模糊意見集中決策在水系沉積物測量異常排序中的應用

黃支剛 ,陳杜軍,宋 昊

(1.成都理工大學 地球化學系，成都 610059；2.西藏思明礦業股份有限公司， 拉薩 850000；3.內蒙古地質礦產勘查院，呼和浩特 010011)

0 引言

通過一次面積性的水系沉積物地球化學測量工作，可能發現一批異常，但并不是所有的異常都與礦化有關，由工業礦產引起的異常僅占少數，大多數異常由非礦化因素或分散礦化引起。在實際工作中，往往在工區內圈出多個化探異常靶區，由于資金和人力資源等方面的限制，不可能對所有的異常進行充分的研究。通過對異常進行解釋推斷，初步篩選出與礦有關的異常，為了更好地安排異常檢查和驗證工作，需要對異常的找礦遠景進行排序，達到快速縮小靶區，高效找到有經濟意義礦床的目的[1]。

針對異常排序的方法有很多，各有側重點：有側重于地球化學指標(如異常面積、異常強度、異常規模、元素組合特征等)；也有側重于成礦地質條件(如巖漿巖、地層巖性、地質構造等[2])。排序時可以使用單一參數，也可以使用多個參數，但是往往一個工區內，很多異常差異不大，使用單一的參數進行排序往往效果不好，需要使用多個參數結合起來進行排序[1]。使用不同參數排序所得的異常序列不同，顯然任意選擇其中一種序列均有不合理之處。因此綜合各種序列，給出一個定量決策模型，排出合理的序列就顯得十分必要。

為了對供選擇的方案集合U=(u1,u2,…,un)中的元素進行排序，由m個專家組成的專家組M分別對U中的元素進行排序，得到了m種意見，即V=(v1,v2,…,vm)，而這些意見都是模糊的，將這m種意見集中為一個較為合理的意見，稱為“模糊意見集中決策”[3]。

本次研究使用模糊意見集中決策方法，嘗試對化探異常的找礦前景給出合理的序列。

1 研究區地質概況

研究區面積1 500 km2，地處班公湖-怒江成礦帶，區內晚古生代以來地層發育較全，地質構造十分復雜，燕山期巖漿活動強烈，成礦條件非常有利(圖1)。研究區受到強烈的燕山期逆沖推覆作用及喜馬拉雅期右行剪切走滑作用，產生了大量近東西向的斷裂，控制了中酸性巖體的空間展布，其中區內的許多基性巖脈及少量玄武巖體，可能與深斷裂相關。出露巖漿巖有侏羅紀的中細粒二長花崗巖、二長閃長巖、石英閃長巖，為淺成相和中淺成相。出露地層有二疊系的龍格組灰巖、吞龍共巴組砂巖與板巖、曲地組砂巖等[4]。

圖1 研究區地質略圖Fig．1 Geological sketch map of the study area

綜上所述，研究區成礦條件優越，通過野外調查發現，銅礦化現象明顯，找礦前景較好，容易形成斑巖型和矽卡巖型兩種類型的銅礦床。因此，本次擬選用銅礦作為優選礦種進行異常排序。

2 1∶50 000水系沉積物測量

2.1 背景值和異常下限的確定

在研究區及其外圍進行1∶50 000水系沉積物測量，采集水系沉積物的粒度為+20目～+80目，銅元素異常下限的確定采用計算法。

研究區的范圍依據水系沉積物測量所發現的異常圈定。首先計算在研究區內銅元素的算術平均值和標準差；其次逐步剔除銅含量在算術平均值±3倍標準差之外的樣品，將未剔除的樣品作銅含量頻數直方圖，銅含量服從正態分布；然后計算研究區內銅元素的算術平均值(Co)和標準差(σ)；最后利用公式(1)求出銅元素的異常下限(Ca)[5]。

Ca=Co+Kσ

(1)

其中Ca為異常下限值；Co為背景值；σ為標準差；K為試驗常數，本研究區取2。由此確定了本區銅元素的異常下限為23×10-6。

2.2 銅異常的分布特征及初步篩選

研究區1∶50 000水系沉積物測量成果顯示，區內的元素組合以銅鉛鋅為主。從銅元素來看，在研究區共圈選出13個異常區。本區圈選出的異常區，大小不一，形態不同；異常區的面積從數平方千米到數十平方千米不等，最大的可達24.3 km2；較大的異常區濃集中心相對較明顯，而小的異常區濃集中心強度相對較弱；元素組合相對簡單，銅鉛鋅異常套合較好。根據野外調查和室內研究分析，剔除4個異常區，這4個異常區的異常面積較小，為數平方千米，異常強度低，元素組合較簡單，野外地質調查也未發現有很好的礦化現象。剩下的9個異常區，分別對其進行編號，為u1～u9。

