CN110133737B - 一种隐伏矿的电磁学预测方法 - Google Patents

一种隐伏矿的电磁学预测方法 Download PDF

Info

Publication number
CN110133737B
CN110133737B CN201910560517.9A CN201910560517A CN110133737B CN 110133737 B CN110133737 B CN 110133737B CN 201910560517 A CN201910560517 A CN 201910560517A CN 110133737 B CN110133737 B CN 110133737B
Authority
CN
China
Prior art keywords
impedance
static effect
tensor
factor
electromagnetic
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
Application number
CN201910560517.9A
Other languages
English (en)
Other versions
CN110133737A (zh
Inventor
何兰芳
何展翔
姚红春
陈儒军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geology and Geophysics of CAS
Original Assignee
Institute of Geology and Geophysics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Geology and Geophysics of CAS filed Critical Institute of Geology and Geophysics of CAS
Priority to CN201910560517.9A priority Critical patent/CN110133737B/zh
Publication of CN110133737A publication Critical patent/CN110133737A/zh
Application granted granted Critical
Publication of CN110133737B publication Critical patent/CN110133737B/zh
Priority to US16/997,817 priority patent/US11105949B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
    • G01V3/081—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices the magnetic field is produced by the objects or geological structures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
    • G01V3/20—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging operating with propagation of electric current
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
    • G01V3/30—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging operating with electromagnetic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging
    • G01V3/34—Transmitting data to recording or processing apparatus; Recording data

Abstract

本发明公开了一种隐伏矿的电磁学预测方法，从静态效应识别和校正后的张量阻抗数据中提取与观测方向相关和频率相关的因子，构建包含各向异性特征的电磁识别因子，再利用电磁识别因子单独或作为综合预测信息的组成部分推测目标区地下一定深度范围内发育矿体的概率，由于充分利用了频率域电磁场各向异性特征以及视金属因子等与二维(或三维)延伸的隐伏矿潜在相关性，从而提高了隐伏矿空间位置和属性预测的成功率。

