CN112764123B - 一种火山岩型铀矿三维空间定位预测方法 - Google Patents
一种火山岩型铀矿三维空间定位预测方法 Download PDFInfo
- Publication number
- CN112764123B CN112764123B CN202011612062.XA CN202011612062A CN112764123B CN 112764123 B CN112764123 B CN 112764123B CN 202011612062 A CN202011612062 A CN 202011612062A CN 112764123 B CN112764123 B CN 112764123B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- data
- area
- dimensional space
- comprehensive information
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于铀矿勘查技术领域,具体涉及一种火山岩型铀矿三维空间定位预测方法,步骤1、获取工作区物化探数据;步骤2、圈定放射性异常、地球化学元素异常和高磁异常;步骤3、对圈定的物化探异常区与已知矿体面进行相交分析;步骤4:数据归一化处理,获得综合信息分值;步骤5:圈定综合信息分值异常区;步骤6:获得电阻率低阻区和陡变区,根据音频大地电磁测深数据圈定低阻异常区和电阻率陡变区;步骤7:进行铀成矿空间三维定位预测。本发明方法以物化探异常为依据,综合深部铀矿化信息和成矿环境实现了火山岩型铀矿成矿三维空间定位预测,为深部火山型铀矿勘查和资源量预测提供了技术支撑。
Description
技术领域
本发明属于铀矿勘查技术领域,具体涉及一种火山岩型铀矿三维空间定位预测方法。
背景技术
火山岩型铀矿是我国一种重要的热液型铀矿,该类铀矿浅层资源已基本查明;由于其深部成矿环境较为复杂,深部铀资源勘查还存在较多的技术“瓶颈”,致使深部铀矿定位及资源量预测精度较低。在火山岩型铀矿成矿定位预测方面,国内外目前现有技术主要依据放射性异常和地球化学元素异常方法圈定成矿有利区,基本都是平面预测,但是随着科学技术的进步和多学科联合攻关,设计一种能实现多维综合勘查与空间定位的铀矿勘查方法势在必行,目前三维数值处理和可视化技术的飞速发展,使得建立三维可视化空间定位预测方法成为可能。
因此,根据上述现有技术的不足,亟需设计一种火山岩型铀矿三维空间定位预测方法以实现通过多维综合勘查与空间定位进行铀矿勘查的技术。
发明内容
本发明目的是针对现有技术的不足,提供一种火山岩型铀矿三维空间定位预测方法,用于解决现有铀矿勘查技术由于多采用平面预测的方法对成矿环境复杂的地区铀矿勘测准确度较低、深部火山岩型铀矿定位难的技术问题。
本发明的技术方案:
一种火山岩型铀矿三维空间定位预测方法,包括如下步骤:
步骤1、获取工作区物化探数据;
步骤2、圈定放射性异常、地球化学元素异常和高磁异常,对步骤1中获取的数据进行处理,圈定出土壤氡浓度异常区、γ能谱含量异常区、土壤地球化学元素异常区及高磁异常区;
步骤3、对圈定的物化探异常区与已知矿体面进行相交分析;
步骤4:数据归一化处理,获得综合信息分值;
步骤5:圈定综合信息分值异常区;
步骤6:获得电阻率低阻区和陡变区,根据音频大地电磁测深数据圈定低阻异常区和电阻率陡变区;
步骤7:进行铀成矿空间三维定位预测。
所述步骤1还包括:选定工作区并通过收集或实测获取覆盖工作区的物化探数据和已知矿床矿点数据资料,覆盖工作区的物化探数据和已知矿床矿点数据资料包括:高精度磁测数据、音频大地电磁数据、土壤氡浓度数据、地面伽马能谱数据、地球化学元素含量数据、已知矿体面等。
所述步骤二和步骤三中的γ能谱包括:U、Th、K;所述步骤二和步骤三中的土壤地球化学元素包括:U、Mo、Be元素。
所述步骤3还包括:通过与已知矿体面的相交分析,获得土壤氡浓度异常区、γ能谱含量异常区、土壤地球化学元素异常区及高磁异常区与已知矿体面的重叠区面积,并将这些重叠区的面积分别除以铀矿体面的面积,获得相应比值。
所述步骤四还包括:将步骤3中的土壤氡浓度、γ能谱含量、土壤地球化学元素含量及磁测数据按照如下公式(1)归一化至[0,1]区间内,再按如下公式(2)进行综合,获得综合打分值;
