一种计算机垂向地下空间分带含铀层识别方法

技术领域

本发明涉及砂岩型铀矿，是一种基于砂岩型铀矿床的空间垂向分带含铀层识别方法，属于地质工程领域。

背景技术

铀矿作为能源-战略型资源一直都是全球各国密切关注的焦点，能源开发及国民经济有序增长的重大需求之一。铀资源的需求量将会一直处于供不应求的状态。世界上具有工业意义的铀矿床类型很多，如花岗岩型、火山岩型、角砾杂岩型、碳硅泥岩型、不整合面型、铀砾岩型、热液型、含铀/煤型以及盆地沉积砂岩型等，其中沉积盆地砂岩型铀矿是目前所有铀矿类型中最具开采潜力及研究价值的铀矿床。由此可见，有关砂岩型铀矿的相关研究在经济发展进步方面有着非常重要的地位。

因此，本发明主要对砂岩型铀矿垂向空间分布规律进行研究分析。首先根据砂岩型铀矿较为特殊的成矿地质背景，如铀元素来源伴随着岩石的剥蚀、水解及风化；铀元素迁移在地下垂向空间内受文地质条件制约；铀元素富集成矿需要较为特殊的盆地沉积条件及盆地构造背景等，对砂岩型铀矿在形成过程中的空间性及规律性，在垂向空间分布上的成层性及分带性等特征进行分析。然后利用地球物理钻孔测井定量数据及与之相匹配的年代约束信息定性数据对铀矿化、铀异常及铀元素在垂向空间范围内的分布及变异特征等进行深入研究，运用相关成分分析思想对上述两类数据进行全面分析，利用钻孔测井曲线融合度量分析获得空间垂向分带度量特征，并将其引入到傅里叶-功率谱密度变换中，提出一种可用于砂岩型铀矿垂向空间范围内进行含铀层识别的分带研究方法，属于砂岩型铀矿垂向空间内针对不同类型、不同尺度、不同分辨率数据进行的非线性方法研究，即一种砂岩型铀矿空间垂向分带含铀层识别方法。最后将这种空间垂向分带含铀层识别方法应用于砂岩型铀矿含铀层识别与异常区域圈定研究中。可为砂岩型铀矿的垂向空间分布特征、砂岩型铀矿含铀层精确识别及砂岩型铀矿资源预测提供更为有效的研究方法和技术手段。同时，进一步提高砂岩型铀矿在能源开发、国防工业等方面的应用效果和实用价值。

发明内容

为克服现有技术的不足,本发明提供一种计算机垂向地下空间分带含铀层识别方法,为达此目的,本发明采用以下技术方案：步骤a1：将砂岩型铀矿床作为分析空间，对所述分析空间进行勘探线部署，在部署的所述勘探线A上的不同的位置，运用地质钻机Z进行岩芯钻孔取样，每一个位置均得到一个钻孔，每一个钻孔均包含B条测井曲线，B为自然数，所述测井曲线的种类包括自然伽玛测照射量率曲线、定量伽玛测照射量率曲线、孔径曲线、自然电位曲线、视电阻率曲线和密度曲线；通过计算机对每个钻孔所包含的B条所述测井曲线进行垂向分析，并根据所述测井曲线垂向深度位置的深度位置区间分隔成识别区域进行识别，从而找出含铀层；

步骤a2：通过计算机将每个钻孔所包含的B条测井曲线转为每个钻孔的钻孔测井曲线数据，钻孔测井曲线数据由所述测井曲线在垂向不同深度位置上第一测井样品的样品值组成，即把一个钻孔的所述钻孔测井曲线数据用一个矩阵的形式进行表达，则所述勘探线A上的所有钻孔由矩阵集1的方式来描述：

其中，矩阵集1中的k为勘探线A上的所有钻孔中的第k个钻孔，为自然数；M为所述勘探线A上每个钻孔的所述钻孔测井曲线数据中第一测井变量的总条数，M为自然数；同一条勘探线上每个钻孔内的第一测井变量总条数相同且等于测井曲线的总条数，即M＝B；N为每个钻孔的钻孔测井曲线数据在垂向不同深度位置上的第一测井样品的总数量，N

其中，j表示第k个钻孔的第j条第一测井变量且j∈(1,M)，j为自然数；i表示第k个钻孔第j条第一测井变量中的第i个第一测井样品且i∈(1,N

步骤a3：钻孔测井曲线数据预处理：

测井曲线具有不同的数据单位、不同的测量精度及不同的数据分辨率，因此，对钻孔测井曲线数据进行预处理得到钻孔测井标准数据

其中，

对钻孔测井曲线数据进行预处理，预处理方式如下：

使用第一公式对每个钻孔内的每条第一测井变量进行样本标准差计算，第k个钻孔中第j条第一测井变量的样本标准差为

其中，

其中，r表示第k个钻孔中第j条第一测井变量上的第r个第一测井样品，r∈(1,N

步骤a4：构造与钻孔测井标准数据相匹配的年代约束数据；

对每个钻孔在垂向不同深度位置的地层年代进行统计，得到与钻孔测井标准数据相匹配的地层年代定性数据，按照地层年代定性数据将每个钻孔在垂向不同深度位置上划分成不同的垂向带，使得每个垂向带内所有的钻孔测井标准数据的第二测井样品均属于同一个地层年代，通过计算机将垂向带划分后的地层年代定性数据转为年代约束数据，则第1个钻孔至第k个钻孔的年代约束数据y

其中，矩阵集二中d表示每个钻孔中垂向带的总数量，d

其中，p为自然数，表示第k个钻孔的第p个垂向带，第k个钻孔中共包含d

步骤a5：年代约束数据对钻孔测井标准数据进行年代约束分析；

年代约束数据将钻孔测井标准数据在垂向不同深度位置分成不同的垂向带，每个垂向带内的钻孔测井标准数据均属于同一个地层年代，使用相关成分分析方法计算每个垂向带内钻孔测井标准数据的总方差，第k个钻孔的钻孔测井标准数据总方差为C

其中，

通过第四公式对钻孔测井标准数据进行年代约束分析，使得垂向带内总方差尽可能达到最小，以此来度量不同测井曲线对砂岩型铀矿成矿作用的贡献关系，得到年代约束度量数据

步骤a6：年代约束度量数据对钻孔测井标准数据进行垂向分带度量分析；

根据年代约束度量数据

通过垂向分带度量分析得到的勘探线A上第k个钻孔的垂向分带度量数据为

其中，

步骤a7：获得所有钻孔的垂向分带特征：

R

分步骤1，采用第六公式得到第一垂向分带特征获取方式：

其中，t为与垂向度量分带数据

分步骤2，采用第七公式得到第二垂向分带特征获取方式：

其中，第二垂向分带特征获取方式为上述垂向度量分带数据

步骤a8：计算垂向分带变异值：

对所有钻孔的垂向分带特征进行时间-空间频域分析，即通过第八公式得到第k个钻孔的时空频域函数S

其中，h表示垂向分带特征上的第h个垂向测井样品且h＝1,2,3,…,(N

对时空频域函数S

砂岩型铀矿垂向不同深度位置序列具有不连续性，呈离散性的特征，使得对于每个与ω对应的时空频域函数S

g表示垂向分带标准特征上的第g个垂向标准样品且g＝1,2,3,…,(N

垂向深度位置t处的垂向分带变异值，用于反应垂向深度位置t是否为砂岩型铀矿的可能性；

步骤a9：砂岩型铀矿含铀层识别与提取：

设定垂向分带变异值的提取阈值，则勘探线A上所有钻孔不同垂向深度位置上的垂向分带变异值大于所设定提取阈值的垂向深度位置即为铀矿化边界深度位置，相邻铀矿化边界深度位置对应的深度区间即为含铀层，含铀层内任意深度位置所对应的垂向分带变异值均大于所设定的提取阈值。

具体实施方式

下面结合具体实施方式来进一步说明本发明的技术方案。本发明技术方案一种计算机垂向地下空间分带含铀层识别方法的方法过程为：

实施例一：砂岩型铀矿床地球物理钻孔测井定量数据即为钻孔测井数据集。砂岩型铀矿床在实际勘探中会根据地理位置进行勘探线部署，每一勘探线均包含多个钻孔且每个钻孔均包含多条测井曲线，如自然伽玛测照射量率(n C/kg·h)、定量伽玛测照射量率(nC/kg·h)、孔径(mm)、自然电位(mv)、视电阻率(Ω·m)、密度(g/cm

其中，k为第k个钻孔，N

其中，N为样品点总数，且

对该勘探线垂向空间范围内的地层年代信息进行统计，根据地层年代信息在每个钻孔垂向空间深度范围内分布的不同，构造与每个钻孔测井曲线相匹配的年代约束矩阵

其中，p表示第p个地层年代信息且p∈(1,c

数据收集完成后，本发明的具体步骤为：

步骤1、地球物理钻孔测井曲线数据预处理

地球物理钻孔测井曲线数据通常属于不同数据单位、不同尺度，不同分辨率下的数据，因此应先对其进行垂直无量纲处理，使其均变成可用于融合度量分析的无量纲数据，本发明共提供两种数据预处理方式；

无量纲处理方式①

对每个钻孔内的每条测井曲线的样本标准差进行计算，计算公式如下：

其中

其中，

无量纲处理方式②

对每个钻孔内的每条测井曲线运用改进后的自相关度量方法进行无量纲归一化处理，其计算公式如下：

其中t为测井数据采样点坐标且t＝1,2,3,…n,n≤N

步骤2：计算钻孔测井数据进行年代信息约束后的总方差

根据与每个钻孔测井曲线相匹配的年代约束矩阵

其中，

对上述计算结果进行线性转换并构造其最优垂向带转换矩阵，使得垂向带内总方差尽可能达到最小，以此来度量不同测井曲线之间的关系，其线性转换公式如下所示：

步骤3：钻孔测井曲线融合度量分析

对于钻孔测井数据而言，虽然本发明已经将其转换为无量纲数据，但每条钻孔测井数据仍属于一个独立的个体，同时这些独立的个体之间又存在着某些必然的联系；因此，根据不同测井曲线间的度量结果，将较大的权重分配给对砂岩型铀矿成矿影响程度高的钻孔测井曲线数据，同时，将较低的权重分配给相对影响程度低的测井曲线数据，即对每个钻孔测井数据进行如下运算，得到新的测井曲线数据融合度量结果，其计算公式如下所示：

步骤4：获得空间垂向分带度量特征

令R

空间垂向分带度量①

空间垂向分带度量②

其中，t为垂向空间内采样点深度位置；

步骤5：计算空间垂向变异幅度值

地球物理钻孔测井曲线在砂岩型铀矿垂向空间上具有“振荡”性特征，采用基于傅里叶-功率谱密度的离散化方法对空间垂向度量后的曲线数据进行时间频域分析，可得到第k个钻孔的时间频域函数S

其中i＝1,2,3,…,N-1，ω＝2πf且f为数据的振荡频率；

根据功率谱密度和傅里叶变换思想，对时间频域函数进行傅里叶逆变换，将其转换到垂向空间范围内，则第k个钻孔的空间垂向分带度量R

砂岩型铀矿空间垂向序列在实际中具有不连续性及离散性特征，导致对于每一个ω其计算函数S(ω)并不是均具有意义，而是对空间内某些特定的ω值才具有意义，因此需要对ω进行变换，设ω

则第十公式的傅里叶逆变换亦可表达为：

根据扩展到离散区域后计算到的R

步骤6：含铀层识别与提取

对该区域的垂向空间变异幅度值进行提取阈值设定，这时，大于所设定的阈值的空间垂向变异幅度值所对应的空间垂向深度范围即为含铀层，可用于铀矿异常区域圈定研究。

在本发明中对预处理后的地球物理钻孔测井数据和地层年代信息数据进行分析，发明一种砂岩型铀矿空间垂向分带含铀层识别方法并将其应用在砂岩型铀矿含铀层识别研究中。

地球物理钻孔测井数据通常由不同种类、不同尺度及不同分辨率下的自然伽玛测照射量率(n C/kg·h)、定量伽玛测照射量率(n C/kg·h)、孔径(mm)、自然电位(mv)、视电阻率(Ω·m)、密度(g/cm

本发明首先对地球物理钻孔测井数据和地层年代信息数据进行收集与预处理。在此，本发明共提供了两种地球物理钻孔测井数据无量纲处理方式，在实际运算中选择其中一种即可。无量纲处理方式①是采用标准差和标准化的处理方式，即计算每条测井曲线的样本标准差

然后根据钻孔测井数据在地下垂向空间范围内出露的地层年代信息，收集这些地层年代信息并构造基于相关成分分析的与无量纲钻孔测井数据相匹配的年代约束矩阵

然后根据地层年代信息将钻孔测井数据在垂向空间范围内分成不同的垂向带，每一垂向带内的钻孔测井数据均属于同一个地层年代，即年代约束信息。然后计算钻孔测井数据进行年代约束后的总方差

