CN115081685A - 一种金属矿床深部资源三维可视化定位预测方法 - Google Patents
一种金属矿床深部资源三维可视化定位预测方法 Download PDFInfo
- Publication number
- CN115081685A CN115081685A CN202210600188.8A CN202210600188A CN115081685A CN 115081685 A CN115081685 A CN 115081685A CN 202210600188 A CN202210600188 A CN 202210600188A CN 115081685 A CN115081685 A CN 115081685A
- Authority
- CN
- China
- Prior art keywords
- geological
- model
- ore
- information
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 14
- 239000002184 metal Substances 0.000 title claims abstract description 14
- 230000000007 visual effect Effects 0.000 title claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000007637 random forest analysis Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000002349 favourable effect Effects 0.000 claims abstract description 7
- 239000011435 rock Substances 0.000 claims description 29
- 238000005065 mining Methods 0.000 claims description 24
- 238000005553 drilling Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000033558 biomineral tissue development Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 18
- 239000010453 quartz Substances 0.000 description 11
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 11
- 230000015572 biosynthetic process Effects 0.000 description 9
- 239000010949 copper Substances 0.000 description 9
- 229910052500 inorganic mineral Inorganic materials 0.000 description 8
- 239000011707 mineral Substances 0.000 description 8
- 230000008676 import Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- JQJCSZOEVBFDKO-UHFFFAOYSA-N lead zinc Chemical compound [Zn].[Pb] JQJCSZOEVBFDKO-UHFFFAOYSA-N 0.000 description 6
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 5
- 229910052802 copper Inorganic materials 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 229910052612 amphibole Inorganic materials 0.000 description 4
- 206010017076 Fracture Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 239000010438 granite Substances 0.000 description 3
- 230000001089 mineralizing effect Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 208000010392 Bone Fractures Diseases 0.000 description 2
- 229910000906 Bronze Inorganic materials 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 239000010974 bronze Substances 0.000 description 2
