CN114139328B - 一种层间氧化带砂岩型铀矿有利成矿带的预测方法 - Google Patents
一种层间氧化带砂岩型铀矿有利成矿带的预测方法 Download PDFInfo
- Publication number
- CN114139328B CN114139328B CN202010914864.XA CN202010914864A CN114139328B CN 114139328 B CN114139328 B CN 114139328B CN 202010914864 A CN202010914864 A CN 202010914864A CN 114139328 B CN114139328 B CN 114139328B
- Authority
- CN
- China
- Prior art keywords
- curve
- zone
- sandstone
- deposition environment
- ore
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/22—Yield analysis or yield optimisation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种层间氧化带砂岩型铀矿有利成矿带的预测方法,包括:S100、根据不同沉积环境中放射性元素Th和U的含量变化,拟合得到Th和U含量与沉积环境的定量关系,进一步形成沉积环境曲线“En”;S200、根据沉积环境曲线“En”得到“En”三维随机模型;S300、在“En”三维随机模型的约束下,结合地震信息进行反演,实现沉积环境划分的三维可视化,完成对层间氧化带砂岩型铀矿有利成矿带的预测。本发明应用地球物理勘探中的测井分析、三维随机模拟及地震反演技术,可以在少量取心甚至不取心的情况下,完成氧化还原过渡带的预测,进而圈定有利成矿带,有效的降低勘探成本,提高勘探成功率,具有较高的应用价值。
Description
技术领域
本发明涉及物探工程领域,具体涉及一种层间氧化带砂岩型铀矿有利成矿带的预测方法。
背景技术
氧化还原条件是层间氧化带砂岩型铀矿最主要的控制因素,通过对氧化-还原-过渡带进行精细刻画可以准确圈定有利成矿带。目前国内外对于砂岩型铀矿床层间氧化带的划分主要应用两种技术手段(陈晓林,2008;焦养泉,2012;朱西养2005):
第一种是“宏观岩心观察法”,这一方法是建立在大量的钻井取心基础上,对目的层中的岩石颜色进行描述,将红色、黄色砂岩定性为氧化砂岩,将灰色砂岩定性为过渡带或还原带砂岩,并对氧化砂岩的厚度进行统计,计算地层中氧化砂岩厚度百分比,参考统计归纳的划分标准进行氧化-还原-过渡带的判别。此方法成本高、效率低,并且在划分准确性上具有明显的缺陷,主要体现在岩石颜色并不能完全反映沉积环境、人为设定的划分标准主观因素太强等方面。
第二种是“分析化验法”,这一方法是通过对岩石样品中的颗粒颜色、矿化蚀变现象、元素含量变化等进行观察分析,进而划分氧化-还原-过渡带,这种基于实验室试验的方法准确性较高,但是由于其取样及分析化验周期较长、成本较高,难以满足快节奏的砂岩型铀矿勘探的需求,同时,分析化验结果只能反映取样点的沉积环境,如果用于有利区的圈定,难免存在以偏概全的局限性。
经过一系列的调研,认定以上两种技术手段在层间氧化带砂岩型铀矿的勘探中均具有一定的局限性,难以满足快节奏精细勘探的需求。因此,形成一种既高效,又能保证划分精度,还能在无井或少井区起到预测效果的有利区预测方法是各家砂岩型铀矿勘探企业近年来一直在探索的方向。
发明内容
本发明的目的在于提供一种层间氧化带砂岩型铀矿有利成矿带的预测方法,该预测方法包括以下步骤:
S100、根据不同沉积环境中放射性元素Th(钍)和U(铀)的含量变化,拟合得到Th和U含量与沉积环境的定量关系,进一步形成沉积环境曲线“En”;
S200、根据所述沉积环境曲线“En”得到“En”三维随机模型;
S300、在所述“En”三维随机模型的约束下,结合地震信息进行反演,实现沉积环境划分的三维可视化,完成对层间氧化带砂岩型铀矿有利成矿带的预测。
本发明的层间氧化带砂岩型铀矿有利成矿带的预测方法应用地球物理勘探中的测井分析、三维随机模拟及地震反演技术实现,通过自然伽马能谱测井对地层中放射性元素钍(Th)和铀(U)进行定量测量,依据两种放射性元素在不同沉积相、沉积环境下活性的变化规律,对Th、U曲线进行处理,形成一种能够精确划分氧化-还原-过渡带的曲线,实现在完井后第一时间单井氧化-还原-过渡带的准确划分,同时利用该曲线进行数值模拟和反演预测,实现对无井和少井区平面上氧化-还原-过渡带准确预测,进而达到在没有进行大量取心、岩心观察及分析化验的情况下,能实现沉积环境划分、圈定有利成矿带,指导勘探部署。