Description

一种隐伏矿的电磁学预测方法
技术领域
本发明属于矿产资源勘探技术技术领域，涉及隐伏矿电磁学预测，尤其涉及沿走向延伸远大于矿体后的隐伏矿电磁法勘探。
背景技术
电磁勘探方法是矿产资源(特别是金属矿和地下水)勘探的重要技术，但是对于隐伏矿的勘探，尤其是薄层隐伏矿的勘探依然是地球物理和地质勘探的难题。
以往频率或电磁法矿产资源勘探通过地面、航空或井下电磁法来获取地层或岩体的电阻率信息，由于操作失误、复杂地形和陡倾构造等都能引起视电阻率曲线的在双对数坐标中的平移而形成与地表不均匀具有相似特征的“静态效应”，因此需要通过获取的电阻率信息进行静态效应校正，再选择上支曲线(TE或TM，大多数时候选择TM)或者二者几何平均作为反演原始曲线进行数据反演，最后依赖已有的地质资料或将低阻异常的发育区圈定为有利区(El Hmidi,F.,Chakiri,S.,Hafid,M.,Manar,A.,&Bejjaji,Z.(2019).Electromagnetic survey to constraints ore mining exploration in the easternAnti-Atlas belt(case of Imiter inlier,Morocco):Application of frequencyelectromagnetic helicopter-borne method.Journal of African Earth Sciences,150,595-606.；Di,Q.,Xue,G.,Wang,Z.,An,Z.,Fu,C.,Wang,R.,...&Olalekan,F.(2019).Development of the emerging electromagnetic methods for deep earthexploration.Acta Geologica Sinica-English Edition,93,313-317.Revuelta,M.B.(2018).Mineral Resource Exploration.In Mineral Resources(pp.121-222).Springer,Cham.)。传统隐伏矿预测方法存在以下问题：(1)传统静态校正的方法，包括：不变量响应参数法，曲线平移法，统计平均法，空间滤波法，扭曲张量法和数值模拟法，采用传统静态校正方法，会将浅地表不均匀电性分布引起的电性变化视为静态效应予以削弱或滤除，这样会导致一些局部的含矿指示信息被滤除；(2)采用张量频率域电磁学数据从E偏振(TE)、H偏振(TM)或者二者几何平均中选择最优的曲线组成剖面进行反演或转换，由于没有充分利用频率域电磁各向异性特征对二维(或三维)延伸的隐伏矿的潜在相关性，从而导致隐伏矿空间位置和属性的预测成功率较低。
发明内容
本发明目的旨在针对现有技术的不足，提供一种隐伏矿的电磁学预测方法，充分挖掘电磁数据信息与隐伏矿产资源(或其含矿构造)空间分布规律和成矿属性之间潜在联系，提高电磁法识别隐伏矿的成功率。
为了达到上述目的，本发明采取以下技术方案来实现。
本发明提供了一种隐伏矿的电磁学预测方法，包括以下步骤：
(1)数据采集：在目标区地表与预测目标走向相交的方向部署二维测线或测线束，在同一测点观测沿测线方向和垂直于测线方向的电磁场；
(2)获取张量阻抗数据：将获取的电磁场数据处理成张量阻抗数据；
(3)静态效应的识别与校正：对获得的张量阻抗进行静态效应分析，识别出存在的静态效应，并对存在静态效应的张量阻抗数据进行静态效应校正；
(4)获取电磁识别因子：依据步骤(3)得到的静态效应校正后的张量阻抗数据，分别提取与观测方向相关的关联度因子α1及与频率相关的视金属因子α2，然后通过以下公式计算得到电磁识别因子α：
α＝λ1α1+λ2α2
式中，λ1和λ2分别为关联度因子α1和视金属因子α2的加权系数，根据目标区地质地球物理信息设定；
(5)频率域-深度域转换：将静态效应校正后的张量阻抗数据转换成包含深度-电阻率信息的剖面，并将电磁识别因子进行深度归位；
(6)隐伏矿预测：
依据电磁识别因子对目标区设定深度范围内的发育矿体进行预测；
或者依据电磁识别因子及该目标区地质地球物理信息构建隐伏矿识别模型，依据构建的隐伏矿识别模型对该目标区设定深度范围内的发育矿体进行预测。
上述隐伏矿的电磁学预测方法，步骤(1)的目的是获取目标区的电阻率分布。为此，在目标区地表与预测目标走向(由先期地质资料提供或依据地形资料分析得到)垂直或大角度(例如：大于60°)相交的方向部署二维测线或测线束(多条相近的平行或近似平行测线的组合)，然后在同一测点同时观测沿测线方向和垂直于测线方向的随时间变化的电磁场，电磁场可以是天然源(被动源，测量的是大地电磁场)或人工源(主动源，测量的是人工发射的电磁场)。一般每条测线包含5个以上测点，每个测点包含10个以上频点的频率域电磁场勘探数据。
上述隐伏矿的电磁学预测方法，步骤(2)的目的是将获取的电磁场数据处理成不受采集装置影响的不同频点张量阻抗数据，从张量阻抗数据中可以显示电阻率、相位等电性特征参数。
步骤(1)和步骤(2)采用本领域已经披露的常规手段得到，可以参考Vozoff,K.(1991).The magnetotelluric method.In Electromagnetic Methods in AppliedGeophysics:Volume 2,Application,Parts A and B(pp.641-712).Society ofExploration Geophysicists。
上述隐伏矿的电磁学预测方法，步骤(3)中，由于地形和非地质原因造成两个观测方向电阻率曲线在双对数坐标系中的平行(或近似平行)分离。为了减少这种分离，本发明首先通过特定的算法评估识别观测数据中是否存在静态效应，然后对存在静态效应进行校正，将受静态效应影响的曲线回归到算法认定的位置。
