地質資料信息中找尋“礦產”

劉春來

摘 要：成礦預測是根據地質成礦理論，通過對大量地質資料信息的綜合研究和統計分析，發現其規律性，從而對可能存在的礦產資源進行空間分布和資源量預測。地質找礦是一項探索性很強的工作。地質找礦通常需要經歷一個由面到點、由表及里、由淺入深的過程，所以每一輪基礎地質調查或礦產勘查工作的成果資料，都必然成為下一輪更深入的地質找礦工作的依據。這就決定了地質資料具有可被重復開發利用的功能。地質資料信息在成礦預測中的應用，就是其重復開發利用的一個重要方面。

關鍵詞：地質資料;數據處理;預測方法

一、成礦預測的資料信息條件

成礦預測是根據地質成礦理論，通過對大量地質資料信息的綜合研究和統計分析，發現其規律性，從而對可能存在的礦產資源進行空間分布和資源量預測。預測的可信度在很大程度上決定于對地質資料信息的占有程度。因此，充分的地質資料信息是成礦預測的必備條件。一般情況下，成礦預測必須具備三個地質資料信息條件。首先是基礎地質資料信息，包括各種比例尺的區域地質、礦產調查資料，各種比例尺的區域地球化學（巖石、土壤、水系沉積物）測量資料，各種比例尺的區域地球物理（磁法、重力、電法、放射性等）測量資料，各種比例尺的遙感地質資料。其次是礦產勘查資料信息，包括各時期、各階段、各種工作程度的礦區勘查成果資料，各種找礦標志資料，礦山開發利用資料（開采量、保有資源儲量、礦體形態、規模、類型及礦石品位變化情況等），閉坑礦山資料。再次是專題研究和綜合研究資料信息，包括基礎地質（地層、巖漿巖、構造）研究資料，礦床地質（礦床類型、成礦條件、成礦模型、找礦標志等）研究資料，各種比例尺的成礦區劃和成礦預測資料，各時期的礦產資源總量預測資料，各種地質找礦和礦產勘查方法資料。

二、地質資料信息的整合與數據處理

地質資料信息的整合應遵循以下原則：剔除與所預測的礦產種類不相適應的地質資料信息;剔除孤立的、無相應成果資料支撐的地質資料信息;剔除各類工程、取樣和分析測試明顯不符合規范要求的地質資料信息;基礎地質資料信息、礦產勘查資料信息、科研資料信息分別進行整合;不同工作時期、不同工作階段和不同工作程度的地質資料信息分別進行整合;不同成礦理論、不同礦床類型、不同成礦模式的地質資料信息分別進行整合。由于各種成礦預測方法的變量選擇和數據類別不盡相同，所以數據處理的方式也不盡相同。但無論何種預測方法，原則上都要通過對變量間的相互關系分析，對數據進行分類。

（一）相關分析：主要用來分析預測區內各類地質因素（變量）與所預測的礦產成礦地質條件之間的相關程度，如各類地質體中各種元素的豐度與成礦元素豐度的相關程度，各種地球物理參數與礦化強度的相關程度等，以便在成礦預測時可根據各變量的相關系數給該變量賦值。一般常用的相關分析方法即可對數據進行此項處理。

（二）判別分析：主要用來判別預測區內各類地質因素（變量）是否有利于所預測的礦產成礦，據此對變量進行分類。數據處理方法首先要將預測區內已知礦產地的各類有利的成礦地質因素（變量）列為A類，已知無礦地段的與之相對應的各類地質因素（變量）列為B類，然后在預測區內的各個預測單元取若干個與之相應的變量，組成A、B兩類矩陣，通過以下計算程序作出判別。計算A、B兩類中各變量的均值和預測區全部樣品均值;計算預測區全部樣品各變量的變異系數;計算預測區全部樣品各變量的得分（即各變量值除以全部樣品均值與該變量變異系數的乘積）;計算A、B兩類的得分（即各類中每個變量得分的總和）;計算預測區全部樣品各變量的平均值和判別臨界值（各變量平均值等于各變量得分除以該變量樣品數，臨界值等于A、B兩類得分之和除以樣品總數）;計算預測區內各預測單元的得分并根據臨界值歸為A類或B類。

三、成礦預測方法與流程

成礦預測方法總體可分為數學模型法和主觀模型法兩大類。前者是在地質資料信息較充分的前提下，建立已知礦床的成礦數學模型，通過預測區成礦條件與數學模型的比擬，進行預測。

主要方法有地質概念模型法、礦床值統計模型法等，其中又包含了多種數理統計方法，如特征分析法、邏輯信息法、找礦信息量法、蒙特卡洛法等等。后者則主要通過預測人員的實際經驗進行預測，然后采用德爾菲法綜合分析多名預測人員的預測成果，得出最終預測結果。成礦預測方法還在不斷地完善、發展和進步，但無論何種方法，也無論如何發展，地質資料信息都是必不可少的前提條件。地質概念模型是在研究已知礦床成因、成礦地質條件和找礦標志的基礎上，建立已知礦床特征模型，然后用各種數理統計方法求解各地質因素（變量）在成礦作用過程中的貢獻大小或指示成礦的顯著性大小，并推廣到預測區，從而達到預測目的。

建立綜合邏輯矩陣表：選擇與成礦作用有關的A類地質因素作為變量，并對變量賦值，建立已知礦床（或已知單元）模型的邏輯矩陣。變量的賦值視變量與成礦地質條件的相關程度而定。所賦值通常在0～9之間，相關系數大，則賦值也大，不相關，則賦值為0。

確定預測范圍：根據地質資料信息條件和工作任務確定預測范圍，當地質資料信息條件不充分時，通常選擇地質工作程度相對較高的已知成礦遠景區作為預測范圍。

確定模型單元：模型單元的大小和多少也視資料信息條件而定。若資料信息充分，模型單元面積可小一些，則模型單元的數量就會多一些，預測的精度也會高一些。

變量檢驗：通過各變量相關頻數比的計算，剔除相關頻數比較小的變量，使所選變量能真正體現其在成礦過程中的作用。相關頻數比Pi=Mi/Ni，Mi為第i個變量對于預報量（礦化）報對的個數，Ni為第i個變量對于預報量報錯時，其他變量跟著錯的個數。Mi大表示i變量在成礦過程中的作用穩定，代表性強;Ni小表示i變量的獨立性強，在成礦過程中的作用大，故Pi可作為衡量變量優劣的標準。

選擇模型單元建立已知礦床模型邏輯矩陣。根據不同的礦產成因類型，選擇模型單元建立已知礦床模型，每個模型單元與上述第4流程確定的相應變量的賦值，構成已知模型邏輯矩陣。

計算變量權系數。權系數的大小代表變量與礦產的密切程度。首先求解已知模型單元邏輯矩陣的乘積矩陣，對不同成因類型的乘積矩陣分別用平方和法求解各變量矢量長度和用乘積矩陣主分量法求解最大特征值對應的特征向量。若兩種計算結果近似，則以各變量的矢量長度為變量權系數。

計算已知模型單元與預測單元的關聯度。關聯度等于參加計算的各個變量的Aij與aj乘積的總和。Aij為綜合邏輯矩陣中第i單元j變量的權系數，aj為已知模型單元j變量的權系數。

資源量回歸計算。根據各單元關聯度和已知模型單元的資源量，采用回歸方程計算各預測單元的資源量。

資源量空間分布評價。根據各單元關聯度分布及所對應的資源量分布特征，對資源量的空間分布作出判斷與評價，實現礦產資源的定量、定位預測。

參考文獻：

[1]李向東. 區域化探找礦方法在牛波金礦找礦實踐中的應用研究[D].昆明理工大學，2005.

[2]何書躍，舒樹蘭，劉永樂，陳海福，劉智剛. 青海祁漫塔格地區有效找礦方法總結[J]. 礦床地質，2013，01：187-194.

[3]安國英. 危機礦山找礦的地球化學方法技術研究[D].中國地質大學（北京），2006.