论文部分内容阅读
摘 要：成矿预测是根据地质成矿理论，通过对大量地质资料信息的综合研究和统计分析，发现其规律性，从而对可能存在的矿产资源进行空间分布和资源量预测。地质找矿是一项探索性很强的工作。地质找矿通常需要经历一个由面到点、由表及里、由浅入深的过程，所以每一轮基础地质调查或矿产勘查工作的成果资料，都必然成为下一轮更深入的地质找矿工作的依据。这就决定了地质资料具有可被重复开发利用的功能。地质资料信息在成矿预测中的应用，就是其重复开发利用的一个重要方面。
关键词：地质资料;数据处理;预测方法
一、成矿预测的资料信息条件
成矿预测是根据地质成矿理论，通过对大量地质资料信息的综合研究和统计分析，发现其规律性，从而对可能存在的矿产资源进行空间分布和资源量预测。预测的可信度在很大程度上决定于对地质资料信息的占有程度。因此，充分的地质资料信息是成矿预测的必备条件。一般情况下，成矿预测必须具备三个地质资料信息条件。首先是基础地质资料信息，包括各种比例尺的区域地质、矿产调查资料，各种比例尺的区域地球化学（岩石、土壤、水系沉积物）测量资料，各种比例尺的区域地球物理（磁法、重力、电法、放射性等）测量资料，各种比例尺的遥感地质资料。其次是矿产勘查资料信息，包括各时期、各阶段、各种工作程度的矿区勘查成果资料，各种找矿标志资料，矿山开发利用资料（开采量、保有资源储量、矿体形态、规模、类型及矿石品位变化情况等），闭坑矿山资料。再次是专题研究和综合研究资料信息，包括基础地质（地层、岩浆岩、构造）研究资料，矿床地质（矿床类型、成矿条件、成矿模型、找矿标志等）研究资料，各种比例尺的成矿区划和成矿预测资料，各时期的矿产资源总量预测资料，各种地质找矿和矿产勘查方法资料。
二、地质资料信息的整合与数据处理
地质资料信息的整合应遵循以下原则：剔除与所预测的矿产种类不相适应的地质资料信息;剔除孤立的、无相应成果资料支撑的地质资料信息;剔除各类工程、取样和分析测试明显不符合规范要求的地质资料信息;基础地质资料信息、矿产勘查资料信息、科研资料信息分别进行整合;不同工作时期、不同工作阶段和不同工作程度的地质资料信息分别进行整合;不同成矿理论、不同矿床类型、不同成矿模式的地质资料信息分别进行整合。由于各种成矿预测方法的变量选择和数据类别不尽相同，所以数据处理的方式也不尽相同。但无论何种预测方法，原则上都要通过对变量间的相互关系分析，对数据进行分类。
（一）相关分析：主要用来分析预测区内各类地质因素（变量）与所预测的矿产成矿地质条件之间的相关程度，如各类地质体中各种元素的丰度与成矿元素丰度的相关程度，各种地球物理参数与矿化强度的相关程度等，以便在成矿预测时可根据各变量的相关系数给该变量赋值。一般常用的相关分析方法即可对数据进行此项处理。
（二）判别分析：主要用来判别预测区内各类地质因素（变量）是否有利于所预测的矿产成矿，据此对变量进行分类。数据处理方法首先要将预测区内已知矿产地的各类有利的成矿地质因素（变量）列为A类，已知无矿地段的与之相对应的各类地质因素（变量）列为B类，然后在预测区内的各个预测单元取若干个与之相应的变量，组成A、B两类矩阵，通过以下计算程序作出判别。计算A、B两类中各变量的均值和预测区全部样品均值;计算预测区全部样品各变量的变异系数;计算预测区全部样品各变量的得分（即各变量值除以全部样品均值与该变量变异系数的乘积）;计算A、B两类的得分（即各类中每个变量得分的总和）;计算预测区全部样品各变量的平均值和判别临界值（各变量平均值等于各变量得分除以该变量样品数，临界值等于A、B两类得分之和除以样品总数）;计算预测区内各预测单元的得分并根据临界值归为A类或B类。
三、成矿预测方法与流程
成矿预测方法总体可分为数学模型法和主观模型法两大类。前者是在地质资料信息较充分的前提下，建立已知矿床的成矿数学模型，通过预测区成矿条件与数学模型的比拟，进行预测。
主要方法有地质概念模型法、矿床值统计模型法等，其中又包含了多种数理统计方法，如特征分析法、逻辑信息法、找矿信息量法、蒙特卡洛法等等。后者则主要通过预测人员的实际经验进行预测，然后采用德尔菲法综合分析多名预测人员的预测成果，得出最终预测结果。成矿预测方法还在不断地完善、发展和进步，但无论何种方法，也无论如何发展，地质资料信息都是必不可少的前提条件。地质概念模型是在研究已知矿床成因、成矿地质条件和找矿标志的基础上，建立已知矿床特征模型，然后用各种数理统计方法求解各地质因素（变量）在成矿作用过程中的贡献大小或指示成矿的显著性大小，并推广到预测区，从而达到预测目的。
建立综合逻辑矩阵表：选择与成矿作用有关的A类地质因素作为变量，并对变量赋值，建立已知矿床（或已知单元）模型的逻辑矩阵。变量的赋值视变量与成矿地质条件的相关程度而定。所赋值通常在0～9之间，相关系数大，则赋值也大，不相关，则赋值为0。
确定预测范围：根据地质资料信息条件和工作任务确定预测范围，当地质资料信息条件不充分时，通常选择地质工作程度相对较高的已知成矿远景区作为预测范围。
确定模型单元：模型单元的大小和多少也视资料信息条件而定。若资料信息充分，模型单元面积可小一些，则模型单元的数量就会多一些，预测的精度也会高一些。
变量检验：通过各变量相关频数比的计算，剔除相关频数比较小的变量，使所选变量能真正体现其在成矿过程中的作用。相关频数比Pi=Mi/Ni，Mi为第i个变量对于预报量（矿化）报对的个数，Ni为第i个变量对于预报量报错时，其他变量跟着错的个数。Mi大表示i变量在成矿过程中的作用稳定，代表性强;Ni小表示i变量的独立性强，在成矿过程中的作用大，故Pi可作为衡量变量优劣的标准。
选择模型单元建立已知矿床模型逻辑矩阵。根据不同的矿产成因类型，选择模型单元建立已知矿床模型，每个模型单元与上述第4流程确定的相应变量的赋值，构成已知模型逻辑矩阵。
计算变量权系数。权系数的大小代表变量与矿产的密切程度。首先求解已知模型单元逻辑矩阵的乘积矩阵，对不同成因类型的乘积矩阵分别用平方和法求解各变量矢量长度和用乘积矩阵主分量法求解最大特征值对应的特征向量。若两种计算结果近似，则以各变量的矢量长度为变量权系数。
计算已知模型单元与预测单元的关联度。关联度等于参加计算的各个变量的Aij与aj乘积的总和。Aij为综合逻辑矩阵中第i单元j变量的权系数，aj为已知模型单元j变量的权系数。
资源量回归计算。根据各单元关联度和已知模型单元的资源量，采用回归方程计算各预测单元的资源量。
资源量空间分布评价。根据各单元关联度分布及所对应的资源量分布特征，对资源量的空间分布作出判断与评价，实现矿产资源的定量、定位预测。
参考文献：
[1]李向东. 区域化探找矿方法在牛波金矿找矿实践中的应用研究[D].昆明理工大学，2005.
[2]何书跃，舒樹兰，刘永乐，陈海福，刘智刚. 青海祁漫塔格地区有效找矿方法总结[J]. 矿床地质，2013，01：187-194.
[3]安国英. 危机矿山找矿的地球化学方法技术研究[D].中国地质大学（北京），2006.
关键词：地质资料;数据处理;预测方法
一、成矿预测的资料信息条件
成矿预测是根据地质成矿理论，通过对大量地质资料信息的综合研究和统计分析，发现其规律性，从而对可能存在的矿产资源进行空间分布和资源量预测。预测的可信度在很大程度上决定于对地质资料信息的占有程度。因此，充分的地质资料信息是成矿预测的必备条件。一般情况下，成矿预测必须具备三个地质资料信息条件。首先是基础地质资料信息，包括各种比例尺的区域地质、矿产调查资料，各种比例尺的区域地球化学（岩石、土壤、水系沉积物）测量资料，各种比例尺的区域地球物理（磁法、重力、电法、放射性等）测量资料，各种比例尺的遥感地质资料。其次是矿产勘查资料信息，包括各时期、各阶段、各种工作程度的矿区勘查成果资料，各种找矿标志资料，矿山开发利用资料（开采量、保有资源储量、矿体形态、规模、类型及矿石品位变化情况等），闭坑矿山资料。再次是专题研究和综合研究资料信息，包括基础地质（地层、岩浆岩、构造）研究资料，矿床地质（矿床类型、成矿条件、成矿模型、找矿标志等）研究资料，各种比例尺的成矿区划和成矿预测资料，各时期的矿产资源总量预测资料，各种地质找矿和矿产勘查方法资料。
二、地质资料信息的整合与数据处理
地质资料信息的整合应遵循以下原则：剔除与所预测的矿产种类不相适应的地质资料信息;剔除孤立的、无相应成果资料支撑的地质资料信息;剔除各类工程、取样和分析测试明显不符合规范要求的地质资料信息;基础地质资料信息、矿产勘查资料信息、科研资料信息分别进行整合;不同工作时期、不同工作阶段和不同工作程度的地质资料信息分别进行整合;不同成矿理论、不同矿床类型、不同成矿模式的地质资料信息分别进行整合。由于各种成矿预测方法的变量选择和数据类别不尽相同，所以数据处理的方式也不尽相同。但无论何种预测方法，原则上都要通过对变量间的相互关系分析，对数据进行分类。
（一）相关分析：主要用来分析预测区内各类地质因素（变量）与所预测的矿产成矿地质条件之间的相关程度，如各类地质体中各种元素的丰度与成矿元素丰度的相关程度，各种地球物理参数与矿化强度的相关程度等，以便在成矿预测时可根据各变量的相关系数给该变量赋值。一般常用的相关分析方法即可对数据进行此项处理。
（二）判别分析：主要用来判别预测区内各类地质因素（变量）是否有利于所预测的矿产成矿，据此对变量进行分类。数据处理方法首先要将预测区内已知矿产地的各类有利的成矿地质因素（变量）列为A类，已知无矿地段的与之相对应的各类地质因素（变量）列为B类，然后在预测区内的各个预测单元取若干个与之相应的变量，组成A、B两类矩阵，通过以下计算程序作出判别。计算A、B两类中各变量的均值和预测区全部样品均值;计算预测区全部样品各变量的变异系数;计算预测区全部样品各变量的得分（即各变量值除以全部样品均值与该变量变异系数的乘积）;计算A、B两类的得分（即各类中每个变量得分的总和）;计算预测区全部样品各变量的平均值和判别临界值（各变量平均值等于各变量得分除以该变量样品数，临界值等于A、B两类得分之和除以样品总数）;计算预测区内各预测单元的得分并根据临界值归为A类或B类。
三、成矿预测方法与流程
成矿预测方法总体可分为数学模型法和主观模型法两大类。前者是在地质资料信息较充分的前提下，建立已知矿床的成矿数学模型，通过预测区成矿条件与数学模型的比拟，进行预测。
主要方法有地质概念模型法、矿床值统计模型法等，其中又包含了多种数理统计方法，如特征分析法、逻辑信息法、找矿信息量法、蒙特卡洛法等等。后者则主要通过预测人员的实际经验进行预测，然后采用德尔菲法综合分析多名预测人员的预测成果，得出最终预测结果。成矿预测方法还在不断地完善、发展和进步，但无论何种方法，也无论如何发展，地质资料信息都是必不可少的前提条件。地质概念模型是在研究已知矿床成因、成矿地质条件和找矿标志的基础上，建立已知矿床特征模型，然后用各种数理统计方法求解各地质因素（变量）在成矿作用过程中的贡献大小或指示成矿的显著性大小，并推广到预测区，从而达到预测目的。
建立综合逻辑矩阵表：选择与成矿作用有关的A类地质因素作为变量，并对变量赋值，建立已知矿床（或已知单元）模型的逻辑矩阵。变量的赋值视变量与成矿地质条件的相关程度而定。所赋值通常在0～9之间，相关系数大，则赋值也大，不相关，则赋值为0。
确定预测范围：根据地质资料信息条件和工作任务确定预测范围，当地质资料信息条件不充分时，通常选择地质工作程度相对较高的已知成矿远景区作为预测范围。
确定模型单元：模型单元的大小和多少也视资料信息条件而定。若资料信息充分，模型单元面积可小一些，则模型单元的数量就会多一些，预测的精度也会高一些。
变量检验：通过各变量相关频数比的计算，剔除相关频数比较小的变量，使所选变量能真正体现其在成矿过程中的作用。相关频数比Pi=Mi/Ni，Mi为第i个变量对于预报量（矿化）报对的个数，Ni为第i个变量对于预报量报错时，其他变量跟着错的个数。Mi大表示i变量在成矿过程中的作用稳定，代表性强;Ni小表示i变量的独立性强，在成矿过程中的作用大，故Pi可作为衡量变量优劣的标准。
选择模型单元建立已知矿床模型逻辑矩阵。根据不同的矿产成因类型，选择模型单元建立已知矿床模型，每个模型单元与上述第4流程确定的相应变量的赋值，构成已知模型逻辑矩阵。
计算变量权系数。权系数的大小代表变量与矿产的密切程度。首先求解已知模型单元逻辑矩阵的乘积矩阵，对不同成因类型的乘积矩阵分别用平方和法求解各变量矢量长度和用乘积矩阵主分量法求解最大特征值对应的特征向量。若两种计算结果近似，则以各变量的矢量长度为变量权系数。
计算已知模型单元与预测单元的关联度。关联度等于参加计算的各个变量的Aij与aj乘积的总和。Aij为综合逻辑矩阵中第i单元j变量的权系数，aj为已知模型单元j变量的权系数。
资源量回归计算。根据各单元关联度和已知模型单元的资源量，采用回归方程计算各预测单元的资源量。
资源量空间分布评价。根据各单元关联度分布及所对应的资源量分布特征，对资源量的空间分布作出判断与评价，实现矿产资源的定量、定位预测。
参考文献：
[1]李向东. 区域化探找矿方法在牛波金矿找矿实践中的应用研究[D].昆明理工大学，2005.
[2]何书跃，舒樹兰，刘永乐，陈海福，刘智刚. 青海祁漫塔格地区有效找矿方法总结[J]. 矿床地质，2013，01：187-194.
[3]安国英. 危机矿山找矿的地球化学方法技术研究[D].中国地质大学（北京），2006.