CN110702632B - 一种深部岩矿高光谱信息三维建模方法 - Google Patents
一种深部岩矿高光谱信息三维建模方法 Download PDFInfo
- Publication number
- CN110702632B CN110702632B CN201910947100.8A CN201910947100A CN110702632B CN 110702632 B CN110702632 B CN 110702632B CN 201910947100 A CN201910947100 A CN 201910947100A CN 110702632 B CN110702632 B CN 110702632B
- Authority
- CN
- China
- Prior art keywords
- rock
- spectral
- dimensional
- ore
- model
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000003595 spectral effect Effects 0.000 claims abstract description 73
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000012800 visualization Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 57
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 24
- 239000011707 mineral Substances 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000005553 drilling Methods 0.000 claims description 14
- 230000004075 alteration Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 7
- 230000018109 developmental process Effects 0.000 claims description 7
- 238000000295 emission spectrum Methods 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 6
- 238000011524 similarity measure Methods 0.000 claims description 5
- 239000012530 fluid Substances 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 230000019771 cognition Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000011002 quantification Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 229910052934 alunite Inorganic materials 0.000 description 1
- 239000010424 alunite Substances 0.000 description 1
- 229910052612 amphibole Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033558 biomineral tissue development Effects 0.000 description 1
- 229910001919 chlorite Inorganic materials 0.000 description 1
- 229910052619 chlorite group Inorganic materials 0.000 description 1
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- GUJOJGAPFQRJSV-UHFFFAOYSA-N dialuminum;dioxosilane;oxygen(2-);hydrate Chemical compound O.[O-2].[O-2].[O-2].[Al+3].[Al+3].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O GUJOJGAPFQRJSV-UHFFFAOYSA-N 0.000 description 1
- 229910001649 dickite Inorganic materials 0.000 description 1
- 239000010433 feldspar Substances 0.000 description 1
- 229910052900 illite Inorganic materials 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 1
