松辽盆地砂岩型铀矿钻孔岩性的测井识别

作     者：段忠义 肖昆 杨亚新 黄笑 王殿学 徐艺宸 焦常伟 DUAN ZhongYi;XIAO Kun;YANG YaXin;HUANG Xiao;WANG DianXue;XU YiChen;JIAO ChangWei

作者机构：东华理工大学核资源与环境国家重点实验室南昌330013 核工业二四三大队赤峰024000 

出 版 物：《地球物理学进展》 (Progress in Geophysics)

年 卷 期：2023年第38卷第6期

页      面：2490-2501页

核心收录：

学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：江西省主要学科学术和技术带头人培养计划(20204BCJ23027) 核资源与环境国家重点实验室联合创新基金(2022NRE-LH-18) 江西省自然科学基金(20232BAB203072) 东华理工大学研究生创新专项资金项目(DHYC-202315)联合资助 

主　　题：砂岩型铀矿 测井 岩性识别 交会图 GBDT 

摘      要：岩性识别是铀矿勘探和开发中关键环节之一,通过对钻孔中地球物理测井数据的分析和综合处理,可以进一步了解地下岩石的性质、组成和分布情况,为铀矿测井识别提供重要的技术支持.针对北方松辽盆地典型砂岩型铀矿钻孔的综合测井和岩心编录资料,分别采用交会图法和梯度提升树(Gradient Boosting Decision Tree, GBDT)算法对研究区的地层开展了岩性识别研究.结果表明,研究区内有粗砂岩、粉砂岩、细砂岩、中砂岩、黏土、泥岩、砂砾岩7种岩性,利用交会图仅能识别黏土和砂砾岩,不能有效定性划分地层岩性;利用GBDT算法构建的岩性识别模型,对砂岩型铀矿地层岩性识别准确率达到98.52%.所建立的机器学习模型能够有效划分研究区地层岩性,对松辽盆地砂岩型铀矿的测井评价工作具有重要意义.