CN113534283B - 一种砂岩型铀矿成矿要素特征的定量评价方法 - Google Patents
一种砂岩型铀矿成矿要素特征的定量评价方法 Download PDFInfo
- Publication number
- CN113534283B CN113534283B CN202110646564.2A CN202110646564A CN113534283B CN 113534283 B CN113534283 B CN 113534283B CN 202110646564 A CN202110646564 A CN 202110646564A CN 113534283 B CN113534283 B CN 113534283B
- Authority
- CN
- China
- Prior art keywords
- ore
- holes
- file
- uranium
- attribute
- 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
- 229910052770 Uranium Inorganic materials 0.000 title claims abstract description 96
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 17
- 238000005553 drilling Methods 0.000 claims abstract description 45
- 238000000540 analysis of variance Methods 0.000 claims abstract description 34
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 19
- 239000011707 mineral Substances 0.000 claims abstract description 19
- 239000002366 mineral element Substances 0.000 claims abstract description 8
- 239000004576 sand Substances 0.000 claims description 66
- 230000033558 biomineral tissue development Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000001419 dependent effect Effects 0.000 claims description 18
- 230000015572 biosynthetic process Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 229910001727 uranium mineral Inorganic materials 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
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
本发明属于铀矿领域,具体公开了一种砂岩型铀矿成矿要素特征的定量评价方法,包括:将有矿钻孔和无矿钻孔数据整合在一起;整理、转换并读入成矿要素文件;将合并后的钻孔数据和成矿要素图层数据读入ARCGIS10软件,并统一各文件的投影方式;通过计算钻孔对应成矿要素图层的特征值,获取可用于单要素方差分析的数据;使用单要素方差分析,分别计算有矿孔和无矿孔铀成矿特征要素的差异显著性;利用步骤5计算出的有矿孔和无矿孔之间各成矿要素的差异显著性,评价成矿特征要素对铀成矿的贡献。本发明方法利用方差分析定量计算有矿孔和无矿孔之间特征要素的差异性,评价成矿特征要素对铀成矿的贡献。
Description
技术领域
本发明属于铀矿领域,具体涉及一种砂岩型铀矿成矿要素特征的定量评价方法。
背景技术
随着铀资源数据获取手段的快速提高,地质、矿产、地球物理、地球化学、遥感等多专业、多领域的调查评价工作为铀资源预测提供了海量数据,在大数据时代背景下要求铀资源预测的思维和方法有所创新和发展。铀资源大数据应用的基本思路是融合多源异构的铀资源数据,建设海量的铀资源样本数据集合,结合机器学习和数据挖掘等技术,分析和挖掘铀资源数据中蕴含的隐含信息,在此基础上建模和预测。其中,基于机器学习的铀成矿预测是铀资源大数据应用的重要方向。
机器学习是人工智能的核心,是使计算机具有智能的根本途径。大数据的核心是预测,是把数学算法运用到海量的数据上来预测事情发生的可能性。针对铀资源预测,可以将有标签的铀资源样本集合作为训练数据,成矿要素特征作为机器学习的输入数据,钻孔矿化级别或品位等标签信息作为输出数据,通过机器学习方法进行建模。通过模型调整和测试,可使用该模型对预测区进行成矿前景评价和优选。这当中,作为机器学习建模输入层的铀成矿要素特征的选择和评价非常重要,很大程度决定了预测模型的优劣,需要对铀成矿要素特征进行定量分析。
传统的砂岩型铀成矿要素特征和控矿要素分析大多数是定性的,即通过典型铀矿床研究,定性分析和比较各种铀成矿要素对矿床的控制作用,铀成矿要素与铀成矿的关系往往通过文字描述。少数的砂岩型铀成矿要素特征与铀成矿关系的定量分析,都是分析铀成矿要素特征与铀成矿之间的相关性,通过相关分析来完成,如分析某一项成矿特征与铀成矿规模之间的相关关系。同时,传统方法一般只考虑已知铀矿产地的成矿要素,没有将不同类别钻孔数据利用起来。因为已知钻孔可分类为有矿孔和无矿孔,传统方法没有研究有矿孔和无矿孔对应要素特征的差异。