- 229910052622 kaolinite Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052901 montmorillonite Inorganic materials 0.000 description 1
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 229910052903 pyrophyllite Inorganic materials 0.000 description 1
- 229910052611 pyroxene Inorganic materials 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- -1 sericite Inorganic materials 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- KPZTWMNLAFDTGF-UHFFFAOYSA-D trialuminum;potassium;hexahydroxide;disulfate Chemical compound [OH-].[OH-].[OH-].[OH-].[OH-].[OH-].[Al+3].[Al+3].[Al+3].[K+].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O KPZTWMNLAFDTGF-UHFFFAOYSA-D 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于地球科学技术领域，具体涉及一种深部岩矿高光谱信息三维建模方法，该方法具体包括以下步骤：步骤一，钻孔岩心高光谱测量；步骤二，光谱数据标准化；步骤三，光谱测度函数参量计算；步骤五，导入三维地质建模环境；步骤六，建立三维地质网格模型；步骤七，构建三维变异函数模型；步骤八，克里金三维空间插值；步骤九，三维可视化。本发明利用钻孔岩心高光谱技术岩矿信息识别精细、可量化的优势，基于高光谱测量仪获取的钻孔岩心高光谱数据，通过光谱测度函数、三维变异函数、克里金三维空间插值半定量化模拟深部岩矿发育程度，具有建模效率高、模型刻画精细、可定量化等优势。
Description
技术领域
本发明属于地球科学技术领域，具体涉及一种深部岩矿高光谱信息三维建模方法。
背景技术
高光谱技术基于细分的电磁波谱信号探测物质组分，已经成为探测地球物理学的重要分支之一。近年来，随着高光谱测量仪器的不断发展，进一步提升了其在各行业领域的应用前景。在遥感地质领域，探测与地质成矿相关的岩矿信息是主要的应用方向。当前，地物高光谱仪的探测谱段已由可见光、近红外、短波红外拓展到了热红外谱段，能够识别的岩石矿物类型大幅增加，从对与热液相关的蚀变矿物如绢云母、叶腊石、地开石、明矾石、绿泥石、赤铁矿、碳酸盐类等以及各类粘土矿物如高岭石、伊利石、蒙脱石等的识别，拓展到了对造岩矿物如长石类、闪石、辉石、石英等的识别，目前可识别岩矿信息种类及其亚类高达几十种。如何快速、高效地利用如此精细、海量的岩矿高光谱信息，从而更好地服务于深部地质找矿，是亟需进一步解决的问题。
三维地质建模是针对传统地质信息模拟和表达方式不足而发展的前沿新技术。三维地质建模与可视化能够帮助地质人员更直观地了解地质体的三维空间分布形态，分析各种地质现象之间的相互关系，从而更有效地进行地质研究和找矿预测。目前，对于深部岩矿组分、蚀变等信息的三维建模数据源主要基于钻孔地质编录和采样化学分析，前者信息量较为有限，后者在三维空间中分布过于离散，且它们的空间属性多为定性描述而非定量表达，只能建立一些较为简单的结构模型，模拟效果不佳。同时，一些深部的岩矿信息尤其是热液蚀变发育具有非均质性和不确定性，给基于上述方式的建模带来了较大的难度。
钻孔岩心高光谱数据蕴含海量岩矿信息，具有可计算和量化的特征，是深部岩矿信息三维建模的有利数据源。同时，地统计学在不确定性的空间预测方面具有独特的优势。因此需要设计一种新的深部岩矿高光谱信息三维模型构建方法，以改善上述现有技术的不足。
发明内容
本发明的目的是提供一种深部岩矿高光谱信息三维建模方法，以实现深部岩矿信息的三维数字化模拟表征，用以解决现有技术中对深部岩矿难以定量建模、无法快速、高效利用岩矿高光谱信息进行深部地质找矿的技术问题。
本发明的技术方案如下：
一种深部岩矿高光谱信息三维建模方法，该方法具体包括以下步骤：
步骤一，钻孔岩心高光谱测量；利用高光谱测量仪获取待编录钻孔岩心的反射、发射光谱数据，并依照钻孔编号、钻孔深度进行整理和排序；
步骤二，光谱数据标准化；根据岩石、矿物类型的诊断性光谱特征和诊断性光谱形态，通过特征波段提取、光谱重采样、光谱去壳处理等对步骤一获取的光谱数据进行标准化处理，分别建立针对每种特定岩矿类型的光谱数据集，每种特定岩矿类型的光谱数据集具有相同的波长范围、波谱分辨率和归一化背景；
步骤三，光谱测度函数参量计算；针对步骤二标准化处理后的特定类型岩矿光谱特征数据集，统一利用光谱测度函数进行测度参量的计算处理，用于表征特定岩矿在岩心段上的发育程度或丰度；
步骤四，构建高光谱测井数据集；基于步骤三计算出的光谱测度参量数据，
结合钻孔数据，按照测井曲线的形式分别构建各钻孔中各岩矿类型的高光谱测井数据集；
