CN115081547B - 识别渗出型砂岩铀矿的富铀建造的方法 - Google Patents
识别渗出型砂岩铀矿的富铀建造的方法 Download PDFInfo
- Publication number
- CN115081547B CN115081547B CN202210869142.6A CN202210869142A CN115081547B CN 115081547 B CN115081547 B CN 115081547B CN 202210869142 A CN202210869142 A CN 202210869142A CN 115081547 B CN115081547 B CN 115081547B
- Authority
- CN
- China
- Prior art keywords
- uranium
- rich
- build
- organic
- color
- 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 160
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 title claims abstract description 159
- 238000010276 construction Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000005416 organic matter Substances 0.000 claims abstract description 38
- 238000009933 burial Methods 0.000 claims abstract description 34
- 230000002829 reductive effect Effects 0.000 claims description 23
- 230000015572 biosynthetic process Effects 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 19
- 239000004215 Carbon black (E152) Substances 0.000 claims description 16
- 229930195733 hydrocarbon Natural products 0.000 claims description 16
- 150000002430 hydrocarbons Chemical class 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 11
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 239000011435 rock Substances 0.000 claims description 8
- 235000015076 Shorea robusta Nutrition 0.000 claims description 7
- 244000166071 Shorea robusta Species 0.000 claims description 7
- 230000008021 deposition Effects 0.000 claims description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 4
- 239000010426 asphalt Substances 0.000 claims description 4
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 238000000197 pyrolysis Methods 0.000 claims description 4
- 239000004079 vitrinite Substances 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims 1
- 230000033558 biomineral tissue development Effects 0.000 abstract description 6
- 239000000126 substance Substances 0.000 abstract description 4
- 238000005755 formation reaction Methods 0.000 description 18
- 238000005553 drilling Methods 0.000 description 12
