CN114813903A - 一种基于石榴石微区化学成分判别矿种的方法 - Google Patents
一种基于石榴石微区化学成分判别矿种的方法 Download PDFInfo
- Publication number
- CN114813903A CN114813903A CN202210323242.9A CN202210323242A CN114813903A CN 114813903 A CN114813903 A CN 114813903A CN 202210323242 A CN202210323242 A CN 202210323242A CN 114813903 A CN114813903 A CN 114813903A
- Authority
- CN
- China
- Prior art keywords
- ore
- garnet
- type
- element content
- trace element
- 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.)
- Granted
Links
- 239000002223 garnet Substances 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000000126 substance Substances 0.000 title claims abstract description 17
- 239000011573 trace mineral Substances 0.000 claims abstract description 85
- 235000013619 trace mineral Nutrition 0.000 claims abstract description 85
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 34
- 235000010755 mineral Nutrition 0.000 claims abstract description 34
- 239000011707 mineral Substances 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000013145 classification model Methods 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 13
- 239000000203 mixture Substances 0.000 claims description 13
- 238000000095 laser ablation inductively coupled plasma mass spectrometry Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000010249 in-situ analysis Methods 0.000 claims description 10
- 229910052761 rare earth metal Inorganic materials 0.000 claims description 8
- 238000000227 grinding Methods 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical compound [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 4
- 230000009897 systematic effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 241000894007 species Species 0.000 description 28
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 229910052692 Dysprosium Inorganic materials 0.000 description 4
- 229910052691 Erbium Inorganic materials 0.000 description 4
- 229910052693 Europium Inorganic materials 0.000 description 4
- 229910052688 Gadolinium Inorganic materials 0.000 description 4
- 229910052689 Holmium Inorganic materials 0.000 description 4
- 229910052779 Neodymium Inorganic materials 0.000 description 4
- 229910052777 Praseodymium Inorganic materials 0.000 description 4
- 229910052772 Samarium Inorganic materials 0.000 description 4
- 229910052771 Terbium Inorganic materials 0.000 description 4
- 229910052775 Thulium Inorganic materials 0.000 description 4
