多控矿因素融合的铀成矿有利区带智能预测方法及装置与流程

本发明属于矿产勘探，具体而言涉及一种多控矿因素融合的铀成矿有利区带智能预测方法及装置。

背景技术：

1、近年来国际铀矿地质界三维建模与预测技术发展迅速，在深部地质、地球物理结构等方面均开展了大量预测研究工作，成功预测并指导了深部铀矿化体的勘探发现。随着信息技术和gis技术的发展，矿产资源评价方法和手段也在不断地改进和提升，特别是提升了传统矿产资源评价的方法体系，简化了预测评价过程，实现了矿产资源评价的科学、便捷、高效和定量化操作。

2、目前，通常基于控矿因素统计分析进行预测，具体的，可以通过提取断裂密度、地层厚度、铀含量和氧化带发育程度等控矿因素采用证据权法、信息量法、特征分析法等进行加权叠加或概率计算，圈定成矿有利区带。该类方法以静态控矿因素的统计特征为预测依据，是当前铀矿预测的主流方法。

3、在上述铀矿预测的过程中，将各控矿因素作为静态变量进行加权叠加，忽略了铀成矿本质上是一个“铀源活化→流体运移→氧化还原沉淀”的动态过程。铀元素从源岩中活化、进入流体、沿一定路径运移、在适宜条件下沉淀富集——这一完整链条无法通过静态因素的简单叠加来刻画，从而导致预测不够精准，效率低下。

技术实现思路

1、本技术实施例提供一种多控矿因素融合的铀成矿有利区带智能预测方法及装置，用以解决现有技术中存在的上述问题中的一者或多者。本技术能够提高铀成矿有利区带的预测准确性和预测效率。

2、一方面，本技术实施例提供一种多控矿因素融合的铀成矿有利区带智能预测方法，方法包括：

3、获取目标岩石样品的控矿数据；

4、在所述控矿数据符合预设识别条件的情况下，将目标区域的地质单元确定为活性铀源；

5、获取所述活性铀源的空间分布、铀活化速率及铀释放通量；

6、在预设三维地质-水文地质模型中，将所述活性铀源的空间分布作为物质来源边界条件，耦合求解地下水流动方程、铀离子迁移方程及氧化还原反应动力学方程，模拟含铀成矿流体从活性铀源活化、运移到沉淀的全过程，得到目标区域的三维地下水流场、铀离子浓度时空分布及铀沉淀速率空间分布；

7、基于所述三维地下水流场、铀离子浓度时空分布及铀沉淀速率空间分布，计算各地质单元的铀沉淀概率；

8、基于所述铀沉淀概率和预设沉淀阈值，确定成矿有利区带。

9、可选地，在所述控矿数据符合预设识别条件的情况下，将目标区域的地质单元确定为活性铀源，包括：

10、对目标岩石样品进行逐级化学提取，将铀的赋存形态分离为可交换离子态、碳酸盐结合态、铁锰氧化物结合态、硫化物及有机物结合态和残渣态；

11、基于所述可交换离子态、碳酸盐结合态、铁锰氧化物结合态和硫化物及有机物结合态四种形态的铀含量之和，确定活性铀含量；

12、基于所述残渣态的铀含量，确定惰性铀含量；

13、基于所述活性铀含量和惰性铀含量，确定活性铀占比；

14、根据所述活性铀占比、目标总铀含量和预设识别条件，确定活性铀源。

15、可选地，在所述将所述活性铀源的空间分布作为物质来源边界条件，耦合求解地下水流动方程、铀离子迁移方程及氧化还原反应动力学方程之前，所述方法还包括：

16、获取目标区域的地质数据和水文数据；

17、基于所述地质数据，构建三维地质模型；

18、基于所述水文数据，构建水文地质模型；

19、对所述三维地质模型和所述水文地质模型进行整合建模，得到预设三维地质-水文地质模型。

20、可选地，所述基于所述地质数据，构建三维地质模型，包括：

21、基于所述地质数据，建立目标区域的地质演化时序框架，所述地质演化时序框架包含沉积序列、构造变形序列和剥蚀事件序列；

22、基于所述地质演化时序框架，生成地层叠置约束规则集，所述地层叠置约束规则集包括各地质体在三维空间中的允许叠置关系和禁止叠置关系；

23、获取目标区域的钻孔数据和地质剖面数据，基于所述钻孔数据和地质剖面数据进行三维空间插值，获得初始三维地质结构模型；

24、将所述地层叠置约束规则集嵌入所述三维空间插值过程中，当插值结果违反所述地层叠置约束规则集中的任一约束规则时，对违反约束规则的插值点进行地质校正，调整该插值点的地层归属至满足所有约束规则的位置；

25、输出经过所述地质合理性校正后的三维地质模型。

26、可选地，所述地质数据包括区域地质资料、同位素定年数据和构造期次划分结果，所述基于所述地质数据，建立目标区域的地质演化时序框架，包括：

27、基于目标区域的区域地质资料、同位素定年数据和构造期次划分结果，确定各地质单元的绝对年龄或相对年代顺序；

28、将所述沉积序列表达为地层年代排序表，所述地层年代排序表记录了各地层单元从老到新的沉积先后次序；

29、将所述构造变形序列表达为构造事件时序表，所述构造事件时序表记录了各期次构造活动的先后关系及其影响的地层范围；

30、将所述剥蚀事件序列表达为剥蚀范围-强度时空分布表，所述剥蚀范围-强度时空分布表记录了各期剥蚀事件的空间范围和剥蚀强度；

31、基于所述地层年代排序表、地层年代排序表和剥蚀范围-强度时空分布表，构建地质演化时序框架。

32、可选地，在所述输出经过所述地质合理性校正后的三维地质模型之后，所述方法还包括：

33、当获取新的钻孔数据后，将新钻孔数据作为硬数据加入建模数据集；

34、在保持所述地层叠置约束规则集不变的前提下，仅对新增钻孔数据影响范围内的局部区域重新进行三维空间插值和地质合理性校正；

35、输出更新后的三维地质模型，并生成更新前后模型的差异对比报告，所述差异对比报告包括新增钻孔数据导致的地层界面形态变化和地层归属变化的量化统计。

36、可选地，所述基于所述水文数据，构建水文地质模型，包括：

37、将目标区域的水文数据空间变异分解为三个尺度层级：区域相带尺度、局部层内尺度和微观胶结尺度；

38、在所述区域相带尺度上，基于目标区域的沉积相分布图，为不同沉积相单元赋予相带级别的渗透系数基准值；

39、在所述局部层内尺度上，在同一沉积相单元内部，基于钻孔岩芯的渗透率测试数据，采用地质统计学方法生成层内渗透系数的空间分布；

40、在所述微观胶结尺度上，基于岩芯薄片分析的胶结物类型和含量，建立胶结程度与渗透系数之间的校正函数；

41、将渗透系数基准值、空间分布和校正函数进行级联叠加，确定各空间位置的最终渗透系数；

42、基于所述最终渗透系数，输出融合多尺度非均质性的水文地质模型。

43、可选地，所述对所述三维地质模型和所述水文地质模型进行整合建模，得到预设三维地质-水文地质模型，包括：

44、基于所述三维地质模型，确定目标区域的地层界面和岩性界面；

45、基于所述水文地质模型，确定水文参数场的空间变异特征、识别渗透系数或孔隙度发生空间突变的突变面位置；

46、将所述突变面位置与所述地层界面位置进行空间对比，得到空间偏差；

47、在所述空间偏差满足校正条件的情况下，以所述突变面位置作为结构界面的校正依据，对所述初始三维地质结构模型的地层界面进行微调校正；

48、以校正后的三维地质结构模型重新约束水文参数的空间赋值，重复上述步骤直至结构界面位置与参数突变面位置之间的空间偏差小于预设阈值；

49、输出经过双向约束迭代精化的一体化三维地质-水文地质模型。

50、可选地，所述在预设三维地质-水文地质模型中，将所述活性铀源的空间分布作为物质来源边界条件，耦合求解地下水流动方程、铀离子迁移方程及氧化还原反应动力学方程，模拟含铀成矿流体从活性铀源活化、运移到沉淀的全过程，得到目标区域的三维地下水流场、铀离子浓度时空分布及铀沉淀速率空间分布，包括：

51、将模拟时间划分为宏观时间步和微观时间步，所述宏观时间步的长度为所述微观时间步的长度的n倍，n≥10；

52、在每个宏观时间步开始时，求解所述地下水流动方程，获得该宏观时间步内的三维地下水流场，并将该流场在当前宏观时间步内保持固定；

53、在当前宏观时间步内，在所述流场固定的条件下，划分多个微观时间步，在每个微观时间步内依次执行：基于当前铀离子浓度场计算氧化还原反应速率并更新反应源/汇项；基于更新后的反应源/汇项求解所述铀离子迁移方程，更新铀离子浓度场；重复迭代直至铀离子浓度场在微观时间步内收敛；

54、进入下一宏观时间步时，基于上一宏观时间步结束时更新的铀离子浓度场和铀沉淀量，更新各空间位置的孔隙度和渗透系数，重新求解所述地下水流动方程，获得更新后的流场；

55、重复上述宏观-微观交替求解过程，直至达到预设的总模拟时间，得到目标区域的三维地下水流场、铀离子浓度时空分布及铀沉淀速率空间分布。

56、另一方面，本技术实施例提供了一种多控矿因素融合的铀成矿有利区带智能预测装置，装置包括：

57、第一获取模块，用于获取目标岩石样品的控矿数据；

58、第一确定模块，用于在所述控矿数据符合预设识别条件的情况下，将目标区域的地质单元确定为活性铀源；

59、第二获取模块，用于获取所述活性铀源的空间分布、铀活化速率及铀释放通量；

60、模拟模块，用于在预设三维地质-水文地质模型中，将所述活性铀源的空间分布作为物质来源边界条件，耦合求解地下水流动方程、铀离子迁移方程及氧化还原反应动力学方程，模拟含铀成矿流体从活性铀源活化、运移到沉淀的全过程，得到目标区域的三维地下水流场、铀离子浓度时空分布及铀沉淀速率空间分布；

61、计算模块，用于基于所述三维地下水流场、铀离子浓度时空分布及铀沉淀速率空间分布，计算各地质单元的铀沉淀概率；

62、第二确定模块，用于基于所述铀沉淀概率和预设沉淀阈值，确定成矿有利区带。

63、再一方面，本技术实施例提供了一种电子，所述设备包括：处理器以及存储有计算机程序指令的存储器；

64、所述处理器执行所述计算机程序指令时实现如第一方面所述的多控矿因素融合的铀成矿有利区带智能预测方法。

65、再一方面，本技术实施例提供了一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面所述的多控矿因素融合的铀成矿有利区带智能预测方法。

66、再一方面，本技术实施例提供了一种计算机程序产品，述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如第一方面所述的多控矿因素融合的铀成矿有利区带智能预测方法。

67、与现有技术相比，本技术实施例的多控矿因素融合的铀成矿有利区带智能预测方法及装置，能够通过获取的目标岩石样品的控矿数据进行地质识别，将目标岩石样品对应目标区域的地质单元确定不同的铀源，之后针对活性铀源，在预设三维地质-水文地质模型中动态模拟铀成矿流体从活性铀源活化、运移到沉淀的全过程，克服了传统静态统计方法忽略铀成矿动态链条的局限性。通过耦合地下水流动、铀离子迁移及氧化还原反应动力学方程，并基于一体化三维地质-水文地质模型进行求解，能够更精准地刻画铀元素的迁移富集规律，从而实现对铀成矿有利区带的定量化、高精度预测，提升了铀矿资源评价的科学性和效率。