- 239000004058 oil shale Substances 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000002285 radioactive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000001089 mineralizing effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N13/00—Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
- G01N13/04—Investigating osmotic effects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- 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
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mathematical Optimization (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geophysics (AREA)
- Dispersion Chemistry (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及借助地质体的物理、化学性质来分析地质体的方法，具体涉及一种识别渗出型砂岩铀矿的富铀建造的方法，包括：识别富有机质建造，富有机质建造为有机质丰度大于第一预设值的且埋深大于第二预设值的建造；确定富有机质建造的铀含量；识别富铀建造，富铀建造为铀含量大于第三预设值的富有机质建造。根据本申请实施例的识别砂岩铀矿的渗出成矿富铀建造的方法能够有效识别渗出成矿的富铀建造，进而指导渗出成矿的砂岩铀矿的勘查工作。
Description
技术领域
本申请涉及借助地质体的物理、化学性质来分析地质体的方法，具体涉及一种识别渗出型砂岩铀矿的富铀建造的方法。
背景技术
识别富铀建造是选取铀矿的成矿区带的基础，相关技术中的富铀建造的识别方法主要针对渗入型铀矿来开展，而并不适用于渗出成矿富铀建造的识别，亟需一种能够准确识别渗出型砂岩铀矿的富铀建造的方法，以便于开展后续的渗出型砂岩铀矿的勘查工作。
发明内容
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的识别渗出型砂岩铀矿的富铀建造的方法。
根据本申请的实施例提供一种识别砂岩铀矿的渗出成矿富铀建造的方法，包括：识别富有机质建造，富有机质建造为有机质丰度大于第一预设值的建造；确定富有机质建造的铀含量；识别富铀建造，富铀建造为富有机质建造中铀含量大于第二预设值的建造。
根据本申请实施例的识别渗出型砂岩铀矿的富铀建造的方法能够有效识别渗出型砂岩铀矿的富铀建造，进而指导渗出型砂岩铀矿的勘查工作。
附图说明
图1为根据本申请实施例的识别渗出型砂岩铀矿的富铀建造的方法的流程图；
图2为根据本申请实施例的还原色泥岩的厚度分布示意图；
图3为根据本申请实施例的还原色油页岩的厚度分布示意图；
图4为根据本申请实施例的伽马值分布示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例的附图，对本申请的技术方案进行清楚、完整地描述。显然，所描述的实施例是本申请的一个实施例，而不是全部的实施例。基于所描述的本申请的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，除非另外定义，本申请使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。若全文中涉及“第一”、“第二”等描述，则该“第一”、“第二”等描述仅用于区别类似的对象，而不能理解为指示或暗示其相对重要性、先后次序或者隐含指明所指示的技术特征的数量，应该理解为“第一”、“第二”等描述的数据在适当情况下可以互换。若全文中出现“和/或”，其含义为包括三个并列方案，以“A和/或B”为例，包括A方案，或B方案，或A和B同时满足的方案。
根据本申请的实施例提供一种识别砂岩铀矿的渗出成矿富铀建造的方法，参照图1，包括：
步骤S102：识别富有机质建造，此处的富有机质建造是指有机质丰度大于第一预设值的建造。
步骤S104：确定富有机质建造的铀含量。
步骤S106：识别富铀建造。此处的富铀建造是指铀含量大于第二预设值的富有机质建造，即，在步骤S104中确定了富有机质建造的铀含量以后，在步骤S106中将铀含量大于第二预设值的富有机质建造识别为富铀建造。
在典型的渗入型砂岩铀矿的成矿理论中，富铀建造通常发育在浅层的位置，其所提供的铀源物质随着氧化水等渗入到下方地层中，形成铀矿化体。
而在渗出型砂岩铀矿的成矿理论中，深部的富铀建造发育富含铀源物质的还原性渗出流体，该渗出流体能够渗出到上方的氧化地层中，由于酸碱度、氧逸度和温度、压力等物理化学条件的改变，导致铀沉淀富集成矿。
相关技术中所提供的富铀建造识别方法并不适用于渗出型砂岩铀矿的富铀建造的识别，为此，提出了本申请以期望能够有效且准确地识别渗出型砂岩铀矿的富铀建造。
本申请提出，不同于渗入型砂岩铀矿的富铀建造，渗出型砂岩铀矿的富铀建造通常发育在深部位置，并且，通常还富含有机质。为此，在本申请中，首先在步骤S102中识别富有机质建造，此处的富有机质建造是指有机质丰度大于第一预设值且埋深大于第二预设值的建造。
常用的有机质丰度的评价指标可以包括有机碳含量、岩石热解生烃潜力、氯仿沥青A值、总烃含量等，本领域技术人员可以根据实际情况来选择其中的一个或多个指标来作为有机质丰度的评价指标，并且，可以根据具体所选用的评价指标来设定合适的第一预设值，对此不作限制。
本领域技术人员可以使用本领域中常用的勘查方法来进行富有机质建造的识别，例如，可以基于研究区域内钻孔数据、有机地化数据等来识别富有机质建造，下文中的相关部分处也将会提供识别富有机质建造的具体方法，在此不再赘述。
富有机质建造的埋深需要大于第二预设值，如上文中所描述的，渗出型砂岩铀矿的富铀建造发育的渗出流体将会转移到上方的地层中，因此，渗出型砂岩铀矿的富铀建造通常比渗入型砂岩铀矿的富铀建造具有更大的埋深，为此本申请中在步骤S102中识别富有机质建造的过程中，除了将有机质丰度设置为识别指标外，还将埋深设置成了识别指标，以避免在相对浅层的位置处来进行后续的识别，保证了识别结果的准确性和有效性。此处的第二预设值可以由本领域技术人员根据具体的研究区域内的层位分布特征、各个层位的基底埋深等来进行确定。
在步骤S102识别出了富有机质建造后，需要确定该富有机质建造的铀含量，确定铀含量可以通过例如钻孔采样分析等方式来实现，如果在步骤S104中确定了某处富有机质建造的铀含量大于第三预设值，则在步骤S106中可以将该处富有机质建造识别为富铀建造，此处的第三预设值可以由本领域技术人员根据本领域中的相关标准来进行确定，对此不作具体的限制。
根据本申请实施例的方法能够较为准确地识别出渗出型砂岩铀矿的富铀建造，进而能够为渗出型砂岩铀矿的有利成矿区带的选取提供依据，指导渗出型砂岩铀矿的勘查。
在一些实施例中，步骤S102中识别富有机质建造时，可以首先识别埋深大于第二预设值的还原色沉积建造，而后确定该还原色沉积建造的有机质丰度，将有机质丰度大于第一预设值的还原色建造识别为富有机质建造。
具体地，此处的还原色沉积建造可以包括呈现灰色、灰黑色、灰绿色、黑色等还原色的泥岩、油页岩等建造，通常而言，呈现还原色的沉积建造通常富含有机质，并且，颜色越深，则有机质的丰度可能越高，为此，本实施例中首先识别埋深大于第二预设值的还原色沉积建造，而后再进一步的确定该还原色沉积建造的有机质丰度。
可以理解地，有机质丰度的测定需要进行采样分析试验等，工作量较大，而还原色沉积建造的识别可以直接通过钻孔数据的统计分析来实现，工作量较小，而本实施例中先识别了埋深大于第二预设值的还原色沉积建造，从而后续只需要针对该还原色沉积建造来进行有机质丰度的测定，显著地减小了有机质丰度测定的工作量，提高了识别富有机质建造的效率并且降低了成本。
在一些实施例中，识别还原色沉积建造时，可以首先基于钻孔数据来识别每个钻孔所在位置处的还原色泥岩和/或还原色油页岩，并且确定其厚度和埋深，将埋深大于第二预设值且厚度大于第三预设值的还原色泥岩和/或还原色油页岩识别为还原色沉积建造。
通常而言，富铀建造需要形成一定的规模才具有考察的价值，为此，本申请中在最初识别还原色沉积建造时就考虑到了分布规模的因素，将厚度大于第四预设值的还原色泥岩和/或还原色油页岩识别为还原色沉积建造，而避免将一些散在分布且规模较小的纳入后续的识别范围中，保证了最终所识别的富铀建造的考察价值。本领域技术人员可以根据实际所获取到的钻孔数据中，泥岩或油页岩的厚度分布情况来合理的确定该第四预设值，以便于合理的圈定还原色沉积建造的范围，对此不作限制。
在一些实施例中，可以基于钻孔数据对钻孔中的还原色泥岩和/或还原色油页岩的厚度进行统计分析，并基于空间插值等方法来绘制还原色泥岩、还原色油页岩的厚度等值线图。以便于更好地掌握还原色泥岩、还原色油页岩的分布情况，从而识别出还原色沉积建造。
图2中示出了一个实施例中的还原色泥岩32的厚度分布情况，其中，颜色越深，则指示还原色泥岩21的厚度越大。图3中示出了一个实施例中的还原色油页岩31的厚度分布情况，其中，颜色越深，则指示还原色油页岩31的厚度越大。在一些实施例中，本领域技术人员可以基于这些还原色泥岩、还原色油页岩的厚度分布情况，来合理的确定第四预设值，进而将该第四预设值所对应的等值线圈定的范围中的还原色泥岩、油页岩等识别为还原色沉积建造。
在一些其他的实施例中，除了考虑还原色泥岩、还原色油页岩的厚度以外，作为补充地或者替代地，还可以确定还原色泥岩、还原色油页岩的厚度与其所在层位的地层总厚度的比值，将该比值较高的区域内的还原色泥岩、还原色油页岩识别为还原色沉积建造，同样地，也可以绘制厚度比值的等值线图以方面进行识别，在此不再赘述。
需要注意的是，在一些实施例中，研究区域内可能同时存在还原色泥岩和还原色油页岩，需要对二者的厚度均进行确定，并基于二者的数据来共同识别还原色沉积建造，才能够避免漏判。在该过程中，可以根据还原色泥岩和还原色油页岩各自的厚度分布情况来分别确定第四预设值，而并不一定使用相同的第四预设值。
在一些实施例中，同样地，可以基于这些还原色泥岩、还原色油页岩的埋深分布情况来确定第二预设值，如上文中所描述的，渗出型砂岩铀矿的富铀建造通常比渗入型砂岩铀矿的富铀建造具有更大的埋深，因此，即使在基于还原色泥岩、还原色油页岩的埋深分布情况来确定第二预设值时，也仍需考虑到这些还原色泥岩、还原色油页岩上方层位的埋深等，以避免在相对较为浅层的区域中进行后续的识别。
在一些实施例中，如上文中所描述的，可以基于以下指标中的一个或多个来确定还原色沉积建造的有机质丰度：有机碳含量、岩石热解生烃潜力、氯仿沥青A值、总烃含量。
上述几个评价指标的具体获取方法可以参照本领域中的相关技术，在此不再赘述。在一些实施例中，如果选择了多个指标，那么在确定有机质丰度是否大于第三预设值时，可以分别为每个指标来设置第三预设值，当其中的一个或多个指标大于对应的第三预设值时，或者所有指标均大于对应的第三预设值时，认为有机质丰度大于第三预设值。或者，也可以选择将这些指标以预定的计算方法来合并计算出一个有机质丰度值（例如对这些指标进行单位、数量级的统一后加权计算），而后确定该有机质丰度值是否大于第三预设值等，本领域技术人员可以根据实际情况来进行选择，对此不作限制。
在一些实施例中，除了对有机质丰度进行确定以识别富有机质建造以外，还可以进一步地在识别的过程中对有机质的类型进行识别，本申请提出，渗出型砂岩铀矿的富铀建造中所富含的有机质通常为I型（腐泥型）或者II型（过渡型）有机质，因此，可以将还原色沉积建造中有机质丰度大于第一预设值并且发育有腐泥型有机质和/或过渡型有机质的建造识别为富有机质建造，在这样的富有机质建造中来进一步地识别富铀建造，能够进一步提高识别的效率。
在一些实施例中，如上文中所描述的，可以通过对富有机质建造进行采样分析来确定其中的铀含量。
在一些的实施例中，可以先基于钻孔数据确定富有机质建造中的伽马值分布，而后对伽马值高于第五预设值的富有机质建造进行采样分析。可以理解地，伽马值可以从一定程度上反应铀含量，而相较于铀含量的测定而言，伽马值的测定成本更低，为此，本实施例中首先确定富有机质建造中的伽马值分布情况，而后选择伽马值高于第五预设值的区域来进行铀含量的采样分析，从而提高识别的效率，降低成本。
本领域技术人员可以根据本领域中的伽马值异常标准来确定第五预设值。在一些其他的实施例中，该第五预设值可以至少部分地基于第三预设值来确定，例如，本领域技术人员可以根据第三预设值，结合相关经验来确定铀含量满足第三预设值的建造所对应的伽马值的一般范围，而后基于该范围来确定第五预设值。
伽马值可以通过收集放射性测井数据来获取，图4中示出了一个实施例中的伽马值分布示意图，其中的伽马值异常边界线41圈定出了伽马值超过第五预设值的区域，可以在这样的区域中采集样本进行铀含量值的测定，以进一步地识别其中的富铀建造。
采集样本可以通过钻孔来实现，可以基于现有的钻孔点位来进行采样分析，也可以重新设置钻孔或者在现有钻孔点位的基础上补充设置钻孔来实现，对此不作限制。铀含量值测定的具体方法可以参照本领域中的相关技术，除了测定铀元素的含量以外，还可以确定与铀元素相关的其他元素的含量，并进行综合分析，以便于更精确地掌握铀含量值。
在一些实施例中，还可以进一步的基于这些钻孔中的其他数据来确定所识别的富铀建造的位置（基于钻孔位置来确定）、所在层位和厚度等，并可以编制富铀建造的厚度等值线图（例如通过空间插值来实现）等，以便于指导后续的勘查工作。
如上文中所描述的，深部富铀建造为渗出型砂岩铀矿提供铀源，但是一些富铀建造尽管具有较高的铀含量却无法提供铀源物质，为此，在一些实施例中，识别了富铀建造后，还可以进一步地确定该富铀建造是否能够提供铀源物质，如果该富铀建造无法提供铀源物质，那么需要重新识别富铀建造。
在一些实施例中，本领域技术人员可以具体借助富铀建造所在区域中的埋藏史、地热史来进行分析，以确定该铀源建造能够为砂岩铀矿床能够提供铀源物质的源动力。具体地，可以基于钻孔数据中的地层分层、剥蚀厚度、富铀建造所在的层段、大地热流值、镜质体反射率Ro值等地质信息来重建富铀建造的埋藏史和地热史，基于埋藏史和地热史能够进一步确定富铀建造的最大埋深、生烃阶段等等，进而本领域技术人员能够通过铀成矿的一般原理来分析该富铀建造是否能够为铀成矿提供铀源物质。
下面将以鄂尔多斯盆地南部砂岩铀矿处开展的渗出型砂岩铀矿的富铀建造识别为例来对上文中所涉及到的一个或多个实施例中的方法进行更加详细的描述和补充。
首先，系统收集鄂尔多斯盆地南部的钻孔资料和前人研究成果，以便于进行后续的识别，所收集的资料包括油田、煤田和核工业系统钻孔资料、地震资料等等，具体包括鄂尔多斯盆地南部钻孔（尤其是深部钻孔）的坐标、地层分层、岩性数据和伽马等放射性测井数据，统计相应地质数据，明确深部三叠系、侏罗系和下白垩统的岩性、颜色特征及其放射性特征。
接下来，基于所收集的资料识别出还原色沉积建造，通过统计分析钻孔中暗色泥岩的发育层位、厚度，明确了三叠系延长组7和9油层组的暗色泥岩沉积建造厚度及其平面分布范围。
鄂尔多斯盆地中生界延长组发育多片还原色沉积建造，长7暗色泥岩位于姬塬—华池—富县—镇原等地，累计泥岩厚度大于50m；长7油页岩在华池、固城等地发育厚度最大，厚度20~60m；长9暗色泥岩分布范围较为局限，志丹—甘泉一带的暗色泥岩分布厚度大于40m。
接下来，对这些还原色沉积建造的有机质丰度和类型进行识别，所使用的有机质丰度指标包括有机碳含量、岩石热解生烃潜力、氯仿沥青A值和总烃含量等，经过分析，确定长7和长9两组还原色沉积建造的有机质丰度高于第三预设值，其中，长7暗色泥岩主要为Ⅰ型到Ⅱ 1型，长9烃源岩有机质类型主要为Ⅱ 1型到Ⅱ 2型，因此，将其识别为富有机质建造。
进一步地，针对长7和长9两组富有机质建造的铀含量和伽马测井值进行分析。长7暗色泥岩、泥页岩放射性异常普遍较高，伽马值最高逾1000 API，对其进行采样分析，结果显示，铀含量主要在20~60×10 -6，最高可达140×10 -6。长9暗色泥岩伽马值稍微偏高，伽马值最高逾400 API，对其也进行采样分析，结果显示铀含量主要在5~20×10 -6。基于上述识别结果，最终识别铀含量大于20×10 -6的长7暗色泥岩和油页岩为富铀建造，排除了长9暗色泥岩。
接下来，利用鄂尔多斯盆地南部不同地区典型钻孔的地层分层、剥蚀厚度、富铀建造层段、大地热流值以及实测镜质体反射率Ro值等信息，采用一维数值模拟方法，重建鄂尔多斯盆地暗色泥岩的埋藏史和地热史，明确了长7富铀建造最大埋深、古地温以及所处的生烃阶段。鄂尔多斯盆地南部长7富铀建造在白垩纪末，受到燕山运动的影响，上覆地层剥蚀厚度达300~1300m，现今出露地层为下白垩系。
长7烃源岩在170~130Ma进入生烃阶段，此时埋藏深度在1200~1600m，古地温为71~75℃。随着白垩纪沉积，长7烃源岩埋藏加深，100Ma时的埋藏深度为2200~3000m，Ro0.88%左右，古地温约110~130℃，至今一直处于生烃阶段。
综合长7富铀建造的埋藏及其热演化史，认为其能够为砂岩铀矿体提供铀源物质，最终将其识别为渗出型砂岩铀矿的富铀建造。
上面结合附图和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 (10)
1.一种识别渗出型砂岩铀矿的富铀建造的方法，包括：
识别富有机质建造，所述富有机质建造为有机质丰度大于第一预设值的且埋深大于第二预设值的建造；
确定所述富有机质建造的铀含量；
识别富铀建造，所述富铀建造为向所述渗出型砂岩铀矿提供铀源的建造，将铀含量大于第三预设值的所述富有机质建造识别为所述富铀建造；其中，所述识别富有机质建造包括：
识别埋深大于所述第二预设值的还原色沉积建造；
确定所述还原色沉积建造的有机质丰度；
将所述有机质丰度大于第一预设值的所述还原色沉积建造识别为所述富有机质建造；
所述识别埋深大于所述第二预设值的还原色建造包括：
基于钻孔数据识别还原色泥岩和/或还原色油页岩，并确定所述还原色泥岩和/或所述还原色油页岩的厚度和埋深；
将埋深大于所述第二预设值且厚度大于第四预设值的所述还原色泥岩和/或所述还原色油 页岩识别为所述还原色沉积建造。
2.根据权利要求1所述的方法，其中，基于所述还原色泥岩和/或所述还原色油页岩的埋深分布情况确定所述第二预设值。
3.根据权利要求1所述的方法，其中，基于所述还原色泥岩和/或所述还原色油页岩的厚度分布情况确定所述第四预设值。
4.根据权利要求1所述的方法，其中，所述确定所述还原色沉积建造中的有机质丰度包括：
基于以下指标中的一个或多个确定所述还原色沉积建造的有机质丰度：有机碳含量、岩石热解生烃潜力、氯仿沥青A值、总烃含量。
5.根据权利要求1所述的方法，其中，所述识别富有机质建造还包括：
确定所述还原色沉积建造的有机质类型；
将所述有机质丰度大于第一预设值，并且，发育有腐泥型有机质和/或过渡型有机质的所述还原色沉积建造识别为所述富有机质建造。
6.根据权利要求1所述的方法，其中，确定所述富有机质建造的铀含量包括：
对所述富有机质建造进行采样分析，以确定所述富有机质建造的铀含量。
7.根据权利要求6所述的方法，其中，所述确定所述富有机质建造的铀含量还包括：
基于钻孔数据确定所述富有机质建造中的伽马值分布；
所述对所述富有机质建造进行采样分析包括：
对伽马值高于第五预设值的区域中的所述富有机质建造进行采样分析。
8.根据权利要求1所述的方法，还包括：
在识别所述富铀建造后，确定所述富铀建造的铀源物质供给能力。
9.根据权利要求8所述的方法，其中，基于所述富铀建造的埋藏史和地热史确定所述富铀建造的铀源物质供给能力。
10.根据权利要求9所述的方法，还包括：
基于钻孔数据确定所述富铀建造的剥蚀厚度、大地热流值和镜质体反射率，以确定所述富铀建造的埋藏史和地热史。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210869142.6A CN115081547B (zh) | 2022-07-22 | 2022-07-22 | 识别渗出型砂岩铀矿的富铀建造的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210869142.6A CN115081547B (zh) | 2022-07-22 | 2022-07-22 | 识别渗出型砂岩铀矿的富铀建造的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115081547A CN115081547A (zh) | 2022-09-20 |
| CN115081547B true CN115081547B (zh) | 2022-11-04 |
Family
ID=83241955
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210869142.6A Active CN115081547B (zh) | 2022-07-22 | 2022-07-22 | 识别渗出型砂岩铀矿的富铀建造的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115081547B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8573298B2 (en) * | 2008-04-07 | 2013-11-05 | Baker Hughes Incorporated | Method for petrophysical evaluation of shale gas reservoirs |
| 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 |
| CN106951686A (zh) * | 2017-02-28 | 2017-07-14 | 中国石油大学(北京) | 页岩气选区评价方法及装置 |
| CN108335223B (zh) * | 2017-12-25 | 2019-09-17 | 核工业北京地质研究院 | 一种砂岩型铀矿综合评价技术方法 |
| CN110259440A (zh) * | 2019-06-06 | 2019-09-20 | 中国石油化工股份有限公司 | 一种盆缘复杂构造区常压页岩气藏成藏模式建立方法 |
| CN112464456B (zh) * | 2020-11-20 | 2024-07-16 | 核工业北京地质研究院 | 沉积盆地盆缘强油气还原地区砂岩型铀矿远景评价方法 |
-
2022
- 2022-07-22 CN CN202210869142.6A patent/CN115081547B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115081547A (zh) | 2022-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kolawole et al. | The susceptibility of Oklahoma’s basement to seismic reactivation | |
| Thyne et al. | Sequential analysis of hydrochemical data for watershed characterization | |
| Lianhua et al. | Key geological factors controlling the estimated ultimate recovery of shale oil and gas: A case study of the Eagle Ford shale, Gulf Coast Basin, USA | |
| Gustafson et al. | Crystalline rock aquifers: their occurrence, use and importance | |
| Nansheng et al. | Geothermal regime and Jurassic source rock maturity of the Junggar Basin, northwest China | |
| CN111090709A (zh) | 一种砂岩型铀矿成矿预测的大数据地质分析方法 | |
| Tinnin et al. | Chemostratigraphic variability of the Eagle Ford Shale, south Texas: Insights into paleoredox and sedimentary facies changes | |
| Bonanno et al. | Flow directions of stream‐groundwater exchange in a headwater catchment during the hydrologic year | |
| Underschultz et al. | Assessing aquitard hydraulic performance from hydrocarbon migration indicators: Surat and Bowen basins, Australia | |
| CN105350959B (zh) | 由测井岩性密度确定页岩气储层含气饱和度的方法 | |
| Swanberg et al. | Core hole drilling and the “rain curtain” phenomenon at Newberry Volcano, Oregon | |
| CN115081547B (zh) | 识别渗出型砂岩铀矿的富铀建造的方法 | |
| MacDonald et al. | Transmissivity variations in mudstones | |
| Sminchak et al. | Wellbore integrity factors for CO2 storage in oil and gas producing areas in the Midwest United States | |
| CN111323846A (zh) | 一种多元控矿因素组合定量成矿预测方法 | |
| Al-Ameri et al. | Petroleum system modeling and risk assessments of Ad’daimah oil field: a case study from Mesan Governorate, south Iraq | |
| Olson et al. | Reservoir characterization of the giant Hugoton gas field, Kansas | |
| Hörbrand et al. | Karst control on reservoir performance of a developed carbonate geothermal reservoir in Munich, Germany | |
| Burton-Kelly et al. | Identification of Residual Oil Zones in the Williston and Powder River Basins | |
| Gao et al. | Synergetic system for water body detection in coal mine: a case study | |
| Newell et al. | Geothermal anomalies on the eastern flank of the Cherokee basin, southeastern Kansas, USA | |
| Dutton et al. | Depositional, diagenetic, and structural controls on reservoir properties of low-permeability sandstone, Travis Peak Formation, east Texas | |
| Murugesu et al. | Coupled transport, reactivity, and mechanics in fractured shale caprocks | |
| Adiat | Application of geophysical borehole logs for aquifer characterization in coastal environment of Lagos, southwestern Nigeria | |
| Savitri et al. | A Novel Estimation Approach of Unconfined Compressive Strength (UCS) and Improved Rock Mechanical Properties Correlations by Considering the Effect of Overpressure Condition, Mineralogy, and Shale Composition in Montney Shale Gas, British Columbia, Canada |
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 |