- 229910052770 Uranium Inorganic materials 0.000 description 4
- 229910052769 Ytterbium Inorganic materials 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 229910052742 iron Inorganic materials 0.000 description 4
- 229910052746 lanthanum Inorganic materials 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 229910052684 Cerium Inorganic materials 0.000 description 3
- 229910052765 Lutetium Inorganic materials 0.000 description 3
- 229910020218 Pb—Zn Inorganic materials 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229910052735 hafnium Inorganic materials 0.000 description 3
- 238000000608 laser ablation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 229910052727 yttrium Inorganic materials 0.000 description 3
- 229910052726 zirconium Inorganic materials 0.000 description 3
- 230000033558 biomineral tissue development Effects 0.000 description 2
- WUUZKBJEUBFVMV-UHFFFAOYSA-N copper molybdenum Chemical compound [Cu].[Mo] WUUZKBJEUBFVMV-UHFFFAOYSA-N 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- JQJCSZOEVBFDKO-UHFFFAOYSA-N lead zinc Chemical compound [Zn].[Pb] JQJCSZOEVBFDKO-UHFFFAOYSA-N 0.000 description 2
- 238000001819 mass spectrum Methods 0.000 description 2
- 230000001089 mineralizing effect Effects 0.000 description 2
- MGRWKWACZDFZJT-UHFFFAOYSA-N molybdenum tungsten Chemical compound [Mo].[W] MGRWKWACZDFZJT-UHFFFAOYSA-N 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000317410 Arisaema dracontium Species 0.000 description 1
- 235000002239 Dracunculus vulgaris Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000918 plasma mass spectrometry Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21C—MINING OR QUARRYING
- E21C41/00—Methods of underground or surface mining; Layouts therefor
- E21C41/16—Methods of underground mining; Layouts therefor
- E21C41/22—Methods of underground mining; Layouts therefor for ores, e.g. mining placers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
- G01N27/626—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode using heat to ionise a gas
- G01N27/628—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode using heat to ionise a gas and a beam of energy, e.g. laser enhanced ionisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/389—Precious stones; Pearls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/02—Details