通过相关分析,分析铀成矿特征要素与铀成矿的关系,没有考虑到不同级别铀矿化之间铀成矿要素特征之间的差异性,分析结果较为片面。比如在定量分析铀成矿要素特征与铀成矿的关系时,传统分析方法很少考虑无矿铀钻孔对应要素特征与有矿钻孔对应要素特征之间的差异性,而当无矿铀钻孔对应要素特征与有矿钻孔对应要素特征的差异性很大时,则这项特征要素则有可能作为区分无矿孔和工业孔之间的特征,用于之后的数据挖掘或机器学习;而当无矿铀钻孔对应要素特征与无矿孔对应要素特征几乎没有差异时,则说明这项特征要素则无法作为区分无矿孔和有矿孔之间的特征,则可能不能作为后期机器学习建模的输入特征,从而完成对铀成矿要素特征的定量评价。
因此,如何有效组织现有数据,分析有矿钻孔和无矿钻孔对应成矿要素特征的差异性,定量评价各个成矿要素特征对于铀成矿的重要性,是本发明重点解决的问题。
发明内容
本发明的目的在于提供一种砂岩型铀矿成矿要素特征的定量评价方法,按照有矿钻孔和无矿钻孔来组织成矿要素特征数据,利用方差分析定量计算有矿孔和无矿孔之间特征要素的差异性,评价成矿特征要素对铀成矿的贡献。
实现本发明目的的技术方案:一种砂岩型铀矿成矿要素特征的定量评价方法,所述方法包括以下步骤:
步骤1、将有矿钻孔和无矿钻孔数据整合在一起;
步骤2、整理、转换并读入成矿要素文件;
步骤3、将合并后的钻孔数据和成矿要素图层数据读入ARCGIS10软件,并统一各文件的投影方式;
步骤4、通过计算钻孔对应成矿要素图层的特征值,获取可用于单要素方差分析的数据;
步骤5、使用单要素方差分析,分别计算有矿孔和无矿孔铀成矿特征要素的差异显著性;
步骤6、利用步骤5计算出的有矿孔和无矿孔之间各成矿要素的差异显著性,评价成矿特征要素对铀成矿的贡献。
进一步地,所述步骤1包括:
步骤1.1、修改原始有矿钻孔文件为表格文件,并将修改后的表存为表UDrilltb1;
步骤1.2、修改原始无矿钻孔文件为表格文件,并将修改后的表存为表NDrilltb1;
步骤1.3、将表UDrilltb1和表NDrilltb1合并在一起,保存为表TDrilltb。
进一步地,所述步骤2包括:
步骤2.1、当成矿要素文件为等值线文件时,对其进行空间插值,得到插值文件;
步骤2.2、读入其它矢量成矿要素文件。
进一步地,所述步骤3包括:
步骤3.1、将步骤1.3合并后的钻孔表文件TDrilltb读入ARCGIS10软件中,并保存为点矢量文件TDrillshp;
步骤3.2、将步骤2.1和步骤2.2得到的文件全部转换为和步骤3.1得到的点矢量文件TDrillshp相同的投影方式,得到栅格数据。
进一步地,所述步骤4包括:
步骤4.1、在步骤3.1得到的矢量文件TDrillshp的属性表中,分别添加“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”、“断裂距离”和“古河道距离”属性字段,添加字段后的矢量文件记为TDrillshp_a;
步骤4.2、使用ARCGIS10软件的“空间分析”工具中的“提取点要素处的栅格值”功能,分别计算步骤4.1得到的矢量文件TDrillshp_a中各钻孔点在步骤3.2得到的栅格数据相应位置的数值,并将计算出的数值分别写入到TDrillshp_a文件属性表中的“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”属性列中,写入属性表后的文件记为TDrillshp_a1;
步骤4.3、使用ARCGIS10软件中“近邻分析”工具分别计算步骤4.2得到的矢量文件TDrillshp_a1中各钻孔点与步骤3.2得到的断裂矢量文件dl_proj和古河道矢量文件ghd_proj中各要素的距离,将计算的结果分别保存在TDrillshp_a1文件的“断裂距离”和“古河道距离”属性列中,写入属性表后的文件记为TDrillshp_a2;
步骤4.4、将步骤4.3得到的矢量文件TDrillshp_a2的属性文件保存为表文件,该表文件记为TDrilltb。
所述步骤4.4中的表TDrilltb包含“钻孔名”、“经度”、“维度”、“矿化级别”、“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”、“断裂距离”和“古河道距离”属性字段。
进一步地,所述步骤5包括:
步骤5.1、将步骤4.4得到的表TDrilltb导入到SPSS软件中;
步骤5.2、计算有矿孔和无矿孔地层厚度的差异;
步骤5.3、计算有矿孔和无矿孔砂体厚度的差异;
步骤5.4、计算有矿孔和无矿孔砂泥比的差异;
步骤5.5、计算有矿孔和无矿孔含砂率的差异;
步骤5.6、计算有矿孔和无矿孔断裂距离的差异;
步骤5.7、计算有矿孔和无矿孔古河道距离的差异;
进一步地,所述步骤5.2具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“地层厚度”属性作为因变量,计算有矿孔和无矿孔地层厚度的差异显著性XZdc。
进一步地,所述步骤5.3具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“砂体厚度”属性作为因变量,计算有矿孔和无矿孔砂体厚度的差异显著性XZst。
进一步地,所述步骤5.4具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“砂泥比”属性作为因变量,计算有矿孔和无矿孔砂泥比的差异显著性XZsnb。
进一步地,所述步骤5.5具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“含砂率”属性作为因变量,计算有矿孔和无矿孔含砂率的差异显著性XZhsl。