步骤五，导入三维地质建模环境；将步骤四构建的用于建模的各钻孔的高光谱测井数据集按照测井曲线的格式，导入三维地质建模平台环境中；
步骤六，建立三维地质网格模型；在三维地质建模环境下，根据钻孔分布情况圈定三维建模区，依据岩矿类型和建模的精度要求设置网格单元的空间尺寸大小，将建模区域网格化生成三维地质网格模型；
步骤七，构建三维变异函数模型；选择理论变异函数模型的类型，如球状高斯或指数型等，根据建模区域范围的大小、钻孔间距等信息，设置变差函数主、次和垂向的变程，建立各岩矿类型的三维变异函数模型；
步骤八，克里金三维空间插值；基于步骤七建立的各岩矿类型的变异函数模型，利用克里金插值方法在步骤六建立的三维地质网格区域内对步骤五导入的高光谱测井数据集进行分类别空间插值计算；
步骤九，三维可视化；对步骤八插值计算的结果进行阈值分割、颜色映射等，实现岩矿高光谱信息及其丰度在三维空间下的可视化展示。
所述步骤一还包括：利用ASD、SVC、PIMA或波长范围在0.4-2.5μm内的可见光-近红外-短波红外高光谱测量仪获取待编录钻孔岩心的反射光谱数据；
获取反射光谱数据利用便携式光谱仪内置光源探头测量方式，在钻探工程现场或岩心库进行，便于提高数据获取效率；获取发射光谱数据在密闭条件较好的内部场所如岩心库进行，因发射率较易受到环境的影响。
所述步骤三还包括：对于数据集内只有一个诊断性光谱特征的岩矿类型，选择光谱参量函数进行计算；对于数据集内有多个诊断性光谱特征的岩矿类型，可根据主次特征利用光谱参量函数加权计算，亦可选择光谱相似性测度函数进行计算，还可将光谱参量函数和光谱相似性测度函数相结合进行加权计算；对于数据集内诊断性光谱特征吸收峰不明显，主要注重光谱形态的岩矿类型，选择光谱相似性测度函数进行计算。
所述步骤六还包括：结合先验的地质、物探资料构建地层和构造模型，利用它们对地质网格进行约束，获得特定高光谱岩矿类型的合乎地质认知的建模区域网格或优先建模区域网格模型。
所述步骤七选择理论变异函数模型的类型还包括：如球状、高斯或指数型等，根据建模区域范围的大小、钻孔间距等信息，以及建模研究区的先验地质信息，如某岩矿类型可能影响范围以及与其他类型之间的空间相关性，设置该岩矿类型的变差函数主、次和垂向的变程，建立各岩矿类型的三维变异函数模型；从随机性程度情况排序为：指数模型＞球状模型＞高斯模型，因此对于易受热液流体作用影响的热液蚀变类矿物采用球状或指数模型进行拟合，对分布较稳定的造岩类矿物采用高斯或球状模型进行拟合。
所述步骤七还包括：在构建某岩矿类型的变异函数模型时，利用一定数量的该类样本点对多种理论变异函数模型进行拟合，选择误差最小的作为最优变异函数模型，评价指标依据平均误差、均方根误差、平均标准差等统计指标。
所述步骤八还包括：根据高光谱信息选择相应的克里金插值模型，如根据两种岩矿高光谱信息是否具有相关性，是则采用协同克里金法，否则采用普通克里金法；根据某岩矿类型的空间分布是否具有一定的趋势性，是则采用泛克里金法，否则采用普通克里金法。
本发明的有益效果是：
(1)本发明建模数据基于高光谱识别信息，相比基于传统地质编录资料建立的岩石、矿物模型信息更加丰富；
(2)传统的建模数据更离散，高光谱测量与识别岩心信息相对更连续、精细，因此，对模型的总体刻画更为精确；
(3)本发明利用光谱测度函数度量岩矿信息，提高了对深部岩石矿物模拟的定量化程度，更有利于进一步的三维空间分析和计算；
(4)采用以区域化变量、变异函数等作为理论基础的地统计学克里金法进行插值建模，由于变异函数既能反映变量空间的结构性，又能反映变量空间分布的随机性以及各参量属性之间的相关性和变异性，因此，建立的模型更加真实合理；
(5)建模效率高，结合软硬件技术能够快速实现岩矿高光谱三维模型的构建。
进一步说明，本发明设计的一种深部岩矿高光谱信息三维建模方法，利用钻孔岩心高光谱技术岩矿信息识别精细、可量化的优势，基于高光谱测量仪获取的钻孔岩心高光谱数据，通过光谱测度函数、三维变异函数、克里金三维空间插值半定量化模拟深部岩矿发育程度，具有建模效率高、模型刻画精细、可定量化等优势，并且，与传统建模方法相比，要构建同样精度的岩矿三维模型，基于岩心高光谱数据的建模成本相对更低。经地质人员分析，建模结果不仅能够用于深部岩石矿物成分信息的三维模拟和可视化，而且能够用于推测未知区域的地质环境，有助于更好地发现深部地质规律和进行找矿预测，该方法为深部地质研究提供了更精细化、定量化的分析平台，能够有效提升深部找矿勘探效果。
本发明将钻孔岩心高光谱技术与建立在地质统计学理论之上的最优线性无偏估计方法克里金法相结合，构建的三维岩矿模型既能够体现高光谱丰富的信息识别的优势，又能够定量化表达深部各类岩矿信息的发育程度，方法具有高效、实用的特点，能够快速提升深部地质信息的可视化表达及应用效果。
附图说明
图1为本发明设计的一种深部岩矿高光谱信息三维建模方法流程图。
具体实施方式
下面结合附图和实施例对本发明的一种深部岩矿高光谱信息三维建模方法作详细说明。
一种深部岩矿高光谱信息三维建模方法，该方法具体包括以下步骤：
步骤一，钻孔岩心高光谱测量；利用高光谱测量仪获取待编录钻孔岩心的反射、发射光谱数据，并依照钻孔编号、钻孔深度进行整理和排序；
步骤二，光谱数据标准化；根据岩石、矿物类型的诊断性光谱特征和诊断性光谱形态，通过特征波段提取、光谱重采样、光谱去壳处理等对步骤一获取的光谱数据进行标准化处理，分别建立针对每种特定岩矿类型的光谱数据集，每种特定岩矿类型的光谱数据集具有相同的波长范围、波谱分辨率和归一化背景；