- H01J49/04—Arrangements for introducing or extracting samples to be analysed, e.g. vacuum locks; Arrangements for external adjustment of electron- or ion-optical components
- H01J49/0459—Arrangements for introducing or extracting samples to be analysed, e.g. vacuum locks; Arrangements for external adjustment of electron- or ion-optical components for solid samples
- H01J49/0463—Desorption by laser or particle beam, followed by ionisation as a separate step
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/02—Details
- H01J49/10—Ion sources; Ion guns
- H01J49/105—Ion sources; Ion guns using high-frequency excitation, e.g. microwave excitation, Inductively Coupled Plasma [ICP]
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Electrochemistry (AREA)
- Environmental & Geological Engineering (AREA)
- Remote Sensing (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供一种基于石榴石微区化学成分判别矿种的方法,获取训练样本数据,利用系统聚类分析对微量元素含量进行筛选作为确定矿种类型的模型因子;利用典则判别分析确定矿种类型与微量元素含量的典则判别函数,筛选出最佳的典则判别函数组合建立监督分类模型;利用监督分类模型确定待勘查矿床的矿种类型。本发明提出的技术方案的有益效果是:利用矽卡岩型矿床中石榴石的成分判断潜在矿种的方法,提出了快速判别矿种类型的石榴石微量元素定量指标和公式,能够大大提升矿种类型快速判别和靶区预测的准确性,克服了矿产勘查初期传统的矿种类型判别方法效率低、周期长、成本高的难点。
Description
技术领域
本发明涉及矿产勘查技术领域,尤其涉及一种基于石榴石微区化学成 分判别矿种的方法。
背景技术
随着矿产勘查工作程度的提高,新的矿床的发现变得越来越困难,亟 待开展新的找矿技术方法指导找矿突破,其中重要任务之一是如何快速判 别出潜在的矿种类型。随着矿物微区分析技术的发展,利用矿物微区成分 来识别潜在矿种是成矿预测的重要方向。
矽卡岩型矿床包括矽卡岩型铅锌矿、钨钼矿、铜钼矿及矽卡岩型铁矿 等不同的类型,如果在勘查初期快速判断找矿种类是地质学家面临的重要 科技难题。传统方法确定找矿种类主要依靠大比例的填图和系统的采样分 析等综合研究,即通过预查-普查-详查等过程,最终计算不同矿种的资源量, 进而准确确定该矿床的主要矿种。
但上述方法在工作程度较低时存在较大的不确定性,在矽卡岩型多金 属矿床中可能导致主矿种判断不准确,严重影响进一步的勘查目标及方向, 造成周期长、费用高,不能满足快速绿色矿产勘查的需要。
发明内容
有鉴于此,为解决上述问题,本发明的实施例提供了一种基于石榴石 微区化学成分判别矿种的方法。
本发明的实施例提供一种基于石榴石微区化学成分判别矿种的方法, 包括以下步骤:
S1获取训练样本数据,所述训练样本数据包括各样品的矿种类型和对 应的微量元素含量,对微量元素含量进行系统聚类分析,设置类别相对距 离阈值,对微量元素含量进行筛选,将筛选出的微量元素含量作为确定矿 种类型的模型因子;
S2利用典则判别分析确定矿种类型与微量元素含量的典则判别函数, 根据威尔克Lambda值、函数典型相关性、组间差异的显著性、各典则判别 函数组合的分类效果,筛选出最佳的典则判别函数组合,制作判别分类图 解,从而建立石榴石矿种类型与微量元素含量的监督分类模型;
S3采集待勘查矿床的石榴石样品,对样品磨制激光片,利用激光剥蚀 电感耦合等离子质谱原位分析技术分析各样品中的微量元素含量,将待勘 查矿床的微量元素含量按照模型因子的种类进行筛选,并带入筛选后的判 别函数组合中,将计算得到的函数变量投入分类图解中,确定待勘查矿床 的矿种类型。
进一步地,步骤S1中,选择平方欧氏距离作为距离度量方法,定义系 统聚类分析的距离后,选择组间联接法,对微量元素含量进行系统聚类分 析。
进一步地,微量元素含量包括稀土元素含量及高场强元素含量。
进一步地,步骤S2中,判别函数组合公式为:
函数1:
y1=-0.9logLa+0.007logPr+0.763logNd-1.127logSm+0.99logEu+0.348logGd-0.609logTb-0.687logDy+1.069logHo-0.071logEr-0.686logTm+0.628logYb- 1.022logLu+0.918logHf+1.088logU-0.7
函数2:
y2=0.271logLa+1.655logPr-0.556logNd+0.609logSm-2.379logEu-0.988logGd+ 0.416logTb+1.594logDy-0.632logHo+1.253logEr-0.811logTm+0.671logYb-1.117logLu+0.796logHf+0.086logU-1.525
