CN116912534A - 自适应搜索匹配的热液矿床成矿系统空间结构识别方法 - Google Patents
自适应搜索匹配的热液矿床成矿系统空间结构识别方法 Download PDFInfo
- Publication number
- CN116912534A CN116912534A CN202311186467.5A CN202311186467A CN116912534A CN 116912534 A CN116912534 A CN 116912534A CN 202311186467 A CN202311186467 A CN 202311186467A CN 116912534 A CN116912534 A CN 116912534A
- Authority
- CN
- China
- Prior art keywords
- ore
- template
- search
- geological
- complexity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000033558 biomineral tissue development Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 17
- 239000011707 mineral Substances 0.000 abstract description 17
- 239000007787 solid Substances 0.000 abstract description 5
- 239000002184 metal Substances 0.000 abstract description 3
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract 2
- 238000000605 extraction Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
- G06V10/7515—Shifting the patterns to accommodate for positional errors
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种自适应搜索匹配的热液矿床成矿系统空间结构识别方法,属于地质空间数据挖掘技术领域,利用地质剖面数据自动识别和提取热液型固体金属矿产成矿系统结构用以圈定远景矿体地段,并可在大地电磁探测剖面数据、反射地震探测剖面数据地质三维属性模型中推广应用。其中,自适应搜索模板、地质剖面复杂度、局部搜索空间、单要素搜索与多要素匹配规则、成矿系统结构判定等技术,能够实现快速准确地自动识别和提取地质剖面中成矿系统结构,为快速圈定远景矿体地段提供了新思路,能够为矿产资源预测提供有力的支持。
Description
技术领域
本发明属于地质空间数据挖掘技术领域,尤其是涉及一种自适应搜索匹配的热液矿床成矿系统空间结构识别方法。
背景技术
热液矿床,又称汽水热液矿床,是指含矿热水溶液在一定的物理化学条件下,在各种有利的构造和岩石中,由充填和交代等方式形成的有用矿物堆积体。热液矿床是后生矿床。热液矿床是各类矿床中最复杂、种类最多的矿床类型,可在不同的地质背景条件下,通过不同组成、不同来源的热液活动形成。对于地球上广泛分布的热液型多金属矿床,控岩控矿构造深延格局和深部矿床(体)空间定位格局等关键问题一直是制约深部勘查部署和实现找矿突破的焦点和难点。热液型多金属矿床作为主要的矿床类型之一,因其成矿地质条件的复杂性、构造-岩浆-成矿作用的多期多阶段性,导致该类矿床的控岩控矿构造难以识别,不少的矿集区、矿田或矿床深部找矿的关键地质对象模糊,其控岩控矿构造深延格局不清,因而导致深部矿床或矿体空间定位格局不准确等关键问题格外凸显。所以一种自适应搜索匹配的热液矿床成矿系统空间结构识别方法来快速而准确识别和提取地质剖面中热液型成矿系统的空间结构,完成远景矿体地段的圈定。
发明内容
本发明的目的是提供一种自适应搜索匹配的热液矿床成矿系统空间结构识别方法,解决上述技术存在的深部矿床或矿体空间定位格局不准确的问题。
为实现上述目的,本发明提供一种自适应搜索匹配的热液矿床成矿系统空间结构识别方法,包括以下步骤:
S1、根据资料厘定对象地质体的局部复杂度及分类临界值,将对象剖面中的地层、岩性、破碎带面状控矿要素,断层、褶皱线状控矿样分别赋予复杂度属性值,并进行离散化和无量纲编码处理;
S2、采用自适应的搜索方框模板,给定初始模板边长,模板边长为奇数,当搜索方框模板搜索的内容满足成矿系统结构判别要求,模板边长自动调整,在匹配过程中的多模板的中心保持不变;
S3、计算地质剖面图的复杂度,复杂度大的地质剖面搜索步长为初始模板边长的1/2,中等复杂的地质剖面搜索步长为初始模板边长的1/3,低等复杂的地质剖面搜索步长为初始模板边长的1/4;
S4、根据资料设定“源-运-储-盖”地质要素、容矿层厚度与容矿层厚度临界值、盖层厚度与盖层厚度的临界值,同时给定搜索方框的初始位置;
