CN112878998A - 地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法 - Google Patents
地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法 Download PDFInfo
- Publication number
- CN112878998A CN112878998A CN202110116009.9A CN202110116009A CN112878998A CN 112878998 A CN112878998 A CN 112878998A CN 202110116009 A CN202110116009 A CN 202110116009A CN 112878998 A CN112878998 A CN 112878998A
- Authority
- CN
- China
- Prior art keywords
- lithium
- potassium
- brine
- storage layer
- underground
- 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.)
- Granted
Links
- 239000012267 brine Substances 0.000 title claims abstract description 163
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 title claims abstract description 163
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 128
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 128
- 229910052736 halogen Inorganic materials 0.000 title claims abstract description 91
- 150000002367 halogens Chemical class 0.000 title claims abstract description 91
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 title claims abstract description 89
- 239000011591 potassium Substances 0.000 title claims abstract description 89
- 229910052700 potassium Inorganic materials 0.000 title claims abstract description 88
- 238000003860 storage Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 47
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 44
- 229910001416 lithium ion Inorganic materials 0.000 claims abstract description 44
- 229910001414 potassium ion Inorganic materials 0.000 claims abstract description 35
- NPYPAHLBTDXSSS-UHFFFAOYSA-N Potassium ion Chemical compound [K+] NPYPAHLBTDXSSS-UHFFFAOYSA-N 0.000 claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 230000008021 deposition Effects 0.000 claims description 25
- OBTSLRFPKIKXSZ-UHFFFAOYSA-N lithium potassium Chemical compound [Li].[K] OBTSLRFPKIKXSZ-UHFFFAOYSA-N 0.000 claims description 24
- 230000002349 favourable effect Effects 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 238000011161 development Methods 0.000 claims description 20
- 238000005314 correlation function Methods 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 13
- 235000002639 sodium chloride Nutrition 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000002474 experimental method Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 10
- 239000013535 sea water Substances 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- WCUXLLCKKVVCTQ-UHFFFAOYSA-M Potassium chloride Chemical compound [Cl-].[K+] WCUXLLCKKVVCTQ-UHFFFAOYSA-M 0.000 claims description 5
- 229910052564 epsomite Inorganic materials 0.000 claims description 5
- DHRRIBDTHFBPNG-UHFFFAOYSA-L magnesium dichloride hexahydrate Chemical compound O.O.O.O.O.O.[Mg+2].[Cl-].[Cl-] DHRRIBDTHFBPNG-UHFFFAOYSA-L 0.000 claims description 5
- WRUGWIBCXHJTDG-UHFFFAOYSA-L magnesium sulfate heptahydrate Chemical compound O.O.O.O.O.O.O.[Mg+2].[O-]S([O-])(=O)=O WRUGWIBCXHJTDG-UHFFFAOYSA-L 0.000 claims description 5
- PALNZFJYSCMLBK-UHFFFAOYSA-K magnesium;potassium;trichloride;hexahydrate Chemical compound O.O.O.O.O.O.[Mg+2].[Cl-].[Cl-].[Cl-].[K+] PALNZFJYSCMLBK-UHFFFAOYSA-K 0.000 claims description 5