对于所得张量阻抗数据中静态效应的识别及校正，可以采用不同的实现方式：
(a)利用相邻的多个测点相同频段的张量阻抗平均值设定静态效应判别的阈值范围，当步骤(2)获得的张量阻抗数据中存在超出阈值范围的张量阻抗时，表示存在静态效应，否则表示不存在静态效应。
然后对张量阻抗数据的视电阻率剖面和相位剖面分别按照以下步骤进行加窗处理，以滤除或削弱静态效应：
(A1)构建二维(空间位置-频率)滤波系数矩阵，并以该矩阵作为处理窗；
(A2)对按测点位置组成剖面后的频率-视电阻率剖面数据采用二维(空间位置-频率)滤波系数矩阵进行二维空间滤波处理，完成视电阻率剖面的静态效应校正，相位剖面的处理过程相同。
(b)对步骤(2)获得的张量阻抗进行小波分析，对张量阻抗数据是否存在静态效应进行判定及校正。具体实现方式为：以中频段若干频点沿测线方向的阻抗模值平均值代表相应测点，然后沿测线方向将代表相应测点的阻抗模值平均值连接组成一条剖面曲线，对该剖面曲线进行小波分析得到整条测线的时频谱，利用所得滤波系数对张量阻抗数据是否存在静态效应进行判断及校正。
上述用于识别和校正张量阻抗数据中静态效应的两种实现方式只是为了方便理解本发明的技术方案，但不构成对本发明技术方案的限定。
上述隐伏矿的电磁学预测方法，步骤(4)中，从静态效应识别和校正后的张量阻抗电磁学观测数据中提取与含矿构造(例如观测方向)相关的数据(例如分别表示沿测线和垂直于测线方向的阻抗分量的阻抗模、视电阻率、阻抗分量相位等)或图形，并依据提取的相关数据计算得到电磁识别因子，这是本发明的核心。电磁识别因子的提取包含但不限于以下方法：阻抗比值法、相位差法等，首先依据这些方法提取与观测方向相关的关联度因子和频率相关的视金属因子，然后再利用关联度因子和视金属因子(AMF)计算得到电磁识别因子。
步骤(4)中，与观测方向相关的关联度因子α1为阻抗比值FEM或相位差值PEM：
Figure BDA0002108129270000041
式中，Zxy和Zyx分别表示沿测线和垂直于测线方向的阻抗分量的模或视电阻率，或者分别表示张量阻抗旋转到阻抗主轴的主轴方向和垂直主轴方向的阻抗分量或视电阻率；
Figure BDA0002108129270000042
式中，Pxy和Pyx分别表示沿测线和垂直于测线方向的阻抗分量的相位，或者分别表示张量阻抗旋转到阻抗主轴后的主轴方向和垂直主轴方向的阻抗分量相位。
步骤(4)中，与频率相关的视金属因子α2通过不同频率的阻抗模值差的平方与高、低频阻抗模值乘积平方比值确定：
Figure BDA0002108129270000043
式中，Zlf和Zhf分别为低频和高频的阻抗模或视电阻率。
上述隐伏矿的电磁学预测方法，步骤(5)中，利用单点频率域－深度域转换算法、带二维剖面滤波的转换算法或二维反演方法将静态效应校正后的张量阻抗数据及电磁识别因子转换成包含深度-电阻率及深度-电磁识别因子信息的剖面，从而得到测线上频点对应的深度范围。
上述隐伏矿的电磁学预测方法，步骤(6)中，利用电磁识别因子预测发育矿体，可以通过两种方式实现：①利用本发明提出电磁识别因子单独对目标区(或研究区)地下一定深度范围内发育矿体进行预测；②将电磁识别因子作为综合预测信息的组成部分，结合目标区(或研究区)地质地球物理信息构建隐伏矿识别模型，依据构建的隐伏矿识别模型对目标区(或研究区)地下一定深度范围内发育矿体进行预测。
本领域技术人员可以根据目标区不同成矿背景、成矿类型(例如岩浆型、热液型、沉积改造型等)和控矿因素(例如构造控矿、地层控矿等)调整模型参数及各参数权重得到适用于目标区的隐伏矿识别模型。
与现有技术相比，本发明提供的隐伏矿的电磁学预测方法具有如下有益效果：
1、本发明从静态效应识别和校正后的张量阻抗数据中提取与观测方向相关和频率相关的因子，构建电磁识别因子，再利用电磁识别因子单独或作为综合预测信息的组成部分推测目标区地下一定深度范围内发育矿体的概率，由于充分利用了频率域阻抗分量各向异性特征与二维(矿体沿走向的延伸远大于沿倾向的延伸)或三维(矿体沿走向的延伸和沿倾向的延伸相当)延伸的隐伏矿潜在相关性，从而提高了隐伏矿空间位置和属性预测的成功率。
2、本发明针对张量阻抗进行静态识别和校正，这样可以保障从阻抗信息中提取的识别信息不包含(或小限度包含)静态效应的影响。
附图说明
图1为本发明隐伏矿的电磁学预测方法技术路线示意图。
图2为采用本发明提供的隐伏矿的电磁学预测方法对目标区进行隐伏矿效果图；其中a为静态效应分析前的深度-电阻率剖面，b为静态效应分析后的深度-电阻率剖面，c为深度归位后的阻抗比值剖面，d为视金属因子沿测点方向的分布示意图，e为隐伏矿识别模型预测效果图。
图3为电磁法采集野外布置示意图；其中a为测线布置示意图，b为测点布置示意图。
具体实施方式
下面通过实施例对本发明进行具体的描述，有必要在此指出的是本实施例只用于对本发明进行进一步说明，但不能理解为对本发明保护范围的限制，该领域的技术熟练人员可以根据上述本发明的内容对本发明做出一些非本质性的改进和调整。
本实施例提供的隐伏矿的电磁学预测方法，如图1所示，包括以下步骤(1)-(6)。
步骤(1)，数据采集：在目标区地表与预测目标走向相交的方向部署二维测线或测线束，在同一测点观测沿测线方向和垂直于测线方向的电磁场。
例如：在目标区地表与预测目标走向(由先期地质资料提供或依据地形资料分析)垂直或大角度(例如：大于60°)相交的方向部署二维测线或测线束，然后在同一测点同时观测沿测线方向和垂直于测线方向的随时间变化的电磁场，电磁场可以是天然源(被动源，测量的是大地电磁场)或人工源(主动源，测量的是人工发射的电磁场)。一般每条测线包含5个以上测点，每个测点包含10个以上频点的频率域电磁法勘探数据。
步骤(2)，获取张量阻抗数据：将获取的电磁场数据处理成张量阻抗数据。
将获取的电磁场数据处理成不受采集装置影响的不同频点张量阻抗数据，从张量阻抗数据中可以显示电阻率、相位等电性特征参数。
