CN106355011A - 一种地球化学数据元素序结构分析方法及装置 - Google Patents

Abstract

本发明提供了一种地球化学数据元素序结构分析方法及装置，涉及地球化学数据处理技术领域。方法包括：获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据；对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线(又称元素基因谱曲线)；根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。本发明的地球化学数据分析采用多元素的信息，考虑了多元素之间的关联和组合信息，可以将地质作用的成岩、成矿序列元素信息完整地挖掘，充分考虑了地球化学作用的系统性。

Description

一种地球化学数据元素序结构分析方法及装置

技术领域

本发明涉及地球化学数据处理技术领域，尤其涉及一种地球化学数据元素序结构分析方法及装置。

背景技术

当前，地球化学数据处理与分析(又称数据挖掘)的发展分两个层次，第一个层次就是最基本的单元素异常分析(可以称为量的地球化学)，通过统计单元素数据的均值加几倍标准方差来确定异常下限，而后画出单元素的异常等值线图。异常下限一般是基于单元素数据统计参数，再根据研究人员的经验确定出来，例如均值加上2.5倍标准方差。近年来，发展有采用分形技术确定异常下限。单元素等值线图也可以采用三维可视化表达。第二个层次是组合元素异常分析(称为关系的地球化学)是基于不同的成岩过程、不同的成矿过程的地质作用下，地球化学元素的组合会发生有规律的变化，由此，从事地球化学专业的研究人员总结出成岩地球化学元素序列、成矿地球化学元素序列，并以此为基础发展形成了成矿系列理论。由此表明，地球化学的单元素所包含的信息是有限的，在任何地质环境中，地球化学元素是以组合的方式来展示其空间的分布规律和成岩成矿的共生组合模式。所以，近年来，国内外的地球化学研究人员开始重视元素在空间上的分布和组合模式，把“量的地球化学”过渡到“关系的地球化学”，并成为一种新的发展趋势。

然而，目前地球化学数据单元素异常分析还是主流技术，占统治地位。单元素异常分析最大的问题是忽视了地质作用下元素之间的内在关系，没有把地球化学作用过程与作用结果视为地球化学系统行为。而组合元素异常分析当今尚处于辅助地位，关系地球化学的异常分析思路强调了地球化学元素之间的组合关系，但依然没有把地球化学作用视为地球化学系统考量。在地球化学数据处理分析上，只是利用一组元素数据的量值，而对这些组合元素的“关系”包含的关联值没有从根本上去予以挖掘与使用。使得采用数据处理的方法技术上非常有限，处理得到的结果缺少相应的深度与广度。可见，现有技术的地球化学数据分析的单元素的信息有限，且没有考虑多元素之间的关联和组合信息，难以将地质作用的成岩、成矿序列元素信息完整地挖掘，忽略了地球化学作用的系统性。

发明内容

本发明的实施例提供一种地球化学数据元素序结构分析方法及装置，以解决现有技术的地球化学数据分析的单元素的信息有限，且没有考虑多元素之间的关联和组合信息，难以将地质作用的成岩、成矿序列元素信息完整地挖掘，忽略了地球化学作用的系统性的问题。

为达到上述目的，本发明采用如下技术方案：

一种地球化学数据元素序结构分析方法，包括：

获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据；

对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线；

根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。

进一步的，该所述的地球化学数据元素序结构分析方法，还包括：

根据所述地球化学元素最佳序列曲线进行相似匹配识别，提取地质体的矿化异常信息；

根据所述地址化学元素最佳序列曲线进行模式识别分类，提取地质体的地质填图数据。

此外，在对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线之前，包括：

根据地球化学数据多元模式识别技术对所述统一量纲元素数据进行模式识别分类，以生成地质体分类图像。

此外，在生成地球化学元素最佳序列曲线之后，还包括：

根据所述地球化学元素最佳序列曲线进行地球化学数据模式识别精细分类。

具体的，根据所述地球化学元素最佳序列曲线进行地球化学数据模式识别精细分类，包括：

根据所述地球化学元素最佳序列曲线确定进行最优动态集群分类的分类数；

根据所述分类数对地质体进行最优动态集群分类；

根据所述地球化学元素最佳序列曲线进行相似性匹配识别，确定所述地球化学元素最佳序列曲线所述的地质体信息。

具体的，对所述元素测量值进行预处理，生成统一量纲元素数据，包括：

根据所述元素测量值进行自然对数变换或广义幂转换；

根据公式：

$z_i=\frac{y_i-y_{\min }}{y_{\max }-y_{min}}\×(d_{max}-d_{min})+d_{min},(i=1,2,\mathrm{3...},n);$

对自然对数变换或广义幂转换后的输出数据进行规格化处理，生成统一量纲元素数据；其中，z_i为规格化处理后的统一量纲元素数据；y_i为自然对数变换或广义幂转换后的输出数据；y_min为自然对数变换或广义幂转换后的输出数据的最小值；y_max为自然对数变换或广义幂转换后的输出数据的最大值；d_max为预先设定的规格化输出数据的最大值；d_min为预先设定的规格化输出数据的最小值。

具体的，根据所述元素测量值进行自然对数变换，包括：

根据公式y_i＝ln(x_i)，(i＝1,2,3...,n)进行自然对数变换；其中，x_i为元素测量值原始数据；y_i为经过自然对数变换后的输出数据；n为元素测量值数据样点个数；