进一步地,所述步骤5.6具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“断裂距离”属性作为因变量,计算有矿孔和无矿孔断裂距离的差异显著性XZdl。
进一步地,所述步骤5.7具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“古河道距离”属性作为因变量,计算有矿孔和无矿孔古河道距离的差异显著性XZghd。
进一步地,所述步骤6包括:
步骤6.1、对步骤5.1-5.7计算出的有矿孔和无矿孔之间各成矿要素的差异显著性数值XZdc、XZst、XZsnb、XZhsl、XZdl、XZghd进行评价,分析各铀成矿要素对铀成矿作用大小;
步骤6.2、分别比较差异显著性数值XZdc、XZst、XZsnb、XZhsl、XZdl、XZghd与0.05的大小,确定各铀成矿要素是否可以作为成矿预测的要素特征。
进一步地,所述步骤6.2中确定各铀成矿要素是否可以作为成矿预测的要素特征的标准为:当铀成矿要素的差异显著性数值≤0.05,认为有矿孔和无矿孔的该铀成矿要素差异性明显,该铀成矿要素可作为成矿预测的要素特征;当铀成矿要素的差异显著性数值>0.05,认为有矿孔和无矿孔的该铀成矿要素差异性不明显,该铀成矿要素不可作为成矿预测的要素特征。
本发明的有益技术效果在于:
1、本法提供的一种砂岩型铀矿成矿要素特征的定量评价方法,按照有矿钻孔和无矿钻孔来组织特征要素数据,通过单要素方差分析定量计算有矿孔和无矿孔之间特征要素的差异,可实现成矿特征要素对于铀成矿重要性定量评价,并可按照重要性对成矿特征要素进行排序。
2、本法提供的一种砂岩型铀矿成矿要素特征的定量评价方法,相较于传统的相关分析,本发明充分考虑无矿孔数据的作用,以无矿孔的特征要素作为背景值,定量计算与有矿孔特征要素的差异,通过此方法求解的成矿要素特征与铀成矿的关系更加准确、全面。
具体实施方式
下面结合实施例对本发明作进一步详细说明。
本发明提供的一种砂岩型铀矿成矿要素特征的定量评价方法,具体包括以下步骤:
步骤1、将工作区有矿钻孔和无矿钻孔数据整合在一起。该步骤包含以下子步骤:
步骤1.1、工作区原始有矿钻孔文件为表格文件,记为UDrilltb,包含“钻孔名”、“经度”、“维度”三个属性列。在原始文件UDrilltb中增加“矿化级别”属性列,“矿化级别”属性值全部填充为“1”,修改后的表存为表UDrilltb1,如表1所示。
表1有矿钻孔表格文件UDrilltb1
步骤1.2、工作区原始无矿钻孔文件为表格文件,记为NDrilltb,包含钻“孔名”、“经度”、“维度”三个属性列。在原始文件NDrilltb中增加“矿化级别”属性列,“矿化级别”列属性值全部填充为“0”,并将修改后的表存为表NDrilltb1,如表2所示。
表2无矿钻孔表格文件NDrilltb1
步骤1.3、将步骤1.1得到的表UDrilltb1和步骤1.2得到的表NDrilltb1合并在一起,保存为表TDrilltb,如表3所示。
表3整合后的有矿钻孔和无矿钻孔表格文件TDrilltb
步骤2、整理、转换并读入成矿要素文件。该步骤包含以下子步骤:
步骤2.1、当成矿要素文件为等值线文件时,对其进行空间插值。在软件ARCGIS10读入试验区地层厚度等值线文件dchd.shp、砂体厚度等值线文件sthd.shp、砂泥比等值线文件snb.shp、含砂率等值线文件hsl.shp。使用ARCGIS10空间分析工具箱中的“插值分析”工具分别对上述文件进行空间插值,插值后的栅格文件分别记为dchdTif、sthdTif、snbTif和hslTif。
步骤2.2、读入工作区其它矢量成矿要素文件。在GIS软件中读入断裂文件和古河道文件,文件名分别记为dl.shp和ghd.shp。
步骤3、将合并后的钻孔数据和成矿要素图层数据读入GIS软件,并统一各文件的投影方式。该步骤包含以下子步骤:
步骤3.1、使用ARCGIS10的“添加XY”功能读入步骤1.3得到的表TDrilltb,根据表TDrilltb的“经度”、“维度”属性值,将表TDrilltb读入GIS软件中,并保存为点矢量文件TDrillshp。
步骤3.2、将步骤2.1和步骤2.2得到的dchdTif、sthdTif、snbTif、hslTif、dl和ghd等文件全部转换为和步骤3.1得到的点矢量文件TDrillshp相同的投影方式,这里的投影方式为:大地坐标为北京54坐标系,投影方式为高斯克里格19度带。转换后的文件分别记为栅格数据dchdTif_proj、sthdTif_proj、snbTif_proj、hslTif_proj、dl_proj和ghd_proj。
步骤4、通过计算钻孔对应成矿要素图层的特征值,获取可用于单要素方差分析的数据。该步骤包含以下子步骤:
步骤4.1、使用ArcGIS10软件打开在步骤3.1得到的矢量文件TDrillshp的属性表,使用“添加字段”功能分别添加“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”、“断裂距离”和“古河道距离”6个属性字段,字段类型都设置为“浮点型”,添加字段后的矢量文件另存为TDrillshp_a。
步骤4.2、使用ARCGIS10软件ArcToolbox工具中“空间分析”模块内的“提取点要素处的栅格值”功能,分别计算步骤4.1得到的矢量文件TDrillshp_a中各钻孔点在步骤3.2得到的栅格数据dchdTif_proj、sthdTif_proj、snbTif_proj、hslTif_proj相应位置的数值,并将计算出的数值分别选择存入到TDrillshp_a文件属性表中的“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”属性列中,写入属性表后的文件另存为TDrillshp_a1。
步骤4.3、使用ARCGIS10软件ArcToolbox工具中“分析工具”模块内的“近邻分析”功能分别计算步骤4.2得到的矢量文件TDrillshp_a1中各钻孔点与步骤3.2得到的断裂矢量文件dl_proj和古河道矢量文件ghd_proj中各要素的距离,将计算的结果分别保存在TDrillshp_a1文件的“断裂距离”和“古河道距离”属性列中,写入属性表后的文件另存为TDrillshp_a2。
步骤4.4、使用ARCGIS10软件将步骤4.3得到的矢量文件TDrillshp_a2的属性文件保存为表文件,导出后的表文件名为TDrilltb,格式为excel表格式。表TDrilltb包含“钻孔名”、“经度”、“维度”、“矿化级别”、“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”、“断裂距离”和“古河道距离”10个属性字段,如表4所示。
表4可用于单要素方差分析的铀矿成矿要素特征表
步骤5、在SPSS软件中使用单要素方差分析功能,分别定量计算有矿孔和无矿孔之间“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”、“断裂距离”和“古河道距离”6个铀成矿特征要素之间的差异性。该步骤包含以下子步骤:
步骤5.1、使用SPSS软件的“导入数据”功能,选择其中的“导入excel文件”,选择步骤4.4得到的表TDrilltb,将表TDrilltb导入到SPSS软件中,记为二维数组A[p][q],其中p为总钻孔数,q为属性字段数,q=10。
步骤5.2、计算有矿孔和无矿孔地层厚度的差异。在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“地层厚度”属性作为因变量,m为有矿孔的数量,n为无矿孔的数量,p为总钻孔数,则m+n=p;有矿孔的地层厚度用一维数组ydc[m]表示,ydc[m]=A[m][“地层厚度”],其中,A[m][“地层厚度”]为步骤5.1中二维数组A[p][q]中属性为“地层厚度”的有矿孔数据部分;无矿孔的地层厚度用一维数组wdc[n]表示,wdc[n]=A[n][“地层厚度”],其中,A[n][“地层厚度”]为步骤5.1中二维数组A[p][q]中属性为“地层厚度”的无矿孔数据部分;使用单要素方差分析计算一维数组ydc[m]和wdc[n]之间的差异,计算可得差异显著性XZdc=0.04。
步骤5.3、计算有矿孔和无矿孔砂体厚度的差异。在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“砂体厚度”属性作为因变量,m为有矿孔的数量,n为无矿孔的数量,p为总钻孔数,则m+n=p;有矿孔的砂体厚度用一维数组yst[m]表示,yst[m]=A[m][“砂体厚度”],其中,A[m][“砂体厚度”]为步骤5.1中二维数组A[p][q]中属性为“砂体厚度”的有矿孔数据部分;无矿孔的砂体厚度用一维数组wst[n]表示,wst[n]=A[n][“砂体厚度”],其中,A[n][“砂体厚度”]为步骤5.1中二维数组A[p][q]中属性为“砂体厚度”的无矿孔数据部分;使用单要素方差分析计算一维数组ydc[m]和wdc[n]之间的差异,计算可得差异显著性XZst=0.05。
步骤5.4、计算有矿孔和无矿孔砂泥比的差异。在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“砂泥比”属性作为因变量,m为有矿孔的数量,n为无矿孔的数量,p为总钻孔数,则m+n=p;有矿孔的砂泥比用一维数组ysnb[m]表示,ysnb[m]=A[m][“砂泥比”],其中,A[m][“砂泥比”]为步骤5.1中二维数组A[p][q]中属性为“砂泥比”的有矿孔数据部分;无矿孔的砂体厚度用一维数组wsnb[n]表示,wsnb[n]=A[n][“砂泥比”],其中,A[n][“砂体厚度”]为步骤5.1中二维数组A[p][q]中属性为“砂泥比”的无矿孔数据部分;使用单要素方差分析计算一维数组ysnb[m]和wsnb[n]之间的差异,计算可得差异显著性XZsnb=0.019。
步骤5.5、计算有矿孔和无矿孔含砂率的差异。在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“含砂率”属性作为因变量,m为有矿孔的数量,n为无矿孔的数量,p为总钻孔数,则m+n=p;有矿孔的含砂率用一维数组yhsl[m]表示,yhsl[m]=A[m][“含砂率”],其中,A[m][“含砂率”]为步骤5.1中二维数组A[p][q]中属性为“含砂率”的有矿孔数据部分;无矿孔的含砂率用一维数组whsl[n]表示,whsl[n]=A[n][“含砂率”],其中,A[n][“含砂率”]为步骤5.1中二维数组A[p][q]中属性为“含砂率”的无矿孔数据部分;使用单要素方差分析计算一维数组yhsl[m]和whsl[n]之间的差异,计算可得差异显著性XZhsl=0.00。
步骤5.6、计算有矿孔和无矿孔断裂距离的差异。在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“断裂距离”属性作为因变量,m为有矿孔的数量,n为无矿孔的数量,p为总钻孔数,则m+n=p;有矿孔的断裂距离用一维数组ydl[m]表示,ydl[m]=A[m][“断裂距离”],其中,A[m][“断裂距离”]为步骤5.1中二维数组A[p][q]中属性为“断裂距离”的有矿孔数据部分;无矿孔的断裂距离用一维数组wdl[n]表示,wdl[n]=A[n][“断裂距离”],其中,A[n][“断裂距离”]为步骤5.1中二维数组A[p][q]中属性为“断裂距离”的无矿孔数据部分;使用单要素方差分析计算一维数组ydl[m]和wdl[n]之间的差异,计算可得差异显著性XZdl=0.17。
步骤5.7、计算有矿孔和无矿孔古河道距离的差异。在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“古河道距离”属性作为因变量,m为有矿孔的数量,n为无矿孔的数量,p为总钻孔数,则m+n=p;有矿孔的古河道距离用一维数组yghd[m]表示,yghd[m]=A[m][“古河道距离”],其中,A[m][“古河道距离”]为步骤5.1中二维数组A[p][q]中属性为“古河道距离”的有矿孔数据部分;无矿孔的古河道距离用一维数组wghd[n]表示,wghd[n]=A[n][“古河道距离”],其中,A[n][“古河道距离”]为步骤5.1中二维数组A[p][q]中属性为“古河道距离”的无矿孔数据部分;使用单要素方差分析计算一维数组yghd[m]和wghd[n]之间的差异,计算可得差异显著性XZghd=0.02。
步骤6、利用步骤5计算出的工作区有矿孔和无矿孔之间各成矿要素的差异显著性,评价成矿特征要素对铀成矿的贡献。该步骤包含以下子步骤:
步骤6.1、对步骤5.1-5.7计算出的有矿孔和无矿孔之间各成矿要素的差异显著性数值XZdc、XZst、XZsnb、XZhsl、XZdl、XZghd进行评价,差异显著性数值越低,则有矿孔和无矿孔相应的成矿有要素差异越大,该成矿要素对铀成矿的影响和贡献更大。对差异显著性数值XZdc、XZst、XZsnb、XZhsl、XZdl、XZghd按照从小到大进行排序,XZhsl<XZghd<XZsnb<XZdc<XZst<XZdl,排序靠前的成矿要素特征较排序靠后的成矿要素特征对铀成矿的影响和贡献更大,即在工作区内各铀成矿要素对铀成矿作用大小排序为含砂率>古河道距离>砂泥比>地层厚度>砂体厚度>断裂距离。
步骤6.2、分别比较差异显著性数值XZdc、XZst、XZsnb、XZhsl、XZdl、XZghd与0.05的大小,确定各铀成矿要素是否可以作为成矿预测的要素特征。
步骤6.2.1、当XZdc≤0.05,认为有矿孔和无矿孔的地层厚度差异性明显,地层厚度可作为成矿预测的要素特征;当XZdc>0.05,认为有矿孔和无矿孔的地层厚度差异性不明显,地层厚度不可作为成矿预测的要素特征。XZdc=0.04≤0.05,认为有矿孔和无矿孔的地层厚度差异性明显,地层厚度可作为成矿预测的要素特征。
步骤6.2.2、当XZst≤0.05,认为有矿孔和无矿孔的砂体厚度差异性明显,砂体厚度可作为成矿预测的要素特征;当XZst>0.05,认为有矿孔和无矿孔的砂体厚度差异性不明显,砂体厚度不可作为成矿预测的要素特征。XZst=0.05≤0.05,认为有矿孔和无矿孔的砂体厚度差异性明显,砂体厚度可作为成矿预测的要素特征。
步骤6.2.3、当XZsnb≤0.05,认为有矿孔和无矿孔的砂泥比差异性明显,砂泥比可作为成矿预测的要素特征;当XZsnb>0.05,认为有矿孔和无矿孔的砂泥比差异性不明显,砂泥比不可作为成矿预测的要素特征。XZsnb=0.019≤0.05,认为有矿孔和无矿孔的砂泥比差异性明显,砂泥比可作为成矿预测的要素特征。
步骤6.2.4、当XZhsl≤0.05,认为有矿孔和无矿孔的含砂率差异性明显,含砂率可作为成矿预测的要素特征;当XZhsl>0.05,认为有矿孔和无矿孔的含砂率差异性不明显,含砂率不可作为成矿预测的要素特征。XZhsl=0.00≤0.05,认为有矿孔和无矿孔的含砂率差异性明显,含砂率可作为成矿预测的要素特征。
步骤6.2.5、当XZdl≤0.05,认为有矿孔和无矿孔的断裂距离差异性明显,断裂距离可作为成矿预测的要素特征;当XZdl>0.05,认为有矿孔和无矿孔的断裂距离差异性不明显,断裂距离不可作为成矿预测的要素特征。XZdl=0.17>0.05,认为有矿孔和无矿孔的断裂距离差异性不明显,断裂距离不可作为成矿预测的要素特征。
步骤6.2.6、当XZghd≤0.05,认为有矿孔和无矿孔的古河道距离差异性明显,古河道距离可作为成矿预测的要素特征;当XZghd>0.05,认为有矿孔和无矿孔的古河道距离差异性不明显,古河道距离不可作为成矿预测的要素特征。XZghd=0.02≤0.05,认为有矿孔和无矿孔的古河道距离差异性明显,古河道距离可作为成矿预测的要素特征。
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以采用现有技术。
Claims (12)
1.一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述方法包括以下步骤:
步骤1、将有矿钻孔和无矿钻孔数据整合在一起;
步骤2、整理、转换并读入成矿要素文件;
步骤3、将合并后的钻孔数据和成矿要素图层数据读入ARCGIS10软件,并统一各文件的投影方式;
步骤4、通过计算钻孔对应成矿要素图层的特征值,获取可用于单要素方差分析的数据;
步骤5、使用单要素方差分析,分别计算有矿孔和无矿孔铀成矿特征要素的差异显著性;
步骤6、利用步骤5计算出的有矿孔和无矿孔铀成矿特征要素的差异显著性,评价成矿特征要素对铀成矿的贡献;
所述步骤6包括:
步骤6.1、对步骤5计算出的有矿孔和无矿孔铀成矿特征要素的差异显著性数值进行评价,分析各铀成矿要素对铀成矿作用大小;
步骤6.2、分别比较差异显著性数值与0.05的大小,确定各铀成矿要素是否可以作为成矿预测的要素特征:当铀成矿要素的差异显著性数值≤0.05,认为有矿孔和无矿孔的该铀成矿要素差异性明显,该铀成矿要素可作为成矿预测的要素特征;当铀成矿要素的差异显著性数值>0.05,认为有矿孔和无矿孔的该铀成矿要素差异性不明显,该铀成矿要素不可作为成矿预测的要素特征。
2.根据权利要求1所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤1包括:
步骤1.1、修改原始有矿钻孔文件为表格文件,并将修改后的表存为表UDrilltb1;
步骤1.2、修改原始无矿钻孔文件为表格文件,并将修改后的表存为表NDrilltb1;
步骤1.3、将表UDrilltb1和表NDrilltb1合并在一起,保存为表TDrilltb。
3.根据权利要求1所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤2包括:
步骤2.1 、当成矿要素文件为等值线文件时,对其进行空间插值,得到插值文件;
步骤2.2 、读入其它矢量成矿要素文件。
4.根据权利要求1所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤3包括:
步骤3.1、将步骤1.3合并后的钻孔表文件TDrilltb读入ARCGIS10软件中,并保存为点矢量文件TDrillshp;
步骤3.2、将步骤2.1和步骤2.2得到的文件全部转换为和步骤3.1得到的点矢量文件TDrillshp相同的投影方式,得到栅格数据。
5.根据权利要求1所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤4包括:
步骤4.1、在步骤3.1得到的矢量文件TDrillshp的属性表中,分别添加“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”、“断裂距离”和“古河道距离”属性字段,添加字段后的矢量文件记为TDrillshp_a;
步骤4.2、使用ARCGIS10软件的“空间分析”工具中的“提取点要素处的栅格值”功能,分别计算步骤4.1得到的矢量文件TDrillshp_a中各钻孔点在步骤3.2得到的栅格数据相应位置的数值,并将计算出的数值分别写入到TDrillshp_a文件属性表中的“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”属性列中,写入属性表后的文件记为TDrillshp_a1;
步骤4.3、使用ARCGIS10软件中“近邻分析”工具分别计算步骤4.2得到的矢量文件TDrillshp_a1中各钻孔点与步骤3.2得到的断裂矢量文件dl_proj和古河道矢量文件ghd_proj中各要素的距离,将计算的结果分别保存在TDrillshp_a1 文件的“断裂距离”和“古河道距离”属性列中,写入属性表后的文件记为TDrillshp_a2;
步骤4.4、将步骤4.3得到的矢量文件TDrillshp_a2的属性文件保存为表文件,该表文件记为TDrilltb;
所述步骤4.4中的表TDrilltb包含“钻孔名”、“经度”、“维度”、“矿化级别”、“地层厚度”、“砂体厚度”、“砂泥比”、“含砂率”、“断裂距离”和“古河道距离”属性字段。
6.根据权利要求1所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤5包括:
步骤5.1、将步骤4.4得到的表TDrilltb导入到SPSS软件中;
步骤5.2、计算有矿孔和无矿孔地层厚度的差异显著性;
步骤5.3、 计算有矿孔和无矿孔砂体厚度的差异显著性;
步骤5.4、计算有矿孔和无矿孔砂泥比的差异显著性;
步骤5.5、计算有矿孔和无矿孔含砂率的差异显著性;
步骤5.6、 计算有矿孔和无矿孔断裂距离的差异显著性;
步骤5.7、 计算有矿孔和无矿孔古河道距离的差异显著性。
7.根据权利要求6所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤5.2具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“地层厚度”属性作为因变量,计算有矿孔和无矿孔地层厚度的差异显著性XZdc。
8.根据权利要求6所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤5.3具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“砂体厚度”属性作为因变量,计算有矿孔和无矿孔砂体厚度的差异显著性XZst。
9.根据权利要求6所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤5.4具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“砂泥比”属性作为因变量,计算有矿孔和无矿孔砂泥比的差异显著性XZsnb。
10.根据权利要求6所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤5.5具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“含砂率”属性作为因变量,计算有矿孔和无矿孔含砂率的差异显著性XZhsl。
11.根据权利要求6所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤5.6具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“断裂距离”属性作为因变量,计算有矿孔和无矿孔断裂距离的差异显著性XZdl。
12.根据权利要求6所述的一种砂岩型铀矿成矿要素特征的定量评价方法,其特征在于,所述步骤5.7具体为:在SPSS软件中的“单要素方差分析”功能模块中,选择“矿化级别”属性作为计算因子,选择“古河道距离”属性作为因变量,计算有矿孔和无矿孔古河道距离的差异显著性XZghd。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110646564.2A CN113534283B (zh) | 2021-06-10 | 2021-06-10 | 一种砂岩型铀矿成矿要素特征的定量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110646564.2A CN113534283B (zh) | 2021-06-10 | 2021-06-10 | 一种砂岩型铀矿成矿要素特征的定量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113534283A CN113534283A (zh) | 2021-10-22 |
CN113534283B true CN113534283B (zh) | 2024-03-19 |
Family
ID=78095797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110646564.2A Active CN113534283B (zh) | 2021-06-10 | 2021-06-10 | 一种砂岩型铀矿成矿要素特征的定量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113534283B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117251739B (zh) * | 2023-11-17 | 2024-01-30 | 核工业北京地质研究院 | 用于砂岩型铀资源定量预测的样本集的构建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4065972A (en) * | 1975-01-29 | 1978-01-03 | Terradex Corporation | Method and apparatus for underground deposit detection |
US4350887A (en) * | 1980-11-05 | 1982-09-21 | The United States Of America As Represented By The United States Department Of Energy | Method of assaying uranium with prompt fission and thermal neutron borehole logging adjusted by borehole physical characteristics |
KR20150138126A (ko) * | 2015-08-21 | 2015-12-09 | 이우성 | 원자력발전용 핵폐기물처리 이중구조블록탱크집진기 원자력발전소설비의 비등수형원자로설비 |
CN105785466A (zh) * | 2015-12-29 | 2016-07-20 | 核工业二六大队 | 一种越流成矿的铀矿找矿方法 |
CN109779611A (zh) * | 2019-02-21 | 2019-05-21 | 中陕核工业集团地质调查院有限公司 | 石油孔固井水泥环属性参数在老井伽玛复测系数修正中的应用 |
CN110727034A (zh) * | 2018-07-17 | 2020-01-24 | 核工业二0八大队 | 一种砂岩型铀矿编图方法 |
-
2021
- 2021-06-10 CN CN202110646564.2A patent/CN113534283B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4065972A (en) * | 1975-01-29 | 1978-01-03 | Terradex Corporation | Method and apparatus for underground deposit detection |
US4350887A (en) * | 1980-11-05 | 1982-09-21 | The United States Of America As Represented By The United States Department Of Energy | Method of assaying uranium with prompt fission and thermal neutron borehole logging adjusted by borehole physical characteristics |
KR20150138126A (ko) * | 2015-08-21 | 2015-12-09 | 이우성 | 원자력발전용 핵폐기물처리 이중구조블록탱크집진기 원자력발전소설비의 비등수형원자로설비 |
CN105785466A (zh) * | 2015-12-29 | 2016-07-20 | 核工业二六大队 | 一种越流成矿的铀矿找矿方法 |
CN110727034A (zh) * | 2018-07-17 | 2020-01-24 | 核工业二0八大队 | 一种砂岩型铀矿编图方法 |
CN109779611A (zh) * | 2019-02-21 | 2019-05-21 | 中陕核工业集团地质调查院有限公司 | 石油孔固井水泥环属性参数在老井伽玛复测系数修正中的应用 |
Non-Patent Citations (2)
Title |
---|
砂岩铀矿勘查信息系统的研制及应用;韩绍阳, 侯惠群, 黄树桃;中国核科技报告(03);全文 * |
青海祁漫塔格中段铀成矿要素分析与远景预测;潘蔚;余长发;田青林;戴佳文;王树红;尹力;;铀矿地质(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113534283A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Optimization of models for a rapid identification of lithology while drilling-A win-win strategy based on machine learning | |
Akbar | Reserve estimation of central part of Choghart north anomaly iron ore deposit through ordinary kriging method | |
CN103955558B (zh) | 一种采集并处理不同行业工勘数据的方法 | |
CN116665067B (zh) | 基于图神经网络的找矿靶区优选系统及其方法 | |
CN107807410A (zh) | 储层地球物理敏感参数优选方法及系统 | |
CN110727034A (zh) | 一种砂岩型铀矿编图方法 | |
CN108663714A (zh) | 一种沉积微相刻画方法 | |
CN113534283B (zh) | 一种砂岩型铀矿成矿要素特征的定量评价方法 | |
Chang et al. | SegLog: Geophysical logging segmentation network for lithofacies identification | |
Ferrer et al. | Modeling the uncertainty in the layout of geological units by implicit boundary simulation accounting for a preexisting interpretive geological model | |
CN115879647B (zh) | 一种基于领域知识与深度学习结合的地层岩性预测方法 | |
CN116699715A (zh) | 一种高光谱遥感信息参与的铀成矿有利区预测方法 | |
CN116090662B (zh) | 基于知识图谱的境外铜矿潜力预测方法、系统及电子设备 | |
Kashihara et al. | Improvement in facies discrimination using multiple seismic attributes for permeability modelling of the Athabasca Oil Sands, Canada | |
CN112818603B (zh) | 自适应选择最优成矿预测要素的方法、终端及存储介质 | |
CN107060744A (zh) | 一种测井地质评价系统 | |
Deng et al. | Machine learning based stereoscopic triple sweet spot evaluation method for shale reservoirs | |
CN115407407A (zh) | 针对碳酸盐岩古溶洞及其充填的三维地质模型构建方法 | |
Liu et al. | Study of a high-precision complex 3D geological modelling method based on a fine KNN and kriging coupling algorithm: a case study for Jiangsu, China | |
CN117251739B (zh) | 用于砂岩型铀资源定量预测的样本集的构建方法 | |
Li et al. | Uncertainty evaluation method and application of reservoir Lithofacies proportion under the condition of few wells | |
Bele | 3D Geological Modeling in Mineral Deposits (Copper Ore Body Cases) | |
Souche et al. | Innovative Approach for Building and Calibrating Multiple Fracture Network Models for Fractured Carbonate Reservoirs | |
Deng et al. | An Automated Data-Driven Workflow for Identifying Fractured Horizontal Well Sweet Spots in Shale Reservoirs | |
Song et al. | Logging curve reconstruction based on multivariate feature fusion of Attribute Co-occurrence Relationships and BiLSTM |
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 |