CN112069682A - 一种基于三维建模的成矿预测方法 - Google Patents
一种基于三维建模的成矿预测方法 Download PDFInfo
- Publication number
- CN112069682A CN112069682A CN202010929786.0A CN202010929786A CN112069682A CN 112069682 A CN112069682 A CN 112069682A CN 202010929786 A CN202010929786 A CN 202010929786A CN 112069682 A CN112069682 A CN 112069682A
- Authority
- CN
- China
- Prior art keywords
- detection
- mineralization
- model
- area
- dimensional modeling
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000015572 biosynthetic process Effects 0.000 title description 4
- 238000001514 detection method Methods 0.000 claims abstract description 83
- 238000005070 sampling Methods 0.000 claims abstract description 48
- 239000002366 mineral element Substances 0.000 claims abstract description 28
- 230000033558 biomineral tissue development Effects 0.000 claims abstract description 27
- 238000005065 mining Methods 0.000 claims abstract description 23
- 238000004080 punching Methods 0.000 claims abstract description 9
- 239000011435 rock Substances 0.000 claims abstract description 8
- 238000013499 data model Methods 0.000 claims abstract description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 6
- 239000011707 mineral Substances 0.000 claims description 6
- 238000005553 drilling Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000003673 groundwater Substances 0.000 claims description 3
- 235000010755 mineral Nutrition 0.000 description 5
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 229910052749 magnesium Inorganic materials 0.000 description 2
- TZCXTZWJZNENPQ-UHFFFAOYSA-L barium sulfate Chemical compound [Ba+2].[O-]S([O-])(=O)=O TZCXTZWJZNENPQ-UHFFFAOYSA-L 0.000 description 1
- 239000010428 baryte Substances 0.000 description 1
- 229910052601 baryte Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- WUKWITHWXAAZEY-UHFFFAOYSA-L calcium difluoride Chemical compound [F-].[F-].[Ca+2] WUKWITHWXAAZEY-UHFFFAOYSA-L 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000010436 fluorite Substances 0.000 description 1
- 239000001095 magnesium carbonate Substances 0.000 description 1
- ZLNQQNXFFQJAID-UHFFFAOYSA-L magnesium carbonate Chemical compound [Mg+2].[O-]C([O-])=O ZLNQQNXFFQJAID-UHFFFAOYSA-L 0.000 description 1
- 229910000021 magnesium carbonate Inorganic materials 0.000 description 1
