CN111625575A - 基于地质变异度的化探异常提取和评价方法 - Google Patents
基于地质变异度的化探异常提取和评价方法 Download PDFInfo
- Publication number
- CN111625575A CN111625575A CN202010326194.XA CN202010326194A CN111625575A CN 111625575 A CN111625575 A CN 111625575A CN 202010326194 A CN202010326194 A CN 202010326194A CN 111625575 A CN111625575 A CN 111625575A
- Authority
- CN
- China
- Prior art keywords
- geochemical
- sampling point
- anomaly
- geological
- evaluation
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了基于地质变异度的化探异常提取评价方法。本发明包括如下步骤:S1:采集各采样点的元素含量,对采样点对应元素的数据信息进行统计分析,对各元素的成矿潜力做出初步评价;S2:在GIS软件中生成地球化学实际采样点位图,并统计分析采样点之间的平均距离r;创建半径为R的滤波窗口,统计窗口域内所有采样点的对数标准离差,并将统计值赋予中心采样点;S3:利用传统统计方法计算异常下限;S4:以异常下限的1倍、1.5倍、2倍等分别作为异常的外、中、内带,完成地球化学变异度图;S5:结合成矿地质条件,开展异常评价。本发明提高了矿产勘查评价的准确性和效率性,降低了地质找矿的成本和风险,丰富和发展了勘查地球化学信息处理技术。
Description
技术领域
本发明涉及矿产勘查技术领域,尤其涉及一种基于地质变异度的化探异常提取评价方法。
背景技术
化探异常被誉为矿产勘查评价中的矿化“微露头”和“探针”,在实战找矿方面具有地球物理等其它方法无可比拟的直接性和有效性。随着大数据时代的到来,海量勘查地球化学数据的处理技术研究已然成为当前矿产勘查评价领域的热点。此外,新世纪以来找矿勘查成本不断升高与找矿新发现不断减少的窘迫现状,也促使了地质学家不断探索新的、更为有效的化探异常提取和评价方法,进而服务矿产资源国家重大需求。化探数据获取具有“三多两广”的特点,即为目标介质多、方法种类多、元素组合多;应用空间广、应用范围广。然而,如何从海量数据中提取和评价隐藏的找矿异常信息,是勘查地球化学运用的关键技术,更直接关系到矿产勘查的成败。在化探异常提取和评价方面,目前主要有两大类型:①传统统计学方法及其不断优化改进;②新兴数学理论的尝试运用。
化探异常提取的核心内容就是要研究和确定异常下限值,亦即化探数据值高于或者低于背景值的属于地球化学异常。传统方法中使用较为广泛的还是计算法,其基本流程是:首先要对化探数据的正态性进行验证,验证其是否满足正态分布或者对数正态分布的前提。若数据满足,则采用公式(S为异常下限,X为数据平均值,Ad为数据标准差),但要根据实际情况对K值进行调整,一般取值1-3。若数据不满足前体条件,则需要对原始数据进行二次处理,采用对最高值和最低值的反复迭代处理,直至数据满足正态性分布,然后再采用上述公式进行异常下限计算。不难看出,传统计算法的核心思路即为对原始数据的不断加工处理,未考虑任何数据特征和结构与成矿的联系。传统计算法得出异常下限后,再采用人工或者计算机的办法圈定每种元素的异常图,进而叠加套合成元素组合异常图和综合异常图。这些图件便是勘查地球化学最终形成的成果图件。对于异常的评价,也是根据异常的面积、极大值、强度、衬值、规模等来加以综合排序。在行业的发展中,该方法也产生了多种变种,如窗口移动平均法、低通滤波方法、趋势面法、谱分析方法等(曹殿华等,2008;李随民等,2007;史长义等,1999;田红俊,2015)。但不管怎样,这些方法均是基于元素含量或者化合物浓度值进行“高值数据”的统计识别,并无本质性的差别。其目的便是圈定一些“高大全”异常为找矿勘查提供依据。在传统异常圈定方法的长期应用中,地质工作者发现同一地区不同地质体元素背景值往往是不一样的,有时甚至还是数量级的差别,采用同一异常下限进行异常圈定经常会出现一些假异常或者找矿意义不明确的异常,也会造成一些真正与成矿有关的低缓异常被人为的漏圈或者屏蔽。
