CN113279748A - 一种计算机垂向地下空间分带含铀层识别方法 - Google Patents
一种计算机垂向地下空间分带含铀层识别方法 Download PDFInfo
- Publication number
- CN113279748A CN113279748A CN202110686796.0A CN202110686796A CN113279748A CN 113279748 A CN113279748 A CN 113279748A CN 202110686796 A CN202110686796 A CN 202110686796A CN 113279748 A CN113279748 A CN 113279748A
- Authority
- CN
- China
- Prior art keywords
- borehole
- vertical
- logging
- sample
- data
- 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
- 229910052770 Uranium Inorganic materials 0.000 title claims abstract description 119
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical group [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 60
- 238000005553 drilling Methods 0.000 claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000011160 research Methods 0.000 claims abstract description 17
- 230000033558 biomineral tissue development Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- 230000010355 oscillation Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 4
- 230000001143 conditioned effect Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 239000013598 vector Substances 0.000 claims description 2
- 230000004927 fusion Effects 0.000 abstract description 14
- 230000008569 process Effects 0.000 abstract description 3
- 238000013517 stratification Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 14
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 2
- 241000784303 Ochrosia compta Species 0.000 description 1
- HMDDXIMCDZRSNE-UHFFFAOYSA-N [C].[Si] Chemical compound [C].[Si] HMDDXIMCDZRSNE-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 239000010438 granite Substances 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000001089 mineralizing effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明实现一种计算机垂向地下空间分带含铀层识别方法,主要对砂岩型铀矿在形成过程中的空间性及规律性,在垂向空间分布上的成层性及分带性等特征进行分析,利用钻孔测井曲线数据及与之相匹配的年代约束数据对铀矿化、铀异常及铀元素在垂向空间范围内的分布及变异特征等进行深入研究,利用钻孔测井曲线融合度量分析获得空间垂向分带特征,提出一种可用于砂岩型铀矿垂向空间范围内进行含铀层识别的分带研究方法,通过本发明砂岩型铀矿含铀层精准识别方面的方法,可望为砂岩型铀矿含铀层识别与提取提供更加有效的手段和工具。
Description
技术领域
本发明涉及砂岩型铀矿,是一种基于砂岩型铀矿床的空间垂向分带含铀层识别方法,属于地质工程领域。
背景技术
铀矿作为能源-战略型资源一直都是全球各国密切关注的焦点,能源开发及国民经济有序增长的重大需求之一。铀资源的需求量将会一直处于供不应求的状态。世界上具有工业意义的铀矿床类型很多,如花岗岩型、火山岩型、角砾杂岩型、碳硅泥岩型、不整合面型、铀砾岩型、热液型、含铀/煤型以及盆地沉积砂岩型等,其中沉积盆地砂岩型铀矿是目前所有铀矿类型中最具开采潜力及研究价值的铀矿床。由此可见,有关砂岩型铀矿的相关研究在经济发展进步方面有着非常重要的地位。
因此,本发明主要对砂岩型铀矿垂向空间分布规律进行研究分析。首先根据砂岩型铀矿较为特殊的成矿地质背景,如铀元素来源伴随着岩石的剥蚀、水解及风化;铀元素迁移在地下垂向空间内受文地质条件制约;铀元素富集成矿需要较为特殊的盆地沉积条件及盆地构造背景等,对砂岩型铀矿在形成过程中的空间性及规律性,在垂向空间分布上的成层性及分带性等特征进行分析。然后利用地球物理钻孔测井定量数据及与之相匹配的年代约束信息定性数据对铀矿化、铀异常及铀元素在垂向空间范围内的分布及变异特征等进行深入研究,运用相关成分分析思想对上述两类数据进行全面分析,利用钻孔测井曲线融合度量分析获得空间垂向分带度量特征,并将其引入到傅里叶-功率谱密度变换中,提出一种可用于砂岩型铀矿垂向空间范围内进行含铀层识别的分带研究方法,属于砂岩型铀矿垂向空间内针对不同类型、不同尺度、不同分辨率数据进行的非线性方法研究,即一种砂岩型铀矿空间垂向分带含铀层识别方法。最后将这种空间垂向分带含铀层识别方法应用于砂岩型铀矿含铀层识别与异常区域圈定研究中。可为砂岩型铀矿的垂向空间分布特征、砂岩型铀矿含铀层精确识别及砂岩型铀矿资源预测提供更为有效的研究方法和技术手段。同时,进一步提高砂岩型铀矿在能源开发、国防工业等方面的应用效果和实用价值。
发明内容
为克服现有技术的不足,本发明提供一种计算机垂向地下空间分带含铀层识别方法,为达此目的,本发明采用以下技术方案:步骤a1:将砂岩型铀矿床作为分析空间,对所述分析空间进行勘探线部署,在部署的所述勘探线A上的不同的位置,运用地质钻机Z进行岩芯钻孔取样,每一个位置均得到一个钻孔,每一个钻孔均包含B条测井曲线,B为自然数,所述测井曲线的种类包括自然伽玛测照射量率曲线、定量伽玛测照射量率曲线、孔径曲线、自然电位曲线、视电阻率曲线和密度曲线;通过计算机对每个钻孔所包含的B条所述测井曲线进行垂向分析,并根据所述测井曲线垂向深度位置的深度位置区间分隔成识别区域进行识别,从而找出含铀层;
步骤a2:通过计算机将每个钻孔所包含的B条测井曲线转为每个钻孔的钻孔测井曲线数据,钻孔测井曲线数据由所述测井曲线在垂向不同深度位置上第一测井样品的样品值组成,即把一个钻孔的所述钻孔测井曲线数据用一个矩阵的形式进行表达,则所述勘探线A上的所有钻孔由矩阵集1的方式来描述:
其中,矩阵集1中的k为勘探线A上的所有钻孔中的第k个钻孔,为自然数;M为所述勘探线A上每个钻孔的所述钻孔测井曲线数据中第一测井变量的总条数,M为自然数;同一条勘探线上每个钻孔内的第一测井变量总条数相同且等于测井曲线的总条数,即M=B;N为每个钻孔的钻孔测井曲线数据在垂向不同深度位置上的第一测井样品的总数量,N1、N2……Nk为自然数,用于表示勘探线A上第1个到第k个钻孔的钻孔测井曲线数据的第一测井样品的总数量,即N1为第1个钻孔的钻孔测井曲线数据的第一测井样品的总数量,N2为第2个钻孔的钻孔测井曲线数据的第一测井样品的总数量,Nk为第k个钻孔的钻孔测井曲线数据的第一测井样品的总数量;x1表示勘探线A上第1个钻孔的钻孔测井曲线数据,表示第1个钻孔的第1条第一测井变量第1个第一测井样品的样品值,表示第1个钻孔的第1条第一测井变量第2个第一测井样品的样品值,表示第1个钻孔的第1条第一测井变量第N1个第一测井样品的样品值,表示第1个钻孔的第2条第一测井变量第1个第一测井样品的样品值,表示第1个钻孔的第M条第一测井变量第1个第一测井样品的样品值;x2表示勘探线A上第2个钻孔的钻孔测井曲线数据,表示第2个钻孔的第1条第一测井变量第1个第一测井样品的样品值,表示第2个钻孔的第M条第一测井变量第1个第一测井样品的样品值,表示第2个钻孔的第M条第一测井变量第N2个第一测井样品的样品值;xk表示勘探线A上第k个钻孔的钻孔测井曲线数据,表示第k个钻孔的第1条第一测井变量第1个第一测井样品的样品值,表示第k个钻孔的第M条第一测井变量第1个第一测井样品的样品值,表示第k个钻孔的第M条第一测井变量第Nk个第一测井样品的样品值;勘探线A上第k个钻孔的钻孔测井曲线数据xk由矩阵1进行表达:
其中,j表示第k个钻孔的第j条第一测井变量且j∈(1,M),j为自然数;i表示第k个钻孔第j条第一测井变量中的第i个第一测井样品且i∈(1,Nk),i为自然数;
步骤a3:钻孔测井曲线数据预处理:
测井曲线具有不同的数据单位、不同的测量精度及不同的数据分辨率,因此,对钻孔测井曲线数据进行预处理得到钻孔测井标准数据使得钻孔测井曲线数据成为可用于后续进行垂向分带度量分析的钻孔测井标准数据,所述勘探线A上第k个钻孔的钻孔测井标准数据由矩阵2进行表达:
其中,表示预处理后的第k个钻孔中的第条第二测井变量,为自然数,第二测井变量的总条数与第一测井变量的总条数相同,即 表示第k个钻孔第条第二测井变量的第个第二测井样品,为自然数,第二测井样品的总数量与第一测井样品的总数量相同,即 表示第k个钻孔的钻孔测井标准数据中第条第二测井变量第个第二测井样品的样品值;
对钻孔测井曲线数据进行预处理,预处理方式如下:
其中,表示第k个钻孔中第j条第一测井变量的平均值,即通过第二公式对钻孔测井曲线数据中的第一测井样品进行计算,则第k个钻孔的钻孔测井曲线数据的第j条第一测井变量第i个第一测井样品的样品值通过预处理后得到的第k个钻孔的钻孔测井标准数据中第条第二测井变量第个第二测井样品的样品值运用第二公式进行计算,第二公式计算如下:
其中,r表示第k个钻孔中第j条第一测井变量上的第r个第一测井样品,r∈(1,Nk),r为自然数;为第k个钻孔中第j条第一测井变量第r个第一测井样品的样品值,表示第k个钻孔第j条第一测井变量中的第一测井样品最小值为第r个第一测井样品的样品值;
步骤a4:构造与钻孔测井标准数据相匹配的年代约束数据;
对每个钻孔在垂向不同深度位置的地层年代进行统计,得到与钻孔测井标准数据相匹配的地层年代定性数据,按照地层年代定性数据将每个钻孔在垂向不同深度位置上划分成不同的垂向带,使得每个垂向带内所有的钻孔测井标准数据的第二测井样品均属于同一个地层年代,通过计算机将垂向带划分后的地层年代定性数据转为年代约束数据,则第1个钻孔至第k个钻孔的年代约束数据y1,y2,…,yk表达形式为矩阵集二:
其中,矩阵集二中d表示每个钻孔中垂向带的总数量,d1、d2……dk为自然数,用于表示所述勘探线A上第1个到第k个钻孔中每个钻孔内垂向带的总数量,即d1表示第1个钻孔中共包含d1个垂向带,d2表示第2个钻孔共包含d2个垂向带,dk表示第k个钻孔中共包含dk个垂向带;n表示同一个垂向带内约束样品的总数量,n1为第1个钻孔中同一个垂向带内约束样品的总数量,为自然数,用于表示第1个钻孔中的第1个到第d1个垂向带内约束样品的总数量,即为第1个钻孔中第1个垂向带内约束样品的总数量,为第1个钻孔中第2个垂向带内约束样品的总数量,为第1个钻孔中第d1个垂向带内约束样品的总数量;n2为第2个钻孔中同一个垂向带内约束样品的总数量,为自然数,用于表示第2个钻孔中的第1个到第d2个垂向带内约束样品的总数量,即为第2个钻孔中第1个垂向带内约束样品的总数量,为第2个钻孔中第2个垂向带内约束样品的总数量,为第1个钻孔中第d2个垂向带内约束样品的总数量;nk为第k个钻孔中同一个垂向带内约束样品的总数量,为自然数,用于表示第k个钻孔中的第1个到第dk个垂向带内约束样品的总数量,即为第k个钻孔中第1个垂向带内约束样品的总数量,为第k个钻孔中第2个垂向带内约束样品的总数量,为第k个钻孔中第dk个垂向带内约束样品的总数量;y1表示勘探线A上第1个钻孔的年代约束数据,为第1个钻孔中第1个垂向带第1个约束样品的样品值,为第1个钻孔中第1个垂向带第2个约束样品的样品值,为第1个钻孔中第1个垂向带第个约束样品的样品值,为第1个钻孔中第2个垂向带第1个约束样品的样品值,为第1个钻孔中第2个垂向带第2个约束样品的样品值,为第1个钻孔中第2个垂向带第个约束样品的样品值,为第1个钻孔中第d1个垂向带第1个约束样品的样品值,为第1个钻孔中第d1个垂向带第个约束样品的样品值;y2表示勘探线A上第2个钻孔的年代约束数据,为第2个钻孔中第1个垂向带第1个约束样品的样品值,为第2个钻孔中第1个垂向带第2个约束样品的样品值,为第2个钻孔中第1个垂向带第个约束样品的样品值,为第2个钻孔中第2个垂向带第1个约束样品的样品值,为第2个钻孔中第2个垂向带第2个约束样品的样品值,为第2个钻孔中第2个垂向带第个约束样品的样品值,为第2个钻孔中第d2个垂向带第1个约束样品的样品值,为第2个钻孔中第d2个垂向带第个约束样品的样品值;yk表示勘探线A上第k个钻孔的年代约束数据,为第k个钻孔中第1个垂向带第1个约束样品的样品值,为第k个钻孔中第1个垂向带第2个约束样品的样品值,为第k个钻孔中第1个垂向带第个约束样品的样品值,为第k个钻孔中第2个垂向带第1个约束样品的样品值,为第k个钻孔中第2个垂向带第2个约束样品的样品值,为第k个钻孔中第2个垂向带第个约束样品的样品值,为第k个钻孔中第dk个垂向带第1个约束样品的样品值,为第k个钻孔中第dk个垂向带第个约束样品的样品值;由此,勘探线A上的第k个钻孔的年代约束数据yk可由矩阵3进行表达:
其中,p为自然数,表示第k个钻孔的第p个垂向带,第k个钻孔中共包含dk个垂向带,即p∈(1,dk),为第p个垂向带内约束样品的总数量,为自然数,l表示第p个垂向带内的第l个约束样品,l为自然数且 表示第k个钻孔中第p个垂向带内第l个约束样品的样品值;
步骤a5:年代约束数据对钻孔测井标准数据进行年代约束分析;
年代约束数据将钻孔测井标准数据在垂向不同深度位置分成不同的垂向带,每个垂向带内的钻孔测井标准数据均属于同一个地层年代,使用相关成分分析方法计算每个垂向带内钻孔测井标准数据的总方差,第k个钻孔的钻孔测井标准数据总方差为Ck,对Ck进行计算,第三公式计算如下:
步骤a6:年代约束度量数据对钻孔测井标准数据进行垂向分带度量分析;
根据年代约束度量数据将较大的权重分配给对砂岩型铀矿成矿作用影响程度高的第二测井变量,同时,将较低的权重分配给相对影响程度低的第二测井变量,即对每个钻孔测井标准数据进行垂向分带度量分析,勘探线A上第k个钻孔的垂向分带度量数据为可由第五公式进行计算,第五公式计算如下:
其中,表示第k个钻孔中的第条第三测井变量,为自然数,第三测井变量的总条数与第一测井变量的总条数相同,即 表示第k个钻孔第条第三测井变量的第个第三测井样品,为自然数,第三测井样品的总数量与第一测井样品的总数量相同,即 表示第k个钻孔的钻孔测井标准数据中第条第三测井变量第个第三测井样品的样品值;
步骤a7:获得所有钻孔的垂向分带特征:
分步骤1,采用第六公式得到第一垂向分带特征获取方式:
分步骤2,采用第七公式得到第二垂向分带特征获取方式:
步骤a8:计算垂向分带变异值:
对所有钻孔的垂向分带特征进行时间-空间频域分析,即通过第八公式得到第k个钻孔的时空频域函数Sk(ω),为与第一垂向分带特征获取方式相对应的第k个钻孔的时空频域函数,为与第二垂向分带特征获取方式相对应的第k个钻孔的时空频域函数,第八公式表达如下:
其中,h表示垂向分带特征上的第h个垂向测井样品且h=1,2,3,…,(Nk-1),h为自然数,ω表示垂向测井样品在垂向分带特征内的时空频域特征,ω=2πf,f为垂向分带特征中垂向深度位置t的振荡频率,f为自然数,垂向测井样品的振荡频率越高,表示垂向测井样品所对应的深度位置成为含铀层的概率越大;
对时空频域函数Sk(ω)进行傅里叶逆变换,将其变换到砂岩型铀矿垂向地下空间范围内,得到第k个钻孔的垂向分带标准特征 包括有和 表示第k个钻孔时空频域函数所对应的垂向分带标准特征,表示第k个钻孔时空频域函数所对应的垂向分带标准特征,和进行计算,第九公式表达如下:
砂岩型铀矿垂向不同深度位置序列具有不连续性,呈离散性的特征,使得对于每个与ω对应的时空频域函数Sk(ω)在垂向不同深度位置上的某些特定ω值才具有成矿可能性;而在实际砂岩型铀矿勘探研究中,每一个垂向地下深度位置均具有成矿可能性;因此,对ω进行垂向空间变换,得到垂向频域特征ωa和第k个钻孔的时空频域标准函数Sk(ωa),使得垂向频域特征ωa在时空频域标准函数Sk(ωa)中每一个垂向深度位置均具有成矿可能性;Sk(ωa)包括有和表示第k个钻孔垂向分带标准特征的时空频域标准函数,表示第k个钻孔垂向分带标准特征的时空频域标准函数,对和进行计算,第十公式如下:
g表示垂向分带标准特征上的第g个垂向标准样品且g=1,2,3,…,(Nk-1),g为自然数,Tg为垂向分带标准特征中垂向标准样品的平均间隔且ωa为的倍数且a表示时空频域函数的第a个时空域样品,a为自然数,a=1,2,3,…,Nk-1,对时空频域标准函数进行傅里叶逆变换,得到第k个钻孔的垂向深度位置t处的垂向分带变异值包含有和表示第k个钻孔时空频域标准函数在垂向深度位置t上的垂向分带变异值,表示第k个钻孔时空频域标准函数在垂向深度位置t上的垂向分带变异值,对和进行计算,第十一公式计算如下:
垂向深度位置t处的垂向分带变异值,用于反应垂向深度位置t是否为砂岩型铀矿的可能性;
步骤a9:砂岩型铀矿含铀层识别与提取:
设定垂向分带变异值的提取阈值,则勘探线A上所有钻孔不同垂向深度位置上的垂向分带变异值大于所设定提取阈值的垂向深度位置即为铀矿化边界深度位置,相邻铀矿化边界深度位置对应的深度区间即为含铀层,含铀层内任意深度位置所对应的垂向分带变异值均大于所设定的提取阈值。
具体实施方式
下面结合具体实施方式来进一步说明本发明的技术方案。本发明技术方案一种计算机垂向地下空间分带含铀层识别方法的方法过程为:
实施例一:砂岩型铀矿床地球物理钻孔测井定量数据即为钻孔测井数据集。砂岩型铀矿床在实际勘探中会根据地理位置进行勘探线部署,每一勘探线均包含多个钻孔且每个钻孔均包含多条测井曲线,如自然伽玛测照射量率(n C/kg·h)、定量伽玛测照射量率(nC/kg·h)、孔径(mm)、自然电位(mv)、视电阻率(Ω·m)、密度(g/cm3)等。我们可以把同一勘探线不同钻孔测井曲线表达为如下矩阵:
其中,k为第k个钻孔,Nk为第k个钻孔中测井曲线样品点的个数,即采样点数量,M为每个钻孔上测井曲线的条数,同一勘探线上每个钻孔测井曲线数量相同,由此每个钻孔的数据集xk和该条勘探线总数据集X可由如下矩阵进行表达:
其中,p表示第p个地层年代信息且p∈(1,cp),cp表示每个钻孔内地层年代信息的数量,l表示第p个地层年代信息内第l个数据点且该年代约束信息内的数据总数为np;
数据收集完成后,本发明的具体步骤为:
步骤1、地球物理钻孔测井曲线数据预处理
地球物理钻孔测井曲线数据通常属于不同数据单位、不同尺度,不同分辨率下的数据,因此应先对其进行垂直无量纲处理,使其均变成可用于融合度量分析的无量纲数据,本发明共提供两种数据预处理方式;
无量纲处理方式①
对每个钻孔内的每条测井曲线的样本标准差进行计算,计算公式如下:
无量纲处理方式②
对每个钻孔内的每条测井曲线运用改进后的自相关度量方法进行无量纲归一化处理,其计算公式如下:
其中t为测井数据采样点坐标且t=1,2,3,…n,n≤Nk;
根据与每个钻孔测井曲线相匹配的年代约束矩阵将垂向空间范围内的钻孔测井曲线数据分成不同的垂向带,每一垂向带内的钻孔测井数据均属于同一个地层年代,运用相关成分分析思想计算每一垂向带内的钻孔测井曲线定量数据的总方差,其计算公式如下所示:
对上述计算结果进行线性转换并构造其最优垂向带转换矩阵,使得垂向带内总方差尽可能达到最小,以此来度量不同测井曲线之间的关系,其线性转换公式如下所示:
步骤3:钻孔测井曲线融合度量分析
对于钻孔测井数据而言,虽然本发明已经将其转换为无量纲数据,但每条钻孔测井数据仍属于一个独立的个体,同时这些独立的个体之间又存在着某些必然的联系;因此,根据不同测井曲线间的度量结果,将较大的权重分配给对砂岩型铀矿成矿影响程度高的钻孔测井曲线数据,同时,将较低的权重分配给相对影响程度低的测井曲线数据,即对每个钻孔测井数据进行如下运算,得到新的测井曲线数据融合度量结果,其计算公式如下所示:
步骤4:获得空间垂向分带度量特征
令Rk(t)为钻孔测井曲线的空间垂向分带度量特征,本发明共提供两种分带度量方式;
空间垂向分带度量①
空间垂向分带度量②
其中,t为垂向空间内采样点深度位置;
步骤5:计算空间垂向变异幅度值
地球物理钻孔测井曲线在砂岩型铀矿垂向空间上具有“振荡”性特征,采用基于傅里叶-功率谱密度的离散化方法对空间垂向度量后的曲线数据进行时间频域分析,可得到第k个钻孔的时间频域函数Sk(ω),计算公式如下:
其中i=1,2,3,…,N-1,ω=2πf且f为数据的振荡频率;
根据功率谱密度和傅里叶变换思想,对时间频域函数进行傅里叶逆变换,将其转换到垂向空间范围内,则第k个钻孔的空间垂向分带度量Rk(t)的变换可用如下公式进行定义:
砂岩型铀矿空间垂向序列在实际中具有不连续性及离散性特征,导致对于每一个ω其计算函数S(ω)并不是均具有意义,而是对空间内某些特定的ω值才具有意义,因此需要对ω进行变换,设ωm为的倍数,则有变换后的ωm在函数S(ω)中每一个数据值均有意义,令Tn为测井数据采样的平均间隔且则第九公式可扩展到空间离散区域,扩展后的计算公式如下:
则第十公式的傅里叶逆变换亦可表达为:
根据扩展到离散区域后计算到的Rk(t)值即为采样点t深度位置处的垂向空间变异幅度值,反应了采样点t深度位置处是否为铀矿化的可能性;
步骤6:含铀层识别与提取
对该区域的垂向空间变异幅度值进行提取阈值设定,这时,大于所设定的阈值的空间垂向变异幅度值所对应的空间垂向深度范围即为含铀层,可用于铀矿异常区域圈定研究。
在本发明中对预处理后的地球物理钻孔测井数据和地层年代信息数据进行分析,发明一种砂岩型铀矿空间垂向分带含铀层识别方法并将其应用在砂岩型铀矿含铀层识别研究中。
地球物理钻孔测井数据通常由不同种类、不同尺度及不同分辨率下的自然伽玛测照射量率(n C/kg·h)、定量伽玛测照射量率(n C/kg·h)、孔径(mm)、自然电位(mv)、视电阻率(Ω·m)、密度(g/cm3)等测井曲线构成,令为地球物理钻孔测井曲线数据集,其中k为第k个钻孔,Nk为第k个钻孔中测井曲线样品点的个数,即采样点数量,j表示第k个钻孔中的第j条测井曲线。
本发明首先对地球物理钻孔测井数据和地层年代信息数据进行收集与预处理。在此,本发明共提供了两种地球物理钻孔测井数据无量纲处理方式,在实际运算中选择其中一种即可。无量纲处理方式①是采用标准差和标准化的处理方式,即计算每条测井曲线的样本标准差这里其中表示第k个钻孔中的第j条测井曲线的平均值,然后利用改进后的标准化处理方式对钻孔测井数据进行处理,其中,为第k个钻孔中第j条测井曲线的样品点(采样点)最小值。无量纲处理方式②是采用改进后的自相关度量的方式对钻孔测井曲线进行无量纲归一化处理,其中t为测井数据采样点坐标且t=1,2,3,…n,n≤Nk。进行无量纲数据处理后即可得到无量纲钻孔测井定量数据即为本发明的后续的钻孔测井输入数据。
然后根据钻孔测井数据在地下垂向空间范围内出露的地层年代信息,收集这些地层年代信息并构造基于相关成分分析的与无量纲钻孔测井数据相匹配的年代约束矩阵其中p表示第p个地层年代信息且p∈(1,cp),cp表示每个钻孔年代地层信息的数量,l表示第p个地层年代信息内第l个数据点且该年代约束信息内的数据总数为np。预处理后的年代约束信息定性数据即为本发明中与无量纲钻孔测井数据相匹配的年代约束信息输入数据。
然后根据地层年代信息将钻孔测井数据在垂向空间范围内分成不同的垂向带,每一垂向带内的钻孔测井数据均属于同一个地层年代,即年代约束信息。然后计算钻孔测井数据进行年代约束后的总方差这里其中表示第k个钻孔中的第p个年代约束信息的平均值并对进行非线性转换使得垂向带内总方差尽可能达到最小,以此来度量不同测井曲线之间的关系。
然后进行钻孔测井曲线融合度量分析,根据上述不同测井曲线之间的度量结果,将较大的权重分配给对砂岩型铀矿成矿影响程度高的钻孔测井曲线数据,同时,将较低的权重分配给相对影响程度低的测井曲线数据,即对钻孔测井数据进行运算,将每个钻孔内均属于独立个体的测井曲线进行融合分析,得到新的测井数据融合度量结果。
然后获取空间垂向分带度量特征,令Rk(t)为钻孔测井曲线的空间垂向分带度量,本发明共提供两种度量方式,在实际运算中选择其中一种即可。空间垂向分带度量①为即将新的测井曲线融合度量结果的第一列数据作为空间垂向分带度量特征。空间垂向分带度量为即将新的测井曲线融合度量结果的平均值作为空间垂向分带度量特征。其中,t为垂向空间内采样点的深度位置。
然后计算空间垂向变异幅度值,在其计算过程中,采用基于傅里叶-功率谱密度的离散化方法对空间垂向分带度量后的数据进行时间频域分析,则第k个钻孔的时间频域函数为其中i=1,2,3,…,N-1,ω=2πf且f为数据的振荡频率。然后将时间频域函数进行傅里叶逆变换将其转换到垂向空间分带范围内。在实际的钻孔测井数据获取中,空间垂向深度范围内的钻孔测井数据通常具有不连续及离散性特征,每一个ω其计算函数S(ω)并不是均具有意义,而是对空间内某些特定的ω值才具有意义,因此对ω进行变换,设ωm为的倍数,则有变换后的ωm在函数S(ω)中每一个数据值均有意义,因此,可将上述时间频域函数Sk(ω)及其傅里叶逆变换得到的空间垂向度量Rk(t)扩展到空间离散区域,扩展后可用如下公式进行计算。
然后根据逆变换得到的空间垂向度量Rk(t)进行含铀层识别与提取,空间垂向度量Rk(t)的值即为采样点t深度位置处的垂向空间变异幅度值,然后根据该区域设定的提取阈值进行垂向空间变异幅度值及其对应的采样点深度位置提取工作,大于所设定的阈值的空间垂向变异幅度值所对应的空间垂向深度范围即为含铀层,可用于铀矿异常区域圈定研究。
实施例二:根据砂岩型铀矿在空间垂向范围内的成层性及分带性,利用地球物理钻孔测井定量数据和与之相匹配的地层年代信息定性数据进行砂岩型铀矿空间垂向分带含铀层识别研究。用数学矩阵来表示每个钻孔的测井曲线数据并对该数据进行无量纲数据处理。同时,定义基于相关成分分析的与每个钻孔测井曲线数据相匹配的年代约束矩阵,根据上述无量纲处理后的钻孔测井数据和与之相匹配的年代约束信息数据可以较好的反映砂岩型铀矿垂向空间范围内的分布特征,通过对钻孔测井数据进行年代约束后的总方差进行钻孔测井曲线进行融合度量分析,可得到空间垂向分带度量特征,用以衡量砂岩型铀矿在空间垂向范围内的分带特征;最后,针对空间垂向分带度量进行离散化时间频域与傅里叶逆变换分析,得到每个钻孔的空间垂向变异幅度值,通过提取阈值设定,空间垂向变异幅度值大于所设定的阈值时,其所对应的空间垂向深度范围即为含铀层,可用于铀矿异常区域圈定研究。
具体方法为:选择无量纲处理方式对地球物理钻孔测井数据进行无量纲处理,本发明提供了两种无量纲处理方法,在实际运算中选择其中一种即可,经过无量纲处理后的钻孔测井曲线即为钻孔测井曲线定量输入数据。同时,根据每个钻孔垂向空间范围内地层年代的分布情况构造与地球物理钻孔测井数据相匹配的年代约束矩阵,即为年代约束信息定性输入数据。然后根据地层年代信息将钻孔测井数据在垂向空间范围内分成不同的垂向带,每一垂向带内的钻孔测井数据均属于同一个地层时代,根据公式计算钻孔测井数据进行年代约束后的总方差并对其进行线性转换,使垂向带内总方差尽可能达到最小,以此来度量不同测井曲线之间的关系。然后进行钻孔测井曲线融合度量分析,根据上述不同测井曲线之间的度量结果,将较大的权重分配给对砂岩型铀矿成矿影响程度高的钻孔测井曲线数据,同时,将较低的权重分配给相对影响程度低的测井曲线数据,进而将每个钻孔内均属于独立个体的测井曲线进行融合分析,获取新的测井数据融合度量结果。然后确定空间垂向分带度量特征,在此本发明共提供两种度量方式,在实际运算中选择其中一种即可。然后采用离散化方法对空间垂向分带度量后的数据进行时间频域分析,并将时间频域函数进行逆变换,将其转换到垂向空间分带范围内,得到空间垂向变异幅度值。设置空间变异幅度值阈值,根据该阈值对垂向空间变异幅度值及其对应采样点深度位置进行提取,大于所设定的阈值的空间垂向变异幅度值所对应的空间垂向深度范围即为含铀层,可用于铀矿异常区域圈定研究。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
有益效果:通过本发明的研究丰富与发展相关成分分析在砂岩型铀矿含铀层精准识别方面的方法,可望为砂岩型铀矿含铀层识别与提取提供更加有效的手段和工具。相关成分分析与傅里叶-功率谱密度的结合,必将提高砂岩型铀矿含铀层识别的精准度,可为砂岩型铀矿的垂向空间分布特征、砂岩型铀矿含铀层精确识别及砂岩型铀矿资源预测提供更为有效的研究方法和技术手段;同时,进一步提高砂岩型铀矿在能源开发等方面的应用效果和实用价值,提供一种砂岩型铀矿空间垂向分带含铀层识别方法,提高了砂岩型铀矿在垂向空间范围内的研究水平,可为砂岩型含铀盆地空间垂向分带体系建立及砂岩型铀矿资源预测提供依据与技术方法。
Claims (1)
1.一种计算机垂向地下空间分带含铀层识别方法,其特征在于:包括有:步骤a1:将砂岩型铀矿床作为分析空间,对所述分析空间进行勘探线部署,在部署的所述勘探线A上的不同的位置,运用地质钻机Z进行岩芯钻孔取样,每一个位置均得到一个钻孔,每一个钻孔均包含B条测井曲线,B为自然数,所述测井曲线的种类包括自然伽玛测照射量率曲线、定量伽玛测照射量率曲线、孔径曲线、自然电位曲线、视电阻率曲线和密度曲线;通过计算机对每个钻孔所包含的B条所述测井曲线进行垂向分析,并根据所述测井曲线垂向深度位置的深度位置区间分隔成识别区域进行识别,从而找出含铀层;
步骤a2:通过计算机将每个钻孔所包含的B条测井曲线转为每个钻孔的钻孔测井曲线数据,钻孔测井曲线数据由所述测井曲线在地下垂向不同深度位置上的测量值组成,测井曲线在地下垂向不同的深度位置为第一测井样品,测量值为第一测井样品的样品值,样品值为自然数,样品值用于反映测井曲线在地下垂向不同深度位置上的测量值的大小,第一测井变量表示钻孔测井曲线数据中测井曲线的条数,第一测井变量为自然数,每一测井变量均为不同的测井曲线种类,从而将每一个钻孔的所述钻孔测井曲线数据用一个矩阵的形式进行表达,则所述勘探线A上的所有钻孔得到的数据由矩阵集1的方式来描述:矩阵集1;
其中,矩阵集1中共包含k个钻孔,k为勘探线A上的第k个钻孔,为自然数;M为所述勘探线A上每个钻孔的所述钻孔测井曲线数据中第一测井变量的总条数,M为自然数;第一测井变量的总条数等于测井曲线的总条数,即M=B;N为每个钻孔的钻孔测井曲线数据在垂向不同深度位置上的第一测井样品的总数量,N1、N2……Nk为自然数,用于表示勘探线A上第1个到第k个钻孔的钻孔测井曲线数据的第一测井样品的总数量,即N1为第1个钻孔的钻孔测井曲线数据的第一测井样品的总数量,N2为第2个钻孔的钻孔测井曲线数据的第一测井样品的总数量,Nk为第k个钻孔的钻孔测井曲线数据的第一测井样品的总数量;x1表示勘探线A上第1个钻孔的钻孔测井曲线数据,表示第1个钻孔的第1条第一测井变量第1个第一测井样品的样品值,表示第1个钻孔的第1条第一测井变量第2个第一测井样品的样品值,表示第1个钻孔的第1条第一测井变量第N1个第一测井样品的样品值,表示第1个钻孔的第2条第一测井变量第1个第一测井样品的样品值,表示第1个钻孔的第M条第一测井变量第1个第一测井样品的样品值;x2表示勘探线A上第2个钻孔的钻孔测井曲线数据,表示第2个钻孔的第1条第一测井变量第1个第一测井样品的样品值,表示第2个钻孔的第M条第一测井变量第1个第一测井样品的样品值,表示第2个钻孔的第M条第一测井变量第N2个第一测井样品的样品值;xk表示勘探线A上第k个钻孔的钻孔测井曲线数据,表示第k个钻孔的第1条第一测井变量第1个第一测井样品的样品值,表示第k个钻孔的第M条第一测井变量第1个第一测井样品的样品值,表示第k个钻孔的第M条第一测井变量第Nk个第一测井样品的样品值;勘探线A上第k个钻孔的钻孔测井曲线数据xk由矩阵1进行表达:
其中,j表示第k个钻孔的第j条第一测井变量且j∈(1,M),j为自然数;i表示第k个钻孔第j条第一测井变量中的第i个第一测井样品且i∈(1,Nk),i为自然数;表示第k个钻孔第j条第一测井变量第i个第一测井样品的样品值;
步骤a3:钻孔测井曲线数据预处理:
测井曲线具有不同的数据单位、不同的测量精度及不同的数据分辨率,因此,对钻孔测井曲线数据进行预处理得到钻孔测井标准数据使得钻孔测井曲线数据成为可用于后续进行垂向分带度量分析的钻孔测井标准数据,钻孔测井曲线数据中的第一测井样品经过预处理后为第二测井样品,钻孔测井曲线数据中的第一测井变量经过预处理后为第二测井变量;所述勘探线A上第k个钻孔的钻孔测井标准数据由矩阵2进行表达:
其中,表示预处理后的第k个钻孔中的第条第二测井变量,为自然数,第二测井变量的总条数与第一测井变量的总条数相同,即 表示第k个钻孔第条第二测井变量的第个第二测井样品,为自然数,第二测井样品的总数量与第一测井样品的总数量相同,即 表示第k个钻孔的钻孔测井标准数据中第条第二测井变量第个第二测井样品的样品值;
对钻孔测井曲线数据进行预处理,预处理方式如下:
其中,表示第k个钻孔中第j条第一测井变量的平均值,即通过第二公式对钻孔测井曲线数据中的第一测井样品进行计算,则第k个钻孔的钻孔测井曲线数据的第j条第一测井变量第i个第一测井样品的样品值通过预处理后得到的第k个钻孔的钻孔测井标准数据中第条第二测井变量第个第二测井样品的样品值运用第二公式进行计算,第二公式计算如下:
其中,r表示第k个钻孔中第j条第一测井变量上的第r个第一测井样品,r∈(1,Nk),r为自然数;为第k个钻孔中第j条第一测井变量第r个第一测井样品的样品值,表示第k个钻孔第j条第一测井变量中的第一测井样品最小值为第r个第一测井样品的样品值;
步骤a4:构造与钻孔测井标准数据相匹配的年代约束数据;
对每个钻孔在垂向不同深度位置的地层年代进行统计,得到与钻孔测井标准数据相匹配的地层年代定性数据,按照地层年代定性数据将每个钻孔在垂向不同深度位置上划分成不同的垂向带,使得每个垂向带内所有的钻孔测井标准数据的第二测井样品均属于同一个地层年代,通过计算机将垂向带划分后的地层年代定性数据转为年代约束数据,则第1个钻孔至第k个钻孔的年代约束数据y1,y2,…,yk表达形式为矩阵集二:
其中,矩阵集二中d表示每个钻孔中垂向带的总数量,d1、d2……dk为自然数,用于表示所述勘探线A上第1个到第k个钻孔中每个钻孔内垂向带的总数量,即d1表示第1个钻孔中共包含d1个垂向带,d2表示第2个钻孔共包含d2个垂向带,dk表示第k个钻孔中共包含dk个垂向带;n表示同一个垂向带内约束样品的总数量,n1为第1个钻孔中同一个垂向带内约束样品的总数量,为自然数,用于表示第1个钻孔中的第1个到第d1个垂向带内约束样品的总数量,即为第1个钻孔中第1个垂向带内约束样品的总数量,为第1个钻孔中第2个垂向带内约束样品的总数量,为第1个钻孔中第d1个垂向带内约束样品的总数量;n2为第2个钻孔中同一个垂向带内约束样品的总数量,为自然数,用于表示第2个钻孔中的第1个到第d2个垂向带内约束样品的总数量,即为第2个钻孔中第1个垂向带内约束样品的总数量,为第2个钻孔中第2个垂向带内约束样品的总数量,为第1个钻孔中第d2个垂向带内约束样品的总数量;nk为第k个钻孔中同一个垂向带内约束样品的总数量,为自然数,用于表示第k个钻孔中的第1个到第dk个垂向带内约束样品的总数量,即为第k个钻孔中第1个垂向带内约束样品的总数量,为第k个钻孔中第2个垂向带内约束样品的总数量,为第k个钻孔中第dk个垂向带内约束样品的总数量;y1表示勘探线A上第1个钻孔的年代约束数据,为第1个钻孔中第1个垂向带第1个约束样品的样品值,为第1个钻孔中第1个垂向带第2个约束样品的样品值,为第1个钻孔中第1个垂向带第个约束样品的样品值,为第1个钻孔中第2个垂向带第1个约束样品的样品值,为第1个钻孔中第2个垂向带第2个约束样品的样品值,为第1个钻孔中第2个垂向带第个约束样品的样品值,为第1个钻孔中第d1个垂向带第1个约束样品的样品值,为第1个钻孔中第d1个垂向带第个约束样品的样品值;y2表示勘探线A上第2个钻孔的年代约束数据,为第2个钻孔中第1个垂向带第1个约束样品的样品值,为第2个钻孔中第1个垂向带第2个约束样品的样品值,为第2个钻孔中第1个垂向带第个约束样品的样品值,为第2个钻孔中第2个垂向带第1个约束样品的样品值,为第2个钻孔中第2个垂向带第2个约束样品的样品值,为第2个钻孔中第2个垂向带第个约束样品的样品值,为第2个钻孔中第d2个垂向带第1个约束样品的样品值,为第2个钻孔中第d2个垂向带第个约束样品的样品值;yk表示勘探线A上第k个钻孔的年代约束数据,为第k个钻孔中第1个垂向带第1个约束样品的样品值,为第k个钻孔中第1个垂向带第2个约束样品的样品值,为第k个钻孔中第1个垂向带第个约束样品的样品值,为第k个钻孔中第2个垂向带第1个约束样品的样品值,为第k个钻孔中第2个垂向带第2个约束样品的样品值,为第k个钻孔中第2个垂向带第个约束样品的样品值,为第k个钻孔中第dk个垂向带第1个约束样品的样品值,为第k个钻孔中第dk个垂向带第个约束样品的样品值;由此,勘探线A上的第k个钻孔的年代约束数据yk可由矩阵3进行表达:
其中,p为自然数,表示第k个钻孔的第p个垂向带,第k个钻孔中共包含dk个垂向带,即p∈(1,dk),为第p个垂向带内约束样品的总数量,为自然数,l表示第p个垂向带内的第l个约束样品,l为自然数且 表示第k个钻孔中第p个垂向带内第l个约束样品的样品值;
步骤a5:年代约束数据对钻孔测井标准数据进行年代约束分析;
年代约束数据将钻孔测井标准数据在垂向不同深度位置分成不同的垂向带,每个垂向带内的钻孔测井标准数据均属于同一个地层年代,使用相关成分分析方法计算每个垂向带内钻孔测井标准数据的总方差,第k个钻孔的钻孔测井标准数据总方差为Ck,对Ck进行计算,第三公式计算如下:
步骤a6:年代约束度量数据对钻孔测井标准数据进行垂向分带度量分析;
根据年代约束度量数据将较大的权重分配给对砂岩型铀矿成矿作用影响程度高的第二测井变量,同时,将较低的权重分配给相对影响程度低的第二测井变量,即对每个钻孔测井标准数据进行垂向分带度量分析,钻孔测井标准数据中的第二测井样品经过垂向分带度量分析后为第三测井样品,钻孔测井标准数据中的第二测井变量经过垂向分带度量分析后为第三测井变量;勘探线A上第k个钻孔的垂向分带度量数据为可由第五公式进行计算,第五公式计算如下:
其中,表示第k个钻孔中的第条第三测井变量,为自然数,第三测井变量的总条数与第一测井变量的总条数相同,即 表示第k个钻孔第条第三测井变量的第个第三测井样品,为自然数,第三测井样品的总数量与第一测井样品的总数量相同,即 表示第k个钻孔的钻孔测井标准数据中第条第三测井变量第个第三测井样品的样品值;
步骤a7:获得所有钻孔的垂向分带特征:
分步骤1,采用第六公式得到第一垂向分带特征获取方式:
分步骤2,采用第七公式得到第二垂向分带特征获取方式:
步骤a8:计算垂向分带变异值:
对所有钻孔的垂向分带特征进行时间-空间频域分析,即通过第八公式得到第k个钻孔的时空频域函数Sk(ω),为与第一垂向分带特征获取方式相对应的第k个钻孔的时空频域函数,为与第二垂向分带特征获取方式相对应的第k个钻孔的时空频域函数,第八公式表达如下:
其中,h表示垂向分带特征上的第h个垂向测井样品且h=1,2,3,…,(Nk-1),h为自然数,ω表示垂向测井样品在垂向分带特征内的时空频域特征,ω=2πf,f为垂向分带特征中垂向深度位置t的振荡频率,f为自然数,垂向测井样品的振荡频率越高,表示垂向测井样品所对应的深度位置成为含铀层的概率越大;
对时空频域函数Sk(ω)进行傅里叶逆变换,将其变换到砂岩型铀矿垂向地下空间范围内,得到第k个钻孔的垂向分带标准特征 包括有和 表示第k个钻孔时空频域函数所对应的垂向分带标准特征,表示第k个钻孔时空频域函数所对应的垂向分带标准特征,和进行计算,第九公式表达如下:
砂岩型铀矿垂向不同深度位置序列具有不连续性,呈离散性的特征,使得对于每个与ω对应的时空频域函数Sk(ω)在垂向不同深度位置上的某些特定ω值才具有成矿可能性;而在实际砂岩型铀矿勘探研究中,每一个垂向地下深度位置均具有成矿可能性;因此,对ω进行垂向空间变换,得到垂向频域特征ωa和第k个钻孔的时空频域标准函数Sk(ωa),使得垂向频域特征ωa在时空频域标准函数Sk(ωa)中每一个垂向深度位置均具有成矿可能性;Sk(ωa)包括有和 表示第k个钻孔垂向分带标准特征的时空频域标准函数,表示第k个钻孔垂向分带标准特征的时空频域标准函数,对和进行计算,第十公式如下:
g表示垂向分带标准特征上的第g个垂向标准样品且g=1,2,3,…,(Nk-1),g为自然数,Tg为垂向分带标准特征中垂向标准样品的平均间隔且ωa为的倍数且a表示时空频域函数的第a个时空域样品,a为自然数,a=1,2,3,…,Nk-1,对时空频域标准函数进行傅里叶逆变换,得到第k个钻孔的垂向深度位置t处的垂向分带变异值 包含有和 表示第k个钻孔时空频域标准函数在垂向深度位置t上的垂向分带变异值,表示第k个钻孔时空频域标准函数在垂向深度位置t上的垂向分带变异值,对和进行计算,第十一公式计算如下:
垂向深度位置t处的垂向分带变异值,用于反应垂向深度位置t是否为砂岩型铀矿的可能性;
步骤a9:砂岩型铀矿含铀层识别与提取:
设定垂向分带变异值的提取阈值,则勘探线A上所有钻孔不同垂向深度位置上的垂向分带变异值大于所设定提取阈值的垂向深度位置即为铀矿化边界深度位置,相邻铀矿化边界深度位置对应的深度区间即为含铀层,含铀层内任意深度位置所对应的垂向分带变异值均大于所设定的提取阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110686796.0A CN113279748B (zh) | 2021-06-21 | 2021-06-21 | 一种计算机垂向地下空间分带含铀层识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110686796.0A CN113279748B (zh) | 2021-06-21 | 2021-06-21 | 一种计算机垂向地下空间分带含铀层识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113279748A true CN113279748A (zh) | 2021-08-20 |
CN113279748B CN113279748B (zh) | 2022-04-29 |
Family
ID=77285183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110686796.0A Active CN113279748B (zh) | 2021-06-21 | 2021-06-21 | 一种计算机垂向地下空间分带含铀层识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113279748B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557401A (zh) * | 2024-01-12 | 2024-02-13 | 东华理工大学南昌校区 | 一种基于地质大数据的铀矿找矿靶区智能圈定方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4349736A (en) * | 1977-10-17 | 1982-09-14 | Miller Bob R | Method for locating and evaluating subsurface uranium deposits having an apparent grade of up to approximately 5% contained U3 O8 |
US4491411A (en) * | 1982-06-28 | 1985-01-01 | Mobil Oil Corporation | Exploration method for finding uranium ore bodies |
CN103954995A (zh) * | 2014-04-22 | 2014-07-30 | 核工业北京地质研究院 | 一种砂岩型铀矿勘查中的砂体识别方法 |
CN106501871A (zh) * | 2016-09-14 | 2017-03-15 | 核工业二〇八大队 | 一种古河谷型铀矿探测方法 |
CN111045114A (zh) * | 2019-12-31 | 2020-04-21 | 核工业北京地质研究院 | 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 |
CN111090709A (zh) * | 2019-05-17 | 2020-05-01 | 核工业二0八大队 | 一种砂岩型铀矿成矿预测的大数据地质分析方法 |
CN111158052A (zh) * | 2020-01-07 | 2020-05-15 | 吉林大学 | 基于三维储层反演井中含铀砂体井旁分布范围的圈定方法 |
CN111239815A (zh) * | 2020-01-20 | 2020-06-05 | 吉林大学 | 基于三维地震属性的砂岩型铀储层成矿沉积要素提取方法 |
CN111679342A (zh) * | 2020-07-21 | 2020-09-18 | 核工业航测遥感中心 | 快速寻找盆地隐伏砂岩型铀矿方法 |
CN112731559A (zh) * | 2020-12-22 | 2021-04-30 | 核工业北京地质研究院 | 一种利用煤田钻孔信息快速定位砂岩型铀矿化的方法 |
CN112764122A (zh) * | 2019-10-21 | 2021-05-07 | 中国石油化工股份有限公司 | 一种古河道型砂岩铀储层的圈定方法 |
-
2021
- 2021-06-21 CN CN202110686796.0A patent/CN113279748B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4349736A (en) * | 1977-10-17 | 1982-09-14 | Miller Bob R | Method for locating and evaluating subsurface uranium deposits having an apparent grade of up to approximately 5% contained U3 O8 |
US4491411A (en) * | 1982-06-28 | 1985-01-01 | Mobil Oil Corporation | Exploration method for finding uranium ore bodies |
CN103954995A (zh) * | 2014-04-22 | 2014-07-30 | 核工业北京地质研究院 | 一种砂岩型铀矿勘查中的砂体识别方法 |
CN106501871A (zh) * | 2016-09-14 | 2017-03-15 | 核工业二〇八大队 | 一种古河谷型铀矿探测方法 |
CN111090709A (zh) * | 2019-05-17 | 2020-05-01 | 核工业二0八大队 | 一种砂岩型铀矿成矿预测的大数据地质分析方法 |
CN112764122A (zh) * | 2019-10-21 | 2021-05-07 | 中国石油化工股份有限公司 | 一种古河道型砂岩铀储层的圈定方法 |
CN111045114A (zh) * | 2019-12-31 | 2020-04-21 | 核工业北京地质研究院 | 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 |
CN111158052A (zh) * | 2020-01-07 | 2020-05-15 | 吉林大学 | 基于三维储层反演井中含铀砂体井旁分布范围的圈定方法 |
CN111239815A (zh) * | 2020-01-20 | 2020-06-05 | 吉林大学 | 基于三维地震属性的砂岩型铀储层成矿沉积要素提取方法 |
CN111679342A (zh) * | 2020-07-21 | 2020-09-18 | 核工业航测遥感中心 | 快速寻找盆地隐伏砂岩型铀矿方法 |
CN112731559A (zh) * | 2020-12-22 | 2021-04-30 | 核工业北京地质研究院 | 一种利用煤田钻孔信息快速定位砂岩型铀矿化的方法 |
Non-Patent Citations (9)
Title |
---|
JUNFENG ZHAO,ETC: ""Paleogeography reconstruction of a multi-stage modified intra-cratonic basin—a case study from the Jurassic Ordos Basin, Western North China Craton"", 《JOURNAL OF ASIAN EARTH SCIENCES》 * |
TAN YULEI: ""Hyperspectral Band Selection for Lithologic Discrimination and Geological Mapping"", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 * |
万汉平,等: ""层间氧化带砂岩型铀矿有利成矿空间定位——以准噶尔盆地东缘砂岩型铀矿探测为例"", 《地质与勘探》 * |
傅成铭,等: ""大数据时代铀矿勘查数字化和发展方向探讨"", 《铀矿地质》 * |
康乾坤,等: ""基于测井数据的砂岩型铀矿异常识别BP神经网络方法应用"", 《科学技术与工程》 * |
张天福,等: ""鄂尔多斯盆地东北部侏罗纪含铀岩系三维地质结构与铀成矿规律浅析"", 《中国地质》 * |
蔡义峰,等: ""准噶尔盆地北三台凸起新近系含铀砂层分布预测"", 《新疆地质》 * |
蔡煜琦,等: ""大数据时代铀矿资源预测评价的技术方法探讨"", 《铀矿地质》 * |
韩绍阳,等: ""我国铀资源勘查评价中3S技术的应用潜力"", 《铀矿地质》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557401A (zh) * | 2024-01-12 | 2024-02-13 | 东华理工大学南昌校区 | 一种基于地质大数据的铀矿找矿靶区智能圈定方法 |
CN117557401B (zh) * | 2024-01-12 | 2024-04-02 | 东华理工大学南昌校区 | 一种基于地质大数据的铀矿找矿靶区智能圈定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113279748B (zh) | 2022-04-29 |
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 | |
CN101930082B (zh) | 采用电阻率资料进行储层流体类型判别的方法 | |
US9134457B2 (en) | Multiscale digital rock modeling for reservoir simulation | |
KR101148835B1 (ko) | 물리검층 자료의 통계분석을 이용한 오일샌드 저류층 암상 예측방법 및 이를 구현하는 시스템 | |
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 | |
CN102656480A (zh) | 建模储油层盆地的方法 | |
KR101853334B1 (ko) | 순차층서 분석을 통한 비전통자원 개발 구간 예측 방법 | |
CN103698811A (zh) | 一种碳酸盐岩岩石结构组分测井定量识别方法及其用途 | |
Torghabeh et al. | Electrofacies in gas shale from well log data via cluster analysis: a case study of the Perth Basin, Western Australia | |
CN104514552A (zh) | 一种煤层气储层识别与丰度预测的方法 | |
Jozanikohan et al. | The application of multilayer perceptron neural network in volume of clay estimation: case study of Shurijeh gas reservoir, Northeastern Iran | |
Zaitouny et al. | Fast automatic detection of geological boundaries from multivariate log data using recurrence | |
Bauer et al. | Characterization and DFN modelling of the fracture network in a Mesozoic karst reservoir: Gomba oilfield, Paleogene Basin, Central Hungary | |
CN108717211A (zh) | 一种少井地区的有效烃源岩丰度的预测方法 | |
Shakirov et al. | Rock thermal properties from well-logging data accounting for thermal anisotropy | |
CN105350959B (zh) | 由测井岩性密度确定页岩气储层含气饱和度的方法 | |
CN113279748B (zh) | 一种计算机垂向地下空间分带含铀层识别方法 | |
KR101893800B1 (ko) | 암석 물리학상 구축을 통한 퇴적환경 해석 방법 | |
KR101131517B1 (ko) | 물리검층 자료의 통계학적 해석결과를 활용한 오일샌드 지역 지하정보의 처리시스템 및 이를 이용한 오일샌드 지역 지하정보의 처리방법 | |
Ji et al. | Empirical mode decomposition-refined composite multiscale dispersion entropy analysis and its application to geophysical well log data | |
Olasehinde et al. | Aquifers characterization in Agaie, North-Central Nigeria using electrical resistivity method and borehole lithologs | |
CN110119852B (zh) | 一种不确定成矿信息的统一表征方法及系统 | |
Zhang et al. | Multi-parameters logging identifying method for sand body architectures of tight sandstones: A case from the Triassic Chang 9 Member, Longdong area, Ordos Basin, NW China | |
Wu et al. | Combination of seismic attributes using clustering and neural networks to identify environments with sandstone-type uranium mineralization | |
Kieu et al. | Prediction of sonic velocities from other borehole data: An example from the Kevitsa mine site, northern Finland |
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 |