进一步地,步骤S1中,当训练样本数据中的微量元素种类不齐全时, 获取已知矿种类型的矽卡岩型矿床的石榴石微量元素数据对训练样本进行 补充。
进一步地,步骤S1之前,对微量元素含量进行系统聚类分析之前,对 微量元素含量进行数据预处理。
进一步地,利用ICPMSDataCal软件,设置校正信息、标准样品和校准 元素,确定元素积分区间以过滤异常数据,利用校正法对微量元素含量进 行校正。
进一步地,选用硅酸盐微量元素29Si作为校准元素。
进一步地,利用多外标-无内标校正法或简单外标校正法,结合灵敏度 漂移校正对微量元素含量进行校正。
进一步地,步骤S1中获取训练样本数据具体为,采集石榴石样品,对 样品磨制激光片,利用激光剥蚀电感耦合等离子质谱原位分析技术分析各 样品中的微量元素含量,确定各样品的矿种类型。
本发明的实施例提供的技术方案带来的有益效果是:运用激光剥蚀电 感耦合等离子质谱LA-ICP-MS原位分析技术分析微量元素含量,进行系统 聚类分析对微量元素含量进行筛选,建立石榴石矿种类型与微量元素含量 的监督分类模型,最终实现石榴石微区化学成分判断矿种类型。将矽卡岩 型成矿系统中的有关蚀变矿物石榴石的描述由宏观定性解释提升到对其中 成分变化的微观定量解释,使石榴石微区成分变化与矿区尺度的潜在矿种 类型响应联系了起来。利用矽卡岩型矿床中石榴石的成分判断潜在矿种的 方法,提出了快速判别矿种类型的石榴石微量元素定量指标和公式,测试 时间短、成本低、方便快捷,绿色环保、可以有效缩短矿产勘探周期,不 破坏环境,能够大大提升矿种类型快速判别和靶区预测的准确性,克服了 矿产勘查初期传统的矿种类型判别方法效率低、周期长、成本高的难点, 使石榴石微区化学成分变化与矿种类型响应相对应,实现了矿物地球化学、成矿潜力评价、矿种预测的有机结合,为矿床的快速勘查评价提供了方法 支撑,能够为矿床尺度进一步的找矿方法优化和选择提供理论依据,降低 勘查风险,是一种新的不可或缺的勘探手段和方法,为进一步的成矿潜力 分析、矿床成因及找矿突破提供了重要指导,具重要的推广和普及价值。
附图说明
图1是本发明提供的基于石榴石微区化学成分判别矿种的方法一实施 例的流程示意图;
图2是龙根矿床石榴石微量元素数据处理图;
图3是龙根矿床石榴石微量元素聚类分析谱系图;
图4是筛选出的函数1、函数2和函数3分类散点图;
图5是矽卡岩矿床类型判别分类图解。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本 发明实施方式作进一步地描述。
请参见图1,本发明的实施例提供一种基于石榴石微区化学成分判别矿 种的方法,包括以下步骤:
S1获取训练样本数据,所述训练样本数据包括各样品的矿种类型和对 应的微量元素含量,对微量元素含量进行系统聚类分析,设置类别相对距 离阈值,对微量元素含量进行筛选,将筛选出的微量元素含量作为确定矿 种类型的模型因子。
训练样本数据可以是从已有资料中获取,也可以是通过现场采集样品 后测试得到,采集石榴石样品,对样品磨制激光片,利用激光剥蚀电感耦 合等离子质谱原位分析技术分析各样品中的微量元素含量,确定各样品的 矿种类型。
具体地,采集石榴石样品,石榴石需在矽卡岩发育的基岩处进行采集, 运用矫正好参数的GPS对采样点进行定位,确定采样坐标,拍摄野外宏观 照片,做好石榴石产出状态(脉状或者块状等、产状测量)及岩相特征(石 榴石的颜色、粒度、共生组合及矿化特征等)的野外描述,以辅助对样品 进行矿种类型的确定。
对样品磨制激光片,显微镜下观察石榴石的镜下岩相学特征,详细描 述并记录石榴石的光性特征、共生组合和特殊现象,利用激光剥蚀电感耦 合等离子质谱原位分析技术分析石榴石的微量元素含量,确定各样品的矿 种类型。
微量元素含量包括稀土元素含量及高场强元素含量,当检测的样品的 微量元素种类不齐全时,获取已知矿种类型的矽卡岩型矿床的石榴石微量 元素数据对训练样本进行补充,提高分析准确度。
获取微量元素含量后,在对微量元素含量进行聚类分析之前,需要对 微量元素含量进行预处理。具体地,利用ICPMSDataCal软件,设置校正信 息、标准样品和校准元素,确定元素积分区间以过滤异常数据,利用校正 法对微量元素含量进行校正。其中,选用硅酸盐微量元素29Si作为校准元 素,利用多外标-无内标校正法或简单外标校正法,结合灵敏度漂移校正对 微量元素含量进行校正。
对微量元素含量进行聚类分析,先选择合适的距离度量方法(例如欧 氏距离、平方欧氏距离、余弦距离、皮尔逊相关距离、切比雪夫距离、明 可夫斯基距离等),定义系统聚类分析的距离dij,选择合适的类间距离计 算方法(例如组间联接法、组内联接法、最近邻元素法、最远邻元素法、 质心聚类法、中位数聚类法、瓦尔德法等),计算类间距离Dpq及Dkr, 对稀土元素和高场强元素进行系统聚类分析。再对系统聚类分析完成后的 谱系图,设置类别相对距离的阈值(例如5、10、15等)。根据设定的阈 值,对微量元素含量进行筛选,筛选第一主类中的元素,作为确定矿种类 型的模型因子。对模型因子进行对数变换,消除异方差问题,对变换好的 模型因子进行监督分类模型的信息提取。
S2利用典则判别分析确定矿种类型与微量元素含量的典则判别函数, 根据威尔克Lambda值、函数典型相关性、组间差异的显著性、各典则判别 函数组合的分类效果,筛选出最佳的典则判别函数组合制作判别分类图解, 从而建立石榴石矿种类型与微量元素含量的监督分类模型。
分别统计不同矿种的各组数据量,根据特征值的累计百分比确定典则 判别函数并计算典型相关性。根据威尔克Lambda值,来判断组间差异的显 著性(越接近0说明组间差异越显著,越接近1,组间差异越不显著)。根 据判别函数个数计算标准化Fisher判别函数系数,从而建立石榴石矿种类 型与微量元素含量的监督分类模型。