伴随着计算机技术和现代数理统计学的发展,地质工作者也引进了一些新的化探数据提取和评价方法,如多重分形方法、证据权法等。分形是指局部与总体具有某种相似性的形状,或者是在不同尺度上看起来基本相似的形状,即具有自相似性。基于分形理论,成秋明(2001)提出了局部奇异性理论。奇异性所度量的是场值随量度范围大小的变化规律。比如对一块均匀的岩石样品而言,元素在岩石中的平均含量与岩石样品的大小是相对独立的,不论样品大小如何,所分析的平均含量是基本相同的。这样的情况是非奇异的或正常的。然而,岩石中元素含量是不均匀的,那么所分析的元素含量将会与被分析样品大小有关,不同大小的样品会给出不同的平均分析值。这样的性质称为奇异性。从多重分形的角度来说,多次活动的地质过程往往产生自相似场。自相似性是指在改变度量尺度的条件下保持相似性。实际过程当中,一般是通过找出观测尺度与观测量的幂级数关系,即公式A(r)=C*r-D,公式中C为常数,D为分维数,r为观测尺度, A(r)为r观测尺度对应的观测量。证据权法是是加拿大数学地质学家 Agterberg提出的一种地质学统计方法,它采用贝叶斯统计分析模式,通过对一些与矿产形成相关的地质学信息的叠加复合分析。其基本原理是将每一种致矿因素(证据图层)都用二态变量来表示,用1表示证据存在,0表示不存在,然后检验不同证据两两之间的条件独立性,并且每一种证据都计算一对权系数,最后将证据图层进行统计综合。这些新兴的方法采用最大限度利用各种地质数据并且对其定量化,方法复杂且主观性强,有些方法则未考虑数据结构变化与成矿的内在联系,地质意义不明晰,在行业实际应用中尚不如传统类型的方法直接、广泛,主要在高校和科研院所使用。
此外,除了部分新兴的化探异常识别和评价方法有数据处理软件外(但是十分专业,应用不广),如“金属矿产资源评价分析系统”(MORPAS)、“地学数据处理专家辅助系统”(GEEMS)、“矿产资源潜力评价系统” (GeoDAS)等,现有化探数据处理通常首先在Excel或者SPSS软件中进行数据特征统计,然后计算异常下限,再利用Surfer对数据进行网格化插值处理,最后再到MapGIS中成图;或者直接在MapGIS中进行插值然后成图,但MapGIS存在插值方法少得的问题,一般还是采用第一种方法的多。现有化探数据处理方法存在以下缺陷:(1)未考虑不同地质单元或者子区具有不同的地球化学场背景,所采用的全区按照统一异常下限来圈定异常的方法,容易造成高地球化学场背景中假异常或者意义不明确异常的圈定,以及低地球化学背景场内真正矿致“低缓”异常的漏圈,给化探异常评价和实际找矿勘查工作带来误导。(2)对原数数据直接进行网格插值(如普通反距离滑动平均方法、克里格方法等),然后根据网格化以后的数据开展异常图编制和异常评价。网格化插值的过程中不可避免的会对原始数据造成一定的光滑,这种方法对于储量计算或者参数估计等是有效的,但是对于异常的识别和分析来说,局部变化信息的压制或者剔除往往会造成有用找矿信息的丢失。(3)无论是传统方法还是新兴方法,都存在每个采样点测试了几十种元素,需要同时编制几十张异常图,工作量大。最终的组合异常和综合异常图也是选取其中多种元素异常图的叠合,即是只考虑主成矿元素,往往也要编制数张异常图,给读图和分析异常带来了诸多不便,也容易造成异常评价的不准确性。
地质变异度是矿床成矿作用相关的所有要素在时-空上所表现出的异常变化特征,可用地质-地球化学-地球物理异常在四维空间内的局部变化性质和变化程度来表示。长期勘查实践表明元素含量的突变或强烈变化的地段,往往是成矿最为有利的部位。这种由成矿内涵引起的地球化学场变化,既是在矿床受到风化剥蚀后依然会被保留下来。因此,基于地质变异度的地球化学记录,是衡量一个地区或一个地质体是否成矿的关键所在。
发明内容
本发明的目的在于,针对现有技术的上述不足,提出一种快速有效的基于地质变异度的化探异常提取评价方法。
本发明的基于地质变异度的化探异常提取评价方法,包括如下步骤:
S1:采集各采样点的元素含量,对采样点对应元素的数据信息进行统计分析,对各元素的成矿潜力做出初步评价;
S2:在GIS软件中生成地球化学实际采样点位图,并统计分析采样点之间的平均距离r;创建半径为R的滤波窗口,统计窗口域内所有采样点的对数标准离差,并将统计值赋予中心采样点,据此按照半径为R的滤波窗口完成所有采样点的对数标准离差的赋值与统计;其中对数标准离差Xi为各采样点的矿元素数量,为
S3:利用传统统计方法计算异常下限,其方法是建立在采样点的赋值符合正态分布基础上的,对于采样点的赋值不符合正态分布或对数正态分布的情况,一般采用或迭代剔除离群点数值,直至所有数据全部分布在间,形成背景数据,也即采样点的赋值符合或近似正态分布或对数正态分布,求出背景值和标准差计算异常下限其中S为异常下限,为背景值,即为背景数据的平均值,Ad为采样点的赋值的标准离差,k=1~3;
