CN117251739B - 用于砂岩型铀资源定量预测的样本集的构建方法 - Google Patents

用于砂岩型铀资源定量预测的样本集的构建方法 Download PDF

Info

Publication number
CN117251739B
CN117251739B CN202311540428.0A CN202311540428A CN117251739B CN 117251739 B CN117251739 B CN 117251739B CN 202311540428 A CN202311540428 A CN 202311540428A CN 117251739 B CN117251739 B CN 117251739B
Authority
CN
China
Prior art keywords
data
geological
information
layer
map
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
Application number
CN202311540428.0A
Other languages
English (en)
Other versions
CN117251739A (zh
Inventor
孔维豪
朱鹏飞
李晓翠
何中波
刘琳莹
王思宇
曹珂
许庆胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Institute of Uranium Geology
Original Assignee
Beijing Research Institute of Uranium Geology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Institute of Uranium Geology filed Critical Beijing Research Institute of Uranium Geology
Priority to CN202311540428.0A priority Critical patent/CN117251739B/zh
Publication of CN117251739A publication Critical patent/CN117251739A/zh
Application granted granted Critical
Publication of CN117251739B publication Critical patent/CN117251739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Quality & Reliability (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明实施例涉及铀资源预测技术领域，具体涉及一种用于砂岩型铀资源定量预测的样本集的构建方法。样本集构建方法包括如下步骤：获取砂岩型铀矿研究区中的多个地质类图件信息，其中，每个地质类图件信息包含与空间相关的具有地质属性的数据信息；获取砂岩型铀矿研究区中的钻孔信息，其中，钻孔信息包含钻孔所在位置以及是否有矿；基于地质类图件信息，确定钻孔所在位置对应的地质属性的数据信息，将钻孔对应的地质属性的数据信息以及是否有矿，作为一组样本。本发明实施例提出的样本集构建方法，有利于在基于机器学习的砂岩型铀矿资源预测工作中提供科学、有效的样本数据。

Description

用于砂岩型铀资源定量预测的样本集的构建方法
技术领域
本发明涉及铀资源预测技术领域，具体涉及一种用于砂岩型铀资源定量预测的样本集的构建方法。
背景技术
机器学习是大数据分析和知识发现切实有效的工具，并将有助于砂岩型铀矿资源预测评价。借助地理信息系统制图技术（GIS）技术和机器学习算法，提取地质、物探、化探、遥感等多源信息，并对其进行集成研究，能够挖掘、识别隐性的和深层次的找矿信息。进行砂岩型铀矿资源预测评价的首要工作就是建立科学有效的样本集。
发明内容
为此，本发明实施例提出了一种用于砂岩型铀资源定量预测的样本集的构建方法。构建方法包括如下步骤：获取砂岩型铀矿研究区中的多个地质类图件信息，其中，每个地质类图件信息包含与空间相关的具有地质属性的数据信息；获取砂岩型铀矿研究区中的钻孔信息，其中，钻孔信息包含钻孔所在位置以及是否有矿；基于地质类图件信息，确定钻孔所在位置对应的地质属性的数据信息，将钻孔对应的地质属性的数据信息以及是否有矿，作为一组样本。
本发明实施例提出的样本集构建方法，有利于在基于机器学习的砂岩型铀矿资源预测工作中提供科学、有效的样本数据。
附图说明
图1示出了本申请实施例中构建样本集方法的流程图；
图2示出了本申请实施例中确定钻孔所在位置对应的地质属性的数据信息的流程图；
图3示出了本申请一个实施例中未修正的等值线数据图；
图4示出了本申请实施例中等值线图数据转化的离散点数据的示意图；
图5示出了将图4所示离散点数据进行插值处理得到的覆盖砂岩型铀矿研究区的连续性数据；
图6示出了本申请实施例中的样本集构建的示意性原理图。
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。
本申请实施例提供一种用于砂岩型铀资源定量预测的样本集的构建方法。参见图1，本申请实施例的构建方法可以包括：步骤S100至步骤S300。
步骤S100：获取砂岩型铀矿研究区中的多个地质类图件信息，其中，每个地质类图件信息包含与空间相关的具有地质属性的数据信息。
步骤S200：获取砂岩型铀矿研究区中的钻孔信息，其中，钻孔信息包含钻孔所在位置以及是否有矿。
步骤S300：基于地质类图件信息，确定钻孔所在位置对应的地质属性的数据信息，将钻孔对应的地质属性的数据信息以及是否有矿，作为一组样本。
容易理解，在步骤S200中的钻孔信息中包含了钻孔所在位置以及从该钻孔中获取的岩心是否成矿的信息。当该钻孔中获取的岩心成矿时，对应的钻孔信息为有矿；当该钻孔中获取的岩心未成矿时，对应的钻孔信息为无矿。
在一些实施例中，本申请实施例的构建方法还包括：基于砂岩型铀矿研究区的地质信息、矿床的主成矿期、砂岩型铀矿成因以及成矿模式，确定参与样本集构建的多个地质属性。
可以根据研究区的地质背景和成矿背景分析，确定参与样本集构建的多个地质属性。例如，分析认为矿体是在某个成矿时期的古河道中产生的，可以将沉积相、成矿期地层埋深等作为参与样本集构建的地质属性，可以获得对应沉积相图层、成矿期地层埋深图层等。
本申请的发明人发现，砂岩型铀矿最主要的几个地质属性是砂体厚度、含砂率、灰砂率以及沉积相。
在一些实施例中，地质属性可以包括砂体厚度、含砂率、灰砂率中的至少一种。本申请的发明人发现，当地质属性包含砂体厚度、含砂率、灰砂率中的至少一种时，构建的样本集的有效性较高。
在本申请的一个实施例中，地质属性包括砂体厚度、含砂率、灰砂率以及沉积相。本申请的发明人发现，这样构建的样本集的有效性更高。
在一些实施例中，地质类图件可以为包含地质属性的等值线数据的砂岩铀矿地质类图件和/或包含离散型数据的砂岩铀矿地质类图件。
图6示出了本申请实施例中的样本集构建的示意性原理图，图中示出了4个地质类图件信息，4个地质类图件信息分别对应含砂率图层20、灰砂率图层30、砂体厚度图层40以及沉积相图层50，4个地质类图件信息对应的地质属性分别为含砂率、灰砂率、砂体厚度以及沉积相。
其中，含砂率图层20、灰砂率图层30、砂体厚度图层40分别为包含等值线数据的砂岩铀矿地质类图件，即图层中分别包括与空间相关的等值线信息。在这些图层中，位于不同空间位置处（如对应不同坐标）的地质属性的数值相同的点共同组成等值线。
沉积相图层50属于包含离散型数据的砂岩铀矿地质类图件。对于这一类地质类图件，图层中不同空间位置对应的相同地质属性对应的名称种类不同（不同的名称种类对应沉积相图层50中的不同颜色）。例如，对于沉积相地质属性，其可能的名称种类包括河道、心滩、泛滥平原等。可以为离散型的地质属性的不同名称种类设定对应的数值属性，例如将河道沉积相设定为1，心滩沉积相设定为2等。
在本申请实施例中，对于地质类图件信息，可以利用格网对其图层进行划分。如此，基于构建的格网，可以获得每个格网对应的地质属性的数据信息。这样，对于具有钻孔的单个格网，则可以获得该格网对应的对应地质属性的数据信息。
在一些实施例中，当地质类图件为包含地质属性的等值线数据的砂岩铀矿地质类图件时，可以根据等值线数据得到覆盖砂岩型铀矿研究区的连续性数据（即数字表面模型数据图层），以便于在将图层进行格网化时，能够保证每个格网中具有对应地质属性的数值。
本申请实施例通过将等值线图数据转换为离散点数据，再将离散点数据进行插值处理，能够得到覆盖砂岩型铀矿研究区的连续性数据。
具体地，将等值线图数据转换为离散点数据的示意图可以参见图4；对离散点数据进行插值处理，得到覆盖砂岩型铀矿研究区的连续性数据可以参见图5。
容易理解，每条等值线上的点除了具有等值线对应的数值外，还具有与数值对应的线属性。以砂体厚度图层为例，其每条砂体厚度等值线上的各点具有砂体厚度的数值和砂体厚度线属性。例如不同砂体厚度等值线对应的数值可以为30、50、86，将等值线转为离散点后，这些离散点的属性与等值线的属性相同，均为砂体厚度。
参见图2，在步骤S300中，基于地质类图件信息，确定钻孔所在位置对应的地质属性的数据信息，包括步骤S310至步骤S340。
步骤S310：基于地质类图件信息，获取地质属性的等值线图数据。
步骤S320：将等值线图数据转换为离散点数据。
步骤S330：对离散点数据进行插值处理，得到覆盖砂岩型铀矿研究区的连续性数据图层。
步骤S340：基于连续性数据图层，确定钻孔所在位置对应的地质属性的数据信息。
在一些实施例中，在步骤S320将等值线图数据转换为离散点数据之前，还包括：对等值线图数据进行修正。
参见图3，某些情况下，地质类图件信息中的地质属性等值线图数据可能存在重叠、断点、曲线不圆滑等问题。本申请的发明人发现，这些问题会导致构建的样本集的有效性降低，因此，需要将等值线图进行修正。
可以通过地理信息系统制图技术（GIS）技术，根据空间拓扑学检查对断线、重复区域进行修正，对不圆滑曲线进行点加密，从而得到圆滑曲线的等值线要素图。
具体地，修正过程包括将等值线图数据进行可视化处理，人工查看数据质量，并通过GIS工具检查是否存在重叠、断点区域，如果存在则通过软件进行修复。此外，还可以对不圆滑的曲线进行加密点处理，使其变得圆滑，从而在后续步骤中将等值线转化为离散点时，圆滑的曲线转化成的离散点的总体形态更能符合等值线的形态。
在一些实施例中，在步骤S330中，可以采用克里金法对离散点数据进行插值处理对离散点数据进行插值处理，以得到覆盖砂岩型铀矿研究区的连续性数据。
获得离散点数据后，图中等值线之间的部分仍然存在空白区域，需要通过插值处理在整个研究区范围内进行插值计算，为空白区域添加数据，从而获得覆盖砂岩型铀矿研究区的连续性数据图层。该连续性数据图层可以为GIS中的数字表面模型（DSM）。在该模型中，整个表面按照一定的格网尺寸做成覆盖整个表面的数据，任何一个位置都有一个数值。
克里金法是一种地质学中常用的插值方法，该方法以区域化变量为基础，以变异函数为基本工具，对未知样点进行满足地质认识的最优化估计。图5示出了本申请一个实施例中进行插值处理后的预测区数字表面模型。克里金法插值后得到的结果整体趋势与地质认识一致，但是不会严格地遵循数据的绝对值。用克里金法进行插值，相比于其他的插值方法，准确性更高。
在一些实施例中，在步骤S340中，基于连续性数据图层，确定钻孔所在位置对应的地质属性的数据信息，包括：基于钻孔信息构建格网图层；基于连续性数据图层和钻孔信息，根据空间位置的匹配，获得每个钻孔所在位置对应的格网以及格网对应的地质属性的数据信息，从而确定钻孔所在位置对应的地质属性的数据信息。
在一些实施例中，构建的格网图层仅包含序列号ID与基本图形要素，该基本图形要素为格网，基本图形要素本身包含了空间位置信息。其中，序列号ID用于每一个样本进行编号，以便对应。
可以基于空间位置将数据图层的数据连接到该格网图层中。具体地，根据空间位置的匹配将数据图层对应的地质属性添加到格网图层的图层属性中，并将数据图层的属性值添加到格网图层对应的属性列中，以形成新的格网图层。此时，该新格网图层，不仅包含原有的序列号ID和基本图形要素，还包括其他数据图层的属性值，作为其属性1、属性2等，以此类推。
可以基于空间位置的匹配，将每个钻孔信息添加到新的格网图层的目标列中。根据该新的格网图层，即可确定样本集。
可以将钻孔信息进行格网化，创建的格网图层中包含无钻孔信息格网和有钻孔信息的格网，其中有钻孔信息格网对应钻孔有矿或钻孔无矿，将有钻孔信息的格网的数据作为样本集进行数据提取。由此可见，在本申请实施例中，研究区内钻孔的数量决定了样本集的数量。
具体地，获得监督学习所需要的正、负样本，需要对本区域内的钻孔信息按照是否含矿，设定目标属性值，与其他属性值共同作为样本标识。为了获得用于砂岩型铀资源定量预测所需要的正、负样本，需要对研究区内的钻孔信息按照是否含矿，划分为0（无矿孔）和1（有矿孔），同样按照空间位置匹配方式，添加到新格网图层的目标属性一列，作为监督学习所需要的正、负样本标识，参见表1。
表1 新的格网图层的格网数据
如此，基于构建的新的格网图层，可以获得每个格网对应的不同地质属性的数据信息。而对于具有钻孔的单个格网，则可以获得该格网对应的不同地质属性的数据信息，从而获得一组样本。从而，根据该新格网图层，能够获得用于砂岩型铀资源定量预测的样本集。
在一些实施例中，在构建格网图层时，需要确定单个格网的尺寸。单个格网的尺寸可以根据经验确定。为了保证样本数据的准确有效，需要保证每个格网中只包含一个钻孔。因此，在本申请的一些实施例中，可以基于钻孔信息确定格网图层中单个格网的尺寸。
在一些实施例中，基于钻孔信息确定单个格网的尺寸，具体可以包括：基于钻孔信息确定两个钻孔之间的最小间距；根据最小间距确定单个格网的尺寸。
单个格网的尺寸可以与两个钻孔之间的最小间距基本相同。“基本相同”可以理解为两者之差不超过两个钻孔之间的最小间距的10%。
容易理解，确定钻孔最小间距，是为了确定“单个格网的尺寸是多少”才能确保“每个网格只含有1个钻孔”。两个钻孔之间的最小间距可以通过GIS的空间分析工具确定，之后要看格网划分后，是否实现了“每个格网只含有1个钻孔”。可以人工手动调整格网的大小，在确保“每个网格只含有1个钻孔”的前提下，出于减少计算量的考虑，网格可以尽量大一些。
例如，当基于钻孔信息确定相邻两个钻孔之间的最小间距为198米时，单个格网的尺寸可以为198米*198米，或者，也可以使单个格网的尺寸为200米*200米。根据最小间距确定单个格网的尺寸（或称为格网单元的尺寸），能够保证每个格网中只包含一个钻孔。
在一些实施例中，在步骤S320中，将等值线图数据转换为离散点数据，包括：根据单个格网的尺寸，确定从等值线图数据中提取的两个相邻点数据的间隔。
选取离散点时，两个相邻点数据的间隔可以根据构建的格网的单个格网的尺寸确定。例如，在一些实施例中，两个相邻点数据的间隔可以为单个格网尺寸的1/2~1/3。本申请的发明人发现，按照这样的方式，能够满足格网化后数据精度要求，有利于提高样本集的有效性。例如当单个格网的尺寸为200米时，确定从等值线图数据中提取的两个相邻点数据的间隔为70米~100米之间。
参见图6，在一些实施例中，例如，可以创建单个格网尺寸为200米*200米的格网图层。格网图层可以包括ID和基本图形要素。
基于空间位置的匹配，将含砂率图层20、灰砂率图层30、砂体厚度图层40以及沉积相图层50的地质属性添加到格网图层对应的图层属性表中，并将数据图层的属性值添加到格网图层对应的属性列中，以形成新的格网图层10。新的格网图层10对应的格网数据参见表1。新的格网图层10不仅包括原有的ID和基本图形要素，还包含从含砂率图层20、灰砂率图层30、砂体厚度图层40以及沉积相图层50添加的属性值。
参见图6，基于空间位置的匹配，含砂率图层20、灰砂率图层30、砂体厚度图层40以及沉积相图层50中，每个图层对应相同ID的格网的地质属性均能够添加到对应格网图层10相同位置的格网中。
容易理解，对于沉积相图层50的图层数据，其为离散型数据，可以为离散型的地质属性的不同名称种类设定对应的数值属性，例如将河道沉积相设定为1，心滩沉积相设定为2等。在基于空间位置的匹配时，可以将对应的对应数值属性赋值到相应的空间格网。
在一些实施例中，对于每组样本，基于钻孔是否有矿为每组样本添加标签，例如，对于钻孔有矿的样本，添加标签作为正样本，对于钻孔无矿的样本，添加标签作为负样本。
将得到的新格网数据转换为机器学习适用的表格类数据，以便于提高样本集数据适用范围，可以提供给任何一款软件或直接采用代码进行计算分析。将新格网数据中的ID和地质属性1、地质属性2等属性导出为包含n个地质属性列和m个数据记录的csv文件。最终完成用于构建机器学习的连续型数据样本集。
对于本发明的实施例，还需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合以得到新的实施例。以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种用于砂岩型铀资源定量预测的样本集的构建方法，包括：
获取砂岩型铀矿研究区中的多个地质类图件信息，其中，每个所述地质类图件信息包含与空间相关的具有地质属性的数据信息；
获取所述砂岩型铀矿研究区中的钻孔信息，其中，所述钻孔信息包含钻孔所在位置以及是否有矿；
基于所述地质类图件信息，确定钻孔所在位置对应的地质属性的数据信息，将所述钻孔对应的地质属性的数据信息以及是否有矿，作为一组样本；
所述基于所述地质类图件信息，确定钻孔所在位置对应的地质属性的数据信息，包括：当所述地质类图件为包含地质属性的等值线数据的砂岩铀矿地质类图件时，基于所述地质类图件信息，获取所述地质属性的等值线图数据；将所述等值线图数据转换为离散点数据；对所述离散点数据进行插值处理，得到覆盖所述砂岩型铀矿研究区的连续性数据图层；基于所述连续性数据图层，确定钻孔所在位置对应的地质属性的数据信息；
所述基于所述连续性数据图层，确定钻孔所在位置对应的地质属性的数据信息，包括：基于所述钻孔信息构建格网图层；基于所述连续性数据图层和所述钻孔信息，根据空间位置的匹配，获得每个钻孔所在位置对应的格网以及所述格网对应的地质属性的数据信息，从而确定钻孔所在位置对应的地质属性的数据信息；
所述地质属性包括砂体厚度、含砂率、灰砂率以及沉积相；对应的所述地质类图件信息分别为含砂率图层、灰砂率图层、砂体厚度图层以及沉积相图层，其中，所述含砂率图层、所述灰砂率图层、所述砂体厚度图层分别为包含等值线数据的砂岩铀矿地质类图；所述沉积相图层中不同空间位置对应的相同地质属性对应的名称种类不同，所述方法包括：为不同名称种类设定对应的数值属性，在基于空间位置的匹配时，将对应的对应数值属性赋值到相应的空间格网。
2.根据权利要求1所述的构建方法，其中，所述基于所述钻孔信息构建格网图层，包括：
基于所述钻孔信息确定所述格网图层中单个格网的尺寸。
3.根据权利要求2所述的构建方法，其中，所述基于所述钻孔信息确定单个格网的尺寸，包括：
基于所述钻孔信息确定两个钻孔之间的最小间距；
根据所述最小间距确定单个格网的尺寸。
4.根据权利要求2所述的构建方法，其中，所述将所述等值线图数据转换为离散点数据，包括：
根据所述单个格网的尺寸，确定从所述等值线图数据中提取的两个相邻点数据的间隔。
5.根据权利要求4所述的构建方法，其中，以所述单个格网尺寸的1/2~1/3为间隔，从所述等值线图数据中提取点数据。
6.根据权利要求1所述的构建方法，其中，采用克里金法对所述离散点数据进行插值处理。
7.根据权利要求1所述的构建方法，还包括：
对于每组所述样本，基于钻孔是否有矿为每组所述样本添加标签。
8.根据权利要求1所述的构建方法，其中，在将所述等值线图数据转换为离散点数据之前，还包括：
对所述等值线图数据进行修正。
9.根据权利要求1所述的构建方法，还包括：
基于所述砂岩型铀矿研究区的地质信息、矿床的主成矿期、砂岩型铀矿成因以及成矿模式，确定参与所述样本集构建的多个地质属性。
CN202311540428.0A 2023-11-17 2023-11-17 用于砂岩型铀资源定量预测的样本集的构建方法 Active CN117251739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311540428.0A CN117251739B (zh) 2023-11-17 2023-11-17 用于砂岩型铀资源定量预测的样本集的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311540428.0A CN117251739B (zh) 2023-11-17 2023-11-17 用于砂岩型铀资源定量预测的样本集的构建方法

Publications (2)

Publication Number Publication Date
CN117251739A CN117251739A (zh) 2023-12-19
CN117251739B true CN117251739B (zh) 2024-01-30

Family

ID=89131783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311540428.0A Active CN117251739B (zh) 2023-11-17 2023-11-17 用于砂岩型铀资源定量预测的样本集的构建方法

Country Status (1)

Country Link
CN (1) CN117251739B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009126881A2 (en) * 2008-04-10 2009-10-15 Services Petroliers Schlumberger Method to generate numerical pseudocores using borehole images, digital rock samples, and multi-point statistics
CN106802434A (zh) * 2015-11-24 2017-06-06 核工业北京地质研究院 一种强构造背景下砂岩型铀成矿有利区圈定的方法
CN107664772A (zh) * 2017-07-28 2018-02-06 核工业北京地质研究院 一种用于砂岩型铀矿有利砂体和有利区带的预测方法
CN108287373A (zh) * 2017-12-28 2018-07-17 核工业北京地质研究院 一种基于成矿有利度的砂岩型铀矿靶区选择方法
EA201800031A1 (ru) * 2017-08-21 2019-02-28 Азимхан КУРМАНКОЖАЕВ Способ квалиметрической подготовки геологических запасов твердого ископаемого по горизонтам рудника
CN111074068A (zh) * 2019-11-29 2020-04-28 南华大学 用于砂岩铀矿的表面活性剂联合酸法地浸的采铀方法
CN111159323A (zh) * 2019-12-20 2020-05-15 核工业北京地质研究院 一种基于多源地学信息识别砂岩型铀矿补径排体系的方法
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
CN111487690A (zh) * 2020-05-07 2020-08-04 中南大学 利用沉积扇模型作为海底喷流沉积矿床的矿产勘查方法
CN112580119A (zh) * 2020-11-20 2021-03-30 核工业二〇八大队 一种地浸砂岩型铀矿系列地质图件的编制方法
CN113157845A (zh) * 2021-04-26 2021-07-23 江西理工大学应用科学学院 一种赣南离子型稀土采集装置以及储量计算方法
CN113420348A (zh) * 2021-06-07 2021-09-21 核工业北京地质研究院 一种快速绘制铀矿勘探线剖面图的方法
CN113534283A (zh) * 2021-06-10 2021-10-22 核工业北京地质研究院 一种砂岩型铀矿成矿要素特征的定量评价方法
CN113608278A (zh) * 2021-07-26 2021-11-05 核工业北京地质研究院 沉积盆地红杂色层中的砂岩型铀矿定位方法
CN113627657A (zh) * 2021-07-23 2021-11-09 核工业北京地质研究院 一种使用机器学习模型的砂岩型铀成矿有利区预测方法
CN114325828A (zh) * 2021-12-14 2022-04-12 核工业北京地质研究院 一种砂岩型铀矿数字地质图编制方法
CN115205886A (zh) * 2022-07-14 2022-10-18 中交水运规划设计院有限公司 钻孔地层信息的提取方法及装置、电子设备、存储介质
WO2022251888A1 (en) * 2021-05-25 2022-12-01 Minerp South Africa (Pty) Limited System and method for creating, ranking, integrating and implementing plans in a mining and production process

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9618651B2 (en) * 2012-09-26 2017-04-11 Panalytical Inc. Multi-sensor analysis of complex geologic materials
CN107490810B (zh) * 2017-08-17 2019-07-19 中国地质大学（北京） 基于风场、物源、盆地系统的储集砂体预测方法和装置

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009126881A2 (en) * 2008-04-10 2009-10-15 Services Petroliers Schlumberger Method to generate numerical pseudocores using borehole images, digital rock samples, and multi-point statistics
CN106802434A (zh) * 2015-11-24 2017-06-06 核工业北京地质研究院 一种强构造背景下砂岩型铀成矿有利区圈定的方法
CN107664772A (zh) * 2017-07-28 2018-02-06 核工业北京地质研究院 一种用于砂岩型铀矿有利砂体和有利区带的预测方法
EA201800031A1 (ru) * 2017-08-21 2019-02-28 Азимхан КУРМАНКОЖАЕВ Способ квалиметрической подготовки геологических запасов твердого ископаемого по горизонтам рудника
CN108287373A (zh) * 2017-12-28 2018-07-17 核工业北京地质研究院 一种基于成矿有利度的砂岩型铀矿靶区选择方法
CN111074068A (zh) * 2019-11-29 2020-04-28 南华大学 用于砂岩铀矿的表面活性剂联合酸法地浸的采铀方法
CN111159323A (zh) * 2019-12-20 2020-05-15 核工业北京地质研究院 一种基于多源地学信息识别砂岩型铀矿补径排体系的方法
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
CN111487690A (zh) * 2020-05-07 2020-08-04 中南大学 利用沉积扇模型作为海底喷流沉积矿床的矿产勘查方法
CN112580119A (zh) * 2020-11-20 2021-03-30 核工业二〇八大队 一种地浸砂岩型铀矿系列地质图件的编制方法
CN113157845A (zh) * 2021-04-26 2021-07-23 江西理工大学应用科学学院 一种赣南离子型稀土采集装置以及储量计算方法
WO2022251888A1 (en) * 2021-05-25 2022-12-01 Minerp South Africa (Pty) Limited System and method for creating, ranking, integrating and implementing plans in a mining and production process
CN113420348A (zh) * 2021-06-07 2021-09-21 核工业北京地质研究院 一种快速绘制铀矿勘探线剖面图的方法
CN113534283A (zh) * 2021-06-10 2021-10-22 核工业北京地质研究院 一种砂岩型铀矿成矿要素特征的定量评价方法
CN113627657A (zh) * 2021-07-23 2021-11-09 核工业北京地质研究院 一种使用机器学习模型的砂岩型铀成矿有利区预测方法
CN113608278A (zh) * 2021-07-26 2021-11-05 核工业北京地质研究院 沉积盆地红杂色层中的砂岩型铀矿定位方法
CN114325828A (zh) * 2021-12-14 2022-04-12 核工业北京地质研究院 一种砂岩型铀矿数字地质图编制方法
CN115205886A (zh) * 2022-07-14 2022-10-18 中交水运规划设计院有限公司 钻孔地层信息的提取方法及装置、电子设备、存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
浅论中国北方主要产铀盆地含矿目标层沉积相对砂岩型铀矿的制约;韩效忠 等;《大地构造与成矿学》;第44卷(第4期);全文 *

Also Published As

Publication number Publication date
CN117251739A (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
CN109102180B (zh) 致密砂岩储层双甜点评价的综合参数评价方法
CN100465998C (zh) 基于三维建模的立方体预测模型找矿方法
Zhang et al. Collaborative 3D geological modeling analysis based on multi-source data standard
CN104237964B (zh) 古河道型砂岩铀矿定位方法
CN115082634B (zh) 一种风化层花岗岩稀土矿三维地质构造方法
CN107633556B (zh) 一种定量获得三维矿床地质模型不确定性的方法
CN117078878A (zh) 一种三维隧道岩体结构精细模型建立方法及系统
CN111257962A (zh) 一种利用三维地质建模技术定位预测矿体的方法
Ni et al. Lineament length and density analyses based on the segment tracing algorithm: a case study of the gaosong field in gejiu tin mine, China
CN117197377A (zh) 矿山开采区三维动态可视化建模方法
CN112150582B (zh) 一种面向多模态数据的地质剖面图近似表达方法
Ji et al. An automated method to build 3D multi-scale geological models for engineering sedimentary layers with stratum lenses
CN114943311B (zh) 识别渗出型砂岩铀矿的成矿构造区段的方法
CN111768503B (zh) 一种基于三维地质模型的海砂资源量估算方法
CN113960288B (zh) 一种源-汇系统定量评价方法
CN117251739B (zh) 用于砂岩型铀资源定量预测的样本集的构建方法
CN106526697A (zh) 一种三角洲建设与破坏主要转换面识别方法
Zhang et al. Method and application of urban 3D rapid modeling of geology based on CAD Borehole Logs
Shen et al. Three-dimensional modeling of loose layers based on stratum development law
CN117372639A (zh) 一种稀疏骨干剖面结合任意位置辅助面的三维地质-地球物理建模方法
CN111060985A (zh) 一种砂岩型铀矿多要素数据样本集合的建设方法
CN116611622A (zh) 基于井地激发极化法的植物修复技术效果评估方法及系统
CN112907693B (zh) 一种砂岩型铀矿砂体顶低板等高线图成图方法
CN114626230A (zh) 一种地质矿产资源储量的模拟方法
CN112908145A (zh) 一种砂岩型铀矿砂体等厚度图成图方法

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
GR01 Patent grant
GR01 Patent grant