3 異常排序的參數選擇

盡管化探是一種直接快速高效的找礦方法，實踐證明僅依靠化探來找礦效果并不理想，還需要與地質條件進行配合，才能對異常做出更符合實際的評價。常用于異常排序的參數有元素的異常強度、異常面積、異常規模、元素組合特征等，這些評價參數屬地球化學指標。成礦遠景不僅取決于地球化學指標，不能僅憑異常的“高、大、全”來評價，因為異常的“有無、高低”受所選取的異常篩選準則控制。“高、大、全”異常不一定能成大礦，“弱小”異常不一定就成小礦，“無”異常也不一定就沒有礦，受礦化的剝蝕程度影響很大。因此，這就要求我們評價異常時還應根據成礦地質條件進行綜合評價，為此，作者在進行異常排序中引入“成礦地質條件”參數。本研究確定選擇異常規模、元素組合特征、成礦地質條件，作為異常排序的三個參數。

4 元素組合特征、成礦地質條件的近似定量描述

由于元素組合特征、成礦地質條件是描述性的，難以直接利用這兩個參數分別對異常進行排序，需要把這兩個參數量對成礦遠景反映的好壞程度轉化為數值來表示。這兩個參數的量化只能是近似的、模糊的，通過選擇使用“專家調查打分法”實現，即先由8位在該地區有多年找礦工作經驗的地質工程師，對該地區9個異常的按元素組合異常及成礦地質條件分別進行打分，每個異常的每個參數的滿分為100分。將這些分值匯總并將統計結果交給各位專家研究，然后讓專家重新打分，將這次針對每個異常所打分值的平均值分別作為該異常的元素組合特征和“成礦地質條件”的得分，分值越高表明該異常區的成礦潛力越大。

元素組合特征的量化，優先選擇Cu、Pb、Zn作為量化的組合元素，如果異常區內這三個元素均有異常、相關系數高、濃集中心明顯，異常位置套和好，則該異常的元素組合特征得分越高。

“成礦地質條件”參數的量化，考慮的主要因素有區域地質背景、成礦地質環境(地質構造背景、地層巖性、控礦構造、巖漿巖等)等，對成礦有利的因素，會提高“成礦地質條件”參數的得分。

5 異常排序

根據異常規模(使用Cu面金屬量來度量)、元素組合特征、成礦地質條件的量化數值，對研究區的9個異常分別進行了排序，異常區的屬性特征及排序結果見表1。

表1 研究區銅異常的多參數排序表

Tab.1 Multi-parameters ranking list of Cu anomany in study area

異常編號異常規模(Cu面金屬量)序數元素組合特征序數成礦地質特征(滿分100分)序數u1282.47626578u2255.28479607u3612.53881912u4232.49518549u5723.32823863u6435.25764834u7376.56587656u8761.61655745u9517.84862941

設這9個異常為U=﹛u1,u2,u3,u4,u5,u6,u7,u8,u9﹜，依據銅礦異常區的異常規模、元素組合特征和成礦地質條件，分別對U中的9個異常區進行排序，得到3種排法，即V=﹛v1,v2,v3﹜。如果第j個異常在第i個排法中位于第k位，令Bi(uj)=n-k，那么稱Bi(uj)為uj的Borda數[3]。此時U的所有元素可按Borda數的大小排序，此排序就是比較合理的。

評價異常的三個參數(異常規模、元素組合特征、成礦地質條件)，在異常的整體評價中重要程度基本相同，因此給予相同的權重，而按異常的某特征或指標排列出來的名次，對找礦而言其重要性是不同的，因此名次的權重也是不一樣的。名次降低，成礦前景降低，根據Borda數確定權重，權重值相應下降，權重值見表2。使用模糊意見集中決策對研究區的異常作出排序，排序表見表2。

1)按表2所給的權重計算加權的Borda數。

B(u1)= 3×0.07+4×0.09+2×0.05=0.67;

B(u2)= 2×0.05+1×0.04+3×0.07=0.35;

B(u3)= 7×0.15+9×0.19+8×0.17=4.12;

B(u4)= 1×0.04+2×0.05+1×0.04=0.18;

B(u5)= 8×0.17+7×0.15+7×0.15=3.46;

B(u6)= 5×0.11+6×0.13+6×0.13=2.11;

B(u7)= 4×0.09+3×0.07+4×0.09=0.93;

B(u8)= 9×0.19+5×0.11+5×0.11=2.81;

B(u9)= 6×0.13+8×0.17+9×0.19=3.85;

2)按加權Borda數集中后的排序為：

u3，u9，u5，u8，u6，u7，u1，u2，u4

6 不同異常排序方法的對比與討論

最先使用異常強度對異常排出的序列(u8,u5,u3…)進行查證。結果表明8號異常，雖然異常面積大，但是野外調查發現該異常是由灰白色中細粒二長花崗巖體里的數個銅礦化破碎帶引起。礦化破碎帶規模較小，寬度0.3 m～1 m不等，延伸短(20 m～60 m)，由于這些銅礦化破碎帶距離比較近，計算機做異常等值線圖時，把這幾個銅異常圈選在一起構成大異常，由于鉛鋅礦化在破碎帶中呈星散狀，在該異常區內出現數個Pb、Zn小異常，由此推斷8號異常找礦遠景小。

表2 銅異常區的模糊意見集中決策排序表

9號、3號異常雖然異常強度不如8號異常大，但是野外調查發現，這兩個異常均位于一級水系口附近，由此導致的異常面積較小，相比8號異常，其異常規模也較小。9號異常產于灰白色中細粒花崗閃長巖巖榴與灰巖的接觸帶上；而3號異常產于灰巖的矽卡巖化破碎帶中，初步認為受層間破碎帶控制。以上兩個異常均呈帶狀，9號異常礦化體寬約1 m～2 m，可見延伸100 m；3號異常礦化體受層間破碎帶控制，礦化體寬約0.5 m～1.2 m，可見延伸180 m。揀塊法單點樣品分析結果表明，9號樣品品位：Cu=23.4%、Pb=5.3%、Zn=2.9%;3號樣品品位Cu=17.61%、Pb=3.4%、Zn=2.2%。這兩個礦化體規模比8號大，異常元素組合也齊全，成礦遠景比8號大。

由此看來，僅依據異常規模(異常面積、異常強度)，有時對異常排出的序列，不能真實客觀地反映出異常的找礦遠景；而使用模糊意見集中決策方法排出的序列，因為考慮了影響成礦遠景的多種因素，從多個角度來研究異常，綜合了得到的多種序列，給出了一個較合理的序列。即8號異常雖然強度大，但是元素組合及成礦地質條件均較差，而把成礦遠景較大的9號、3號異常排在8號異常的前面。

水系沉積物測量的結果，受礦化體剝蝕程度的影響很大，但是在異常查證階段要查明礦化體的剝蝕程度，還需大量人力、物力及時間，這是不合理的，因此本研究暫時未考慮剝蝕要素對化探異常的影響。通過所獲盡量多的野外及室內資料，來推測異常的找礦遠景，在異常查證階段是有實際意義的。

7 結論

經野外查證證實，將元素異常組合、成礦地質條件引入到評價參數中，使用模糊意見集中決策給出的異常序列，能克服只從單一角度評價異常的缺陷，可以從多角度研究異常，對異常做出更合理的評價。該方法簡單可行，是一種有效的異常排序方法，能更好地指導異常查證工作。

參考文獻：

[1] 楊小峰，劉長垠，張泰然，等. 地球化學找礦方法[M]. 北京：地質出版社，2007.

[2] 彭梧山. 地球化學探礦[M]. 北京：地質出版社，1992.

[3] 呂國安. 成礦區帶地球化學異常評價方法[M]. 北京：冶金工業出版社，2002.

[4] 謝季堅、劉承平. 模糊數學及其應用(第三版)[M]. 武漢：華中科技大學出版社，2006.

[5] 江西省地質調查研究院. 中華人民共和國區域地質調查報告1∶25萬羌多幅[R]. 2005.

[6] 羅先熔，文美蘭，歐陽菲，等. 勘查地球化學[M]. 北京：冶金工業出版社，2007.

[7] 朱華平，張德全. 區域化探異常的地球化學勘查評價方法技術進展綜述[J]. 地質與勘探，2003，39(3)：35-38.

[8] 袁見齊，朱上慶，翟裕生．礦床學[M]．北京：地質出版社，1985