CN117312898B - 一种基于多重k均值聚类分析的找矿预测方法及系统 - Google Patents
一种基于多重k均值聚类分析的找矿预测方法及系统 Download PDFInfo
- Publication number
- CN117312898B CN117312898B CN202311584669.5A CN202311584669A CN117312898B CN 117312898 B CN117312898 B CN 117312898B CN 202311584669 A CN202311584669 A CN 202311584669A CN 117312898 B CN117312898 B CN 117312898B
- Authority
- CN
- China
- Prior art keywords
- delta
- prospecting
- pole
- magnetic field
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003064 k means clustering Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 36
- 239000011435 rock Substances 0.000 claims abstract description 34
- 239000003245 coal Substances 0.000 claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 230000004075 alteration Effects 0.000 claims abstract description 22
- 229910052742 iron Inorganic materials 0.000 claims abstract description 18
- 230000009286 beneficial effect Effects 0.000 claims abstract description 15
- 230000002349 favourable effect Effects 0.000 claims abstract description 11
- 230000033558 biomineral tissue development Effects 0.000 claims abstract description 10
- 238000005065 mining Methods 0.000 claims abstract description 10
- 238000007621 cluster analysis Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims abstract description 7
- 230000005484 gravity Effects 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 11
- 230000010287 polarization Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 230000008901 benefit Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 230000006866 deterioration Effects 0.000 claims description 6
- 238000005553 drilling Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 230000002547 anomalous effect Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 239000010410 layer Substances 0.000 claims description 4
- 230000005389 magnetism Effects 0.000 claims description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 3
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 3
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 claims description 3
- 239000011575 calcium Substances 0.000 claims description 3
- 229910052791 calcium Inorganic materials 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 239000011229 interlayer Substances 0.000 claims description 3