- 235000014380 magnesium carbonate Nutrition 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于三维建模的成矿预测方法,包括收集待预测矿区的模型数据;分析收集的模型数据,根据模型数据确定岩体质量;建立待预测矿区的三维数据模型,将模型分割成若干个相互连接的检测区;在检测区选取采样点,并在矿山与采样点对应的位置进行打孔采样,获得样品数据;根据获得的样品数据,在矿物元素组成占比最高的检测区以及相邻的两组检测区中重复打孔采样,获得样品;获得占比最高的检测区以及相邻的两组检测区的矿元素的边界等值面;获得占比最高的检测区以及相邻的两组检测区的温度等值面;确定开采位置。本发明通过将模型划分为多个检测区,选取矿物元素比例更高的检测区进一步探测,缩小了探测范围,保证成矿检测的准确率。
Description
技术领域
本发明属于资源勘查的技术领域,尤其涉及一种基于三维建模的成矿预测方法。
背景技术
目前,人们对矿产资源的需求量日益增加,同时易于找寻的露头矿、近地表矿日趋减少,一批大中型矿山保有储量逐渐枯竭,多数已进入危机矿山行列。矿业形势严峻,对这些地区的经济和社会造成巨大的影响。寻找新的接替资源成了这些地区矿业生存与发展必须解决的首要问题。
传统的二维找矿方法本质只是将叠加到二维平面的三维空间成矿信息提取出来,成矿预测的准确率较低。
发明内容
基于以上现有技术的不足,本发明所解决的技术问题在于提供一种基于三维建模的成矿预测方法,应用三维建模,通过对数据的检测确定成矿方向,准确率更高。
为了解决上述技术问题,本发明提供一种基于三维建模的成矿预测方法,包括以下步骤:
S1、收集待预测矿区的模型数据;
S2、分析步骤S1收集的模型数据,并根据模型数据确定岩体质量;
S3、建立待预测矿区的三维数据模型,并将模型分割成若干个相互连接的检测区;
S4、在检测区选取采样点,并在矿山与采样点对应的位置进行打孔采样,获得样品数据;
S5、根据步骤S4中获得的样品数据,在矿物元素组成占比最高的检测区以及相邻的两组检测区中重复打孔采样,获得样品;
S6、获得占比最高的检测区以及相邻的两组检测区的矿元素的边界等值面;
S7、获得占比最高的检测区以及相邻的两组检测区的温度等值面;
S8、确定开采位置。
可选的,所述步骤S1中,预测矿区的模型数据包括但不限于地形特征、地质界面特征、钻孔资料、物探测井、矿化信息。
进一步的,所述步骤S2中,确定预测矿区的结构面分布特征、岩石风化程度、地下水分布特征。
进一步的,所述步骤S4中,对采样点所对应的矿山位置进行打孔采样,获得样品,确定样品的矿物元素组成。
可选的,所述步骤S4中,检测区中采样点均匀分布有不少于3组,且在对矿山进行打孔采样时,垂直于矿山表面打孔。
可选的,所述步骤S5中,利用求平均值化确定检测区的矿物元素组成,且占比最高的检测区与相邻的检测区的采样点比例为1:0.3~0.4:0.3~0.4。
可选的,所述步骤S6中,根据采样点位置对应模型位置以及采样点对应矿物元素组成提取矿元素的边界品位等值面。
进一步的,所述步骤S7中,对步骤S5中样品检测,获得样品的温度,并根据采样点位置对应模型位置以及采样点对应的温度,获得温度等值面。
可选的,所述步骤S8中,将步骤S6中的矿元素的边界等值面与步骤S7中的温度等值面相互重叠,吻合程度最高的部位为开采位置。
由上,与现有技术相比,本发明的基于三维建模的成矿预测方法至少具有如下有益效果:
本发明提供的成矿预测方法,基于三维建模应用,通过对数据的检测确定成矿方向,准确率更高;通过将模型划分为多个检测区,选取矿物元素比例更高的检测区进一步探测,缩小了探测范围,减少了工作量,同时也保证成矿检测的准确率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下结合优选实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例的附图作简单地介绍。
图1为本发明的基于三维建模的成矿预测方法的流程图。
具体实施方式
下面结合附图详细说明本发明的具体实施方式,其作为本说明书的一部分,通过实施例来说明本发明的原理,本发明的其他方面、特征及其优点通过该详细说明将会变得一目了然。在所参照的附图中,不同的图中相同或相似的部件使用相同的附图标号来表示。
如图1所示,本发明提供一种基于三维建模的成矿预测方法,包括如下具体步骤:
S1、收集待预测矿区的模型数据,预测矿区的模型数据包括但不限于地形特征、地质界面特征、钻孔资料、物探测井、矿化信息。
S2、分析步骤S1收集的模型数据,并根据模型数据确定岩体质量,确定预测矿区的结构面分布特征、岩石风化程度、地下水分布特征。
S3、建立待预测矿区的三维数据模型,并将模型分割成若干个相互连接的检测区。
S4、在检测区选取采样点,并在矿山与采样点对应的位置进行打孔采样,获得样品数据。
S5、根据步骤S4中获得的样品数据,在矿物元素组成占比最高的检测区以及相邻的两组检测区中重复打孔采样,获得样品。
S6、获得占比最高的检测区以及相邻的两组检测区的矿元素的边界等值面。
S7、获得占比最高的检测区以及相邻的两组检测区的温度等值面。
S8、确定开采位置。
步骤S4中,对采样点所对应的矿山位置进行打孔采样,获得样品,确定样品的矿物元素组成。检测区中采样点均匀分布有不少于3组,且在对矿山进行打孔采样时,垂直于矿山表面打孔。
进一步的,在步骤S5中,利用求平均值化确定检测区的矿物元素组成,且占比最高的检测区与相邻的检测区的采样点比例为1:0.3~0.4:0.3~0.4。
在步骤S6中,根据采样点位置对应模型位置以及采样点对应矿物元素组成提取矿元素的边界品位等值面。
在所述步骤S7中,对步骤S5中样品检测,获得样品的温度,并根据采样点位置对应模型位置以及采样点对应的温度,获得温度等值面。
进一步的,在步骤S8中,将步骤S6中的矿元素的边界等值面与步骤S7中的温度等值面相互重叠,吻合程度最高的部位为开采位置。
下面提供本发明的任意一个实施例,以做进一步的说明:
步骤S1中,分别采集矿区的地形特征、地质界面特征、钻孔资料、物探测井、矿化信息等基础数据,用于在步骤S2中确定矿区的结构面分布特征、岩石风化程度、地下水分布特征。
步骤S3建立模型,并将模型划分为多个连续的检测区。
本实施例中共划分为8个检测区,依次为检测区1、检测区2……检测区8。
步骤S4中,在每个检测区中选取13~15个采样点,垂直于采样点打孔获得样品。对样品检测获得样品的矿物元素组成,其中石英、萤石、重晶石作为采样对象,单个采样点的样品重量为180~280g。
主成矿元素为矿床的主要元素,若矿区为菱镁矿区,镁元素为主成矿元素。
步骤S5中,计算出各个检测区的平均矿物元素组成。
每个矿区中矿物元素组成占比如下表所示:
检测分区 | 镁元素占比(%) |
检测区1 | 43.5 |
检测区2 | 42.9 |
检测区3 | 44.7 |
检测区4 | 46.3 |
检测区5 | 45.2 |
检测区6 | 44.8 |
检测区7 | 42.6 |
检测区8 | 43.1 |
由上表可得,其中检测区4中矿物元素组成占比最高,故而选取检测区3、检测区4、检测区5作为该步骤重复检测的样区。在检测区3中选取8~12个采样点,检测区4中选取25~30个采样点,检测区5中选取8~12个采样点。重复打孔,获得样品。
根据步骤S5中的样品,在步骤S6以及步骤S7中,获得矿元素的边界品位等值面以及温度等值面;步骤S8中将矿元素的边界品位等值面以及温度等值面在模型中重叠,吻合程度最高的部位即为开采位置。
步骤S4以及步骤S5中的采样点分布都要保证均匀分布,且打孔时垂直于矿山表面打孔,以保证样品的深度,进而保证数据的有效。矿物元素占比最高的检测区以及其相邻的两个检测区采样点设置个数不同,占比最高的检测区采样点较多,以保证该检测区数据的充足。
温度对矿物质成矿影响较大,本发明的技术方案利用矿物元素组成占比确定矿物质密集区域,结合温度的分布趋势,进而推断成矿位置。
以上所述是本发明的优选实施方式而已,当然不能以此来限定本发明之权利范围,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和变动,这些改进和变动也视为本发明的保护范围。
Claims (9)
1.一种基于三维建模的成矿预测方法,其特征在于,包括以下步骤:
S1、收集待预测矿区的模型数据;
S2、分析步骤S1收集的模型数据,并根据模型数据确定岩体质量;
S3、建立待预测矿区的三维数据模型,并将模型分割成若干个相互连接的检测区;
S4、在检测区选取采样点,并在矿山与采样点对应的位置进行打孔采样,获得样品数据;
S5、根据步骤S4中获得的样品数据,在矿物元素组成占比最高的检测区以及相邻的两组检测区中重复打孔采样,获得样品;
S6、获得占比最高的检测区以及相邻的两组检测区的矿元素的边界等值面;
S7、获得占比最高的检测区以及相邻的两组检测区的温度等值面;
S8、确定开采位置。
2.如权利要求1所述的基于三维建模的成矿预测方法,其特征在于,所述步骤S1中,预测矿区的模型数据包括但不限于地形特征、地质界面特征、钻孔资料、物探测井、矿化信息。
3.如权利要求1所述的基于三维建模的成矿预测方法,其特征在于,所述步骤S2中,确定预测矿区的结构面分布特征、岩石风化程度、地下水分布特征。
4.如权利要求1所述的基于三维建模的成矿预测方法,其特征在于,所述步骤S4中,对采样点所对应的矿山位置进行打孔采样,获得样品,确定样品的矿物元素组成。
5.如权利要求1所述的基于三维建模的成矿预测方法,其特征在于,所述步骤S4中,检测区中采样点均匀分布有不少于3组,且在对矿山进行打孔采样时,垂直于矿山表面打孔。
6.如权利要求1所述的基于三维建模的成矿预测方法,其特征在于,所述步骤S5中,利用求平均值化确定检测区的矿物元素组成,且占比最高的检测区与相邻的检测区的采样点比例为1:0.3~0.4:0.3~0.4。
7.如权利要求1所述的基于三维建模的成矿预测方法,其特征在于,所述步骤S6中,根据采样点位置对应模型位置以及采样点对应矿物元素组成提取矿元素的边界品位等值面。
8.如权利要求1所述的基于三维建模的成矿预测方法,其特征在于,所述步骤S7中,对步骤S5中样品检测,获得样品的温度,并根据采样点位置对应模型位置以及采样点对应的温度,获得温度等值面。
9.如权利要求1所述的基于三维建模的成矿预测方法,其特征在于,所述步骤S8中,将步骤S6中的矿元素的边界等值面与步骤S7中的温度等值面相互重叠,吻合程度最高的部位为开采位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010929786.0A CN112069682A (zh) | 2020-09-07 | 2020-09-07 | 一种基于三维建模的成矿预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010929786.0A CN112069682A (zh) | 2020-09-07 | 2020-09-07 | 一种基于三维建模的成矿预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112069682A true CN112069682A (zh) | 2020-12-11 |
Family
