, se pueden calcular los coeficientes de corrección para las intensidades de pico.

 

Figura 6 Intensidad máxima ideal vs. intensidad máxima real

El siguiente paso consiste en establecer un modelo de PCR (Regresión de componentes principales) para calcular los coeficientes de corrección de la intensidad máxima. Inicialmente, se utiliza PCA (Análisis de componentes principales) para reducir la dimensionalidad de los datos espectrales y determinar el número apropiado de componentes principales (PC). Para Mg se aplica el método de normalización del área total, mientras que para Si, Al y K se utiliza el método de normalización del área parcial. Los componentes principales extraídos y la varianza acumulativa explicada por estos componentes, basados en los dos métodos de normalización diferentes, se muestran en la Figura 7.

 

Figura 7 Análisis de los componentes principales y la varianza acumulativa explicada

(A) Varianza explicada por los primeros 11 componentes principales después de la normalización parcial del área

(B) Varianza acumulativa explicada por los primeros 11 componentes principales después de la normalización parcial del área

(C) Varianza explicada por los primeros 15 componentes principales después de la Normalización del Área Total

(D) Varianza acumulativa explicada por los primeros 15 componentes principales después de la normalización del área total

Como se muestra en las figuras, estos componentes principales representan la mayoría de la información contenida en los datos espectrales del conjunto de entrenamiento. Usando estos componentes principales como variables independientes y los coeficientes de corrección como variables dependientes, se establecieron modelos de PCR (Regresión de componentes principales) para calcular los coeficientes de corrección.

Usando los modelos de PCR, se calculan los coeficientes de corrección para la intensidad máxima y luego se multiplican por la intensidad máxima normalizada para obtener la intensidad máxima corregida. En base a esto, se desarrollaron modelos de análisis cuantitativos para elementos de Mg, Si, Al y K. Los modelos de análisis cuantitativos finales para los cinco elementos objetivo se muestran en la Figura 8.

 

Figura 8 Modelos Cuantitativos para Elementos Objetivo

Los datos espectrales de 17 muestras complementarias en el conjunto de prueba se utilizaron para evaluar la precisión de las predicciones del modelo cuantitativo. Los resultados previstos para el contenido de los cinco elementos objetivo se muestran en la Figura 9. En general, el modelo predice efectivamente el contenido de los elementos objetivo, con valores de R² de 0,9843, 0,9901, 0,9745 y 0,9411 para los elementos de Ca, Mg, Si y Al, respectivamente. Sin embargo, el rendimiento de predicción para el elemento K es menos satisfactorio, con un R² de solo 0,8114. Esto se atribuye al efecto de autoabsorción que ocurre a concentraciones más altas del elemento K, lo que afecta negativamente la precisión del modelo cuantitativo.

 

Figura 9 Rendimiento de Predicción del Modelo Cuantitativo para el Contenido del Elemento Objetivo en el Conjunto de Prueba

3,3 Pruebas de aplicaciones

Los modelos cuantitativos establecidos se integraron en el instrumento LIBS utilizado, y se realizó una prueba de aplicación utilizando muestras de esquejes de roca recolectadas de un sitio de registro para verificar la viabilidad de este instrumento para el análisis de esquejes en tiempo real. Los resultados de detección de los cinco elementos objetivo utilizando el instrumento LIBS se compararon con los obtenidos con un instrumento de FRX de laboratorio, como se muestra en la Figura 10. Las tendencias generales en los resultados de detección de elementos de Ca, Mg, Si, Al y K fueron consistentes entre los dos instrumentos.

 

Figura 10 Resultados de detección del contenido de cinco elementos en muestras de esquejes de roca

En base a los resultados de las pruebas de aplicación, se trazaron gráficos de tendencias de las variaciones de contenido del elemento objetivo, como se muestra en la Figura 11. En la figura, la curva roja representa los resultados de detección del instrumento LIBS, y la curva azul representa los resultados de detección del instrumento XRF. La tendencia general de las dos curvas es consistente.

 Figura 11 Gráfico de tendencia del contenido de cinco elementos en muestras de esquejes de roca

En base a las variaciones en la curva LIBS, se puede analizar la litología de las muestras de esquejes de roca y los cambios en las capas estratigráficas:

Para muestras de esquejes de roca LJ # 22 a LJ # 30, el contenido de elementos de Ca detectado es principalmente inferior al 10%, el contenido de elementos de Al es de alrededor del 7% y el contenido de elementos de Si es de alrededor del 20%. La distribución de elementos en estas muestras es característica de rocas arcillosas como piedra de barro o pizarra.

Para muestras de esquejes de roca LJ # 31 a LJ # 64, el contenido de elementos de Ca detectado es generalmente superior al 30%, el contenido de elementos de Mg es inferior al 1% y el contenido de elementos de Si es inferior al 10%. La distribución de elementos en estas muestras es característica de la piedra caliza.

De estos resultados, se puede concluir que la litología y las capas estratigráficas de las muestras de esquejes de roca LJ # 22 a LJ # 30 son diferentes de las de LJ # 31 a LJ # 64. Un cambio significativo en litología y estratigrafía ocurre a partir de la ubicación de LJ # 31. Esta conclusión alinea con las condiciones reales observadas en el sitio de perforación, lo que indica que el instrumento LIBS integrado con el modelo cuantitativo puede analizar de manera efectiva los elementos en las muestras de esquejes de roca maderera, demostrando el potencial de aplicación del instrumento en la exploración y extracción de petróleo y gas.

Sin embargo, el estudio en este capítulo se limita a unos pocos elementos, y los resultados de detección LIBS para elementos K son generalmente más bajos que los de XRF, mientras que los resultados de detección de elementos Mg son generalmente más altos que los de XRF. Esto indica que la precisión de los resultados de detección necesita mejoras adicionales. Por lo tanto, la investigación futura debe apuntar a expandir la variedad de elementos analizados, establecer modelos de análisis cuantitativos más completos y desarrollar métodos de análisis cuantitativos más precisos.

4 。 Conclusión

Este capítulo propone un método de preprocesamiento de datos de normalización de área parcial para muestras de roca y un método de corrección de intensidad máxima basado en Regresión de componentes principales (PCR). Se establecieron modelos de análisis cuantitativos para cinco elementos (Ca, Mg, Si, Al y K). Usando el instrumento LIBS, se detectó el contenido de estos cinco elementos en muestras reales de corte de roca maderera y se compararon con los resultados obtenidos de instrumentos de FRX de laboratorio.

Se midió el contenido de los elementos diana en muestras reales de corte de roca maderera y se comparó con la tecnología XRF ampliamente utilizada en el campo del registro elemental. Basado en los resultados de las dos técnicas, se trazó un gráfico de tendencias de las variaciones de contenido elemental. A partir del gráfico, se puede analizar la litología de los recortes y los cambios estratigráficos. Los resultados del análisis son consistentes con con las condiciones reales en el sitio de perforación.

Estos hallazgos demuestran que el instrumento portátil de escritorio LIBS, combinado con con los métodos de análisis cuantitativos desarrollados en este capítulo, puede realizar de manera efectiva análisis en tiempo real de muestras de esquejes de roca maderables. Esto muestra un gran potencial para su aplicación en el campo de la exploración y desarrollo de petróleo y gas.

Dado que los rasgos de las plantas determinados por genes también pueden estar influenciados por los cambios ambientales circundantes, incluidas las características del suelo, las futuras investigaciones continuarán explorando la composición de los elementos del suelo basada en la tecnología LIBS. El objetivo es describir las variaciones y correlaciones de las composiciones de los elementos en varios tipos de tejido vegetal y tipos de muestras de suelo.

 

Recomendación:

Espectrómetro de ruptura inducido por láser LIBS integrado iSpecLIBS-SCI800

El iSpecLIBS-SCI800 es un sistema integrado compuesto principalmente por un láser, un espectrómetro de alta resolución, una sonda de recolección óptica LIBS, una ventana de muestra XYZ y un controlador de retardo de disparo. Debido a su diseño integrado, el sistema es muy flexible y ampliable, lo que lo convierte en una solución ideal para aplicaciones de investigación, experimentos ópticos LIBS y centros de aplicaciones ópticas. Los usuarios pueden configurar de forma fácil y flexible el láser y el espectrómetro en función de sus requisitos específicos.