CN102243628A - 成矿案例推理模型与方法 - Google Patents

Abstract

一种新的智能区域成矿预测方法——成矿案例推理模型与方法，属于资源信息处理领域。本发明充分利用多源海量地质空间数据(基础地质数据、地球物理数据、地球化学数据、遥感数据等)，突破传统的矿产预测思路，建立一种快速、高效、智能化的矿产预测方法，实现快速、高效、高精度的预测区域矿产资源潜力。该发明包括三个主要步骤：成矿案例表达；成矿案例库构建；成矿案例检索。本发明能够更加高效、客观地对区域矿产资源潜力进行定量预测与评价，降低矿产勘查成本，进一步提高矿产预测的效率和精度。

Description

成矿案例推理模型与方法

技术领域

本发明涉及一种新的智能区域成矿预测方法，属于资源信息技术领域。

背景技术

如何充分利用现有的海量地质空间数据，进行信息提取和信息综合，突破传统的矿产预测思路，建立快速、高效、智能化的矿产预测方法，从而降低矿产勘查成本，进一步提高矿产预测的效率和精度，显得极具科学意义和应用价值。目前，全国范围内的地质、地球物理、地球化学和遥感找矿数据的日益丰富，为矿产预测提供了海量的基础数据。同时，同一类型矿床在成矿地质条件和空间分布规律具有很强的相似性，已探明的典型矿床的成矿地质条件和空间分布特征可以组成成矿预测的历史案例库。而传统的矿产预测方法并不能挖掘这些深层次的信息，缺乏智能化推理功能。案例推理具有知识获取简单、求解效率较高、进行知识积累等优点。如何将多源地质空间数据与案例推理有机集成，进行智能成矿预测，目前还未见相关成果报道。该方法以案例推理模型为基础，顾及地质空间数据的空间特征、提出一种新的智能成矿预测方法——成矿案例推理模型与方法，旨在提高区域矿产资源潜力预测与评价的效率和精度。

发明内容

本发明目的在于针对现有区域成矿预测方法未能高效利用已有多源海量地质空间数据和缺乏智能化推理功能的问题，提出一种充分利用海量多源地质空间数据的快速、高效和智能化的区域成矿预测新方法，包括：成矿案例表达、成矿案例库构建和成矿案例检索(图1)。以下是本发明的具体内容：

1、成矿案例表达

在成矿案例表达模型的构建中，以一定大小格网单元为成矿案例表达对象。首先，提取包含已有矿点的矢量格网单元中与控矿有关的典型特征属性，同时对对应矢量格网单元含矿名称及相关结果值进行厘定。然后，对矢量格网单元提取的典型特征属性按案例表达规则进行描述，同时对上述格网单元厘定的含矿名称及相关结果按案例表达规则的结果形式进行描述。而对空间特征的提取，则对每一矢量格网单元提取与控矿相关的方位关系、度量关系，及拓扑关系，并将空间关系转换为属性模式，如此一个成矿案例可由一般属性项和空间关系属性项等组成，其基本表达形式如下：

C＝(A_a1，A_a2，...，A_ak，A_s1，A_s1，...，A_sm，Result)

其中A_ai表示一般特征属性项，A_sj表示空间关系特征属性项，Result为该案例对应的结果。另外，新案例的推理求解可首先按一定的规则(如空间编码)对历史案例按空间关系提取，得到候选历史案例集；如果存在时间关系特征，先进行时间范围圈定，再按空间关系进行提取。其次再依据属性进行案例相似性测度，并最终在候选历史案例集中提取新案例的解。

2、成矿案例库构建

典型成矿案例构建后，将其以数据库表的形式存入空间数据库，或者以文件的方式存入文件系统中。同时，为了提升后续的成矿案例相似性检索性能，对存入空间数据库或文件系统中的案例构建索引，完成典型成矿案例库的构建。

3、成矿案例检索

成矿案例由于其时空特性，与经典案例推理模型有所不同。在成矿案例检索模型构建时，首先，将所有矢量格网单元按成矿案例表达模型构建为待求解案例，即每一案例有典型属性特征描述和空间特征描述，而结果描述(案例决策属性)置空；第二，设置相似性测度阀值，对每一待求解案例进行相似性检索，获得相似成矿案例后，将相似案例结果根据阀值及给定策略赋值给待求解案例。如果获取的相似成矿案例不能满足要求，依据领域知识等对其进行修订，并将其结果赋值给待求解案例，完成所有矢量格网单元待求解案例的检索、推理；第三，将典型得解成矿案例或修订成矿案例存入案例库中，以便扩充、更新案例库(图2)。