- KUNSUQLRTQLHQQ-UHFFFAOYSA-N copper tin Chemical compound [Cu].[Sn] KUNSUQLRTQLHQQ-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- AGJBKFAPBKOEGA-UHFFFAOYSA-M 2-methoxyethylmercury(1+);acetate Chemical compound COCC[Hg]OC(C)=O AGJBKFAPBKOEGA-UHFFFAOYSA-M 0.000 description 1
- 241000185686 Apocynum venetum Species 0.000 description 1
- 241001083841 Aquatica Species 0.000 description 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 206010013883 Dwarfism Diseases 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 229910052626 biotite Inorganic materials 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000013098 chemical test method Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 229910001648 diaspore Inorganic materials 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000011133 lead Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000862 numbness Toxicity 0.000 description 1
- 230000001956 orexigenic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- IVDFJHOHABJVEH-UHFFFAOYSA-N pinacol Chemical group CC(C)(O)C(C)(C)O IVDFJHOHABJVEH-UHFFFAOYSA-N 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种金属矿床深部资源三维可视化定位预测方法,涉及矿床深部资源预测领域。该方法包括:收集矿山地质资料;基于收集的矿山地质资料,建立地质数据库;基于建立的地质数据库,构建矿床三维模型;根据构建的矿床三维模型,构建矿床块体模型;从矿床块体模型中提取地质信息和地球化学信息;基于提取的地质信息和地球化学信息,采用随机森林算法,实现金属矿床深部资源三维定位预测。本发明利用三维建模技术手段,对成矿有利地质信息进行了定量化提取;将随机森林算法运用到矿床深部预测,不仅有效地融合了地质信息和地球化学信息,还可以通过已知矿体对训练集进行检验,完善了矿床深部预测方法体系。
Description
技术领域
本发明涉及矿床深部资源预测技术领域,特别是一种金属矿床深部资源三维可视化定位预测方法。
背景技术
随着我国经济的快速发展,对资源的需求也日益增加,浅部矿的找矿与开采已进入瓶颈,特别是在中部经济发达地区,深部空间己成为找矿的工作重心。在深部资源预测方面,我国距离世界其他矿业发达国家还存在较大差距,其中南非矿山开采深度已超过4000米,而我国传统采矿大部分在1000米左右,证明存在深部矿体的可能性很大。
现代成矿预测手段的目的是达到定量成矿预测的目的,在此基础上得到一定程度的定位预测靶区,但传统的二维圈定的成矿预测远景区即找矿靶区难以定位矿体的深度和形态,对地质找矿工作的指导有局限性。三维成矿预测强调在深入研究区域地质及矿床地质特征的基础上,在真三维空间中对地层、构造、岩浆岩等各地质体进行三维空间分析,提取成矿有利区域,寻找找矿标志,从而实现成矿预测区的圈定,所圈定的靶区具有形态、位置、规模特征,可进行资源/储量估算,从而更精确的指导找矿工作。
但三维成矿预测方法受数据限制,控矿因素的提取不够全面,专家经验模式占据很大比重,这对于预测结果有很大的影响。但是,往往一些地质数据分析的工作者对地质事实认识又不够深入,也会导致预测结果的偏差,这两者的矛盾制约了矿床深部预测的发展。因此一种可以联合专家经验驱动的知识模型和数据驱动的数据模型来进行矿床深部定位预测的方法是有必要的,这样可以充分发挥各找矿预测方法中的优势,提高深部预测靶区准确度。
发明内容
鉴于此,本发明提供了一种金属矿床深部资源三维可视化定位预测方法,有效避免单一数据类型所造成结果的局限性,还有利于成矿信息的判断,提高了预测结果的可靠性。
本发明公开了一种金属矿床深部资源三维可视化定位预测方法,包括以下步骤:
步骤1:收集矿山地质资料;