本实施例中，采用本领域已经披露的常规数据处理方法手段得到，可以参考Vozoff,K.(1991).The magnetotelluric method.In Electromagnetic Methods inApplied Geophysics:Volume 2,Application,Parts A and B(pp.641-712).Society ofExploration Geophysicists。
步骤(3)，静态效应的识别与校正：对获得的张量阻抗进行静态效应分析，识别出存在的静态效应，并对存在静态效应的张量阻抗数据进行静态效应校正。
由于地形和非地质原因造成两个观测方向电阻率曲线在双对数坐标系中的平行(或近似平行)分离。为了减少这种分离，本发明首先通过特定的算法评估识别观测数据中是否存在静态效应，然后对存在静态效应进行校正，将受静态效应影响的曲线回归到算法认定的位置。
对于所得张量阻抗数据中静态效应的识别，可以采用不同的实现方式：
(a)利用相邻的多个测点相同频段的张量阻抗平均设定静态效应判别的的阈值范围，当步骤(2)获得的张量阻抗数据中存在超过阈值范围的张量阻抗时，表示存在静态效应，否则表示不存在静态效应。
例如：对于连续的5个(或多于5个)测点，分别计算各测点沿测线方向和垂直测线方向中频段5个(或多于5个)频点的阻抗模值平均值，并由其代表该测点沿测线方向和垂直测线方向的阻抗模值，再分别沿测线方向和垂直测线方向计算连续的5个(或多于5个)测点阻抗模值的平均值，然后根据不同研究区和地球物理条件设定分别沿测线方向和垂直测线方向阈值范围(例如：将阈值上、下限分别设定为5倍平均值和0.2倍平均值)，如果某个测点沿测线方向或者垂直测线方向的阻抗模值高于(或低于)设定阈值上限(或下限)，则认为该测点存在静态效应。为了提高识别率，可以进一步通过人机交互处理确认。
若张量阻抗数据存在静态效应，则分别对获取的张量阻抗视电阻率剖面和相位剖面按照以下步骤进行加窗处理，以滤除或削弱静态效应，这种实现方式包括以下分步骤：
(A1)构建滤波系数矩阵(例如高斯滤波矩阵)，并以该矩阵作为处理窗。
该滤波系数矩阵作为处理窗可以覆盖包含多个测点(横向空间)和频点(纵向空间)，因此该滤波系数矩阵也可以称之为空间位置-频率滤波系数矩阵。
(A2)对按测点位置组成剖面后的频率-视电阻率剖面数据采用二维(空间位置-频率)滤波系数矩阵进行二维空间滤波处理完成视电阻率剖面的静态效应校正，相位剖面的处理过程相同。
滤波系数矩阵实现方式可以参考本领域已经披露的常规手段，例如Bresnahan,T.,&Dickenson,K.(2002).Surfer 8 self-paced training guide.Golden SoftwareInc.。
(b)对步骤(2)获得的张量阻抗进行小波分析，对张量阻抗数据是否存在静态效应进行判定及校正。以中频段若干频点沿测线方向的阻抗模值平均值代表相应测点，然后沿测线方向将代表相应测点的阻抗模值平均值连接组成一条剖面曲线，对该剖面曲线进行小波分析得到整条测线的时频谱，利用所得滤波系数对张量阻抗数据是否存在静态效应进行判断及校正。
例如：与前一种静态效应识别方法类似，首先分别计算各测点沿测线方向或者垂直测线方向中频段5个(或多于5个)频点的阻抗模值平均值，并将其代表相应测点数据，然后沿测线方向将代表相应测点的阻抗模值平均值连接组成一条剖面曲线，对该剖面曲线进行小波分析得到整条测线的时频谱(横轴为距离，纵轴为代表不同带通滤波系数的小波尺度)，然后利用小波细节(高通滤波结果)的突变点识别静态效应发生的位置；提取中频区的小波系数(中频带通滤波结果)或者中频区小波系数与低频区小波系数的比值对张量阻抗是否存在静态效应进行进一步判断；最后利用每个测点对应的低频区的小波系数(低通滤波结果)作为该测点的静态校正系数，将静态校正系数进行归一化处理(将不含或静态效应最弱的测点静态校正系数设为1，其余测点和它作比值，计算相对系数)，利用归一化系数对每个测点的各个频点作静态校正。这里通过小波变换的方法得到整条测线的时频谱采用的是本领域已经披露的常规方法，本领域技术人员可以依据上述发明思想实现对张量阻抗的静态效应的识别。
上述利用中频区的小波系数(中频带通滤波结果)对张量阻抗是否存在静态效应进行进一步判断的实现方式为：依据连续5个测点的中频区的小波系数平均值设定阈值范围(例如将阈值上、下限分别设定为5倍小波系数平均值和0.2倍小波系数平均值)，如果某个测点中频区的小波系数超出这个范围，则判定为该测点存在静态效应。
上述利用中频区小波系数与低频区小波系数的比值对张量阻抗是否存在静态效应进行进一步判断的实现方式为：计算各测点中频区小波系数与低频区小波系数的比值，然后依据整条测线比值平均值大小设定阈值范围(例如：将阈值上、下限分别设定为高于5倍平均值或低于0.2倍平均值)，如果某个测点中频区的小波系数与低频区小波系数的比值超出这个范围，则判定为该测点存在静态效应。
步骤(4)，获取电磁识别因子。
从静态效应识别和校正后的张量阻抗电磁学观测数据中提取与含矿构造(例如观测方向)相关的数据(例如分别表示沿测线和垂直于测线方向的阻抗分量的阻抗模、视电阻率、阻抗分量相位等)或图形，并依据提取的相关数据计算得到电磁识别因子，这是本发明的核心。电磁识别因子的提取包含但不限于以下方法：阻抗比值法、相位差法等，首先依据这些方法提取与观测方向相关的关联度因子和频率相关的视金属因子(AMF)，然后再利用关联度因子和视金属因子计算得到电磁识别因子。
首先依据步骤(3)得到的静态效应校正后的张量阻抗数据，分别提取与观测方向相关的关联度因子α1及与频率相关的视金属因子α2，然后通过以下公式计算得到电磁识别因子α：
α＝λ1α1+λ2α2
式中，λ1和λ2分别为关联度因子α1和视金属因子α2的加权系数，根据目标区地质地球物理信息设定。
与观测方向相关的关联度因子α1为阻抗比值FEM或相位差值PEM：