以下针对每一步骤进行详细说明:
S100、根据不同沉积环境中放射性元素Th(钍)和U(铀)的含量变化,拟合得到Th和U含量与沉积环境的定量关系,进一步形成沉积环境曲线“En”。
自然伽马能谱测井能够定量测量地层中铀、钍、钾三种放射性元素的含量,由于放射性元素化学性质的活泼型及对成岩环境较强的敏感性,因此常被应用于沉积环境的判定,但在现阶段的应用中只能达到区域古气候的判定,还没有一种手段能够实现米级分辨率的岩石颜色判定。
本发明中S100的测井资料处理是在大量实验分析的基础上,总结不同沉积环境放射性元素变化规律,通过拟合关系对Th、U两种曲线进行数学处理,发明一种可以对地层中岩石颜色进行高精度判定的“En”曲线,具体获取方法包括:
S101、统计分析不同沉积环境中放射性元素Th和U的含量的变化规律,推导出层间氧化带型砂岩型铀矿沉积环境定量划分公式;
砂岩型铀矿主要赋存于砂体厚度较大的冲积扇相、河流相和三角洲相之中,如若建立统一的定量划分指标,应考虑到不同沉积相储层所受到的风化条件和水文条件不同,储层中的Th、U活性发生变化这一因素,需将处于不同沉积相带中的氧化带、过渡带、还原带砂岩中的Th、U元素变化规律进行标准化处理。通过对大量数据进行统计分析,推导出了层间氧化带型砂岩型铀矿沉积环境定量划分公式如下:
E=(a×Th+b)/(c×U+d)……………………………………………公式1
式中:E为沉积环境指数;Th为砂岩中Th元素含量;U为砂岩中U元素含量;a、b、c、d四个系数受沉积相类型控制;
根据计算得到的E值进行沉积环境定量划分,具体系数确定标准及沉积环境划分标准如下表1和表2:
表1层间氧化带型砂岩型铀矿沉积环境定量划分公式参数确定表
表2沉积环境定量评价标准
注:沉积环境由过渡带向还原带过渡时E值升高,与后生氧化带的E值有所重叠,因此过渡带与还原带的边界可参考氧化带方向判定。
S102、利用SP、双侧向等曲线对元素分析样品深度进行校正归位,得到沉积环境曲线“En”。
根据本发明的预测方法,优选的,所述对元素分析样品深度进行校正归位的步骤包括:
读取自然伽马能谱测井曲线中样品对应深度的Th、U曲线值;
将样品分析值与自然伽马能谱测井值(即读取的自然伽马能谱测井曲线中样品对应深度的Th、U曲线值)进行比对分析,以样品分析值作为标准,通过数据交汇生成能够与样品值相匹配的“Th(new)”、“U(new)”曲线,将“Th(new)”、“U(new)”曲线通过所述层间氧化带型砂岩型铀矿沉积环境定量划分公式计算,得到沉积环境曲线“En”。
用于深度矫正及拟合曲线的样品是前期工作中取样获得,取样原则为工区内平面上均匀分布于各个区块,纵向上分布在同一层位内,规范的取样原则以及合理的分析化验可得到准确的拟合曲线,在曲线的指示下可以实现不进行取心划分氧化还原过渡带。
样品分析值为样品经过地化分析获得的Th含量和U含量。具体的U含量的分析测试手段为:样品经硝酸、氢氟酸、高氯酸分解后在MUA型激光荧光仪(核工业北京地质研究院制造)上测定,筛选出高含量样品经过氧化钠熔融后用钒酸铵标准溶液滴定分析。Th含量的分析测试手段为样品经过氧化钠熔融,水浸取熔块,过滤;沉淀用盐酸溶解,在酒石酸存在下,将试液通过743型大孔阳离子交换树脂柱,吸附、解吸后在盐酸介质中,用偶氮胂Ⅲ显色后,在UV-2600型紫外可见分光光度计(日本岛津制造)测定。
步骤S100可以实现在完井后第一时间,不进行钻井取芯及分析化验的情况下即可完成单井氧化砂岩、过渡带砂岩、还原带砂岩识别的目的,可节约勘探成本,缩短研究周期。
S200、根据所述沉积环境曲线“En”得到“En”三维随机模型。
利用S100中获取的沉积环境曲线“En”进行三维随机建模可实现沉积环境划分的三维可视化,也可以为下步的反演预测提供作为重要约束条件的三维地质数据体。
根据本发明的预测方法,优选的,S200中的建模方法以序贯高斯模拟为基础。
根据本发明的预测方法,优选的,S200包括:
S201、建立模型框架;
S202、确定横、纵向变程;
S203、建立“En”三维随机模型。
根据本发明的预测方法,优选的,S201中建立模型框架具体包括:
在井震标定的基础上,完成地层和断层的解释;在目的层顶部及底部各加时窗不小于地震资料1/2波长的层位,采样间隔设定为2ms。
为了减少子波旁瓣效应的影响,在目的层顶部及底部各加时窗不小于地震资料1/2波长的层位,在采样间隔的设定上,由于对沉积环境的预测主要体现在平面上,并不需要太高的纵向分辨率,因此可在保证结果可靠性的前提下适当放宽采样间隔的选取,一般设定为2ms即可。