S4:基于GIS软件生成Grd数据文件,网格间距设置为平均采样点距 r的一半,最大搜索半径设置为(10~20)*r;按照对应比例尺地球化学测量规范,以异常下限的1倍、1.5倍、2倍等分别作为异常的外、中、内带,完成各个元素的地球化学变异度图和/或具有特定找矿意义的组合元素的地球化学综合变异度图和/或全部元素的地球化学综合变异度图;
S5:结合成矿地质条件,开展异常评价。
优选的,步骤2中滤波窗口R为平均采样点距r的2-10倍。
优选的,步骤S1中对采样点对应元素的数据信息进行统计分析,得各元素的样品数量、最大值、最小值、均值、标准差、变异系数、峰度和偏度;
优选的,S1中的进一步分析采用相关分析、聚类分析或因子分析。
本发明利用标准离差可以有效地提取一维或者二维地球化学测量数据的离散程度异常信息,并在多个地区已取得了明显的找矿效果,该方法挖掘化探数据结构与成矿过程的内在关系,用标准离差代替传统的基于元素含量的化探异常表达形式;以化探原始数据为基础,是以查明元素含量离散度为主要的核心思想,并在很大程度上能有效地压制高背景异常,凸显低背景区或者高背景区中的低缓异常,在最大限度保留原始异常信息的基础上,能有效凸显被传统方法屏蔽掉的低背景内的低缓弱小矿致异常,提高了矿产勘查评价的准确性和效率性,降低了地质找矿的成本和风险,丰富和发展了勘查地球化学信息处理技术。
附图说明
图1为本发明的基于地质变异度的化探异常提取评价方法的流程图;
图2为本发明的步骤S2中采样点的赋值方式和统计示意图;
图3为义敦地区地质矿产略图(a)及夏塞银铅锌矿床地质图(b);
图4a为针对单个主成矿元素(Zn)传统方法与本发明化探异常提取效果对比图;
图4b与地球化学剖面对应的地质剖面图;
图5a针对主成矿元素组合(Zn+Pb+Ag)传统方法化探异常提取效果图;
图5b本发明化探异常提取效果图;
图5c为与地球化学剖面对应的地质剖面图;
图6青海省多彩地区地质矿产图;
图7a针对单个主成矿元素(Zn)传统方法化探异常提取效果图;
图7b本发明化探异常提取效果图;
图8a针对主成矿元素组合(Cu+Pb+Zn)传统方法化探异常提取效果图;
图8b本发明化探异常提取效果图。
具体实施方式
以下是本发明的具体实施例并结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
本次分别选取了四川夏塞银铅锌矿床与青海多彩铜铅锌矿集区为例,介绍本发明的具体实施方案和应用效果。
实施例1:四川夏塞银铅锌矿床—一维土壤地球化学剖面测量
夏塞银铅锌多金属矿床位于三江成矿带中北段的夏塞-连龙锡多金属矿集区内,其构造位置隶属于义敦弧后(弧间)冲断带,西邻金沙江蛇绿混杂岩带,东接义敦岛弧主弧褶断带。矿区内出露地层主要为三叠系图姆沟组第一段,为一套浅海-滨浅海相碎屑沉积岩,根据该地层岩性特征、岩石组合、空间分布及相互关系,可细分为5个岩性亚段:第一亚段以中-厚层状长石石英变砂岩为主;第二亚段由薄-中厚层状中粒石英变砂岩、绢云板岩、炭质板岩组成;第三亚段主要岩性为凝灰质长石石英变砂岩夹凝灰质板岩、绢云板岩及硅质岩、硅质板岩透镜体;第四亚段以长石石英变砂岩为主夹绿泥绢云板岩;第五亚段由长石石英变砂岩夹少量绢云板岩组成。矿区内发育NNW、NW和NE向3组断裂构造,其中NNW向断裂为主要控矿构造。NW和NE向断裂均为成矿后断裂,切割铅锌矿脉。区内出露似斑状黑云母二长花岗岩体,位于矿区南部的夏塞隆沟,并呈岩枝形式侵入图姆沟地层中(图3)。
矿区内已圈定有9条银铅锌矿脉,在空间上可构成2组相互平行展布的含矿带,自NE至SW依次为Ⅰ号和Ⅱ号矿化带。Ⅰ号由①和(14)号矿脉组成,Ⅱ号主要由②、④、⑤、⑥、⑦、⑧、(18)号矿脉组成。矿化带间距为700m±,各矿化带均由多条矿脉组成,间距50~100m,从而在平面上构成矿脉条数多、规模不等、成群成带集中展布的格局(图3)。所有银铅锌矿脉形态、规模、产状均受NNW向断裂构造控制。矿脉总体走向NNW,局部走向近SN,多数矿脉倾向SWW,倾角一般为50°~70°,有时局部变陡,出现直立甚至反倾。矿脉沿走向和倾向方向均呈舒缓波状产出,仅在局部地段被后期破矿构造切断。矿脉连续性差,呈脉状、透镜状沿断裂带断续分布。
本实例基于夏塞银铅锌多金属矿床内P8线土壤地球化学测量剖面数据 (图3),分别以主成矿元素Zn和主成矿元素组合Zn+Pb+Ag为对象,阐述本发明在一维尺度化探异常提取和评价的实施流程和效果。
如图3所示,矿床(点)名称:1—连龙;2—措莫隆;3—亥隆;4—砂西;5—夏隆;6—脚根玛;7—热朗泽;8—贡觉隆;9—查青隆
①主成矿元素Zn
如图1所示,首先对Zn元素进行数据统计分析,并查明元素的平均值、标准离差、变异度、最大值、最小值及峰度与偏度等信息(详见表1),结果显示Zn元素具有较大极差值与变异系数,且元素含量最高值可达8250 ppm以上,表明Zn元素具有局部富集成矿的可能性较大,这与实际地质情况完全吻合。
