基于LightGBM的匹鲁卡品诱导小鼠癫痫模型中癫痫发作检测方法

《Algorithms》：LightGBM-Based Seizure Detection Method in Pilocarpine Mouse Model of Epilepsy Mercy Edoho, Nicolas Partouche, Christiaan Warner Hoornenborg, Tycho M. Hoogland, Stéphane Baudouin, Catherine Mooney and Lan Wei

　　

实时钻井过程中岩性识别广泛应用于油气勘探、开发钻井、地质导向、非常规资源开采、测井和环境监测，提高了地下作业的效率和准确性。本研究调查了钻井过程中产生的破岩声音的频率特性，并探索了其在实时岩性识别中的潜力。实验采用8 mm和14 mm钻头，在高速和低速两种转速下对四种岩石样本（砂岩、石灰岩、花岗岩和页岩砂岩）进行钻进。使用高保真传感器在岩石内部和空气中记录声音信号。结果显示每种岩石类型具有独特的频率模式：砂岩以低频能量为主，石灰岩和花岗岩表现出更宽的频带和强高频成分，页岩砂岩则混合了低频和高频能量。研究人员建立了四种岩石样本的纵波速度（V_p）或横波速度（V_s）与峰值频率之间的二次多项式回归模型，相应的决定系数分别为0.9878和0.9799。研究还表明，钻头直径和每分钟转数（RPM）等钻进参数显著影响破岩声音的频率分布，较大钻头和较高RPM产生更宽的频带和更强的高频能量。岩石内部与空气中记录信号的比较显示，后者捕获了更丰富的高频信息，但总体趋势保持一致。这些发现为利用破岩声音作为钻井过程中岩性识别的潜在工具提供了实验基础。研究强调了在解释声学数据时考虑岩石非均质性和钻进条件的重要性，并建议未来在实地条件下验证该方法并集成先进数据处理技术。

该论文发表在《Algorithms》上，围绕钻井过程中破岩声音的频率特征及其在实时岩性识别中的应用展开系统研究。研究背景方面，实时钻井测量对操作成功至关重要，能够连续监测井下条件、提高态势感知并减少钻井相关风险。现有岩性识别方法（如测井、岩心分析、岩屑分析和地震解释）虽能提供地下信息，但存在时间延迟、成本高、分辨率有限以及复杂地质条件下精度不足等问题。钻头地震随钻测量（drill-bit seismic while drilling, SWD）虽可实现实时监测，但直接岩性识别受限于间接测量性质、薄层分辨率不足及对钻井参数的强依赖性。前人实验室和现场研究已建立钻井声学与岩石性质之间的关系，但缺乏对钻井声音与岩性内在联系的系统研究，也未充分探讨空气中和岩石内记录信号的差异。因此，本研究旨在通过系统实验探究破岩声音的产生机制及其与岩性信息的关联，特别是频率特征，为成本低廉、易于获取的钻井声音用于实时岩性识别提供理论支持。

研究人员开展了如下研究：采用手持冲击钻（配备8 mm和14 mm钻头）在高速和低速两种转速下对四种块状岩石样本（砂岩、石灰岩、花岗岩、页岩砂岩，边长300 mm的规则立方体）进行模拟钻进实验。声学信号通过嵌入岩石表面的PZT压力传感器（采集岩石内信号）和靠近岩石样本的高灵敏度麦克风（采集空气中信号）同时记录，使用数据采集卡（采样率：PZT传感器100 kHz，麦克风44.1 kHz）和数字示波器实时监测。每种岩石重复实验20次以上，随机选取20个有效样本进行分析。数据分析方法包括：带通滤波（3–15 kHz）后的波形分析、快速傅里叶变换（FFT）幅度谱、平均FFT幅度谱、以及基于韦尔奇法的平均功率谱密度（PSD）谱。研究人员还建立了基于PSD峰值频率的二次多项式回归模型，用于预测岩石的弹性波速度。