S202、确定横、纵向变程。随机模型的可靠性主要受变差函数控制,因此需要对变差函数的两个重要特征值——横向变程和纵向变程进行合理的取值。本发明中对不同沉积环境砂岩与对应的沉积环境曲线“En”特征值进行统计分析,创新性地形成了代表“氧化-还原-过渡带”砂岩厚度、分布范围的纵向变程和横向变程的求取方法,指导了纵向变程和横向变程的求取,具体方法如下:
纵向变程求取:纵向变程代表的是随机模型纵向的分辨率,在地质意义中可以代表不同沉积环境砂岩的厚度,由于氧化带的平面刻画更具有勘探指导意义,因此在纵向变程求取时可参考工区实际情况,在5-10之间选取合适变程,数值越小纵向分辨率越高,但建模时间也越长;
横向变程求取:以某矿床为例,对比分析了同一氧化带中强氧化带到氧化带前锋线附近沉积环境曲线“En”的变化规律,通过图3可以看出,强氧化带的曲线表现为指状高值,同时曲线值高低变化频繁,离散性强,而到了氧化带前锋线附近曲线部分表现为指状高值,曲线值高低变化频率降低,离散性变弱,可以看出氧化作用的强弱与沉积环境曲线“En”值的大小及离散程度具有明显相关性,而氧化作用的强弱控制着氧化带的规模,因此可以理解为氧化带的规模与沉积环境曲线“En”值的大小及离散程度具有明显相关性。通过统计可以看出,氧化带的规模与沉积环境曲线“En”值的大小和离散程度均呈正相关,为了能够直观表达氧化带规模与两个参数的关系,将目的层段的曲线值平均值与体现离散程度的方差值进行乘积得到能够同时表征表征沉积环境曲线“En”值大小及离散程度的参数“V”,本发明中通过大量数据统计分析推到得出“V”与氧化带规模的关系式(公式2、公式3),依据以上关系式指导横向变程的求取:
L=336.1ln(V)+321.7……………………………………………………公式2
B=25.2V+100……………………………………………………………公式3
式中L为氧化带长度,m;B为氧化带宽度,m;V为表征沉积环境曲线“En”值大小及离散程度的参数,由目的层段的曲线值平均值与体现离散程度的方差值进行乘积得到。
根据本发明的预测方法,优选的,S203包括:
应用公式2和公式3,在获得沉积环境曲线“En”的情况下求取工区氧化带规模;通过反复矫正、迭代修改,求取横向变程,结合纵向变程获得变差函数,完成建模。
S300、在所述“En”三维随机模型的约束下,结合地震信息进行反演,实现沉积环境划分的三维可视化,完成对层间氧化带砂岩型铀矿有利成矿带的预测。
S200中实现的三维随机建模,是利用测井数据,通过数学算法获得,其预测能力有限,但却是控制反演结果可靠性的重要环节。要实现对沉积环境的预测,必须结合地震信息进行反演,通过对比,地质统计学反演能够突破地震资料的纵向分辨率,同时继承地震资料的横向分辨率,在合理的三维随机模型的约束下可以获得具有较好预测效果的反演结果,实现沉积环境划分的三维可视化,完成对层间氧化带性砂岩型铀矿的准确预测。
根据本发明的预测方法,优选的,S300包括:
S301、输入地震数据、子波、层位、断层、所用井的沉积环境曲线“En”、以及所述“En”三维随机模型;
S302、选择实现参数;
S303、结合工区特征设定反演参数,进行反演;
S304、结合已有地质认识(如物源方向、沉积建造、古地貌特征等),在随机模拟结果中选取最佳反演结果,对反演结果目的层位提取平均值属性,对比表2进行氧化-还原-过渡带划分,将后生氧化带前锋线附近的过渡带圈定为有利成矿带,实现层间氧化带砂岩型铀矿有利成矿带的预测。
根据本发明的预测方法,优选的,S302中实现参数代表的是获得的反演数据体个数,地质统计学反演得到的是多个等概率的随机模拟结果,建模时应用的井数越多、井网越均匀,所需要获得的随机模拟结果就越少,为提高反演效率,本发明结合层间氧化型砂岩型铀矿床井网分布特征设定了如下选取原则:一般情况下应用5-10口井时,选择实现10个随机模拟结果,应用10-20井时,选择实现5-8个随机模拟结果,应用20口井以上时,选择实现3个随机模拟结果即可。“应用5-10口”、“应用10-20井时”和“应用20口井以上”中的井指用于S202中横纵向变程的求取,也可用于S201中框架模型的建立中的井。
本发明在实现S100的基础上,应用S200和S300,首次实现了应用地球物理探测技术划分预测层间氧化带砂岩型铀矿有利成矿带。
本发明的有益效果包括:
1)本发明应用地球物理勘探中的测井分析、三维随机模拟及地震反演技术实现层间氧化带砂岩型铀矿有利成矿带预测,可以在少量取心甚至不取心的情况下,完成氧化还原过渡带的预测,进而圈定有利成矿带,有效的降低勘探成本,提高勘探成功率,具有较高的应用价值。