- 239000001103 potassium chloride Substances 0.000 claims description 5
- 235000011164 potassium chloride Nutrition 0.000 claims description 5
- 239000010442 halite Substances 0.000 claims description 4
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 230000000704 physical effect Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 7
- 239000008398 formation water Substances 0.000 description 7
- 238000005553 drilling Methods 0.000 description 6
- 239000011435 rock Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 4
- 235000010755 mineral Nutrition 0.000 description 4
- 239000011707 mineral Substances 0.000 description 4
- 239000007788 liquid Substances 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 235000019738 Limestone Nutrition 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 2
- 150000001768 cations Chemical class 0.000 description 2
- -1 halide ions Chemical class 0.000 description 2
- 150000004820 halides Chemical class 0.000 description 2
- 239000006028 limestone Substances 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 229910052749 magnesium Inorganic materials 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- AILDTIZEPVHXBF-UHFFFAOYSA-N Argentine Natural products C1C(C2)C3=CC=CC(=O)N3CC1CN2C(=O)N1CC(C=2N(C(=O)C=CC=2)C2)CC2C1 AILDTIZEPVHXBF-UHFFFAOYSA-N 0.000 description 1
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 1
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 description 1
- 235000002568 Capsicum frutescens Nutrition 0.000 description 1
- 235000016594 Potentilla anserina Nutrition 0.000 description 1
- 244000308495 Potentilla anserina Species 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- CNLWCVNCHLKFHK-UHFFFAOYSA-N aluminum;lithium;dioxido(oxo)silane Chemical compound [Li+].[Al+3].[O-][Si]([O-])=O.[O-][Si]([O-])=O CNLWCVNCHLKFHK-UHFFFAOYSA-N 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 description 1
- 229910052794 bromium Inorganic materials 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 229910052629 lepidolite Inorganic materials 0.000 description 1
- 229910001760 lithium mineral Inorganic materials 0.000 description 1
- FUJCRWPEOMXPAD-UHFFFAOYSA-N lithium oxide Chemical compound [Li+].[Li+].[O-2] FUJCRWPEOMXPAD-UHFFFAOYSA-N 0.000 description 1
- 229910001947 lithium oxide Inorganic materials 0.000 description 1
- 229910003002 lithium salt Inorganic materials 0.000 description 1
- 159000000002 lithium salts Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000003109 potassium Chemical class 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 229910052642 spodumene Inorganic materials 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Acoustics & Sound (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法,所述储卤层预测方法为建立波阻抗、伽马、孔隙度和电阻率的非线性关系,以地震反演的波阻抗为基础,获得地层各参数的物性反演体,预测具有低伽马、高孔隙度、低阻抗和低电阻率特征的储卤地层分布,并绘制储卤层的参数图件;所述资源量评价方法为采用上述方法预测地下卤水的空间展布特征,检测地下卤水样品的钾离子含量,并利用钾锂含量的正相关关系估算对应卤水样品中的锂离子含量,从而计算地下卤水型锂矿资源量评估所需的各种参数。本发明能够较为准确地预测卤水层的空间展布,实现对地下卤水型锂矿和钾矿资源量的有效落实。
Description
技术领域
本发明涉及液体矿藏资源量计算方法的技术领域,具体来讲,涉及一种地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法。
背景技术
锂在自然界中主要以赋存于锂辉石、锂云母中固体资源和卤水中液体资源两种形式存在。全球至少20个国家发现了锂矿床,包括智利、玻利维亚、中国、澳大利亚、美国、巴西、葡萄牙、阿根廷、俄罗斯、津巴布韦、刚果民主共和国、塞尔维亚、西班牙、奥地利、以色列、爱尔兰、法国、印度、南非、芬兰、瑞典、莫桑比克等。中国锂矿资源丰富,矿床多,规模大,是我国的优势矿产之一。锂矿床在空间上的分布具有区域性集中的趋向,储量明显集中在青藏高原,所探明的锂矿床分布于我国9个省(自治区),此外,在湖南、新疆、河南、福建、陕西等5个省(自治区)亦有产出。其中,四川甲基卡伟晶岩型锂矿床是我国最大的固体锂矿,探明氧化锂储量约90×104t。在盐湖方面,青海察尔汗盐湖是我国规模最大的锂资源产地。目前,盐湖生产的锂盐产品已占锂产品总量的85%以上,例如,智利阿塔卡玛盐湖、美国西尔斯湖与银峰湖的地下卤水以及阿根廷Hombe Muerto盐湖都有较强的锂生产能力。
我国盐湖锂资源储量巨大,但镁/锂比值较高,高达40~1500:1,开采难度和成本较高。地下卤水的镁/锂比值含量较低,且能够利用油田现有的钻井和官网系统,开采成本是锂矿中最低的一种。但是,现有资源量的计算方法并不能对地下卤水型锂矿进行有效的评估。发明人表示,无法评估地下卤水型锂矿的主要原因包括:
(1)地下卤水型锂矿深埋于地下,其样品的获取与采集需要通过钻井才能获得。但由于钻井数量不足,不能有效地对地区进行地下采样或者钻井;又或者钻井数量足够,但锂离子是一种微量元素,只有特殊设备才能检测。这两种情况都造成了地下水样品的检测数量无法满足资源量计算的需要。
(2)地下液体矿藏的资源量计算通常会利用地球物理资料计算地下的储层厚度、孔隙度、含水饱和度等参数,但是,含富锂卤水的地层没有区别于其他地层的测井响应特征,也就无法对地下卤水型锂矿所需的各种参数进行计算。
因此,有必要形成一种预测富锂卤水空间分布的方法,从而实现资源量的有效落实。
发明内容
发明人经研究发现:现有技术中尚无预测富锂卤水空间展布的方法,但是,地下卤水的钾和锂含量往往具有一定的正相关关系,表明二者经历相似的迁移过程。因此,可以利用钾、锂具有相似的地球化学演化特征的特点,通过预测富钾卤水的分布情况来间接预测富锂卤水的分布,从而实现资源量的有效落实。
本发明的目的在于解决现有技术存在的上述不足中的至少一项。例如,本发明的目的之一在于提供一种预测富锂卤水空间展布的方法,以实现锂矿资源量的有效落实。
为了实现上述目的,本发明一方面提供了一种地下储卤层的预测方法,包括以下步骤:基于测井数据,建立波阻抗、自然伽马、孔隙度和电阻率之间的非线性关系;以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体;利用三维多属性融合技术刻画储卤层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件;将获得的储卤层发育的有利部位预测为富锂卤水层发育的有利部位。
在本发明的地下储卤层的预测方法的一个示例性实施例中,所述方法还可包括步骤:将所述储卤层的参数图件等同视为富锂卤水层的参数图件。
在本发明的地下储卤层的预测方法的一个示例性实施例中,所述高孔隙度可表现为孔隙度大于2%,所述低阻抗可表现为阻抗值小于14000g/cm3.m/s,所述低电阻率可表现为小于800Ω.m,所述低伽马可表现为伽马值低于30API。
在本发明的地下储卤层的预测方法的一个示例性实施例中,所述储卤层的参数图件可包括厚度图件、孔隙度图件和面积图件。
本发明的另一方面还提供了一种地下卤水型钾矿和锂矿的资源量评价方法,包括以下步骤:基于测井数据,建立波阻抗、自然伽马、孔隙度和电阻率之间的非线性关系;以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体;利用三维多属性融合技术刻画储卤层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件;将储卤层的参数图件等同视为富锂卤水层的参数图件;确定目标区块地下卤水的钾锂含量的正相关关系,然后检测n组地下卤水样品的钾离子含量,基于钾锂含量的正相关关系,分别计算对应的地下卤水样品中的锂离子含量,其中,n组地下卤水样品对应目标区块n口钻井内的地下卤水;根据计算获得的锂离子含量,计算地层中平均有效锂离子含量;根据富锂卤水层的参数图件以及地层中平均有效锂离子含量,利用容积法计算地下卤水型锂矿的资源量。
在本发明的地下卤水型钾矿和锂矿的资源量评价方法的一个示例性实施例中,所述评价方法还可包括检测目标区块的n口钻井内的钾离子含量,并计算地层中平均有效钾离子含量,然后根据富钾卤水的厚度、孔隙度、面积以及地层中平均有效钾离子含量,利用容积法计算地下卤水型钾矿资源量。
在本发明的地下卤水型钾矿和锂矿的资源量评价方法的一个示例性实施例中,所述检测n组地下卤水样品的钾离子含量,确定目标区块地下卤水的钾锂含量的正相关关系的步骤可包括:通过目标区块地下卤水的水化学分析结果计算卤水演化的特征系数,判断地下卤水演化阶段,然后根据现代海水实验的钾锂关系图确定地下卤水演化阶段相对应的钾锂数值比值,其中,所述现代海水实验的钾锂关系图包括石盐沉积阶段、泻利盐沉积阶段、钾石盐沉积阶段、光卤石沉积阶段、以及水氯镁石沉积阶段相对应的钾锂数值比值。
在本发明的地下卤水型钾矿和锂矿的资源量评价方法的一个示例性实施例中,所述检测n组地下卤水样品的钾离子含量,确定目标区块地下卤水的钾锂含量的正相关关系的步骤还可包括:从目标区块n口钻井内的地下卤水中挑选a组地下卤水样品进行锂离子含量的检测,通过a组地下卤水样品中的钾锂含量,构建钾锂含量的正相关函数关系曲线,其中,所述n>a,且a≥3。
在本发明的地下卤水型钾矿和锂矿的资源量评价方法的一个示例性实施例中,所述构建钾锂含量的正相关函数关系曲线中拟合的正相关函数关系式可为y=kx+b,其中,y为锂离子含量,mg/L,x为钾离子含量,mg/L,k为曲线斜率,b为曲线截距。
与现有技术相比,本发明的有益效果和优点包括以下内容中的至少一项:
(1)能够较为准确地预测地下储卤层的空间展布,并实现对地下卤水型锂矿和钾矿资源量的有效落实;
(2)通过建立地下卤水的钾锂含量的正相关关系,利用钾离子浓度间接估算锂离子浓度,解决了因锂离子检测数量不足而无法计算地下卤水型锂矿资源量的技术难题。
附图说明
图1示出了本发明的一个示例性实施例中的储卤层厚度平面示意图;
图2示出了本发明的一个示例性实施例中的储卤层孔隙度平面示意图;
图3示出了本发明的一个示例性实施例中的储卤层有利区分布图;
图4示出了本发明的一个示例性实施例中的现代海水实验的钾锂关系图;
图5示出了本发明的另一个示例性实施例中的地层卤水的钾和锂含量的正相关函数关系曲线图。
具体实施方式
在下文中,将结合示例性实施例和附图来详细说明本发明的地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法。
本发明的一方面提供了地下储卤层的预测方法。根据本发明的地下储卤层的预测方法的一个示例性实施例,所述预测方法可包括以下步骤:
步骤1,基于测井数据,建立波阻抗、自然伽马(简称伽马)、孔隙度和电阻率之间的非线性关系。
步骤2,以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体。
步骤3,利用三维多属性融合技术刻画储卤层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件。
需要说明的是,钾是常见阳离子,是卤水组分分析的重要元素。同时,钾具有放射性同位素,是自然伽马的重要放射性来源之一。往往自然伽马高的地方,钾的放射性也较高,因此可以依据自然伽马曲线表现的特征来对富钾卤水层进行识别和追踪。另外,发明人经研究发现,多井交会分析图表明富钾卤水层具有低伽马、高孔隙度、低阻抗和低电阻率的岩石物理特征。因此,综合上述分析结果,可以将具有低伽马、高孔隙度、低阻抗和低电阻率的地层预测为富钾卤水层。预测获得的富钾卤水层的有利部位即可视为储卤层的有利部位。
进一步地,低伽马可表现为伽马值低于30API,高孔隙度可表现为孔隙度大于2%,低阻抗可表现为阻抗值小于14000g/cm3.m/s,低电阻率可表现为小于800Ω.m。例如,储卤层的伽马值的分布范围可以是10~25API,孔隙度的分布范围可以是4%~10%,阻抗值的分布范围可以是8000~11000g/cm3.m/s,电阻率的分布范围可以是100~300Ω.m。
步骤4,将获得的储卤层发育的有利部位预测为富锂卤水层发育的有利部位。
由于锂、钾具有相似的地球化学演化特征,二者经历了相似的迁移过程,故富钾卤水层的展布特征和富锂卤水层的展布特征相似,预测的富钾卤水层的有利部位同时也能用于预测富锂卤水层的有利部位。
在本发明的地下储卤层预测方法的另一个示例性实施例中,所述方法还可包括:
步骤5,将所述储卤层的参数图件等同视为富锂卤水层的参数图件。例如,所述储卤层的参数图件可包括厚度图件、孔隙度图件和面积图件。
本发明的另一方面提供了地下卤水型钾矿和锂矿的资源量评价方法。根据本发明的地下卤水型钾矿和锂矿的资源量评价方法的一个示例性实施例,所述评价方法可包括以下步骤:
步骤1,基于测井数据,建立波阻抗、自然伽马、孔隙度和电阻率之间的非线性关系。
步骤2,以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体。
步骤3,利用三维多属性融合技术刻画富钾卤水层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件。
步骤4,将储卤层的参数图件等同视为富锂卤水层的参数图件。
步骤5,确定目标区块地下卤水的钾锂含量的正相关关系,然后检测n组地下卤水样品的钾离子含量,基于钾锂含量的正相关关系,分别计算对应的地下卤水样品中的锂离子含量,其中,n组地下卤水样品对应目标区块n口钻井内的地下卤水。
需要说明的是,现有的水样分析结果中,钾离子是常见的阳离子,但锂离子检测往往很少进行,这造成了地下卤水锂离子检测数量很少,无法满足资源量的计算要求。但地下卤水的锂和钾含量往往具有一定的正相关关系,表明二者经历相似的迁移过程。故可以通过检测钾离子含量,再根据确定的钾锂含量的正相关关系,间接计算获得锂离子含量。
进一步地,钾锂含量的正相关关系可以根据理论关系曲线获得。例如,所述理论关系曲线可以为即现代海水蒸发实验中计算的理论钾锂关系曲线,所述确定目标区块地下卤水的钾锂含量的正相关关系的步骤可包括:通过目标区块地下卤水的水化学分析结果计算卤水演化的特征系数,判断地下卤水演化阶段,然后根据现代海水实验的钾锂关系图确定地下卤水演化阶段相对应的钾锂数值比值。其中,所述现代海水实验的钾锂关系图包括石盐沉积阶段、泻利盐沉积阶段、钾石盐沉积阶段、光卤石沉积阶段、以及水氯镁石沉积阶段相对应的钾锂数值比值。
或者,钾锂含量的正相关关系也可以根据在目标区块同时测定钾锂含量,通过拟合钾锂关系曲线确定。例如,可同时检测少数几口钻井(例如,5口钻井)内的卤水样品中的钾锂含量,通过分析构建钾锂含量的正相关函数关系曲线,所述确定目标区块地下卤水的钾锂含量的正相关关系的步骤可包括:从目标区块的n组地下卤水样品中挑选a组进行钾离子和锂离子含量的检测,然后根据测得的钾锂含量,构建钾锂含量的正相关函数关系曲线。这里,n是指目标区块内的所有钻井的数量,所述n>a,且a≥3。所述地下卤水的锂和钾含量的正相关函数关系式可为y=kx+b,其中,y为锂离子含量,mg/L,x为钾离子含量,mg/L,k为曲线斜率,b为曲线截距。
步骤6,根据计算获得的锂离子含量,计算地层中平均有效锂离子含量。
需要说明的是,基于钾锂含量的正相关关系,根据n组钻井样品中的已检测的钾离子含量,可估算相应钻井中的锂离子含量。根据估算的锂离子含量,选择适合目标区块的计算方法求取地层中平均有效锂离子含量。例如,可采用井点算术平均法、或等值面积均衡法、或井点面积权衡法来计算地层中平均有效锂离子含量。
步骤7,根据富锂卤水层的参数图件以及地层中平均有效锂离子含量,计算地下卤水型锂矿的资源量。所述富锂卤水层的参数图件包括富钾卤水的厚度、孔隙度、面积图件。
所述地下卤水型锂矿的资源量可采用以下公式计算:
Q=F·M·B·S·n 式(1)
R=Q·I 式(2)
式中:R为锂矿的资源量,kg;Q为地层水体积,m3;F为储卤层分布面积,m2;M为储卤层有效厚度,m;n为储卤层孔隙度(小数),S为储卤层含水饱和度(小数);B为卤水体积系数,井下2000m、1m3卤水涌出井口后的体积,无量纲;I为地层平均有效锂离子含量,mg/L。
另外,所述评价方法还可包括检测目标区块的所有井内的钾离子含量,并计算地层中平均有效钾离子含量,然后根据富钾卤水的厚度、孔隙度、面积以及单元平均有效钾离子含量,计算地下卤水型钾矿资源量。
为了更好地理解本发明的上述示例性实施例,下面结合附图和具体示例对其进行进一步说明。
示例1
以川中磨溪地区雷口坡组一段为例,根据川中磨溪地区雷一1亚段多井交会分析图表明,膏岩的阻抗值较高,易于与其他岩性区分,泥质岩性相比于纯云岩和灰岩表现为高伽特征(伽马多大于30API),云岩与灰岩无论是阻抗还是伽马都是叠置的,难于区分开来。储卤层段含水率较高,富钾卤水中富含大量电离子,地层表现为低电阻率,孔隙度≥2%的样点的电阻率多小于500Ω.m,储卤层的电阻率更低,一般小于200Ω.m。由此表明,储卤层具有低伽马、高孔隙度、低阻抗和低电阻率的岩石物理特征,故可以利用上述特征来识别储卤层的分布。
图1示出了磨溪地区雷口坡组一段的富钾、锂卤水层厚度平面示意图。图2示出了磨溪地区雷口坡组一段的富钾、锂卤水层孔隙度平面示意图。图3示出了磨溪地区雷口坡组一段的富钾、锂卤水层有利区分布图。图4示出了钾和锂含量的正相关函数关系曲线图。
首先根据地下卤水型钾矿和锂矿的储卤层预测方法,对储卤地层的平面分布进行预测,具体步骤如下:
(1)基于测井数据,建立波阻抗、自然伽马、孔隙度和电阻率之间的非线性关系。
(2)以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体。
(3)利用三维多属性融合技术刻画储卤层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件。
(4)将获得的储卤层发育的有利部位预测为富锂卤水层发育的有利部位。
(5)并将储卤层的参数图件等同视为富锂卤水层的参数图件。
储卤层的参数图件可包括磨溪地区雷口坡组一段的储卤层厚度平面示意图(图1)、磨溪地区雷口坡组一段的储卤层孔隙度平面示意图(图2)、以及磨溪地区雷口坡组一段的储卤层有利区分布图(图3)。其中,图1中的图例是指储卤层厚度的范围在0~10m,图2中的图例是指储卤层的孔隙度的范围在4%~8%,图3中的图例是指储卤层有利区的面积。
然后基于获得的储卤层的参数图件,可根据地下卤水型钾矿和锂矿的资源量评价方法,对地下卤水型锂矿进行准确的资源量评估,具体步骤如下:
(1)基于测井数据,建立波阻抗、自然伽马、孔隙度和电阻率之间的非线性关系。
(2)以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体。
(3)利用三维多属性融合技术刻画储卤层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件。
(4)将储卤层层的参数图件等同视为富锂卤水层的参数图件(即图1~图3)。
(5)确定目标区块地下卤水的钾锂含量的正相关关系,然后检测n组地下卤水样品的钾离子含量,基于钾锂含量的正相关关系,分别计算对应的地下卤水样品中的锂离子含量,其中,n组地下卤水样品对应目标区块n口钻井内的地下卤水(即地层水)。
这里,所述确定目标区块地下卤水的钾锂含量的正相关关系的步骤可包括:通过磨溪地区雷口坡组一段的地下卤水的水化学分析结果计算卤水演化的特征系数,判断地下卤水演化阶段,然后根据现代海水实验的钾锂关系图(即图4)确定地下卤水演化阶段相对应的钾锂数值比值。其中,现代海水实验的钾锂关系图包括石盐沉积阶段、泻利盐沉积阶段、钾石盐沉积阶段、光卤石沉积阶段、以及水氯镁石沉积阶段相对应的钾锂数值比值。如图4所示,直线A至直线B之间的区间表示石盐沉积演化阶段,直线B至直线C之间的区间表示泻利盐沉积演化阶段,直线C至直线D之间的区间表示钾石盐沉积演化阶段,直线D至直线E之间的区间表示光卤石沉积演化阶段,直线E之后的区间表示水氯镁石沉积演化阶段。
(6)根据获得的锂离子含量,选择适当的方法(例如,井点算术平均法、或等值面积均衡法、或井点面积权衡法)计算地层中平均有效锂离子含量。
(7)根据富锂卤水的厚度、孔隙度、面积以及地层中平均有效锂离子含量,计算地下卤水型锂矿的资源量。
另外,还可以根据所有井位地层水中的卤化物离子(例如,钾、硼、溴、碘等卤化物离子)含量,计算地下卤水型卤化物矿的资源量。例如,可以根据检测获得的磨溪地区雷口坡组一段的所有井位的地层水中的钾离子含量,计算地层中平均有效钾离子含量,然后根据富钾卤水的厚度、孔隙度、面积以及地层中平均有效钾离子含量,计算地下卤水型钾矿资源量。
示例2
以川中磨溪地区雷口坡组一段为例,图5示出了钾和锂含量的正相关函数关系曲线图。
首先根据地下卤水型钾矿和锂矿的储卤层预测方法,对储卤地层的平面分布进行预测,具体步骤如下:
(1)基于测井数据,建立波阻抗、自然伽马、孔隙度和电阻率之间的非线性关系。
(2)以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体。
(3)利用三维多属性融合技术刻画储卤层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件。
(4)将获得的储卤层发育的有利部位预测为富锂卤水层发育的有利部位。
(5)并将储卤层的参数图件等同视为富锂卤水层的参数图件。所述富锂卤水层的参数图件包括富锂卤水层的厚度、孔隙度和面积图件(即图1至图3)。
然后基于获得的储卤层的参数图件,可根据地下卤水型钾矿和锂矿的资源量评价方法,对地下卤水型锂矿进行准确的资源量评估,具体步骤如下:
(1)基于测井数据,建立波阻抗、自然伽马、孔隙度和电阻率之间的非线性关系。
(2)以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体。
(3)利用三维多属性融合技术刻画储卤层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件。
(4)将储卤层的参数图件等同视为富锂卤水层的参数图件(即图1~图3)。
(5)确定目标区块地下卤水的钾锂含量的正相关关系,然后检测n组地下卤水样品的钾离子含量,基于钾锂含量的正相关关系,分别计算对应的地下卤水样品中的锂离子含量,其中,n组地下卤水样品对应目标区块n口钻井内的地下卤水(即地层水)。
这里,所述确定目标区块地下卤水的钾锂含量的正相关关系的步骤可包括:获取磨溪地区雷口坡组一段的所有钻井内的地下卤水样品,检测所有钻井的地下卤水样品的钾离子含量,然后挑选6组地下卤水样品进行锂离子含量的检测,通过6组地下卤水样品中的钾锂含量,构建钾锂含量的正相关函数关系曲线。
通过对M128、M87、M14、M84、M004-H7、以及M19共6口钻井的地下卤水样品同时检测钾锂含量,可以构建钾锂含量的正相关函数关系曲线。如图5所示,为构建的地下卤水中钾和锂含量的正相关函数关系曲线,根据6口钻井的地下卤水样品中的钾锂含量拟合得到的线性关系式为y=0.0336x-103.69,其中,y为锂离子含量,mg/L,x为钾离子含量,mg/L。
根据计算得到的钾锂离子的线性关系,利用其他井位地层水中测得的钾离子含量,可估算其他井位地层水的锂离子含量。
(6)根据估算获得的锂离子含量,选择适当的方法(例如,井点算术平均法、或等值面积均衡法、或井点面积权衡法)计算地层中平均有效锂离子含量。
(7)根据富锂卤水的厚度、孔隙度、面积以及地层中平均有效锂离子含量,计算地下卤水型锂矿的资源量。
综上所述,本发明的有益效果和优点可包括:
(1)能够较为准确地预测地下储卤层的空间展布,并实现对地下卤水型锂矿和钾矿资源量的有效落实;
(2)通过建立地下卤水的钾锂含量的正相关关系,利用钾离子浓度间接估算锂离子浓度,解决了因锂离子检测数量不足而无法计算地下卤水型锂矿资源量的技术难题。
尽管上面已经结合示例性实施例及附图描述了本发明,但是本领域普通技术人员应该清楚,在不脱离权利要求的精神和范围的情况下,可以对上述实施例进行各种修改。
Claims (9)
1.一种地下储卤层的预测方法,其特征在于,包括以下步骤:
基于测井数据,建立波阻抗、自然伽马、孔隙度和电阻率之间的非线性关系;
以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体;
利用三维多属性融合技术刻画储卤层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件;
将获得的储卤层发育的有利部位预测为富锂卤水层发育的有利部位。
2.根据权利要求1所述的地下储卤层的预测方法,其特征在于,所述方法还包括步骤:将所述储卤层的参数图件等同视为富锂卤水层的参数图件。
3.根据权利要求1所述的地下储卤层的预测方法,其特征在于,所述高孔隙度表现为孔隙度大于2%,所述低阻抗表现为阻抗值小于14000g/cm3.m/s,所述低电阻率表现为小于800Ω.m,所述低伽马表现为伽马值低于30API。
4.根据权利要求1所述的地下储卤层的预测方法,其特征在于,所述储卤层的参数图件包括厚度图件、孔隙度图件和面积图件。
5.一种地下卤水型钾矿和锂矿的资源量评价方法,其特征在于,包括以下步骤:
基于测井数据,建立波阻抗、自然伽马、孔隙度和电阻率之间的非线性关系;
以地震反演的波阻抗作为基础,利用神经网络分别获得波阻抗到自然伽马、孔隙度和电阻率的非线性映射,以获得地层的波阻抗、自然伽马、孔隙度、以及电阻率的物性反演体;
利用三维多属性融合技术刻画储卤层的空间展布特征,将地层平面分布中表现为低伽马、高孔隙度、低阻抗以及低电阻率的位置预测为储卤层发育的有利部位,并绘制储卤层的参数图件;
将储卤层的参数图件等同视为富锂卤水层的参数图件;
确定目标区块地下卤水的钾锂含量的正相关关系,然后检测n组地下卤水样品的钾离子含量,基于钾锂含量的正相关关系,分别计算对应的地下卤水样品中的锂离子含量,其中,n组地下卤水样品对应目标区块n口钻井内的地下卤水;
根据计算获得的锂离子含量,计算地层中平均有效锂离子含量;
根据富锂卤水层的参数图件以及地层中平均有效锂离子含量,利用容积法计算地下卤水型锂矿的资源量。
6.根据权利要求5所述的地下卤水型钾矿和锂矿的资源量评价方法,其特征在于,所述评价方法还包括检测目标区块的n口钻井内的钾离子含量,并计算地层中平均有效钾离子含量,然后根据富钾卤水的厚度、孔隙度、面积以及地层中平均有效钾离子含量,利用容积法计算地下卤水型钾矿资源量。
7.根据权利要求5所述的地下卤水型钾矿和锂矿的资源量评价方法,其特征在于,所述检测n组地下卤水样品的钾离子含量,确定目标区块地下卤水的钾锂含量的正相关关系的步骤包括:通过目标区块地下卤水的水化学分析结果计算卤水演化的特征系数,判断地下卤水演化阶段,然后根据现代海水实验的钾锂关系图确定地下卤水演化阶段相对应的钾锂数值比值,其中,所述现代海水实验的钾锂关系图包括石盐沉积阶段、泻利盐沉积阶段、钾石盐沉积阶段、光卤石沉积阶段、以及水氯镁石沉积阶段相对应的钾锂数值比值。
8.根据权利要求5所述的地下卤水型钾矿和锂矿的资源量评价方法,其特征在于,所述检测n组地下卤水样品的钾离子含量,确定目标区块地下卤水的钾锂含量的正相关关系的步骤还包括:从目标区块n口钻井内的地下卤水中挑选a组地下卤水样品进行锂离子含量的检测,通过a组地下卤水样品中的钾锂含量,构建钾锂含量的正相关函数关系曲线,其中,所述n>a,且a≥3。
9.根据权利要求8所述的地下卤水型钾矿和锂矿的资源量评价方法,其特征在于,所述构建钾锂含量的正相关函数关系曲线中拟合的正相关函数关系式为y=kx+b,其中,y为锂离子含量,mg/L,x为钾离子含量,mg/L,k为曲线斜率,b为曲线截距。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110116009.9A CN112878998B (zh) | 2021-01-28 | 2021-01-28 | 地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110116009.9A CN112878998B (zh) | 2021-01-28 | 2021-01-28 | 地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112878998A true CN112878998A (zh) | 2021-06-01 |
CN112878998B CN112878998B (zh) | 2022-07-05 |
Family
ID=76052930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110116009.9A Active CN112878998B (zh) | 2021-01-28 | 2021-01-28 | 地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112878998B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11555941B1 (en) | 2021-08-19 | 2023-01-17 | Weatherford Technology Holdings, Llc | Pulsed neutron logging for petrolithium |
CN116931062A (zh) * | 2023-07-21 | 2023-10-24 | 成都理工大学 | 基于敏感参数分析的优质富锂钾卤水储层识别方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1300388A1 (ru) * | 1985-04-18 | 1987-03-30 | Производственное геологическое объединение по геофизическим работам "Узбекгеофизика" | Способ прогнозировани погребенных рапоносных зон |
CN102602966A (zh) * | 2012-04-06 | 2012-07-25 | 华东理工大学 | 一种盐湖卤水镁锂分离及制备碳酸锂的方法 |
US8431005B1 (en) * | 2010-06-24 | 2013-04-30 | Western Lithium Corporation | Production of lithium and potassium compounds |
CN103345002A (zh) * | 2013-07-09 | 2013-10-09 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种测井资料获取砂岩卤水层钾离子含量的方法 |
US20140060822A1 (en) * | 2012-09-03 | 2014-03-06 | Schlumberger Technology Corporation | Method for determining properties of a hydrocarbon reservoir formation and produced fluids in the process of production |
CN104612673A (zh) * | 2015-01-15 | 2015-05-13 | 中国地质科学院矿产资源研究所 | 一种寻找深层富钾卤水矿床的矿物-化学方法及其应用 |
CN104730592A (zh) * | 2015-01-15 | 2015-06-24 | 中国地质科学院矿产资源研究所 | 寻找深埋固体钾盐矿床的方法 |
CN105003251A (zh) * | 2015-07-22 | 2015-10-28 | 中国地质大学(北京) | 一种深层地下卤水单井可采资源量的预测计算方法 |
CN105069283A (zh) * | 2015-07-22 | 2015-11-18 | 中国地质大学(北京) | 一种深层地下卤水资源量的分类方法 |
CN108138555A (zh) * | 2015-02-23 | 2018-06-08 | 奈克森能量无限责任公司 | 预测储层性质的方法、系统及设备 |
CN109444982A (zh) * | 2018-10-17 | 2019-03-08 | 青海省柴达木综合地质矿产勘查院 | 一种盆地区深层卤水钾盐或锂盐矿勘探方法 |
CN111460739A (zh) * | 2020-04-24 | 2020-07-28 | 成都捷科思石油天然气技术发展有限公司 | 一种不同类型储层预测的方法 |
CN111983189A (zh) * | 2020-08-18 | 2020-11-24 | 成都理工大学 | 一种定量分析超深层膏盐岩与白云岩耦合机制的方法 |
-
2021
- 2021-01-28 CN CN202110116009.9A patent/CN112878998B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1300388A1 (ru) * | 1985-04-18 | 1987-03-30 | Производственное геологическое объединение по геофизическим работам "Узбекгеофизика" | Способ прогнозировани погребенных рапоносных зон |
US8431005B1 (en) * | 2010-06-24 | 2013-04-30 | Western Lithium Corporation | Production of lithium and potassium compounds |
CN102602966A (zh) * | 2012-04-06 | 2012-07-25 | 华东理工大学 | 一种盐湖卤水镁锂分离及制备碳酸锂的方法 |
US20140060822A1 (en) * | 2012-09-03 | 2014-03-06 | Schlumberger Technology Corporation | Method for determining properties of a hydrocarbon reservoir formation and produced fluids in the process of production |
CN103345002A (zh) * | 2013-07-09 | 2013-10-09 | 中国石油化工股份有限公司江汉油田分公司勘探开发研究院 | 一种测井资料获取砂岩卤水层钾离子含量的方法 |
CN104730592A (zh) * | 2015-01-15 | 2015-06-24 | 中国地质科学院矿产资源研究所 | 寻找深埋固体钾盐矿床的方法 |
CN104612673A (zh) * | 2015-01-15 | 2015-05-13 | 中国地质科学院矿产资源研究所 | 一种寻找深层富钾卤水矿床的矿物-化学方法及其应用 |
CN108138555A (zh) * | 2015-02-23 | 2018-06-08 | 奈克森能量无限责任公司 | 预测储层性质的方法、系统及设备 |
CN105003251A (zh) * | 2015-07-22 | 2015-10-28 | 中国地质大学(北京) | 一种深层地下卤水单井可采资源量的预测计算方法 |
CN105069283A (zh) * | 2015-07-22 | 2015-11-18 | 中国地质大学(北京) | 一种深层地下卤水资源量的分类方法 |
CN109444982A (zh) * | 2018-10-17 | 2019-03-08 | 青海省柴达木综合地质矿产勘查院 | 一种盆地区深层卤水钾盐或锂盐矿勘探方法 |
CN111460739A (zh) * | 2020-04-24 | 2020-07-28 | 成都捷科思石油天然气技术发展有限公司 | 一种不同类型储层预测的方法 |
CN111983189A (zh) * | 2020-08-18 | 2020-11-24 | 成都理工大学 | 一种定量分析超深层膏盐岩与白云岩耦合机制的方法 |
Non-Patent Citations (14)
Title |
---|
ZHANG, BING ET AL.: "Salt-Gathering and Potassium Formation of Potassium-Rich Brine during the Triassic in the Sichuan Basin, China", 《ACTA GEOLOGICA SINICA-ENGLISH EDITION》 * |
乔柱等: "渤海X油田岩性勘探中河道刻画及连通性分析", 《天然气与石油》 * |
于正军等: "《东营凹陷砂砾岩体地震描述方法》", 31 December 2013, 武汉:中国地质大学出版社 * |
何洋等: "四川盆地中下三叠统盐卤水水文地球化学特征及成因研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
周游等: "四川盆地三叠纪富钾卤水资源量评价方法", 《中国优秀博士学位论文全文数据库工程科技Ⅰ辑》 * |
姜长龙等: "四川盆地平落坝构造富钾卤水水化学特征及资源量评价", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
李博昀等: "深层富钾卤水类型、勘查技术方法及工业指标建议", 《地质与勘探》 * |
杨晓玉等: "地震勘探在四川盆地富钾卤水资源评价中的应用效果分析", 《地质找矿论丛》 * |
杨晓玉等: "地震勘探方法在富钾卤水资源评价中的应用研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
王凯莹等: "四川盆地三叠系卤水富钾机理研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
袁小铭等: "川西凹陷中三叠世古水动力场及富钾卤水成矿预测研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
赵文龙等: "川东地区大地电磁法在富钾卤水研究中的应用", 《物探化探计算技术》 * |
郭得海等: "三维多属性体显示融合技术在储层地震预测中的应用", 《石油天然气学报 》 * |
韩文功等: "《高密度三维地震技术》", 30 November 2017, 北京:地质出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11555941B1 (en) | 2021-08-19 | 2023-01-17 | Weatherford Technology Holdings, Llc | Pulsed neutron logging for petrolithium |
WO2023023416A1 (en) * | 2021-08-19 | 2023-02-23 | Weatherford Technology Holdings, Llc | Pulsed neutron logging for petrolithium |
CN116931062A (zh) * | 2023-07-21 | 2023-10-24 | 成都理工大学 | 基于敏感参数分析的优质富锂钾卤水储层识别方法 |
CN116931062B (zh) * | 2023-07-21 | 2023-12-22 | 成都理工大学 | 基于敏感参数分析的优质富锂钾卤水储层识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112878998B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109653725B (zh) | 基于沉积微相和岩石相的混积储层水淹程度测井解释方法 | |
Sánchez-Martos et al. | Mapping groundwater quality variables using PCA and geostatistics: a case study of Bajo Andarax, southeastern Spain | |
CN112878998B (zh) | 地下卤水型钾矿和锂矿的储卤层预测和资源量评价方法 | |
Tizro et al. | Estimation of porosity and specific yield by application of geoelectrical method–a case study in western Iran | |
Barrio et al. | CO2 migration monitoring methodology in the shallow subsurface: Lessons learned from the CO2FIELDLAB project | |
Van Stappen et al. | Pore-scale characterization and modelling of CO2 flow in tight sandstones using X-ray micro-CT; Knorringfjellet Formation of the Longyearbyen CO2 Lab, Svalbard | |
Saeed et al. | Origin of solutes in a regional multi-layered sedimentary aquifer system (a case study from the Rub’al Khali basin, Saudi Arabia) | |
Anuar et al. | Aquifer detection using 2-D resistivity method and porosity calculation | |
Löfroth et al. | Mapping of quick clay using sounding methods and resistivity in the Göta River valley | |
Gouasmia et al. | Hydrogeological characterization of a carbonate aquifer using geophysical and geochemical approach: case of the Krachoua Formation in Tataouine area, Southern Tunisia | |
Montafia | Influence of physical properties of marine clays on electric resistivity and basic geotechnical parameters | |
CN115542419A (zh) | 海洋天然气水合物钻后综合评价方法、系统和介质 | |
RU2728000C1 (ru) | Способ проводки горизонтального ствола скважины в целевом интервале осадочных пород на основании элементного анализа шлама | |
Greswell et al. | The micro-scale hydrogeological properties of the Lincolnshire Limestone, UK | |
Strandli et al. | Diagnostics for reservoir structure and CO2 plume migration from multilevel pressure measurements | |
Jianping et al. | A 3-D Prediction Method for Blind Orebody Based on 3-D Visualization Model and Its Application | |
Wang et al. | Grade distribution and orebody demarcation of bauxite seam based on coupled Interpolation | |
Yu et al. | Study on fracture identification of shale reservoir based on electrical imaging logging | |
CN112130226B (zh) | 一种地表水侵入型储集层识别方法及系统 | |
CN117849897A (zh) | 卤水型钾矿锂矿空间展布的确定方法和资源量估算方法 | |
Ireland et al. | An investigation of complex saline groundwater problems in the Permo Triassic sandstones of North West England | |
Magnano | Determining the salinity of aquifers overlying Vaca Muerta geological formation in Neuquén, Argentina | |
PEZARD et al. | ELECTRICAL PROPERTIES AND ALTERATION OF GRANODIORITES FROM THE GSJ fflRABAYASffl HOLE, JAPAN. | |
Liu et al. | Identifying the origin and geochemical evolution of groundwater using hydrochemistry and stable isotopes in Subei Lake Basin, Ordos energy base, Northwestern China | |
Ahlbom et al. | Klipperås study site. Scope of activities and main results |
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 |