根据所述元素测量值进行广义幂转换，包括：

根据公式进行广义幂转换；其中，x为元素测量值原始数据；λ为预设参数；Z为广义幂转换后的输出数据。

具体的，对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线，包括：

根据预先设置的元素分组规则将元素周期表中各元素进行分组，形成多个元素组；各元素组分别为：岩浆场上亚场、岩浆场下亚场、热液场、介质场和惰性气体场；

获取元素周期表中各元素的电负性、亲氧亲硫特性以及任意两个元素的相关系数；

根据所述多个元素组、各元素的电负性、亲氧亲硫特性以及任意两个元素的相关系数进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线。

具体的，所述任意两个元素的相关系数为r_ij：

$r_{ij}=\frac{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}(x_{ik}-m_i)(x_{jk}-m_j)}{\sqrt{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{(x_{ik}-m_i)}^2\·\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{(x_{jk}-m_j)}^2}},(i,j=1,2,...L);$

其中，r_ij表示第i，j两个元素的相关系数；L为统一量纲元素数据中的元素个数；x_ik为统一量纲元素数据中样点的元素矢量；m_i为统一量纲元素数据中样点的均值矢量；其中，r_ij构成相关矩阵R：

$R=\left[\begin{array}{c}{r}_{11},r_{12},\mathrm{...},r_{1L}\\ r_{21},r_{22},\mathrm{...},r_{2L}\\ \mathrm{.....................}\\ r_{L1},r_{L2},\mathrm{...},r_{LL}\end{array}\right].$

具体的，根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征，包括：

根据所述地球化学元素最佳序列曲线进行傅里叶技术分析、广义时间序列数据的系统辨识分析或自回归滑动平均混合模型分析，确定地质体的地球化学元素的序结构特征；

根据地质体的地球化学元素的序结构特征确定一组关联元素；

根据所述关联元素进行元素主成分分析，生成地质体主成分图像。

一种地球化学数据元素序结构分析装置，包括：

预处理单元，用于获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据；

地球化学元素最佳序列曲线生成单元，用于对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线；

地球化学元素的序结构特征确定单元，用于根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。

该地球化学数据元素序结构分析装置，还包括：

相似匹配识别单元，用于根据所述地球化学元素最佳序列曲线进行相似匹配识别，提取地质体的矿化异常信息；

第一模式识别分类单元，用于根据所述地址化学元素最佳序列曲线进行模式识别分类，提取地质体的地质填图数据。

进一步的，该地球化学数据元素序结构分析装置，还包括：

第二模式识别分类单元，用于根据地球化学数据多元模式识别技术对所述统一量纲元素数据进行模式识别分类，以生成地质体分类图像。

进一步的，该地球化学数据元素序结构分析装置，还包括：

精细分类单元，用于根据所述地球化学元素最佳序列曲线进行地球化学数据模式识别精细分类。

本发明实施例提供的一种地球化学数据元素序结构分析方法及装置，首先获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据；之后，对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线；进而，根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。本发明实施例的地球化学数据分析采用多元素的信息，考虑了多元素之间的关联和组合信息，可以将地质作用的成岩、成矿序列元素信息完整地挖掘，充分考虑了地球化学作用的系统性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种地球化学数据元素序结构分析方法的流程图一；

图2为本发明实施例提供的一种地球化学数据元素序结构分析方法的流程图二；

图3为本发明实施例中对数据预处理前后的元素序列曲线示意图；

图4为本发明实施例中的生物体进化崎岖适合度景貌图；

图5为本发明实施例中的元素分组示意图；

图6为本发明实施例中的基于相关系数矩阵获得的检测阈值示意图；

图7为本发明实施例中的由元素序结构曲线分析得到的元素序偶比值获得的信息挖掘图像示意图；

图8为本发明实施例中的基于矿化元素序列曲线采用相似匹配识别技术提取的矿化异常信息示意图；

图9为本发明实施例中的基于元素序列曲线的模式识别分类获取的地球化学地质填图结果示意图；

图10为本发明实施例中的赤峰北部地区地球化学水系沉积物测量数据分类图像示意图；

图11为本发明实施例中的矿化区类21个元素生成的R-型聚类谱系示意图；

图12为本发明实施例中的地球化学元素基因谱曲线与基本解读示意图；

图13为本发明实施例中的按其它方式排序的元素序列曲线示意图；

图14为本发明实施例中的最佳聚类核数分布趋势曲线示意图；

图15为本发明实施例中的湘南地区地球化学水系沉积物测量数据分两类的图像；

图16为本发明实施例中的湘南地区地球化学水系沉积物测量数据分三类的图像；

图17为本发明实施例中的湘南地区地球化学水系沉积物测量数据分四类的图像；

图18为本发明实施例中的湘南地区地球化学水系沉积物测量数据分八类的图像与地质图；

图19为本发明实施例中的矿化区带地球化学异常分带分析应用效果图；

图20为本发明实施例中的不同地质单元的元素序列曲线图；

图21为本发明实施例中的基于岩体元素序列曲线相似性匹配提取的岩体类信息示意图；

图22为本发明实施例中的基于三叠-二叠地层元素序列曲线相似性匹配提取的三叠-二叠地层类信息示意图；

图23为本发明实施例中的不同地质体单元的元素序结构分析—V,Ni,Cr三个元素相似度分析示意图；

图24为本发明实施例中的不同地质体单元的元素序结构分析—V,Ni,Cr三个元素回归偏度分析示意图；

图25为本发明实施例中的由元素序偶(Ni,Sr)比值增强的前泥盘地层、岩体与构造信息示意图；

图26为本发明实施例中的由元素序偶(Cu,Pb)比值增强的矿化区与岩体矿化分带信息示意图；

图27为本发明实施例提供的一种地球化学数据元素序结构分析装置的结构示意图一；

图28为本发明实施例提供的一种地球化学数据元素序结构分析装置的结构示意图二。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供一种地球化学数据元素序结构分析方法，包括：

步骤101、获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据。

步骤102、对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线。

该地球化学元素最佳序列曲线还可以称为元素基因谱曲线。

步骤103、根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。

本发明实施例提供的一种地球化学数据元素序结构分析方法，首先获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据；之后，对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线(即元素基因谱曲线)；进而，根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。本发明实施例的地球化学数据分析采用多元素的信息，考虑了多元素之间的关联和组合信息，可以将地质作用的成岩、成矿序列元素信息完整地挖掘，充分考虑了地球化学作用的系统性。

为了使本领域的技术人员更好的了解本发明，下面列举一个更为详细的实施例，如图2所示，本发明实施例提供一种地球化学数据元素序结构分析方法，包括：

步骤201、获取地质体的地球化学数据的元素测量值，根据所述元素测量值进行自然对数变换或广义幂转换。

此处，根据所述元素测量值进行自然对数变换，可以通过如下方式实现：

根据公式y_i＝ln(x_i)，(i＝1,2,3...,n)进行自然对数变换；其中，x_i为元素测量值原始数据；y_i为经过自然对数变换后的输出数据；n为元素测量值数据样点个数；

此处，根据所述元素测量值进行广义幂转换，可以通过如下方式实现：

根据公式进行广义幂转换；其中，x为元素测量值原始数据；λ为预设参数；Z为广义幂转换后的输出数据。

此处，该公式可以展开为一个等价指数级数，存在如下关系式：

(x^λ-1)/λ＝Ln(x)+[λ(Ln(x))²2！]+[λ²(Ln(x))³3！]+……

该关系式的特点是含有不同的λ值，例如λ＝-1为倒数，λ＝0为自然对数，λ＝0.5为平方根等等。由此可以设置不同的λ实现各种变换。

步骤202、根据公式：

$z_i=\frac{y_i-y_{\min }}{y_{\max }-y_{min}}\×(d_{max}-d_{min})+d_{min},(i=1,2,\mathrm{3...},n);$

对自然对数变换或广义幂转换后的输出数据进行规格化处理，生成统一量纲元素数据。

其中，z_i为规格化处理后的统一量纲元素数据；y_i为自然对数变换或广义幂转换后的输出数据；y_min为自然对数变换或广义幂转换后的输出数据的最小值；y_max为自然对数变换或广义幂转换后的输出数据的最大值；d_max为预先设定的规格化输出数据的最大值，例如可以取值100；d_min为预先设定的规格化输出数据的最小值，例如可以取值0。

此处，对自然对数变换或广义幂转换后的输出数据进行规格化处理数据对数据的预处理，而对数据的预处理方法还可以有很多，例如：

(1)基于均值、标准差的数据标准化，变换后每个变量的平均值为零，方差为1。

(2)基于最大值、最小值的数据正规化，变换后新数据在0～1之间。

(3)基于极大值规格化，变换后新数据在0～1之间。

(4)基于均值规格化，变换后新数据的均值为1。

(5)基于常规对数或自然对数的数据对数化。

对数据预处理前后的元素序列曲线如图3所示，通过预处理后，元素序列曲线区别较为明显。

之后的步骤203至步骤206需要确定地球化学元素最佳排序其基本原则是根据美国生物学家考夫曼(Kauffmann，Stuart)的崎岖适合度景貌NK模型的基本思路，然后由地球化学元素的含量值与元素之间的相关关系来求取元素之间的关联值，并结合地球化学元素的物化性质来实现元素的最佳排序。地球化学系统的元素之间是相互关联，它们之间属于多边的网络关系，可以看作是多顶点多边的网状无向图，元素最佳排序就是实现有网状无向图转变成单向的链状结构图。

最佳排序的基本思路为：宏观上采用数理统计方法从地球化学元素的量与元素之间的关系去捕捉地质、地球化学作用内外因素留下的综合信息；微观上应用元素的物理化学性质去加以识别与分析。地球化学系统是复杂系统，必须借助一些复杂系统理论的思路来辨识地球化学系统。对于上述的崎岖适合度景貌NK模型，考夫曼提出了生物进化存在一个崎岖适合度景貌，如图4所示，其认为适合度的景貌崎岖性—峰和谷的数量，以及它们的高度和间隔都是由生物体的内组织决定的，即取决于内因。考夫曼的NK模型将生物体抽象成为一个具有N个部分的组合系统。每一部分都对表型态的适合度有贡献，这种贡献直接取决于与其他K个部分的关联度。大小N和其他K部分的关联度共同提供了生物体复杂性量度。N，K对的一个特定值，决定于不同表型态的适合度“景貌”。活的生物体被表示为适合度景貌中的一簇点。点的运动受突变和选择驱动(外因)，但同时受到适合度峰和谷(内因)的限制，这个模型的适合度景貌崎岖性代表了物种的进化。

如图4所示，这个生物体进化崎岖适合度景貌图类似于本发明的地球化学系统的元素序列曲线，NK模型描述的生物体进化类同于地球化学系统在地质作用下元素的迁移与分异规律。地球化学系统有N个元素组成，每个元素都对“崎岖适合度景貌”表型态的适合度有贡献，而这种贡献会受到其他K个元素关联度的影响。N个元素和其他K个元素的关联度共同提供了生物体复杂性量度。N，K对的一个特定值，决定于不同表型态的适合度“景貌”。某个元素被表示为适合度景貌中的一簇点。元素含量高低(点的运动)受地质地球化学作用下的迁移和分异驱动(外因)，但同时受到适合度峰和谷，即元素物理化学性质(内因)的限制。整个过程与适合度景貌代表了地球化学系统的演化。