S5、根据若干个地质剖面图反映的研究区成矿系统结构特征,确定分别代表“源”、“运”、“储”、“盖”控矿构造实体,当搜索到代表“运”的导矿构造之后再进行局部搜索,先以垂直方向为轴,设定水平方向左右两侧搜索范围,然后进行“源”、“储”、“盖”控矿要素的搜索匹配;
S6、以局部复杂度大于分类临界值为初始判断条件,如果满足则判断并统计模板中包含“源-运-储-盖”地质要素种类不小于3,容矿层厚度不小于容矿层厚度临界值,盖层厚度不小于盖层厚度的临界值,进而判断成矿系统结构的完整性。
优选的,S2中模板边长自动调整计算公式如下:
;
;
式中,为初始模板边长,/>为终止模板边长,a为离散化网格,/>为迭代次数。
优选的,对于比例尺为1:2.5万的地质剖面图,离散化网格a不大于33。
优选的,S3中地质剖面图的复杂度计算公式如下:
;
式中,为离散化的属性值,i为不同属性,j为具体的属性,/>为某一属性值的概率,m为网格在横轴上被分成的个数,n为网格在纵轴上被分成的个数。
优选的,S5中局部搜索的计算公式为:
;
;
式中,为搜索范围左上角坐标,作为开始搜索的模板中心,/>为右下角坐标,作为结束搜索的模板中心,/>为搜索到断裂时模板的中心x坐标,ml为搜索模板边长,/>为地质剖面图y最大值,/>为地质剖面图y最小值。
因此,本发明采用上述自适应搜索匹配的热液矿床成矿系统空间结构识别方法,通过自适应搜索模板、地质剖面复杂度、局部搜索空间、单要素搜索与多要素匹配规则、成矿系统结构判定等技术,能够实现快速准确地识别和提取地质剖面中成矿系统空间结构,为快速圈定远景矿体地段提供了新思路,能够为热液型固体矿产资源预测提供有力的支持。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明自适应搜索匹配的热液矿床成矿系统空间结构识别方法的流程图;
图2为本发明中使用的地质剖面图;
图3为本发明中地质要素赋予属性的地质剖面图;
图4为本发明中单要素搜索后确定的局部搜索范围图。
具体实施方式
以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
请参阅图1,自适应搜索匹配的热液矿床成矿系统空间结构识别方法,包括以下步骤:
S1、根据资料厘定对象地质体的局部复杂度及其分类临界值/>,并将对象剖面中的地层、岩性、破碎带等面状控矿要素,断层、褶皱等线状控矿样分别赋予复杂度属性值,并进行离散化和无量纲编码处理/>。
S2、为准确地搜索成矿系统结构,采用自适应的搜索方框模板,给定初始模板边长,边长为奇数,当模板搜索的内容满足成矿系统结构判别要求,模板边长自动调整,在匹配过程中的多模板的中心保持不变,其中模板边长自动调整计算公式如下:
;
;
式中,为初始模板边长,/>为终止模板边长,a为离散化网格,/>为迭代次数。对于比例尺为1:2.5万的地质剖面图,离散化网格a不大于33。
S3、计算地质剖面图的复杂度。复杂度大的地质剖面搜索步长为初始模板边长的1/2,中等复杂的地质剖面搜索步长为初始模板边长的1/3,低等复杂的地质剖面搜索步长为初始模板边长的1/4,其中地质剖面图的复杂度计算公式如下:
;
式中,为离散化的属性值,i为不同属性,j为具体的属性,/>为某一属性值的概率,m为网格在横轴上被分成的个数,n为网格在纵轴上被分成的个数。
S4、根据前期资料设定“源-运-储-盖”地质要素x(种,通常4种),容矿层厚度和它的临界值/>,以及盖层厚度/>和它的临界值/>,同时给定搜索方框的初始位置。
S5、根据多个地质剖面图反映的研究区成矿系统结构特征,确定分别代表“源”、“运”、“储”、“盖”等控矿构造实体。当搜索到代表“运”的导矿构造之后,先以其垂直方向为轴,设定水平方向左右两侧搜索范围,然后进行“源”、“储”、“盖”等其它控矿要素的搜索匹配,其中局部搜索的计算公式为:
;
;
式中,为搜索范围左上角坐标,作为开始搜索的模板中心,/>为右下角坐标,作为结束搜索的模板中心,/>为搜索到断裂时模板的中心x坐标,ml为搜索模板边长,/>为地质剖面图y最大值,/>为地质剖面图y最小值。
S6、以局部复杂度l(z)>e(z)为初始判断条件,如果满足则判断并统计模板中包含“源-运-储-盖”地质要素种类,容矿体厚度/>,盖层厚度h≥h’,进而据此判断成矿系统结构完整性。
实施例1
将原始地质剖面图中地层、岩性、断裂、破碎带面状和线状控矿要素进行预处理和简化,如图2所示;
为快速的所搜该成矿系统案例的空间结构,搜索模板的方框初始定为1089m×1089m,边长为奇数。当遍历的内容满足成矿系统空间结构判别要求时,模板边长按照从到/>递减,都使用奇数的平方作为边长进行匹配,在匹配过程中的多模板的方框中心保持不变。
模板边长自动调整计算公式如下:
;
;
式中,为初始模板边长,/>为终止模板边长,a为离散化网格,/>为迭代次数,在1:2.5万地质剖图中,离散化网格a不大于33。
计算地质剖面图的复杂度e(z),高复杂度(e(z)>7)的地质剖面搜索步长为初始模板边长的1/2,中等复杂度(7>e(z)>6)的地质剖面搜索步长为初始模板边长的1/3,低等复杂(e(z)<6)的地质剖面搜索步长为初始模板边长的1/4。地质剖面图的复杂度计算公式如下:
;
式中,为离散化的属性值,i为不同属性,j为具体的属性,/>为某一属性值的概率。
根据地质剖面图中反映区域热液型固体矿产成矿系统的“源-运-储-盖”控矿要素空间分布特征,确定以导矿构造(例如基底断裂)作为搜索起始对象,当初步条件满足时再进行多要素匹配判断。以导矿断裂的垂直方向为轴,水平方向左右两侧各3倍模板边长范围进行搜索匹配,如图3所示。
局部搜索的计算公式为:
;
;
式中,为搜索范围左上角坐标,作为开始搜索的模板中心,/>为右下角坐标,作为结束搜索的模板中心,/>为搜索到断裂时模板的中心x坐标,ml为搜索模板边长,/>为地质剖面图y最大值,/>为地质剖面图y最小值。
对所搜到的成矿系统空间结构,可输出模板方框的外边界坐标值来表示成矿系统空间结构的位置,同时输出表示其优劣的权重,如图4所示。
因此,本发明采用上述一种自适应搜索匹配的热液矿床成矿系统空间结构识别方法,利用地质剖面数据自动识别和提取热液型固体矿产成矿系统空间结构用以圈定远景矿体地段,并可在大地电磁数据、地质三维属性模型中推广应用。其中自适应的方框搜索模板、地质剖面图的复杂度、局部搜索空间、单要素搜索与多要素匹配规则、成矿系统空间结构判定等技术,可快速准确地自动识别和提取地质剖面中热液型成矿系统的空间结构,为快速进行固体矿产预测并圈定远景矿体地段提供了新思路和技术上的支持。
最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (5)
1.一种自适应搜索匹配的热液矿床成矿系统空间结构识别方法,其特征在于,包括以下步骤:
S1、根据资料厘定对象地质体的局部复杂度及分类临界值,将对象剖面中的地层、岩性、破碎带面状控矿要素,断层、褶皱线状控矿样分别赋予复杂度属性值,并进行离散化和无量纲编码处理;
S2、采用自适应的搜索方框模板,给定初始模板边长,模板边长为奇数,当搜索方框模板搜索的内容满足成矿系统结构判别要求,模板边长自动调整,在匹配过程中的多模板的中心保持不变;
S3、计算地质剖面图的复杂度,复杂度大的地质剖面搜索步长为初始模板边长的1/2,中等复杂的地质剖面搜索步长为初始模板边长的1/3,低等复杂的地质剖面搜索步长为初始模板边长的1/4;
S4、根据资料设定“源-运-储-盖”地质要素、容矿层厚度与容矿层厚度临界值、盖层厚度与盖层厚度的临界值,同时给定搜索方框的初始位置;
S5、根据若干个地质剖面图反映的研究区成矿系统结构特征,确定分别代表“源”、“运”、“储”、“盖”控矿构造实体,当搜索到代表“运”的导矿构造之后再进行局部搜索,先以垂直方向为轴,设定水平方向左右两侧搜索范围,然后进行“源”、“储”、“盖”控矿要素的搜索匹配;
S6、以局部复杂度大于分类临界值为初始判断条件,如果满足则判断并统计模板中包含“源-运-储-盖”地质要素种类不小于3,容矿层厚度不小于容矿层厚度临界值,盖层厚度不小于盖层厚度的临界值,进而判断成矿系统结构的完整性。
2.根据权利要求1所述的自适应搜索匹配的热液矿床成矿系统空间结构识别方法,其特征在于,S2中模板边长自动调整计算公式如下:
;
;
式中,为初始模板边长,/>为终止模板边长,/>为离散化网格,/>为迭代次数。
3.根据权利要求2所述的自适应搜索匹配的热液矿床成矿系统空间结构识别方法,其特征在于:对于比例尺为1:2.5万的地质剖面图,离散化网格a不大于33。
4.根据权利要求1所述的自适应搜索匹配的热液矿床成矿系统空间结构识别方法,其特征在于,S3中地质剖面图的复杂度计算公式如下:
;
式中,为离散化的属性值,/>为不同属性,/>为具体的属性,/>为某一属性值的概率,m为网格在横轴上被分成的个数,/>为网格在纵轴上被分成的个数。
5.根据权利要求1所述的自适应搜索匹配的热液矿床成矿系统空间结构识别方法,其特征在于,S5中局部搜索的计算公式为:
;
;
式中,为搜索范围左上角坐标,作为开始搜索的模板中心,/>为右下角坐标,作为结束搜索的模板中心,/>为搜索到断裂时模板的中心x坐标,ml为搜索模板边长,为地质剖面图y最大值,/>为地质剖面图y最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311186467.5A CN116912534B (zh) | 2023-09-14 | 2023-09-14 | 自适应搜索匹配的热液矿床成矿系统空间结构识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311186467.5A CN116912534B (zh) | 2023-09-14 | 2023-09-14 | 自适应搜索匹配的热液矿床成矿系统空间结构识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116912534A true CN116912534A (zh) | 2023-10-20 |
CN116912534B CN116912534B (zh) | 2023-12-22 |
Family
ID=88360753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311186467.5A Active CN116912534B (zh) | 2023-09-14 | 2023-09-14 | 自适应搜索匹配的热液矿床成矿系统空间结构识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116912534B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1421709A (zh) * | 2001-11-29 | 2003-06-04 | 中国科学院长沙大地构造研究所 | 多元素优化集合控制找矿勘查方法 |
RU2206910C2 (ru) * | 2001-07-26 | 2003-06-20 | Миколаевский Эрнест Юлианович | Способ поиска, разведки и оценки эксплуатационных свойств залежей и месторождений полезных ископаемых и прогноза тектонических и физико-геологических свойств геологических сред |
RU2008151259A (ru) * | 2008-12-23 | 2010-06-27 | Федеральное государственное унитарное научно-производственное предприятие "ГЕОЛОГОРАЗВЕДКА" (RU) | Способ поисков месторождений по водно-растворимым формам элементов |
US20100191511A1 (en) * | 2007-08-24 | 2010-07-29 | Sheng-Yuan Hsu | Method For Multi-Scale Geomechanical Model Analysis By Computer Simulation |
RU2011114645A (ru) * | 2011-04-13 | 2011-07-10 | Владимир Иванович Лунев (RU) | Способ поиска месторождения полезного ископаемого |
US20120190385A1 (en) * | 2011-01-26 | 2012-07-26 | Vimal Nair | Method and system for populating location-based information |
CN102622526A (zh) * | 2012-04-06 | 2012-08-01 | 中国矿业大学(北京) | 数字矿山中的巷道开掘搜索预测方法 |
EP2631685A2 (en) * | 2012-02-22 | 2013-08-28 | Service Pétroliers Schlumberger | Building faulted grids for a sedimentary basin including structural and stratigraphic interfaces |
CN103852807A (zh) * | 2014-03-20 | 2014-06-11 | 青海省地质矿产研究所 | 一种高海拔冻土区斑岩型铜多金属矿勘查技术组合方法 |
CN105844710A (zh) * | 2016-04-11 | 2016-08-10 | 北京石油化工学院 | 一种地质体网格化过程中的数据检测方法 |
CN108229759A (zh) * | 2018-02-05 | 2018-06-29 | 中国地质大学(北京) | 非线性离散推测模型找矿预测方法 |
CN108416841A (zh) * | 2018-01-22 | 2018-08-17 | 中国地质大学(武汉) | 基于局部搜索策略的多点统计三维地质模型自动重构方法 |
CN110647647A (zh) * | 2019-09-03 | 2020-01-03 | 西安外事学院 | 一种基于时间序列复杂度差异性的封闭图形相似性搜索方法 |
CN111190240A (zh) * | 2020-01-13 | 2020-05-22 | 吉林大学 | 基于三维地震解释的砂岩型铀矿成矿构造要素的提取方法 |
CN111257962A (zh) * | 2018-12-03 | 2020-06-09 | 核工业二0八大队 | 一种利用三维地质建模技术定位预测矿体的方法 |
AU2020103098A4 (en) * | 2020-10-29 | 2021-01-07 | China University Of Geosciences (Beijing) | Ore prospecting prediction method of nonlinear discrete speculation model |
US20210034911A1 (en) * | 2019-07-29 | 2021-02-04 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | Iterative multi-directional image search supporting large template matching |
CN112734076A (zh) * | 2020-11-27 | 2021-04-30 | 核工业北京地质研究院 | 一种硬岩型铀矿资源大比例尺定位预测方法 |
CN113946950A (zh) * | 2021-10-12 | 2022-01-18 | 青海省第三地质勘查院 | 一种快速圈定金矿找矿靶区的方法 |
CN115016015A (zh) * | 2021-12-27 | 2022-09-06 | 昆明理工大学 | 受构造控制的后生热液矿床控矿构造深延格局的确定方法 |
CN115236739A (zh) * | 2022-06-28 | 2022-10-25 | 核工业北京地质研究院 | 一种构造相对较强的环境下砂岩型铀矿预测评价方法 |
-
2023
- 2023-09-14 CN CN202311186467.5A patent/CN116912534B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2206910C2 (ru) * | 2001-07-26 | 2003-06-20 | Миколаевский Эрнест Юлианович | Способ поиска, разведки и оценки эксплуатационных свойств залежей и месторождений полезных ископаемых и прогноза тектонических и физико-геологических свойств геологических сред |
CN1421709A (zh) * | 2001-11-29 | 2003-06-04 | 中国科学院长沙大地构造研究所 | 多元素优化集合控制找矿勘查方法 |
US20100191511A1 (en) * | 2007-08-24 | 2010-07-29 | Sheng-Yuan Hsu | Method For Multi-Scale Geomechanical Model Analysis By Computer Simulation |
RU2008151259A (ru) * | 2008-12-23 | 2010-06-27 | Федеральное государственное унитарное научно-производственное предприятие "ГЕОЛОГОРАЗВЕДКА" (RU) | Способ поисков месторождений по водно-растворимым формам элементов |
US20120190385A1 (en) * | 2011-01-26 | 2012-07-26 | Vimal Nair | Method and system for populating location-based information |
RU2011114645A (ru) * | 2011-04-13 | 2011-07-10 | Владимир Иванович Лунев (RU) | Способ поиска месторождения полезного ископаемого |
EP2631685A2 (en) * | 2012-02-22 | 2013-08-28 | Service Pétroliers Schlumberger | Building faulted grids for a sedimentary basin including structural and stratigraphic interfaces |
CN102622526A (zh) * | 2012-04-06 | 2012-08-01 | 中国矿业大学(北京) | 数字矿山中的巷道开掘搜索预测方法 |
CN103852807A (zh) * | 2014-03-20 | 2014-06-11 | 青海省地质矿产研究所 | 一种高海拔冻土区斑岩型铜多金属矿勘查技术组合方法 |
CN105844710A (zh) * | 2016-04-11 | 2016-08-10 | 北京石油化工学院 | 一种地质体网格化过程中的数据检测方法 |
CN108416841A (zh) * | 2018-01-22 | 2018-08-17 | 中国地质大学(武汉) | 基于局部搜索策略的多点统计三维地质模型自动重构方法 |
CN108229759A (zh) * | 2018-02-05 | 2018-06-29 | 中国地质大学(北京) | 非线性离散推测模型找矿预测方法 |
CN111257962A (zh) * | 2018-12-03 | 2020-06-09 | 核工业二0八大队 | 一种利用三维地质建模技术定位预测矿体的方法 |
CN116699719A (zh) * | 2018-12-03 | 2023-09-05 | 核工业二0八大队 | 利用三维地质建模技术定位预测矿体的方法 |
US20210034911A1 (en) * | 2019-07-29 | 2021-02-04 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | Iterative multi-directional image search supporting large template matching |
CN110647647A (zh) * | 2019-09-03 | 2020-01-03 | 西安外事学院 | 一种基于时间序列复杂度差异性的封闭图形相似性搜索方法 |
CN111190240A (zh) * | 2020-01-13 | 2020-05-22 | 吉林大学 | 基于三维地震解释的砂岩型铀矿成矿构造要素的提取方法 |
AU2020103098A4 (en) * | 2020-10-29 | 2021-01-07 | China University Of Geosciences (Beijing) | Ore prospecting prediction method of nonlinear discrete speculation model |
CN112734076A (zh) * | 2020-11-27 | 2021-04-30 | 核工业北京地质研究院 | 一种硬岩型铀矿资源大比例尺定位预测方法 |
CN113946950A (zh) * | 2021-10-12 | 2022-01-18 | 青海省第三地质勘查院 | 一种快速圈定金矿找矿靶区的方法 |
CN115016015A (zh) * | 2021-12-27 | 2022-09-06 | 昆明理工大学 | 受构造控制的后生热液矿床控矿构造深延格局的确定方法 |
CN115236739A (zh) * | 2022-06-28 | 2022-10-25 | 核工业北京地质研究院 | 一种构造相对较强的环境下砂岩型铀矿预测评价方法 |
Non-Patent Citations (8)
Title |
---|
KAI XU 等: "Identification of Hydrothermal Alteration Minerals for Exploring Gold Deposits Based on SVM and PCA Using ASTER Data: A Case Study of Gulong", 《REMOTE SENSING》, pages 1 - 22 * |
WANG DENGHONG 等: "Preliminary study on the Triassic continental mineralization system in China", 《EARTH SCIENCE FRONTIERS》, pages 45 - 59 * |
吴冲龙 等: "用于大数据预测的大塘坡式锰矿找矿过程复盘研究", 《贵州地质》, vol. 39, no. 3, pages 189 - 204 * |
左琛;滕奇志;何小海;高明亮;: "快速多点地质统计三维重建算法", 四川大学学报(自然科学版), no. 02, pages 109 - 118 * |
曾敏;崔银亮;余璨;杨帆;: "滇西羊拉铜矿三维成矿预测及靶区优选", 矿产与地质, no. 05, pages 16 - 22 * |
李媛;毛先成;潘诗辰;崔振营;: "基于地质统计学与Surpac软件的夏甸金矿区矿化空间分析", 地质找矿论丛, no. 01, pages 33 - 39 * |
杨波;杜建国;胡海风;万秋;兰学毅;赵鹏飞;安明;: "深部矿产地质调查中多元数据三维地质建模技术研究――以铜陵矿集区为例", 华东地质, no. 03, pages 60 - 69 * |
谭钢;佘宏全;常帼雄;李光明;董英君;潘桂棠;李进文;张德全;丰成友;: "西藏冈底斯多金属成矿带铅锌矿定位预测与资源潜力评价", 岩石矿物学杂志, no. 01, pages 85 - 98 * |
Also Published As
Publication number | Publication date |
---|---|
CN116912534B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiao et al. | GIS-based 3D prospectivity mapping: A case study of Jiama copper-polymetallic deposit in Tibet, China | |
CN109814172B (zh) | 一种白岗岩型铀矿深部找矿预测与定位方法 | |
Corina et al. | Automatic lithology prediction from well logging using kernel density estimation | |
CN102918423A (zh) | 用于地震烃体系分析的方法 | |
CN107356958A (zh) | 一种基于地质信息约束的河流相储层分步地震相预测方法 | |
CN116665067B (zh) | 基于图神经网络的找矿靶区优选系统及其方法 | |
Farahbakhsh et al. | Three-dimensional weights of evidence modelling of a deep-seated porphyry Cu deposit | |
Ren et al. | Valuable data extraction for resistivity imaging logging interpretation | |
Rammelkamp et al. | Clustering supported classification of ChemCam data from Gale crater, Mars | |
Adeli et al. | A geostatistical approach to measure the consistency between geological logs and quantitative covariates | |
Mostafaei et al. | 3D model construction of induced polarization and resistivity data with quantifying uncertainties using geostatistical methods and drilling (Case study: Madan Bozorg, Iran) | |
CN116912534B (zh) | 自适应搜索匹配的热液矿床成矿系统空间结构识别方法 | |
Niiranen et al. | Central Lapland Greenstone Belt 3D modeling project final report | |
CN116699715A (zh) | 一种高光谱遥感信息参与的铀成矿有利区预测方法 | |
Chen et al. | Multielement statistical evidence for uraniferous hydrothermal activity in sandstones overlying the Phoenix uranium deposit, Athabasca Basin, Canada | |
Yasrebi | Determination of an ultimate pit limit utilising fractal modelling to optimise NPV | |
Williams et al. | A predictive geospatial exploration model for Mississippi valley type Pb–Zn mineralization in the southeast Missouri lead district | |
Woo et al. | Application of multi-resolution graph-based clustering for electrofacies prediction: a case study from the Horn River shale, British Columbia, Canada | |
Justman et al. | A knowledge-data framework and geospatial fuzzy logic-based approach to model and predict structural complexity | |
CN114266179A (zh) | 基于有限单元的矿床钻探信息处理及分析方法和装置 | |
Petit et al. | Application of stochastic simulations and quantifying uncertainties in the drilling of roll front uranium deposits | |
Kun et al. | Application of partial least squares regression for identifying multivariate geochemical anomalies in stream sediment data from Northwestern Hunan, China | |
Niiranen et al. | EXPLORATION LAPLAND 3D (XL3D)–AN INTEGRATIVE GEOMODELING WORKFLOW TO SUPPORT EXPLORATION | |
Handhal et al. | Spatial Modeling of Hydrocarbon Productivity in the Nahr Umr Formation at the Luhais Oil Field, Southern Iraq | |
Mazaheri et al. | Cell size optimization for fracture measure estimation in multi-scale studies within oil wells |
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 |