上述公式(1)中,Xij表示信息图层的栅格数值,Xi表示归一化信息图层的栅格数值,i表示信息图层栅格编号,j表示信息图层编号,i,j=1,2,3,……
上述公式(2)中,kj表示选择的第j个信息图层的打分值,V表示综合信息分值。
所述步骤5还包括:根据步骤4处理的综合信息分值数据,采用累积频率法,按照80%累频确定综合信息分值的异常下限,根据异常下限圈定综合信息分值异常区。
所述步骤7还包括:采用三维制图软件,以公里网坐标为三维体坐标系统,分别导入步骤6中的电阻率陡变区和步骤5中圈定的综合信息分值异常区,将综合信息分值异常区沿深度H方向延伸形成综合信息异常柱体,将综合信息异常柱体和电阻率陡变区重叠的三维空间体划定为火山岩型铀矿成矿三维空间靶区,并根据低阻异常的走向预测矿体规模。
本发明的有益效果:
本发明设计的一种火山岩型铀矿三维空间定位预测方法,解决了深部火山岩型铀矿定位难的问题,本发明方法以物化探异常为依据,综合深部铀矿化信息和成矿环境实现了火山岩型铀矿成矿三维空间定位预测,为深部火山型铀矿勘查和资源量预测提供了技术支撑。
附图说明
图1为本发明实施例中河元背工作区预测铀矿体空间位置示意图
具体实施方式
下面结合附图及实施例对本发明的一种铀钼矿床靶区圈定方法进行详细说明。
一种火山岩型铀矿三维空间定位预测方法,包括如下步骤:
步骤1、获取工作区物化探数据;选定工作区并通过收集或实测获取覆盖工作区的物化探数据和已知矿床矿点数据资料,覆盖工作区的物化探数据和已知矿床矿点数据资料包括:高精度磁测数据、音频大地电磁数据、土壤氡浓度数据、地面伽马能谱数据、地球化学元素含量数据、已知矿体面等。
步骤2、圈定放射性异常、地球化学元素异常和高磁异常,对步骤1中获取的数据进行处理,圈定出土壤氡浓度异常区、γ能谱(U、Th、K)含量异常区、土壤地球化学元素(U、Mo、Be)异常区及高磁异常区;
步骤3、对圈定的物化探异常区与已知矿体面进行相交分析;通过与已知矿体面的相交分析,获得土壤氡浓度异常区、γ能谱含量异常区、土壤地球化学元素异常区及高磁异常区与已知矿体面的重叠区面积,并将这些重叠区的面积分别除以铀矿体面的面积,获得相应比值。
步骤4:数据归一化处理,获得综合信息分值;将步骤3中的土壤氡浓度、γ能谱含量、土壤地球化学元素含量及磁测数据按照如下公式(1)归一化至[0,1]区间内,再按如下公式(2)进行综合,获得综合打分值;
上述公式(1)中,Xij表示信息图层的栅格数值,Xi表示归一化信息图层的栅格数值,i表示信息图层栅格编号,j表示信息图层编号,i,j=1,2,3,……
上述公式(2)中,kj表示选择的第j个信息图层的打分值,V表示综合信息分值。
步骤5:圈定综合信息分值异常区;根据步骤4处理的综合信息分值数据,采用累积频率法,按照80%累频确定综合信息分值的异常下限,根据异常下限圈定综合信息分值异常区。
步骤6:获得电阻率低阻区和陡变区,根据音频大地电磁测深数据圈定低阻异常区和电阻率陡变区;
步骤7:进行铀成矿空间三维定位预测:采用三维制图软件,以公里网坐标为三维体坐标系统,分别导入步骤6中的电阻率陡变区和步骤5中圈定的综合信息分值异常区,将综合信息分值异常区沿深度H方向延伸形成综合信息异常柱体,将综合信息异常柱体和电阻率陡变区重叠的三维空间体划定为火山岩型铀矿成矿三维空间靶区,并根据低阻异常的走向预测矿体规模。
实施例:
步骤1、获取工作区物化探数据:
选择相山盆地,收集已知矿体面数据资料,通过实测获取物化探数据资料。在相山盆地按照1:5万比例尺开展高精度物化探勘查工作,主要包括音频大地电磁(AMT)、高精度磁法、氡气测量、伽马能谱测量、土壤地球化学测量。物化探测线方向NW313°,线距500m,点距100m,共设计测量剖面51条。在河元背、居隆庵、邹家山和云际等4个重点工作区加密至线距100m,点距50m。通过数据处理,形成了相山火山盆地和重点工作区物化探基础图件,这些图件包括:高精度磁测ΔT异常图、土壤氡浓度异常图、地面伽马能谱异常图(U、Th、K)、土壤地球化学元素异常图(U、Mo、Be)以及音频大地电磁二维反演电阻率断面和地质解译图。
步骤2、圈定放射性异常、地球化学元素异常和高磁异常:
对步骤1中获取的数据进行处理,圈定出土壤氡浓度异常区、γ能谱(U、Th、K)含量异常区、土壤地球化学元素(U、Mo、Be)异常区及高磁异常区。
步骤3、对圈定的物化探异常区与已知矿体面进行相交分析:
通过与已知矿体面的相交分析,获得土壤氡浓度异常区、γ能谱(U、Th、K)含量异常区、土壤地球化学元素(U、Mo、Be)异常区及高磁异常区与已知矿体面的重叠区面积,并将这些重叠区的面积分别除以铀矿体面的面积,获得相应的比值。
步骤4:数据归一化处理,获得综合信息分值:
将步骤3中的土壤氡浓度、γ能谱(U、Th、K)含量、土壤地球化学元素(U、Mo、Be)含量及磁测数据按照公式(1)归一化至[0,1]区间内,再按公式(2)进行综合,获得综合打分值;
上述公式(1)中,Xij表示信息图层的栅格数值,Xi表示归一化信息图层的栅格数值,i表示信息图层栅格编号,j表示信息图层编号,i,j=1,2,3,……
上述公式(2)中,kj表示选择的第j个信息图层的打分值,V表示综合信息分值。
步骤5:圈定综合信息分值异常区:
根据步骤4处理的综合信息分值数据,采用累积频率法,按照80%累频确定综合信息分值的异常下限,根据异常下限圈定综合信息分值异常区。
步骤6:获得电阻率低阻区和陡变区:
根据音频大地电磁测深数据圈定低阻异常区和电阻率陡变区。
步骤7:进行铀成矿空间三维定位预测:
采用三维制图软件(GOCAD),以公里网坐标(X,Y,H)为三维体坐标系统,分别导入步骤6中的电阻率陡变区和步骤5中圈定的综合信息分值异常区,将综合信息分值异常区沿深度H方向延伸形成综合信息异常柱体,将综合信息异常柱体和电阻率陡变区重叠的三维空间体划定为火山岩型铀矿成矿三维空间靶区,并根据低阻异常的走向预测矿体规模。
上面结合实施例对本发明作了详细说明,但是本发明并不限于上述实施例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可采用现有方法技术。
Claims (7)
1.一种火山岩型铀矿三维空间定位预测方法,其特征在于,包括如下步骤:
步骤1、获取工作区物化探数据;
步骤2、圈定放射性异常、地球化学元素异常和高磁异常,对步骤1中获取的数据进行处理,圈定出土壤氡浓度异常区、γ能谱含量异常区、土壤地球化学元素异常区及高磁异常区;
步骤3、对圈定的物化探异常区与已知矿体面进行相交分析;
步骤4:数据归一化处理,获得综合信息分值;
步骤5:圈定综合信息分值异常区;
步骤6:获得电阻率低阻区和陡变区,根据音频大地电磁测深数据圈定低阻异常区和电阻率陡变区;
步骤7:进行铀成矿空间三维定位预测;
步骤4中,数据归一化处理的公式如式(1)所示,
上述公式(1)中,Xij表示信息图层的栅格数值,Xi表示归一化信息图层的栅格数值,i表示信息图层栅格编号,j表示信息图层编号,i,j=1,2,3,……;
综合信息分值的计算公式如式(2)所示,
上述公式(2)中,kj表示选择的第j个信息图层的打分值,V表示综合信息分值。
2.根据权利要求1所述的一种火山岩型铀矿三维空间定位预测方法,其特征在于:所述步骤1还包括:选定工作区并通过收集或实测获取覆盖工作区的物化探数据和已知矿床矿点数据资料,覆盖工作区的物化探数据和已知矿床矿点数据资料包括:高精度磁测数据、音频大地电磁数据、土壤氡浓度数据、地面伽马能谱数据、地球化学元素含量数据、已知矿体面等。
3.如权利要求2所述的一种火山岩型铀矿三维空间定位预测方法,其特征在于:所述步骤二和步骤三中的γ能谱包括:U、Th、K;所述步骤二和步骤三中的土壤地球化学元素包括:U、Mo、Be元素。
4.根据权利要求3所述的一种火山岩型铀矿三维空间定位预测方法,其特征在于:所述步骤3还包括:通过与已知矿体面的相交分析,获得土壤氡浓度异常区、γ能谱含量异常区、土壤地球化学元素异常区及高磁异常区与已知矿体面的重叠区面积,并将这些重叠区的面积分别除以铀矿体面的面积,获得相应比值。
5.根据权利要求4所述的一种火山岩型铀矿三维空间定位预测方法,其特征在于:所述步骤四还包括:将步骤3中的土壤氡浓度、γ能谱含量、土壤地球化学元素含量及磁测数据按照公式(1)归一化至[0,1]区间内,再按公式(2)进行综合,获得综合打分值。
6.根据权利要求5所述的一种火山岩型铀矿三维空间定位预测方法,其特征在于:所述步骤5还包括:根据步骤4处理的综合信息分值数据,采用累积频率法,按照80%累频确定综合信息分值的异常下限,根据异常下限圈定综合信息分值异常区。
7.根据权利要求6所述的一种火山岩型铀矿三维空间定位预测方法,其特征在于:所述步骤7还包括:采用三维制图软件,以公里网坐标为三维体坐标系统,分别导入步骤6中的电阻率陡变区和步骤5中圈定的综合信息分值异常区,将综合信息分值异常区沿深度H方向延伸形成综合信息异常柱体,将综合信息异常柱体和电阻率陡变区重叠的三维空间体划定为火山岩型铀矿成矿三维空间靶区,并根据低阻异常的走向预测矿体规模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011612062.XA CN112764123B (zh) | 2020-12-30 | 2020-12-30 | 一种火山岩型铀矿三维空间定位预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011612062.XA CN112764123B (zh) | 2020-12-30 | 2020-12-30 | 一种火山岩型铀矿三维空间定位预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112764123A CN112764123A (zh) | 2021-05-07 |
CN112764123B true CN112764123B (zh) | 2021-11-30 |
Family
ID=75697619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011612062.XA Active CN112764123B (zh) | 2020-12-30 | 2020-12-30 | 一种火山岩型铀矿三维空间定位预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112764123B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004013167A2 (en) * | 2002-08-01 | 2004-02-12 | Affinium Pharmaceuticals, Inc. | Purified polypeptides from enterococcus faecalis |
US9922713B2 (en) * | 2013-10-31 | 2018-03-20 | The University Court Of The University Of Glasgow | Memory device |
CN103837908A (zh) * | 2014-03-05 | 2014-06-04 | 核工业北京地质研究院 | 一种适用于隐伏砂岩型铀矿快速找矿定位方法 |
CN105717551A (zh) * | 2014-12-05 | 2016-06-29 | 核工业北京地质研究院 | 一种火山岩型铀矿盲矿空间定位方法 |
CN108008456B (zh) * | 2016-10-27 | 2019-08-13 | 核工业北京地质研究院 | 一种圈定热液型铀矿深部三维重点铀成矿有利靶区的方法 |
CN108020865B (zh) * | 2016-11-02 | 2019-06-18 | 核工业北京地质研究院 | 一种花岗岩型铀矿深部有利成矿空间识别及定位方法 |
CN108241176B (zh) * | 2016-12-26 | 2019-08-13 | 核工业北京地质研究院 | 一种放射性综合信息异常远景区圈定方法 |
CN108279444A (zh) * | 2017-12-25 | 2018-07-13 | 核工业北京地质研究院 | 一种热液型铀矿深部探测方法 |
CN111045110B (zh) * | 2019-12-17 | 2022-04-19 | 核工业北京地质研究院 | 圈定砂岩型铀矿深部三维铀成矿靶区的综合物化探方法 |
-
2020
- 2020-12-30 CN CN202011612062.XA patent/CN112764123B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112764123A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mao et al. | Three-dimensional prospectivity modeling of the Jiaojia-type gold deposit, Jiaodong Peninsula, Eastern China: A case study of the Dayingezhuang deposit | |
CN102609986B (zh) | 数字矿山中矿体建模系统及其建模和检测方法 | |
CN109828316B (zh) | 一种钙结岩型铀矿找矿勘查方法 | |
Liu et al. | Three-dimensional seismic ahead-prospecting method and application in TBM tunneling | |
CN109188556B (zh) | 一种基于地形分析的海底硫化物找矿方法 | |
CN111045091B (zh) | 一种玄武岩覆盖下古河道的识别定位方法 | |
CN113488117B (zh) | 一种具有深度学习能力的深部金矿床成矿找矿方法 | |
Li et al. | Part II: A demonstration of integrating multiple-scale 3D modelling into GIS-based prospectivity analysis: A case study of the Huayuan-Malichang district, China | |
CN110018528B (zh) | 幔源油气综合地质分析方法 | |
CN111062544A (zh) | 一种铀成矿远景区的预测方法 | |
CN107966739B (zh) | 钍放射性异常的圈定方法 | |
KR20180055518A (ko) | 3차원 잠재광산 부존지 예측 시스템 및 방법 | |
Wang et al. | Recognition of significant surface soil geochemical anomalies via weighted 3D shortest-distance field of subsurface orebodies: a case study in the Hongtoushan copper mine, NE China | |
Ni et al. | Lineament length and density analyses based on the segment tracing algorithm: a case study of the gaosong field in gejiu tin mine, China | |
CN112764123B (zh) | 一种火山岩型铀矿三维空间定位预测方法 | |
CN112433253A (zh) | 一种动水软弱破碎围岩隧道三维探测方法 | |
Rabeau et al. | Log-uniform distribution of gold deposits along major Archean fault zones | |
CN107797148A (zh) | 一种基于三维地质建模的航磁异常场分离方法及系统 | |
CN114398696A (zh) | 一种碱性花岗型铀矿床三维精细建模方法 | |
Martin et al. | Discovery from 3D visualization and quantitative modelling | |
Niu et al. | Optimization of geological and mineral exploration by integrating remote sensing technology and borehole database | |
Fusheng et al. | Structural setting of the Zoujiashan-Julong’an region, Xiangshan volcanic basin, China, interpreted from modern CSAMT data | |
CN113536693B (zh) | 一种基于井中岩石物性约束的航空-地面-井中磁异常数据联合反演方法 | |
Wang et al. | 3D geological model of a tunnel for improving construction measures: a case study | |
CN114814982B (zh) | 预测花岗岩体铀矿有利成矿部位的方法 |
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 |