S3采集待勘查矿床的石榴石样品,对样品磨制激光片,利用激光剥蚀 电感耦合等离子质谱原位分析技术分析各样品中的微量元素含量,将待勘 查矿床的微量元素含量按照模型因子的种类进行筛选,并带入筛选后的判 别函数组合中,将计算得到的函数变量投入分类图解中,确定待勘查矿床 的矿种类型。
实施例
1、石榴石样品采集
选择龙根矿床采集钻孔和地表石榴石样品。在采样过程中,如实详细 记录以下内容:
2、样品微量元素分析测试
采集的样品磨制激光片,显微镜下观察石榴石的镜下岩相学特征,详 细描述并记录石榴石的光性特征、共生组合和特殊现象。运用激光剥蚀电 感耦合等离子质谱(LA-ICP-MS)原位分析技术分析微量元素含量,微量 元素含量包括稀土元素(例如La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu等)及高场强元素含量(例如U、Y、Zr、Hf等)。
表1龙根矿床样品采集表
3、石榴石微量元素数据处理
将获得的数据文件导入ICPMSDataCal软件中,将校正信息设置为元素 含量分析,元素含量分析的标准样品设置为美国国家标准技术研究所标准 样品(NIST610或612),校准元素设置为硅酸盐微量元素29Si(请参见图 2),设置好标样类型及测试方法,确定元素积分区间以过滤掉异常数据, 选择多外标-无内标校正法或简单外标校正法,结合灵敏度漂移校正对微量 元素含量进行校正,确保微量元素数据的准确性。
为了保证数据筛选的可靠性,在进行筛选之前,需要确保所有稀土元 素(例如La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、 Lu等)和高场强元素(例如U、Y、Zr、Hf等)的含量单位为ppm。当训 练样本数据中的微量元素种类不齐全时,获取已知矿种类型的矽卡岩型矿 床的石榴石微量元素数据对训练样本进行补充。由于该类矿床之前并未做 过相关研究,需要补充数据,从中国的北部、东部、西南部,韩国,澳大 利亚等地收集矽卡岩型Cu-(Mo),W-(Mo),Fe,Pb-Zn矿床的石榴石 LA-ICP-MS稀土元素(La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、 Tm、Yb、Lu)与高场强元素(U、Y、Zr、Hf)含量数据。补充数据选自 矿种已知的中国及世界各地的矽卡岩型矿床,矿种涉及范围全面(包括但 不限于Cu-(Mo)、W-(Mo)、Fe、Pb-Zn等)。
4、确定模型因子及判别函数
利用平方欧氏距离作为距离度量方法,定义系统聚类分析的距离后, 选择组间联接法,对石榴石稀土元素和高场强元素进行系统聚类分析。设 置类别相对距离阈值为5(请参见图3),筛选第一主类中的元素(La、Pr、 Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Hf、U)作为确定矿 种类型的的模型因子。
对筛选出的模型因子进行对数变换,消除异方差问题,统计Cu-(Mo) 矽卡岩矿床(矽卡岩型铜(钼)矿床)、W-(Mo)矽卡岩矿床(矽卡岩型 钨(钼)矿床)、Fe矽卡岩矿床(矽卡岩型铁矿床)、Pb-Zn矽卡岩矿床 (矽卡岩型铅锌矿床)各组数据,利用典则判别分析确定矿种类型与微量 元素含量的典则判别函数,在拟合出的多个函数,选取威尔克Lambda值最小的前三个函数(即函数y1、函数y2、函数y3)。
函数1:
y1=-0.9logLa+0.007logPr+0.763logNd-1.127logSm+0.99logEu+0.348logGd-0.609logTb-0.687logDy+1.069logHo-0.071logEr-0.686logTm+0.628logYb- 1.022logLu+0.918logHf+1.088logU-0.7
函数2:
y2=0.271logLa+1.655logPr-0.556logNd+0.609logSm-2.379logEu-0.988logGd+ 0.416logTb+1.594logDy-0.632logHo+1.253logEr-0.811logTm+0.671logYb-1.117logLu+0.796logHf+0.086logU-1.525
函数3:
y3=0.119logLa+1.324logPr-0.741logNd-1.784logSm+1.168logEu-1.083logGd+ 1.904logTb+0.236logDy+0.141logHo+3.476logEr-2.28logTm-1.866logYb+0.632logLu+0.369logHf-0.448logU+1.529
根据函数典型相关性、组间差异的显著性、各典则判别函数组合的分 类效果(请参考表2、表3、图4),筛选出最佳的典则判别函数组合制作 判别分类图解,从而建立石榴石矿种类型与微量元素含量的监督分类模型。
表2判别分析特征值表
函数 | 特征值 | 方差百分比 | 累积百分比 | 典型相关性 |
1 | 2.677<sup>a</sup> | 77.2 | 77.2 | 0.853 |
2 | 0.528<sup>a</sup> | 15.2 | 92.4 | 0.588 |
3 | 0.265<sup>a</sup> | 7.6 | 100.0 | 0.458 |
表3判别分析威尔克Lambda表
