CN110728402A - 一种基于地质标本分析的区域矿产资源预测*** - Google Patents
一种基于地质标本分析的区域矿产资源预测*** Download PDFInfo
- Publication number
- CN110728402A CN110728402A CN201910959714.8A CN201910959714A CN110728402A CN 110728402 A CN110728402 A CN 110728402A CN 201910959714 A CN201910959714 A CN 201910959714A CN 110728402 A CN110728402 A CN 110728402A
- Authority
- CN
- China
- Prior art keywords
- geological
- sample
- data
- region
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 77
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 59
- 239000011707 mineral Substances 0.000 title claims abstract description 59
- 238000009826 distribution Methods 0.000 claims abstract description 36
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 239000010410 layer Substances 0.000 claims description 15
- 239000002344 surface layer Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000012105 stratification Analysis Methods 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000033558 biomineral tissue development Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Remote Sensing (AREA)
- Analytical Chemistry (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Marine Sciences & Fisheries (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种基于地质标本分析的区域矿产资源预测***,包括地质数据获取单元、数据分层分析单元、地质模型建立单元、模型分析单元和结果判断单元;通过地质数据获取单元将待预测的矿产资源所在区域进行区域测量,并根据地质分布特点进行划分,然后在划分的区域内进行定点采样,并获取区域内的地质信息;将所获取的数据进行整理,在同区域内进行分层归类,然后将不同区域内的同层数据进行整合,并进行存储;对地质标本信息进行分析,并结合地质信息建立区域模型和空间模型;根据标准算法对地质模型进行分析测算,得出分布区域内的矿产分布情况和总区域内的矿产资源总量;在区域内再次选取对比标本采集点,采集对比标本,验证结果准确性。
Description
技术领域
本发明属于矿产资源开采的技术领域,尤其涉及一种基于地质标本分析的区域矿产资源预测***。
背景技术
矿物资源,又名矿产资源,是指经过地质成矿作用而形成的,天然赋存于地壳内部或地表埋藏于地下或出露于地表,呈固态、液态或气态的,并具有开发利用价值的矿物或有用元素的集合体。矿物资源是重要的自然资源,它不是上帝的恩赐,而是经过几百万年,甚至几亿年的地质变化才形成的,它是社会生产发展的重要物质基础,现代社会人们的生产和生活都离不开矿产资源。矿产资源属于非可再生资源,其储量是有限的。
矿产开采之前需要进行矿产预测,矿产预测的主要任务是尽可能的搜集预测区的信息(包括地质、地球物理、地球化学、重砂和遥感等),在现代地质成矿理论指导下,根据各个学科自身的特点,对各种成矿信息进行提取解译,并使用先进的多元统计方法和计算机技术进行综合,从而确定成矿有利地段和靶区,并最终估算其矿床数和资源量。但是由于深部矿相对于浅部矿的埋藏深度大,造成人们对其矿床地质特征了解较少,矿化信息多为间接信息,已有的勘查技术方法的有效性进一步降低,因而勘查难度、勘查投资以及勘查风险也相应增大。
发明内容
基于以上现有技术的不足,本发明所解决的技术问题在于提供一种基于地质标本分析的区域矿产资源预测***,使区域内矿产资源预测准确性高。
为了解决上述技术问题,本发明通过以下技术方案来实现:
本发明提供一种基于地质标本分析的区域矿产资源预测***,包括:
地质数据获取单元,用于将待预测的矿产资源所在区域进行区域测量,并根据地质分布特点进行划分,然后在划分的区域内进行定点采样,并获取区域内的地质信息;
数据分层分析单元,与所述地质数据获取单元连接,用于对地质数据获取单元所获取的数据进行整理,首先在同区域内进行分层归类,然后将不同区域内的同层数据进行整合,并进行存储;
地质模型建立单元,与所述数据分层分析单元连接,用于对地质数据获取单元所获取的地质标本信息进行分析,并结合地质信息建立区域模型和空间模型;
模型分析单元,与所述地质模型建立单元连接,用于根据标准算法对地质模型进行分析测算,得出分布区域内的矿产分布情况和总区域内的矿产资源总量;
结果判断单元,与所述模型分析单元连接,用于根据模型分析单元的分析结果,在区域内再次选取对比标本采集点,采集对比标本,验证结果准确性。
优选的,所述地质数据获取单元包括:
区域划分模块,用于将矿产资源分布区域根据地理分布特点进行等距离划分,并计算出各区域内的取样点;
地质标本采集模块,用于在划分后的取样内进行定点分层取样,同一取样点分别获取表层样本数据、浅层样本数据和深层样本数据;
地质信息采集模块,用于从数据网络获取区域内的地理数据信息,包括地质物理信息和地质化学信息。
进一步的,所述地质数据获取单元在进行区域划分前,在矿产检测区域内进行扩散性分层取样,确定矿产资源分布区域的边界线。
可选的,所述地质标本采集模块所采集的表层地质标本在取样点处采用分布取样的方式选取同一表层的五个样本,所采集的浅层地质表面在取样点处浅层空间分布区域内选取垂直方向上不同深度的五个样本,所采集的深层地质表面在取样点处深层空间分布区域内选取垂直方向上不同深度的五个样本。
可选的,所述数据分层分析单元包括:
同区域分层模块,用于将地质数据获取单元所获取的标本采集数据和地质信息数据,在同区域内进行分层归类;
异区域整合模块,用于将划分的区域内相邻区域的同层信息进行整合;
存储管理模块,用于将整合后的信息数据进行存储,并分类管理,生成目录。
可选的,所述地质模型建立单元包括:
标本元素分析模块,用于对所采集的表层地质标本、浅层地质标本和深层地质标本分别进行元素测算和分析;
区域模型建立模块,用于结合标本元素分析模块的分析结果以及地质信息在划分区域内建立分析模型;
空间模型建立模块,用于结合地质模型与地理分布空间信息建立空间模型。
可选的,所述结果判断单元包括:
目标点选取计算模块,用于根据模型分析单元的分析结果,选择具有代表性的容易测试的样本取样点;
对比标本采集模块,用于在样本取样点分布采集对比标本,同样包括表层样本数据、浅层样本数据和深层样本数据;
判断分析模块,用于将对比标本进行元素分析,分析其与模型测算结果的差异性,得出模型的准确率。
由上,本发明使得区域内矿产资源预测准确性更高,通过地质数据获取单元将待预测的矿产资源所在区域进行区域测量,并根据地质分布特点进行划分,然后在划分的区域内进行定点采样,并获取区域内的地质信息;将所获取的数据进行整理,在同区域内进行分层归类,然后将不同区域内的同层数据进行整合,并进行存储;对地质标本信息进行分析,并结合地质信息建立区域模型和空间模型;根据标准算法对地质模型进行分析测算,得出分布区域内的矿产分布情况和总区域内的矿产资源总量;在区域内再次选取对比标本采集点,采集对比标本,验证结果准确性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下结合优选实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例的附图作简单地介绍。
图1为本发明的基于地质标本分析的区域矿产资源预测***的流程图。
图中:1、地质数据获取单元;11、区域划分模块;12、地质标本采集模块;13、地质信息采集模块;2、数据分层分析单元;21、同区域分层模块;22、异区域整合模块;23、存储管理模块;3、地质模型建立单元;31、标本元素分析模块;32、区域模型建立模块;33、空间模型建立模块;4、模型分析单元;5、结果判断单元;51、目标点选取计算模块;52、对比标本采集模块;53、判断分析模块。
具体实施方式
下面结合附图详细说明本发明的具体实施方式,其作为本说明书的一部分,通过实施例来说明本发明的原理,本发明的其他方面、特征及其优点通过该详细说明将会变得一目了然。在所参照的附图中,不同的图中相同或相似的部件使用相同的附图标号来表示。
如图1所示,本发明提供了一种基于地质标本分析的区域矿产资源预测***,包括地质数据获取单元1、数据分层分析单元2、地质模型建立单元3、模型分析单元4和结果判断单元5;其中:
地质数据获取单元1,将待预测的矿产资源所在区域进行区域测量,并根据地质分布特点进行划分,然后在划分的区域内进行定点采样,并获取区域内的地质信息;
数据分层分析单元2,对地质数据获取单元1所获取的数据进行整理,首先在同区域内进行分层归类,然后将不同区域内的同层数据进行整合,并进行存储;
地质模型建立单元3,对地质数据获取单元1所获取的地质标本信息进行分析,并结合地质信息建立区域模型和空间模型;
模型分析单元4,根据标准算法对地质模型进行分析测算,得出分布区域内的矿产分布情况和总区域内的矿产资源总量;
结果判断单元5,根据模型分析单元4的分析结果,在区域内再次选取对比标本采集点,采集对比标本,验证结果准确性。
进一步的,所述地质数据获取单元1连接至数据分层分析单元2,数据分层分析单元2连接至地质模型建立单元3,地质模型建立单元3连接至模型分析单元4,模型分析单元4连接至结果判断单元5。
进一步的,所述地质数据获取单元1包括区域划分模块11、地质标本采集模块12、地质信息采集模块13;其中:
区域划分模块11,将矿产资源分布区域根据地理分布特点进行等距离划分,并计算出各区域内的取样点;
地质标本采集模块12,在划分后的取样内进行定点分层取样,同一取样点分别获取表层样本数据、浅层样本数据和深层样本数据;
地质信息采集模块13,从数字地球等数据网络获取区域内的地理数据信息,包括地质物理信息和地质化学信息。
进一步的,所述地质数据获取单元1在进行区域划分前,在矿产检测区域内进行扩散性分层取样,确定矿产资源分布区域的边界线。
进一步的,所述地质标本采集模块12所采集的表层地质标本在取样点处采用分布取样的方式选取同一表层的五个样本,所采集的浅层地质表面在取样点处浅层空间分布区域内选取垂直方向上不同深度的五个样本,所采集的深层地质表面在取样点处深层空间分布区域内选取垂直方向上不同深度的五个样本。
进一步的,所述数据分层分析单元2包括同区域分层模块21、异区域整合模块22和存储管理模块23;其中:
同区域分层模块21,将地质数据获取单元1所获取的标本采集数据和地质信息数据,在同区域内进行分层归类,比如表层样本数据与表层地质物理信息和表层地质化学信息进行整合;
异区域整合模块22,然后将划分的区域内相邻区域的同层信息进行整合;
存储管理模块23,将整合后的信息数据进行存储,并分类管理,生成目录。
进一步的,所述地质模型建立单元3包括标本元素分析模块31、区域模型建立模块32和空间模型建立模块33;其中:
标本元素分析模块31,对所采集的表层地质标本、浅层地质标本和深层地质标本分别进行元素测算和分析;
区域模型建立模块32,结合标本元素分析模块31的分析结果以及地质信息在划分区域内建立分析模型;
空间模型建立模块33,结合地质模型与地理分布空间信息建立空间模型。
进一步的,所述结果判断单元5包括目标点选取计算模块51、对比标本采集模块52和判断分析模块53;其中:
目标点选取计算模块51,根据模型分析单元4的分析结果,选择具有代表性的容易测试的样本取样点;
对比标本采集模块52,在样本取样点分布采集对比标本,同样包括表层样本数据、浅层样本数据和深层样本数据;
判断分析模块53,将对比标本进行元素分析,分析其与模型测算结果的差异性,得出模型的准确率。
工作原理:地质数据获取单元1连接至数据分层分析单元2,数据分层分析单元2连接至地质模型建立单元3,地质模型建立单元3连接至模型分析单元4,模型分析单元4连接至结果判断单元5;通过地质数据获取单元1将待预测的矿产资源所在区域进行区域测量,并根据地质分布特点进行划分,然后在划分的区域内进行定点采样,并获取区域内的地质信息;然后通过数据分层分析单元2对地质数据获取单元1所获取的数据进行整理,首先在同区域内进行分层归类,然后将不同区域内的同层数据进行整合,并进行存储;
地质模型建立单元3对地质数据获取单元1所获取的地质标本信息进行分析,并结合地质信息建立区域模型和空间模型;根据标准算法对地质模型进行分析测算,得出分布区域内的矿产分布情况和总区域内的矿产资源总量;根据模型分析单元4的分析结果,在区域内再次选取对比标本采集点,采集对比标本,验证结果准确性。
以上所述是本发明的优选实施方式而已,当然不能以此来限定本发明之权利范围,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和变动,这些改进和变动也视为本发明的保护范围。
Claims (7)
1.一种基于地质标本分析的区域矿产资源预测***,其特征在于,包括:
地质数据获取单元(1),用于将待预测的矿产资源所在区域进行区域测量,并根据地质分布特点进行划分,然后在划分的区域内进行定点采样,并获取区域内的地质信息;
数据分层分析单元(2),与所述地质数据获取单元(1)连接,用于对地质数据获取单元(1)所获取的数据进行整理,首先在同区域内进行分层归类,然后将不同区域内的同层数据进行整合,并进行存储;
地质模型建立单元(3),与所述数据分层分析单元(2)连接,用于对地质数据获取单元(1)所获取的地质标本信息进行分析,并结合地质信息建立区域模型和空间模型;
模型分析单元(4),与所述地质模型建立单元(3)连接,用于根据标准算法对地质模型进行分析测算,得出分布区域内的矿产分布情况和总区域内的矿产资源总量;
结果判断单元(5),与所述模型分析单元(4)连接,用于根据模型分析单元(4)的分析结果,在区域内再次选取对比标本采集点,采集对比标本,验证结果准确性。
2.如权利要求1所述的基于地质标本分析的区域矿产资源预测***,其特征在于,所述地质数据获取单元(1)包括:
区域划分模块(11),用于将矿产资源分布区域根据地理分布特点进行等距离划分,并计算出各区域内的取样点;
地质标本采集模块(12),用于在划分后的取样内进行定点分层取样,同一取样点分别获取表层样本数据、浅层样本数据和深层样本数据;
地质信息采集模块(13),用于从数据网络获取区域内的地理数据信息,包括地质物理信息和地质化学信息。
3.如权利要求1所述的基于地质标本分析的区域矿产资源预测***,其特征在于,所述地质数据获取单元(1)在进行区域划分前,在矿产检测区域内进行扩散性分层取样,确定矿产资源分布区域的边界线。
4.如权利要求2所述的基于地质标本分析的区域矿产资源预测***,其特征在于,所述地质标本采集模块(12)所采集的表层地质标本在取样点处采用分布取样的方式选取同一表层的五个样本,所采集的浅层地质表面在取样点处浅层空间分布区域内选取垂直方向上不同深度的五个样本,所采集的深层地质表面在取样点处深层空间分布区域内选取垂直方向上不同深度的五个样本。
5.如权利要求1所述的基于地质标本分析的区域矿产资源预测***,其特征在于,所述数据分层分析单元(2)包括:
同区域分层模块(21),用于将地质数据获取单元(1)所获取的标本采集数据和地质信息数据,在同区域内进行分层归类;
异区域整合模块(22),用于将划分的区域内相邻区域的同层信息进行整合;
存储管理模块(23),用于将整合后的信息数据进行存储,并分类管理,生成目录。
6.如权利要求1所述的基于地质标本分析的区域矿产资源预测***,其特征在于,所述地质模型建立单元(3)包括:
标本元素分析模块(31),用于对所采集的表层地质标本、浅层地质标本和深层地质标本分别进行元素测算和分析;
区域模型建立模块(32),用于结合标本元素分析模块(31)的分析结果以及地质信息在划分区域内建立分析模型;
空间模型建立模块(33),用于结合地质模型与地理分布空间信息建立空间模型。
7.如权利要求1所述的基于地质标本分析的区域矿产资源预测***,其特征在于,所述结果判断单元(5)包括:
目标点选取计算模块(51),用于根据模型分析单元(4)的分析结果,选择具有代表性的容易测试的样本取样点;
对比标本采集模块(52),用于在样本取样点分布采集对比标本,同样包括表层样本数据、浅层样本数据和深层样本数据;
判断分析模块(53),用于将对比标本进行元素分析,分析其与模型测算结果的差异性,得出模型的准确率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959714.8A CN110728402B (zh) | 2019-10-10 | 2019-10-10 | 一种基于地质标本分析的区域矿产资源预测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959714.8A CN110728402B (zh) | 2019-10-10 | 2019-10-10 | 一种基于地质标本分析的区域矿产资源预测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110728402A true CN110728402A (zh) | 2020-01-24 |
CN110728402B CN110728402B (zh) | 2023-11-03 |
Family
ID=69219892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910959714.8A Active CN110728402B (zh) | 2019-10-10 | 2019-10-10 | 一种基于地质标本分析的区域矿产资源预测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110728402B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015844A (zh) * | 2020-09-07 | 2020-12-01 | 辽宁工程技术大学 | 一种基于gis的矿产资源多元信息处理方法 |
CN112069682A (zh) * | 2020-09-07 | 2020-12-11 | 辽宁工程技术大学 | 一种基于三维建模的成矿预测方法 |
CN112329994A (zh) * | 2020-10-23 | 2021-02-05 | 辽宁工程技术大学 | 一种基于大数据的成矿预测*** |
CN112465978A (zh) * | 2020-12-14 | 2021-03-09 | 中国科学院武汉岩土力学研究所 | 地质模型的处理方法、装置、设备及计算机可读存储介质 |
CN113323662A (zh) * | 2021-06-11 | 2021-08-31 | 山东省地矿工程勘察院 | 一种潜在矿区的矿产资源分析*** |
CN115796613A (zh) * | 2022-11-04 | 2023-03-14 | 崇义县源德矿业有限公司 | 一种矿产资源开采规划区划定方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140233809A1 (en) * | 2011-05-13 | 2014-08-21 | Beijing Electric Power Economic Research Institute | Method and Device for Processing Geological Information |
KR101703972B1 (ko) * | 2015-09-30 | 2017-02-22 | 한국지질자원연구원 | 공간정보를 이용한 지하수 부존 지역 예측시스템 및 지하수 부존 지역 예측방법 |
CN106709987A (zh) * | 2015-11-13 | 2017-05-24 | 星际空间(天津)科技发展有限公司 | 一种三维地质剖面模型动态构建方法 |
CN108710984A (zh) * | 2018-04-04 | 2018-10-26 | 中国地质环境监测院 | 一种矿山地质环境综合评价方法及*** |
CN109711597A (zh) * | 2018-11-14 | 2019-05-03 | 东莞理工学院 | 一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法 |
-
2019
- 2019-10-10 CN CN201910959714.8A patent/CN110728402B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140233809A1 (en) * | 2011-05-13 | 2014-08-21 | Beijing Electric Power Economic Research Institute | Method and Device for Processing Geological Information |
KR101703972B1 (ko) * | 2015-09-30 | 2017-02-22 | 한국지질자원연구원 | 공간정보를 이용한 지하수 부존 지역 예측시스템 및 지하수 부존 지역 예측방법 |
CN106709987A (zh) * | 2015-11-13 | 2017-05-24 | 星际空间(天津)科技发展有限公司 | 一种三维地质剖面模型动态构建方法 |
CN108710984A (zh) * | 2018-04-04 | 2018-10-26 | 中国地质环境监测院 | 一种矿山地质环境综合评价方法及*** |
CN109711597A (zh) * | 2018-11-14 | 2019-05-03 | 东莞理工学院 | 一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法 |
Non-Patent Citations (1)
Title |
---|
马伟: "基于证据权法的矿山地质环境质量评价模型研究", no. 10, pages 027 - 73 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015844A (zh) * | 2020-09-07 | 2020-12-01 | 辽宁工程技术大学 | 一种基于gis的矿产资源多元信息处理方法 |
CN112069682A (zh) * | 2020-09-07 | 2020-12-11 | 辽宁工程技术大学 | 一种基于三维建模的成矿预测方法 |
CN112015844B (zh) * | 2020-09-07 | 2024-01-26 | 辽宁工程技术大学 | 一种基于gis的矿产资源多元信息处理方法 |
CN112329994A (zh) * | 2020-10-23 | 2021-02-05 | 辽宁工程技术大学 | 一种基于大数据的成矿预测*** |
CN112465978A (zh) * | 2020-12-14 | 2021-03-09 | 中国科学院武汉岩土力学研究所 | 地质模型的处理方法、装置、设备及计算机可读存储介质 |
CN112465978B (zh) * | 2020-12-14 | 2023-04-07 | 中国葛洲坝集团第三工程有限公司 | 地质模型的处理方法、装置、设备及计算机可读存储介质 |
CN113323662A (zh) * | 2021-06-11 | 2021-08-31 | 山东省地矿工程勘察院 | 一种潜在矿区的矿产资源分析*** |
CN115796613A (zh) * | 2022-11-04 | 2023-03-14 | 崇义县源德矿业有限公司 | 一种矿产资源开采规划区划定方法及装置 |
CN115796613B (zh) * | 2022-11-04 | 2023-12-08 | 崇义县源德矿业有限公司 | 一种矿产资源开采规划区划定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110728402B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110728402B (zh) | 一种基于地质标本分析的区域矿产资源预测*** | |
KR101618713B1 (ko) | 지반정보에 기초한 3차원 공간 모델링 방법 | |
CN110517794A (zh) | 一种建立页岩气藏的埋藏-热演化史图的方法 | |
US8344721B2 (en) | Method for locating sub-surface natural resources | |
CN112459776B (zh) | 一种深层、超深层碳酸盐岩古油藏的定量评价方法及装置 | |
CN105136628B (zh) | 三角洲沉积遥感探测方法及装置 | |
CN104991286A (zh) | 一种基于沉积模式的沉积相表征方法 | |
CN105221144A (zh) | 确定油藏储量的方法及装置 | |
CN112185469B (zh) | 一种预测海域天然气水合物有利聚集区的方法 | |
CN108362621B (zh) | 基于成岩相测井识别技术模拟计算碎屑岩储层孔隙度的方法 | |
RU2572525C1 (ru) | Способ локализации запасов в нефтематеринских толщах | |
CN111580183B (zh) | 一种古湖泊水深定量还原的方法 | |
CN109656906A (zh) | 一种基于大数据的勘查资料的处理方法 | |
Hosseini Duki et al. | Evaluation of base flow separation methods for determining water extraction (case study: Gorganroud River Basin) | |
CN109324171A (zh) | 一种基于岩性统计的沉积相定量识别方法 | |
CN109738955B (zh) | 一种基于成分-结构分类下的变质岩岩性综合判别方法 | |
CN113323662A (zh) | 一种潜在矿区的矿产资源分析*** | |
CN110795513B (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
CN113917563A (zh) | 含铀矿目的层的地层划分和砂岩型铀矿成矿预测的方法 | |
Hokka et al. | 3D modelling and mineral resource estimation of the Kiviniemi Scandium deposit, Eastern Finland | |
CN110929365A (zh) | 一种油砂资源量计算*** | |
NL2028671B1 (en) | Quantitative Evaluation Method for Seamount Cobalt-rich Crusts Resource | |
CN111781330B (zh) | 基于多露头点的碳酸盐岩沉积旋回特征的研究方法 | |
Etminan et al. | An improved model for geostatistical simulation of fracture parameters and their effect on static and dynamic models | |
CN107366539A (zh) | 一种山前地区砂岩储层孔隙度预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200124 Assignee: Dalian Bohui Technology Co.,Ltd. Assignor: LIAONING TECHNICAL University Contract record no.: X2024980003014 Denomination of invention: A Regional Mineral Resource Prediction System Based on Geological Specimen Analysis Granted publication date: 20231103 License type: Common License Record date: 20240319 |