四川盆地杂卤石地球物理响应特征及预测方法研究——以川中广安地区为例     

侯学文  李进  余中美  刘君豪  谭志远  熊鸿鸽  张永恒 《盐湖研究》2021,29(1):33-43

川中南充盐盆是四川盆地最大的次一级含盐盆地,区域内钾盐具有成盐厚度大、分布范围广、埋藏深度深、岩性复杂等特点,目前尚未建立一套适用于研究区的钾盐地球物理评价方法。以地球物理勘探原理为基础,结合测井、录井、地质、地震等资料,分析和总结出不同岩性的测井响应特征以及分布范围,根据杂卤石"三高一低"的特点,建立杂卤石测井识别方法。在此基础上,优选伽马和声波速度作为敏感参数,建立了杂卤石的地质—测井—地震三位一体井约束地震反演识别方法,并以广参1井为例,预测杂卤石的空间展布情况。最后结合地震反演结果圈定出广安地区为杂卤石沉积的最有利区域。在实际应用中总结出一套适用于研究区的杂卤石预测方法,为研究区后续勘探开发提供了借鉴与参考,具有一定的推广应用价值。  相似文献   

Application of PSO-LIBSVM in Recognition of Potassium Salt Deposits     

Fuqiang Yang  Kegui Chen  Changbing Huang  Yuanyuan Chen  Jin Li  Xiaolin Ma 《地球科学进展》2019,34(7):757-764

The shortage of potassium salt seriously restricts the development of China's agriculture. Increasing the exploration and development of potash will help improve the self-sufficiency of potassium in China. With rich potassium salt resources, Sichuan basin is one of the most important research areas for potash exploration and development in China. Polyhalite is an important solid potassium salt mineral in Sichuan basin, often intercalated in rock minerals such as anhydrite, rock salt and dolomite. Aiming at the problem that conventional log interpretation methods are difficult to accurately identify polyhalites, this paper proposed a new Support Vector Machine (SVM) recognition method based on Particle Swarm Optimization (PSO) to classify polyhalites in Sichuan basin. Based on particle swarm optimization and support vector machine theory, combined with logging interpretation theory, the effective data sensitive to polyhalite logging response were selected as input samples to generate training sets and test sets randomly. The Radial Basis Function (RBF) parameters were optimized by particle swarm optimization, and the classification and prediction model of polyhalite was established. Compared with mud logging results, the recognition accuracy of SVM model based on particle swarm optimization reached 97.5758%, which is obviously better than that of SVM model optimized by cross validation method in recognition accuracy and speed. The results show that the model has broad application prospects in potash exploration in Sichuan basin.  相似文献   

基于矿物组成分析的昆特依盐湖杂卤石成因解析——以大盐滩矿区ZK3608孔为例          下载免费PDF全文

张星  张西营  苗卫良  李雯霞  李俊  周同亮  吕学成 《盐湖研究》2020,28(1):45-51

昆特依盐湖杂卤石储量丰富,是研究陆相成因杂卤石的良好载体。对研究区ZK3608钻孔剖面进行矿物学分析,尝试从矿物组成及组合变化的角度揭示杂卤石的形成过程和机制。XRD结果表明,剖面中主要盐类矿物为石盐、石膏和杂卤石,此外还检测到六水泻盐、芒硝、无水芒硝、钾石盐、钾芒硝、菱镁矿等矿物。矿物组合及其剖面变化特征揭示,盐层中的杂卤石以原生沉积为主,碎屑层中多数杂卤石可能为交代成因。沉积环境分析表明,盐类沉积为干冷的偏酸性氧化环境,碎屑沉积为相对温湿的偏碱性还原环境。  相似文献   

PSO-LIBSVM在钾盐矿层识别中的应用研究     

杨福强  陈科贵  黄长兵  陈愿愿  李进  马小林 《地球科学进展》2019,(7):757-764

钾盐的紧缺严重制约了中国农业的发展,加大钾盐的勘探开发力度有助于提高我国钾盐的自给自足能力。四川盆地钾盐资源丰富,是我国目前重要的钾盐勘探开发研究区域之一。杂卤石作为四川盆地最重要的固态钾盐矿物,常夹杂在硬石膏、岩盐和白云岩等岩层中。针对常规测井解释方法难以精确识别杂卤石的问题,因此,提出一种新的基于粒子群算法(PSO)优化的支持向量机(SVM)杂卤石识别方法开展四川盆地杂卤石的分类识别研究。以PSO和SVM理论为基础,结合测井解释方法,选择对杂卤石测井响应灵敏的有效数据作为输入样本,随机产生训练集和测试集,并采用PSO优选出径向基核函数参数,建立杂卤石分类预测模型。与录井结果对比,基于PSO的SVM模型识别准确率达到了97.5758%,在识别精度和速度上明显优于交叉验证方法优化的SVM模型。结果表明,该模型在四川盆地钾盐勘探中具有广阔的应用前景。  相似文献   

现代盐湖杂卤石矿无机盐溶浸剂作用下溶解差异性研究          下载免费PDF全文

周同亮  程怀德  张西营  都永生  李玉龙  万维汉 《盐湖研究》2020,28(4):71-78

以柴达木盆地昆特依盐湖大盐滩矿区杂卤石矿为原料开展杂卤石的溶浸试验,揭示不同无机盐溶浸剂作用下杂卤石的溶解作用并确定浸取钾的最佳溶浸剂和溶浸时间。实验结果表明:1)氯化物型溶浸剂效果优于硫酸盐型和碳酸盐型溶浸剂；2)MgCl₂是最优的溶浸剂,该溶浸剂在72h左右溶钾效果最好;数值模拟显示,MgCl₂溶浸剂溶K⁺速率具有阶段性,且具非线性的特征。这些实验结果将为矿区后期深入开展杂卤石溶浸研究及溶采提供重要参考依据。  相似文献   

基于主成分分析的极限学习机方法开展杂卤石识别   总被引：1，自引：1，他引：0       下载免费PDF全文

陈科贵  李进  陈愿愿  王刚 《盐湖研究》2017,25(4):8-13

川中地区岩性复杂,杂卤石周围广泛发育硬石膏、岩盐和其它非钾盐矿物,常规测井解释方法很难准确识别杂卤石。以极限学习机理论、主成分分析方法和测井解释为基础,把主成分分析得到的影响杂卤石识别的主变量(测井曲线)作为输入,建立极限学习机(PCA-ELM)杂卤石的精确识别模型,对比川中地区录井结果,PCA-ELM的杂卤石识别正确率达到90.74%;再以不同岩石在测井曲线上的响应特征为基础,建立杂卤石分类识别模型,分类识别正确率达到89.56%。与常规测井解释方法相比,具有速度快、操作简单、准确率高等特点。结果表明,在四川盆地钾盐勘探中PCA-ELM法是一种值得推广使用的方法。  相似文献