结合特征值的累计百分比和典型相关性,根据函数1、函数2、函数3 散点图的分类效果(请参考图4),确定最佳典则判别函数组合为函数1和 函数2。确定函数后,根据散点图分布范围与每组质心位置,确定判别分类 图解(请参考图5)。确定判别函数后,将龙根矿种类型的石榴石微量元素, 按照模型因子的种类进行筛选,并带入选择好的判别函数中,对计算的函 数变量值利用Excel软件投入分类图解中,确定待勘查矿床的矿种类型,有 效提取特征矿物中的成矿勘探信息,明确找矿方向,进而指导矿产勘查与 矿床学研究。若计算的函数变量值未落入分类图解各种类的范围中,补充 已知矿种类型的矽卡岩型矿床的石榴石微量元素数据,再继续进行步骤 3-5。
石榴石为矽卡岩型矿床中最主要的矿物,不同矿种类型中石榴石的成 分存在较大差异,这为利用石榴石的成分判断矿种类型提供了可能。本发 明运用激光剥蚀电感耦合等离子质谱LA-ICP-MS原位分析技术分析微量元 素含量,进行系统聚类分析对微量元素含量进行筛选,建立石榴石矿种类 型与微量元素含量的监督分类模型,最终实现石榴石微区化学成分判断矿 种类型。将矽卡岩型成矿系统中的有关蚀变矿物石榴石的描述由宏观定性 解释提升到对其中成分变化的微观定量解释,并将其微区成分变化与矿区 尺度的矿种类型响应联系起来。
与传统技术方法相比,利用矽卡岩型矿床中石榴石的成分判断潜在矿 种的方法,提出了快速判别矿种类型的石榴石微量元素定量指标和公式, 测试时间短、成本低、方便快捷,绿色环保、可以有效缩短矿产勘探周期, 不破坏环境,能够大大提升矿种类型快速判别和靶区预测的准确性,克服 了矿产勘查初期传统的矿种类型判别方法效率低、周期长、成本高的难点, 使石榴石微区化学成分变化与矿种类型响应相对应,实现了矿物地球化学、 成矿潜力评价、矿种预测的有机结合,为矿床的快速勘查评价提供了方法 支撑。能够为矿床尺度进一步的找矿方法的优化和选择提供理论依据,降 低勘查风险,是一种新的不可或缺的勘探手段和方法,为进一步的成矿潜 力分析、矿床成因及找矿突破提供了重要指导,具重要的推广和普及价值。
在本文中,所涉及的前、后、上、下等方位词是以附图中零部件位于 图中以及零部件相互之间的位置来定义的,只是为了表达技术方案的清楚 及方便。应当理解,所述方位词的使用不应限制本申请请求保护的范围。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结 合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发 明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在 本发明的保护范围之内。
Claims (10)
1.一种基于石榴石微区化学成分判别矿种的方法,其特征在于,包括以下步骤:
S1获取训练样本数据,所述训练样本数据包括各样品的矿种类型和对应的微量元素含量,对微量元素含量进行系统聚类分析,设置类别相对距离阈值,对微量元素含量进行筛选,将筛选出的微量元素含量作为确定矿种类型的模型因子;
S2利用典则判别分析确定矿种类型与微量元素含量的典则判别函数,根据威尔克Lambda值、函数典型相关性、组间差异的显著性、各典则判别函数组合的分类效果,筛选出最佳的典则判别函数组合,制作判别分类图解,从而建立石榴石矿种类型与微量元素含量的监督分类模型;
S3采集待勘查矿床的石榴石样品,对样品磨制激光片,利用激光剥蚀电感耦合等离子质谱原位分析技术分析各样品中的微量元素含量,将待勘查矿床的微量元素含量按照模型因子的种类进行筛选,并带入筛选后的判别函数组合中,将计算得到的函数变量投入分类图解中,确定待勘查矿床的矿种类型。
2.如权利要求1所述的基于石榴石微区化学成分判别矿种的方法,其特征在于,步骤S1中,选择平方欧氏距离作为距离度量方法,定义系统聚类分析的距离后,选择组间联接法,对微量元素含量进行系统聚类分析。
3.如权利要求1所述的基于石榴石微区化学成分判别矿种的方法,其特征在于,微量元素含量包括稀土元素含量及高场强元素含量。
4.如权利要求3所述的基于石榴石微区化学成分判别矿种的方法,其特征在于,步骤S2中,判别函数组合公式为:
函数1:
y1=-0.9logLa+0.007logPr+0.763logNd-1.127logSm+0.99logEu+0.348logGd-0.609logTb-0.687logDy+1.069logHo-0.071logEr-0.686logTm+0.628logYb-1.022logLu+0.918logHf+1.088logU-0.7
函数2:
y2=0.271logLa+1.655logPr-0.556logNd+0.609logSm-2.379logEu-0.988logGd+0.416logTb+1.594logDy-0.632logHo+1.253logEr-0.811logTm+0.671logYb-1.117logLu+0.796logHf+0.086logU-1.525
5.如权利要求1所述的基于石榴石微区化学成分判别矿种的方法,其特征在于,步骤S1中,当训练样本数据中的微量元素种类不齐全时,获取已知矿种类型的矽卡岩型矿床的石榴石微量元素数据对训练样本进行补充。
6.如权利要求1所述的基于石榴石微区化学成分判别矿种的方法,其特征在于,步骤S1之前,对微量元素含量进行系统聚类分析之前,对微量元素含量进行数据预处理。
7.如权利要求6所述的基于石榴石微区化学成分判别矿种的方法,其特征在于,利用ICPMSDataCal软件,设置校正信息、标准样品和校准元素,确定元素积分区间以过滤异常数据,利用校正法对微量元素含量进行校正。
8.如权利要求7所述的基于石榴石微区化学成分判别矿种的方法,其特征在于,选用硅酸盐微量元素29Si作为校准元素。
9.如权利要求7所述的基于石榴石微区化学成分判别矿种的方法,其特征在于,利用多外标-无内标校正法或简单外标校正法,结合灵敏度漂移校正对微量元素含量进行校正。