步骤三，光谱测度函数参量计算；针对步骤二标准化处理后的特定类型岩矿光谱特征数据集，统一利用光谱测度函数进行测度参量的计算处理，用于表征特定岩矿在岩心段上的发育程度或丰度；
步骤四，构建高光谱测井数据集；基于步骤三计算出的光谱测度参量数据，
结合钻孔数据，按照测井曲线的形式分别构建各钻孔中各岩矿类型的高光谱测井数据集；
步骤五，导入三维地质建模环境；将步骤四构建的用于建模的各钻孔的高光谱测井数据集按照测井曲线的格式，导入三维地质建模平台环境中，如Gocad、Surpac等。
步骤六，建立三维地质网格模型；在三维地质建模环境下，根据钻孔分布情况圈定三维建模区，依据岩矿类型和建模的精度要求设置网格单元的空间尺寸大小，将建模区域网格化生成三维地质网格模型；例如Gocad中的Ggrid模型。
步骤七，构建三维变异函数模型；选择理论变异函数模型的类型，如球状高斯或指数型等，根据建模区域范围的大小、钻孔间距等信息，设置变差函数主、次和垂向的变程，建立各岩矿类型的三维变异函数模型；
步骤八，克里金三维空间插值；基于步骤七建立的各岩矿类型的变异函数模型，利用克里金插值方法在步骤六建立的三维地质网格区域内对步骤五导入的高光谱测井数据集进行分类别空间插值计算；
步骤九，三维可视化；对步骤八插值计算的结果进行阈值分割、颜色映射等，实现岩矿高光谱信息及其丰度在三维空间下的可视化展示。
所述步骤一还包括：利用ASD、SVC、PIMA或波长范围在0.4-2.5μm内的可见光-近红外-短波红外高光谱测量仪获取待编录钻孔岩心的反射光谱数据；
获取反射光谱数据利用便携式光谱仪内置光源探头测量方式，在钻探工程现场或岩心库进行，便于提高数据获取效率；获取发射光谱数据在密闭条件较好的内部场所如岩心库进行，因发射率较易受到环境的影响。
所述步骤三还包括：对于数据集内只有一个诊断性光谱特征的岩矿类型，选择光谱参量函数进行计算；对于数据集内有多个诊断性光谱特征的岩矿类型，可根据主次特征利用光谱参量函数加权计算，亦可选择光谱相似性测度函数进行计算，还可将光谱参量函数和光谱相似性测度函数相结合进行加权计算；对于数据集内诊断性光谱特征吸收峰不明显，主要注重光谱形态的岩矿类型，选择光谱相似性测度函数进行计算。
所述步骤六还包括：结合先验的地质、物探资料构建地层和构造模型，利用它们对地质网格进行约束，获得特定高光谱岩矿类型的合乎地质认知的建模区域网格或优先建模区域网格模型。
所述步骤七选择理论变异函数模型的类型还包括：如球状、高斯或指数型等，根据建模区域范围的大小、钻孔间距等信息，以及建模研究区的先验地质信息，如某岩矿类型可能影响范围以及与其他类型之间的空间相关性，设置该岩矿类型的变差函数主、次和垂向的变程，建立各岩矿类型的三维变异函数模型；从随机性程度情况排序为：指数模型＞球状模型＞高斯模型，因此对于易受热液流体作用影响的热液蚀变类矿物采用球状或指数模型进行拟合，对分布较稳定的造岩类矿物采用高斯或球状模型进行拟合。
所述步骤七还包括：在构建某岩矿类型的变异函数模型时，利用一定数量的该类样本点对多种理论变异函数模型进行拟合，选择误差最小的作为最优变异函数模型，评价指标依据平均误差、均方根误差、平均标准差等统计指标。
所述步骤八还包括：根据高光谱信息选择相应的克里金插值模型，如根据两种岩矿高光谱信息是否具有相关性，是则采用协同克里金法，否则采用普通克里金法；根据某岩矿类型的空间分布是否具有一定的趋势性，是则采用泛克里金法，否则采用普通克里金法。
Claims (5)
1.一种深部岩矿高光谱信息三维建模方法，其特征在于具体包括以下步骤：
步骤一，钻孔岩心高光谱测量；利用高光谱测量仪获取待编录钻孔岩心的反射、发射光谱数据，并依照钻孔编号、钻孔深度进行整理和排序；
步骤二，光谱数据标准化；根据岩石、矿物类型的诊断性光谱特征和诊断性光谱形态，通过特征波段提取、光谱重采样、光谱去壳处理对步骤一获取的光谱数据进行标准化处理，分别建立针对每种特定岩矿类型的光谱数据集，每种特定岩矿类型的光谱数据集具有相同的波长范围、波谱分辨率和归一化背景；
步骤三，光谱测度函数参量计算；针对步骤二标准化处理后的特定类型岩矿光谱特征数据集，统一利用光谱测度函数进行测度参量的计算处理，用于表征特定岩矿在岩心段上的发育程度或丰度；
步骤四，构建高光谱测井数据集；基于步骤三计算出的光谱测度参量数据，结合钻孔数据，按照测井曲线的形式分别构建各钻孔中各岩矿类型的高光谱测井数据集；
步骤五，导入三维地质建模环境；将步骤四构建的用于建模的各钻孔的高光谱测井数据集按照测井曲线的格式，导入三维地质建模平台环境中；
步骤六，建立三维地质网格模型；在三维地质建模环境下，根据钻孔分布情况圈定三维建模区，依据岩矿类型和建模的精度要求设置网格单元的空间尺寸大小，将建模区域网格化生成三维地质网格模型；
步骤七，构建三维变异函数模型；选择理论变异函数模型的类型，根据建模区域范围的大小、钻孔间距信息，设置变差函数主、次和垂向的变程，建立各岩矿类型的三维变异函数模型；
步骤八，克里金三维空间插值；基于步骤七建立的各岩矿类型的变异函数模型，利用克里金插值方法在步骤六建立的三维地质网格区域内对步骤五导入的高光谱测井数据集进行分类别空间插值计算；
步骤九，三维可视化；对步骤八插值计算的结果进行阈值分割、颜色映射，实现岩矿高光谱信息及其丰度在三维空间下的可视化展示；
