论文部分内容阅读
近年来兴起的数据挖掘技术能够从大量、高维、模糊、有噪声的数据中获取有用信息,这就为地球化学数据高效、快速、科学的处理提供了理论依据。论文将数据挖掘技术用于区域矿产资源预测的工作中。首先将1:20万区域地球化学测量数据(国际分幅K-49-(20)(白云鄂博幅))的39种地球化学元素数据整理为Excel文件和TXT文件,利用数据挖掘软件PolyAnalyst对整理后的数据进行K-means聚类分析,找到6个地球化学元素变化特征相同并相对稳定的区域。为了检验聚类分析效果,分别绘制出每个区域中不同采样点的39种元素的含量折线图,结果表明各区域内不同采样点的地球化学元素含量的变化特征基本相同,而不同区域地球化学元素含量的变化特征明显不同,说明聚类分析结果有效。利用6个区域中常见矿产资源靶元素的含量折线图确定出各个区域中的异常元素,进而初步预测出4个区域可能存在矿产资源以及存在的资源类型。利用相关分析技术对这4个区域中的地球化学元素进行分析,找出元素间的相关性,以地球化学理论为依据,预测出各个区域可能存在的矿产资源类型。将相关分析对4个区域矿产资源的预测结果与初步预测时的结果取交集,推断出4个区域中可能存在的矿产资源。结合各种矿产资源的赋存条件和各个区域的地质资料,进一步预测出4个区域中可能存在的资源类型,例如有硫化物矿床、贵金属脉状矿床、矽卡岩矿床、超镁铁岩矿床、斑岩铜矿、脉状铀矿中的一种或多种。采用MapGIS K9软件将这4个区域作为靶区在地质图上实现了可视化。将预测结果与实际资料进行对比分析,预测发现的4个区域中有2个区域存在已知的矿产资源,另外的两个区域中部分地段也在已发现的成矿有利地带内。论文研究表明数据挖掘技术能够有效的用于矿产资源预测。