10.如权利要求1所述的基于石榴石微区化学成分判别矿种的方法,其特征在于,步骤S1中获取训练样本数据具体为,采集石榴石样品,对样品磨制激光片,利用激光剥蚀电感耦合等离子质谱原位分析技术分析各样品中的微量元素含量,确定各样品的矿种类型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210323242.9A CN114813903B (zh) | 2022-03-30 | 2022-03-30 | 一种基于石榴石微区化学成分判别矿种的方法 |
BE20235019A BE1030200B1 (de) | 2022-03-30 | 2023-01-15 | Verfahren zur Unterscheidung verschiedener Kalksilikatfels-Lagerstätten basierend auf der Variationen in der Granatzusammensetzung |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210323242.9A CN114813903B (zh) | 2022-03-30 | 2022-03-30 | 一种基于石榴石微区化学成分判别矿种的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114813903A true CN114813903A (zh) | 2022-07-29 |
CN114813903B CN114813903B (zh) | 2023-11-14 |
Family
ID=82532906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210323242.9A Active CN114813903B (zh) | 2022-03-30 | 2022-03-30 | 一种基于石榴石微区化学成分判别矿种的方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114813903B (zh) |
BE (1) | BE1030200B1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115128247A (zh) * | 2022-07-07 | 2022-09-30 | 西藏华夏矿业有限公司 | 基于绿泥石指示元素变化判别找矿类型的新方法 |
CN115808504A (zh) * | 2022-12-01 | 2023-03-17 | 哈尔滨工业大学 | 一种用于浓度预测的气体传感器在线漂移补偿方法 |
CN117129656A (zh) * | 2023-09-19 | 2023-11-28 | 昆明理工大学 | 一种地球化学勘查指标元素的筛选和确定方法和装置 |
CN115808504B (zh) * | 2022-12-01 | 2024-06-04 | 哈尔滨工业大学 | 一种用于浓度预测的气体传感器在线漂移补偿方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530961A (zh) * | 2019-08-02 | 2019-12-03 | 中国石油天然气股份有限公司 | 碳酸盐矿物阴极发光强度控制因素的确定方法及装置 |
CN110553872A (zh) * | 2018-06-01 | 2019-12-10 | 中国石油化工股份有限公司 | 一种基于加厚片的微区取样方法 |
CN111398571A (zh) * | 2020-05-19 | 2020-07-10 | 中南大学 | 利用锆石快速判断矽卡岩矿床成矿潜力的矿产勘查方法 |
CN113406723A (zh) * | 2021-06-07 | 2021-09-17 | 核工业北京地质研究院 | 一种火山岩型铀矿深部成矿潜力的评价方法 |
CN113970590A (zh) * | 2021-10-25 | 2022-01-25 | 中国科学院地质与地球物理研究所 | 一种微区原位测定符山石样品铀铅年龄的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181907B (zh) * | 2015-10-13 | 2017-01-04 | 中国地质大学(武汉) | 一种定量判别软玉产地的方法 |
CN110333200B (zh) * | 2019-05-30 | 2022-04-01 | 西藏华钰矿业股份有限公司 | 一种基于短波红外光谱圈定矿化中心方法 |
CN112395729B (zh) * | 2019-08-01 | 2022-11-01 | 中国石油天然气股份有限公司 | 一种确定碎屑石榴石矿物母岩岩性的方法及装置 |
-
2022
- 2022-03-30 CN CN202210323242.9A patent/CN114813903B/zh active Active
-
2023
- 2023-01-15 BE BE20235019A patent/BE1030200B1/de active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553872A (zh) * | 2018-06-01 | 2019-12-10 | 中国石油化工股份有限公司 | 一种基于加厚片的微区取样方法 |
CN110530961A (zh) * | 2019-08-02 | 2019-12-03 | 中国石油天然气股份有限公司 | 碳酸盐矿物阴极发光强度控制因素的确定方法及装置 |
CN111398571A (zh) * | 2020-05-19 | 2020-07-10 | 中南大学 | 利用锆石快速判断矽卡岩矿床成矿潜力的矿产勘查方法 |
CN113406723A (zh) * | 2021-06-07 | 2021-09-17 | 核工业北京地质研究院 | 一种火山岩型铀矿深部成矿潜力的评价方法 |
CN113970590A (zh) * | 2021-10-25 | 2022-01-25 | 中国科学院地质与地球物理研究所 | 一种微区原位测定符山石样品铀铅年龄的方法 |
Non-Patent Citations (1)
Title |
---|
郭嘉宝: "新疆西天山两个矽卡岩铁—铜矿石榴子石矿物化学对比", 《中国硕士学位论文全文数据库 基础科学辑》, no. 02, pages 011 - 491 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115128247A (zh) * | 2022-07-07 | 2022-09-30 | 西藏华夏矿业有限公司 | 基于绿泥石指示元素变化判别找矿类型的新方法 |
CN115128247B (zh) * | 2022-07-07 | 2024-01-05 | 西藏华夏矿业有限公司 | 基于绿泥石指示元素变化判别找矿类型的新方法 |
CN115808504A (zh) * | 2022-12-01 | 2023-03-17 | 哈尔滨工业大学 | 一种用于浓度预测的气体传感器在线漂移补偿方法 |
CN115808504B (zh) * | 2022-12-01 | 2024-06-04 | 哈尔滨工业大学 | 一种用于浓度预测的气体传感器在线漂移补偿方法 |
CN117129656A (zh) * | 2023-09-19 | 2023-11-28 | 昆明理工大学 | 一种地球化学勘查指标元素的筛选和确定方法和装置 |
CN117129656B (zh) * | 2023-09-19 | 2024-03-19 | 昆明理工大学 | 一种地球化学勘查指标元素的筛选和确定方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114813903B (zh) | 2023-11-14 |
BE1030200B1 (de) | 2023-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114813903B (zh) | 一种基于石榴石微区化学成分判别矿种的方法 | |
CN102071928B (zh) | 一种三维空间火山岩岩性识别方法 | |
CN102297828B (zh) | 一种基于核磁三组分百分比的储层孔隙结构分类方法 | |
CN102944570B (zh) | 一种基于x射线元素荧光的岩石样品岩性定名的分析方法 | |
CN115128247B (zh) | 基于绿泥石指示元素变化判别找矿类型的新方法 | |
Wang et al. | An extended local gap statistic for identifying geochemical anomalies | |
CN114646682B (zh) | 一种基于绿帘石微量元素的找矿方法 | |
EP3809133B1 (en) | A method for characterizing underground metallic mineral deposits based on rock coatings and fracture fills | |
CN114577833B (zh) | 快速定量分析砂砾岩岩屑基质中黏土矿物的方法及应用 | |
CN107632036A (zh) | 一种识别钠交代型铀矿床的岩石地球化学方法 | |
CN111141734A (zh) | 一种快速定位钍矿物并识别其共伴生关系的方法 | |
CN201522431U (zh) | 岩屑实物图像分析仪 | |
CN109444189B (zh) | 利用数字岩石分析技术开展复杂地层对比与定量评价方法 | |
CN110685676B (zh) | 一种定量识别优质页岩段的方法 | |
CN111044548A (zh) | 一种利用主量元素含量判别花岗岩含铀性的方法 | |
CN113049521B (zh) | 识别碳酸盐岩的方法、装置及设备、存储介质 | |
CN109490974A (zh) | 一种提高铀多金属综合勘查效率的铀矿地质填图工作方法 | |
CN105953766A (zh) | 基于岩芯图像的砾石磨圆度测量方法 | |
CN109598049B (zh) | 钻孔岩石裂隙发育程度及区域岩石裂隙发育规律的方法 | |
CN116973988A (zh) | 一种应用电气石元素组分判别矿床类型的方法 | |
CN111157700A (zh) | 一种适用于矿产资源量估算的样品化学分析结果质控方法 | |
CN113374472B (zh) | 一种应用元素录井判别火成岩岩性方法 | |
CN115586155B (zh) | 快速圈定脉状金矿床矿体及获得其指示标志指标的方法 | |
CN112666096B (zh) | 一种砂岩型铀矿土壤找矿信息高光谱提取方法 | |
CN114397319A (zh) | 一种离子吸附型钍及共伴生元素富集形式的厘定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |