一种基于随机算法的砂岩型铀矿建模方法技术

本发明专利技术涉及铀矿地质地球物理探测技术领域，特别涉及一种基于随机算法的砂岩型铀矿建模方法，包括：步骤一，收集已知资料；步骤二，统计数据；步骤三，设计网格的四至范围、模型大小及增长因子，采用矩形剖分方式建立模型网格；步骤四，确定砂体地层的几何参数和电阻率参数，随机生成多个特征不同的砂体地层模型组合；步骤五，确定顶界面形态，将顶界面以深的区域至网格区域最底部赋值获得结晶基底模型；步骤六，其他网格赋背景泥岩电阻率值；步骤七，网格模型转换为png文件，作为智能系统训练库的标签文件。解决了现有技术中采用大地电磁结果对砂岩型铀矿智能地质解译时，训练卷积神经网络模型的训练库数据样本数量不足、多样性较差的问题。的问题。的问题。

【技术实现步骤摘要】
一种基于随机算法的砂岩型铀矿建模方法


[0001]本专利技术涉及铀矿地质地球物理探测
，更具体地说，特别涉及一种基于随机算法的砂岩型铀矿建模方法。

技术介绍

[0002]砂岩型铀矿勘探中，利用大地电磁反演数据划分结晶基底、砂体分布范围是圈定铀成矿有利地段的重要手段。利用深度学习网络对反演结果进行有监督的训练时，需要建立大量电阻率数值模型，模拟得到相应的图像和标签化结果，从而使卷积神经网络具备智能识别反演结果中结晶基底和砂体的能力。
[0003]目前采用人工智能技术智能识别反演结果中的基底、砂体技术尚未处于探索阶段，生成训练图像和标签的方法多依靠技术人员收工建立数值模型后置入正反演软件中计算的方式。采用该方式在模型多样性和复杂性上具有较大的局限性，同时由于人工建模效率低下，不利于深度学习网络需输入大量训练数据及标签的要求。大大制约了人工智能技术在大地电磁法领域的推广应用。

技术实现思路

[0004]本专利技术为克服采用大地电磁结果对砂岩型铀矿智能地质解译时，训练卷积神经网络模型的训练库数据样本数量不足、多样性较差的问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机算法的砂岩型铀矿建模方法，其特征在于，包括以下步骤：步骤一，收集已知资料：收集工作区及其周边地段地质资料；步骤二，统计数据：统计砂体、基底空间分布及电性参数的取值范围，砂体、基底空间分布参数包括砂体和基底顶底界面的埋深范围、砂体地层倾角度数，电性参数包括结晶基底和砂体电阻率取值范围；步骤三，设计模型网格：根据探测对象的规模和埋深设计网格的四至范围、模型大小及增长因子，采用矩形剖分方式建立模型网格；步骤四，获得砂体地层模型：确定砂体地层的几何参数和电阻率参数，随机生成多个特征不同的砂体地层模型组合；步骤五，获得结晶基底模型：首先确定顶界面形态，然后将顶界面以深的区域至网格区域最底部均赋值；步骤六，其他网格赋背景泥岩电阻率值：除砂体地层模型以及结晶基底模型以外的模型背景部分赋值为工作区以泥岩为主的岩性电阻率值，模型网格生成结束；步骤七，网格模型转换为png文件，作为智能系统训练库的标签文件。2.根据权利要求1所述的基于随机算法的砂岩型铀矿建模方法，其特征在于，在步骤一，收集地质资料中，所述地质资料包括钻孔岩芯、电阻率测井数据以及岩石电阻率统计数据。3.根据权利要求1所述的基于随机算法的砂岩型铀矿建模方法，其特征在于，在步骤二，统计数据中，根据收集的工作区资料无法统计出的数据，则根据周边地段地质资料经验给定。4.根据权利要求1所述的基于随机算法的砂岩型铀矿建模方法，其特征在于，在步骤三，设计模型网格中，选择原则如下：水平方向：水平网格范围与需进行解译的剖面长度相当，或满足模型设计时基底、砂体的复杂程度，水平网格最小取值选择点距的一半，剖面两侧水平网格增长系数选择1.5；垂直方向：垂直网格范围从地表0延伸至最大探测深度的10倍，垂向网格第一行取值与垂向增长因子一起搭配选取，垂向网格第一行取值与垂向增长因子的数值由最小目标层厚度和埋深确定。5.根据权利要求1所述的基于随机算法的砂岩型铀矿建模方法，其特征在于，在步骤四中，包括以下步骤：S41，根据统计情况确定砂体层数；S42，随机生成砂体埋深：根据统计的砂体顶底层埋深确定各砂体层中心埋深取值范围，然后确定砂体层中心埋深为该取值范围内的任意随机数；S43，将砂体随机分段：根据工作区区域内地层变化情况，指定砂体最大分段数p
max
，生成分段单斜的砂体地层，确定地层分段数p为1到砂体最大分段数p
max
之间的任意随机数，地...

【专利技术属性】
技术研发人员：汪硕，周俊杰，胡跃彬，胡渤，
申请(专利权)人：核工业北京地质研究院，
类型：发明
国别省市：