表1夏赛矿区P8土壤地球化学测量剖面数据特征表
统计指标 | Zn |
样品数量 | 171 |
最小值 | 55.13 |
最大值 | 8250.00 |
平均值 | 290.74 |
标准差 | 787.48 |
变异系数 | 2.71 |
偏度 | 8.25 |
峰度 | 74.14 |
如图2所示,在GIS软件中制作Zn元素的实际采样点位图,并统计分析各个采样点之间的平均距离RZn=20m,本次选取半径R=2*RZn=40m的圆形窗口作为滑动统计窗口。运用本申请开发的“地球化学场离散度识别致矿异常软件CMST V1.0”,并以每个采样点为中心,统计窗口域内所有采样点Zn元素含量的对数标准离差值,并将该统计值赋予中心采样点,注意,剖面测量数据需要按照设定窗口大小进行拓边处理,本次为满足第一个点与最后一个点均能得到一个对数标准离差值,需要按照20m点距向剖面两端各向外延伸两个点(即半径40m),拓边数据点的Zn元素取值分别与第一个点与最后一个点相同。
计算Zn元素对数标准离差的异常下限为0.12(方法同前述传统化探数据处理,但这里基于的数据为CMST V1.0导出的对数标准差),再利用excel (grapher)软件绘制Zn元素地球化学剖面变异度折线图,在此基础上,按照相应地球化学规范,完成主成矿元素Zn的地质-地球化学变异度的折线图(图4a中标1的折线)。
对比可以看出,传统化探异常提取方法不考虑不同地球化学场背景(上三叠统图姆沟组一段在本剖面存在3个亚段),即化探数据结构与成矿过程的内在关系,仅仅根据元素含量制作的地球化学剖面图中F1和F14含矿构造带异常显示弱,很容易造成对该矿致低缓异常的“忽视”(图4a中标2 的折线)。相反,根据地球化学变异度编制的地球化学异常剖面图,即以元素含量离散程度为核心,考虑了成矿的内在地质过程意义,既保留了F6、 F7和F2含矿构造带的异常,同时凸显了F1和F14的低缓矿致异常(图4 中位于上面的折线),对一维尺度找矿勘查具有很好的示范效果。
②主成矿元素组合Zn+Pb+Ag
每种元素的对数标准差计算方法同上述Zn元素,运用本申请开发的“地球化学场离散度识别致矿异常软件CMST V1.0”计算。每个采样点的主成矿元素组合Zn+Pb+Ag变异度值则采用累加方法,即采样点Geo_sample_i元素组合变异度=Zn元素变异度+Pb元素变异度+Ag元素变异度。然后根据传统化探数据处理方法计算元素组合变异度异常下限为0.16(基于的数据为 CMST V1.0导出的对数标准差),Zn+Pb+Ag三元素组合的地质-地球化学变异度异常的折线图制作方法和参数设置同上述Zn元素(图5b)。
对比可以看出,传统地球化学剖面异常图需要分别对多个元素进行剖面制作,工作较为封锁,且在异常评价的时候需要对每个元素进行分析,给预测找矿带来了诸多不便(图5a)。更为重要的是,传统方法未考虑不同的地球化学场背景,即化探数据结构与成矿过程的内在关系,从图5a可以看出Zn元素与Pb和Ag出现了明显解耦分布,给含矿构造带或者矿体分布判断带来了一定的难度和不确定性,但成矿地质事实表明铅锌银为共生关系。基于地质变异度编制的主成矿元素组合变异度折线(图5b),在保留原始异常信息的基础上,有效凸显了低背景场内的矿致异常,同时对高背景区的矿致异常进行了细分,起到了精细限定矿体位置的作用。
实施例2:青海多彩地区—二维水洗沉积物地球化学扫面测量
该区位于西南三江巨型多金属成矿带北段,是近年来新发现的铜多金属矿产资源基地(图6)。大地构造位置位于甘孜—理塘缝合带(查涌蛇绿混杂岩)南侧,北羌塘地块北缘。区内地层出露有中元古代宁多岩群、中- 晚三叠世巴颜喀拉山群、晚三叠世结扎群和巴塘群以及新生代地层。巴塘群火山灰岩组与结扎群甲丕拉组地层是区内主要的赋矿地层。
区内岩浆活动强烈且时间跨度大,自印支期至喜山期均有活动,以印支期为主,按其产出相可分为侵入岩、喷出岩及脉岩,岩石组成类型复杂,从基性岩到酸性岩均有出露,以中酸性岩为主。侵入岩体皆为中-酸性岩体,为中深成相侵入体,喷出活动主要为海相裂隙喷发岩,呈层状,主要为酸性-中性-基性熔岩与火山碎屑岩,在空间上属于西金乌兰-玉树与巴颜喀拉等两条岩浆构造带的组成部分。
本区自晚古生代至新生代均有强烈的构造活动,断裂构造和褶皱构造发育。其中可可西里-金沙江(F1)和玉树-乌兰乌拉湖(F2)等NW向断裂为区内主干断裂,对区内地层、岩浆活动、后期的变质改造及强烈的多金属成矿作用都有明显的控制作用,在空间上与北西向、近东西向、北东向等次级断裂以及褶皱等共同构成区内基本构造轮廓。
区内大-中-小型(多)金属矿床星罗棋布,主要成矿类型为海相火山岩型铜、铅、锌矿床、VMS型铜多金属矿床、低温热液型铅锌多金属矿床和沉积变质-热液叠加改造有关的磁铁矿矿床,主要矿床成矿特征见表2。