成矿案例库构建后，成矿待求解案例将通过成矿案例检索模型获得相似性测度值。新案例与历史案例之间的相似性测度算法如下：

S％＝(100*(1-sqrt(distance/sum(weights))))*(searchedWeightsSum/totalWeightsSum)

distance＝weight₁*dist₁ ²+weight₂*dist₂ ²+...+weight_n*dist_n ²

dist＝min(1，diff(newCaseValue，caseValue)/((maxValue-minValue)*infinityConstant))

其中，“S_％”为相似度，取值介于0-100％之间；“distance”是“dist_i”平方的加权和，介于0-1之间；“searchedWeightsSum”是新案例和历史案例特征皆不为空的特征权重之和；“totalWeightsSum”是案例全部特征权重之和；“dist_i”代表新案例和历史案例特征的距离，取值为1和二者欧几里得距离的最小值；“newCaseValue”为新案例某一特征值；“caseValue”为历史案例某一特征值；“maxValue”和“minValue”分别是历史案例某一特征的最大值和最小值；“infinityConstant”为设置值较大的常量。

相似性测度时，一待求解案例将与案例库中所有案例一一进行相似性测度，成矿案例推理模型提供最大值选取、阀值选取、K近邻选取，依据相应的选取策略返回相应的值，最终待求案例得解。如果，相似性测度返回的结果不理想，可以结合返回值及相关成矿预测领域知识进行修改，使其最终获得解。同时也可将典型得解案例或修订案例存入案例库中以扩充案例库。

附图说明

图1：成矿案例推理流程图

图2：成矿案例相似性检索模型流程图

图3：成矿案例推理参数设置界面

图4：成矿案例推理运行界面

图5：基于成矿案例推理模型的青海东昆仑铁矿资源潜力预测图

具体实施方式

为了更好地理解本发明的技术方案，以下以中国西部重要金属成矿带-青海东昆仑地区为例，提供具体实施例。

首先，采用证据权模型中的邻近度分析确定最佳的控矿变量及阀值优选。对所选的证据变量进行相关性检验基础上，该实验选取了地层、不整合接触、断层、区域地球化学、遥感蚀变信息、布格重力、航磁、矿点等矢量图层。在构建具体的成矿案例前，首先对研究区进行格网划分：1km×1km，然后将地层、不整合接触、断层、区域地球化学、遥感蚀变、布格重力、航磁、矿点等图层一一与格网多边形图层进行空间链接，从而使每一格网单元都拥有了相应的属性特征值。另外，对断层、不整合接触、矿点数据进行缓冲区处理，其中断层缓冲区距离为3000米，不整合接触缓冲区距离为300米，矿点缓冲区设置为1000米圆形缓冲区。

针对成矿案例的空间特征，对于每一格网单元，提取断层走向为方位关系，提取矿点到断层、不整合的最短距离为度量关系，提取矿点与断层、不整合的相离性为拓扑关系。为方便成矿案例检索，将上述空间关系作属性化转换并添加到格网多边形图层属性表中。如此，成矿案例空间特征与属性特征一体化表达模型得以建立，每一格网将构成潜在的成矿案例表达对象。分析格网图层属性表，结合控矿影响因素，最终确立岩性、地质年代、不整合性质、断裂性质、区域地球化学异常、遥感蚀变异常、布格重力异常、航磁异常为成矿案例的属性特征，而具体的矿床类型则为目标属性。实验采用的具体案例表达模型如下：C＝(不整合性质，区域地球化学异常，布格重力异常，航磁异常，地质年代，岩性，遥感蚀变异常，断

裂性质，断裂走向，至断层短距离，至不整合距离，断层相离，不整合相离，矿床类型)；

在推理前，上述成矿案例的属性特征和空间特征皆需设定相应的权重值，权重的确定和分配采用层次分析法(AHP)。基于领域知识，AHP案例特征重要性排序如下：区域地球化学异常＞断裂走向＞至断层短距离＝断层相离＞断裂性质＝遥感蚀变异常＞地质年代＝岩性＞至不整合距离＝不整合相离＞不整合性质＝布格重力异常＝航磁异常。表1为于层次分析法(AHP)的成矿案例推理特征比较矩阵，对比较矩阵做等价、简化处理，精简为7个特征。经计算，AHP一致性检验通过，最终确立成矿案例中各特征权重(重要性相同的特征具有相同的权重)(表2)。

针对叠加了各种属性特征和空间特征的格网多边形图层，对其属性表进行条件选择，选取矿床类型字段有值的所有记录，将其导出，然后进一步分析。最终的记录集以文件方式保存(所有属性值之间以制表符分割)，从而构成对应矿床类型的案例库。将相关格网多边形图层属性表全部导出并以文件方式保存，即构成各自待求解案例集(所有格网单元都是一个个待求案例对象)。格网多边形图层中每一格网单元对应的待求解成矿案例，经相似性测度后，都将被赋予一种矿床类型，而其相似度却不同(介于0-100％之间)，如此通过分级策略即可自动勾画出高、中、低的区域成矿潜力预测分布图。

基于上述数据预处理流程，在Visual Studio 2005环境采用C#语言实现成矿推理模型。图3为成矿案例推理参数设置界面，图4为成矿案例推理运行界面，图5为基于成矿案例推理模型的青海东昆仑铁矿资源潜力预测结果，已知的44个金矿床点全部(100％)落入高潜力区，显示该方法具有很好的预测精度。

表1基于层次分析法(AHP)的成矿案例推理特征比较矩阵

表2基于层次分析法(AHP)的成矿案例推理等价属性特征比较矩阵及所确立权重

Claims (4)

1.成矿案例推理模型与方法，其特征在于充分利用多源海量地质空间数据(基础地质数据、地球物理数据、地球化学数据、遥感数据等)，顾及地质空间数据的空间特征，建立一种快速、高效、智能化的矿产预测新方法，实现快速、高效、高精度的预测区域矿产资源潜力。包括三个主要步骤：成矿案例表达；成矿案例库构建；成矿案例检索。

2.权利要求1所述的成矿案例表达，其特征在于耦合成矿案例的空间特征和属性特征，以一定大小格网单元为成矿案例表达对象。首先，提取包含已有矿点的矢量格网单元中与控矿有关的典型特征属性。然后，对矢量格网单元提取的典型特征属性按案例表达规则进行描述。而对空间特征的提取，则对每一矢量格网单元提取与控矿相关的方位关系、度量关系，及拓扑关系，并将空间关系转换为属性模式。如此，一个成矿案例可由一般属性项和空间关系属性项等组成，其基本表达形式如下：

C＝(A_a1，A_a2，...，A_ak，A_s1，A_s1，...，A_sm，Result)

其中A_ai表示一般特征属性项，A_sj表示空间关系特征属性项，Result为该案例对应的结果。

3.权利要求1所述的成矿案例库构建，其特征在于典型成矿案例构建后，将其以数据库表的形式存入空间数据库，或者以文件的方式存入文件系统中。同时，为了提升后续的成矿案例相似性检索性能，对存入空间数据库或文件系统中的案例构建索引。

4.权利要求1所述的成矿案例检索，其特征在于将所有矢量格网单元按成矿案例表达模型构建为待求解新案例，而将包含已知矿点的矢量格网单元设置为历史案例。新案例与历史案例之间的相似性测度算法如下：

S_％＝(100*(1-sqrt(distance/sum(weights))))*(searchedWeightsSum/totalWeightsSum)

distance＝weight₁*dist₁ ²+weight²*dist₂ ²+...+weight_n*dist_n ²

dist＝min(1，diff(newCaseValue，caseValue)/((maxValue-minValue)*infinityConstant))其中，“S_％”为相似度，取值介于0-100％之间；“distance”是“dist_i”平方的加权和，介于0-1之间；“searchedWeightsSum”是新案例和历史案例特征皆不为空的特征权重之和；“totalWeightsSum”是案例全部特征权重之和；“dist_i”代表新案例和历史案例特征的距离，取值为1和二者欧几里得距离的最小值；“newCaseValue”为新案例某一特征值；“caseValue”为历史案例某一特征值；“maxValue”和“minValue”分别是历史案例某一特征的最大值和最小值；“infinityConstant”为设置值较大的常量。

Images