基于钻孔数据的矿山三维地质建模及可视化过程研究

矿山三维地质建模与可视化技术研究,是"数字矿山"的核心组成部分,是现代矿山信息化研究的热点和重点.文章从三维地质建模的概念出发,探讨了基于钻孔数据的矿山三维地质建模及可视化的一般过程,包括地质数据库的建立,实体模型、品位块体模型的创建等,重点探讨了建模过程中地质数据库的设计,地质解译、矿体储量估算的方法与技术,并借助OpenGL三维图形开发库,在VC++6.0编程环境下,实现了三维地质的建模及可视化,为我国矿山三维地质建模及可视化软件的设计提供参考,促进了我国矿山信息化的建设.     

三维地质建模在矿床成矿规律研究和找矿靶区预测中的应用——以萨尔朔克矿区为例

通过三维地质建模开展了萨尔朔克矿区成矿规律研究,实现深部找矿靶区定位预测,并依托矿山勘查进行验证.研究采用Geomodeller三维建模软件创建矿区三维地质模型,在建模过程中逐步发现了前期对矿区地质认识中存在的诸多问题和错误,有利地促进了矿区成矿规律的研究.通过建模发现矿区存在上、下两个储矿空间(矿囊),宏观上呈串珠状...     

三维地质模拟在深部找矿勘探中的应用

我国矿产资源形势严峻,使深部找矿勘探工作的重要性大大提高。三维地质模拟作为一种新型有效技术,利用立体建模的方式建立矿床三维模型,可定量定位地表达各种地质信息,有效地恢复矿区的深部与浅部的构造形态,这些地质信息共同存在于相同的三维空间中,受钻孔等直接信息数据的约束,更接近现实世界。本文论述了三维地质模拟在深部找矿工作中的广泛应用,包括深部矿床等地质体建模、综合分析、多种图件的自动绘制等,可为矿床储量估算、成矿规律总结、深部成矿预测和矿山生产等工作提供直观、快速的数据和技术支持。     

数学地球科学跨越发展的十年:大数据、人工智能算法正在改变地质学

近十年是科学研究从问题驱动向数据驱动转变的转折时期,科学研究的第四范武—数据密集型科学发现应势而生.这期间,大数据与人工智能算法的引入使数学地球科学实现跨越式发展,并正在改变地质学.机器学习是使计算机具有智能的根本途径.深度学习,即多层神经网络的方法,是一种实现机器学习的技术,是过去几年大数据与数学地球科学研究的最重要的热点.贝叶斯网络是贝叶斯公式和图论结合的产物,可用来建立矿床地质的成因网络,进而理解矿床成因.地质大图形问题可以转化为大型的复杂网络空间问题和社区结构问题,社区分析技术可用于地震预报、地质网络分析、特殊地质现象识别、矿床预测.关联规则和推荐系统算法在地质研究中已有成功的应用实例.化探数据及其异常经常包含复杂和非线性模式,深度学习在智能识别与提取复杂地质条件下地球化学异常具有优异的能力,卷积神经网络、堆叠自编码机等是较为常用和有效的方法.非线性矿产资源预测、基于GIS和三维地质建模的三维成矿预测及相应的软件系统得到持续改进.三维虚拟仿真建模技术的应用实现了多模态、跨尺度地学虚拟现实与多维交互,地质过程数值模拟等已有创新性进展.区块链技术以及OneGeology、玻璃地球、深时数字地球等大地质科学计划,将在整合全球地质大数据、共享全球地学知识、推动数学地球科学学科发展方面起到重大的推动作用.     

基于三维建模的指示克里格估算与分形方法的对比研究

因地质统计学(侯景儒等,1982)和分形方法在空间预测和不确定分析方面的明显优势,与三维地质建模技术(Three-Dimensional Geological Modeling,简称3DGM) (Simon等,1999)结合(Kevin等,2005;王功文等,2007;Calcagno等,2008;Cédric等,2010;Wang等,2011)更好的解决了矿山开采过程中各种储量计算和误差估计问题,为解决地质变量条件下的统计问题提供依据.笔者利用地质统计学和分形方法,预测河南南泥湖-三道庄钼(钨)矿床储量及其资源量(标高800m及以上),均取得较好成果.     

危机矿山深边部隐伏矿体立体定量预测研究——以广西大厂锡多金属矿床为例

危机矿山及老矿山深边部具有巨大的资源潜力,但深部潜在资源的寻找面临着巨大的困难和风险,这是由老矿山具有勘探开发程度高、预测评价及找矿向深部三维空间发展、矿山生产对物化探异常信息产生干扰等固有特点所决定的,因此,采用适合危机矿山找矿特点的预测评价新方法,是老矿山深边部资源评价找矿取得突破的重要因素之一.本文针对危机矿山可接替资源的评价和找矿问题,采用数据驱动和知识驱动相结合的方法,确立了隐伏矿体立体定量预测工作的核心流程即"地质数据集成-成矿信息定量提取-立体定量预测".论文从场分析的观点出发,提出和建立了岩浆岩、地层岩性、断层和褶皱控矿作用的场模型以及矿化分布场模型,并通过连续模型的离散化实现了对地质控矿作用场模型的求解.采用统计分析和非线性规划方法,分析了地质控矿作用场与矿化指标之间的关联关系,提取出了地质因素控制矿化富集的定位定量参数,并根据这些参数得到了控矿地质因素定量指标集.基于矿化指标与控矿地质因素指标之间的关系,建立了立体定量预测模型,包括矿化数学模型和含矿性估计模型,对大厂矿区深边部区域进行了隐伏矿体的三维定位定量预测,建立了预测结果数据库,绘制了按标高水平的单元预测图,开发了预测结果可视化查询系统.按照预测结果设计施工的深部找矿钻孔在大厂长坡区深部和铜坑深部区发现了新的隐伏矿体,验证了预测模型及预测结果的有效性.     

隐伏矿体三维综合信息成矿预测方法

开展三维综合信息成矿预测,是当前隐伏矿体找矿勘探的实际需要,但目前尚缺乏系统的研究,工作方法体系仍有待深入探讨。本文提出了一套较为完善的隐伏矿体三维综合信息定量预测流程和方法。方法包括数据收集及地质数据库管理、三维地质建模及地球物理数据融合、地质特征空间分析及控矿因素提取、多维多元控矿信息融合及预测信息集构建、隐伏矿体三维定位定量预测等多方面内容。由于方法综合了地质体三维建模、多维空间分析技术、地球物理方法以及预测方法,因此可有效提高三维成矿预测的有效性和可靠程度。为验证方法的有效性,本文在宁芜盆地分别针对矿田和矿区尺度,开展了中、大比例尺的三维成矿预测实例研究,取得了较好效果。研究显示该方法体系可有效地对深部隐伏矿体进行定位定量预测,能够服务于今后的新老矿区隐伏矿体找矿勘探工作。     

三维数字建模技术在某铜矿山中的应用

矿山三维数字建模与可视化技术研究,是"数字矿山"的核心组成部分,是现代矿山信息化研究的热点和重点.文章在对地质统计学和现代矿山数字建模技术研究基础上,结合国内某大型矿山,论述了矿床三维数字建模的过程和方法.结果表明,利用三维数字建模的方法来进行储量计算、品位估值、安排生产计划,将改变矿山传统的开采模式,是我国矿山现代化征程中的必由之路.     

地学信息三维定量化提取与集成——以河南栾川钼矿区为例

三维地质建模与找矿靶区优选是当前国际地学研究的热点和难点。利用三维可视化技术和数学建模方法,通过自主研发GeoCube三维矿产资源预测与评价软件,实现了栾川钼矿区三维地学信息定量化提取与集成。在此基础上,开展多种数学建模方法集成对比及其网格单元划分的不确定性分析,认为证据权法具有稳健的三维空间集成分析特征,其三维环境中的预测远景靶区为该区深部找矿定位、定量研究提供了科学依据。研究成果为中国老矿山深部成矿定量预测技术方法研究提供借鉴。     

矿山地质数据的数字化

矿山地质数据数字化是矿山信息化建设和进一步找矿勘探的基础。通过将矿山地质数据的数字化归纳为地质资料数据数字化分类体系的建立、地质图件的数字化和地勘资料的二次编码数字化三个方面，提出采用非线性的树型结构为地质矿产资料数字化分类体系的框架结构，采用关系数据库中的二维表对这种非线性的树型结构数据进行表达；总结了地质图件的数字化方法，结合当前国际三维地质建模软件的数据需求，提出了地质资料二次编码数字化方案，地质建模软件要求的标准数据表可参照二次编码数字化后建立的数据表通过编程进行映射提取。     

基于重磁联合反演的麻姑山地区深部地质结构解析研究

近年来,随着茶亭铜金矿床等多处新矿床被相继发现,南陵—宣城地区有望成为长江中下游成矿带的新矿集区。其南部的麻姑山地区发育有麻姑山铜矿床,但由于本区第四系地层覆盖面积大、地质勘探程度浅,其深部地质结构尚不清晰,影响了本区隐伏矿床地质找矿工作的深入开展。本文基于地球物理重、磁数据,以已知地质填图和勘探数据为约束,对麻姑山地区深部地质结构进行了2.5D联合反演和深入解析;同时,结合三维地质建模技术和三维地球物理正演方法对解译结果进行了修正和厘定。研究结果表明,三维地质建模技术和三维地球物理正演方法可为2.5D重磁联合反演结果提供修正依据和手段;解析结果能够较好的阐明麻姑山地区的深部地质结构,结合找矿预测条件,能够圈定隐伏找矿预测靶区,可进一步为找矿工作提供更多参考信息。     

复杂矿区三维地质可视化及数值模型构建

复杂三维地质可视化和数值模型的构建是采矿、岩土及水利水电工程中常常遇到的关键问题。针对数值模拟软件在复杂矿区地质体模型构建及单元网格划分等前处理问题上存在的不直观、工作量大等缺点,结合矿业软件在复杂三维地质体建模的强大优势,在研究线框模型和块体模型差异的基础上,提出了基于线框模型的复杂矿区三维地质可视化及数值模型构建技术。根据线框模型特点不同,以地表和采空区模型为型,分别阐述了基于Surpac的表面模型和实体模型无缝转换成MIDAS/GTS数值模型的有效方法,并将该技术成功应用于冬瓜山铜矿复杂采空区群围岩稳定性研究中。结果表明,该方法是可行、有效的,从而为矿山开采设计、安全分析及复杂地质体结构的岩土工程数值模拟分析提供了一种新的建模方法。     

模糊神经网络在矿震预测中的应用

矿震同天然地震一样会给矿山生产及人身安全等带来重大灾难。也是目前尚不能准确预测的矿山灾害现象之一。根据现有的研究成果可知，矿震是一个多输入、多干扰、单输出的复杂系统。由于干扰项的存在，使利用建模、神经网络等手段对系统进行预测时会导致很大误差。模糊神经网络系统在建立对象输入、输出关系时与传统数学方法不同。即可以建立在无模型基础上，并利用其较强的学习训练特性，自动获取对象的输入、输出关系表达；可以将专家的评价语言作为系统的干扰项引入。这在一定程度上缓解了人为因素对预测结果的影响，且平滑了观测数据的随机性。文章利用改进的模糊神经网络及抚顺老虎台矿的矿震资料，对矿震最大震级的预测方法进行了探索。‘初步探讨了改进的模糊神经网络在矿震预测中的应用。得出在运用模糊神经网络进行预测时，为减小预测误差，应综合多种因素并提高专家评判语言的精确度的结论。指出在建立矿震系统预测模型时，利用干扰项将人为因素引入系统是必需的。通过实际应用证明其可行性。     

山东焦家金成矿带三维地质建模及成矿预测

以山东焦家金成矿带为研究对象,将焦家金矿带的二维地质资料有效整合,应用三维建模软件Surpac,首次建立了该矿区的三维数字矿山模型.以此模型为基础,以地质统计方法为手段,分析成矿规律,建立找矿模型.成矿预测中利用“立方体预测模型”找矿方法、找矿信息量法和证据权法来预测资源量,按照信息值的等级依次圈定了6个成矿靶区.用体积估计法和丰度值估计法2种完全不同的计算方法来预测资源量,2种方法得到的找矿靶区资源量均约为380 t,说明计算的结果具有一致性和稳定性.     

矿山边坡地表变形的PSO-ELM预测模型

为提高矿山边坡地表变形预测模型的精度,从矿山边坡地表变形影响因素角度考虑,建立了基于粒子群优化（PSO）极限学习机（ELM）的矿山边坡地表变形预测模型。结合经典的粒子群优化算法和极限学习机方法,提出矿山边坡地表变形影响因素同地表变形数值之间的耦合关系;采用中煤平朔安家岭露天矿区矿山边坡地表变形及影响变形因素的采集数据,应用ELM建立预测模型,并应用PSO对ELM预测模型的输入层与隐含层的连接权值、隐含层阈值进行优化,以提高其预测精度。研究表明,经过PSO的优化,将预测模型的最大相对误差（4.705×10-8）、均方误差（6.243×10-5）及均方根误差（0.008）等预测误差参数分别降低到1.516×10-8,1.158×10-5和0.003,说明PSO-ELM预测模型具有更高的预测精度,该预测模型可在后续研究中进一步应用于矿山边坡地表变形预测中,以期提升矿山生产安全。      

东欢坨矿8煤瓦斯异常的地质因素

运用压汞法和等温吸附法对开滦矿区东欢坨矿8煤储层特征进行研究,结合矿井实测瓦斯涌出量数据,分析了控制东欢坨矿8煤瓦斯异常涌出的地质因素。结果表明:瓦斯异常主控地质因素为地质构造及水文地质特征,东欢坨矿"水大瓦斯小,水小瓦斯大"的赋存规律明显。矿井瓦斯赋存形式主要为游离态,表现出在压性断层带时,瓦斯涌出量较小;在未导通煤系含水层情况下,张性断层带往往煤体破碎、孔裂隙相对发育,瓦斯涌出量显著增大,而在断层导通煤系含水层的水文异常区,瓦斯涌出量有明显减小的趋势。东欢坨矿瓦斯涌出量受多种因素的控制,筛选出煤层埋深、煤层厚度、煤层顶板含泥率和断层数作为主要控制因素,建立了具有较好相关性的瓦斯涌出量多变量数学预测模型;并通过灰色系统理论建模软件对瓦斯涌出量和各影响因子之间的关联度进行分析,得到断层数是瓦斯涌出量的最主要影响因素。      

井间储层属性参数预测方法研究

开发到中后期的油藏面临的是搞清井间储层的非均质性问题，这个阶段的建模以储层属性模型为主。井间储层属性参数的预测方法有多种，归纳起来有确定性方法和随机模拟两种。确定性方法主要是应用单井的钻井资料、地震资料、水平井资料进行储层的预测。当确定性方法不能满足更多地层的预测时，就采用随机模拟方法，通常是将二者相结合起来进行储层的预测。     

复杂边界的FLAC二维地质模型构建

FLAC3D是一款优秀的岩土力学分析软件,但其建模效率较低,尤其面对复杂地质条件时,其应用受到一定程度的限制。本文分析了FLAC建模命令的特点,提出一种新的较简单的建模方法,并开发了相应的计算机辅助建模程序,该方法通过坐标变换、复杂边界点坐标均匀化处理、逐列定义子网格坐标,可生成具有复杂边界的地质模型,且便于赋材料参数及应力边界条件参数,有效提高工作效率。     

基于BP神经网络方法的矿井涌水量预测

鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿＋25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对＋25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的.