表2青海省多彩地区主要矿床类型表
本实例基于多彩地区1:5万水系沉积物地球化学测量数据,分别以主成矿元素Zn和主成矿元素组合Cu+Pb+Zn为对象,阐述本发明在二维尺度化探异常提取和评价的实施流程和效果。
①主成矿元素Zn
如图1所示,首先对Zn元素进行数据统计分析,并查明元素的平均值、标准离差、变异度、最大值、最小值及峰度与偏度等信息(详见表3),结果显示Zn元素具有较大极差值与变异系数,且元素含量最高值可达 4000ppm以上,表明Zn元素具有局部富集成矿的可能性较大。
表3青海省多彩地区1:5万水系沉积物地球化学测量Zn元素特征表
统计指标 | Zn |
样品数量 | 23891 |
最小值 | 5.1 |
最大值 | 4409.3 |
平均值 | 64.2 |
标准差 | 73.5 |
变异系数 | 1.14 |
偏度 | 29.69 |
峰度 | 1354.73 |
如图2所示,在GIS软件中制作Zn元素的实际采样点位图,并统计分析各个采样点之间的平均距离RZn=240m,本次选取半径R=5*RZn=1200m 的圆形窗口作为滑动统计窗口。运用本申请开发的“地球化学场离散度识别致矿异常软件CMST V1.0”,并以每个采样点为中心,统计窗口域内所有采样点Zn元素含量的对数标准离差值,并将该统计值赋予中心采样点。
计算Zn元素对数标准离差的异常下限为0.16(方法同前述传统化探数据处理,但这里基于的数据为CMST V1.0导出的对数标准差),并以异常下限的1倍、1.5倍、2倍等分别作为异常的外、中、内带,再利用GIS(Surfer) 软件绘制Zn元素地球化学变异度图,网格间距设置为平均采样点距的一半 (120m),搜索方式为4分圆,搜索最大数据个数为64,单个扇区最大数据个数为16,所有扇区最小个数为8个,空白扇区对于2个则白化该节点,根据上述参数设置生成Zn元素变异度的Grd数据文件,在此基础上,按照 1:5万地球化学规范,在Mapgis中完成Zn元素地球化学变异度的异常图(图 7b)。
对比可以看出,传统化探异常提取方法是全区统一取异常下限(Zn=110 ppm),未考虑研究区弧前盆地、火山弧、弧后盆地和北羌塘地块的不同地球化学场背景,即化探数据结构与成矿过程的内在关系,导致了查涌地区、龙墨沟-多日茸和多彩地玛-米扎那能三个带异常显示弱(低地球化学背景场区域),与实际矿床的分布情况解耦(图7a)。此外,传统方法也会在高背景场内圈出假异常或者意义不明确的异常,如当江东异常区。基于地质变异度的化探异常提取和评价方法(图7b),以具有成矿过程内涵的元素含量离散程度为核心,凸显了低地球化学背景场区域的异常并保留了原有高背景场内的异常(尕龙格玛-征毛涌带),并新发现了查涌和撒纳龙洼铜多金属矿床,实现了找矿突破,查涌新探获铜铅锌资源量21.49万吨,钼 0.67万吨,撒拉龙洼新探获铜铅锌资源量22.27万吨(谭俊等,2015)。
②主成矿元素组合Cu+Pb+Zn
每种元素的对数标准差计算方法同上述Zn元素,运用本申请开发的“地球化学场离散度识别致矿异常软件CMST V1.0”计算。每个采样点的主成矿元素组合Cu+Pb+Zn变异度值则采用累加方法,即采样点Geo_sample_i元素组合变异度=Cu元素变异度+Pb元素变异度+Zn元素变异度。然后根据传统化探数据处理方法计算元素组合变异度下限为0.48(基于的数据为CMST V1.0导出的对数标准差),Cu+Pb+Zn元素组合变异度异常图制作方法和参数设置同上述Zn元素。
对比可以看出,传统化探组合或者综合异常提取方法采用的多个单元素异常叠加,需要制作多个单元素异常,工作量大且组合或者综合异常读图和分析不方便,容易造成异常评价的不准确性(图8a)。二是未考虑化探数据结构与成矿过程的内在关系,存在压制低背景场内矿致化探异常的问题(查涌地区、龙墨沟-多日茸和多彩地玛-米扎那能),同时在高背景场内圈出了些假异常,如当江东和撒纳龙洼南东。基于地质变异度所圈定的主成矿元素组合异常分布总体与已知矿床点对应关系良好(图8b),在最大限度保留原始异常信息的基础上,有效凸显被传统方法屏蔽掉的低背景内的低缓弱小矿致异常(多彩地玛、米扎那能等),为实际矿产勘查评价提供了重要信息和可靠依据。
以上未涉及之处,适用于现有技术。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围,本发明所属技术领域的技术人员可以对所描述的具体实施例来做出各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的方向或者超越所附权利要求书所定义的范围。本领域的技术人员应该理解,凡是依据本发明的技术实质对以上实施方式所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围。
Claims (4)
1.基于地质变异度的化探异常提取评价方法,其特征在于:包括如下步骤:
S1:采集各采样点的元素含量,对采样点对应元素的数据信息进行统计分析,对各元素的成矿潜力做出初步评价;
S2:在GIS软件中生成地球化学实际采样点位图,并统计分析采样点之间的平均距离r;
S3:以每个所述采样点为中心,创建半径为R的滤波窗口,统计窗口域内所有采样点的对数标准离差,并将统计值赋予中心采样点,据此按照半径为R的滤波窗口完成所有采样点的对数标准离差的赋值与统计;其中对数标准离差Xi为各采样点的矿元素数量,为
S4:利用传统统计方法计算异常下限,其方法是建立在采样点的赋值符合正态分布基础上的,对于采样点的赋值不符合正态分布或对数正态分布的情况,一般采用或迭代剔除离群点数值,直至所有数据全部分布在间,形成背景数据,也即采样点的赋值符合或近似正态分布或对数正态分布,求出背景值和标准差计算异常下限其中S为异常下限,为背景值,即为背景数据的平均值,Ad为采样点的赋值的标准离差,k=1~3;
S5:基于GIS软件生成Grd数据文件,网格间距设置为平均采样点距r的一半,最大搜索半径设置为(10~20)*r;按照对应比例尺地球化学测量规范,以异常下限的1倍、1.5倍、2倍等分别作为异常的外、中、内带,完成各个元素的地球化学变异度图和/或具有特定找矿意义的组合元素的地球化学综合变异度图和/或全部元素的地球化学综合变异度图;
S6:结合成矿地质条件,开展异常评价。
2.如权利要求1所述的基于地质变异度的化探异常提取评价方法,其特征在于:S3中滤波窗口R为平均采样点距r的2~10倍。
3.如权利要求1所述的基于地质变异度的化探异常提取评价方法,其特征在于:步骤S1中对所述采样点对应元素的数据信息进行统计分析,得各元素的样品数量、最大值、最小值、均值、标准差、变异系数、峰度和偏度。
4.如权利要求1所述的基于地质变异度的化探异常提取评价方法,其特征在于:S1中的进一步分析采用相关分析、聚类分析或因子分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010326194.XA CN111625575A (zh) | 2020-04-23 | 2020-04-23 | 基于地质变异度的化探异常提取和评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010326194.XA CN111625575A (zh) | 2020-04-23 | 2020-04-23 | 基于地质变异度的化探异常提取和评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111625575A true CN111625575A (zh) | 2020-09-04 |
Family
ID=72260973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010326194.XA Pending CN111625575A (zh) | 2020-04-23 | 2020-04-23 | 基于地质变异度的化探异常提取和评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111625575A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380308A (zh) * | 2020-11-17 | 2021-02-19 | 中国地质科学院矿产资源研究所 | 一种基于数据正则化的地球化学异常圈定方法及系统 |
CN112730319A (zh) * | 2020-12-25 | 2021-04-30 | 北京领主科技有限公司 | 便携式光谱仪 |
CN113478056A (zh) * | 2021-06-30 | 2021-10-08 | 武汉理工大学 | 一种新的电弧焊接的实时弧压跟踪方法 |
CN113570149A (zh) * | 2021-08-03 | 2021-10-29 | 中国科学院地理科学与资源研究所 | 一种居民居住地距离矿区的安全距离确定方法及系统 |
CN113946950A (zh) * | 2021-10-12 | 2022-01-18 | 青海省第三地质勘查院 | 一种快速圈定金矿找矿靶区的方法 |
CN117609848A (zh) * | 2023-09-19 | 2024-02-27 | 昆明理工大学 | 基于深度学习矿产资源分类预测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120221303A1 (en) * | 2011-02-24 | 2012-08-30 | Schlumberger Technology Corporation | System and Method For Performing Reservoir Simulation Using Preconditioning |
CN103345566A (zh) * | 2013-02-26 | 2013-10-09 | 郑有业 | 基于地质内涵的化探异常识别与评价方法 |
CN107807221A (zh) * | 2017-09-22 | 2018-03-16 | 中国石油天然气集团公司 | 一种地球化学普查实验室样品分析的异常点抽查检查方法 |
CN109273059A (zh) * | 2018-10-15 | 2019-01-25 | 成都理工大学 | 一种区域地球化学数据校正方法 |
CN109885635A (zh) * | 2019-02-14 | 2019-06-14 | 腾讯科技(深圳)有限公司 | 地图关联方法、装置、存储介质及计算机设备 |
CN110782101A (zh) * | 2019-12-11 | 2020-02-11 | 山东省煤田地质规划勘察研究院 | 一种基于多元地学信息叠加识别的矿产预测方法 |
-
2020
- 2020-04-23 CN CN202010326194.XA patent/CN111625575A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120221303A1 (en) * | 2011-02-24 | 2012-08-30 | Schlumberger Technology Corporation | System and Method For Performing Reservoir Simulation Using Preconditioning |
CN103345566A (zh) * | 2013-02-26 | 2013-10-09 | 郑有业 | 基于地质内涵的化探异常识别与评价方法 |
CN107807221A (zh) * | 2017-09-22 | 2018-03-16 | 中国石油天然气集团公司 | 一种地球化学普查实验室样品分析的异常点抽查检查方法 |
CN109273059A (zh) * | 2018-10-15 | 2019-01-25 | 成都理工大学 | 一种区域地球化学数据校正方法 |
CN109885635A (zh) * | 2019-02-14 | 2019-06-14 | 腾讯科技(深圳)有限公司 | 地图关联方法、装置、存储介质及计算机设备 |
CN110782101A (zh) * | 2019-12-11 | 2020-02-11 | 山东省煤田地质规划勘察研究院 | 一种基于多元地学信息叠加识别的矿产预测方法 |
Non-Patent Citations (2)
Title |
---|
王治华 等: "多种区域化探数据处理方法及异常提取效果对比研究-以青海小河坝地区水系沉积物测量为例", 《矿产勘查》 * |
石文杰 等: "基于滑动窗口对数标准离差法的地球化学异常识别", 《地质科技情报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380308A (zh) * | 2020-11-17 | 2021-02-19 | 中国地质科学院矿产资源研究所 | 一种基于数据正则化的地球化学异常圈定方法及系统 |
CN112730319A (zh) * | 2020-12-25 | 2021-04-30 | 北京领主科技有限公司 | 便携式光谱仪 |
CN113478056A (zh) * | 2021-06-30 | 2021-10-08 | 武汉理工大学 | 一种新的电弧焊接的实时弧压跟踪方法 |
CN113478056B (zh) * | 2021-06-30 | 2022-11-04 | 武汉理工大学 | 一种新的电弧焊接的实时弧压跟踪方法 |
CN113570149A (zh) * | 2021-08-03 | 2021-10-29 | 中国科学院地理科学与资源研究所 | 一种居民居住地距离矿区的安全距离确定方法及系统 |
CN113570149B (zh) * | 2021-08-03 | 2024-02-27 | 中国科学院地理科学与资源研究所 | 一种居民居住地距离矿区的安全距离确定方法及系统 |
CN113946950A (zh) * | 2021-10-12 | 2022-01-18 | 青海省第三地质勘查院 | 一种快速圈定金矿找矿靶区的方法 |
CN117609848A (zh) * | 2023-09-19 | 2024-02-27 | 昆明理工大学 | 基于深度学习矿产资源分类预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111625575A (zh) | 基于地质变异度的化探异常提取和评价方法 | |
CN109270589B (zh) | 一种砂岩型铀矿有利成矿岩相带的定位方法 | |
CN105675635B (zh) | 致密岩石组分相对含量及脆性指数确定方法和装置 | |
CN109613612A (zh) | 一种碳酸盐岩颗粒滩精细刻画与预测方法 | |
CN104537375B (zh) | 一种基于卫星遥感数据的褐铁矿化信息提取方法 | |
CN107748399B (zh) | 利用重力界面反演识别山前带深部构造层方法 | |
CN105510993A (zh) | 前陆盆地深埋挤压型复杂膏盐岩层识别和分布预测方法 | |
CN111239815B (zh) | 基于三维地震属性的砂岩型铀储层成矿沉积要素提取方法 | |
Naseer | Seismic attributes and reservoir simulation’application to image the shallow-marine reservoirs of Middle-Eocene carbonates, SW Pakistan | |
CN110231652B (zh) | 一种基于密度的含噪声应用空间聚类的地震相提取方法 | |
CN107356965B (zh) | 基于加权叠加噪音压制策略的反射系数反演储层预测方法 | |
Luthi et al. | Application of borehole images to three-dimensional geometric modeling of eolian sandstone reservoirs, Permian Rotliegende, North Sea | |
CN109425900A (zh) | 一种地震储层预测方法 | |
CN105842733A (zh) | 页岩储层地震识别方法 | |
CN111487691B (zh) | 一种致密砂岩储层岩性及砂体结构定量识别方法 | |
CN114609675A (zh) | 基于高频旋回对碳酸盐岩地层沉积微地貌的定量恢复方法 | |
CN115857047B (zh) | 一种地震储层综合预测方法 | |
CN114114396B (zh) | 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 | |
CN103278852B (zh) | 利用地震数据体波形结构特征模型预测油气的方法 | |
CN110795513B (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
Wu et al. | Combination of seismic attributes using clustering and neural networks to identify environments with sandstone-type uranium mineralization | |
Kahoul et al. | IDENTIFYING FAULT SYSTEM AND BASEMENT DEPTH USING AEROMAGNETIC DATA BENEATH THE JAHAMAH PLATFORM, NE SIRT BASIN, LIBYA. | |
CN113279748A (zh) | 一种计算机垂向地下空间分带含铀层识别方法 | |
Wang et al. | Interpretation of gravity data for fault distribution near the Mongolia–Hinggan metallogenic belt in the eastern China-Mongolia frontier area | |
Al-Zaidy et al. | Petrophysical evaluation and reservoir characterization of the Zubair formation in the Luhais and Rachi oil fields, southern Iraq |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |