CN117275601B - 砂岩型铀矿异常信息的确定方法 - Google Patents

砂岩型铀矿异常信息的确定方法 Download PDF

Info

Publication number
CN117275601B
CN117275601B CN202311540305.7A CN202311540305A CN117275601B CN 117275601 B CN117275601 B CN 117275601B CN 202311540305 A CN202311540305 A CN 202311540305A CN 117275601 B CN117275601 B CN 117275601B
Authority
CN
China
Prior art keywords
region
abnormal
macroscopic
area
determining
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
CN202311540305.7A
Other languages
English (en)
Other versions
CN117275601A (zh
Inventor
赵宁博
伊丕源
田丰
吴文欢
贺美云
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 CN202311540305.7A priority Critical patent/CN117275601B/zh
Publication of CN117275601A publication Critical patent/CN117275601A/zh
Application granted granted Critical
Publication of CN117275601B publication Critical patent/CN117275601B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin
    • Y02E30/30—Nuclear fission reactors

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Agronomy & Crop Science (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Medical Informatics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)

Abstract

本申请的实施例涉及砂岩型铀矿勘查技术领域，具体涉及一种砂岩型铀矿异常信息的确定方法。该方法包括以下步骤：获取勘查区中多个采样点的铀含量测量值；根据铀含量测量值，圈定勘查区的宏观异常区域和微观异常区域；获取勘查区中的地表水流路径，根据地表水流路径、宏观异常区域和微观异常区域，确定并剔除干扰异常区；获取勘查区中有利成矿砂体的空间分布范围；根据有利成矿砂体的空间分布范围、剔除干扰异常区后的宏观异常区域和微观异常区域，确定宏观异常区域的异常等级，宏观异常区域的异常等级为勘查区中的异常信息。使用本申请实施例的确定方法，能够有效提升砂岩型铀矿异常信息的提取精度，提高找矿效率。

Description

砂岩型铀矿异常信息的确定方法
技术领域
本申请的实施例涉及砂岩型铀矿勘查技术领域，具体涉及一种砂岩型铀矿异常信息的确定方法。
背景技术
利用化探异常信息找矿是矿床勘查中常用的技术手段之一，常规做法是在矿区采集样品并开展化学分析后，利用数理统计方法确定成矿指示元素的异常下限，圈定元素异常范围。但砂岩型铀矿因其矿体上方覆盖层较厚的特殊性，在找矿过程中利用上述方法单一确定的异常范围通常与矿体分布范围存在不同程度的偏差，影响找矿效率。
发明内容
鉴于上述问题，本申请提供了一种砂岩型铀矿异常信息的确定方法，旨在提升砂岩型铀矿异常信息的提取精度。
本申请的实施例提供一种砂岩型铀矿异常信息的确定方法，本申请提供的方法包括：获取勘查区中多个采样点的铀含量测量值；根据多个采样点的铀含量测量值，圈定勘查区的宏观异常区域；根据多个采样点的铀含量测量值，确定各采样点的铀含量测量值的衬值；根据多个采样点的铀含量测量值的衬值，圈定勘查区的微观异常区域；获取勘查区中的地表水流路径，根据地表水流路径、宏观异常区域和微观异常区域，确定并剔除宏观异常区域和微观异常区域中的干扰异常区；获取勘查区中有利成矿砂体的空间分布范围；根据有利成矿砂体的空间分布范围、剔除干扰异常区后的宏观异常区域和微观异常区域，确定宏观异常区域的异常等级，宏观异常区域的异常等级为勘查区中的异常信息。
根据本申请实施例的砂岩型铀矿异常信息的确定方法能够有效提升砂岩型铀矿异常信息的提取精度，进而提高找矿效率，降低找矿成本。
附图说明
通过下文中参照附图对本发明的实施例所作的描述，本发明的其它目的和优点将显而易见，并可帮助对本发明有全面的理解。
图1是本申请实施例提供的砂岩型铀矿异常信息的确定方法的流程图。
图2是本申请实施例提供的圈定勘查区宏观异常区域的流程图。
图3是本申请实施例提供的圈定勘查区微观异常区域的流程图。
图4是本申请实施例提供的确定并剔除干扰异常区的流程图。
图5是本申请实施例提供的确定采样点铀含量衬值的原理示意图。
附图标记说明：
10、中心网格；20、预测窗口；30、背景窗口。
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。此外，为了便于描述，在这里可以使用空间相对术语，如“上方”、“下方”、“顶部”、“底部”等，仅用来描述如图中所示的一个器件或特征与其他器件或特征的空间位置关系，应当理解为也包含除了图中所示的方位之外的在使用或操作中的不同方位。
本申请的发明人发现，由于砂岩型铀矿存在其特殊性，矿体上方覆盖层较厚，导致地表化探信息相对较弱，在此种情况下容易出现两个问题：基于单一空间尺度圈定异常区时容易圈出非矿致异常，或者漏掉矿致异常；且异常信息容易受到地形等干扰因素的影响，导致异常区形态改变。因此仅利用化探异常信息找矿这种传统技术手段确定的异常区通常与矿体分布范围存在不同程度的偏差，影响找矿效率。
为此，本申请的实施例提供一种砂岩型铀矿异常信息的确定方法，参照图1，该确定方法包括以下步骤S10至步骤S70。
步骤S10：获取勘查区中多个采样点的铀含量测量值。
步骤S20：根据多个采样点的铀含量测量值，圈定勘查区的宏观异常区域。
步骤S30：根据多个采样点的铀含量测量值，确定各采样点的铀含量测量值的衬值。
步骤S40：根据多个采样点的铀含量测量值的衬值，圈定勘查区的微观异常区域。
步骤S50：获取勘查区中的地表水流路径，根据地表水流路径、宏观异常区域和微观异常区域，确定并剔除宏观异常区域和微观异常区域中的干扰异常区。
步骤S60：获取勘查区中有利成矿砂体的空间分布范围。
步骤S70：根据有利成矿砂体的空间分布范围、剔除干扰异常区后的宏观异常区域和微观异常区域，确定宏观异常区域的异常等级，宏观异常区域的异常等级为勘查区中的异常信息。
本实施例的确定方法，从宏观和微观两个不同的空间尺度进行异常信息的提取，并对提取的异常信息进行集成和筛选，剔除受地形、水系影响造成的干扰异常，进而提升砂岩型铀矿异常信息的提取精度，提高找矿效率，降低找矿成本。
在一些实施例中，在步骤S10中，获取勘查区中多个采样点的铀含量测量值时，可以在砂岩型铀矿勘查区采集多个采样点处的地表土壤样品，并对采集的地表土壤样品进行测试，以获得多个采样点的铀含量测量值。可选地，可以对土壤样品进行化学分析测试，以获得采样点处的铀含量测量值。
在一些实施例中，在采集土壤样品时，可以在勘查区内布设正方形的采样网格，将每个采样网格的中心作为采样点，从而使多个采样点均匀地布设在勘查区的整个区域中，以获取勘查区内不同位置的铀含量测量值，获取较为全面的铀含量信息。
示例地，对于新疆某一砂岩型铀矿区外围，为提取该区域的异常信息，在该砂岩型铀矿区外围进行地表土壤样品采集，具体地，可以按照1：5万的比例尺布设采样点，采样网格为正方形，采样间距为400米，采集多个采样点处的土壤样品。再通过化学分析测试获得多个采样点的铀含量测量值，并将铀含量测量值整理为空间坐标与铀含量测量值相对应的二维数据。此外，还可以利用克里金法对得到的二维数据进行数据插值，以获得整个区域的铀含量。
图2示出了圈定勘查区宏观异常区域的流程示意图，参阅图2，在一些实施例中，步骤S20包括以下步骤S201~步骤S203。
步骤S201：对勘查区内多个采样点的铀含量测量值进行滤波处理，确定各采样点的铀含量；步骤S202：对勘查区内多个采样点的铀含量进行拟合，确定勘查区内铀含量的拟合值；步骤S203：根据勘查区内铀含量的拟合值，圈定勘查区内的宏观异常区域。在本实施例中，首先通过滤波处理来削弱尖锐的极值数据对整体趋势的影响，再通过拟合得到整个区域中铀含量的变化趋势，以便于根据铀含量的变化，圈定整个区域中的宏观异常区域。
在一些实施例中，在步骤S201中，在对各采样点的铀含量测量值进行滤波处理时，可以对步骤S10中得到的勘查区内多个采样点的铀含量测量值进行均值滤波，以此削弱受异常因素引起的极值数据对整体趋势的影响。具体地，在进行均值滤波时，可以将滤波窗口设置为3×3个采样网格，即将滤波窗口设置为由长宽各3个采样网格组成的正方形，其中共包括9个采样点，计算9个采样点的铀含量测量值的算术平均值，将该算数平均值作为滤波窗口的中心采样点的铀含量，据此方法确定勘查区整个区域内各采样点的铀含量，进而削弱受异常因素引起的铀含量极值数据对整体变化趋势的影响。
在一些实施例中，在步骤S202中，对步骤S201中确定的勘查区内多个采样点的铀含量数据进行拟合时，可以采用趋势面分析法，目的在于模拟整个勘查区域内铀含量在空间上的分布规律，从而获得区域内铀含量在地域空间上的变化趋势。可选地，拟合方法采用二次多项式进行拟合，拟合时数据插值间距可以设置为2倍采样间距，通过对多个采样点的铀含量进行拟合回归得到勘查区内铀含量的拟合值，从而确定铀含量在空间上的分布规律和变化趋势。
在步骤S203中，根据步骤S202中确定的勘查区内铀含量的拟合值，圈定勘查区内的宏观异常区域，从而在宏观空间尺度上圈定异常区域。在一些实施例中，可以根据勘查区内铀含量的拟合值，确定异常下限值；根据勘查区内铀含量的拟合值和异常下限值，圈定勘查区内的宏观异常区域。
可选地，在确定异常下限值时，可以将拟合得到的铀含量拟合值的平均值与2倍均方差之和作为异常下限值，与勘查区内铀含量的拟合值共同作为依据，圈定勘查区内的宏观异常区域。其中，将铀含量拟合值大于异常下限值的区域认定为宏观异常区域。
需要说明的是，宏观异常区域是以勘查区整体为背景圈定的由矿床、矿体和含矿地质引起的异常区域，反映的是全区范围的铀矿异常分布特征和变异程度，目的是从宏观尺度对勘查区内的铀矿异常的分布趋势进行把控，从而快速缩小找矿范围。
在一些实施例中，在步骤S30中，根据步骤S10中确定的各采样点的铀含量测量值来确定衬值，包括：根据各采样点及其周围多个采样点的铀含量测量值，确定各采样点铀含量的预测值，从而削弱极值数据对铀含量变化趋势的影响；根据各采样点周围的多个采样点的铀含量测量值，确定各采样点铀含量的背景值；根据采样点铀含量的预测值和背景值，确定采样点的衬值。
本实施例通过比较各个采样点的铀含量预测值与背景值来确定各采样点的异常衬值，从而可以根据异常衬值便于识别出弱小异常，避免低背景区域的弱异常信息被忽略。
图5为根据本发明一个实施例的确定采样点铀含量衬值的原理示意图。请参阅图5，在确定各采样点的衬值时，可以以单个采样网格作为中心网格10，设置其周围3×3个采样网格为预测窗口20，设置其周围9×9个采样网格为背景窗口30，图5中阴影区域为预测窗口20，空白区域为背景窗口30。进一步地，可以根据如下表达式计算该中心网格10的采样点的衬值CR：
CR=Rs/Rb。
其中，Rs表示各采样点铀含量的预测值，预测值Rs为预测窗口20中所有采样网格（即，包括中心网格10在内的3×3个采样网格）中采样点的铀含量测量值的算术平均值；Rb表示各采样点铀含量的背景值，背景值Rb为在背景窗口30中采样网格（即，不包含预测窗口20的空白区域内的采样网格）中采样点的铀含量测量值的算术平均值。在本实施例中，可以依次移动窗口遍历全勘查区，根据上述计算方法确定所有采样点的铀含量测量值的衬值。
图3示出了圈定勘查区微观异常区域的流程示意图，参阅图3，在一些实施例中，步骤S40包括：步骤S401，根据采样点的衬值，确定多个采样点中的异常点；步骤S402，根据异常点，圈定勘查区中的微观异常区域。在本实施例中，根据勘查区中各采样点的衬值来确定异常点，以增强低背景区的弱异常信息，从而在微观空间尺度上识别异常信息，防止由于化探信息偏弱而导致漏掉矿致异常。
在一些实施例中，在步骤S401中，在确定异常点时，可以将衬值大于1的采样点作为异常点。在步骤S402中，以异常点为划分依据，圈定勘查区内的微观异常区域。其中，多个异常点所在的区域即为微观异常区域。
其中，微观异常区域是以勘查区局部为背景圈定的由矿床、矿体和含矿地质引起的异常区域，可以反映从整体分布来看背景值相对较低的区域内的分布特征。因为砂岩型铀矿通常位于区域上的指示元素异常区边缘地带或两个高异常夹持部位，在背景值较低的地区铀矿体对应的异常通常表现为弱小异常或无异常，容易被忽略，本实施例通过确定微观异常区域，可以增强低背景区域中的弱异常信息，防止漏掉矿致异常。
在一些实施例中，可以将步骤S20和步骤S40圈定的勘查区内的宏观异常区域和微观异常区域均保存为矢量线文件，以便于后续使用。
图4示出了确定并剔除干扰异常区的流程示意图，参阅图4，在一些实施例中，步骤S50包括：步骤S501，分析地表水流路径，确定地表水流路径的缓冲区；步骤S502，根据地表水流路径的缓冲区和宏观异常区域和微观异常区域，确定并剔除宏观异常区域和微观异常区域中的干扰异常区。在本实施例中，通过地表水流路径的缓冲区来确定干扰异常区域，可以消除季节性的流水侵蚀对砂岩型铀矿地表异常信息造成的干扰，剔除干扰异常信息。
在一些实施例中，在步骤S501中，可以获取勘查区的数字高程模型（DEM）数据，利用地表径漫流模型对获取的DEM数据进行数学运算，从而提取潜在的水流路径。其中，DEM数据可以从公开的数据库中获取。
在一些实施例中，提取水流路径包括以下步骤：（1）基于DEM数据，利用最大坡降法得到勘查区的DEM数据中每一个栅格的水流方向；（2）根据各栅格的水流方向数据，计算出每一个栅格的汇流累积量；其中，对于每一个栅格，汇流累积量代表该栅格在水流方向上累积的栅格数，即该栅格上游中栅格的水流方向最终汇流经过该栅格的栅格数，汇流累积量越大，表示该区域越易形成地表水流路径；（3）提取出汇流累积量大于临界值的栅格；其中，临界值可以根据研究区实际情况进行确定，在本实施例中，可以将临界值设置为500；（4）将提取出的栅格进行矢量化，即得到潜在水流路径。
在一些实施例中，还可以将提取的水流路径与勘查区的高分辨率遥感影像进行叠加，剔除因计算误差引起明显错误的水流路径。其中，明显错误的水流路径主要包括横穿山脊、横穿建筑物的水流路径。
在一些实施例中，可以对修正后的水流路径进行缓冲区分析，从而确定地表水流路径的缓冲区，以确定水系对异常区的影响范围。可选地，在进行缓冲区分析时，可以将缓冲半径大小设置为采样间距的2倍，围绕水流路径形成缓冲区多边形图层，据此确定地表水流路径的缓冲区。
在一些实施例中，在步骤S502中，在确定干扰异常区时可以将缓冲区与宏观异常区域或微观异常区域进行空间叠加；根据缓冲区与宏观异常区域或微观异常区域的重合度，确定宏观异常区域或微观异常区域中的干扰异常区。
具体地，可以将步骤S501中确定的地表水流路径的缓冲区分别与步骤S20和S40中圈定的宏观异常区域和微观异常区域进行空间叠加。将宏观或微观异常区域与水流路径的缓冲区在空间范围上的重合度高于80%的异常区，判定为受水系影响的干扰异常区，据此方法依次剔除勘查区内所有的干扰异常区，以排除因季节性的水流侵蚀对勘查区异常信息的提取造成的干扰。
在一些实施例中，在步骤S60中，可以在原有矿体勘查工作的基础上，收集前人圈定的有利成矿砂体的空间分布范围。
在一些实施例中，在步骤S70中，确定宏观异常区域的异常等级时，可以判断剔除干扰异常区后的宏观异常区域、微观异常区域以及有利成矿砂体的空间分布范围的位置关系，将宏观异常区域划分为不同的异常等级，从而根据异常等级来判断成矿潜力。其中，宏观异常区域的异常等级可以作为支撑材料，用于砂岩型铀矿的找矿预测。
具体地，宏观异常区域位于有利成矿砂体的空间分布范围内，且宏观异常区域包含微观异常区域，则判定该宏观异常区域为一级异常区域；宏观异常区域位于有利成矿砂体的空间分布范围内，且宏观异常区域不包含微观异常区域，则判定该宏观异常区域为二级异常区域；宏观异常区域内包含微观异常区域，但没有位于有利成矿砂体的空间分布范围内，或者该区域没有有利砂体的分布资料，则判定该宏观异常区域为三级异常区域。
在上述实施例中，对于上述新疆某一砂岩型铀矿区外围，通过提取该砂岩型铀矿区外围的异常区域，对该区域进行异常分级评价，可以将该区域的宏观异常区域划分成一级异常区域3片、二级异常区域4片、三级异常区域6片。
在本实施例中，宏观异常区域的异常等级即为勘查区中的异常信息，其可以作为确定成矿远景区的参考和判定依据。其中，一级异常区域对成矿最有利，二、三级异常区域成矿潜力依次减小。
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 (7)

1.一种砂岩型铀矿异常信息的确定方法，其特征在于，包括以下步骤：
获取勘查区中多个采样点的铀含量测量值；
根据所述多个采样点的所述铀含量测量值，圈定所述勘查区的宏观异常区域；
根据所述多个采样点的所述铀含量测量值，确定各所述采样点的所述铀含量测量值的衬值；
根据多个所述采样点的所述铀含量测量值的衬值，圈定所述勘查区的微观异常区域；
获取所述勘查区中的地表水流路径，根据所述地表水流路径、所述宏观异常区域和所述微观异常区域，确定并剔除所述宏观异常区域和所述微观异常区域中的干扰异常区；
获取所述勘查区中有利成矿砂体的空间分布范围；
根据所述有利成矿砂体的空间分布范围、剔除所述干扰异常区后的所述宏观异常区域和所述微观异常区域，确定所述宏观异常区域的异常等级，所述宏观异常区域的异常等级为所述勘查区中的所述异常信息，所述异常等级用于作为确定所述砂岩型铀矿的成矿远景区的参考和判定依据；
在根据所述多个采样点的所述铀含量测量值的衬值，圈定所述勘查区的微观异常区域中，包括：
根据各所述采样点及其周围多个所述采样点的铀含量测量值，确定各所述采样点铀含量的预测值；所述预测值为所述采样点及其周围多个所述采样点的铀含量测量值的算术平均值；
根据各所述采样点周围的多个所述采样点的铀含量测量值，确定各所述采样点铀含量的背景值；所述背景值为所述周围的多个所述采样点的铀含量测量值的算术平均值；
根据所述采样点铀含量的所述预测值和背景值，确定所述采样点的衬值；根据如下表达式计算所述采样点的衬值CR：CR=Rs/Rb；其中，Rs为所述预测值，Rb为所述背景值；
根据所述多个采样点的所述铀含量测量值，圈定所述勘查区的宏观异常区域，包括：
对所述勘查区内多个采样点的铀含量测量值进行均值滤波处理，确定各所述采样点的铀含量；
对所述勘查区内多个所述采样点的铀含量进行二次多项式拟合，确定所述勘查区内铀含量的拟合值；
根据所述勘查区内铀含量的拟合值，确定异常下限值；
根据所述勘查区内铀含量的拟合值和所述异常下限值，圈定所述勘查区内的宏观异常区域。
2.根据权利要求1所述的方法，其特征在于，在根据所述有利成矿砂体的空间分布范围、剔除所述干扰异常区后的所述宏观异常区域和所述微观异常区域，确定所述宏观异常区域的异常等级中，包括：
根据所述宏观异常区域位于所述有利成矿砂体的空间分布范围内，且所述宏观异常区域包含所述微观异常区域，确定所述宏观异常区域为一级异常区域。
3.根据权利要求1或2所述的方法，其特征在于，在根据所述有利成矿砂体的空间分布范围、剔除所述干扰异常区后的所述宏观异常区域和所述微观异常区域，确定所述宏观异常区域的异常等级中，还包括：
根据所述宏观异常区域位于所述有利成矿砂体的空间分布范围内，且所述宏观异常区域不包含所述微观异常区域，确定所述宏观异常区域为二级异常区域。
4.根据权利要求1或2所述的方法，其特征在于，在根据所述有利成矿砂体的空间分布范围、剔除所述干扰异常区后的所述宏观异常区域和所述微观异常区域，确定所述宏观异常区域的异常等级中，还包括：
根据所述宏观异常区域位于所述有利成矿砂体的空间分布范围外，且所述宏观异常区域包含所述微观异常区域，确定所述宏观异常区域为三级异常区域。
5.根据权利要求1所述的方法，其特征在于，在根据所述地表水流路径、所述宏观异常区域和所述微观异常区域，确定并剔除所述宏观异常区域和所述微观异常区域中的干扰异常区中，包括：
分析所述地表水流路径，确定所述地表水流路径的缓冲区；
根据所述地表水流路径的缓冲区和所述宏观异常区域和所述微观异常区域，确定并剔除所述宏观异常区域和所述微观异常区域中的干扰异常区。
6.根据权利要求5所述的方法，其特征在于，
将所述缓冲区与所述宏观异常区域或所述微观异常区域进行空间叠加；
根据所述缓冲区与所述宏观异常区域或微观异常区域的重合度，确定所述宏观异常区域或所述微观异常区域中的干扰异常区。
7.根据权利要求1所述的方法，其特征在于，在根据所述多个采样点的所述铀含量测量值的衬值，圈定所述勘查区的微观异常区域中，包括：
根据所述采样点的衬值，确定所述多个采样点中的异常点；
根据所述异常点，圈定所述勘查区中的微观异常区域。
CN202311540305.7A 2023-11-17 2023-11-17 砂岩型铀矿异常信息的确定方法 Active CN117275601B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311540305.7A CN117275601B (zh) 2023-11-17 2023-11-17 砂岩型铀矿异常信息的确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311540305.7A CN117275601B (zh) 2023-11-17 2023-11-17 砂岩型铀矿异常信息的确定方法

