数字化砂岩型铀矿以砂岩型铀矿资源为依托,建立统一的铀矿资源时空格架,科学合理地组织在资源开发过程中产生的一系列数据及其背后隐藏的各类信息[1]。数据是砂岩型铀矿各业务流程的重要生产要素,以数据为驱动的一体化数据组织管理是有效提高企业决策效率和战略管理水平、实现科学管理的重要手段[2]。随着数据科学与大数据技术研究的不断进步,使铀矿数据赋能,让数据创造更高的价值,成为砂岩型铀资源行业共同的价值取向。

近年来,中国砂岩型铀矿数字化技术取得了显著进步。相继研发了数字铀矿勘查系统、自动化控制系统、信息化管理系统、调度指挥系统等一系列新技术,初步实现了地质勘查业务流程数字化、地浸矿山浸出液处理流程数字化,初步建立了基于地浸矿山生产的地浸井场工业监控系统、浸出液处理流程控制系统和生产调度管理系统等。许多学者对中国砂岩型铀矿数字化技术进行了较为详细的研究[3,4,5,6,7],为中国砂岩型铀矿资源数字化、智能化建设指明了发展方向[8,9]。目前,针对砂岩型铀矿资源开发的业务数据,中国尚未建立标准化数据体系。砂岩型铀矿各业务流程数据资源的采集、传输、存储、管理、共享和深度挖掘利用程度低,数据分散、数据孤岛现象突出,数据一体化应用困难。为了加强砂岩型铀矿全周期业务数据的交流与共享,为大数据分析技术的应用创造数据环境,亟需开展砂岩型铀矿一体化多源数据组织管理研究。

1、数据来源与特征

1.1数据来源

数字化砂岩型铀矿的本质是将砂岩型铀资源产业链的各业务流程全面数字化,因此,砂岩型铀矿数据资源来自其业务流程的各个阶段。砂岩型铀矿资源开发业务流程包括地质勘查、技术经济评价、设计建设、采冶生产、退役治理5个重要阶段,每个阶段业务工作所产生的数据资源有所不同;但又有存在强烈的内在联系。

1.1.1地质勘查数据

地质勘查是整个天然铀产业链的最前端,直接决定着砂岩型铀资源的开发利用,是中国中长期铀资源战略的重要保障。地质勘查阶段主要业务工作包括区域地质调查、区域水文地质调查、区域物探测量、区域化探测量、勘探工程(钻孔、地震等)、地质勘查(潜力评价、预查、普查、详查和勘探)、水文地质勘查、地质测量、地球物理测井、分析化验等方面。

本阶段数据资源涵盖原始数据采集、原始图件、综合图件及地质、储量等综合信息在内的全部数据,也包括自然地理数据、交通经济信息、矿业权信息等其他数据。

1.1.2技术经济评价数据

在砂岩型铀矿地浸采铀可行性研究和矿山采冶生产过程中,对矿床地质、水文地质条件、技术工艺路线和参数进行合理的评价与分析是一项十分重要的工作,也是地浸铀矿山能够取得良好经济效益的保障。

本阶段数据资源主要来源于地质、水文地质条件研究、工艺矿物学研究、室内浸出试验研究、地浸条件试验研究、扩大试验研究和地浸采铀技术经济综合评价等方面。

1.1.3设计建设数据

矿山设计建设工作是矿山安全生产运行的重要前提,也是矿山生产效益、经济效益得到保障的重要基础。

本阶段数据资源主要来源于砂岩型铀矿山立项、设计、工程建设方面。砂岩型铀矿山立项涉及到矿产资源开发利用方案、可行性研究、可行性论证、社会稳定风险分析和立项申请等内容。砂岩型铀矿山设计涉及到初步矿山设计、安全设计和施工图设计等内容。砂岩型铀矿山工程建设涉及到招投标、工程建设、钻孔工程、工业试生产和工程验收等内容。

1.1.4采冶生产数据

采冶生产阶段是指通过地浸采铀方式集采、冶于一体,以获取砂岩型铀矿资源的过程,是砂岩型铀矿山生命周期中最核心的阶段,也是体现砂岩型铀矿山经济效益和社会效益的最佳时期。本阶段业务工作主要包括钻孔工程、地质储层、井场作业、水冶工艺、监测体系、控制体系、分析化验、环境监测与控制等方面。

本阶段数据资源主要来源于砂岩型铀矿山每年度钻浸技术计划和实施过程中产生的一系列数据,是砂岩型铀矿地浸采铀的主要数据来源,也是最为重要的数据资源。

1.1.5退役治理数据

退役治理阶段是在铀矿山完成生产任务的条件下进行的,是对地浸退役矿山或退役采区的地下水污染状况进行系统监测和地下水污染修复的过程。

本阶段数据资源主要来源于退役矿山或退役采区的井场控制、水体修复、环境监测与分析化验等方面。

1.2数据特征分析

砂岩型铀矿各流程业务数据来源复杂、类型多样,这些多源数据具有以下几方面的特征。

1)专题性。

砂岩型铀矿在每个阶段的具体业务工作中涉及的专业非常广泛,包括地理学、地质学、水文学、测绘学、地球物理学、矿产资源、地质工程、采矿、冶金、核科学与技术、化学工程、机械工程、信息与通信工程、电气与自动化、计算机与软件、建筑与土木、环境学等众多学科领域,专业的复杂性决定了其数据资源具有很强的专题特性。

2)空间性。

砂岩型铀矿多源数据具有空间特性,比如含矿地质体的坐标体系、空间分布、三维形态等空间信息,以及与其他实体之间的空间关系等组成的信息集合。

3)时间性。

时间特性是砂岩型铀矿多源数据的基本特征因子之一,任何研究对象都可能随着时间变化。比如对含矿地质体、铀浓度、铀浸出率等随地浸采铀过程的变化规律进行分析和预测,是砂岩型铀矿的重要研究对象。

4)多尺度性。

地理空间尺度与范围、时间尺度与范围、研究视角尺度与范围均是处理砂岩型铀矿多源数据要面临的具体问题。比如含矿地质体与区域地质、矿床地质的关系,钻孔与抽注单元、采区的关系,铀资源储量状态随空间、时间、浸出动态的变化关系等,均与选择的研究对象尺度有关。

5)多源性。

砂岩型铀矿数据来自于不同业务流程的不同部门、不同专业、不同人员,其数据获取途径、处理方法不尽相同。同时,数据本身也存在量纲不同、定量数据与定性数据并存的问题。因此,数据的多源性对数据资源的统一组织管理和集成共享造成一定的困难。

6)异构性。

砂岩型铀矿多源数据的结构差异巨大,数据类型多样,纸质文件与电子数据并存,结构化数据、半结构化数据与非结构化数据并存,空间数据和属性数据并存。同时,各种终端采集的不同格式数据、各种软件加工处理的数据等造成数据的异构性以及数据的异构程度复杂。

7)继承性。

砂岩型铀矿业务流程每一阶段所产生的业务数据均有所不同;但又有强烈的内在联系,每一阶段的工作成果均为下一阶段工作的开展奠定了决定性基础。很多数据资源继承自上一阶段的工作成果,又用于指导下一阶段工作的开展,并非只在本业务阶段发挥作用。比如钻孔资料是贯穿地质勘查、技术经济评价、设计建设、采冶生产、退役治理全业务流程来使用的,数据资源在业务闭环的基础上形成一个完整的数据链闭环。

总体上,砂岩型铀矿数据资源是一种复杂的多源数据体系,对其进行科学合理的数据分类和编码,是进行数据标准化的前提,也是一体化数据组织管理和共享的基础工作。

2、数据分类

为建立统一的数据协同环境,需要将砂岩型铀矿全周期数据资源看作一个整体进行统一分类和编码。数据分类与编码是在考虑数据本质属性与特征的基础上,本着数据源唯一原则,对数据进行一系列区分和归类,形成一定规则的排列顺序以及分类框架,实现数据科学管理和规范使用。

2.1分类方法

为建立统一的数据分类框架,基于砂岩型铀矿业务工作流程,提出砂岩型铀矿多源数据五层级分类方法:门类、亚门类、大类、中类、小类,不同类之间组成的树状结构见图1。

图1砂岩型铀矿多源数据分类层次结构示意图

2.2分类方案

为避免重复分类和定义数据,将在不同业务阶段贯穿使用的同类数据提取出来作为基础管理专题类别,以规范数据采集和使用,确保数据源的唯一性;结合地浸采铀5个业务阶段,砂岩型铀矿多源数据可形成6个专题内容。根据多源数据分类方法,可对应划分为6个专题门类,分别为基础管理、地质勘查、技术经济评价、设计建设、采冶生产、退役治理,见图2。

图2砂岩型铀矿多源数据专题门类组成

2.2.1基础管理门类

综合分析砂岩型铀矿各个阶段多源数据来源与特征,将基础管理专题门类划分为5个亚门类,分别为组织机构、项目信息、矿区(工作区)信息、采区信息、钻孔信息,见图3。

图3基础管理数据分类

2.2.2地质勘查门类

将地质勘查专题门类划分为7个亚门类,分别为地质、水文地质、地球物理勘探、地球化学勘查、测绘、储层精描、分析化验等方面,见图4。

图4地质勘查数据分类

2.2.3技术经济评价门类

将技术经济评价专题门类划分为5个亚门类,分别为工艺矿物学、室内浸出试验、地浸条件试验、分析化验、矿床开发综合评价,见图5。

图5技术经济评价数据分类

2.2.4设计建设门类

将设计建设专题门类划分为3个亚门类,分别为立项、设计、工程建设,见图6。

图6设计建设数据分类

2.2.5采冶生产门类

将采冶生产专题门类划分为5个亚门类,分别为钻孔工程、生产信息、环境监控、分析化验、物联网体系,见图7。

图7采冶生产数据分类

2.2.6退役治理门类

将退役治理专题门类划分为4个亚门类,分别为井场控制、水体修复、环境监测和分析化验,见图8。

图8退役治理数据分类

3、数据编码

数据分类编码是对一些常用的、重要的数据元素进行分类和代码化,数据编码是否规范和标准将影响和决定数据的交流与共享等性能与效率。

3.1编码原则

数据分类编码除了遵循GB/T7027—2002《信息分类编码的基本原则与方法》中唯一性、合理性、可扩展性、简明性、适用性和规范性等一般信息编码原则外;还应遵守现行的砂岩型铀矿的业务规范和标准,并参考行业统一规范和国际或国家标准、以及面向数据库优化设计等原则,以满足砂岩型铀矿多源数据交流与共享的需求;从一体化数据组织管理的角度出发,达到砂岩型铀矿全周期数据资源全局优化效果。

3.2编码方法

在砂岩型铀矿多源数据的6个专题门类中,结合各专业数据自身本质特征,继续依次划分为若干亚门类、大类、中类、小类。在具体业务数据详细分类编码时要使业务专家充分参与,形成统一的数据分类编码体系,严禁重复定义各类数据。分类编码可根据实际需要进行扩展。

分类代码采用8位字符码,分别按顺序排列门类、亚门类、大类、中类、小类。左起第1位为门类,用英文字母A～Z表示,将砂岩型铀矿6个专题门类按顺序排列,如基础管理为A、地质勘查为B、技术经济评价为C、设计建设为D、采冶生产为E、退役治理为F。左起第2位为亚门类,在门类基础上细分形成的要素类,用英文字母A～Z表示。左起第3～4位为大类,在亚门类基础上细分形成的要素类,用两位数字00～99表示。左起第5～6位为中类,在大类基础上细分形成的要素类,用两位数字00～99表示。左起第7～8位为小类,在中类基础上细分形成的要素类,用两位数字00～99表示。数据分类编码结构见图9、表1。

图9数据分类编码结构图

从砂岩型铀矿一体化数据组织管理的角度考虑数据分类和编码,具有以下优点:1)以业务数据的自然属性作为分类编码的依据,便于面向业务生产职能需求的功能扩展[10],符合业务管理职能的需求,更有利于数据一体化管理和扩展;2)打破业务应用系统各自为政的现状,避免专业数据的分离存储和管理,促进数据交流和融合,消除各个层面上的数据孤岛[11];3)从行业管理的基本业务出发,关注数据本身,使得数据的组织管理不受日常行政事务管理的影响,有利于建立统一的数据中心和以数据为驱动的一体化数据集成平台[12]。

4、数据标准化

在传统的信息系统中,数据库的设计从应用系统处理的局部业务出发,应用系统之间缺乏统一的数据标准,数据库之间的数据会出现语义差异、多重定义和严重不一致等问题,导致无法统一管理和共享[13]。要克服异种数据库环境对多源数据交流和共享所形成的障碍,首要任务就是要进行数据标准化操作。

砂岩型铀矿数据标准化是对地浸采铀各业务流程的多源数据资源进行分类、编码、组织、入库和交换,进行标准化处理的过程。在砂岩型铀矿一体化数据组织管理的指导思想下,遵照数据分类编码的基本原则和方法,编制砂岩型铀矿数据标准体系,构建数据池架构,建立数据入库、出库等交换模式,为多源数据资源的共享利用提供技术支持,为生产运行提供决策支持。因此,砂岩型铀矿数据标准化对数据体系形成完整的数据链闭环具有十分重要的作用。砂岩型铀矿一体化数据组织管理框架见图10。

图10一体化数据组织管理框架

根据砂岩型铀矿数据组织结构可知,数据主要以非空间数据为主。非空间数据主要包括结构化数据、半结构化数据和非结构化数据。在建立统一的数据标准前提下,数据标准化主要通过以下3方面实现:1)针对空间数据和结构化数据,参照数据标准,通过数据分析、归纳、整理、直接入库;2)针对半结构化数据和非结构化数据,数据工作者会同业务工作者对数据进行分析整理,将分散的、零碎的声音、图形、图像、动画、视频、照片、文档、报表等数据进行处理,通过“数据治理”后进行入库;3)针对新产生的数据,其数据源的采集就要符合统一的数据标准,使数据按照统一的格式通过数据管理系统直接入库,形成数据资源。数据资源通过数据中心实现统一管理,并通过数据云服务平台,采用大数据分析和数据挖掘技术,使数据赋能,最终为各业务流程提供业务监控、数据挖掘、智能预警和决策支持。

5、结论

从砂岩型铀矿资源开发的业务流程入手,通过梳理和分析砂岩型铀矿数据来源及其特征,提出了多源数据分类框架和编码方法。该分类和编码方法为砂岩型铀矿一体化数据组织管理和建立统一的数据标准体系奠定了基础,有利于使多源数据体系在业务闭环的基础上形成完整的数据链闭环,为多源数据的统一采集、传输、存储、管理和共享应用奠定了重要的技术基础。

参考文献：

[1]关键,侯江,苏艳茹,等.数字铀矿山发展思路[J].铀矿冶,2017,36(4):241-247.

[2]郑军,尹兆涛.中国石油应对“大数据”的策略分析[J].石油规划设计,2013,24(6):27-29.

[3]傅成铭,张明林,文占久,等.大数据时代铀矿勘查数字化和发展方向探讨[J].铀矿地质,2018,34(6):379-384.

[4]陈刚.OA办公系统与地浸铀矿山生产数据系统集成应用技术研究[J].铀矿冶,2018,37(2):78-82.

[5]关键,于长贵,柳亚军,等.地浸铀矿山自动化数据中间件系统设计与实现[J].铀矿冶,2017,36(1):51-55.

[6]丁武,桂增杰.内蒙某地浸铀矿山自动化现状与展望[J].铀矿冶,2017,36(S1):17-22.

[7]伍宪玉,侯江,施建明,等.计算机自动监控在通辽某地浸采铀系统的应用研究[J].铀矿冶,2013,32(4):189-194.

[8]苏学斌.高效绿色发展推进铀矿大基地建设[J].中国核工业,2016(11):16-19.

[9]阙为民.中国铀矿采冶技术新方向[J].中国核工业,2017(11):35-37.

[10]黄士力,金惠英,周凡,等.面向数据驱动应用的水务信息一体化数据组织与管理[J].水利水文自动化,2008(3):1-5.

[11]孙金凤.石油企业数据资源建设模式[J].油气田地面工程,2010,29(6):80-82.

[12]高志亮,付国民,等.数字油田在中国(油田数据学)[M].北京:科学出版社,2017:83-87.

[13]李国清,胡乃联,陈玉民.数字矿山中多源异构数据融合技术研究[J].中国矿业,2011,20(4):89-93.

李宏星,周根茂,陈碧华,刘正邦,翁海成,刘双民.基于数字化砂岩型铀矿的多源数据组织管理研究[J].铀矿冶,2020,39(02):152-158.