步骤2:基于收集的矿山地质资料,建立地质数据库;
步骤3:基于建立的地质数据库,构建矿床三维模型;
步骤4:根据构建的矿床三维模型,构建矿床块体模型;
步骤5:从所述矿床块体模型中提取地质信息和地球化学信息;
步骤6:基于提取的地质信息和地球化学信息,采用随机森林算法,实现金属矿床深部资源三维定位预测。
进一步地,所述步骤1包括:
调查、整理和收集矿区历年积累的重要地质资料;其中,所述重要地质资料包括地质成果报告、地质勘探报告、探矿工程设计方案、资源/储量报告、物化探;
根据Surpac建模软件进行数据规范,对重要地质资料进行预处理。
进一步地,所述步骤2包括:
步骤2-1:以Surpac软件提供的access数据库为平台,建立数据库结构;
步骤2-2:根据重要地质资料中的钻孔数据制作孔口数据表、测斜数据表、分析数据表、岩性数据表;
步骤2-3:将步骤2-2中制作的数据表依次导入Surpac软件中的access数据,完成地质数据库的建设。
进一步地,所述孔口数据表包括钻孔编号、北坐标、东坐标、高程、终孔深度、孔迹线类型、勘探线号;所述测斜数据表包括钻孔编号、测斜深度、倾角、方位角;所述分析数据表包括钻孔编号、样品编号、深度_自、深度_至、样品品位;所述岩性数据表包括钻孔编号、样品编号、深度_自、深度_至、岩性类型。
进一步地,所述构建矿床三维模型包括:构建钻孔模型、地表模型、矿体模型、地层模型、岩体模型、断层模型。
进一步地,所述步骤4包括:
根据地层、岩体边界范围,建立块体模型,结合相关参数,将模型范围块体模型划分为若干个单元块;所述相关参数包括勘探工程间距、采矿台阶高度、计算机性能。
进一步地,所述地质信息的提取过程为:
通过块体模型—属性赋值—约束插值功能,将岩体、矿体、地层、断层信息直接赋值给块体模型,该赋值将存储在块体模型属性表中;
所述地球化学信息的提取过程为:
地球化学信息需要通过距离幂次反比法完成,根据矿体走向、倾向、倾伏角、走向长、倾向距离、厚度建立搜索椭球体;确定搜索椭球体参数之后,选择距离幂次反比法对块体模型进行估值。
进一步地,所述距离幂次反比法在估计待估点的值时,按照距离越近权重值越大的原则,利用已知点和待估点之间的距离取幂次后的倒数为权系数进行加权平均。
进一步地,将提取的所述地质信息和地球化学信息存储在块体模型属性表中,利用块体模型—导出—块质心,提取属性信息提取以用于后续随机森林算法分类预测。
进一步地,所述步骤6包括:
在Rstudio中加载导出的块体模型属性表,调用R语言包中随机森林算法,对地质—地球化学属性变量进行重要性排序,结合矿区地质特征,提取有利控矿因素;所述有利控矿因素包括地层、构造、岩浆岩;
将块体模型属性表划分为训练集和预测集,训练集中包含上半部分矿体,预测集中包含下半部分矿体;先对训练集进行训练,训练集中的矿体信息作为已知信息,利用ROC曲线评价块体模型性能;
在使用块体模型对金属矿床深部资源进行预测后,将预测集的数据导入Surpac块体模型中,在三维空间显示经过随机森林算法被赋值了矿体信息的块,完成深部找矿靶区预测。
由于采用了上述技术方案,本发明具有如下的优点:
(1)矿床三维可视化建模可以清楚的展示矿体及控矿因素(地层、构造、岩浆岩)的空间分布模式,辅助对成矿地质条件的认识。同时还可以通过三维模型,对成矿信息进行提取,提取到的地质信息可以作为变量,参与分类预测的计算结果;
(2)采用随机森林算法,融合地质信息和地球化学信息进行分类预测,可以有效避免单一数据类型所造成结果的局限性,还可以辅助人们对有利成矿信息的判断,提高预测结果的可靠性。因此,本发明方法有效的利用了地质和地球化学信息,既避免了专家经验模式下预测结果的片面性,又避免了地球化学数据预测结果的局限性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例的地质数据库类型示意图;
图2为本发明实施例的数据库选择功能表示意图;
图3为本发明实施例的定义孔口表字段类型示意图;
图4为本发明实施例的定义测斜表字段类型示意图;
图5为本发明实施例的定义样品表字段类型示意图;
图6为本发明实施例的定义岩性表字段类型示意图;
图7为本发明实施例的数据库导入孔口表示意图;
图8为本发明实施例的数据库导入测斜表示意图;
图9为本发明实施例的数据库导入样品表示意图;
图10为本发明实施例的数据库导入岩性表示意图;
图11为本发明实施例的MAPGIS地形线数据高程属性赋值示意图;
图12为本发明实施例的地形线数据导入Surpac软件示意图;
图13为本发明实施例的地表模型构建示意图;
图14为本发明实施例的生成钻孔模型示意图;
图15为本发明实施例的定义剖面属性示意图;
图16为本发明实施例的地表模型和钻孔模型剖面示意图;
图17为本发明实施例的矿体解译线框示意图;
图18为本发明实施例的矿体实体模型示意图;
图19为本发明实施例的第四系地层线框示意图;
图20为本发明实施例的第四系地层实体模型示意图;
图21为本发明实施例的凝灰岩地层线框示意图;
图22为本发明实施例的凝灰岩地层模型示意图;
图23为本发明实施例的早侏罗石英闪长斑岩线框示意图;
图24为本发明实施例的早侏罗石英闪长斑岩实体模型示意图;
图25为本发明实施例的中侏罗石英闪长斑岩线框示意图;
图26为本发明实施例的中侏罗石英闪长斑岩实体模型示意图;
图27为本发明实施例的样品长度统计示意图;
图28为本发明实施例的样品组合示意图;
图29为本发明实施例的Cu品位统计示意图;
图30为本发明实施例的Cu特高品位处理示意图;
图31为本发明实施例的块体模型示意图;
图32为本发明实施例的添加块体模型属性示意图;
图33为本发明实施例的块体模型约束插值示意图;
图34为本发明实施例的搜索椭球体模型示意图;
图35为本发明实施例的块体模型示意图;
图36为本发明实施例的块体模型属性提取示意图;
图37为本发明实施例的成矿有利信息重要性排序示意图;
图38为本发明实施例的训练集和预测集划分示意图;
图39为本发明实施例的找矿靶区三维可视化预测结果示意图。
具体实施方式
结合附图和实施例对本发明作进一步说明,显然,所描述的实施例仅是本发明实施例一部分实施例,而不是全部的实施例。本领域普通技术人员所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
采用本发明的方法对西藏雄村2号矿体深部资源进行预测,具体步骤如下:
一、区域地质背景及矿床地质特征:
矿区位于南拉萨地体中段南缘,南侧紧邻日喀则弧前盆地。区域上出露地层由老到新为雄村组(J1-2x)、麻木下组(J3-K1m)、林布宗组(J3-K1l)、比马组(K1b)、楚木龙组(K1c)、塔克那组(K1t)、设兴组(K2s)、旦师庭组(K2-Ed)、典中组(E1d)、秋乌组(E2q)、年波组(E2n)、帕那组(E2p)、日贡拉组(E3r)、大竹卡组(E3-N1d)、芒乡组(N1m)、嘎扎村组(N2g)、宗当村组(N2z)以及第四系(Q)。
区域上构造变形强烈,褶皱、断裂均发育。断裂以近东西走向为主,主要地质体和构造线方向与雅鲁藏布江缝合带的走向一致,其次为南北向、北东向、北西向,局部受东西向构造应力挤压作用表现为南北向次级断裂构造;褶皱以如多-桑竹岗-江庆则断裂为界,北部岩浆弧区发育布托-萨沃拉-南木切大型复向斜,南部弧前盆地区发育吉定-直岗大型复向斜。
区域上岩浆活动强烈,发育大规模的中酸性侵入岩和火山岩,按照成岩时代可划分为中二叠世-晚三叠世岩浆岩(263~205Ma)、早侏罗世-晚白垩世岩浆岩(181~88Ma)、古新世-始新世岩浆岩(66~40Ma)和渐新世-中新世岩浆岩(25~8Ma)四类。与斑岩铜矿床有关的岩浆岩主要是花岗闪长岩、石英二长岩、二长花岗斑岩、花岗斑岩、石英斑岩等。
区域内矿产资源丰富,中型—大型—超大型矿床均有分布,其中铜、铅、锌资源分布最为广泛。区内铜矿主要集中分布于谢通门县、尼木县、墨竹工卡县等,典型矿床有雄村铜金矿、岗讲铜钼矿、厅宫铜矿、驱龙铜钼矿、邦铺铜钼矿、甲玛铜多金属矿等;铅锌矿主要集中分布于谢通门县、南木林县、昂仁县、工布江达县等,典型矿床有斯弄多铅锌矿、纳如松多铅锌矿、亚贵拉铅锌矿、查个勒铅锌矿床、罗布真铅锌矿床等。
矿区主要出露地层为中-下侏罗统雄村组火山-沉积岩,其岩性为火山集块岩、火山角砾岩、凝灰岩、砾岩、砂岩、粉砂岩和少量大理岩,其中凝灰岩是主要的赋矿围岩。矿区内岩浆岩主要发育侏罗纪和始新世侵入岩,侏罗纪侵入岩包括早侏罗世石英闪长斑岩、早-中侏罗世石英闪长斑岩、中侏罗世石英闪长斑岩、中侏罗世辉绿岩脉和花岗闪长斑岩,其中,早侏罗世石英闪长斑岩和中侏罗世石英闪长斑岩是矿区的含矿斑岩;始新世侵入岩包括石英闪长岩和黑云母花岗闪长岩。矿区内构造较为发育,主要为近东西向、北东—南西向、北西—南东向断裂构造,以及位于矿区南部的褶皱构造。含矿斑岩侵入于矿区中部的雄村组凝灰岩中,凝灰岩的低渗透率对含矿流体形成了天然屏障,使得成矿流体能在含矿斑岩体及其接触带附近进行充分的循环交代,形成钾硅酸盐化、钙化-钠化、黄铁绢英岩化、青磐岩化等蚀变,同时在含矿斑岩体及其接触带附近的凝灰岩中产生典型的细脉浸染状斑岩型铜金(银)矿化。目前,在雄村矿集区内已经发现了1号、2号和3号三个主要的大型斑岩型铜金矿体以及多个矿化异常带,铜金属量在250万吨以上,伴生金金属量在250吨以上,伴生银金属量在1000吨以上。雄村矿区2号矿体位于矿区北部,矿体走向北西—南东,走向方向长度大于1000m;倾向北东,沿倾向方向延伸大于500m;矿体形态、产状主要受含矿斑岩体控制,呈似层状、筒状、厚板状产于早侏罗世石英闪长斑岩中,少量产于斑岩体接触带附近的凝灰岩中。
二、利用三维可视化定位预测方法进行深部预测
1.资料收集
(1)雄村矿区现有纸质资料、电子存盘资料及发表文献涵盖了矿区1号、2号、3号矿体以及外围地质矿产资料。地质矿产资料主要有以下几部分:①不同时期及勘查阶段的地质勘探报告、资源/储量成果报告、成矿规律及资源潜力成果报告等,基本涵盖了普查—详查—勘探三个阶段;②综合研究成果资料,主要为地、物、化、遥与找矿研究、地质特征研究、成矿规律研究、成矿物质组成与赋存状态研究、成矿流体来源研究等;③原始地质资料,包括矿区地质图、勘探工程部署图、测量数据、钻孔编录及化验数据等。
(2)矿区大部分资料都有完整的图件保存和电子文件存档,少量资料只有纸质文献,需进行收集、整理、数字化后存档。
(3)许多原始数据和电子资料不能满足Surpac三维地质建模数据要求。为使数据能支持模型的建立需求,满足模型的精度要求,需对这些数据进行必要的数字化处理。
(4)对收集来的钻孔数据进行检查、整理,根据建模任务进行分类列表,此次将钻孔信息分为4张表,孔口表、测斜表、化验表、岩性表。
孔口表主要记录着钻孔的编号、坐标信息(东坐标、北坐标、高程),以及钻孔深度(表1),对应的数据库结构见表2。测斜表主要记录着钻孔的编号、钻孔深度、倾角、方位角(表3),对应的数据库结构见表4,测斜表数据库结构与孔口表类似,但是方位角范围是0~360°,倾角范围-90°~90°,字段范围要涵盖这一数值范围。化验表记录着钻孔的编号、取样编号、取样位置以及分析化验结果(表5),对应的数据库结构见表6,化验表数据结构要添加所有的分析结果,数据类型为实数型。岩性表主要记录着钻孔的编号、取样编号、取样位置以及所取样品的岩性信息(表7),对应的数据库结构见表8,岩性表岩性信息属于字符串类型,化验表取样点信息是实数类型,对此要特别区分。
表1孔口坐标Collar(部分数据)
表2孔口表数据结构(部分数据)
表3测斜数据Survey(部分数据)
孔号 | 孔深 | 方位角 | 倾角 |
ZK6203 | 0 | 180 | -90 |
ZK6213 | 0 | 180 | -90 |
ZK7223 | 0 | 360 | -90 |
ZK7224 | 0 | 360 | -90 |
ZK7227 | 99.5 | 360 | -90 |
ZK7234 | 101.6 | 360 | -90 |
表4测斜表数据结构(部分数据)
表5化验数据Sample(部分数据)
孔号 | 样品编号 | 自 | 至 | 长度 | Cu | Au | Ag |
ZK6203 | 643046 | 24.2 | 27.1 | 2.9 | 0.27 | 0.64 | 1.8 |
ZK6213 | 427672 | 34 | 36 | 2 | 1.16 | 0.78 | 1.3 |
ZK7223 | 89184 | 164 | 166 | 2 | 1.68 | 0.19 | 2.0 |
ZK7224 | 426268 | 263.8 | 265.4 | 1.6 | 0.93 | 0.56 | 1.5 |
ZK7227 | 426705 | 352.1 | 354.6 | 2.5 | 0.54 | 0.83 | 1.5 |
ZK7234 | 429364 | 235.1 | 237.1 | 2 | 0.21 | 1.04 | 2.6 |
表6化验表数据结构(部分数据)
表7岩性数据Geology(部分数据)
表8岩性表数据结构(部分数据)
2.地质数据库建立
(1)在Surpac软件中选择数据库类型为access,见图1;
(2)为数据库选择功能表,添加样品表、岩性表选项表,见图2;
(3)为孔口表定义强制字段和选项字段类型,见图3;
(4)为测斜表定义强制字段和选项字段类型,见图4;
(5)为样品表定义强制字段和选项字段类型,见图5;
(6)为岩性表定义强制字段和选项字段类型,见图6;
(7)将孔口表导入数据库,见图7;
(8)将测斜表导入数据库,见图8;
(9)将样品表导入数据库,见图9;
(10)将岩性表导入数据库,见图10;
3.矿床三维模型构建
(1)地表模型构建
①在MAPGIS中对地形数据进行数字化,对高程属性进行赋值,见图11;
②将地形线数据导入Surpac三维地质建模软件,见图12;
③利用DTM工具—由当前层创建DTM—生成地表模型,见图13;
(2)钻孔模型构建
①打开地质数据库—显示钻孔—绘制钻孔显示风格—生成钻孔模型,见图14;
②显示钻孔模型+地表模型—定义勘探线剖面,见图15;
③显示地表模型和钻孔模型剖面,见图16;
(3)矿体三维模型构建
①创建—新建点—根据钻孔显示品位信息,在剖面上圈出矿体边界,见图17;
②实体模型—创建三角网—建立矿体实体模型,见图18;
(4)地层模型构建
①创建—新建点—根据钻孔显示岩性信息,在剖面上圈出第四系地层边界,见图19;
②实体模型—创建三角网—建立第四系地层实体模型,见图20;
③创建—新建点—根据钻孔显示岩性信息,在剖面上圈出凝灰岩地层边界,见图21;
④实体模型—创建三角网—建立凝灰岩地层实体模型,见图22;
(5)岩体模型建模
①创建—新建点—根据钻孔显示岩性信息,在剖面上圈出早侏罗石英闪长斑岩边界,见图23;
②实体模型—创建三角网—建立早侏罗石英闪长斑岩实体模型,见图24;
③创建—新建点—根据钻孔显示岩性信息,在剖面上圈出中侏罗石英闪长斑岩边界,见图25;
④实体模型—创建三角网—建立中侏罗石英闪长斑岩实体模型,见图26;
4.矿床块体模型构建
在建立块体模型前需进行必要的数据处理,它成为了连接块体模型和实体模型之间的重要纽带。数据处理包括样品组合与特高品位处理两个重要组成部分,样品组合是为了确保用于估值的品位按照相同的样长进行加权平均,避免由于样品长度过大而在样品进行空间插值的时候,使得该样品分配的计算权值过大
(1)样品组合
打开地质数据库,提取矿带内样品进行统计,如图27所示,从统计结果可以看出,雄村2号矿体的钻孔取样长度主要集中分布在2m之间,故组合时按照2m进行组合,当累计叠加后取样长度不足2m时,按照样品最小有效百分比75%来处理,如图28所示。
(2)特高品位处理
雄村2号矿体特高品位采用截取法处理,首先通过综合数据库对样品品位信息进行统计,得到品位直方分布图,如图29所示,品位基本符合正态分布,可由软件自动报告统计结果(表9),表中97.5分位数值为0.85%,于是将0.85%定为Cu的特高品位,然后利用数据库字段数学计算功能,将大于0.85%的品位信息全部用0.85%来代替,如图30所示。
表9 Cu品位报告
(3)根据地层、岩体范围,建立块体模型,将块体模型划分为20×20×20m单元块,次级块尺寸10×10×10m,见图31。
(4)创建块体模型属性表,给每个块添加属性,如矿体号、体重、估值次数、品位、资源/储量级别等,见图32。
5.地质—地球化学信息提取
(1)地质信息提取
块体模型—估值—赋值,地质信息可以通过约束插值直接赋值给块体模型,见图33。
(2)地球化学信息提取
①块体模型—估值—距离幂次反比法,根据矿体走向长度与倾向长度,走向长度和厚度之比确定主/半主、主/次主的比值,然后通过图形界面查看所建立的椭球体模型,不断调整椭球体参数使得椭球体与矿体的形态和走向基本吻合后进行插值,见图34。
②在插值过程中,软件会根据椭球体模型分配已知点对待估块段影响的权系数,然后对整个模型进行搜索,给每个块赋予各自的品位值,见图35。
③经过约束插值和距离幂次反比法插值后的块体模型,单元块会被赋予地质信息和地球化学信息,打开块体模型—导出—块质心,可以导出单元块属性表,提取成矿信息,见图36。
6.深部成矿潜力靶区定位
(1)在Rstudio中加载导出的块体模型属性表,调用R语言包中随机森林算法,对地质—地球化学属性变量进行重要性排序,结合矿区地质特征,提取有利控矿因素,见图37。
(2)将块体模型属性表划分为训练集和预测集,训练集中包含了上半部分矿体,预测集中包含下半部分矿体。先对训练集进行训练,训练集中的矿体信息可以作为模型性能的评价指标。训练后的随机森林模型,再对预测集进行分类预测,给深部没有矿体信息的块进行赋值,见图38。图38中,上半部分是训练集,下半部分是预测集。
(3)在完成预测集预测结果后,将预测集数据导入Surpac块体模型中,在三维空间显示经过随机森林算法被赋值了矿体信息的块,完成深部找矿靶区预测,见图39。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,所述计算机可读记录介质包括用于以计算机(例如计算机)可读的形式存储或传送信息的任何机制。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种金属矿床深部资源三维可视化定位预测方法,其特征在于,包括以下步骤:
步骤1:收集矿山地质资料;
步骤2:基于收集的矿山地质资料,建立地质数据库;
步骤3:基于建立的地质数据库,构建矿床三维模型;
步骤4:根据构建的矿床三维模型,构建矿床块体模型;
步骤5:从所述矿床块体模型中提取地质信息和地球化学信息;
步骤6:基于提取的地质信息和地球化学信息,采用随机森林算法,实现金属矿床深部资源三维定位预测。
2.根据权利要求1所述的方法,其特征在于,所述步骤1包括:
调查、整理和收集矿区历年积累的重要地质资料;其中,所述重要地质资料包括地质成果报告、地质勘探报告、探矿工程设计方案、资源/储量报告、物化探;
根据Surpac建模软件进行数据规范,对重要地质资料进行预处理。
3.根据权利要求1所述的方法,其特征在于,所述步骤2包括:
步骤2-1:以Surpac软件提供的access数据库为平台,建立数据库结构;
步骤2-2:根据重要地质资料中的钻孔数据制作孔口数据表、测斜数据表、分析数据表、岩性数据表;
步骤2-3:将步骤2-2中制作的数据表依次导入Surpac软件中的access数据,完成地质数据库的建设。
4.根据权利要求3所述的方法,其特征在于,所述孔口数据表包括钻孔编号、北坐标、东坐标、高程、终孔深度、孔迹线类型、勘探线号;所述测斜数据表包括钻孔编号、测斜深度、倾角、方位角;所述分析数据表包括钻孔编号、样品编号、深度_自、深度_至、样品品位;所述岩性数据表包括钻孔编号、样品编号、深度_自、深度_至、岩性类型。
5.根据权利要求1所述的方法,其特征在于,所述构建矿床三维模型包括:构建钻孔模型、地表模型、矿体模型、地层模型、岩体模型、断层模型。
6.根据权利要求1所述的方法,其特征在于,所述步骤4包括:
根据地层、岩体边界范围,建立块体模型,结合相关参数,将模型范围块体模型划分为若干个单元块;所述相关参数包括勘探工程间距、采矿台阶高度、计算机性能。
7.根据权利要求1所述的方法,其特征在于,所述地质信息的提取过程为:
通过块体模型—属性赋值—约束插值功能,将岩体、矿体、地层、断层信息直接赋值给块体模型,该赋值将存储在块体模型属性表中;
所述地球化学信息的提取过程为:
地球化学信息需要通过距离幂次反比法完成,根据矿体走向、倾向、倾伏角、走向长、倾向距离、厚度建立搜索椭球体;确定搜索椭球体参数之后,选择距离幂次反比法对块体模型进行估值。
8.根据权利要求7所述的方法,其特征在于,所述距离幂次反比法在估计待估点的值时,按照距离越近权重值越大的原则,利用已知点和待估点之间的距离取幂次后的倒数为权系数进行加权平均。
9.根据权利要求7所述的方法,其特征在于,将提取的所述地质信息和地球化学信息存储在块体模型属性表中,利用块体模型—导出—块质心,提取属性信息提取以用于后续随机森林算法分类预测。
10.根据权利要求1所述的方法,其特征在于,所述步骤6包括:
在Rstudio中加载导出的块体模型属性表,调用R语言包中随机森林算法,对地质—地球化学属性变量进行重要性排序,结合矿区地质特征,提取有利控矿因素;所述有利控矿因素包括地层、构造、岩浆岩;
将块体模型属性表划分为训练集和预测集,训练集中包含上半部分矿体,预测集中包含下半部分矿体;先对训练集进行训练,训练集中的矿体信息作为已知信息,利用ROC曲线评价块体模型性能;
在使用块体模型对金属矿床深部资源进行预测后,将预测集的数据导入Surpac块体模型中,在三维空间显示经过随机森林算法被赋值了矿体信息的块,完成深部找矿靶区预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210600188.8A CN115081685A (zh) | 2022-05-30 | 2022-05-30 | 一种金属矿床深部资源三维可视化定位预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210600188.8A CN115081685A (zh) | 2022-05-30 | 2022-05-30 | 一种金属矿床深部资源三维可视化定位预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115081685A true CN115081685A (zh) | 2022-09-20 |
Family
ID=83248684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210600188.8A Pending CN115081685A (zh) | 2022-05-30 | 2022-05-30 | 一种金属矿床深部资源三维可视化定位预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115081685A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879648A (zh) * | 2023-02-21 | 2023-03-31 | 中国地质科学院 | 一种基于机器学习的三元深部成矿预测方法及系统 |
CN117238405A (zh) * | 2023-09-20 | 2023-12-15 | 昆明理工大学 | 一种基于深度学习的地球化学数据分析方法和装置 |
CN117238405B (zh) * | 2023-09-20 | 2024-05-31 | 昆明理工大学 | 一种基于深度学习的地球化学数据分析方法和装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711597A (zh) * | 2018-11-14 | 2019-05-03 | 东莞理工学院 | 一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法 |
-
2022
- 2022-05-30 CN CN202210600188.8A patent/CN115081685A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711597A (zh) * | 2018-11-14 | 2019-05-03 | 东莞理工学院 | 一种基于分层随机森林模型的铜镍硫化物矿床成矿预测方法 |
Non-Patent Citations (1)
Title |
---|
娄渝明: "基于地质三维建模的西藏雄村矿区2号矿体深部资源定量预测" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879648A (zh) * | 2023-02-21 | 2023-03-31 | 中国地质科学院 | 一种基于机器学习的三元深部成矿预测方法及系统 |
CN117238405A (zh) * | 2023-09-20 | 2023-12-15 | 昆明理工大学 | 一种基于深度学习的地球化学数据分析方法和装置 |
CN117238405B (zh) * | 2023-09-20 | 2024-05-31 | 昆明理工大学 | 一种基于深度学习的地球化学数据分析方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100465998C (zh) | 基于三维建模的立方体预测模型找矿方法 | |
CN109814172B (zh) | 一种白岗岩型铀矿深部找矿预测与定位方法 | |
EP3809133B1 (en) | A method for characterizing underground metallic mineral deposits based on rock coatings and fracture fills | |
CN110596778B (zh) | 一种热液型铀矿勘查方法 | |
Barak et al. | A knowledge-guided fuzzy inference approach for integrating geophysics, geochemistry, and geology data in a deposit-scale porphyry copper targeting, Saveh, Iran. | |
CN115983505A (zh) | 一种固体矿产三维立体成矿预测方法及装置 | |
Sissakian | The Minerals Wealth in the Kurdistan Region, Iraq: A Critical Review | |
Lee et al. | Three-dimensional prospectivity mapping of skarn-type mineralization in the southern Taebaek area, Korea | |
CN115081685A (zh) | 一种金属矿床深部资源三维可视化定位预测方法 | |
CN112782773B (zh) | 一种侵入岩型铀钍铌钽矿隐伏资源预测评价方法 | |
CN113885082A (zh) | 一种类卡林型金矿深部探测方法 | |
Niiranen et al. | Central Lapland Greenstone Belt 3D modeling project final report | |
Galeschuk et al. | Exploration techniques for rare-element pegmatite in the Bird River greenstone belt, southeastern Manitoba | |
Fillion et al. | Quantifying influence of drilling additional boreholes on quality of geological model | |
Rezaei et al. | An integrated geo-statistical methodology for an optimum resource estimation of angouran underground mine | |
Babaei et al. | Geostatistical modeling of electrical resistivity tomography for imaging porphyry Cu mineralization in Takht-e-Gonbad deposit, Iran | |
CN110119852B (zh) | 一种不确定成矿信息的统一表征方法及系统 | |
Forward et al. | Resource modelling at the Ilovica-Štuka porphyry copper-gold deposit, Eastern Macedonia | |
Azmi et al. | Resource estimation of the Damanghor gold deposit, based on geology and grade continuity | |
Årebäck et al. | Boliden Summary Report | |
Nikoogoftar Safa et al. | Application of fractal modeling to delineate alteration zones and lithological units in Masjed-Daghi Cu-Au porphyry deposit, NW Iran | |
Ansah | Geostatistical estimation of a paleoplacer deposit with hard geological boundary: case study at Tarkwa Gold mine, Ghana | |
Agharezaei et al. | Qualitative contours: a new geochemical method for preliminary mineral exploration | |
Mine | Resource Estimate Report | |
Tokoglu | Comparative Analysis of 3D Domain Modelling Alternatives: Implications for Mineral Resource Estimates |
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 |
Application publication date: 20220920 |
|
RJ01 | Rejection of invention patent application after publication |