Figure BDA0002108129270000081
式中，Zxy和Zyx分别表示沿测线和垂直于测线方向的阻抗分量的模或视电阻率，或者分别表示张量阻抗旋转到阻抗主轴后的主轴方向和垂直主轴方向的阻抗分量或视电阻率。
Figure BDA0002108129270000082
式中，Pxy和Pyx分别表示沿测线和垂直于测线方向的阻抗分量的相位，或者分别表示张量阻抗旋转到阻抗主轴后的主轴方向和垂直主轴方向的阻抗分量相位。
与频率相关的视金属因子α2通过不同频率的阻抗模值差的平方与高、低频阻抗模值乘积平方比值确定：
Figure BDA0002108129270000091
式中，Zlf和Zhf分别为低频(小于10Hz)和高频(大于100Hz)的阻抗模或视电阻率。
(5)频率域-深度域转换：将静态效应校正后的张量阻抗数据转换成包含深度-电阻率信息的剖面，并将电磁识别因子进行深度归位。
可以利用单点频率域－深度域转换算法、带二维剖面滤波的转换算法或二维反演方法将静态效应校正后的张量阻抗数据及电磁识别因子转换成包含深度-电阻率及深度-电磁识别因子信息的剖面，从而得到测线上频点对应的深度范围。上述方法为本领域已经披露的常规手段，本领域技术人员可以依据上述发明思想实现将张量阻抗从频率域到深度域的转换。
步骤(6)，隐伏矿预测。
利用电磁识别因子对发育矿体进行预测，可以通过两种方式实现：①利用本发明提出电磁识别因子单独对目标区(或研究区)地下一定深度范围内发育矿体进行预测；②将电磁识别因子作为综合预测信息的组成部分，结合目标区(或研究区)地质地球物理信息构建隐伏矿识别模型，依据构建的隐伏矿识别模型对目标区(或研究区)地下一定深度范围内发育矿体进行预测。
将电磁学识别因子和其它地质地球物理信息加权建模，通过不同成矿背景、成矿类型(例如岩浆型、热液型、沉积改造型等)和控矿因素(例如构造控矿、地层控矿等)，确定用于构建隐伏矿识别模型的参数及各参数权重，以建立识别模型，然后依据隐伏矿识别模型预测隐伏矿。如研究区内没有其它地质地球物理资料，地形地貌因素参与加权，但地形地貌因素权重不超过30％。这一识别技术相对复杂，但比单独使用电磁识别因子相比，其识别风险更低。
显而易见地，以上描述中的仅仅是本发明的一个实施例，对于本领域专业技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些描述获得其他的类似方法。
应用例
本应用例针对的研究对象为隐伏脉状金属矿。
本应用例采用实施例1提供的隐伏矿的电磁学预测方法对上述目标区的隐伏矿进行预测，包括以下步骤(1)-(6)。
步骤(1)，数据采集：在目标区地表与预测目标走向垂直或大角度(大于60°)相交的方向部署二维测线束，在同一测点观测沿测线方向和垂直于测线方向的电磁场。
如图3所示，本应用例中，垂直预测矿体走向布设测线5条，每条测线布设若干测点，采集正交不同频率的天然源音频大地电磁场，相关方法已有文献He,L.,Feng,M.,He,Z.,&Wang,X.(2006).Application of EM methods for the investigation ofQiyueshan Tunnel,China.Journal of Environmental&Engineering Geophysics,11(2),151-156。
步骤(2)，获取张量阻抗数据：将获取的电磁场数据处理成张量阻抗数据。
将获取的电磁场数据处理成不受采集装置影响的不同频点张量阻抗数据，从张量阻抗数据中可以获取该测点观测频率范围内电阻率和相位信息，也可获取不同方位的阻抗信息。
本应用例中，采用本领域已经披露的常规数据处理方法手段得到，可以参考Vozoff,K.(1991).The magnetotelluric method.In Electromagnetic Methods inApplied Geophysics:Volume 2,Application,Parts A and B(pp.641-712).Society ofExploration Geophysicists.或He,L.,Feng,M.,He,Z.,&Wang,X.(2006).Application ofEM methods for the investigation of Qiyueshan Tunnel,China.Journal ofEnvironmental&Engineering Geophysics,11(2),151-156.等。
本应用例中，获取的没有经静态效应识别和校正的反演电阻率剖面如图2a所示。从图中可以看出，大量局部不均匀电性体包含在反演成果图中，反演结果横向(沿测线方向)连续性极差。
步骤(3)，静态效应的识别与校正：对获得的张量阻抗进行静态效应分析，识别出存在的静态效应，并对存在静态效应的张量阻抗数据进行静态效应校正。
本应用例中，对于所得张量阻抗数据中静态效应的识别，采用的实现方式为：利用相邻的多个测点相同频段的张量阻抗平均设定静态效应判别的的阈值范围，当步骤(2)获得的张量阻抗中存在超出阈值范围的张量阻抗时，表示存在静态效应，否则表示不存在静态效应。
阈值范围的确定：连续的5个测点，分别计算各测点沿测线方向和垂直测线方向中频段(本应用例中设置40个频点，以15～20号频点作为中频段，20号以后作为低频段，15号之前作为高频段)5个(或多于5个)频点的阻抗模值平均值，并将其作为该测点沿测线方向和垂直测线方向的阻抗模值；再分别沿测线方向和垂直测线方向，计算连续的5个测点阻抗模值的平均值，然后根据不同研究区和地球物理条件分别设定沿测线方向和垂直测线方向阈值范围(例如：将阈值上、下限分别设定为5倍平均值和0.2倍平均值)，如果某个测点沿测线方向或者垂直测线方向的阻抗模值高于(或低于)设定阈值上限(或下限)，则认为该测点存在静态效应。为了提高识别率，可以进一步通过人机交互处理确认。