2)在测井分析方面,总结不同沉积环境放射性元素变化规律,通过拟合关系对Th、U两种曲线进行数学处理,发明一种可以对地层中岩石颜色进行高精度判定的沉积环境曲线“En”,利用该曲线可实现单井的氧化砂岩、过渡带砂岩、还原带砂岩识别。
3)在三维随机模拟方面,利用获取的沉积环境曲线“En”,在氧化带规模与测井曲线值的拟合关系控制下实现三维随机建模,为下步的反演预测提供作为重要约束条件。
4)在地震反演方面,选择合理的实现参数,提高预测效率,结合已有地质认识,参照本发明中建立的沉积环境定量评价表完成成矿有利区的预测。
附图说明
图1为本发明的一种层间氧化带砂岩型铀矿有利成矿带的预测方法的流程图。
图2为实施例中沉积环境曲线“En”沉积环境预测效果图。
图3为同一氧化带不同氧化程度沉积环境曲线“En”值变化规律图。
图4为实施例中建立的“En”三维随机模型。
图5为实施例中的层间氧化带砂岩型铀矿有利成矿带的预测平面图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例对本发明做进一步的说明。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
本发明提供的一种层间氧化带砂岩型铀矿有利成矿带的预测方法包括以下步骤:
S100、根据不同沉积环境中放射性元素Th(钍)和U(铀)的含量变化,拟合得到Th和U含量与沉积环境的定量关系,进一步形成沉积环境曲线“En”;
S200、根据所述沉积环境曲线“En”得到“En”三维随机模型;
S300、在所述“En”三维随机模型的约束下,结合地震信息进行反演,实现沉积环境划分的三维可视化,完成对层间氧化带砂岩型铀矿有利成矿带的预测。
具体的,其流程图如图1所示,根据大量数据分析,包括地化分析、沉积相划分和自然伽马能谱测井数据,统计分析不同沉积环境中放射性元素Th和U的含量的变化规律,推导出层间氧化带型砂岩型铀矿沉积环境定量划分公式,形成沉积环境曲线“En”;然后进行氧化带规模统计,结合沉积环境曲线“En”进行变差函数求取,完成三维随机建模;最后进行地震反演,实现有利成矿带预测。
本发明实施例中提供一优选方案,一种层间氧化带砂岩型铀矿有利成矿带的预测方法,该预测方法包括以下步骤:
S100、根据不同沉积环境中放射性元素Th(钍)和U(铀)的含量变化,拟合得到Th和U含量与沉积环境的定量关系,进一步形成沉积环境曲线“En”。具体包括S101和S102。
S101、统计分析不同沉积环境中放射性元素Th和U的含量的变化规律,推导出层间氧化带型砂岩型铀矿沉积环境定量划分公式;
砂岩型铀矿主要赋存于砂体厚度较大的冲积扇相、河流相和三角洲相之中,如若建立统一的定量划分指标,应考虑到不同沉积相储层所受到的风化条件和水文条件不同,储层中的Th、U活性发生变化这一因素,需将处于不同沉积相带中的氧化带、过渡带、还原带砂岩中的Th、U元素变化规律进行标准化处理。通过对大量数据进行统计分析,推导出了层间氧化带型砂岩型铀矿沉积环境定量划分公式如下:
E=(a×Th+b)/(c×U+d)……………………………………………公式1
式中:E为沉积环境指数;Th为砂岩中Th元素含量;U为砂岩中U元素含量;a、b、c、d四个系数受沉积相类型控制;
根据计算得到的E值进行沉积环境定量划分,具体系数确定标准及沉积环境划分标准如表1和表2。
S102、利用SP、双侧向等曲线对元素分析样品深度进行校正归位,得到沉积环境曲线“En”。
读取自然伽马能谱测井曲线中样品对应深度的Th、U曲线值;将样品分析值与自然伽马能谱测井值(即读取的自然伽马能谱测井曲线中样品对应深度的Th、U曲线值)进行比对分析,以样品分析值作为标准,通过数据交汇生成能够与样品值相匹配的“Th(new)”、“U(new)”曲线,将“Th(new)”、“U(new)”曲线通过所述层间氧化带型砂岩型铀矿沉积环境定量划分公式计算,得到沉积环境曲线“En”。
用于深度矫正及拟合曲线的样品是前期工作中取样获得,取样原则为工区内平面上均匀分布于各个区块,纵向上分布在同一层位内,规范的取样原则以及合理的分析化验可得到准确的拟合曲线,在曲线的指示下可以实现不进行取心划分氧化还原过渡带。
样品分析值为样品经过地化分析获得的Th含量和U含量。具体的U含量的分析测试手段为:样品经硝酸、氢氟酸、高氯酸分解后在MUA型激光荧光仪(核工业北京地质研究院制造)上测定,筛选出高含量样品经过氧化钠熔融后用钒酸铵标准溶液滴定分析。Th含量的分析测试手段为样品经过氧化钠熔融,水浸取熔块,过滤;沉淀用盐酸溶解,在酒石酸存在下,将试液通过743型大孔阳离子交换树脂柱,吸附、解吸后在盐酸介质中,用偶氮胂Ⅲ显色后,在UV-2600型紫外可见分光光度计(日本岛津制造)测定。
S200、根据所述沉积环境曲线“En”得到“En”三维随机模型;具体包括S201-S203。