Publications (2)

Publication Number Publication Date
CN117275601A CN117275601A (zh) 2023-12-22
CN117275601B true CN117275601B (zh) 2024-02-20

Family

ID=89208470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311540305.7A Active CN117275601B (zh) 2023-11-17 2023-11-17 砂岩型铀矿异常信息的确定方法

Country Status (1)

Country Link
CN (1) CN117275601B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118330775B (zh) * 2024-06-12 2024-08-06 东华理工大学南昌校区 一种伸展背景下的铀矿圈定方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103837908A (zh) * 2014-03-05 2014-06-04 核工业北京地质研究院 一种适用于隐伏砂岩型铀矿快速找矿定位方法
CN104237964A (zh) * 2014-08-14 2014-12-24 核工业北京地质研究院 古河道型砂岩铀矿定位方法
WO2016041189A1 (zh) * 2014-09-19 2016-03-24 杨顺伟 一种评价页岩气储层及寻找甜点区的方法
CN108614087A (zh) * 2016-12-13 2018-10-02 核工业北京地质研究院 一种砂岩型铀矿勘查中的成矿远景区圈定方法
CN109581513A (zh) * 2018-12-25 2019-04-05 核工业北京地质研究院 一种基于多空间尺度的砂岩型铀矿成矿靶区圈定方法
CN111045110A (zh) * 2019-12-17 2020-04-21 核工业北京地质研究院 圈定砂岩型铀矿深部三维铀成矿靶区的综合物化探方法
CN113534286A (zh) * 2021-06-24 2021-10-22 核工业北京地质研究院 一种砂岩型铀矿地球化学勘查的铀成矿有利区段评估方法
US11460601B1 (en) * 2021-10-26 2022-10-04 Beijing Research Institute Of Uranium Geology Method for determining distribution of uranium deposit
CN115598727A (zh) * 2022-10-19 2023-01-13 核工业北京地质研究院（Cn） 确定热液铀矿远景区的方法
CN115598728A (zh) * 2022-10-19 2023-01-13 核工业北京地质研究院（Cn） 借助标志物的变形特征圈定热液铀矿远景区的方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103837908A (zh) * 2014-03-05 2014-06-04 核工业北京地质研究院 一种适用于隐伏砂岩型铀矿快速找矿定位方法
CN104237964A (zh) * 2014-08-14 2014-12-24 核工业北京地质研究院 古河道型砂岩铀矿定位方法
WO2016041189A1 (zh) * 2014-09-19 2016-03-24 杨顺伟 一种评价页岩气储层及寻找甜点区的方法
CN108614087A (zh) * 2016-12-13 2018-10-02 核工业北京地质研究院 一种砂岩型铀矿勘查中的成矿远景区圈定方法
CN109581513A (zh) * 2018-12-25 2019-04-05 核工业北京地质研究院 一种基于多空间尺度的砂岩型铀矿成矿靶区圈定方法
CN111045110A (zh) * 2019-12-17 2020-04-21 核工业北京地质研究院 圈定砂岩型铀矿深部三维铀成矿靶区的综合物化探方法
CN113534286A (zh) * 2021-06-24 2021-10-22 核工业北京地质研究院 一种砂岩型铀矿地球化学勘查的铀成矿有利区段评估方法
US11460601B1 (en) * 2021-10-26 2022-10-04 Beijing Research Institute Of Uranium Geology Method for determining distribution of uranium deposit
CN115598727A (zh) * 2022-10-19 2023-01-13 核工业北京地质研究院（Cn） 确定热液铀矿远景区的方法
CN115598728A (zh) * 2022-10-19 2023-01-13 核工业北京地质研究院（Cn） 借助标志物的变形特征圈定热液铀矿远景区的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Mei Lu,et al..Source identification of the geochemical anomaly from the fine-grained soil survey in the Nuheting sandstone-type uranium deposit,Erlian Basin,north China.《Journal of Geochemical Exploration》.2021,第227卷全文. *
基于测井数据的砂岩型铀矿异常识别随机森林算法应用;康乾坤;《中国优秀硕士学位论文全文数据库》;全文 *
砂岩型铀矿土壤金属活动态异常提取方法研究;赵宁博等;《科技通报》;第35卷(第7期);第36-38页 *
科学选靶的理论与途径;赵鹏大等;《地球科学-中国地质大学学报》;第36卷(第2期);第184-185页 *

Also Published As

Publication number Publication date
CN117275601A (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
Ge et al. Automated measurements of discontinuity geometric properties from a 3D-point cloud based on a modified region growing algorithm
CN117275601B (zh) 砂岩型铀矿异常信息的确定方法
CN111307031B (zh) 一种埋地管道安全状态监测与预警方法
CN103345566B (zh) 基于地质内涵的化探异常识别与评价方法
CN109273059B (zh) 一种区域地球化学数据校正方法
CN106526675B (zh) 断层空间参数自动提取方法
CN110728402A (zh) 一种基于地质标本分析的区域矿产资源预测系统
CN112523806A (zh) 一种上下层重叠隧道初支及衬砌施工的监控方法
CN109447026B (zh) 一种基于支持向量机的桩身完整性类别自动识别方法
CN107608006A (zh) 一种海底热液硫化物资源评价方法
CN117553738A (zh) 一种隧道围岩变形监测及预测的方法
CN113534286A (zh) 一种砂岩型铀矿地球化学勘查的铀成矿有利区段评估方法
CN116593051A (zh) 一种基于煤壁能量指标的煤壁片帮分级预警方法
RU2539023C1 (ru) Способ геохимической разведки с применением градиента геохимического индикатора
CN114663840A (zh) 隧道环境的巡检设备监控方法及系统
CN110968840A (zh) 一种基于大地电磁测深电阻率判定隧围岩等级的方法
CN106198368A (zh) 混凝土内部钢筋锈蚀位置检测方法
Dawson et al. A method for the automated extraction of environmental variables to help the classification of rivers in Britain
CN111983678B (zh) 一种快速评价深水砂体发育潜力的方法
Kalasapudi et al. A multi-level 3D data registration approach for supporting reliable spatial change classification of single-pier bridges
CN109656906A (zh) 一种基于大数据的勘查资料的处理方法
CN111273372B (zh) 一种基于化探异常编制潜在成矿温度组合图的编图方法
CN110685676B (zh) 一种定量识别优质页岩段的方法
CN116045903A (zh) 一种采煤区地面形变识别与评价方法
CN110984114A (zh) 一种深基坑全周期动态监测方法

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