对存在静态效应的张量阻抗数据按照以下步骤进行加窗处理，以滤除或削弱静态效应：
(A1)构建滤波系数矩阵(高斯滤波矩阵)，并以该矩阵作为处理窗。
本实施例设定滤波系数矩阵为3×3均值矩阵
Figure BDA0002108129270000111
该滤波系数矩阵作为处理窗可以覆盖包含3个测点(横向空间)和3个频点(纵向空间)。
(A2)对按测点位置组成剖面后的频率-视电阻率剖面数据采用二维(空间位置-频率)滤波系数矩阵进行二维空间滤波处理完成视电阻率剖面的静态效应校正，相位剖面的处理过程相同。本应用例中，通过采用上述方式对步骤(2)空间滤波后得到的转换结果如图2b所示。从图中可以看出，局部不均匀电性体得到了有效的滤除，反演结果横向(沿测线方向)连续性较好。
步骤(4)，获取电磁识别因子：依据步骤(3)得到的静态效应校正后的张量阻抗数据，分别提取与观测方向相关的关联度因子α1及与频率相关的视金属因子α2，然后通过以下公式计算得到电磁识别因子α：
α＝λ1α1+λ2α2
式中，λ1和λ2分别为关联度因子α1和视金属因子α2的加权系数，根据目标区地质地球物理信息设定，其取值范围为0～1。
本应用例中，与观测方向相关的关联度因子α1为阻抗比值FEM：
Figure BDA0002108129270000112
式中，Zxy和Zyx分别表示沿测线和垂直于测线方向的阻抗分量的模或视电阻率。
本应用例中，与频率相关的视金属因子α2通过不同频率的阻抗模值平方差与高频阻抗模值平方比值确定：
Figure BDA0002108129270000121
式中，Zlf和Zhf分别为低频和高频的阻抗模或视电阻率。
本应用例中，基于上述公式计算得到的与观测方向相关的关联度因子α1结果如图2c所示，与频率相关的视金属因子α2结果如图2d所示。
因此，根据计算公式可以得到各个测点的电磁识别因子。由于本应用例中矿体和地层的倾角较大，而且发育炭质板岩，通过和已知矿对比，认为阻抗比值FEM受到了一定的干扰，视金属因子能更好的反映有利区的分布，最终选用视金属因子作为电磁识别因子(即将关联度因子α1的权重λ1设置为0，视金属因子α2的权重λ2设置为1)。
(5)频率域-深度域转换：将静态效应校正后的张量阻抗数据转换成包含深度-电阻率及深度-电磁识别因子信息的剖面，将电磁识别因子进行深度归位。
本应用例中采用的本领域已经披露的常规反演算法，将静态效应校正后的张量阻抗数据及电磁识别因子数据转换成包含深度-电阻率信息的剖面，得到相应的剖面效果图，已应用在图2a～c中。得到的深度-电磁识别因子的剖面效果图，已应用在图2e中。
步骤(6)，隐伏矿预测：
为了对目标区设定深度范围内发育矿体的分布情况，定义有利区。有利区是潜在的含矿区，本发明中指从电阻率组合特征和高视金属因子相结合的区域，如果工作区可提供地质和先期信息，可共同作为有利区的识别依据。为了便于说明目标区设定深度范围内发育矿体的概率大小，还可以将有利区分为一级有利区、二级有利区、三级有利区等，一级有利区出现隐伏矿的概率最大，二级有利区和三级有利区依次减小。
(i)依据电磁识别因子单独推测
本应用例中，以电磁识别因子大于0.8为一级有利区，以电磁识别因子位于0.4～0.8的为二级有利区，以电磁识别因子位于0.2～0.4的为三级有利区等。依据得到的电磁识别因子以及电磁识别因子深度归位结果，在目标区1000米深度范围内，可以预测有4个有利区，具体位置如图2d所示，其中沿测线方向的1000米和1750米附近区域的电磁识别因子大于1，均为一级有利区；1250m附近区域的电磁识别因子虽然由大于0.8的位置，但是大部分低于0.4，其介于二级和三级有利区之间；1500米附近区域的电磁识别因子在0.4～0.8之间，因此为二级有利区。
(ii)电磁识别因子结合目标区地质地球你物理信息综合预测
通过对该目标区已有地质地球物理信息，这里主要是火成岩和页岩，页岩为低阻，火成岩为高阻。因此本应用例以高低阻过渡带作为表示该目标区地质地球物理信息的参数，然后结合电磁识别因子构建隐伏矿识别模型，所构建的隐伏矿识别模型见表1所示。本应用例中识别模型包含3个地质因子和3个电磁学因子，地质因子包括区域地质、火成岩和构造三方面，所占权重上限分别为0.05、0.2、0.1，电磁学因子包括与深度有关的电阻率特征，累积权重上限为0.15，本发明电磁因子，权重上限为0.3。
本应用例中，以区域地质因子、岩脉标志因子、断裂标志因子、电阻率特征1和电阻率特征2所占权重表示各自在发育矿体预测中的影响概率；对于电磁识别因子，其在发育矿体预测中的影响概率为α*30％，当电磁识别因子α大于等于1时按1计算。然后依据模型分别对目标区沿测线1000米附近区域和1500米附近区域的两个区域进一步分析得到这两个区域的含矿概率，如表1所示。从表1可以看出，由于1000米附近区域位于区域构造附近，发育辉绿岩脉和断层，电性上为高低阻过渡带特征，且有大范围低阻发育，电磁识别因子大于1(影响概率为30％)，结合上述分析得出1000米附近区域存在发育矿体的概率约为80％，说明此处存在发育矿体的可能性较大；由于1500米附近区域为火成岩，其为高阻，不存在高低阻过渡带和低阻异常范围，且其不存在拉张断裂，因此这几个方面的影响概率均为0，结合区域地质、岩脉标志和电磁识别因子(按0.6计算，影响概率为18％)影响概率，可以得出1500米附近区域存在发育矿体的概率约为43％，说明此处存在发育矿体的可能性较小。需要特别指出，以上只为针对特定矿床的一个实例。
表1隐伏矿识别模型
Figure BDA0002108129270000141
通过上述分析过程，依据构建隐伏矿识别模型得到的目标区深度归位的预测效果图如附图2e所示。从图中可以看出，单独依据电磁识别因子判断的两个位于火成岩体内部的有利区，而非本发明所要预测的隐伏矿。采用该隐伏矿识别模型预测了2个有利区，其中的一个已被钻探验证，发现了高品位的开采金属矿。

Claims (6)

1.一种隐伏矿的电磁学预测方法，其特征在于包括以下步骤：
(1)数据采集：在目标区地表与预测目标走向相交的方向部署二维测线或测线束，在同一测点观测沿测线方向和垂直于测线方向的电磁场；
(2)获取张量阻抗数据：将获取的电磁场数据处理成张量阻抗数据；
(3)静态效应的识别与校正：对获得的张量阻抗进行静态效应分析，识别出存在的静态效应，并对存在静态效应的张量阻抗数据进行静态效应校正；
(4)获取电磁识别因子：依据步骤(3)得到的静态效应校正后的张量阻抗数据，分别提取与观测方向相关的关联度因子α1及与频率相关的视金属因子α2，然后通过以下公式计算得到电磁识别因子α：
α＝λ1α1+λ2α2
式中，λ1和λ2分别为关联度因子α1和视金属因子α2的加权系数，根据目标区地质地球物理信息设定；
与观测方向相关的关联度因子α1为阻抗比值FEM或相位差PEM：
Figure FDA0002356757110000011
式中，Zxy和Zyx分别表示沿测线和垂直于测线方向的阻抗分量的模或视电阻率，或者分别表示张量阻抗旋转到阻抗主轴后的主轴方向和垂直主轴方向的阻抗分量或视电阻率；
Figure FDA0002356757110000012
式中，Pxy和Pyx分别表示沿测线和垂直于测线方向的阻抗分量的相位，或者分别表示张量阻抗旋转到阻抗主轴后的主轴方向和垂直主轴方向的阻抗分量相位；
与频率相关的视金属因子α2通过不同频率的阻抗模值差的平方与高、低频阻抗模值乘积平方比值确定：
Figure FDA0002356757110000013
式中，Zlf和Zhf分别为低频和高频的阻抗模或视电阻率；
(5)频率域-深度域转换：将静态效应校正后的张量阻抗数据转换成包含深度-电阻率信息的剖面，并将电磁识别因子进行深度归位；
(6)隐伏矿预测：
依据电磁识别因子对目标区设定深度范围内的发育矿体进行预测；
或者依据电磁识别因子及该目标区地质地球物理信息构建隐伏矿识别模型，依据构建的隐伏矿识别模型对该目标区设定深度范围内的发育矿体进行预测。
2.根据权利要求1所述隐伏矿的电磁学预测方法，其特征在于步骤(3)中，对获得的张量阻抗进行静态效应分析，识别出存在静态效应的实现方式为：利用相邻的多个测点相同频段的张量阻抗平均值设定静态效应判别的阈值范围，当步骤(2)获得的张量阻抗数据中存在超出阈值范围的张量阻抗时，表示存在静态效应，否则表示不存在静态效应。
3.根据权利要求2所述隐伏矿的电磁学预测方法，其特征在于步骤(3)中，对存在静态效应的张量阻抗数据进行静态效应校正的方式为，对步骤(2)获取的张量阻抗的视电阻率剖面和相位剖面分别按照以下步骤进行加窗处理：
(A1)构建滤波系数矩阵，并以该矩阵作为处理窗；
(A2)沿测线滑动处理窗进行滤波处理，完成静态效应校正。
4.根据权利要求1所述隐伏矿的电磁学预测方法，其特征在于步骤(3)中，对获得的张量阻抗进行静态效应分析，识别并校正存在静态效应的实现方式为：对步骤(2)获得的张量阻抗进行小波分析，对张量阻抗数据是否存在静态效应进行判定及校正。
5.根据权利要求4所述隐伏矿的电磁学预测方法，其特征在于以中频段若干频点沿测线方向的阻抗模值平均值代表相应测点，然后沿测线方向将代表相应测点的阻抗模值平均值连接组成一条剖面曲线，对该剖面曲线进行小波分析得到整条测线的时频谱，利用所得小波系数对张量阻抗数据是否存在静态效应进行判断及校正。
6.根据权利要求1所述隐伏矿的电磁学预测方法，其特征在于步骤(5)中，利用单点频率域－深度域转换算法、带二维剖面滤波的转换算法或二维反演方法将静态效应校正后的张量阻抗数据转换成包含深度-电阻率信息的剖面。
CN201910560517.9A 2019-06-26 2019-06-26 一种隐伏矿的电磁学预测方法 Active CN110133737B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910560517.9A CN110133737B (zh) 2019-06-26 2019-06-26 一种隐伏矿的电磁学预测方法
US16/997,817 US11105949B2 (en) 2019-06-26 2020-08-19 Electromagnetic prediction method for concealed mines

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910560517.9A CN110133737B (zh) 2019-06-26 2019-06-26 一种隐伏矿的电磁学预测方法

Publications (2)

Publication Number Publication Date
CN110133737A CN110133737A (zh) 2019-08-16
CN110133737B true CN110133737B (zh) 2020-03-06

Family

ID=67579535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910560517.9A Active CN110133737B (zh) 2019-06-26 2019-06-26 一种隐伏矿的电磁学预测方法

Country Status (2)

Country Link
US (1) US11105949B2 (zh)
CN (1) CN110133737B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110703344B (zh) * 2019-10-18 2021-03-30 中国科学院地质与地球物理研究所 一种隐伏资源预测方法及岩石电磁学测井系统
CN111551997A (zh) * 2020-03-12 2020-08-18 上海环联生态科技有限公司 一种隐伏断裂层的勘察系统及勘察方法
CN111812724B (zh) * 2020-06-29 2021-08-27 山东大学 一种隐伏岩溶管道探测方法及系统
CN113421414B (zh) * 2021-06-22 2022-08-12 陕西地矿第二综合物探大队有限公司 一种利用广域电磁法的全息电磁矿体勘探方法及系统
CN113656980B (zh) * 2021-08-26 2022-04-12 中国地质科学院地质力学研究所 一种断裂区域含矿性的确定方法及系统
CN114415245A (zh) * 2022-01-21 2022-04-29 山东省地质矿产勘查开发局第六地质大队(山东省第六地质矿产勘查院) 一种适用于中深部蚀变岩型金矿找矿方法
CN114413841B (zh) * 2022-01-21 2024-02-27 中国科学院西北生态环境资源研究院 一种冻土分带制图方法、装置、电子设备及存储介质
CN114814978B (zh) * 2022-04-15 2023-01-31 中国地质科学院矿产资源研究所 一种基于多深度尺度的花岗岩区钨锡矿勘探方法
CN115480320A (zh) * 2022-11-02 2022-12-16 山东省地质矿产勘查开发局第五地质大队（山东省第五地质矿产勘查院） 基于amt与放射性测量圈定中生代隐伏碱性杂岩体方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101017205A (zh) * 2007-03-08 2007-08-15 刘俊昌 一种高分辨率去静态频率域大地电磁法
CN101071179A (zh) * 2006-05-11 2007-11-14 中国石油集团东方地球物理勘探有限责任公司 一种大地电磁阻抗测量方法
US8112227B2 (en) * 2004-06-15 2012-02-07 Baker Hughes Incorporated Processing of multi-component induction measurements in a biaxially anisotropic formation
CN108459358A (zh) * 2018-03-12 2018-08-28 有色金属矿产地质调查中心 沉积盆地基底顶面形态恢复和深部矿体定位预测的新方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2201256A (en) * 1938-01-31 1940-05-21 Engineering Res Corp Electrical apparatus and method for locating minerals
US3108220A (en) * 1956-03-08 1963-10-22 Varian Associates Electromagnetic method and apparatus for geophysical prospecting including means forgenerating an auxiliary flux field to cancel direct coupling between the primary and pick-up coils
NZ542708A (en) * 2005-11-29 2007-06-29 Grant Caldwell Distortion removal from magnetotelluric data
US8148990B2 (en) * 2007-04-30 2012-04-03 Kjt Enterprises, Inc. Marine electromagnetic acquisition apparatus with foldable sensor arm assembly
US8797828B1 (en) * 2010-02-15 2014-08-05 Soreq NRC Remote optical seismic surveying and detection and imaging of underground objects
CN104267443B (zh) * 2014-05-22 2016-08-31 中国地质科学院矿产资源研究所 基于反演模型的大地电磁场静位移校正方法
CN105204078B (zh) * 2014-06-09 2016-11-23 中国石油化工股份有限公司 一种计算三维大地电磁测深主阻抗的方法
CN104793268B (zh) * 2015-04-28 2017-07-25 中国科学院地质与地球物理研究所 一种瞬变电磁探测的盲深度测量方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8112227B2 (en) * 2004-06-15 2012-02-07 Baker Hughes Incorporated Processing of multi-component induction measurements in a biaxially anisotropic formation
CN101071179A (zh) * 2006-05-11 2007-11-14 中国石油集团东方地球物理勘探有限责任公司 一种大地电磁阻抗测量方法
CN101017205A (zh) * 2007-03-08 2007-08-15 刘俊昌 一种高分辨率去静态频率域大地电磁法
CN108459358A (zh) * 2018-03-12 2018-08-28 有色金属矿产地质调查中心 沉积盆地基底顶面形态恢复和深部矿体定位预测的新方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Combining electromagnetic measurements in the Mygdonian sedimentary basin, Greece;Autio, U.,et al;《Journal of Applied Geophysics》;20161231;1-28 *
连续电磁剖面法在山前带勘探中的应用;刘宏，等;《石油物探》;20040930;492-496 *

Also Published As

Publication number Publication date
CN110133737A (zh) 2019-08-16
US20210181368A1 (en) 2021-06-17
US11105949B2 (en) 2021-08-31

Similar Documents

Publication Publication Date Title
CN110133737B (zh) 一种隐伏矿的电磁学预测方法
CN111045114B (zh) 一种玄武岩覆盖区砂岩型铀矿成矿有利砂体识别定位方法
CN105510993A (zh) 前陆盆地深埋挤压型复杂膏盐岩层识别和分布预测方法
CN107748399B (zh) 利用重力界面反演识别山前带深部构造层方法
CN104020509B (zh) 基于Bayes判别分析的砂质滩坝沉积微相测井识别方法
Alhuthali et al. Optimizing smart well controls under geologic uncertainty
CN109814172A (zh) 一种白岗岩型铀矿深部找矿预测与定位方法
CN112965141B (zh) 一种铀多金属矿的成矿有利地段的圈定方法
CN107356965B (zh) 基于加权叠加噪音压制策略的反射系数反演储层预测方法
CN114386464B (zh) 一种瞬变电磁激电信息的深度学习提取方法
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
Mansouri et al. Identification of magnetic anomalies based on ground magnetic data analysis using multifractal modelling: a case study in Qoja-Kandi, East Azerbaijan Province, Iran
Eppelbaum Revealing of subterranean karst using modern analysis of potential and quasi-potential fields
CN113204056A (zh) 一种用于确定煤岩界面剖面分布位置的反演方法
CN105204066A (zh) 一种基于谱分解的煤层火成岩侵入位置直接指示方法
Ren et al. Fault identification based on the kernel principal component analysis-genetic particle swarm optimization-support vector machine algorithm for seismic attributes in the Sihe Coal Mine, Qinshui Basin, China
Qiao et al. LOCATING OF CONCEALED SKARN IRON ORE DEPOSIT BASED ON MULTIVARIATE INFORMATION CONSTRAINTS: A CASE STUDY OF BEIYA GOLD MINE IN YUNNAN PROVINCE
Krajewska et al. Analysis of the resistivity imaging results conducted over karst voids in Klucze using Depth of Investigation Index
Chen et al. Lithologic targets prediction technique and its application for Silurian marine clastic rock in Tarim Basin, northwestern China
Chen et al. Study of Intelligent Identification Method for Drilling Condition and Lithology in Underground Coal Mine Based on Deep Learning
Xie et al. Application of seismic attribute analysis techniques to multi-scale nature fractures description: A case study of the Longmaxi-Wufeng formation in H shale gas block, Yangtze plate, China
CN117233847A (zh) 一种基于地球物理数据分析的沉积型稀土找矿方法
Arafat Mohmmed et al. Spatial analysis of geo-system parameters for hydrocarbon prospecting in parts of Yemen
ZHANG Target enhancement interpretive processing techniques and their application in B area
Song et al. Prediction of dominant lithofacies of glutinite bodies in the actic region of rifted basin: an example from the third member of Shahejie Formation in TEH area, Jiyang Depression

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant