CN106507974B - 砂岩型铀矿放射性γ能谱弱信息提取方法 - Google Patents
砂岩型铀矿放射性γ能谱弱信息提取方法Info
- Publication number
- CN106507974B CN106507974B CN200710082597.9A CN200710082597A CN106507974B CN 106507974 B CN106507974 B CN 106507974B CN 200710082597 A CN200710082597 A CN 200710082597A CN 106507974 B CN106507974 B CN 106507974B
- Authority
- CN
- China
- Prior art keywords
- uranium
- sandstone
- gamma
- weak information
- special topic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于铀资源勘查领域,具体公开一种砂岩型铀矿放射性γ能谱弱信息提取方法:获取γ全能谱数据后降噪;对γ能谱U、Th、K数据用多重分形插值法进行空间插值形成网格化数据;进一步降噪;用UTh空间相关分析、U2、U5、铀元素Sa分形、铀元素变异系数方法对降噪后的能谱数据处理,分离铀矿致异常弱信息;对弱信息提取结果处理生成新网格专题;将新网格专题进行相加处理,生成最终网格专题,以该网格专题平均值为界,圈定异常下限,大于异常下限区域为通过该提取方法综合圈定的砂岩型铀成矿靶区。本发明的方法能够准确提取砂岩型隐伏铀矿化引起的放射性弱异常信息,快速缩小铀成矿靶区。
Description
技术领域
本发明属于铀资源勘查领域,具体涉及一种砂岩型铀矿放射性γ能谱弱信息提取方法。
背景技术
我国能源的可持续发展是国民经济可持续发展的前提,我国未来存在能源严重短缺的可能性,加速发展核能是解决这一问题的现实途径之一。非常规燃料能源铀作为一种特殊的战略资源,是核能和核军工发展的基础,世界各国一直都非常重视。铀资源的自给是维护我国核大国地位的根本保证,也是巩固、增强我国核威慑力量和加强国防现代化建设的基础。为满足我国国民经济和国防现代化建设对铀资源的长远需求,加快我国铀资源勘查的步伐,增加铀资源储备,改善铀资源短缺的状况,已显得尤为迫切和重要。
自20世纪90年代初以来,我国铀矿勘查的主攻方向转为储量大、开采成本低的可地浸砂岩型铀矿。我国可地浸砂岩型铀矿主要产在北方大、中型中新生代盆地,覆盖厚,品位低,在地表无铀矿化现象显示。放射性γ能谱测量方法在我国铀资源勘查中扮演重要角色,是直接寻找铀矿的重要手段和有效方法;就放射性测量理论而言,测量数据仅反映距地表数十厘米厚的地表岩石放射性强度,使用该方法直接寻找距地表很近的铀矿床会取得满意的效果。砂岩型铀矿埋深较大,其在地表的显示的放射性异常信息十分弱,和区域地质背景对应的放射性辐射场叠加到一起,若不采用较为特殊的弱信息提取技术手段,深部“矿致”弱信息可能无法识别而被遗漏掉;利用放射性γ能谱测量方法探测、定位砂岩型铀矿床,找矿思路不能像过去寻找浅部矿、露头矿那样——找矿一定要到放射性高场、异常场中去找。
发明内容
本发明的目的在于提供一种砂岩型铀矿放射性γ能谱弱信息提取方法,该方法能够快速缩小砂岩型铀成矿靶区。
实现本发明目的的技术方案:一种砂岩型铀矿放射性γ能谱弱信息提取方法,包括以下步骤:
(1)获取工作区大、中比例尺256道γ全能谱测量数据,应用奇异值分解方法对全能谱数据进行降噪预处理,然后重开铀、钍和钾窗口,获取各测点的铀、钍和钾元素含量;
(2)对工作区的γ能谱U、Th、K测量数据采用多重分形插值方法进行空间插值,形成网格化数据;
(3)应用能量滤波法对U、Th、K网格化数据进行降噪处理;
(4)用UTh空间相关分析、U2、U5、铀元素Sa分形、铀元素变异系数方法对降噪后的能谱数据进行处理,分离铀矿致异常弱信息;
(5)对每种弱信息提取结果进行处理生成新的网格专题;
所述的步骤(5)中基于GIS软件平台,利用空间查询功能对每种弱信息提取结果进行处理,生成新的网格专题,其中铀成矿有利区赋值为1,铀成矿不利区赋值为0;
(6)将新生成的网格专题进行相加处理,最后生成一个新的网格专题,以该网格专题的平均值为界,圈定异常下限,大于异常下限的区域为通过该提取方法综合圈定的砂岩型铀成矿有利区。
所述的步骤(1)中获得256道γ全能谱测量数据的测量比例尺大于等于1/10万。
所述的步骤(2)中用多重分形方法分别对工作区的铀、钍和钾元素含量进行空间插值处理,插值的网格尺寸为1/5~1/4线距。
所述的步骤(3)中能量滤波窗口长度小于等于5倍网格单元尺寸。
所述的步骤(4)中对降噪后的能谱数据进行处理,分离铀矿致异常信息的原则为:以每种弱信息处理结果的平均值为界,建立每种弱信息提取方法的找矿标志;UTh空间相关分析处理结果中小于其平均值的区域为砂岩型铀成矿有利区,其他4种方法处理结果中大于其平均值的区域为砂岩型铀成矿有利区。
所述的步骤(6)中基于GIS软件平台,利用地图计算功能,将新生成的5个网格专题进行相加处理,最后生成一个新网格专题;以该网格专题的平均值为界,圈定异常下限,新网格专题中大于平均值的区域为通过该提取方法综合圈定的砂岩型铀成矿靶区。
本发明的效果在于:能够提取砂岩型隐伏铀矿化引起的放射性弱异常信息,快速、有效地缩小砂岩型铀成矿靶区。
具体实施方式
下面结合实施例对本发明作进一步说明。
一种砂岩型铀矿放射性γ能谱弱信息提取方法,包括以下步骤:
(1)获取工作区大、中比例尺256道γ全能谱测量数据,对全能谱数据进行降噪预处理,然后重开铀、钍和钾窗口,获取各测点的铀、钍和钾元素含量;
获得256道γ全能谱测量数据的测量比例尺大于等于1/10万,对所获得的全能谱数据应用奇异值分解方法进行降噪预处理。
例如,获取某沉积盆地工作区1/5万的256道放射性γ全能谱测量数据;利用奇异值分解方法对所获得的各测点的全能谱数据进行预处理,大大降低了全能谱测量数据所蕴涵的统计噪声,相当于增大了探测器体积的9~16倍;对预处理后的全能谱数据开铀、钍和钾窗口,获取各测点的铀、钍和钾元素含量信息。
(2)对工作区的γ能谱U、Th、K测量数据采用多重分形插值方法进行空间插值,形成网格化数据;
用多重分形方法分别对工作区的铀、钍和钾元素含量进行空间插值处理,插值的网格尺寸为(1/5~1/4)线距。
例如,对工作区的γ能谱U、Th、K测量数据采用多重分形插值方法进行空间插值,形成网格化数据,网格单元大小为100m。
(3)对U、Th、K网格化数据进行降噪处理;
应用能量滤波法对U、Th、K网格化数据进行降噪处理。能量滤波窗口长度小于等于5倍网格单元尺寸。
例如,用能量滤波法对U、Th、K网格化数据进行降噪处理,能量滤波窗口长度为300m。
(4)用UTh空间相关分析、U2、U5、铀元素Sa分形、铀元素变异系数方法对降噪后的能谱数据进行处理,分离铀矿致异常弱信息;
对降噪后的能谱数据进行处理,分离铀矿致异常信息的原则为:以每种弱信息处理结果的平均值为界,建立每种弱信息提取方法的找矿标志;UTh空间相关分析处理结果中小于其平均值的区域为砂岩型铀成矿有利区,其他4种方法处理结果中大于其平均值的区域为砂岩型铀成矿有利区。
例如,工作区UTh空间相关分析处理后的网格化数据平均值为0.55,其处理结果中小于0.55的区域为砂岩型铀成矿有利区;U2方法处理后的网格化数据平均值为0.01,其处理结果中大于0.01的区域为砂岩型铀矿成矿有利区;U5处理结果中大于0.015的区域为砂岩型铀成矿有利区;铀元素SA分形处理结果中大于0.32的区域为砂岩型铀成矿有利区;铀变异系数大于0.08的区域为砂岩型铀成矿有利区。
(5)对每种弱信息提取结果进行处理生成新的网格专题;
基于GIS软件平台,利用空间查询功能对每种弱信息提取结果进行处理,生成新的网格专题,其中铀成矿有利区赋值为1,铀成矿不利区赋值为0。
基于ArcView3.2软件平台,利用空间查询功能对每种弱信息提取结果进行处理,生成新的网格专题。生成5个新的网格专题,在新网格中将砂岩型铀成矿有利的区域赋值为1,成矿不利的区域赋值为0,实现找矿标志的量化和转换。
(6)将新生成的网格专题进行相加处理,最后生成一个新的网格专题,以该网格专题的平均值为界,圈定异常下限,大于异常下限的区域为通过该提取方法综合圈定的砂岩型铀成矿有利区。
基于GIS软件平台,利用地图计算功能,将新生成的5个网格专题进行相加处理,最后生成一个新网格专题;以该网格专题的平均值为界,圈定异常下限,新网格专题中大于平均值的区域为通过该提取方法综合圈定的砂岩型铀成矿靶区。
例如,基于ArcView3.2软件平台,利用地图计算功能,将新生成的5个网格专题进行相加处理,最后生成一个新网格专题;以该网格专题的平均值3为界,圈定异常下限,新网格专题中大于3的区域为通过该提取方法综合圈定的砂岩型铀成矿靶区。
Claims (6)
1.一种砂岩型铀矿放射性γ能谱弱信息提取方法,包括以下步骤:
(1)获取工作区大、中比例尺256道γ全能谱测量数据,对全能谱数据应用奇异值分解方法进行降噪预处理,然后重开铀、钍和钾窗口,获取各测点的铀、钍和钾元素含量;
(2)对工作区的γ能谱U、Th、K测量数据采用多重分形插值方法进行空间插值,形成网格化数据;
(3)应用能量滤波法对U、Th、K网格化数据进行降噪处理;
(4)用UTh空间相关分析、U2、U5、铀元素Sa分形、铀元素变异系数方法对降噪后的能谱数据进行处理,分离铀矿致异常弱信息;
(5)对每种弱信息提取结果进行处理生成新的网格专题;
所述的步骤(5)中基于GIS软件平台,利用空间查询功能对每种弱信息提取结果进行处理,生成新的网格专题,其中铀成矿有利区赋值为1,铀成矿不利区赋值为0;
(6)将新生成的网格专题进行相加处理,最后生成一个新的网格专题,以该网格专题的平均值为界,圈定异常下限,大于异常下限的区域为通过该提取方法综合圈定的砂岩型铀成矿有利区。
2.根据权利要求1所述的一种砂岩型铀矿放射性γ能谱弱信息提取方法,其特征在于:所述的步骤(1)中获得256道γ全能谱测量数据的测量比例尺大于等于1/10万。
3.根据权利要求1所述的一种砂岩型铀矿放射性γ能谱弱信息提取方法,其特征在于:所述的步骤(2)中用多重分形方法分别对工作区的铀、钍和钾元素含量进行空间插值处理,插值的网格尺寸为1/5~1/4线距。
4.根据权利要求1所述的一种砂岩型铀矿放射性γ能谱弱信息提取方法,其特征在于:所述的步骤(3)中能量滤波窗口长度小于等于5倍网格单元尺寸。
5.根据权利要求1所述的一种砂岩型铀矿放射性γ能谱弱信息提取方法,其特征在于:所述的步骤(4)中对降噪后的能谱数据进行处理,分离铀矿致异常信息的原则为:以每种弱信息处理结果的平均值为界,建立每种弱信息提取方法的找矿标志;UTh空间相关分析处理结果中小于其平均值的区域为砂岩型铀成矿有利区,其他4种方法处理结果中大于其平均值的区域为砂岩型铀成矿有利区。
6.根据权利要求1所述的一种砂岩型铀矿放射性γ能谱弱信息提取方法,其特征在于:所述的步骤(6)中基于GIS软件平台,利用地图计算功能,将新生成的5个网格专题进行相加处理,最后生成一个新网格专题;以该网格专题的平均值为界,圈定异常下限,新网格专题中大于平均值的区域为通过该提取方法综合圈定的砂岩型铀成矿靶区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710082597.9A CN106507974B (zh) | 2007-10-30 | 2007-10-30 | 砂岩型铀矿放射性γ能谱弱信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710082597.9A CN106507974B (zh) | 2007-10-30 | 2007-10-30 | 砂岩型铀矿放射性γ能谱弱信息提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106507974B true CN106507974B (zh) | 2012-03-07 |
Family
ID=58262015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710082597.9A Active CN106507974B (zh) | 2007-10-30 | 2007-10-30 | 砂岩型铀矿放射性γ能谱弱信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106507974B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738935A (zh) * | 2018-12-28 | 2019-05-10 | 核工业二0八大队 | 一种地面伽玛能谱测量数据解释方法 |
CN109901210A (zh) * | 2017-12-07 | 2019-06-18 | 核工业北京地质研究院 | 一种车载γ全谱测量方法 |
CN111008356A (zh) * | 2019-11-13 | 2020-04-14 | 成都理工大学 | 一种基于WTSVD算法扣除背景的γ能谱集分析方法 |
CN111062544A (zh) * | 2019-12-30 | 2020-04-24 | 核工业北京地质研究院 | 一种铀成矿远景区的预测方法 |
CN111679342A (zh) * | 2020-07-21 | 2020-09-18 | 核工业航测遥感中心 | 快速寻找盆地隐伏砂岩型铀矿方法 |
-
2007
- 2007-10-30 CN CN200710082597.9A patent/CN106507974B/zh active Active
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901210A (zh) * | 2017-12-07 | 2019-06-18 | 核工业北京地质研究院 | 一种车载γ全谱测量方法 |
CN109738935A (zh) * | 2018-12-28 | 2019-05-10 | 核工业二0八大队 | 一种地面伽玛能谱测量数据解释方法 |
CN111008356A (zh) * | 2019-11-13 | 2020-04-14 | 成都理工大学 | 一种基于WTSVD算法扣除背景的γ能谱集分析方法 |
CN111062544A (zh) * | 2019-12-30 | 2020-04-24 | 核工业北京地质研究院 | 一种铀成矿远景区的预测方法 |
CN111679342A (zh) * | 2020-07-21 | 2020-09-18 | 核工业航测遥感中心 | 快速寻找盆地隐伏砂岩型铀矿方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
IceCube Collaboration | Search for annihilating dark matter in the Sun with 3 years of IceCube data | |
Aitchison et al. | Detrital zircon U–Pb ages along the Yarlung-Tsangpo suture zone, Tibet: Implications for oblique convergence and collision between India and Asia | |
Lupker et al. | 10 Be systematics in the Tsangpo-Brahmaputra catchment: the cosmogenic nuclide legacy of the eastern Himalayan syntaxis | |
Zheng et al. | Analysis of stream sediment data for exploring the Zhunuo porphyry Cu deposit, southern Tibet | |
Petraki et al. | Radon-222: a potential short-term earthquake precursor | |
CN104537375B (zh) | 一种基于卫星遥感数据的褐铁矿化信息提取方法 | |
CN106507974B (zh) | 砂岩型铀矿放射性γ能谱弱信息提取方法 | |
CN104615843B (zh) | 一种识别隐伏火山岩型铀矿化信息的物化探综合方法 | |
CN103777243A (zh) | 砂泥岩薄互层储层厚度预测方法 | |
CN103678778B (zh) | 一种放射性物化探信息综合方法 | |
CN103135131A (zh) | 一种针对裂缝性储层预测的解释装置 | |
Mandal et al. | Multiproxy isotopic and geochemical analysis of the Siwalik sediments in NW India: Implication for the late Cenozoic tectonic evolution of the Himalaya | |
Chen et al. | Identifying potential Au-Pb-Ag mineralization in SE Shuangkoushan, North Qaidam, Western China: combined log-ratio approach and singularity mapping | |
Fang et al. | Provenance of the Langjiexue Group to the south of the Yarlung-Tsangpo Suture Zone in southeastern Tibet: Insights on the evolution of the Neo-Tethys Ocean in the Late Triassic | |
CN106908855A (zh) | 一种基于gis空间分析选择地球化学元素组合的方法 | |
Qiao et al. | Prediction of floor water disasters based on fractal analysis of geologic structure and vulnerability index method for deep coal mining in the Yanzhou mining area | |
CN111335882A (zh) | 一种融合自然γ探测器的铀裂变瞬发中子测井控制方法 | |
Xie et al. | Quantitative prediction of prospectivity for Pb–Zn deposits in Guangxi (China) by back-propagation neural network and fuzzy weights-of-evidence modelling | |
Zhang et al. | Mineralization-related geochemical anomalies derived from stream sediment geochemical data using multifractal analysis in Pangxidong area of Qinzhou-Hangzhou tectonic joint belt, Guangdong Province, China | |
CN104122590B (zh) | 一种基于电磁勘探的油气检测方法及系统 | |
Balestrieri et al. | Detrital fission-track-compositional signature of an orogenic chain-hinterland basin system: The case of the late Neogene Quaternary Valdelsa basin (Northern Apennines, Italy) | |
Kiselev et al. | Uranium even isotopes in kimberlites, enclosing and overburden rocks of the Zolotitskoye ore field (Arkhangelsk diamondiferous province) | |
da Cruz Cunha et al. | Parnaíba Basin–the awakening of a giant | |
Caine et al. | Review and interpretation of previous work and new data on the hydrogeology of the Schwartzwalder Uranium Mine and vicinity, Jefferson County, Colorado | |
CN105467447A (zh) | 相控趋势能量匹配的地震保幅评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR03 | Grant of secret patent right | ||
DC01 | Secret patent status has been lifted | ||
DCSP | Declassification of secret patent |