砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质制造方法及图纸

本发明专利技术提供了一种砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质，涉及采矿工程技术领域，包括:获取砂岩铀矿地浸开采场地的历史观测数据和实时观测数据；将历史观测数据进行结构化处理得到样本数据，样本数据包括结构化的井处观测数据和验证数据；根据样本数据和预设的物理机制神经网络数学模型进行模型构建和优化处理得到水头

【技术实现步骤摘要】
砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质


[0001]本专利技术涉及采矿工程
，具体而言，涉及一种砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质。

技术介绍

[0002]目前，我国铀矿资源开发的主要工艺是原位地浸采铀。在地浸采铀过程中，铀矿的浸出过程发生在深埋于地下的含矿含水层中，由于不可见性，成为制约地浸采铀过程精准管控的主要难题。因此，开发地浸采铀过程的透明化技术对于实现铀矿资源的精准、高效、智能化开发具有重要意义。现有的地浸采铀过程透明化技术主要依赖于基于物理机制的反应性溶质运移数值模拟技术，然而，由于含矿含水层结构和边界条件的复杂性，经过历史数据拟合后的数值模型往往难以拟合生产过程中新的铀浓度观测值，只能反映矿层内部的多场演化趋势，无法实现对地浸采铀过程中矿层内部多场演化过程的精细刻画。
[0003]基于上述现有技术的缺点，现亟需一种砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质。

技术实现思路

[0004]本专利技术的目的在于提供一种砂岩铀矿地浸开采过程动态成像方法、装置、设备及介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
[0005]第一方面，本申请提供了一种砂岩铀矿地浸开采过程动态成像方法，包括：
[0006]获取砂岩铀矿地浸开采场地的历史观测数据和实时观测数据，所述历史观测数据包括压力值时空分布数据、矿物含量浓度时空分布数据、酸浓度时空分布数据和水文地质数据；
[0007]将所述历史观测数据进行结构化处理得到样本数据，所述样本数据包括结构化的井处观测数据和验证数据；
[0008]根据所述样本数据和预设的物理机制神经网络数学模型进行模型构建和优化处理得到水头
‑
溶质浓度
‑
残余铀矿含量预测模型；
[0009]根据所述水头
‑
溶质浓度
‑
残余铀矿含量预测模型对所述实时观测数据进行预测处理，并将预测结果进行动态成像分析得到实时成像结果，所述实时成像结果包括渗流场空间分布图像、浓度场空间分布图像和浸出场空间分布图像。
[0010]第二方面，本申请还提供了砂岩铀矿地浸开采过程动态成像装置，包括：
[0011]获取模块，用于获取砂岩铀矿地浸开采场地的历史观测数据和实时观测数据，所述历史观测数据包括压力值时空分布数据、矿物含量浓度时空分布数据、酸浓度时空分布数据和水文地质数据；
[0012]预处理模块，用于将所述历史观测数据进行结构化处理得到样本数据，所述样本数据包括结构化的井处观测数据和验证数据；
[0013]建模模块，用于根据所述样本数据和预设的物理机制神经网络数学模型进行模型
构建和优化处理得到水头
‑
溶质浓度
‑
残余铀矿含量预测模型；
[0014]输出模块，用于根据所述水头
‑
溶质浓度
‑
残余铀矿含量预测模型对所述实时观测数据进行预测处理，并将预测结果进行动态成像分析得到实时成像结果，所述实时成像结果包括渗流场空间分布图像、浓度场空间分布图像和浸出场空间分布图像。
[0015]第三方面，本申请还提供了一种砂岩铀矿地浸开采过程动态成像设备，包括：
[0016]存储器，用于存储计算机程序；
[0017]处理器，用于执行所述计算机程序时实现所述砂岩铀矿地浸开采过程动态成像方法的步骤。
[0018]第四方面，本申请还提供了一种介质，所述介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述砂岩铀矿地浸开采过程动态成像方法的步骤。
[0019]本专利技术的有益效果为：
[0020]本专利技术通过砂岩铀矿地浸开采场地的历史观测数据和实时观测数据，并结合预设的物理机制神经网络数学模型，实现地浸采铀过程中矿层内部渗流场、酸浓度场和铀酰离子浓度场动态成像，使人们从过去对开采井铀浓度状态的点状认识，上升为对整个矿场渗流场
‑
浓度场
‑
浸出场的面/体状认识，从而更好地判断抽注液量动态调控的合理性和铀矿采区的生产状态；本专利技术利用物理机制神经网络数学模型和数据驱动的方法，实现了对矿层内部演化过程的智能建模和预测，能够提高铀矿开采的效率和资源利用率，为开采过程提供智能化的决策支持，具有广泛的应用前景和经济效益。
[0021]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0022]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0023]图1为本专利技术实施例中所述的砂岩铀矿地浸开采过程动态成像方法流程示意图；
[0024]图2为本专利技术实施例中所述的砂岩铀矿地浸开采过程动态成像装置结构示意图；
[0025]图3为本专利技术实施例中所述的砂岩铀矿地浸开采过程动态成像设备结构示意图。
[0026]图中标记：1、获取模块；2、预处理模块；3、建模模块；31、第一构建单元；32、第二构建单元；33、第一训练单元；34、第一优化单元；341、第一嵌入单元；3411、第四构建单元；3412、第一计算单元；3413、第二计算单元；342、第三构建单元；3421、第三计算单元；3422、第四计算单元；3423、第一判断单元；343、第二训练单元；4、输出模块；41、第一处理单元；42、第二处理单元；43、第三处理单元；44、第四处理单元；800、砂岩铀矿地浸开采过程动态成像设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
具体实施方式
[0027]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例
中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0029]实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种砂岩铀矿地浸开采过程动态成像方法，其特征在于，包括：获取砂岩铀矿地浸开采场地的历史观测数据和实时观测数据，所述历史观测数据包括压力值时空分布数据、矿物含量浓度时空分布数据、酸浓度时空分布数据和水文地质数据；将所述历史观测数据进行结构化处理得到样本数据，所述样本数据包括结构化的井处观测数据和验证数据；根据所述样本数据和预设的物理机制神经网络数学模型进行模型构建和优化处理得到水头
‑
溶质浓度
‑
残余铀矿含量预测模型；根据所述水头
‑
溶质浓度
‑
残余铀矿含量预测模型对所述实时观测数据进行预测处理，并将预测结果进行动态成像分析得到实时成像结果，所述实时成像结果包括渗流场空间分布图像、浓度场空间分布图像和浸出场空间分布图像。2.根据权利要求1所述的砂岩铀矿地浸开采过程动态成像方法，其特征在于，根据所述样本数据和预设的物理机制神经网络数学模型进行模型构建和优化处理，通过将所述样本数据进行傅里叶变换分解得到不同频率的波动数据，并利用所述物理机制神经网络数学模型中的全连接神经网络分别关联输出变量与不同频率输入变量，得到水头
‑
溶质浓度
‑
残余铀矿含量预测模型，包括：根据所述物理机制神经网络数学模型和实际需求，调整模型的层数和每层神经元数得到初步模型，所述初步模型包括神经网络、物理过程控制方程、损失函数和神经网络权重训练策略；根据所述初步模型中采用的傅里叶嵌入式神经网络架构，将所述样本数据进行傅里叶变换得到输入变量，所述输入变量包括不同频率的波动数据；将所述输入变量对所述初步模型进行训练，并利用所述初步模型中的全连接神经网络将所述输入变量与输出变量相互关联得到初步预测模型，所述初步预测模型用于预测水头、溶质浓度和残余铀矿含量的数值；将所述初步预测模型进行先验知识嵌入处理，并对模型进行优化处理得到最终的水头
‑
溶质浓度
‑
残余铀矿含量预测模型。3.根据权利要求2所述的砂岩铀矿地浸开采过程动态成像方法，其特征在于，将所述初步预测模型进行先验知识嵌入处理，并对模型进行优化处理得到最终的水头
‑
溶质浓度
‑
残余铀矿含量预测模型，包括：根据预设的地浸采铀过程中渗流场、浓度场和浸出场的控制方程作为先验知识嵌入到初步预测模型中；基于历史数据中抽注井位置的铀浓度和水位的预测精度得到初步预测模型中的损失函数，所述损失函数用于度量预测结果与实际观测值之间的差异；根据所述控制方程、所述损失函数和地浸采铀过程演化时间因果关系制定模型训练策略，并按照系统演化过程的时间先后顺序对所述初步预测模型进行训练得到最终的水头
‑
溶质浓度
‑
残余铀矿含量预测模型。4.根据权利要求3所述的砂岩铀矿地浸开采过程动态成像方法，其特征在于，根据预设的地浸采铀过程中渗流场、浓度场和浸出场的控制方程作为先验知识嵌入到初步预测模型中，包括：根据所述初步预测模型构建得到全连接神经网络模型，并通过所述全连接神经网络模
型接收输入变量得到水头、溶质浓度和残余铀矿含量的预测结果；根据所述预测结果和预设的自动微分数学模型计算得到微分结果，所述微分结果包括水头、溶质浓度和残余铀矿含量预测值对应的导数；根据所述微分结果和预设的地浸采铀过程中渗流场、浓度场和浸出场的控制方程计算得到残差，所述残差表示所述预测结果与所述控制方程的差异。5.一种砂岩铀矿地浸开采过程动态...

【专利技术属性】
技术研发人员：杜志明，原渊，谢廷婷，姜振蛟，贾皓，
申请(专利权)人：核工业北京化工冶金研究院，
类型：发明
国别省市：