石油钻井过程中的岩屑录井无论对油气勘探开发还是钻井工程都是极为关键的技术，而岩屑的识别分类工作是岩屑录井的一个重要环节。前期实验室已做了大量的相关工作，建立了一套基于数字图像处理技术的岩屑识别方法，以取代传统的肉眼观察方法。LIBS技术由于其快速、便捷、获取信息量大、无需样品预处理、可以实施现场测试的特点，在录井现场的岩屑识别方面具有很大的应用潜力。然而，高分辨率、宽波段范围的LIBS光谱包含样品的原子线、离子线、分子光谱和谱线背景等信息，数据量极大。而且受样品不均匀、烧蚀条件不稳定、谱线自吸收和基体效应等因素的影响，又导致LIBS光谱具有很大的不稳定性。因此，如何进行快速、有效的数据处理是LIBS技术用于识别分类时的一大难题。本论文拟将LIBS技术结合一定的化学计量学方法用于录井现场的岩屑识别工作，旨在发展一套快速、有效的基于LIBS技术的岩屑识别方法。论文首先介绍了选题的背景和意义，然后从激光诱导等离子体的物理基础和基于LIBS的模式识别方法两方面综述了LIBS技术在识别分类方面的研究进展，并对本论文的实验和数据处理方法作了简要介绍。作者的工作主要包括：岩屑LIBS光谱采集及PLS-DA分析方案设计；全谱模型和特征模型的预测性能研究；SVM方法用于岩屑识别分类的初步探索。为得到本文所用的LIBS数据，首先进行了岩屑LIBS光谱的采集工作。以录井现场的褐色泥岩、石英砂岩、青绿色泥岩、黑色泥岩、紫红色泥岩和浅灰色泥岩6种岩屑为实验样品，根据LIBS需求结合实验室现有条件对主要光学仪器进行选型，搭建LIBS实验平台。经波长校准和强度校准后对岩屑的LIBS信号进行时间分辨测量，激光能量设置为15mJ，探测延时800ns，门宽8μs，每种岩屑采集100个单脉冲光谱，得到了6种岩屑的LIBS原始光谱数据。针对岩屑LIBS光谱的数据处理问题，采用了PLS-DA建模方法，并对PLS-DA模型的具体分析方案进行了优化设计。首先进行了光谱预处理，确定了强度归一为最佳归一方式。其次重点研究了本文所用PLS-DA模型的分析方案：将全部样本分为模型校正集和检验集，并通过留一交叉验证法确定最佳主成分个数；在判别分析时分别采用最大概率法和CMU两种方法，并确定了预测均方根误差RMSEP、识别正确率、识别错误率、未识别率、有效未识别率、程序运算时间t等模型评价指标。在确定PLS-DA模型分析方案的基础上，为了更好的剔除全谱数据中噪声和背景等不相关变量的干扰，进行了岩屑LIBS光谱特征提取的研究。从全谱数据24041个变量中提取了27个特征量，建立特征模型，并从灵敏度、稳健性和效率三个方面与全谱模型相比较。在灵敏度方面：特征模型的RMSEP低于全谱模型，为0.2681对0.3250；特征模型在最大概率法和CMU方法下均比全谱模型有更高的识别正确率，分别为88.33%对86.67%，81.67%对68.33%。在稳健性方面，特征模型的有效未识别率同样高于全谱模型，为50%对33%。在效率方面，特征模型的预测时间约为0.1秒，远远小于全谱模型的7.5秒。该部分工作表明本文所提取的27个特征量有效的剔除了全谱中噪声和背景等不相关变量的干扰，经过特征提取后PLS-DA模型的灵敏度、稳健性和效率均有了较为明显的提高。PLS-DA模型本质上是一种线性方法，为更好的解决LIBS数据中的非线性问题，本文还进行了SVM方法用于岩屑识别分类的初步探索工作。与PLS-DA模型相比，SVM模型全谱输入的识别正确率为93.33%对86.67%，特征输入为86.67%对88.33%。之后在检验集样本的预测时设计了一种SVM与PLS-DA模型融合的预测方法，该方法比单独采用PLS-DA模型或SVM模型都具有更好的识别效果，其中全谱和特征条件下的识别正确率分别为95%和91.67%。该工作表明与PLS-DA相比，SVM作为一种新型的非线性建模方法，在岩屑LIBS光谱的识别分类方面具有很大的应用潜力。论文的最后对全文工作进行了总结，并从SVM方法的进一步拓展和LIBS与数字图像处理的传感技术融合两方面对今后工作的努力方向进行了展望。