然后进行钻孔测井曲线融合度量分析，根据上述不同测井曲线之间的度量结果，将较大的权重分配给对砂岩型铀矿成矿影响程度高的钻孔测井曲线数据，同时，将较低的权重分配给相对影响程度低的测井曲线数据，即对钻孔测井数据进行

然后获取空间垂向分带度量特征，令R

然后计算空间垂向变异幅度值，在其计算过程中，采用基于傅里叶-功率谱密度的离散化方法对空间垂向分带度量后的数据进行时间频域分析，则第k个钻孔的时间频域函数为

然后根据逆变换得到的空间垂向度量R

实施例二：根据砂岩型铀矿在空间垂向范围内的成层性及分带性，利用地球物理钻孔测井定量数据和与之相匹配的地层年代信息定性数据进行砂岩型铀矿空间垂向分带含铀层识别研究。用数学矩阵来表示每个钻孔的测井曲线数据并对该数据进行无量纲数据处理。同时，定义基于相关成分分析的与每个钻孔测井曲线数据相匹配的年代约束矩阵，根据上述无量纲处理后的钻孔测井数据和与之相匹配的年代约束信息数据可以较好的反映砂岩型铀矿垂向空间范围内的分布特征，通过对钻孔测井数据进行年代约束后的总方差进行钻孔测井曲线进行融合度量分析，可得到空间垂向分带度量特征，用以衡量砂岩型铀矿在空间垂向范围内的分带特征；最后，针对空间垂向分带度量进行离散化时间频域与傅里叶逆变换分析，得到每个钻孔的空间垂向变异幅度值，通过提取阈值设定，空间垂向变异幅度值大于所设定的阈值时，其所对应的空间垂向深度范围即为含铀层，可用于铀矿异常区域圈定研究。

具体方法为：选择无量纲处理方式对地球物理钻孔测井数据进行无量纲处理，本发明提供了两种无量纲处理方法，在实际运算中选择其中一种即可，经过无量纲处理后的钻孔测井曲线即为钻孔测井曲线定量输入数据。同时，根据每个钻孔垂向空间范围内地层年代的分布情况构造与地球物理钻孔测井数据相匹配的年代约束矩阵，即为年代约束信息定性输入数据。然后根据地层年代信息将钻孔测井数据在垂向空间范围内分成不同的垂向带，每一垂向带内的钻孔测井数据均属于同一个地层时代，根据公式计算钻孔测井数据进行年代约束后的总方差并对其进行线性转换，使垂向带内总方差尽可能达到最小，以此来度量不同测井曲线之间的关系。然后进行钻孔测井曲线融合度量分析，根据上述不同测井曲线之间的度量结果，将较大的权重分配给对砂岩型铀矿成矿影响程度高的钻孔测井曲线数据，同时，将较低的权重分配给相对影响程度低的测井曲线数据，进而将每个钻孔内均属于独立个体的测井曲线进行融合分析，获取新的测井数据融合度量结果。然后确定空间垂向分带度量特征，在此本发明共提供两种度量方式，在实际运算中选择其中一种即可。然后采用离散化方法对空间垂向分带度量后的数据进行时间频域分析，并将时间频域函数进行逆变换，将其转换到垂向空间分带范围内，得到空间垂向变异幅度值。设置空间变异幅度值阈值，根据该阈值对垂向空间变异幅度值及其对应采样点深度位置进行提取，大于所设定的阈值的空间垂向变异幅度值所对应的空间垂向深度范围即为含铀层，可用于铀矿异常区域圈定研究。

以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

有益效果：通过本发明的研究丰富与发展相关成分分析在砂岩型铀矿含铀层精准识别方面的方法，可望为砂岩型铀矿含铀层识别与提取提供更加有效的手段和工具。相关成分分析与傅里叶-功率谱密度的结合，必将提高砂岩型铀矿含铀层识别的精准度，可为砂岩型铀矿的垂向空间分布特征、砂岩型铀矿含铀层精确识别及砂岩型铀矿资源预测提供更为有效的研究方法和技术手段；同时，进一步提高砂岩型铀矿在能源开发等方面的应用效果和实用价值，提供一种砂岩型铀矿空间垂向分带含铀层识别方法，提高了砂岩型铀矿在垂向空间范围内的研究水平，可为砂岩型含铀盆地空间垂向分带体系建立及砂岩型铀矿资源预测提供依据与技术方法。