油页岩大规模原位开采数值模拟研究及开采参数讨论

为了研究原位裂解过程中不同规模井组温度场和生烃量的差异,分别对六边形井组数量为7个、19个、37个和61个四种情况油页岩原位开采生产模型进行了建模,以吉林省扶余县油页岩开采试验区为试点区,在使用ANSYS软件的Mesh模块对模型进行加密网格化的基础上,使用Fluent进行了流体场和温度场模拟;通过求解化学反应动力学方程组进行了油页岩生烃过程模拟,并进行了不同井间距、注气速率和双裂缝间距情况下的模拟。模拟结果表明,大规模油页岩原位开采过程中油页岩生烃主要分为三个阶段,即快速生烃阶段(注热前500d)、缓慢生烃阶段(注热500～1 500d)和平稳阶段(注热1 500～3 000d)。增加井组数量可以提高热烟气对中心加热区域的热利用效率。但增加井组数量对单井组生烃量和能源回报率的增幅逐步减小,当井组数量从37个增加到61个时,加热为3 000d时的单井组生烃量增率小于3.1%,能源回报率增率小于8.7%,因此进行油页岩原位开采时选取37个或37以上的井组数量为获得高能源回报率的最佳方案。在61个井组条件下,不同开采参数模型达到最大能源回报率的开采参数为井间距30m、注气速率12m/s和裂缝...     

基于卷积神经网络的智能找矿预测方法：以甘肃龙首山地区铜矿为例

智能找矿预测是数字地质科学的前沿领域。本文基于一种二维卷积神经网络的智能找矿预测方法,以25种元素的水系沉积物数据和航磁数据为找矿预测数据,将已知的矿点作为监督样本,利用步长平移数据增强方法获取了训练数据集,对卷积神经网络进行训练后,将其应用于未知区域的找矿预测。应用该方法对甘肃省龙首山西段高台县臭泥墩—西小口子地区进行了铜矿智能找矿预测,根据已知的3个铜矿点,获取了22 934个训练数据,经过200轮训练之后,预测精度能够达到98.1%,最终圈定了5个预测区,5个预测区均具有良好的铜矿找矿远景。