S201、建立模型框架:在井震标定的基础上,完成地层和断层的解释;为了减少子波旁瓣效应的影响,在目的层顶部及底部各加时窗不小于地震资料1/2波长的层位,在采样间隔的设定上,由于对沉积环境的预测主要体现在平面上,并不需要太高的纵向分辨率,因此可在保证结果可靠性的前提下适当放宽采样间隔的选取,一般设定为2ms即可。
S202、确定横、纵向变程:
纵向变程求取:纵向变程代表的是随机模型纵向的分辨率,在地质意义中可以代表不同沉积环境砂岩的厚度,由于氧化带的平面刻画更具有勘探指导意义,因此在纵向变程求取时可参考工区实际情况,在5-10之间选取合适变程,数值越小纵向分辨率越高,但建模时间也越长;
横向变程求取:以某矿床为例,对比分析了同一氧化带中强氧化带到氧化带前锋线附近沉积环境曲线“En”的变化规律,通过图3可以看出,强氧化带的曲线表现为指状高值,同时曲线值高低变化频繁,离散性强,而到了氧化带前锋线附近曲线部分表现为指状高值,曲线值高低变化频率降低,离散性变弱,可以看出氧化作用的强弱与沉积环境曲线“En”值的大小及离散程度具有明显相关性,而氧化作用的强弱控制着氧化带的规模,因此可以理解为氧化带的规模与沉积环境曲线“En”值的大小及离散程度具有明显相关性。通过统计可以看出,氧化带的规模与沉积环境曲线“En”值的大小和离散程度均呈正相关,为了能够直观表达氧化带规模与两个参数的关系,将目的层段的曲线值平均值与体现离散程度的方差值进行乘积得到能够同时表征表征沉积环境曲线“En”值大小及离散程度的参数“V”,本发明中通过大量数据统计分析推到得出“V”与氧化带规模的关系式(公式2、公式3),依据以上关系式指导横向变程的求取:
L=336.1ln(V)+321.7……………………………………………………公式2
B=25.2V+100……………………………………………………………公式3
式中L为氧化带长度,m;B为氧化带宽度,m;V为表征沉积环境曲线“En”值大小及离散程度的参数,由目的层段的曲线值平均值与体现离散程度的方差值进行乘积得到。
S203、建立“En”三维随机模型:应用公式2和公式3,在获得沉积环境曲线“En”的情况下求取工区氧化带规模;通过反复矫正、迭代修改,求取横向变程,结合纵向变程获得变差函数,完成建模。
S300、在所述“En”三维随机模型的约束下,结合地震信息进行反演,实现沉积环境划分的三维可视化,完成对层间氧化带砂岩型铀矿有利成矿带的预测。具体包括S301-S304。
S301、输入地震数据、子波、层位、断层、所用井的沉积环境曲线“En”、以及所述“En”三维随机模型;
S302、选择实现参数;实现参数代表的是获得的反演数据体个数,地质统计学反演得到的是多个等概率的随机模拟结果,建模时应用的井数越多、井网越均匀,所需要获得的随机模拟结果就越少,为提高反演效率,本发明结合层间氧化型砂岩型铀矿床井网分布特征设定了如下选取原则:一般情况下应用5-10口井时,选择实现10个随机模拟结果,应用10-20井时,选择实现5-8个随机模拟结果,应用20口井以上时,选择实现3个随机模拟结果即可。“应用5-10口”、“应用10-20井时”和“应用20口井以上”中的井指用于S202中横纵向变程的求取,也可用于S201中框架模型的建立中的井。
S303、结合工区特征设定反演参数,进行反演;
S304、结合已有地质认识(如物源方向、沉积建造、古地貌特征等),在随机模拟结果中选取最佳反演结果,对反演结果目的层位提取平均值属性,对比表2进行氧化-还原-过渡带划分,将后生氧化带前锋线附近的过渡带圈定为有利成矿带,实现层间氧化带砂岩型铀矿有利成矿带的预测。
将以上优选方案的“一种层间氧化带砂岩型铀矿有利成矿带的预测方法”应用于北方某砂岩型铀矿床的勘探之中。
该矿床勘探程度相对较高,探井多、井网均匀,测井系列齐全,在2019年的勘探中成功应用本发明方法,并获得显著效果,具体实施步骤如下:
S100、结合矿床目的层的沉积相特征研究,认为该矿床目的层主要发育辫状河沉积,结合该认识,依据公式1和表1,完成自然伽马能谱测井处理公式的建立,E=(1.0×Th+0.5)/(1.0×U+0.4),根据该公式对多口完钻井的自然伽马能谱测井进行处理,得到沉积环境曲线“En”,在沉积环境曲线“En”的指导下,第一时间对钻孔的沉积环境作出判断(图2),指导调整部署,并为S200的进行打下了基础。
如图2所示,图中包括三列曲线,左边两列为结合‘U、Th’含量分析与自然伽马能谱测井拟合所得的“U(new)、Th(new)”,通过这两条曲线,结合工区沉积相划分结果,利用表1和公式1计算得到左数第三列的En曲线,将En曲线值(En平均值道)与表2相结合,可预测岩石颜色(预测岩性道),同时得到不同深度段所对应的的沉积环境(沉积环境道),通过对比(预测岩性道与岩心录井岩性道)可以看出利用En平均值进行岩石颜色的判定较为准确,同时可以精细化分不同深度段的沉积环境。
S200、应用S100中获得的沉积环境曲线“En”,在公式2和公式3的的指导下完成建模关键参数横向变程的设定,确定为(1800,1200),并完成三维随机建模(图4),依据该模型,可初步判断出工区氧化带由西向东、由南向北的展布方向,过渡带大致呈带状分布在工区东侧,同时模型的建立也为S300的实施奠定了基础。
S300、在S200建立的“En”三维随机模型的约束下,完成了氧化还原过渡带的反演预测,并根据表2的划分标准对工区目的层氧化-还原-过渡带的平面分布范围进行了预测,圈定了有利成矿带。
如图5所示,通过反演预测了En值的平面分布范围,通过与表2对比可进行沉积环境划分进而圈定有利成矿带,具体表现如下:En高值区(2.8-6)主要分布在工区西侧,呈带状和片状分布,反映了该地区为原生氧化带;En值在1.3到2.8的区域主要分布在工区中西部及东部部分地区,呈块状或带状分布,反映了后生氧化的沉积环境;En值的低值区(0-1.3)主要分布在中东部呈环状分布在后生氧化带周围,是氧化还原过渡带中的过渡带,也是有利成矿带,是勘探部署的重点区域。
本例成功应用“一种层间氧化带砂岩型铀矿有利成矿带的预测方法”,指导了北方某砂岩型铀矿床的2019年勘探部署,应用发明的沉积环境曲线“En”,在完井后第一时间完成了钻孔沉积环境的判定,高效指导了调整部署,使扩边勘探及详查勘探的成功率由2018年的27%大幅提高到46%,应用反演预测结果,成功划分有利成矿带,在普查勘探和预查勘探中发现了多个新矿点,为勘探的可持续进行提供了强力保障。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (6)
1.一种层间氧化带砂岩型铀矿有利成矿带的预测方法,其特征在于,该预测方法包括以下步骤:
S100、根据不同沉积环境中放射性元素Th和U的含量变化,拟合得到Th和U含量与沉积环境的定量关系,进一步形成沉积环境曲线“En”;
S200、根据所述沉积环境曲线“En”得到“En”三维随机模型;
S300、在所述“En”三维随机模型的约束下,结合地震信息进行反演,实现沉积环境划分的三维可视化,完成对层间氧化带砂岩型铀矿有利成矿带的预测;
其中,S100包括:
S101、统计分析不同沉积环境中放射性元素Th和U的含量的变化规律,推导出层间氧化带型砂岩型铀矿沉积环境定量划分公式;
S102、利用SP、双侧向曲线对元素分析样品深度进行校正归位,得到沉积环境曲线“En”;
优选的,所述对元素分析样品深度进行校正归位的步骤包括:
读取自然伽马能谱测井曲线中样品对应深度的Th、U曲线值;
将样品分析值与读取的自然伽马能谱测井曲线中样品对应深度的Th、U曲线值进行比对分析,以样品分析值作为标准,通过数据交汇生成能够与样品值相匹配的“Th(new)”、“U(new)”曲线,将“Th(new)”、“U(new)”曲线通过所述层间氧化带型砂岩型铀矿沉积环境定量划分公式计算,得到沉积环境曲线“En”;
其中,S101中所述层间氧化带型砂岩型铀矿沉积环境定量划分公式如下:
E=(a×Th+b)/(c×U+d)……………………………………………公式1
式中:E为沉积环境指数;Th为砂岩中Th元素含量;U为砂岩中U元素含量;a、b、c、d四个系数受沉积相类型控制;
根据计算得到的E值进行沉积环境定量划分;
具体系数确定标准如下:
沉积相分别为干旱型冲积扇、潮湿型冲积扇、曲流河、辫状河和三角洲时,系数a对应的值为:0.8、0.9、1.0、1.0和1.1;
沉积相分别为干旱型冲积扇、潮湿型冲积扇、曲流河、辫状河和三角洲时,系数b对应的值为:0.7、0.3、0.6、0.5和0.2;
沉积相分别为干旱型冲积扇、潮湿型冲积扇、曲流河、辫状河和三角洲时,系数c对应的值为:1.2、1.2、1.1、1.0和1.0;
沉积相分别为干旱型冲积扇、潮湿型冲积扇、曲流河、辫状河和三角洲时,系数d对应的值为:1.8、0.5、0.4、0.4和0.5;沉积环境划分标准如下:
E>2.8时,沉积环境为原生氧化带;E取2.8-1.3时,沉积环境为后生氧化带;E取0-1.3时,沉积环境为过渡带;E取1.3-2.5时,沉积环境为还原带时;
其中,S200包括:
S201、建立模型框架;
S202、确定横、纵向变程;
S203、建立“En”三维随机模型;
其中,S300包括:
S301、输入地震数据、子波、层位、断层、所用井的沉积环境曲线“En”、以及所述“En”三维随机模型;
S302、选择实现参数;
S303、结合工区特征设定反演参数,进行反演;
S304、结合已有地质认识,在随机模拟结果中选取最佳反演结果,对反演结果目的层位提取平均值属性,对比表2进行氧化-还原-过渡带划分,将后生氧化带前锋线附近的过渡带圈定为有利成矿带,实现层间氧化带砂岩型铀矿有利成矿带的预测。
2.根据权利要求1所述的预测方法,其特征在于,S200中的建模方法以序贯高斯模拟为基础。
3.根据权利要求1所述的预测方法,其特征在于,S201包括:
在井震标定的基础上,完成地层和断层的解释;在目的层顶部及底部各加时窗不小于地震资料1/2波长的层位,采样间隔设定为2ms。
4.根据权利要求3所述的预测方法,其特征在于,S202包括:
纵向变程求取:参考工区实际情况,在5-10之间选取合适变程;
横向变程求取:依据以下公式2和公式3指导横向变程的求取:
L=336.1ln(V)+321.7……………………………………………………公式2
B=25.2V+100……………………………………………………………公式3
式中L为氧化带长度,m;B为氧化带宽度,m;V为表征沉积环境曲线“En”值大小及离散程度的参数,由目的层段的曲线值平均值与体现离散程度的方差值进行乘积得到。
5.根据权利要求4所述的预测方法,其特征在于,S203包括:
应用公式2和公式3,在获得沉积环境曲线“En”的情况下求取工区氧化带规模;通过反复矫正、迭代修改,求取横向变程,结合纵向变程获得变差函数,完成建模。
6.根据权利要求1所述的预测方法,其特征在于,S302中选择实现参数时,应用5-10口井时,选择实现10个随机模拟结果,应用10-20井时,选择实现5-8个随机模拟结果,应用20口井以上时,选择实现3个随机模拟结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010914864.XA CN114139328B (zh) | 2020-09-03 | 2020-09-03 | 一种层间氧化带砂岩型铀矿有利成矿带的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010914864.XA CN114139328B (zh) | 2020-09-03 | 2020-09-03 | 一种层间氧化带砂岩型铀矿有利成矿带的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114139328A CN114139328A (zh) | 2022-03-04 |
CN114139328B true CN114139328B (zh) | 2022-11-04 |
Family
ID=80437974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010914864.XA Active CN114139328B (zh) | 2020-09-03 | 2020-09-03 | 一种层间氧化带砂岩型铀矿有利成矿带的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139328B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN111257926A (zh) * | 2018-12-03 | 2020-06-09 | 核工业二0八大队 | 一种利用老旧地震资料进行古河谷铀储层预测的方法 |
-
2020
- 2020-09-03 CN CN202010914864.XA patent/CN114139328B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257926A (zh) * | 2018-12-03 | 2020-06-09 | 核工业二0八大队 | 一种利用老旧地震资料进行古河谷铀储层预测的方法 |
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 |
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 |
Non-Patent Citations (2)
Title |
---|
地质统计学反演在钱家店地区砂岩型铀矿勘探中的应用;罗林;《铀矿冶》;20180201(第01期);全文 * |
砂岩型铀矿地震综合预测技术研究――以齐哈日格图凹陷铀矿为例;吴曲波等;《地球物理学进展》;20180725(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114139328A (zh) | 2022-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | History matching and uncertainty quantification of facies models with multiple geological interpretations | |
CN104047597B (zh) | 含油气泥页岩地层测井曲线标准化方法 | |
CN104612675B (zh) | 一种碳酸盐岩地层随钻岩性快速识别方法 | |
CN106526693A (zh) | 裂缝识别方法和装置 | |
CN113488117B (zh) | 一种具有深度学习能力的深部金矿床成矿找矿方法 | |
CN105044770A (zh) | 致密砂砾岩气藏储层定量预测方法 | |
CN105005077B (zh) | 稀井条件下实钻井与虚拟井联合的薄层厚度预测方法 | |
CN111090709A (zh) | 一种砂岩型铀矿成矿预测的大数据地质分析方法 | |
CN112764122B (zh) | 一种古河道型砂岩铀储层的圈定方法 | |
CN111158052B (zh) | 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 | |
CN109630090B (zh) | 储盖组合测井评价方法和装置 | |
CN110320574B (zh) | 基于缓坡三角洲薄层砂体刻画的方法 | |
CN115877447A (zh) | 一种直平联合井网条件下地震约束三维地质建模的储层预测方法 | |
Méndez et al. | Rock type prediction and 3D modeling of clastic paleokarst fillings in deeply-buried carbonates using the Democratic Neural Networks Association technique | |
US20230204810A1 (en) | Finite element-based ore deposit drilling information processing and analysis method and device | |
CN114139328B (zh) | 一种层间氧化带砂岩型铀矿有利成矿带的预测方法 | |
CN116930023A (zh) | 致密砂岩相控分类孔隙度测井精细解释方法和装置 | |
Olson et al. | Reservoir characterization of the giant Hugoton gas field, Kansas | |
Hollis et al. | Uncertainty management in a giant fractured carbonate field, Oman, using experimental design | |
Li et al. | Multiscale modeling of meandering fluvial reservoir architecture based on multiple-point geostatistics: a case study of the minghuazhen formation, yangerzhuang oilfield, bohai bay basin, China | |
CN113409460B (zh) | 一种碎屑岩储层夹层机器学习型三维定量表征方法 | |
Li et al. | Three-dimensional reservoir architecture modeling by geostatistical techniques in BD block, Jinhu depression, northern Jiangsu Basin, China | |
CN114594518B (zh) | 基于井震交替的开发后期复杂断块精细地层对比方法 | |
CN111563609B (zh) | 一种致密砂岩油藏开发选区方法 | |
Kondratyev et al. | Submarine fan reservoir architecture and heterogeneity influence on hard-to-recover reserves. Achimov Fm |
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 |