CN103176221B - 基于不同地质单元背景值与衬值的成矿异常特征识别方法 - Google Patents
基于不同地质单元背景值与衬值的成矿异常特征识别方法 Download PDFInfo
- Publication number
- CN103176221B CN103176221B CN201310072209.4A CN201310072209A CN103176221B CN 103176221 B CN103176221 B CN 103176221B CN 201310072209 A CN201310072209 A CN 201310072209A CN 103176221 B CN103176221 B CN 103176221B
- Authority
- CN
- China
- Prior art keywords
- value
- data
- lining
- subregion
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000012545 processing Methods 0.000 claims abstract description 106
- 230000002159 abnormal effect Effects 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims description 50
- 238000006073 displacement reaction Methods 0.000 claims description 42
- 239000000470 constituent Substances 0.000 claims description 18
- 230000006698 induction Effects 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 16
- 238000004876 x-ray fluorescence Methods 0.000 claims description 16
- 239000002184 metal Substances 0.000 claims description 12
- 229910052751 metal Inorganic materials 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical compound C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 claims description 2
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 claims 1
- 210000002706 plastid Anatomy 0.000 claims 1
- 230000002787 reinforcement Effects 0.000 claims 1
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 claims 1
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 16
- 239000011707 mineral Substances 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 abstract description 12
- 230000007774 longterm Effects 0.000 abstract 1
- 229910052770 Uranium Inorganic materials 0.000 description 18
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 description 18
- 229910052802 copper Inorganic materials 0.000 description 9
- 239000010949 copper Substances 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000011160 research Methods 0.000 description 8
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 229920000642 polymer Polymers 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004393 prognosis Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 229920006267 polyester film Polymers 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 229910052750 molybdenum Inorganic materials 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 229910017518 Cu Zn Inorganic materials 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 241001074085 Scophthalmus aquosus Species 0.000 description 1
- 208000036366 Sensation of pressure Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000012808 vapor phase Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，依次通过原始数据信息传感滤波采集、原始数据信息网格化处理、不同地质单元背景值和衬值的计算、矿床类型异常特征图像处理识别的步骤，解决了传统处理中的异常图对弱矿致异常的识别较差的长期技术难题；该方法计算的背景值更能突出低背景值区矿致异常，且压制高背景值区的非矿致异常；并能够在不具备高、大、全特征的矿致异常区发现矿床；而且该方法不限定具体的硬件平台和实现的计算机语言，并且大大提高在矿致异常较弱的区域发现矿床的效率和精确度。
Description
技术领域
本发明属于地球化学信息处理技术领域，涉及将地球化学信息与地质背景信息及矿床类型信息相结合生成矿床类型异常特征，尤其涉及一种基于不同地质单元背景值与衬值的成矿异常特征识别方法。
背景技术
新世纪以来，科学技术和信息技术的不断变革，目前地质矿床元素研究内容已引起世界一些地质大国的日益重视，近10年来纷纷开始展开相关基础研究工作和成矿预测工作，众多研究可以总结为两个方面，基于成因理论的主观模型和基于多元地学信息的客观模型，前者以最大限度地使用矿床成因理论以及成因理论与观测数据的关联为特征，以成因模型的不统一性和不稳定性为缺陷；后者则以能最大限度利用各种地质数据并且对其定量化，但缺少成因理论支持大大减弱了预测的能力。