ID=73663828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010929786.0A Pending CN112069682A (zh) | 2020-09-07 | 2020-09-07 | 一种基于三维建模的成矿预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069682A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114970361A (zh) * | 2022-06-08 | 2022-08-30 | 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) | 一种三维流体场建模及矿石资源量预测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865613A (zh) * | 2015-05-27 | 2015-08-26 | 中国地质科学院矿产资源研究所 | 成矿预测方法 |
CN106204312A (zh) * | 2016-07-21 | 2016-12-07 | 中国地质科学院矿产资源研究所 | 离子吸附型稀土矿快速经济评价方法 |
CN110334882A (zh) * | 2019-07-17 | 2019-10-15 | 中国地质大学(北京) | 一种隐伏矿体定量预测方法及装置 |
CN110728402A (zh) * | 2019-10-10 | 2020-01-24 | 辽宁工程技术大学 | 一种基于地质标本分析的区域矿产资源预测系统 |
-
2020
- 2020-09-07 CN CN202010929786.0A patent/CN112069682A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865613A (zh) * | 2015-05-27 | 2015-08-26 | 中国地质科学院矿产资源研究所 | 成矿预测方法 |
CN106204312A (zh) * | 2016-07-21 | 2016-12-07 | 中国地质科学院矿产资源研究所 | 离子吸附型稀土矿快速经济评价方法 |
CN110334882A (zh) * | 2019-07-17 | 2019-10-15 | 中国地质大学(北京) | 一种隐伏矿体定量预测方法及装置 |
CN110728402A (zh) * | 2019-10-10 | 2020-01-24 | 辽宁工程技术大学 | 一种基于地质标本分析的区域矿产资源预测系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114970361A (zh) * | 2022-06-08 | 2022-08-30 | 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) | 一种三维流体场建模及矿石资源量预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104612675B (zh) | 一种碳酸盐岩地层随钻岩性快速识别方法 | |
CN110644980B (zh) | 一种超低渗透油藏储层综合分类评价方法 | |
CN104698500A (zh) | 一种利用地质和测井信息预测储层成岩相的方法 | |
KR101148835B1 (ko) | 물리검층 자료의 통계분석을 이용한 오일샌드 저류층 암상 예측방법 및 이를 구현하는 시스템 | |
CN107728227B (zh) | 一种井网成熟区快速判别地下河道砂体方法 | |
CN103616731B (zh) | 一种油气勘探中蚀变火山岩有效储层确定方法及装置 | |
CN108374657B (zh) | 井断点自动识别方法 | |
CN113049471B (zh) | 一种碳酸盐岩层序地层的孔隙度演化过程的恢复方法 | |
CN110728402A (zh) | 一种基于地质标本分析的区域矿产资源预测系统 | |
CN112799149A (zh) | 一种热液铀成矿中心的识别方法 | |
CN111028095A (zh) | 一种基于测井曲线的定量识别页岩岩相的方法 | |
CN112069682A (zh) | 一种基于三维建模的成矿预测方法 | |
CN113609645A (zh) | 一种金矿勘探靶区预测方法 | |
CN111622751B (zh) | 一种基于气体碳同位素的页岩气甜点评价方法 | |
CN112832738A (zh) | 一种碎屑岩累计生烃强度确定方法及甜点层的识别与评价方法 | |
CN111063028A (zh) | 适用于铀矿深部有利成矿空间的地质识别及定位方法 | |
CN115861551A (zh) | 一种地浸采铀的数字建井方法 | |
CN114152995B (zh) | 一种适用于南秦岭高切割浅覆盖区的金矿快速找矿方法 | |
CN105549115A (zh) | 一种利用录、测、试资料定量描述油气分布的方法 | |
CN111323846A (zh) | 一种多元控矿因素组合定量成矿预测方法 | |
CN112836863B (zh) | 一种煤矿伴生矿产勘查系统及勘查方法 | |
CN111650651B (zh) | 用成像测井资料解释天然岩溶裂缝期次的方法 | |
CN111045105B (zh) | 火山岩型铀矿深部勘查地球化学原生晕分带模型预测方法 | |
CN115204563A (zh) | 一种适用于砂岩型铀矿找矿目标层的评价方法 | |
Sobolevskyi et al. | Using cluster analysis for planning mining operations on the granite quarries |
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 |