CN113920135A - 一种离子型稀土矿数字岩心建模方法 - Google Patents
一种离子型稀土矿数字岩心建模方法 Download PDFInfo
- Publication number
- CN113920135A CN113920135A CN202111190722.4A CN202111190722A CN113920135A CN 113920135 A CN113920135 A CN 113920135A CN 202111190722 A CN202111190722 A CN 202111190722A CN 113920135 A CN113920135 A CN 113920135A
- Authority
- CN
- China
- Prior art keywords
- rare earth
- earth ore
- porosity
- scanning
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052761 rare earth metal Inorganic materials 0.000 title claims abstract description 110
- 150000002910 rare earth metals Chemical class 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 230000001131 transforming effect Effects 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 19
- 238000002591 computed tomography Methods 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 229910052704 radon Inorganic materials 0.000 claims description 5
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims description 5
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000005553 drilling Methods 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000007789 sealing Methods 0.000 claims description 2
- 239000011148 porous material Substances 0.000 abstract description 28
- 238000002386 leaching Methods 0.000 description 19
- 238000005520 cutting process Methods 0.000 description 13
- 229910000831 Steel Inorganic materials 0.000 description 10
- 239000010959 steel Substances 0.000 description 10
- 239000000243 solution Substances 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 7
- 229910052500 inorganic mineral Inorganic materials 0.000 description 7
- 239000011707 mineral Substances 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005303 weighing Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 150000002500 ions Chemical class 0.000 description 5
- 230000005012 migration Effects 0.000 description 5
- 238000013508 migration Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 239000008151 electrolyte solution Substances 0.000 description 4
- 229910001385 heavy metal Inorganic materials 0.000 description 4
- 238000011065 in-situ storage Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 238000010884 ion-beam technique Methods 0.000 description 2
- 238000004215 lattice model Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000012452 mother liquor Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003978 infusion fluid Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005342 ion exchange Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000005325 percolation Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开一种离子型稀土矿数字岩心建模方法,包括:采集稀土矿样本,并分析稀土矿孔隙度;利用所述稀土矿样本制备扫描试样,将所述扫描试样分为若干实验组,扫描所述扫描试样的断层空间,获取扫描数据;变换所述扫描数据,获取重构图像,对所述重构图像进行滤波,获取初始二维扫描图像;基于所述稀土矿孔隙度,对所述初始二维扫描图像进行分割,获取二值分割灰度图;基于所述二值分割灰度图,构建稀土矿三维数字岩心模型。本发明使数字岩心模型及孔隙网络模型相结合,构建离子型稀土矿三维数字岩心模型,为深入研究稀土矿多孔介质的渗流特性提供了重要基础。
Description
技术领域
本发明涉及稀土矿三维数字岩心建模技术领域,特别是涉及一种离子型稀土矿数字岩心建模方法。
背景技术
数字岩心作为孔隙级微观渗流理论研究的基础平台,为微观孔隙尺度上研究流体在多孔介质中的流动提供了重要的研究手段。在石油工业的推动下,数字岩心在油藏工程及地学领域得到广泛的应用。数字岩心的建模方法主要分为两大类,一类是采用X射线CT(computedtomography)扫描岩心,利用图像处理算法将二维图像构建为三维数字岩心。目前,系列切片法、聚焦离子光束法、CT扫描法、聚焦离子束扫描电子显微镜(FIB-SEM)法可获得多孔介质高精度的二维或三维数据,为多孔介质重构研究提供真实的基础数据。相比于CT扫描建立数字岩心,基于薄片分析的图像建模方法只需要一定数量的岩石切片扫描图像,获取较为方便、经济;在渗流和驱替研究中,极大地提高了渗流研究的效率和准确性。另外一类是利用数值重构法获取二维图像孔隙结构特征,再进行多孔介质的三维重构,其中包括高斯模拟法、模拟退火法、多点地质统计法、过程模拟法、马尔可夫链蒙特卡罗法等。不同的数字重构法具有不同的优缺点,在三维数字岩心建模中发挥重要作用。
三维孔隙网络模型是进行多孔介质微观多相流研究的基础,其能够再现复杂的孔隙空间,降低实验成本,缩短实验数据获取周期,获取实验物理学难以测量的实验数据。目前,构建孔隙网络模型的主要方法有以下三类:其一是孔隙空间居中轴线法,其定义中轴线节点为孔隙,中轴线上的局部最小区域为喉道,对整个孔隙空间进行合理分割和简化;其二是最大球体法,对孔隙空间任意一点,找出其最大的内切球半径,用局部最大的球体来表示孔隙,连接此球体的所有较小球体表示喉道;其三是多尺度孔隙网络模型,通过构建出不同尺度、不同性质的孔隙网络模型,分析孔隙网络模型几何结构参数变量之间的相关性,表征变量之间的相关结构,整合几何拓扑结构特征等价的孔隙网络,得到同时描述不同孔隙类型结构特征的多尺度孔隙网络模型。
目前为止,在多孔介质稀土矿浸矿过程中,有关孔隙结构及渗流研究主要集中在如下几个方面:一是通过模拟浸矿实验,通过显微镜切片观察稀土矿孔隙结构变化,结果表明矿体的微观结构形态及分布特征参数直接影响浸矿液在稀土矿体中的扩散和渗透;二是利用现场现渗透系数测试实验和室内物理力实验研究稀土矿山渗流特性;三是直接对稀土矿物质结构进行分析,认为结合水是影响溶浸液渗流规律的重要因素之一;松散颗粒迁移造成阻塞孔隙,从而影响溶浸液的渗流规律。
离子型稀土矿原地浸矿采矿过程中多采用(NH4)2SO4电解质溶液注入稀土矿中进行离子交换,摒弃了早期的池浸、堆浸等地表开挖,对地表植被保护具有积极作用。但是,该浸矿方法注入的(NH4)2SO4等电解质溶液往往不能全部回收,部分电解质泄露进入地下水,部分停留于稀土矿体中。由于地表蒸发及植物蒸腾作用,在不断注入的电解质溶液的采矿活动下,稀土矿中的水盐聚集浓度逐渐上升,造成地表植物枯死或衰竭。同时,由于原地浸矿化学置换作用,造成土壤中重金属离子发生活化迁移,从而进入母液或外围环境土壤中,对矿区及外围生态环境构成严重威胁。因此,母液渗漏问题成为困扰稀土矿绿色提取可持续发展的因素之一。
目前,离子型稀土矿原地浸矿及模拟浸矿中,目前没有解决孔隙结构的定量模型问题;而耦合格子LBM模型数值模拟的边界条件与实际浸矿条件之间有一定差异。所以,到目前为止,将数字岩心及孔隙网络模型运用到稀土矿采矿过程中的建模技术,目前还鲜有报道。
发明内容
本发明的目的是提供一种离子型稀土矿数字岩心建模方法,以解决上述现有技术存在的问题,使数字岩心模型及孔隙网络模型相结合,构建离子型稀土矿三维数字岩心模型,为深入研究稀土矿多孔介质的渗流特性提供了重要基础。
为实现上述目的,本发明提供了如下方案:本发明提供一种离子型稀土矿数字岩心建模方法,包括:
采集稀土矿样本,并分析稀土矿孔隙度;
利用所述稀土矿样本制备扫描试样,将所述扫描试样分为若干实验组,扫描所述扫描试样的断层空间,获取扫描数据;
变换所述扫描数据,获取重构图像,对所述重构图像进行滤波,获取初始二维扫描图像;
基于所述稀土矿孔隙度,对所述初始二维扫描图像进行分割,获取二值分割灰度图;
基于所述二值分割灰度图,构建稀土矿三维数字岩心模型。
可选地,采集稀土矿样本包括:
从稀土矿剖面向下钻入取样工具,待所述取样工具的外端口完全没入稀土矿且与所述稀土矿剖面平行时,取出所述取样工具,并对所述取样工具进行密封。
可选地,分析稀土矿孔隙度包括:
在所述取样工具的外围采集若干份孔隙度分析样本;
测量每份所述孔隙度分析样本第一重量W1,将所述孔隙度分析样本放入水中至若干小时,取出后,测量所述孔隙度分析样本的第二重量W2;
将浸水后的所述孔隙度分析样本静置若干小时后,测量所述孔隙度分析样本的第二重量W3,将所述孔隙度分析样本干燥至恒重,测量所述孔隙度分析样本的第四重量W4;
基于第二重量W2和第四重量W4,计算每份所述孔隙度分析样本的孔隙度;
计算所有所述孔隙度分析样本的孔隙度的平均值,获得所述稀土矿孔隙度。
可选地,所述每份孔隙度分析样本的孔隙度计算方法如式(1)所示:
稀土矿孔隙度=(W2-W4)/V×100%(1),其中,V为孔隙度分析样本的采集工具体积。
可选地,扫描所述扫描试样采用CT扫描。
可选地,变换所述扫描数据,获取重构图像,对所述重构图像进行滤波,获取初始二维扫描图像包括:
对所述扫描数据进行Radon变换的逆变换,获得重构图像;
对重构图像进行滤波反投影,获得断层空间位置一一对应的吸收系数,获取扫描截面的结构信息;
将所述结构信息利用灰度图像进行表达,获取初始二维扫描图像。
可选地,基于所述稀土矿孔隙度,对所述初始二维扫描图像进行分割,获取二值分割灰度图包括:
设置所述稀土矿孔隙度为分割约束条件,按照式(7)对所述初始二维扫描图像进行分割,获取二值分割灰度图:
式中,φ为稀土矿样品孔隙度,IMAX为图像最大灰度值,IMIN为图像最小的灰度值,p(i)为灰度值为i的像素,k*为灰度变量函数,IMIN<k<IMAX。
可选地,基于所述二值分割灰度图,采用马尔科夫链-蒙特卡洛法构建稀土矿三维数字岩心模型。
本发明公开了以下技术效果:
本发明提供的一种离子型稀土矿数字岩心建模方法,将数字岩心模型及孔隙网络模型相结合,构建离子型稀土矿三维数字岩心模型,定量刻画浸矿液的运移,减少浸矿注液量,有效控制浸矿液造成的污染,有效保障稀土矿绿色提取可持续发展,同时,依据三维数字岩心及稀土矿水盐运移孔隙模型,模拟Pb的迁移释放过程,并控制其迁移转化形态及路径,对稀土矿区重金属污染防治,保护生态环境具有重要的理论及实践意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中离子型稀土矿数字岩心建模方法流程示意图;
图2为本发明实施例中稀土矿野外采样示意图;
图3为本发明实施例中稀土矿CT扫描制样设计图;
图4为本发明实施例中像元Vijk在3D马尔科夫链中的结构示意图;
图5为本发明实施例中一维第一行的形成(3-邻域体)的结构示意图;
图6为本发明实施例中二维第一阶的形成示意图;
图7为本发明实施例中三维阶的形成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供一种离子型稀土矿数字岩心建模方法,参考图1所示。包括以下步骤:
在野外矿区进行采样,获取稀土矿样本。
稀土矿野外采样剖面如图1所示。
为了保证稀土矿原位力学特性,在野外开挖的未浸矿的新鲜稀土矿剖面上,用口径未80mm,长400mm的钢管,向剖面内钻取取样。等钢管外端口全部没入稀土矿且其断面与开挖平台平行时,挖掉钢管周围的矿砂,取出采样钢管,两侧用锡箔纸封堵,并用锡箔纸封裹钢管。外侧用透明胶带再次封裹,保证其含水量不变。
对稀土矿孔隙度进行分析。
在进行稀土矿样本采集的同时,利用环刀采样分析稀土矿孔隙度。在野外稀土矿采样点,利用环刀在钢管外围采集若干份样本,带回实验室后立即称重,计为第一重量W1。将环刀放入平底容器中加水,在容器内加水至环刀上沿(水面一定不能超过环刀上沿),保持水位,放置4小时后,将环刀从容器内拿出,迅速擦干环刀外面的水分后加顶盖和底盖,称重得到第二重量W2。打开环刀顶盖和底盖(一定要保留底网),将环刀放置在支架上静置12h后,加顶盖和底盖并称重获得第三重量W3。称重后将环刀顶盖和底盖打开,一并放入105℃烘箱中烘干至恒重,干燥后待烘箱中的温度降到室温时,拿出环刀,加顶盖和底盖后称重得到第四重量W4。
设环刀体积为V,则根据公式(1)计算稀土矿总孔隙度:
稀土矿总孔隙度=(W2-W4)/V×100% (1)
通过求平均值,得到本实施例中所采集的稀土矿样孔隙度为25%。
利用采集到的稀土矿样本制备扫描试样,将扫描试样分为若干实验组。
根据本实施例中所使用的CT仪器要求扫描试样规格为高60.0mm,直径40.0mm。将利用钢管采集并封装在钢管中的稀土矿样本,通过图2所示的取样工具钻取CT扫描试样,本实施例中钻取规格要求:取样器内径为40.0mm,高度60.0mm,外接压实器,钻取CT扫描试样。
扫描所有扫描试样的断层空间,获取扫描数据,变换扫描数据,获取重构图像,对重构图像进行滤波,获取初始二维扫描图像。
CT扫描建立稀土矿数字岩心,主要是依据稀土矿内部各部分组成不同(颗粒及孔隙),其对X射线的吸收强度就不同,因此通过计算机检测射线经过样品吸收后的强度,可以计算得切片上X射线的吸收部分,根据吸收的射线强度转化成对应灰度值以表征不同的结构组分。其原理如式(2)所示:
式中:I0为X射线的初始强度,I为X射线穿透通过样品后的强度,及衰减强度;i为X射线穿透的路径上稀土矿中物质的某一组分;μi为第i组组分对X射线的衰减系数;xi为第i组组分在X射线当前途径路径上的长度。
根据上述CT扫描的原理可知,样品断面扫描结果记录的是一系列对应的物质的衰减系数(值)。Radon变换是对图像中的物体进行线积分,而CT扫描投影成像是依据Radon变换的逆变换完成,其表达式如式(3)所示:
其中:f(x,y)为图像重构目标函数;为固定θ,将Rf(ω,θ)的一维傅里叶变换(关于变量ω)的变换形式;i为X射线穿透的路径上稀土矿中物质的某一组分;ω为变量,θ为投影射线的方向与x轴正方向之间的夹角(取值0<θ<π)。CT扫描数据,执行Radon变换的逆变换后(如式3所示),可以得到重构图像。
由于重构图像使用的恢复数据存在噪声,因此需要对噪声进行滤波处理。采用利用滤波反投影方法计算出样品断层空间位置一一对应的吸收系数,从而恢复稀土矿扫描截面的结构信息。
设p(x’,θ)的最高空间频率为B,则其图像重建目标函数f(x,y)表达如式(4)所示:
式(4)-(5)中,f(x,y)为图像重建的目标函数,也就是样品对射线吸收系数的分布函数,x,y分别为样品扫描断面上某点的直角坐标;P(R,θ)、p(x’,θ)为f(x,y)沿θ方向上的投影函数,即为探测器检测到的射线强度信号;x’为样品扫描断面上某点(x,y)在旋转坐标中的横坐标,R为到坐标原点的距离;之后将f(x,y)采用灰度图像的方式表达,获得样品的滤波后的初始二维扫描图像(图)。
根据稀土矿孔隙度,对初始二维扫描图像进行分割,获取二值分割灰度图。
经过上一步骤获得样品的滤波后的初始二维扫描图像,该图像为灰度图像。但是稀土矿孔隙与颗粒之间的边界较为模糊,需要进行图像分割,对稀土矿孔隙与颗粒之间边界的灰度阈值进行合理划分。
假设F(i,j)表示图像像素灰度值,经分离后灰度值为1的像素表示目标对象,0表示图像背景,目标对象满足式(6)所示的函数条件:
式中,T为灰度阈值。
根据前述环刀法测定的样品孔隙度数据,以样品的稀土矿孔隙度为图像分割的约束条件。
设稀土矿样品孔隙度为φ,图像最大、最小的灰度值为Imax、Imin,灰度值为i的像素为p(i),满足灰度值k*符合如式(7)所示的表达式:
根据CT试验扫描结果,样品最大灰度值IMAX、最小灰度值IMIN已知,孔隙度已知(25%),所以根据式(5),将扫描所形成的灰度图,分割成二值图像,以实测稀土矿孔隙度为约束边界。
根据二值分割灰度图,构建稀土矿三维数字岩心模型。
在获取二维CT图像的基础上,利用马尔科夫链-蒙特卡洛法进行三维数字岩心的构建。马尔科夫链数学模型如下:
假设
VLMN={(l,m,n):0<l≤Lrows,0<m≤Mcolumns,0<n≤Nlayers}是有限的整数集合格子,其中VLMN表示有限整数三维晶格,其L、M、N、分别表示三维晶格的行数、列数、阶数;l表示其中任意一个三维晶格所在的行;m表示其中任意一个三维晶格所在的列;n表示其中任意一个三维晶格所在的阶。
(i,j,k)分别属于任意一个三维晶格像元集合内行、列、阶的相邻域的交叉面的像元,其组成Xijk·Vijk长方型的六面体排列的X(Vijk)像元,如图4所示。
按上述马尔科夫链数学模型构建三维晶格,规定边界像元(a,b,c)条件为:{(l,m,n):l<a or m<b or n<c)},像元边界主要决定三维晶格模型X,Y,Z延伸方向(如果沿Z轴运行,则n<k;如果沿X轴从左向右运行,则其边界像元为l<i及m<j)。
(1)一维方向链的形成
每一个像素元可以视为一个8节点的立方体单元。第一个像元建立后,然后第1行开始沿Y轴方向从左至右建立(3-邻域体),如图4所示。
(2)二维方向链的形成
第二行开始是4-邻域,之后一行接一行逐渐完成二维扫描,如图5所示。
(3)三维方向链的形成
从二阶第一行开始,逐渐到二阶第二行;逐阶运行之后,达到三维运行模型,如图6所示。三维方向链的形成后即获得稀土矿三维数字岩心模型。
本发明提供的离子型稀土矿数字岩心建模方法,能够有效减少使用浸矿注液量,从经济上节约成本,同时,在三位数字岩心建模的基础上,精细刻画稀土矿在浸矿过程中溶质的运移,提高了稀土浸矿回收率。有效的控制了浸矿液使用量,同时减少了稀土矿氨氮等污染,同时降低了重金属活化的风险,对稀土矿区生态修复奠定了基础。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种离子型稀土矿数字岩心建模方法,其特征在于,包括:
采集稀土矿样本,并分析稀土矿孔隙度;
利用所述稀土矿样本制备扫描试样,将所述扫描试样分为若干实验组,扫描所述扫描试样的断层空间,获取扫描数据;
变换所述扫描数据,获取重构图像,对所述重构图像进行滤波,获取初始二维扫描图像;
基于所述稀土矿孔隙度,对所述初始二维扫描图像进行分割,获取二值分割灰度图;
基于所述二值分割灰度图,构建稀土矿三维数字岩心模型。
2.根据权利要求1所述的离子型稀土矿数字岩心建模方法,其特征在于,采集稀土矿样本包括:
从稀土矿剖面向下钻入取样工具,待所述取样工具的外端口完全没入稀土矿且与所述稀土矿剖面平行时,取出所述取样工具,并对所述取样工具进行密封。
3.根据权利要求2所述的离子型稀土矿数字岩心建模方法,其特征在于,分析稀土矿孔隙度包括:
在所述取样工具的外围采集若干份孔隙度分析样本;
测量每份所述孔隙度分析样本第一重量W1,将所述孔隙度分析样本放入水中至若干小时,取出后,测量所述孔隙度分析样本的第二重量W2;
将浸水后的所述孔隙度分析样本静置若干小时后,测量所述孔隙度分析样本的第二重量W3,将所述孔隙度分析样本干燥至恒重,测量所述孔隙度分析样本的第四重量W4;
基于第二重量W2和第四重量W4,计算每份所述孔隙度分析样本的孔隙度;
计算所有所述孔隙度分析样本的孔隙度的平均值,获得所述稀土矿孔隙度。
4.根据权利要求3所述的离子型稀土矿数字岩心建模方法,其特征在于,所述每份孔隙度分析样本的孔隙度计算方法如式(1)所示:
稀土矿孔隙度=(W2-W4)/V×100% (1),
其中,V为孔隙度分析样本的采集工具体积。
5.根据权利要求1所述的离子型稀土矿数字岩心建模方法,其特征在于,扫描所述扫描试样采用CT扫描。
6.根据权利要求1所述的离子型稀土矿数字岩心建模方法,其特征在于,变换所述扫描数据,获取重构图像,对所述重构图像进行滤波,获取初始二维扫描图像包括:
对所述扫描数据进行Radon变换的逆变换,获得重构图像;
对重构图像进行滤波反投影,获得断层空间位置一一对应的吸收系数,获取扫描截面的结构信息;
将所述结构信息利用灰度图像进行表达,获取初始二维扫描图像。
8.根据权利要求1所述的离子型稀土矿数字岩心建模方法,其特征在于,基于所述二值分割灰度图,采用马尔科夫链-蒙特卡洛法构建稀土矿三维数字岩心模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190722.4A CN113920135A (zh) | 2021-10-13 | 2021-10-13 | 一种离子型稀土矿数字岩心建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190722.4A CN113920135A (zh) | 2021-10-13 | 2021-10-13 | 一种离子型稀土矿数字岩心建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113920135A true CN113920135A (zh) | 2022-01-11 |
Family
ID=79239970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111190722.4A Pending CN113920135A (zh) | 2021-10-13 | 2021-10-13 | 一种离子型稀土矿数字岩心建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113920135A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117827496A (zh) * | 2024-03-04 | 2024-04-05 | 煤炭科学研究总院有限公司 | 融合滤波反投影与专家系统的岩石ct边扫描边重建方法 |
-
2021
- 2021-10-13 CN CN202111190722.4A patent/CN113920135A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117827496A (zh) * | 2024-03-04 | 2024-04-05 | 煤炭科学研究总院有限公司 | 融合滤波反投影与专家系统的岩石ct边扫描边重建方法 |
CN117827496B (zh) * | 2024-03-04 | 2024-05-07 | 煤炭科学研究总院有限公司 | 融合滤波反投影与专家系统的岩石ct边扫描边重建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ewen et al. | SHETRAN: distributed river basin flow and transport modeling system | |
Taina et al. | Application of X-ray computed tomography to soil science: A literature review | |
Gerke et al. | Improving watershed-based pore-network extraction method using maximum inscribed ball pore-body positioning | |
Naveed et al. | Prediction of biopore-and matrix-dominated flow from X-ray CT-derived macropore network characteristics | |
Li et al. | Quantification of macropores of Malan loess and the hydraulic significance on slope stability by X-ray computed tomography | |
CN110929390B (zh) | 一种基于地下水水文地质试验的数值模拟检测方法 | |
CN113189305B (zh) | 一种孔隙型可渗透岩石的仿真模拟方法及系统 | |
Gan et al. | Application of computed tomography (CT) in geologic CO2 utilization and storage research: A critical review | |
CN113920135A (zh) | 一种离子型稀土矿数字岩心建模方法 | |
Chirol et al. | Effect of vegetation cover and sediment type on 3D subsurface structure and shear strength in saltmarshes | |
Kang et al. | Occurrence and controls of preferential flow in the upper stream of the Heihe River Basin, Northwest China | |
Fomin et al. | Soil pore structure dynamics under steady-state wetting-drying cycle | |
Ju et al. | Prediction of preferential fluid flow in porous structures based on topological network models: Algorithm and experimental validation | |
CN111179296A (zh) | 一种基于数字岩心技术研究岩石导热特性的新方法 | |
CN116187001A (zh) | 一种地浸采铀有效溶浸范围的自动提取方法 | |
Stauffer et al. | Quantifying transport uncertainty in unsaturated rock using Monte Carlo sampling of retention curves | |
Wildenschild et al. | Application of x-ray microtomography to environmental fluid flow problems | |
Turk et al. | Analysis of Vesicular Porosity in Soils using High Resolution X‐Ray Computed Tomography | |
Jin et al. | Multi-scale digital rock quantitative evaluation technology on complex reservoirs | |
Udawatta et al. | Synchrotron microtomographic quantification of geometrical soil pore characteristics affected by compaction | |
Gong et al. | Characterization of micro-scale pore structure and permeability simulation of peat soil based on 2D/3D X-ray computed tomography images | |
Tang et al. | Pore structure analysis of glacial till under freeze-thaw cycles based on calibration CT data | |
CN117911652B (zh) | 一种复杂多孔介质网格化方法 | |
CN112131776B (zh) | 裂缝性三维数字岩心油水或气水分布模型的构建方法 | |
CN110929377B (zh) | 基于Morris法的洲滩水热运移影响敏感性分析方法 |
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 |