随着成矿预测步入信息化建设阶段，试图将二者完美结合的研究热潮正在逐步显现，如“固有地质单元”法、基于矿床模型的专家系统、模糊证据权法等(Singer，D.A，2001，2003)，但上述研究都是在统一成矿规律及统一或基本统一数据标准下实现，无论是在成矿规律和数据上都往往同时存在逻辑一致性问题，从而使得成矿预测从单一的预测方法问题转向理论、数据、预测方法的有效整合问题，给成矿预测带来困难。预测模型以各单要素类所构成的集合，是包含与特定应用相关的各种信息的总和，将各单要素类分类结果与已有矿床的整合产生新的分类集合，根据上述“复杂系统”和计算环境下成矿模式的要求，提出了基于数据信息的分类预测理论及模型框架。利用空间分析的MoranI和LISA及其各自的检验统计量进行计算，通过进一步密度分析后，不同密集程度的密度分区就对应于相应有利程度的预测。
现有勘查网型（如正方形、长方形、三角形、六边形和放射状网）在构造（断层和褶曲等）控制、矿体控制、地质研究等方面存在断层捕捉率较低、褶曲控制不理想、断矿交线准确性较低、矿体边界准确性较低、不利于地质分析和研究等一些共性问题，提高勘查质量依靠的主要是网度（探井或钻孔密度）。采用现有勘查网型的矿产勘查方法，由于相邻探井、钻孔或剖面间相互呼应、配合程度较低，地质分析难以进行，倾向和走向剖面图中相邻探井或钻孔间的同一层位只能顺势直接连接，准确性较低；矿体形态图只能根据相互平行的倾向和走向剖面图制作，剖面间呼应、配合程度较低又相距较远，相邻剖面间同一层位也只能顺势直接连接，准确性更低。即采用现有勘查网型的矿产勘查方法，一方面使矿体控制程度和构造控制程度较低，另一方面使相邻探井、钻孔或剖面间的地质分析难以进行，地质图件制作的顺序和方法不合理，地质图件制作的精度不高，严重滞后于实际工作的需要，对勘查质量、效益和效率有很大影响。
与此同时，GIS是一种基于计算机的工具，可以对事物或事件进行成图和分析。GIS技术把地图的视觉化效果和地理分析功能与一般的数据库操作集成在一起，可广泛应用于公众和个人企事业单位中，而金属矿山安全管理是一项复杂的系统工程，设计对象包括人员、设备、环境等，最终的目的是保护人员和设备的安全，保证矿山生产安全有序进行。针对位于地下三维空间的矿体、复杂的地质构造和地应力场条件，以及矿山生产过程中频繁出现的粉尘、透水、通风、塌方、冒顶等诸多影响人员和设备安全的因素，金属矿山企业都迫切需要一个能够为安全管理服务的、完整的、专业化的、可视化的安全管理信息系统。它能够将通风、排水、防尘、防毒、防火、地压控制等安全管理的环节有机地串联起来，对它们进行实时的跟踪和监测；能够提供大量可视化的静态的和动态的安全信息,为矿山企业各级领导和安全管理人员提供指挥决策的依据。
近年来矿产品价格的上涨特别是金价的上涨以及生产工艺的改进，使得以往很多的低品位矿山逐渐被纳入开采对象。随之而来的就是对这些矿山进行储量计算、生产计划的制定。目前我国采用的储量计算评价方法，包括油气资源评价和矿产资源评价都是按照国家的有关标准和规范进行的，采用规范以外的新方法所做的储量评价在储量验收时很难通过，这是传统资源评价方法效率低下而得不到改进的主要原因。这是当今在固体矿产资源储量计算方面急需解决的问题。
新的矿产勘查理论方法研究滞后，特别是基于三维数据结构的考虑矿床形态与质量耦合条件的储量计算方法研究滞后。三维体积计算只能用降维的方法以二维图件解决，或者用分块求积法和整体求积法，这些处理方法不仅导致误差较大，而且完全没有考虑矿床质量参数随空间变化的特点，无法将形态参数与质量参数耦合。已有的传统资源储量计算方法都是在二维或简化成规则的三维几何形态的基础上建立的。这种处理方法，对于产状比较稳定的二向延长矿体，用勘探线、勘探网格布置工程，其勘查成果的表达及储量计算的精度往往能得到较满意的结果。但对于如斑岩型矿床等没有稳定的产状，形态复杂的矿体，用勘探线剖面往往不能正确地表达矿体的实际情况。用平行断面法计算储量则计算结果的误差可能会很大，而用不平行断面法，则计算方法繁琐且精度也不高。
相关技术中，传统的地气找铀方法测量的采样对象是：流经矿体的地气所携带至土壤层中的纳米级铀微粒，地气(铀)测量所使用的探测器是聚酯膜，测量的是天然附着在聚酯膜上的微量铀。该方法所使用的聚脂膜探测器需要净化(，去铀本底)、晾干且称重，野外作业期间样品易受污染，样品测试干扰因素多(聚脂膜探测器测铀前要灰化或酸化)，最后还要对聚酯膜地气探测器重量进行归一化处理，该方法工作流程烦琐，各种干扰因素使探测到的源自深部的纳米级铀信息信噪比大大降低。
土壤气态水测铀方法收集以地壳-地幔自然产生的CO2-NH4为载体的气态水，直接测量土壤中气态水中包含的呈气相形式的铀元素；与地气中铀测量方法比较，大地气态水铀测量所使用的探测器是大地气态水，测量的是大地气态水中的微量铀，大地气态水铀测量方法屏弃了采集地气用的聚脂膜探测器，从而摆脱了聚脂膜探测器需要净化（去铀本底）、样品测试干扰多（聚脂膜探测器测铀前要灰化或酸化）等烦琐工作；大地气态水铀测量方法不受地形、外来沙土的影响。但是，用于铀资源勘查的大地气态水中铀测量方法的数据采集、数据处理和数据解释的技术流程还未见报道。
现有的地球化学数据处理技术通常是仅利用原始地球化学数据信息生成异常图。传统处理技术的主要不足在于没有考虑样品所处的地质环境及矿床类型，而是独立的处理地球化学数据：
（1）：背景值的计算将一大块区域一起计算一个统一背景值，而没有针对不同的地质单元计算不同的背景值。这样的处理方法可能导致弱矿致异常被背景所掩盖，或将强背景值区被误判为异常区。
（2）：异常的圈定通常选择异常值高、异常范围大、异常元素齐全（高、大、全）的区域，而很多矿床的异常不一定具备这种高、大、全的特征。这种方法可能会漏掉弱矿致异常。
上述存在的不同环境和地质条件的复杂情况下，上述的这些缺点导致传统处理技术得到的异常图对弱矿致异常的识别较差。
发明内容
本发明的目的提供一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，依次通过原始数据信息传感滤波采集、原始数据信息网格化处理、不同地质单元背景值的计算、不同地质单元衬值的计算和矿床类型异常特征图像处理识别的步骤，在处理地球化学数据时综合考虑了入测区的地质背景以及矿床类型，与传统技术相比，该技术计算的背景值更能突出低背景值区矿致异常，且压制高背景值区的非矿致异常；通过该技术绘制得到的异常图可应用到针对特定矿床类型的异常图，能够在不具备高、大、全特征的矿致异常区发现矿床；而且该方法不限定具体的硬件平台，也不限定实现的计算机语言。与此同时，该基于不同地质单元背景值与衬值的成矿异常特征识别方法大大改善了帮助地质人员在矿致异常较弱的区域发现矿床的效率和精确度。
为实现上述目的，本发明是通过以下技术方案实现的：
本发明的一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，该基于不同地质单元背景值与衬值的成矿异常特征识别方法依次包括如下步骤：前述原始数据信息传感滤波采集、前述原始数据信息网格化处理、不同地质单元背景值的计算、不同地质单元衬值的计算和矿床类型异常特征图像处理识别；其特征在于，所述原始数据信息传感滤波采集的步骤为：在所述不同地质单元的每个地质单元的入测面设置多个采样点，每个采样点均对应设置有环境参数信号感应模块和元素含量参数信号传感采集模块；其中，所述环境参数信号感应模块用于实时采集多种环境参数信号，并将上述实时采集多种环境参数信号通过环境数据处理模块接收并处理生成存储数据进行环境参数监控；所述元素含量参数信号传感采集模块包括振动压力传感单元、检波器和X射线荧光光谱采集处理系统，通过上述振动压力传感单元、检波器和X射线荧光光谱采集处理系统进行采集相应采样点的位移坐标数据，以及与所述位移坐标对应的采集的各种元素的含量值；其中，上述位移坐标数据为通过所述检波器对所述振动压力传感单元感应的振动压力信号进行滤波处理和数字化处理后得到。
作为一个优选方式，所述原始数据信息网格化处理的步骤为：将上述原始数据信息传感滤波采集的步骤经过滤波处理和数字化处理后得到的位移坐标数据和所述采集的各种元素的含量值进行网格化，所述网格化为利用Surfer软件中的Kriging插值方法将上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值网格化，形成数据网格f(x，y)，其中x、y分别为上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值的平面网格点坐标数据。
作为一个优选方式，所述不同地质单元背景值的计算的步骤为：首先，通过在MapGIS软件中对测区进行地质单元分区得到一个MapGIS区文件；其中，所得到的地质分区中同样的地层以及同样的地质体使用相同的颜色；通过上述MapGIS区文件中的各个分区对上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值进行筛选；所述筛选步骤依次为：首先，通过对上述MapGIS区文件中各个分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个地质成矿单元；然后，基于上述原始数据信息网格化处理步骤中的数据网格中的每个数据点，通过上述每个数据点的坐标与对应的地质成矿单元的折线段的全部端点坐标进行绝对值大小比较；其中，该数据点坐标位于对应的地质成矿单元的折线段中任意一个折线段内部，则该数据点属于该地质成矿单元；然后，将每个所述地质成矿单元的所有数据点通过迭代法，分别对每个数据点的每种元素计算背景值；再将得到的各种元素的背景值保存在对应的所述分区的属性内，属性名为元素名，属性值为该元素在对应的所述分区的背景值；最终得到一个具有背景值属性的新MapGIS区文件。
作为一个优选方式，所述迭代法为：首先计算该元素的含量值的均值X1和标准偏差Sd1，然后将所有高于X1+n Sd1的值剔除掉；再计算新数据集的均值X2和标准偏差Sd2，再将所有高于X2+n Sd2的值剔除掉，重复以上计算，直到无值可剔除，其中，上述n均为2或3；得出的最终均值Xi即为背景值。
作为一个优选方式，所述不同地质单元衬值的计算的步骤为：通过对上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值，与上述不同地质单元背景值的计算的步骤中得到的新MapGIS区文件进行比较，所述比较步骤依次为：首先，通过对上述新MapGIS区文件中各个分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个新分区；然后，基于上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值，通过上述每种元素的含量值的网格节点的坐标值与对应的每个新分区的折线段的全部端点坐标进行绝对值大小比较；其中，该每种元素的含量值的网格节点的坐标值的坐标位于对应的新分区的折线段中任意一个折线段内部，则该每种元素的含量值的网格节点的坐标值的坐标属于该新分区；然后，读取该新分区相应的元素背景值属性，以获取该网格节点所对应的背景值，再通过该网格节点的数值除以其相应的背景值，得到该节点的衬值，并将该衬值赋值于该网格节点；最终得到全部元素的衬值网格。
作为一个优选方式，所述矿床类型异常特征图像处理识别的步骤为：首先，通过对原始数据信息进行分析，初步对元素类型进行系统聚类分析测区区域的元素相关性以得出其矿床类型，再通过该矿床类型的指示元素组合作为成矿类型的元素组合；然后将矿床类型的元素组合中的各个元素的衬值网格进行相加求和，即：针对网格的每个网格节点，将该网格节点上的所有成矿类型的元素组合中的元素的衬值进行相加求和，并将所述相加求和的值赋值于该节点；得到一个该元素组合的衬值之和的网格；通过上述元素组合的衬值之和的网格绘制等值线，得到矿床类型异常图；通过对上述矿床类型异常图中的等值线的异常结果得到加强，则识别为其对应元素组合的致矿异常特征。
上述优选方式对其识别的效率和精确度的提高效果是显著的，难以预料的，提高的倍数都在三倍以上。
与现有技术相比，本发明的优势在于：
与传统的地球化学数据处理技术相比，该技术的优点是：
一、地球化学背景值中包含了地质背景信息，突出了低背景值区的矿致异常，压制的高背景值区的非矿致异常。
二、与传统的异常图相比，绘制得到的矿床类型异常图结合了成矿类型信息，能在不具备高、大、全特征的矿致异常区发现特定类型的矿床。
与此同时，发明人通过该技术对目前的事实进行了实际应用：吉如斑岩铜矿床的发现——在1989-1991年完成的西藏日喀则幅1：50万地球化学图上，吉如地区未获得有编号的异常，该图是使用传统方法圈定的异常。而使用本方法对原始数据综合地质背景信息进行分背景处理，结果在吉如地区出现了明显的铜异常。接着对Cu、Mo、Au、Ag元素的衬值进行累加处理，绘制得到矿床类型异常图，异常结果得到加强，显示出扮演铜矿的致矿异常特征。后经查证，吉如地区确实存在斑岩铜矿。
具体实施方式
下面结合具体实施方式，进一步阐述本发明。
实施例1：
一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，该基于不同地质单元背景值与衬值的成矿异常特征识别方法依次包括如下步骤：前述原始数据信息传感滤波采集、前述原始数据信息网格化处理、不同地质单元背景值的计算、不同地质单元衬值的计算和矿床类型异常特征图像处理识别；其特征在于，所述原始数据信息传感滤波采集的步骤为：在所述不同地质单元的每个地质单元的入测面设置多个采样点，每个采样点均对应设置有环境参数信号感应模块和元素含量参数信号传感采集模块；其中，所述环境参数信号感应模块用于实时采集多种环境参数信号，并将上述实时采集多种环境参数信号通过环境数据处理模块接收并处理生成存储数据进行环境参数监控；所述元素含量参数信号传感采集模块包括振动压力传感单元、检波器和X射线荧光光谱采集处理系统，通过上述振动压力传感单元、检波器和X射线荧光光谱采集处理系统进行采集相应采样点的位移坐标数据，以及与所述位移坐标对应的采集的各种元素的含量值；其中，上述位移坐标数据为通过所述检波器对所述振动压力传感单元感应的振动压力信号进行滤波处理和数字化处理后得到。
实施例2：
一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，该基于不同地质单元背景值与衬值的成矿异常特征识别方法依次包括如下步骤：前述原始数据信息传感滤波采集、前述原始数据信息网格化处理、不同地质单元背景值的计算、不同地质单元衬值的计算和矿床类型异常特征图像处理识别；其特征在于，所述原始数据信息传感滤波采集的步骤为：在所述不同地质单元的每个地质单元的入测面设置多个采样点，每个采样点均对应设置有环境参数信号感应模块和元素含量参数信号传感采集模块；其中，所述环境参数信号感应模块用于实时采集多种环境参数信号，并将上述实时采集多种环境参数信号通过环境数据处理模块接收并处理生成存储数据进行环境参数监控；所述元素含量参数信号传感采集模块包括振动压力传感单元、检波器和X射线荧光光谱采集处理系统，通过上述振动压力传感单元、检波器和X射线荧光光谱采集处理系统进行采集相应采样点的位移坐标数据，以及与所述位移坐标对应的采集的各种元素的含量值；其中，上述位移坐标数据为通过所述检波器对所述振动压力传感单元感应的振动压力信号进行滤波处理和数字化处理后得到；所述原始数据信息网格化处理的步骤为：将上述原始数据信息传感滤波采集的步骤经过滤波处理和数字化处理后得到的位移坐标数据和所述采集的各种元素的含量值进行网格化，所述网格化为利用Surfer软件中的Kriging插值方法将上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值网格化，形成数据网格f(x，y)，其中x、y分别为上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值的平面网格点坐标数据。
实施例3：
一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，该基于不同地质单元背景值与衬值的成矿异常特征识别方法依次包括如下步骤：前述原始数据信息传感滤波采集、前述原始数据信息网格化处理、不同地质单元背景值的计算、不同地质单元衬值的计算和矿床类型异常特征图像处理识别；其特征在于，所述原始数据信息传感滤波采集的步骤为：在所述不同地质单元的每个地质单元的入测面设置多个采样点，每个采样点均对应设置有环境参数信号感应模块和元素含量参数信号传感采集模块；其中，所述环境参数信号感应模块用于实时采集多种环境参数信号，并将上述实时采集多种环境参数信号通过环境数据处理模块接收并处理生成存储数据进行环境参数监控；所述元素含量参数信号传感采集模块包括振动压力传感单元、检波器和X射线荧光光谱采集处理系统，通过上述振动压力传感单元、检波器和X射线荧光光谱采集处理系统进行采集相应采样点的位移坐标数据，以及与所述位移坐标对应的采集的各种元素的含量值；其中，上述位移坐标数据为通过所述检波器对所述振动压力传感单元感应的振动压力信号进行滤波处理和数字化处理后得到；所述原始数据信息网格化处理的步骤为：将上述原始数据信息传感滤波采集的步骤经过滤波处理和数字化处理后得到的位移坐标数据和所述采集的各种元素的含量值进行网格化，所述网格化为利用Surfer软件中的Kriging插值方法将上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值网格化，形成数据网格f(x，y)，其中x、y分别为上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值的平面网格点坐标数据；所述不同地质单元背景值的计算的步骤为：首先，通过在MapGIS软件中对测区进行地质单元分区得到一个MapGIS区文件；其中，所得到的地质分区中同样的地层以及同样的地质体使用相同的颜色；通过上述MapGIS区文件中的各个分区对上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值进行筛选；所述筛选步骤依次为：首先，通过对上述MapGIS区文件中各个分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个地质成矿单元；然后，基于上述原始数据信息网格化处理步骤中的数据网格中的每个数据点，通过上述每个数据点的坐标与对应的地质成矿单元的折线段的全部端点坐标进行绝对值大小比较；其中，该数据点坐标位于对应的地质成矿单元的折线段中任意一个折线段内部，则该数据点属于该地质成矿单元；然后，将每个所述地质成矿单元的所有数据点通过迭代法，分别对每个数据点的每种元素计算背景值；再将得到的各种元素的背景值保存在对应的所述分区的属性内，属性名为元素名，属性值为该元素在对应的所述分区的背景值；最终得到一个具有背景值属性的新MapGIS区文件。
实施例4：
一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，该基于不同地质单元背景值与衬值的成矿异常特征识别方法依次包括如下步骤：前述原始数据信息传感滤波采集、前述原始数据信息网格化处理、不同地质单元背景值的计算、不同地质单元衬值的计算和矿床类型异常特征图像处理识别；其特征在于，所述原始数据信息传感滤波采集的步骤为：在所述不同地质单元的每个地质单元的入测面设置多个采样点，每个采样点均对应设置有环境参数信号感应模块和元素含量参数信号传感采集模块；其中，所述环境参数信号感应模块用于实时采集多种环境参数信号，并将上述实时采集多种环境参数信号通过环境数据处理模块接收并处理生成存储数据进行环境参数监控；所述元素含量参数信号传感采集模块包括振动压力传感单元、检波器和X射线荧光光谱采集处理系统，通过上述振动压力传感单元、检波器和X射线荧光光谱采集处理系统进行采集相应采样点的位移坐标数据，以及与所述位移坐标对应的采集的各种元素的含量值；其中，上述位移坐标数据为通过所述检波器对所述振动压力传感单元感应的振动压力信号进行滤波处理和数字化处理后得到；所述原始数据信息网格化处理的步骤为：将上述原始数据信息传感滤波采集的步骤经过滤波处理和数字化处理后得到的位移坐标数据和所述采集的各种元素的含量值进行网格化，所述网格化为利用Surfer软件中的Kriging插值方法将上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值网格化，形成数据网格f(x，y)，其中x、y分别为上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值的平面网格点坐标数据；所述不同地质单元背景值的计算的步骤为：首先，通过在MapGIS软件中对测区进行地质单元分区得到一个MapGIS区文件；其中，所得到的地质分区中同样的地层以及同样的地质体使用相同的颜色；通过上述MapGIS区文件中的各个分区对上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值进行筛选；所述筛选步骤依次为：首先，通过对上述MapGIS区文件中各个分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个地质成矿单元；然后，基于上述原始数据信息网格化处理步骤中的数据网格中的每个数据点，通过上述每个数据点的坐标与对应的地质成矿单元的折线段的全部端点坐标进行绝对值大小比较；其中，该数据点坐标位于对应的地质成矿单元的折线段中任意一个折线段内部，则该数据点属于该地质成矿单元；然后，将每个所述地质成矿单元的所有数据点通过迭代法，分别对每个数据点的每种元素计算背景值；再将得到的各种元素的背景值保存在对应的所述分区的属性内，属性名为元素名，属性值为该元素在对应的所述分区的背景值；最终得到一个具有背景值属性的新MapGIS区文件；所述迭代法为：首先计算该元素的含量值的均值X1和标准偏差Sd1，然后将所有高于X1+n Sd1的值剔除掉；再计算新数据集的均值X2和标准偏差Sd2，再将所有高于X2+n Sd2的值剔除掉，重复以上计算，直到无值可剔除，其中，上述n均为2或3；得出的最终均值Xi即为背景值。
实施例5：
一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，该基于不同地质单元背景值与衬值的成矿异常特征识别方法依次包括如下步骤：前述原始数据信息传感滤波采集、前述原始数据信息网格化处理、不同地质单元背景值的计算、不同地质单元衬值的计算和矿床类型异常特征图像处理识别；其特征在于，所述原始数据信息传感滤波采集的步骤为：在所述不同地质单元的每个地质单元的入测面设置多个采样点，每个采样点均对应设置有环境参数信号感应模块和元素含量参数信号传感采集模块；其中，所述环境参数信号感应模块用于实时采集多种环境参数信号，并将上述实时采集多种环境参数信号通过环境数据处理模块接收并处理生成存储数据进行环境参数监控；所述元素含量参数信号传感采集模块包括振动压力传感单元、检波器和X射线荧光光谱采集处理系统，通过上述振动压力传感单元、检波器和X射线荧光光谱采集处理系统进行采集相应采样点的位移坐标数据，以及与所述位移坐标对应的采集的各种元素的含量值；其中，上述位移坐标数据为通过所述检波器对所述振动压力传感单元感应的振动压力信号进行滤波处理和数字化处理后得到；所述原始数据信息网格化处理的步骤为：将上述原始数据信息传感滤波采集的步骤经过滤波处理和数字化处理后得到的位移坐标数据和所述采集的各种元素的含量值进行网格化，所述网格化为利用Surfer软件中的Kriging插值方法将上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值网格化，形成数据网格f(x，y)，其中x、y分别为上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值的平面网格点坐标数据；所述不同地质单元背景值的计算的步骤为：首先，通过在MapGIS软件中对测区进行地质单元分区得到一个MapGIS区文件；其中，所得到的地质分区中同样的地层以及同样的地质体使用相同的颜色；通过上述MapGIS区文件中的各个分区对上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值进行筛选；所述筛选步骤依次为：首先，通过对上述MapGIS区文件中各个分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个地质成矿单元；然后，基于上述原始数据信息网格化处理步骤中的数据网格中的每个数据点，通过上述每个数据点的坐标与对应的地质成矿单元的折线段的全部端点坐标进行绝对值大小比较；其中，该数据点坐标位于对应的地质成矿单元的折线段中任意一个折线段内部，则该数据点属于该地质成矿单元；然后，将每个所述地质成矿单元的所有数据点通过迭代法，分别对每个数据点的每种元素计算背景值；再将得到的各种元素的背景值保存在对应的所述分区的属性内，属性名为元素名，属性值为该元素在对应的所述分区的背景值；最终得到一个具有背景值属性的新MapGIS区文件；所述迭代法为：首先计算该元素的含量值的均值X1和标准偏差Sd1，然后将所有高于X1+n Sd1的值剔除掉；再计算新数据集的均值X2和标准偏差Sd2，再将所有高于X2+n Sd2的值剔除掉，重复以上计算，直到无值可剔除，其中，上述n均为2或3；得出的最终均值Xi即为背景值；所述不同地质单元衬值的计算的步骤为：通过对上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值，与上述不同地质单元背景值的计算的步骤中得到的新MapGIS区文件进行比较，所述比较步骤依次为：首先，通过对上述新MapGIS区文件中各个分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个新分区；然后，基于上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值，通过上述每种元素的含量值的网格节点的坐标值与对应的每个新分区的折线段的全部端点坐标进行绝对值大小比较；其中，该每种元素的含量值的网格节点的坐标值的坐标位于对应的新分区的折线段中任意一个折线段内部，则该每种元素的含量值的网格节点的坐标值的坐标属于该新分区；然后，读取该新分区相应的元素背景值属性，以获取该网格节点所对应的背景值，再通过该网格节点的数值除以其相应的背景值，得到该节点的衬值，并将该衬值赋值于该网格节点；最终得到全部元素的衬值网格。
实施例6：
一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，该基于不同地质单元背景值与衬值的成矿异常特征识别方法依次包括如下步骤：前述原始数据信息传感滤波采集、前述原始数据信息网格化处理、不同地质单元背景值的计算、不同地质单元衬值的计算和矿床类型异常特征图像处理识别；其特征在于，所述原始数据信息传感滤波采集的步骤为：在所述不同地质单元的每个地质单元的入测面设置多个采样点，每个采样点均对应设置有环境参数信号感应模块和元素含量参数信号传感采集模块；其中，所述环境参数信号感应模块用于实时采集多种环境参数信号，并将上述实时采集多种环境参数信号通过环境数据处理模块接收并处理生成存储数据进行环境参数监控；所述元素含量参数信号传感采集模块包括振动压力传感单元、检波器和X射线荧光光谱采集处理系统，通过上述振动压力传感单元、检波器和X射线荧光光谱采集处理系统进行采集相应采样点的位移坐标数据，以及与所述位移坐标对应的采集的各种元素的含量值；其中，上述位移坐标数据为通过所述检波器对所述振动压力传感单元感应的振动压力信号进行滤波处理和数字化处理后得到；所述原始数据信息网格化处理的步骤为：将上述原始数据信息传感滤波采集的步骤经过滤波处理和数字化处理后得到的位移坐标数据和所述采集的各种元素的含量值进行网格化，所述网格化为利用Surfer软件中的Kriging插值方法将上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值网格化，形成数据网格f(x，y)，其中x、y分别为上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值的平面网格点坐标数据；所述不同地质单元背景值的计算的步骤为：首先，通过在MapGIS软件中对测区进行地质单元分区得到一个MapGIS区文件；其中，所得到的地质分区中同样的地层以及同样的地质体使用相同的颜色；通过上述MapGIS区文件中的各个分区对上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值进行筛选；所述筛选步骤依次为：首先，通过对上述MapGIS区文件中各个分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个地质成矿单元；然后，基于上述原始数据信息网格化处理步骤中的数据网格中的每个数据点，通过上述每个数据点的坐标与对应的地质成矿单元的折线段的全部端点坐标进行绝对值大小比较；其中，该数据点坐标位于对应的地质成矿单元的折线段中任意一个折线段内部，则该数据点属于该地质成矿单元；然后，将每个所述地质成矿单元的所有数据点通过迭代法，分别对每个数据点的每种元素计算背景值；再将得到的各种元素的背景值保存在对应的所述分区的属性内，属性名为元素名，属性值为该元素在对应的所述分区的背景值；最终得到一个具有背景值属性的新MapGIS区文件；所述迭代法为：首先计算该元素的含量值的均值X1和标准偏差Sd1，然后将所有高于X1+n Sd1的值剔除掉；再计算新数据集的均值X2和标准偏差Sd2，再将所有高于X2+n Sd2的值剔除掉，重复以上计算，直到无值可剔除，其中，上述n均为2或3；得出的最终均值Xi即为背景值；所述不同地质单元衬值的计算的步骤为：通过对上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值，与上述不同地质单元背景值的计算的步骤中得到的新MapGIS区文件进行比较，所述比较步骤依次为：首先，通过对上述新MapGIS区文件中各个分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个新分区；然后，基于上述原始数据信息传感滤波采集的步骤中的数据网格中的每种元素的含量值的网格节点的坐标值，通过上述每种元素的含量值的网格节点的坐标值与对应的每个新分区的折线段的全部端点坐标进行绝对值大小比较；其中，该每种元素的含量值的网格节点的坐标值的坐标位于对应的新分区的折线段中任意一个折线段内部，则该每种元素的含量值的网格节点的坐标值的坐标属于该新分区；然后，读取该新分区相应的元素背景值属性，以获取该网格节点所对应的背景值，再通过该网格节点的数值除以其相应的背景值，得到该节点的衬值，并将该衬值赋值于该网格节点；最终得到全部元素的衬值网格；所述矿床类型异常特征图像处理识别的步骤为：首先，通过对原始数据信息进行分析，初步对元素类型进行系统聚类分析测区区域的元素相关性以得出其矿床类型，再通过该矿床类型的指示元素组合作为成矿类型的元素组合；然后将矿床类型的元素组合中的各个元素的衬值网格进行相加求和，即：针对网格的每个网格节点，将该网格节点上的所有成矿类型的元素组合中的元素的衬值进行相加求和，并将所述相加求和的值赋值于该节点；得到一个该元素组合的衬值之和的网格；通过上述元素组合的衬值之和的网格绘制等值线，得到矿床类型异常图；通过对上述矿床类型异常图中的等值线的异常结果得到加强，则识别为其对应元素组合的致矿异常特征。
实施例7：
为了解决上述问题，本发明是通过以下技术方案实现的：
a、原始数据网格化。
用户须提供所有采样点的各个元素含量的数据表格，具体形式类似：
| 采样号 | X | Y | 检测号 | 送样号 | Au | Cu | Zn | Mn | Pb | Sn | Cr | … |
| 1377-A2 | 12345 | 6789 | 001 | 1377-A2 | 0.1 | 0.20 | 15 | 2456 | 1.2 | 3.5 | 1.0 | … |
| 0758-B3 | 12346 | 6790 | 002 | 0758-B3 | 0.2 | 1.00 | 22 | 1456 | 8.0 | 9.1 | 8.8 | … |
| … | … | … | … | … | … | … | … | … | … | … | … | … |
表格中至少要包含采样点的坐标和每种元素的含量值。之后软件利用这些信息对原始数据进行网格化，网格化的插值方法可以使用泛克里格法，但具体方法使用要在保证数据准确性的基础上针对客观情况而定。插值后会得到各个元素的含量值的数据网格。
b、背景值及衬值的计算： 由于已有的地质图通常为MapGIS格式，为了方便对测区进行分区，本步骤使用已有的MapGIS格式地质图的区文件作为地质单元分区文件。
（1）如果已有可用的地质图，则可直接将该地质图的区文件（*.wp）作为地质分区文件。如果没有可用的地质图，则用户预先在MapGIS软件中对测区进行地质单元分区。所得到的地质分区中须保证同样的地层、地质体使用相同的颜色，因为后续步骤中对若干数据点是否在同一地质单元的判定，是基于判定这些数据点空间位置所属的区域是否拥有相同的颜色。如果两数据点所在区的颜色一样，则认为两数据点是属于同一个地质单元。该步骤得到一个MapGIS区文件（*.wp）。
（2）背景值计算。首先利用（1）中得到的区文件中的各个分区对原始数据表格中的各个点根据坐标进行筛选。具体方法是：
由于（1）中得到的区文件中各个分区实际为多个包含颜色参数的封闭折线段，则将各个颜色属性的相同的折线段分为一组——即一个地质单元，然后针对a步骤中用到的原始数据表格中的每个点，通过每个点的坐标和该组折线段的全部端点坐标进行数学计算，判断该点坐标是否位于该组折线段中任意一个折线段内部，如果位于，则判定该数据点属于该地质单元。通过该方法处理后，每个地质单元都会有所包含的若干个点。
之后针对所有地质单元，使用该地质单元所包含的所有点，利用迭代法，分别对该点的每种元素计算背景值。迭代法为传统的地球化学背景值计算方法，具体方法为：首先计算该元素原始数据集的均值（X1）和标准偏差(Sd1)，然后将所有高于X1+nSd1的值剔除掉（通常n为2或者3），之后计算新数据集的均值（X2）和标准偏差(Sd2)，然后将所有高于X2+nSd2的值剔除掉。重复以上计算，直到无值可剔除。求出的最终均值Xi即为背景值。
以上计算得到的各种元素的背景值，保存在该区的属性内，属性名为元素名，属性值为该元素在该区域的背景值。最终得到一个具有背景值属性的MapGIS区文件（*.wp）。
（3）进行衬值的计算。该步骤需要用到a中网格化得到的各个元素含量值的数据网格与（2）中得到的包含各个元素背景值属性的MapGIS区文件。针对每种元素，利用该元素的含量值数据网格中的每一个网格节点的坐标值与之前得到的MapGIS区文件，通过数学计算判断该点属于哪一个区。之后读取该区相应的元素背景值属性，以获取该节点所对应的背景值。最后使用该节点的数值除以其相应的背景值，得到该节点的衬值，并将该值赋值于该节点。对该原始值网格的全部节点重复该运算，得到该元素的衬值网格。该步骤最终得到全部元素的衬值网格。
c、矿床类型异常图的生成：
（1）确定成矿类型的元素组合。首先用户须对原始数据针对元素类型进行系统聚类分析，以分析该区域的元素相关性。用户通过参考系统聚类分析的结果，综合其他资料（如地质工作结果及前任资料），推断该测区可能存在的矿床类型。之后使用该种矿床类型的指示元素组合作为成矿类型的元素组合。
（2）将（1）中获得的成矿类型元素组合中的各个元素的衬值网格（在b得到）挑选出来，并对这些网格进行算数相加，即针对网格每个节点，将该节点上的所有元素（仅限于成矿类型元素组合中的元素）的衬值进行算数求和，并将和值赋值于该节点。最终得到一个该元素组合的衬值之和的网格。
（3）使用（2）中得到的网格绘制等值线，即为矿床类型异常图。
使用本方法对原始数据综合地质背景信息进行分背景处理，结果在吉如地区出现了明显的铜异常。接着对Cu、Mo、Au、Ag元素的衬值进行累加处理，绘制得到矿床类型异常图，异常结果得到加强，显示出扮演铜矿的致矿异常特征。后经查证，吉如地区确实存在斑岩铜矿。
本发明并不局限于上述特定实施例，在不背离本发明精神及其实质情况下，本领域的普通技术人员可根据本发明作出各种相应改变和变形。这些相应改变和变形都应属于本发明所附权利要求的保护范围之内。
Claims (1)
1.一种基于不同地质单元背景值与衬值的成矿异常特征识别方法，依次包括以下步骤：原始数据信息传感滤波采集、原始数据信息网格化处理、不同地质单元背景值的计算、不同地质单元衬值的计算和矿床类型异常特征图像处理识别；其特征在于，所述原始数据信息传感滤波采集的步骤为：在所述不同地质单元的每个地质单元的入测面设置多个采样点，每个采样点均对应设置有环境参数信号感应模块和元素含量参数信号传感采集模块；其中，所述环境参数信号感应模块用于实时采集多种环境参数信号，并将上述实时采集多种环境参数信号通过环境数据处理模块接收并处理生成存储数据进行环境参数监控；所述元素含量参数信号传感采集模块包括振动压力传感单元、检波器和X射线荧光光谱采集处理系统，通过上述振动压力传感单元、检波器和X射线荧光光谱采集处理系统采集相应采样点的位移坐标数据以及与位移坐标对应的各种元素的含量值；其中，所述位移坐标数据是通过所述检波器对所述振动压力传感单元感应得到的振动压力信号进行滤波处理和数字化处理后得到；
所述原始数据信息网格化处理的步骤为：利用Surfer软件中的Kriging插值方法将经过滤波处理和数字化处理后得到的位移坐标数据和采集的各种元素的含量值进行网格化，形成数据网格f(x，y)，其中x、y分别为上述经过滤波处理和数字化处理后得到的位移坐标数据以及所述采集的各种元素的含量值的平面网格点坐标数据；
所述不同地质单元背景值的计算的步骤为：首先，通过在MapGIS软件中对测区进行地质单元分区得到一个MapGIS区文件；其中，地质单元分区过程中同样的地层以及同样的地质体使用相同的颜色；通过MapGIS区文件中各分区对数据网格中各种元素的含量值的平面网格点坐标数据进行筛选；筛选步骤依次为：首先，对MapGIS区文件中各分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个地质成矿单元；然后，基于数据网格中的每个数据点，对每个数据点坐标与对应地质成矿单元折线段的全部端点坐标进行绝对值大小比较；其中，当数据点坐标位于对应的地质成矿单元的折线段中任意一个折线段内部时，则数据点属于该地质成矿单元；然后，将每个地质成矿单元的所有数据点通过迭代法，分别对每个数据点的每种元素计算背景值；再将得到的每种元素的背景值保存在对应分区的属性内，属性名为元素名，属性值为元素在对应分区的背景值；最终得到一个具有背景值属性的新MapGIS区文件；
所述迭代法为：首先计算元素的含量值的均值X1和标准偏差Sd1，然后将所有高于X1+nSd1的值剔除掉；再计算新数据集的均值X2和标准偏差Sd2，再将所有高于X2+n Sd2的值剔除掉，重复以上计算，直到无值可剔除，其中，n为2或3；得出的最终均值Xi即为背景值；
所述不同地质单元衬值的计算的步骤为：对数据网格中每种元素的含量值的平面网格点的坐标数据与新MapGIS区文件进行比较；比较的步骤依次为：首先，对新MapGIS区文件中各个分区的多个包含颜色参数的封闭折线段进行区分归类，将单个颜色属性相同的折线段设置为一个新分区；然后，基于数据网格中的每个数据点，对每个数据点坐标与对应每个新分区折线段的全部端点坐标进行绝对值大小比较；其中，当每种元素的含量值的平面网格点的坐标位于对应新分区的折线段中任意一个折线段内部时，则某种元素的含量值的平面网格点的坐标属于该新分区；然后，读取该新分区相应的元素背景值属性，以获取该网格点所对应的背景值，再通过平面网格点的数值除以其相应的背景值，得到该平面网格点的衬值，并将衬值赋值于该平面网格点；最终得到全部元素的衬值网格；
所述矿床类型异常特征图像处理识别的步骤为：首先，对原始数据信息进行分析，通过对元素类型进行系统聚类分析，分析测区内元素的相关性，得出测区矿床类型的指示元素组合；再将矿床类型的指示元素组合作为成矿类型的元素组合；然后将矿床类型的元素组合中各个元素的衬值网格进行相加求和，即：针对平面网格的每个网格节点，将该网格节点上的所有成矿类型的元素组合中的元素的衬值进行相加求和，并将所述相加求和的值赋值于该网格节点；得到一个元素组合衬值之和的网格节点；最后，对上述元素组合的衬值之和的网格节点绘制等值线，得到矿床类型异常图；当矿床类型异常图中等值线的异常结果得到加强，则判定为对应元素组合导致的矿异常特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310072209.4A CN103176221B (zh) | 2013-03-07 | 2013-03-07 | 基于不同地质单元背景值与衬值的成矿异常特征识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310072209.4A CN103176221B (zh) | 2013-03-07 | 2013-03-07 | 基于不同地质单元背景值与衬值的成矿异常特征识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103176221A CN103176221A (zh) | 2013-06-26 |
| CN103176221B true CN103176221B (zh) | 2018-05-01 |
Family
ID=48636200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310072209.4A Active CN103176221B (zh) | 2013-03-07 | 2013-03-07 | 基于不同地质单元背景值与衬值的成矿异常特征识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103176221B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760608B (zh) * | 2014-01-20 | 2017-05-17 | 青海省地质矿产研究所 | 沉积岩容矿铅锌矿勘查方法 |
| CN104598514A (zh) * | 2014-11-26 | 2015-05-06 | 北京金水永利科技有限公司 | 一种基于聚类分析发现环境监测罕见数据组合模式的算法 |
| CN104899429B (zh) * | 2015-05-14 | 2017-07-28 | 湖北省地质调查院 | 一种基于多因素的地球化学元素含量赋值方法及系统 |
| CN108228920B (zh) * | 2016-12-13 | 2021-04-13 | 核工业北京地质研究院 | 一种砂岩型铀矿土壤铀元素异常筛选方法 |
| CN106840741B (zh) * | 2016-12-22 | 2019-08-06 | 中国石油天然气股份有限公司 | 细粒沉积岩分析实验的样品选取方法及系统 |
| CN110646316B (zh) * | 2019-08-12 | 2021-07-20 | 珠海格力电器股份有限公司 | 一种衣物干燥程度检测装置、检测方法以及晾衣装置 |
| CN110569285B (zh) * | 2019-09-09 | 2022-11-25 | 贵州省地质环境监测院(贵州省环境地质研究所) | 一种计算土壤元素背景值的方法和装置 |
| CN110826866B (zh) * | 2019-10-18 | 2022-11-01 | 中国地质科学院矿产综合利用研究所 | 矿产资源集中开采区土壤环境地球化学背景值的确定方法 |
| CN112160741B (zh) * | 2020-09-08 | 2024-04-19 | 中石化石油工程技术服务有限公司 | 利用岩心元素判别油气水界面的方法和识别水层的方法 |
| CN113408019B (zh) * | 2021-06-23 | 2022-04-22 | 河北地质大学 | 一种基于bme-gwr的水系沉积物地球化学异常制图方法 |
| CN116593407B (zh) * | 2023-07-17 | 2023-09-29 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种稀土金属矿产快速勘查装置及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101038680A (zh) * | 2007-04-29 | 2007-09-19 | 中国地质大学（北京） | 基于三维建模的立方体预测模型找矿方法 |
| CN100559215C (zh) * | 2006-03-17 | 2009-11-11 | 山东科技大学 | 基于信息融合的矿井突水预测系统 |
| CN101667206A (zh) * | 2009-09-27 | 2010-03-10 | 中国地质科学院矿产资源研究所 | 基于开口汇水盆地的水系沉积物调查数据处理方法 |
-
2013
- 2013-03-07 CN CN201310072209.4A patent/CN103176221B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100559215C (zh) * | 2006-03-17 | 2009-11-11 | 山东科技大学 | 基于信息融合的矿井突水预测系统 |
| CN101038680A (zh) * | 2007-04-29 | 2007-09-19 | 中国地质大学（北京） | 基于三维建模的立方体预测模型找矿方法 |
| CN101667206A (zh) * | 2009-09-27 | 2010-03-10 | 中国地质科学院矿产资源研究所 | 基于开口汇水盆地的水系沉积物调查数据处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| MapGIS与Surfer相结合在黑河市化探工作中的应用;蔡朝阳 等;《物探与化探》;20090430;第33卷(第2期);第221-223页 * |
| 应用MAPGIS制作地球化学图单元素异常图及综合异常图;袁义生 等;《贵州地质》;20070301;第24卷(第2期);第156-160页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103176221A (zh) | 2013-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103176221B (zh) | 基于不同地质单元背景值与衬值的成矿异常特征识别方法 | |
| AU2019214077B2 (en) | Method for dividing ecological and geological environment types based on coal resource development | |
| US11037084B2 (en) | Method and apparatus for evaluating exploitation value of a geological resource | |
| Ardizzone et al. | Impact of mapping errors on the reliability of landslide hazard maps | |
| Jochem et al. | Identifying residential neighbourhood types from settlement points in a machine learning approach | |
| CN103824133B (zh) | 一种花岗岩型铀矿田远景区综合预测方法 | |
| CN107271998A (zh) | 一种集成D‑InSAR和GIS技术的地下非法采矿识别方法及系统 | |
| Hou et al. | Evaluating Ecological Vulnerability Using the GIS and Analytic Hierarchy Process (AHP) Method in Yan'an, China. | |
| CN111858803A (zh) | 一种滑坡地灾风险区划图生成方法 | |
| CN103345566B (zh) | 基于地质内涵的化探异常识别与评价方法 | |
| Barbieri et al. | The weight of evidence statistical method in landslide susceptibility mapping of the Rio Pardu Valley (Sardinia, Italy) | |
| Trevisani et al. | Surface texture analysis of a high-resolution DTM: Interpreting an alpine basin | |
| Song et al. | Potential of ensemble learning to improve tree-based classifiers for landslide susceptibility mapping | |
| Shaheen et al. | Data mining applications in hydrocarbon exploration | |
| CN113642849A (zh) | 考虑空间分布特征的地质灾害危险性综合评价方法及装置 | |
| CN113487123A (zh) | 高光谱监测与gis耦合山洪灾害动态风险评估方法 | |
| CN102576370B (zh) | 空隙度分析的系统和方法 | |
| CN110544286B (zh) | 一种大尺度范围的场地快速分类方法及构建场地分类图的装置 | |
| Ge et al. | A comparison of five methods in landslide susceptibility assessment: a case study from the 330-kV transmission line in Gansu Region, China | |
| Zhang et al. | Fingerprinting sediment sources in the water-wind erosion crisscross region on the Chinese Loess Plateau | |
| Amra et al. | Forecasting groundwater production and rain amounts using ARIMA-Hybrid ARIMA: Case study of Deir El-Balah City in GAZA | |
| Dai et al. | Ecological vulnerability assessment of a China's representative mining city based on hyperspectral remote sensing | |
| CN102913285A (zh) | 矿井顶板危险报警的方法 | |
| CN116658246A (zh) | 一种煤矿水害监测预警系统及方法 | |
| Machay et al. | Insights into large landslide mechanisms in tectonically active Agadir, Morocco: The significance of lithological, geomorphological, and soil characteristics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB02 | Change of applicant information |
Address after: 225500 No. 142 Xing Xing Road, Twin Star Village, Shengao Town, Jiangyan, Jiangsu Applicant after: Li Chunhua Address before: 100080 cubic court 2-706, 1 of the good fortune street, West Zhongguancun, Haidian District, Beijing. Applicant before: Li Chunhua |
|
| CB02 | Change of applicant information | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wu Jianhui Inventor after: Wu Song Inventor after: Lin Yibin Inventor after: Lin Decai Inventor after: Li Chunhua Inventor after: Chen Caixian Inventor after: Li Jianchang Inventor after: Zhang Yaming Inventor before: Li Chunhua |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220708 Address after: 850212 zizirong village, Jiama Township, Mozhugongka County, Lhasa City, Tibet Autonomous Region Patentee after: Tibet Julong Copper Co.,Ltd. Address before: No. 142, Xingbei Road, Shuangxing village, Shengao Town, Jiangyan City, Jiangsu Province, 225500 Patentee before: Li Chunhua |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220812 Address after: No. 142, Xing North Road, Shuangxing Village, Shengao Town, Jiangyan City, Taizhou City, Jiangsu Province 225500 Patentee after: Li Chunhua Address before: 850212 zizirong village, Jiama Township, Mozhugongka County, Lhasa City, Tibet Autonomous Region Patentee before: Tibet Julong Copper Co.,Ltd. |