步骤203、根据地球化学数据多元模式识别技术对所述统一量纲元素数据进行模式识别分类，以生成地质体分类图像。

步骤204、根据预先设置的元素分组规则将元素周期表中各元素进行分组，形成多个元素组。

其中，该各元素组分别为：岩浆场上亚场、岩浆场下亚场、热液场、介质场和惰性气体场。

如图5所示，基于地球化学思想可以把物理化学性质相似的元素分成一组。依据“元素地球化学场”，以展开式元素周期表为基础，把元素划分为岩浆场、热液场、介质场和惰性气体场。其中，岩浆场位于周期表的左中部，包括了查瓦里次基分类中的造岩元素、铁族和稀有稀土元素族中的所有元素，以及岩浆射气元素族中的B。这部分元素主要参与硅酸盐矿物的结晶，从而富集于岩浆体内，因此称岩浆场元素。岩浆场又分为上亚场和下亚场，下亚场包括铁族元素和Mg、Ca、Sr；上亚场包括IA族的Li至Cs和Be、Ba、Si、B，以及查瓦里次基的稀有、稀土元素族。热液场位于周期表的下方，以W为界，右上方的元素亲硫性强，左下方的元素亲氧性强。介质场位于周期表的右上方，包括H、C、N、O、P和VⅡA族的元素。惰性气体场位于周期表的右边，本场组元素一般不参与化学过程。根据上述元素地球化学分类，可以把元素集合中的元素分到相应的场组中去，构成元素排序的基本框架。

步骤205、获取元素周期表中各元素的电负性、亲氧亲硫特性以及任意两个元素的相关系数。

此处，该任意两个元素的相关系数为r_ij：

$r_{ij}=\frac{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}(x_{ik}-m_i)(x_{jk}-m_j)}{\sqrt{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{(x_{ik}-m_i)}^2\·\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{(x_{jk}-m_j)}^2}},(i,j=1,2,...L);$

其中，r_ij表示第i，j两个元素的相关系数；L为统一量纲元素数据中的元素个数；x_ik为统一量纲元素数据中样点的元素矢量；m_i为统一量纲元素数据中样点的均值矢量；其中，r_ij构成相关矩阵R：

$R=\left[\begin{array}{c}{r}_{11},r_{12},\mathrm{...},r_{1L}\\ r_{21},r_{22},\mathrm{...},r_{2L}\\ \mathrm{.....................}\\ r_{L1},r_{L2},\mathrm{...},r_{LL}\end{array}\right].$

步骤206、根据所述多个元素组、各元素的电负性、亲氧亲硫特性以及任意两个元素的相关系数进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线。

对于该地球化学元素最佳序列曲线(即元素基因谱曲线)，有如下说明：例如将“时间序列”这一学科的一些概念予以引申，广义地称一组有序的随机数据为序列数据，可以把地球化学测量数据按元素某种顺序排列的一组数据称为地球化学序列数据。这样，一个地质体样品的地球化学元素测量数据，当按元素排列的话就成为{x1，x2，x3，……，xm}一组序列数据，n个样品就有n组这样的序列数据。其中xi为排列在第i个位置顺序的元素测量值，m为地球化学元素个数。当把排序后的元素作为横坐标，样品含量(或某种标准化处理后的数值)作为纵坐标，然后把一些样品序列数据绘制成曲线，就会得到地球化学元素序列曲线图。这个序列曲线图与微量元素蛛网图是相似的。一般情况下，利用元素序列数据绘制出来的曲线称为元素序列曲线，而经过合适的数据标准化预处理，且经过最佳元素排序后得到的元素序列曲线，称之为元素序列标谱曲线，又称元素基因谱曲线，即相当于此处的地球化学元素最佳序列曲线。

此处，构建元素序列标谱曲线(相当于地球化学元素最佳序列曲线)有两个主要目标，第一，是为了更好地实现地球化学数据的不同地质单元的最佳分类，以及成矿异常信息(尤其是弱异常信息)的有效识别与提取；第二，是为了更好地凸显出地球化学数据的物理化学意义，准确地解释每类信息单元的地质意义或成矿信息。

对于上述步骤206，(1)其元素排序总原则为地球元素化学行为特征、元素含量值与元素统计相关性三者和谐统一，要求元素序列曲线渐变有序，起伏有形。(2)、根据元素电负性分界：按亲氧与亲硫把元素分别排放在左侧区与右侧区，具体以电负性1.8为分界点，电负性大于等于1.8排在左区，小于1.8的元素排在右区。其中，主要造岩元素Si(电负性1.8)必须排在右区。(3)、亲氧亲硫元素分组分区：在(1)、(2)的条件下，把元素组按左、中、右三个区段排放。①把相关性最高的元素组(一般为铁族元素)排在右区段。②其它元素组按亲氧亲硫排放如下：中区段右侧排放亲氧元素组，最邻近铁族元素排的是主要造岩元素组{Mg、Ca、Na、Al、Si、K}，再自右向左分别排的元素组是放射性元素{U、Th、Ra、Rn}，稀有稀土元素{Li、Be、Rb、Cs、Nb、Ta、Zr、Hf、Sc、Y，REE}。③中区段左侧排放亲硫元素，自右向左分别排放钨钼族元素{W、Sn、Mo、Bi}，亲铜成矿元素{Cu、Pb、Zn、Ag、As、Sb，Hg}，铂族元素{Au}。④非金属元素{B、C、F、Cl、Br、I}排在左区段。上述元素，组之间与组内元素的最终排序还要取决统计相关性。分散元素根据其统计相关性排到亲氧(亲硫)最相关元素的邻近位置。(4)、元素分类为主、统计相关为辅原则：也称元素不能跨组排列原则。指元素排序要按地球化学元素分类的组排列，一般情况下不能跨组排列，即同组的元素顺序可以变化，但一般不能排到其它组中去，即使的确需要调整也只能在大组内调整。(5)、基序组元素紧邻：统计相关系数大于检测阈值(由相关矩阵系数10％频数统计得到，大多为0.50以上，如图6所示)的两个以上元素组称为基序组。基序组元素在排序中必须保证它们紧邻在一起。非基序组元素为了满足曲线形态可以调整到小组(或大组)内合适的位置。

步骤207、根据所述地球化学元素最佳序列曲线确定进行最优动态集群分类的分类数。

步骤208、根据所述分类数对地质体进行最优动态集群分类。

步骤209、根据所述地球化学元素最佳序列曲线进行相似性匹配识别，确定所述地球化学元素最佳序列曲线所述的地质体信息。

步骤210、根据所述地球化学元素最佳序列曲线进行傅里叶技术分析、广义时间序列数据的系统辨识分析或自回归滑动平均混合模型分析，确定地质体的地球化学元素的序结构特征。

此处，任何一组相关的数据元素(变量)都可能存在一定的序结构特征，例如，遥感高光谱波段数据、地球化学元素数据等都是这样的序列数据。序结构分析就是分析其序结构特征。通过序结构特征可以检测出元素序偶，即一个为富集另一个为亏损的两个元素(如图7中，Pb与Sn属于元素序偶，这里Pb为“富集”，Sn相对为“亏损”)。应用元素序偶可以做元素比值求得某种地球化学特征信息的地球化学图像。或者，通过序结构特征可以检测出一组关联元素，由它们进行元素主成分分析，生成某种地球化学意义的主成分图像。等等。另外，本发明还可以通过序列数据的傅立叶技术分析，广义时间序列数据的系统辨识和自回归滑动平均混合模型(ARMA(n,m))建模等确定地质体的地球化学元素的序结构特征。

步骤211、根据地质体的地球化学元素的序结构特征确定一组关联元素。

步骤212、根据所述关联元素进行元素主成分分析，生成地质体主成分图像。

步骤213、根据所述地球化学元素最佳序列曲线进行相似匹配识别，提取地质体的矿化异常信息。

此处，所提取的地址体的矿化异常信息可以如图8所示，其分别为样点矿化序列曲线和粉红色区域的相似匹配提取的矿化信息。

步骤214、根据所述地址化学元素最佳序列曲线进行模式识别分类，提取地质体的地质填图数据。

此处，如图9所示，记录了湘南地球化学序列结构特征构造地球化学图，即相当于进行模式识别分类，提取地质体的地质填图数据。

本发明实施例提供的一种地球化学数据元素序结构分析方法，首先获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据；之后，对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线(即元素基因谱曲线)；进而，根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。本发明实施例的地球化学数据分析采用多元素的信息，考虑了多元素之间的关联和组合信息，可以将地质作用的成岩、成矿序列元素信息完整地挖掘，充分考虑了地球化学作用的系统性。

为了使本领域的技术人员更好的了解本发明，下面列举一个应用上述步骤201至步骤214的具体实例，并结合附图以解释本发明的技术效果。

本发明以内蒙古赤峰北部地区和湖南湘南地区的地球化学水系沉积物测量数据(分散流数据)为实例来阐述本发明的具体实施方法。

内蒙古赤峰北部地区为1:20万地球化学水系沉积物测量数据，共采样14128个样点，39种分析元素(Ag、As、Au、B、Ba、Be、Bi、Cd、Co、Cr、Cu、F、Hg、La、Li、Mn、Mo、Nb、Ni、P、Pb、Sb、Sn、Sr、Th、Ti、U、V、W、Y、Zn、Zr、Al₂O₃、CaO、Fe₂O₃、K₂O、MgO、Na₂O、SiO₂)。

湖南湘南地区地球化学水系沉积物测量数据为1:5万比例尺，共采样18599个点，21种分析元素(Zn、Pb、Ag、Cu、As、Sb、Mn、Au、Sn、F、Cr、V、Ni、Ti、Co、Ba、Sr、Hg、Bi、Mo、W)。

在下面的描述中1～3小节的内容主要以赤峰北部地区的地球化学数据为例，因为该地区1:20万比例尺的数据具有39种分析元素，作为地球化学最佳排序的例子更具有代表性。之后的内容应用我国南方湘南地区的1:5万的地球化学数据由于图幅面积小点，作为实例更利于描述和表达。

1、地球化学数据的预处理：

地球化学元素序列是按照元素测量值的大小与关系排序的，所以各元素的数据量值大小必须具有可比性。所以，地球化学元素的“量纲统一”很重要，在地球化学元素排序之前必须对每个元素数据进行预处理。具体的预处理的方法参见上述关于数据预处理部分的描述，此处不再赘述。

2、地球化学数据模式识别分类：

地球化学数据预处理后可以对其进行模式识别分类，以便后续进行地球化学元素最佳排序。图10是赤峰北部地区地球化学水系沉积物测量数据经模式识别技术分类成四类的分类图像，叠加有地质简图。这个图也属于地球化学地质(成矿)单元分区图，与地质岩性单元具有很好的对应性。其中类1主要为晚侏罗系富钠酸性火山沉积岩；类2二叠系海相火山沉积岩系(铜多金属矿分布区)；类3主要为第三纪与部分晚侏罗系基性火山沉积岩；类4主要为燕山期富钾岩浆岩与部分晚侏罗系富钾酸性火山沉积岩。

3、地球化学元素最佳排序：

地球化学元素最佳排序是针对某类地质体(或地质单元)。下面我们基于图10中的四类单元分区的39元素之间的关系进行地球化学元素最佳排序。如图11所示39个元素R-型聚类系谱图(赤峰地区1：20万数据)。

依据崎岖适合度景貌NK模型的思想，我们能够实现地球化学系统元素的最佳排序。对上述四类单元分区的39种元素的排序作为实例叙述元素最佳排序的基本方法与步骤：

①采用工作区14128个样点数据进行数理统计分析,包括计算相关系数矩阵，R型聚类分析和模糊聚类等。图11给出了工作区39个元素得到的R-型聚类谱系图。

②基于元素地球化学分类的框架，结合元素数理统计分析结果、元素酸碱软硬度的键参数标度值和元素的离子半径等进行耦合分析，并依据前面给出的地球化学元素排序原则对39个元素进行排序：

(a)以元素地球化学场分类为框架，元素子类从右向左排列顺序分别是岩浆下亚场、岩浆上亚场、热液场、介质场(矿化剂)。除少数几个元素根据其他地球化学元素分类原则作了调整(如B由岩浆下亚场调至介质场)外，各个场之间的元素只能在场内变动，不能跨场排列。

(b)按岩浆岩由超基性—基性—中性—酸性演化方向，在岩浆场范围从右至左先依次定位排列Mg、Ca、Al和Si四个主量元素；按成矿元素与Si的相关性大小在热液场范围从右至左依次排列Sn、Pb、Cu和Zn四个主要成矿元素。也可根据R型聚类谱系图选择更多的成岩与成矿种子元素。

(c)各个场的其他元素，先根据其所在场组排列，再按相关性初步归类到上述种子元素的某个元素子集上去。

(d)然后按元素子集(指两个以上元素)的相关性从右至左排列：高相关时，亲氧与亲硫元素按离子半径由小到大排列；中相关时，亲氧元素按离子半径由大到小排列，亲硫元素则按离子半径由小到大排列；低相关时，亲氧元素按离子半径由小到大排列，亲硫元素按离子半径由大到小排列。这里的高、中、低相关系数阈值首先由统计参数确定(根据相关矩阵的统计直方图，如图6，此处相关阈值选0.515)，无法确定的元素关系则由地球化学参数来判别(主要根据酸碱软硬度的键参数标度值)。

③以X轴为元素序列，Y轴为元素的相对含量值(即元素预处理后统一量纲的值)绘制出元素序列曲线，即元素序列标谱曲线(元素基因谱曲线)，见图12的曲线图。

图12是工作区14128个样点水系沉积物测量数据由模式识别技术分成4个大类(每类代表不同的地质(成矿)单元)时(见图10)，对39种元素进行最佳排序得到的元素序列标谱曲线(元素基因谱曲线)与基本地质意义解释。很明显，图12的元素序列标谱曲线起伏有形，变化有序，共生组合元素邻近，成岩、成矿元素各自成区，曲线蕴含着明确的地质意义。横轴上的不同元素分区对应着不同的地球化学含义：从成岩成矿上而言，可分成成矿区(Au至Th)、成岩区(SiO₂至CaO)与成岩成矿区(Mn至Co)；基于元素地球化学场可分为介质场、热液场、岩浆场-上亚场和岩浆场-下亚场；岩浆场由右至左，从超基性(基性)向中酸性岩浆岩元素过渡；成矿区的成矿元素由右向左从高温向中低温过渡，具体元素分带为：ThU-SnW-AgBiPb-Cu-SbAs-MoZn(Cd)-HgAu；与超基性(基性)岩有关的元素一般在高中温成矿；稀有和稀土元素成矿在花岗岩体或花岗伟晶岩体内，主要成矿于高温阶段。作为对比，图13给出相同地区数据按其它方式排序得到的元素序列曲线图(按元素第一字母顺序排序，或者按元素原子序数排序)。显然，非最佳排序的元素序列曲线都是杂乱无序的。

4、元素排序后地球化学数据模式识别精细分类:

排序的元素序列曲线称之元素序列标谱曲线(又称为元素基因谱曲线)。元素最佳排序后会提高分类的精度。

1)最优动态集群分析(分类)

排序的多元素地球化学数据属于高维点阵空间，高维空间数据点阵里存在多个聚类核，我们设计了高维空间聚类核最佳逼近逼近的算法，在检测这些聚类核时得到如图14的聚类核数趋势分布曲线，这条曲线能够指导我们分多少类为最佳。从图14可以发现，2类、3类、6类和8或9类是几个显著的最佳分类节点。

具体的图15为湘南地区地球化学水系沉积物测量数据分两类的图像(品红色为矿化区，绿色为非矿的背景区)。矿化区与非矿的背景区得到很好的分类，边界非常清晰，所有矿化地段都被分在矿化区单元内。

如图16所示，为湘南地区地球化学水系沉积物测量数据分三类的图像，其中品红色为矿化区，绿色为岩体与老地层，黄色为新地层)，比较图15发现，图16中的非矿的背景区被分成两类，绿色为岩体与老地层，黄色为新地层，而矿化区单元类几乎没有变。

如图17所示，其为湘南地区地球化学水系沉积物测量数据分四类的图像(品红色-矿化区，绿色-老地层，黄色-新地层，红色-岩体)。这里，图16的绿色类(老地层)又被分成两类，一类为老地层(绿色)，一类为岩体类(红色)。其他类未变化，即黄色为新地层单元类，品红色为矿化区单元类。

如图18所示，其为湘南地区地球化学水系沉积物测量数据分八类的图像与地质图(图18中上图为该地区地质图，下图为分类图像)，与地质图对比发现，这些类与地质图上的地层、岩体与矿田有很多的对应关系，分类结果非常好。

从图15至图18可见，其一，分类结果很稳健，每类的边界清晰；其二，从粗分类到细分类各类之间具有层次性；其三，分类的结果与实际的地质图对应性很好，表明分类的效果很好，在地球化学地质填图方面很有优势。

图19是对湘南地区矿集区的矿化区和岩体区的精细分类，得到矿化区带的异常分带，不同的矿化组合获得了很好的区分，效果理想。

2)元素标准序列曲线相似性配匹识别

不同的地质体单元其元素序列曲线是不同的，参见图20所示，分别为矿化区的元素序列曲线、岩体元素序列曲线、三叠—二叠地层元素序列曲线以及前泥盘地层元素序列曲线。

基于地质体样品点的元素序列曲线就能进行相似配匹识别相应的地质体信息。图21是基于岩体元素序列曲线相似性匹配提取的岩体类信息，其中，品红色为所提取的岩体类信息。此处可以发现，与岩体最相似的是前泥盘的老地层信息，因为红色信息类与品红色信息类最接近，表明它们的相似度最高，这从图20的元素序列曲线中可以得到验证。

图22是基于三叠-二叠地层元素序列曲线相似性匹配提取的三叠-二叠地层类信息，其中，品红色为所提取的三叠-二叠地层类信息。这里很明显，所以地层类相似度比较高，它们颜色接近，而岩体与矿化区同地层类信息相差较大，这与实际情况是非常吻合的，表明它们之间的元素序列曲线差异较大。

5、地球化学数据元素序结构分析

地球化学元素序结构分析技术一个重要手段就是对不同地质体的地球化学系统进行元素序结构特征分析。不同地质体的地球化学系统具有不同的地球化学元素序结构，通过检测它们的元素序结构特征来辨识这些系统。

如图23所示，其是Vi,Ni,Cr三个元素在矿化区、岩体、三叠-二叠地层和前泥盘地层四个不同地质体单元的元素相似度分析结果，属于一种元素序结构分析技术。很明显，四个不同地质体的表现出元素序结构特征差异是很大的。

如图24所示，其是Vi,Ni,Cr三个元素在矿化区、岩体、三叠-二叠地层和前泥盘地层四个不同地质体单元的元素回归偏度分析结果，也是属于一种元素序结构分析技术。很明显，四个不同地质体的表现出回归偏度特征差异是很大的。

从图23和图24这些元素序结构特征分析中，可以选择出一些元素序偶来做比值增强某些地球化学信息。例如，图25所示，其是由元素序偶(Ni,Sr)比值增强的前泥盘地层、岩体与构造信息，如图26所示其是由元素序偶(Cu,Pb)比值增强的矿化区与岩体矿化分带信息。可见，不同元素序偶比值运算会获得不同地球化学信息增强图像。

对应于图1和图2所示的方法实施例，如图27所示，本发明实施例提供一种地球化学数据元素序结构分析装置，包括：

预处理单元301，用于获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据。

地球化学元素最佳序列曲线生成单元302，用于对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线。

地球化学元素的序结构特征确定单元303，用于根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。

进一步的，如图28所示，该地球化学数据元素序结构分析装置，还包括：

相似匹配识别单元304，用于根据所述地球化学元素最佳序列曲线进行相似匹配识别，提取地质体的矿化异常信息。

第一模式识别分类单元305，用于根据所述地址化学元素最佳序列曲线进行模式识别分类，提取地质体的地质填图数据。

进一步的，如图28所示，该地球化学数据元素序结构分析装置，还包括：

第二模式识别分类单元306，用于根据地球化学数据多元模式识别技术对所述统一量纲元素数据进行模式识别分类，以生成地质体分类图像。

进一步的，如图28所示，该地球化学数据元素序结构分析装置，还包括：

精细分类单元307，用于根据所述地球化学元素最佳序列曲线进行地球化学数据模式识别精细分类。

值得说明的是，本发明实施例提供的一种地球化学数据元素序结构分析装置的具体实现方式可以参见上述图1和图2对应的方法实施例，此处不再赘述。

本发明实施例提供的一种地球化学数据元素序结构分析装置，首先是装置可以获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据；之后，对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线(即元素基因谱曲线)；进而，根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。本发明实施例的地球化学数据分析采用多元素的信息，考虑了多元素之间的关联和组合信息，可以将地质作用的成岩、成矿序列元素信息完整地挖掘，充分考虑了地球化学作用的系统性。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种地球化学数据元素序结构分析方法，其特征在于，包括：

获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据；

对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线；

根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。

2.根据权利要求1所述的地球化学数据元素序结构分析方法，其特征在于，还包括：

根据所述地球化学元素最佳序列曲线进行相似匹配识别，提取地质体的矿化异常信息；

根据所述地址化学元素最佳序列曲线进行模式识别分类，提取地质体的地质填图数据。

3.根据权利要求2所述的地球化学数据元素序结构分析方法，其特征在于，在对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线之前，包括：

根据地球化学数据多元模式识别技术对所述统一量纲元素数据进行模式识别分类，以生成地质体分类图像。

4.根据权利要求3所述的地球化学数据元素序结构分析方法，其特征在于，在生成地球化学元素最佳序列曲线之后，还包括：

根据所述地球化学元素最佳序列曲线进行地球化学数据模式识别精细分类。

5.根据权利要求4所述的地球化学数据元素序结构分析方法，其特征在于，根据所述地球化学元素最佳序列曲线进行地球化学数据模式识别精细分类，包括：

根据所述地球化学元素最佳序列曲线确定进行最优动态集群分类的分类数；

根据所述分类数对地质体进行最优动态集群分类；

根据所述地球化学元素最佳序列曲线进行相似性匹配识别，确定所述地球化学元素最佳序列曲线所述的地质体信息。

6.根据权利要求5所述的地球化学数据元素序结构分析方法，其特征在于，对所述元素测量值进行预处理，生成统一量纲元素数据，包括：

根据所述元素测量值进行自然对数变换或广义幂转换；

根据公式：

$z_i=\frac{y_i-y_{min}}{y_{\max }-y_{min}}\×(d_{max}-d_{min})+d_{min},(i=1,2,3...,n);$

对自然对数变换或广义幂转换后的输出数据进行规格化处理，生成统一量纲元素数据；其中，z_i为规格化处理后的统一量纲元素数据；yi为自然对数变换或广义幂转换后的输出数据；y_min为自然对数变换或广义幂转换后的输出数据的最小值；y_max为自然对数变换或广义幂转换后的输出数据的最大值；d_max为预先设定的规格化输出数据的最大值；d_min为预先设定的规格化输出数据的最小值。

7.根据权利要求6所述的地球化学数据元素序结构分析方法，其特征在于，根据所述元素测量值进行自然对数变换，包括：

根据公式y_i＝ln(x_i)，(i＝1,2,3...,n)进行自然对数变换；其中，x_i为元素测量值原始数据；y_i为经过自然对数变换后的输出数据；n为元素测量值数据样点个数；

根据所述元素测量值进行广义幂转换，包括：

根据公式进行广义幂转换；其中，x为元素测量值原始数据；λ为预设参数；Z为广义幂转换后的输出数据。

8.根据权利要求7所述的地球化学数据元素序结构分析方法，其特征在于，对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线，包括：

根据预先设置的元素分组规则将元素周期表中各元素进行分组，形成多个元素组；各元素组分别为：岩浆场上亚场、岩浆场下亚场、热液场、介质场和惰性气体场；

获取元素周期表中各元素的电负性、亲氧亲硫特性以及任意两个元素的相关系数；

根据所述多个元素组、各元素的电负性、亲氧亲硫特性以及任意两个元素的相关系数进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线。

9.根据权利要求8所述的地球化学数据元素序结构分析方法，其特征在于，所述任意两个元素的相关系数为r_ij：

$r_{ij}=\frac{\underset{k=1}{\overset{L}{\Σ}}(x_{ik}-m_i)(x_{jk}-m_j)}{\sqrt{\underset{k=1}{\overset{L}{\Σ}}{(x_{ik}-m_i)}^2\·\underset{k=1}{\overset{L}{\Σ}}{(x_{jk}-m_j)}^2}},(i,j=1,2,...L);$

其中，r_ij表示第i，j两个元素的相关系数；L为统一量纲元素数据中的元素个数；x_ik为统一量纲元素数据中样点的元素矢量；m_i为统一量纲元素数据中样点的均值矢量；其中，r_ij构成相关矩阵R：

$R=\left[\begin{array}{c}{r}_{11},r_{12},...,r_{1L}\\ r_{21},r_{22},...,r_{2L}\\ ..................\mathrm{..}\\ r_{L1},r_{L2},...,r_{LL}\end{array}\right].$

10.根据权利要求9所述的地球化学数据元素序结构分析方法，其特征在于，根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征，包括：

根据所述地球化学元素最佳序列曲线进行傅里叶技术分析、广义时间序列数据的系统辨识分析或自回归滑动平均混合模型分析，确定地质体的地球化学元素的序结构特征；

根据地质体的地球化学元素的序结构特征确定一组关联元素；

根据所述关联元素进行元素主成分分析，生成地质体主成分图像。

11.一种地球化学数据元素序结构分析装置，其特征在于，包括：

预处理单元，用于获取地质体的地球化学数据的元素测量值，并对所述元素测量值进行预处理，生成统一量纲元素数据；

地球化学元素最佳序列曲线生成单元，用于对所述统一量纲元素数据以一第一预设规则进行地球化学元素最佳排序，生成地球化学元素最佳序列曲线；

地球化学元素的序结构特征确定单元，用于根据所述地球化学元素最佳序列曲线，确定地质体的地球化学元素的序结构特征。

12.根据权利要求11所述的地球化学数据元素序结构分析装置，其特征在于，还包括：

相似匹配识别单元，用于根据所述地球化学元素最佳序列曲线进行相似匹配识别，提取地质体的矿化异常信息；

第一模式识别分类单元，用于根据所述地址化学元素最佳序列曲线进行模式识别分类，提取地质体的地质填图数据。

13.根据权利要求12所述的地球化学数据元素序结构分析装置，其特征在于，还包括：

第二模式识别分类单元，用于根据地球化学数据多元模式识别技术对所述统一量纲元素数据进行模式识别分类，以生成地质体分类图像。

14.根据权利要求13所述的地球化学数据元素序结构分析装置，其特征在于，还包括：

精细分类单元，用于根据所述地球化学元素最佳序列曲线进行地球化学数据模式识别精细分类。