所述步骤三还包括：对于数据集内只有一个诊断性光谱特征的岩矿类型，选择光谱参量函数进行计算；对于数据集内有多个诊断性光谱特征的岩矿类型，将光谱参量函数和光谱相似性测度函数相结合进行加权计算；对于数据集内诊断性光谱特征吸收峰不明显，注重光谱形态的岩矿类型，选择光谱相似性测度函数进行计算；
所述步骤七选择理论变异函数模型的类型还包括：球状、高斯或指数型，根据建模区域范围的大小、钻孔间距信息，以及建模研究区的先验地质信息，设置该岩矿类型的变差函数主、次和垂向的变程，建立各岩矿类型的三维变异函数模型；从随机性程度情况排序为：指数模型＞球状模型＞高斯模型，因此对于易受热液流体作用影响的热液蚀变类矿物采用球状模型或指数型模型进行拟合，对分布较稳定的造岩类矿物采用高斯模型或球状模型进行拟合。
2.根据权利要求1所述的一种深部岩矿高光谱信息三维建模方法，其特征在于：所述步骤一还包括：利用ASD、SVC、PIMA或波长范围在0.4-2.5μm内的可见光-近红外-短波红外高光谱测量仪获取待编录钻孔岩心的反射光谱数据；获取反射光谱数据利用便携式光谱仪内置光源探头测量方式，在钻探工程现场或岩心库进行；获取发射光谱数据在密闭条件较好的内部场所进行。
3.根据权利要求1所述的一种深部岩矿高光谱信息三维建模方法，其特征在于：所述步骤六还包括：结合先验的地质、物探资料构建地层和构造模型，利用它们对地质网格进行约束，获得特定高光谱岩矿类型的合乎地质认知的建模区域网格或优先建模区域网格模型。
4.根据权利要求1所述的一种深部岩矿高光谱信息三维建模方法，其特征在于：所述步骤七还包括：在构建某岩矿类型的变异函数模型时，利用一定数量的样本点对多种理论变异函数模型进行拟合，选择误差最小的作为最优变异函数模型，评价指标依据平均误差、均方根误差、平均标准差统计指标。
5.根据权利要求4所述的一种深部岩矿高光谱信息三维建模方法，其特征在于：所述步骤八还包括：根据高光谱信息选择相应的克里金插值模型，根据两种岩矿高光谱信息是否具有相关性，是则采用协同克里金法，否则采用普通克里金法；根据某岩矿类型的空间分布是否具有一定的趋势性，是则采用泛克里金法，否则采用普通克里金法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910947100.8A CN110702632B (zh) | 2019-09-29 | 2019-09-29 | 一种深部岩矿高光谱信息三维建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910947100.8A CN110702632B (zh) | 2019-09-29 | 2019-09-29 | 一种深部岩矿高光谱信息三维建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110702632A CN110702632A (zh) | 2020-01-17 |
| CN110702632B true CN110702632B (zh) | 2022-08-19 |
Family
ID=69196819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910947100.8A Active CN110702632B (zh) | 2019-09-29 | 2019-09-29 | 一种深部岩矿高光谱信息三维建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110702632B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112903565B (zh) * | 2021-02-01 | 2022-10-18 | 核工业北京地质研究院 | 考虑岩石裂隙内部几何特征的渗透率测定方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160024232A (ko) * | 2014-08-25 | 2016-03-04 | 서울대학교산학협력단 | 지반정보에 기초한 3차원 공간 모델링 방법 |
| CN106097445A (zh) * | 2016-06-02 | 2016-11-09 | 广州市设计院 | 一种新型三维地层曲面的绘制方法 |
| CN106875471A (zh) * | 2017-01-13 | 2017-06-20 | 山东科技大学 | 煤系含或隔水层三维可视化建模方法 |
| CN107607996A (zh) * | 2017-08-23 | 2018-01-19 | 电子科技大学 | 基于相控的序贯协同模拟地质建模方法 |
| CN107808413A (zh) * | 2017-10-30 | 2018-03-16 | 中国煤炭地质总局水文地质局 | 一种基于gocad的三维地质建模方法 |
| CN108152216A (zh) * | 2016-12-06 | 2018-06-12 | 核工业北京地质研究院 | 一种基于岩芯高光谱扫描图像的钻孔三维矿物填图方法 |
| CN109934915A (zh) * | 2017-12-18 | 2019-06-25 | 核工业北京地质研究院 | 一种深部蚀变矿物三维建模方法 |
| CN110082835A (zh) * | 2019-03-25 | 2019-08-02 | 中国石油化工股份有限公司 | 曲流河点坝疏松砂岩储层物性建模新方法 |
| CN110135298A (zh) * | 2019-04-30 | 2019-08-16 | 核工业北京地质研究院 | 一种钻孔岩心蚀变信息编录方法 |
-
2019
- 2019-09-29 CN CN201910947100.8A patent/CN110702632B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160024232A (ko) * | 2014-08-25 | 2016-03-04 | 서울대학교산학협력단 | 지반정보에 기초한 3차원 공간 모델링 방법 |
| CN106097445A (zh) * | 2016-06-02 | 2016-11-09 | 广州市设计院 | 一种新型三维地层曲面的绘制方法 |
| CN108152216A (zh) * | 2016-12-06 | 2018-06-12 | 核工业北京地质研究院 | 一种基于岩芯高光谱扫描图像的钻孔三维矿物填图方法 |
| CN106875471A (zh) * | 2017-01-13 | 2017-06-20 | 山东科技大学 | 煤系含或隔水层三维可视化建模方法 |
| CN107607996A (zh) * | 2017-08-23 | 2018-01-19 | 电子科技大学 | 基于相控的序贯协同模拟地质建模方法 |
| CN107808413A (zh) * | 2017-10-30 | 2018-03-16 | 中国煤炭地质总局水文地质局 | 一种基于gocad的三维地质建模方法 |
| CN109934915A (zh) * | 2017-12-18 | 2019-06-25 | 核工业北京地质研究院 | 一种深部蚀变矿物三维建模方法 |
| CN110082835A (zh) * | 2019-03-25 | 2019-08-02 | 中国石油化工股份有限公司 | 曲流河点坝疏松砂岩储层物性建模新方法 |
| CN110135298A (zh) * | 2019-04-30 | 2019-08-16 | 核工业北京地质研究院 | 一种钻孔岩心蚀变信息编录方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于光谱主次吸收谱带组合特征相似性测度的高光谱遥感矿物信息提取;车永飞，赵英俊，伊丕源;《科学技术与工程》;20141231;第14卷(第34期);第1-4页 * |
| 基于钻孔数据的三维地质建模插值算法研究;贾立娟;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20180715;正文部分第22-44页 * |
| 钻孔岩心高光谱技术系统及其在矿产勘查中的应用;张川，叶发旺，徐清俊;《地质科技情报》;20161130;第35卷(第6期);第177-182页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110702632A (zh) | 2020-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Valentín et al. | A deep residual convolutional neural network for automatic lithological facies identification in Brazilian pre-salt oilfield wellbore image logs | |
| Marques Jr et al. | Virtual and digital outcrops in the petroleum industry: A systematic review | |
| US7266041B1 (en) | Multi-attribute background relative scanning of 3D geophysical datasets for locally anomaluous data points | |
| CN106682377B (zh) | 一种钻孔岩芯蚀变矿物的高光谱提取与定量估算方法 | |
| Alnahwi et al. | Mineralogical composition and total organic carbon quantification using x-ray fluorescence data from the Upper Cretaceous Eagle Ford Group in southern Texas | |
| CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
| BRPI0720674A2 (pt) | Método implementado em computador para identificação de regiões em um solo em uma instalação de poço, método para análise de dados multidimensionais para uma instalação de poço, método para obtenção de amostras de um tampão de parede lateral, produto de programa de computador, sistema de processamento de dados para identificação de regiões em um solo em uma instalação de poço, sistema de processamento de dados, produto de programa de computador, sistema de processamento de dados para análise de dados multidimensionais para uma instalação de poço | |
| CN109934915A (zh) | 一种深部蚀变矿物三维建模方法 | |
| CN102576370B (zh) | 空隙度分析的系统和方法 | |
| CN109763814B (zh) | 基于多维测井数据的地层匹配可视分析方法 | |
| Munier | Statistical analysis of fracture data, adapted for modelling Discrete Fracture Networks-Version 2 | |
| MX2014005443A (es) | Sistemas y metodos de prediccion de permeabilidad utilizando analisis discriminante cuadratico. | |
| Lesher et al. | Integrated multi-parameter exploration footprints of the Canadian malartic disseminated Au, McArthur river-millennium unconformity U, and Highland Valley Porphyry Cu Deposits: preliminary results from the NSERC-CMIC mineral exploration footprints research network | |
| Masroor et al. | A multiple-input deep residual convolutional neural network for reservoir permeability prediction | |
| Leung et al. | Sample truncation strategies for outlier removal in geochemical data: the MCD robust distance approach versus t-SNE ensemble clustering | |
| CN102169187B (zh) | 三维地震观测系统整体均衡性定量分析方法 | |
| CN117274520A (zh) | 一种地质勘探的测绘方法 | |
| Ovaskainen et al. | A new subsampling methodology to optimize the characterization of two-dimensional bedrock fracture networks | |
| CN110702632B (zh) | 一种深部岩矿高光谱信息三维建模方法 | |
| Paasche et al. | Rapid integration of large airborne geophysical data suites using a fuzzy partitioning cluster algorithm: a tool for geological mapping and mineral exploration targeting | |
| Sarkheil et al. | The fracture network modeling in naturally fractured reservoirs using artificial neural network based on image loges and core measurements | |
| CN115758792A (zh) | 一种基于数字数值一体化的地质灾害评估方法及装置 | |
| CN111127630B (zh) | 一种三维空间下钻孔岩心高光谱蚀变信息随机建模方法 | |
| Smith et al. | Using topographic slope distributions to infer seafloor patterns | |
| La Pointe et al. | Geological discrete fracture network model for the Laxemar site. Site Descriptive Modelling. SDM-Site Laxemar |
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 |