研究结果如下：
**3.1 岩石内记录数据**：通过嵌入岩石的PZT传感器采集信号，发现砂岩的波形频率较低，石灰岩和花岗岩频率较高。3–15 kHz带通滤波后，砂岩和页岩砂岩的中低频能量较强，石灰岩高频能量丰富，页岩砂岩因泥质填充导致密度增加，也呈现一定高频成分。FFT幅度谱显示砂岩和页岩砂岩能量集中在低频，石灰岩和花岗岩有显著高频成分，且石灰岩和页岩砂岩的20次重复实验一致性较高，砂岩和花岗岩因粒度大、非均质性强而随机性较大。平均FFT谱和平均PSD谱直观展示：砂岩主要能量在3–5 kHz，页岩砂岩在2–5 kHz兼有高频，石灰岩和花岗岩频带更宽（约3–8 kHz）且高频峰更多。提取前三个峰值频率建立纵波速度（V_p）和横波速度（V_s）的二次多项式回归模型，决定系数R²分别达0.9878和0.9799，表明峰值频率与岩石弹性波速度强相关。
**3.2 空气中记录数据**：使用麦克风在空气中采集14 mm钻头高速钻进时的信号。原始波形复杂，滤波后高频成分凸显，空气中信号包含更丰富的高频信息。FFT幅度谱显示砂岩有显著低频峰，花岗岩有显著高频峰，石灰岩和页岩砂岩频带分布较宽。通过平均FFT谱和PSD谱对比不同钻头直径和转速组合（8 mm低转速、8 mm高转速、14 mm低转速、14 mm高转速），得出以下结论：(1) 主要能量分布在3–12 kHz，但不同岩性频率分布不同；(2) 相同钻头和转速下不同岩石差异明显；(3) 相同钻头直径下高转速使频带更宽、高频能量更强；(4) 相同转速下大钻头拓宽频带；(5) 破岩声音与岩石性质密切相关。空气中信号的峰值频率趋势与岩石内记录基本一致，但存在某些异常（如花岗岩在高转速下出现异常高频），可能与岩石复合成分和操作因素有关。

讨论部分总结认为，不同岩石的破岩声音频率特征差异显著，砂岩低频主导、石灰岩和花岗岩宽频带强高频、页岩砂岩中低频兼有高频，这与岩石弹性性质、矿物组成和结构非均质性一致。空气中信号提供更丰富高频信息，且总体趋势与岩石内记录一致，支持使用地表声学传感器进行岩性识别。钻头直径和转速显著影响频率分布，大钻头高转速产生更宽频带和更强高频。但实验在实验室干燥条件下进行，未考虑钻压（weight on bit, WOB）、钻井液循环、钻头磨损、地应力等实际因素，结果外推至现场需谨慎。未来需开展现场试验验证，并集成机器学习算法自动化分析。

研究结论翻译：本研究系统分析了破岩声音的频率特征及其与岩石性质和钻井参数的关系。实验结果表明不同岩石类型呈现独特频率模式，可用于实时区分岩性。砂岩以低频能量为主，石灰岩和花岗岩具有更宽频带和强高频成分，页岩砂岩因密度增加亦呈现明显高频。基于纵波/横波速度与峰值频率建立的二次多项式回归模型具有高决定系数（0.9878和0.9799），证实声学特征与岩石性质强相关。钻井参数（钻头直径和转速）显著影响破岩声音的频率分布，大钻头和高转速产生更宽频带和更强高频，这与剧烈钻进条件下更高能量输入产生更复杂的高频振动一致。岩石非均质性影响信号变异性，非均质岩石（砂岩、花岗岩）因大矿物颗粒和结构不规则性导致频率模式随机性更大，而均质岩石（石灰岩）重复实验一致性更高。岩石内与空气中记录的比较显示后者捕获更丰富高频信息，但总体趋势一致，表明地表声学传感器可有效用于岩性识别，减少对复杂井下仪器的需求。然而，某些实验中的异常（如高转速下花岗岩的异常高频）凸显了需要稳健的数据处理技术以解释操作因素和岩石非均质性引起的变异性。总之，本研究为钻井声学分析（drilling sound analysis while drilling, DSA-WD）提供了全面的实验基础，将钻井声音确立为实时岩性识别的低成本工具。未来工作应聚焦于实际钻井条件下验证该方法、研究钻井液和设备噪声等外部因素影响，并集成先进机器学习算法以自动化分析和提高预测精度，从而显著提升油气勘探、地质导向和岩土监测等不同地质环境下的效率、安全性和决策能力。