- 239000011777 magnesium Substances 0.000 claims description 3
- 229910052749 magnesium Inorganic materials 0.000 claims description 3
- 239000004579 marble Substances 0.000 claims description 3
- 239000011591 potassium Substances 0.000 claims description 3
- 229910052700 potassium Inorganic materials 0.000 claims description 3
- 239000011734 sodium Substances 0.000 claims description 3
- 229910052708 sodium Inorganic materials 0.000 claims description 3
- 238000005266 casting Methods 0.000 claims 1
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 4
- 239000011707 mineral Substances 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 4
- 235000019738 Limestone Nutrition 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000006028 limestone Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000571 coke Substances 0.000 description 1
- 230000006003 cornification Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请公开了一种基于多重K均值聚类分析的找矿预测方法及系统，用以解决现有的找矿方法存在误差且效率较低的技术问题，属于找矿预测技术领域。方法包括：在赋煤盆地内确定有利区；其中，所述有利区用于划定找矿范围；基于K均值聚类分析对重磁多重位场处理结果进行识别，在所述有利区内确定重点区；收集地质体矿化蚀变级元素含量变化信息，在所述重点区内确定找矿靶区。本申请提出的方法针对赋煤区展开研究，在中生代赋煤断陷盆地中，概选出存在于含煤地层及煤系矿产高变质岩中的1:50万航磁低缓异常区，快速圈定富铁矿远景区；通过对物探资料进行聚类分析，识别次级异常，提高找矿预测精度。
Description
技术领域
本申请涉及找矿预测技术领域，尤其涉及一种基于多重K均值聚类分析的找矿预测方法及系统。
背景技术
我国富铁矿以矽卡岩型铁矿为主，以往受理论和方法限制，以查证高磁异常和就矿找矿为主，一直未取得明显的找矿突破；随着找矿工作向深部推进，深部信息的获取难度越来越大，深部微弱异常信号难以获取和识别，加之地球物理探测的多解性，严重影响了找矿的效率和精度，亟需突破传统找矿思路，创新地球物理探测技术，为富铁矿深部找矿提供支撑。
卡岩型铁矿一般赋存于侵入岩体与灰岩接触带内，我国大量中生代赋煤盆地内煤系之下发育稳定了灰岩地层，同时也发现局部侵入岩对煤层产生了一定的影响，灰岩与侵入岩体为矽卡岩型富铁矿成矿奠定了物质基础，在含煤盆地内分布的低缓磁异常成为寻找矽卡岩型富铁矿的重要新方向。但受上覆地层屏蔽影响，深部目标地质体异常信息微弱，相关研究中无系统性针对矽卡岩型富铁矿找矿预测方法；单一地球物理方法难以满足深部探测需求，同时使用多种参数进行识别异常时，存在人工拾取具体位置存在误差且效率较低等问题，亟需提高预测精度。
发明内容
本申请实施例提供了一种基于多重K均值聚类分析的找矿预测方法及系统，用以解决现有的找矿方法存在误差且效率较低的技术问题。
一方面，本申请实施例提供了一种基于多重K均值聚类分析的找矿预测方法，所述方法包括：步骤S1：在赋煤盆地内确定有利区；其中，所述有利区用于划定找矿范围。步骤S2：基于K均值聚类分析对重磁多重位场处理结果进行识别，在所述有利区内确定重点区。步骤S3：收集地质体矿化蚀变级元素含量变化信息，在所述重点区内确定找矿靶区。
在本申请的一种实现方式中，确定有利区的过程，具体为：步骤S11：基于赋煤盆地内煤系变质及航磁异常信息，确定远景区。步骤S12：在所述远景区对重磁数据分别进行统计筛选，得到数据值异常区域。步骤S13：将ΔG垂向一阶导数与ΔT化极异常分别归一化后进行相关性分析，确定重磁同高异常范围，从而得到所述有利区；其中，所述ΔG垂向一阶导数为重力异常沿垂直方向求得的一阶导数，所述ΔT化极异常是与岩石层中的磁性物质相关的异常磁场。
在本申请的一种实现方式中，所述步骤S13之后，所述方法还包括：采集磁场值，并计算磁场总量异常ΔT数据。对所述磁场总量异常ΔT数据进行位场转换，以得到磁场参数；其中，所述磁场参数包括：ΔT 化极异常、ΔT 化极垂向一阶导数、ΔT 化极垂向二阶导数、ΔT化极总梯度模、ΔT 化极剩余异常、ΔT 化极标准差、ΔT 化极水平梯度模以及ΔT 化极下延不同深度数据。基于K均值聚类方法依次对所述磁场参数进行识别，得到各磁场参数对于矿体的反映，继而筛选出第一地质单元；其中，所述第一地质单元为成矿概率超过预设值的单元。
在本申请的一种实现方式中，所述方法还包括：采集重力值，并计算布格重力异常ΔG数据。对所述布格重力异常ΔG数据进行位场转换，以得到重力参数；其中，所述重力参数包括：剩余重力异常、ΔG垂向一阶导数、ΔG总梯度模、ΔG标准差、ΔG水平梯度模、ΔG下延不同深度数据。基于K均值聚类方法依次对所述重力参数进行识别，得到第二地质单元。
在本申请的一种实现方式中，所述步骤S12，具体包括：开展高精度重力测量、磁法测量，两相邻测线距离为100~250m，两相邻测点距离为两相邻测线距离的1/5~1/4。
在本申请的一种实现方式中，所述步骤S2中，确定重点区的过程，具体包括：步骤S21：确定K个聚类中心。
步骤S22：对磁场参数及重力参数设定不同权重系数。
步骤S23：随机选择某一数据点的位置作为单元中心点，计算所有数据点与该中心的加权距离和L i，同时确定与该中心点最远距离的数据点位置为第2个中心点，计算公式如下：
。
。
。
其中，为重力或磁法数据点参数值，/>为数据点参数值中的最小值，l (m ,n)为单个数据点与聚类中心的加权距离，L i为所有数据点与聚类中心的加权距离之和，/>为数据点参数值中的最大值，/>为数据点坐标，/>为第i个聚类中心的坐标，m为数据种类，n为数据量，/>为参数权重系数，/>为第i个聚类中心参数值，a、b分别对应实际计算中选择的磁法与重力的权重系数。
步骤S24：重复步骤S23，直至K个加权距离和达到最小值，确定K个聚类中心，并将两组数据分配到其距离最近的聚类中心，使得重力与磁法的处理结果被分为K组，确定多个重点区。
在本申请的一种实现方式中，所述步骤S3中，确定找矿靶区的过程，具体为：步骤S31：对所述重点区内地质、钻探资料以及物探结果进行多元综合分析。
步骤S32：推断由浅至深地层及构造分布情况。
步骤S33：结合矽卡岩型富铁矿成矿因素，预测重要找矿标志。
在本申请的一种实现方式中，所述重要找矿标志包括：大理岩化碳酸盐岩、角岩化碎屑岩、蚀变中基性岩、磁铁矿化蚀变、矽卡岩化蚀变、钠长石化蚀变、蛇纹石化蚀变、构造交汇部位、层间滑脱带、脆性裂隙。
在本申请的一种实现方式中，所述找矿靶区岩体全铁含量较周边低3%以上、镁含量较周边低2%以上，钾含量较周边低1%以上，钠含量较周边高1.5%以上；围岩地层钙含量较周边低1%以上，铁含量较周边低1%以上。
另一方面，本申请还提供了一种基于多重K均值聚类分析的找矿预测系统，应用如前述的方法，所述系统包括：有利区确定模块，用于在赋煤盆地内确定有利区；其中，所述有利区用于划定找矿范围；聚类模块，用于基于K均值聚类分析对重磁多重位场处理结果进行识别，在所述有利区内确定重点区；预测模块，用于收集地质体矿化蚀变级元素含量变化信息，在所述重点区内确定找矿靶区。
本申请实施例提供的一种基于多重K均值聚类分析的找矿预测方法及系统，具有以下有益效果：针对赋煤区展开研究，在中生代赋煤断陷盆地中，概选出存在于含煤地层及煤系矿产高变质岩中的1:50万航磁低缓异常区，快速圈定富铁矿远景区；通过对物探资料进行聚类分析，识别次级异常，提高找矿预测精度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种基于多重K均值聚类分析的找矿预测方法流程图；
图2为本申请实施例提供的一种基于多重K均值聚类分析的找矿预测系统组成图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例提供了一种基于多重K均值聚类分析的找矿预测方法及系统，用以解决现有的找矿方法存在误差且效率较低的技术问题。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于多重K均值聚类分析的找矿预测方法流程图。如图1所示，该方法主要包括以下步骤。
步骤S1：在赋煤盆地内确定有利区；其中，所述有利区用于划定找矿范围。
步骤S2：基于K均值聚类分析对重磁多重位场处理结果进行识别，在所述有利区内确定重点区。
步骤S3：收集地质体矿化蚀变级元素含量变化信息，在所述重点区内确定找矿靶区。
在本申请实施例中，确定有利区的过程，具体为：步骤S11：基于赋煤盆地内煤系变质及航磁异常信息，确定远景区。
首先，收集分析已有工作区地质、钻探及物探资料，重点分析已有航磁测量资料。在中生代赋煤断陷盆地中，圈定存在于含煤地层及煤系矿产高变质岩中的1:50万航磁低缓正异常区，即与背景值相比高100~300nT的区域，初步概选远景区。其中含煤地层的变质特征主要包括角岩化、红柱石化等，煤系矿产变质特征包括煤的煤质程度较周边高2个煤阶以上或直接变为天然焦。
步骤S12：在所述远景区对重磁数据分别进行统计筛选，得到数据值异常区域。
步骤S13：将ΔG垂向一阶导数与ΔT化极异常分别归一化后进行相关性分析，确定重磁同高异常范围，从而得到所述有利区；其中，所述ΔG垂向一阶导数为重力异常沿垂直方向求得的一阶导数，所述ΔT化极异常是与岩石层中的磁性物质相关的异常磁场。
在本申请实施例中，所述步骤S13之后，所述方法还包括：采集磁场值，并计算磁场总量异常ΔT数据；对所述磁场总量异常ΔT数据进行位场转换，以得到磁场参数；其中，所述磁场参数包括：ΔT 化极异常、ΔT 化极垂向一阶导数、ΔT 化极垂向二阶导数、ΔT化极总梯度模、ΔT 化极剩余异常、ΔT 化极标准差、ΔT 化极水平梯度模以及ΔT 化极下延不同深度数据；基于K均值聚类方法依次对所述磁场参数进行识别，得到各磁场参数对于矿体的反映，继而筛选出第一地质单元；其中，所述第一地质单元为成矿概率超过预设值的单元。包括：ΔT 异常、ΔT 化极垂向一阶导数异常靠正磁异常中部的等值线密集区或梯级带部位;ΔT 化极异常、ΔT 化极垂向二阶导数异常的中间部位或正异常中心偏边部位置;ΔT 化极剩余磁异常的中心位置;ΔT 化极标准差的两个高异常值之间中心位置；ΔT 化极水平梯度的正异常中心偏边部位置；ΔT 化极下延不同深度异常的中间部位。
在本申请实施例中，所述方法还包括：采集重力值，并计算布格重力异常ΔG数据；对所述布格重力异常ΔG数据进行位场转换，以得到重力参数；其中，所述重力参数包括：剩余重力异常、ΔG垂向一阶导数、ΔG总梯度模、ΔG标准差、ΔG水平梯度模、ΔG下延不同深度数据。
基于K均值聚类方法依次对所述重力参数进行识别，得到第二地质单元。包括：剩余重力异常、ΔG垂向一阶导数等值线密集区或梯级带位置； ΔG总梯度模、ΔG标准差及ΔG水平梯度模的正异常中心偏边部位置； ΔG下延不同深度的正异常中心偏边部等值线密集区或梯级带部位。
在本申请实施例中，所述步骤S12，具体包括：开展高精度重力测量、磁法测量，两相邻测线距离为100~250m，两相邻测点距离为两相邻测线距离的1/5~1/4。在实际探测中，测线与测点距离可以根据现场地形情况及探测需求进行调整；异常中心区域加密探测，测点数量为其他区域的2~3倍。
在本申请实施例中，所述步骤S2中，确定重点区的过程，具体包括：步骤S21：确定K个聚类中心。
步骤S22：对磁场参数及重力参数设定不同权重系数。
表1权重系数
步骤S23：随机选择某一数据点的位置作为单元中心点，计算所有数据点与该中心的加权距离和L i，同时确定与该中心点最远距离的数据点位置为第2个中心点，计算公式如下。
。
。
。
其中，为重力或磁法数据点参数值，/>为数据点参数值中的最小值，l (m ,n)为单个数据点与聚类中心的加权距离，L i为所有数据点与聚类中心的加权距离之和，/>为数据点参数值中的最大值，/>为数据点坐标，/>为第i个聚类中心的坐标，m为数据种类，n为数据量，/>为参数权重系数，/>为第i个聚类中心参数值，a、b分别对应实际计算中选择的磁法与重力的权重系数。
步骤S24：重复步骤S23，直至K个加权距离和达到最小值，确定K个聚类中心，并将两组数据分配到其距离最近的聚类中心，使得重力与磁法的处理结果被分为K组，确定多个重点区。
在本申请实施例中，所述步骤S3中，确定找矿靶区的过程，具体为：步骤S31：对所述重点区内地质、钻探资料以及物探结果进行多元综合分析；步骤S32：推断由浅至深地层及构造分布情况；步骤S33：结合矽卡岩型富铁矿成矿因素，预测重要找矿标志。根据找矿靶区进行钻探验证，对预测结果进行修正。
在本申请实施例中，所述重要找矿标志包括：大理岩化碳酸盐岩、角岩化碎屑岩、蚀变中基性岩、磁铁矿化蚀变、矽卡岩化蚀变、钠长石化蚀变、蛇纹石化蚀变、构造交汇部位、层间滑脱带、脆性裂隙。
在本申请实施例中，所述找矿靶区岩体全铁含量较周边低3%以上、镁含量较周边低2%以上，钾含量较周边低1%以上，钠含量较周边高1.5%以上；围岩地层钙含量较周边低1%以上，铁含量较周边低1%以上。
以上是本申请实施例提供的一种基于多重K均值聚类分析的找矿预测方法，基于同样的发明构思，本申请实施例还提供了一种基于多重K均值聚类分析的找矿预测系统，图2为本申请实施例提供的一种基于多重K均值聚类分析的找矿预测系统组成图，如图2所示，所述系统主要包括：有利区确定模块201，用于在赋煤盆地内确定有利区；其中，所述有利区用于划定找矿范围；聚类模块202，用于基于K均值聚类分析对重磁多重位场处理结果进行识别，在所述有利区内确定重点区；预测模块203，用于收集地质体矿化蚀变级元素含量变化信息，在所述重点区内确定找矿靶区。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (7)
1.一种基于多重K均值聚类分析的找矿预测方法，其特征在于，所述方法包括：
步骤S1：在赋煤盆地内确定有利区；其中，所述有利区用于划定找矿范围；确定有利区的过程，具体为：
步骤S11：基于赋煤盆地内煤系变质及航磁异常信息，确定远景区；
步骤S12：在所述远景区对重磁数据分别进行统计筛选，得到数据值异常区域；
步骤S13：将ΔG垂向一阶导数与ΔT化极异常分别归一化后进行相关性分析，确定重磁同高异常范围，从而得到所述有利区；其中，所述ΔG垂向一阶导数为重力异常沿垂直方向求得的一阶导数，所述ΔT化极异常是与岩石层中的磁性物质相关的异常磁场；
采集磁场值，并计算磁场总量异常ΔT数据；
对所述磁场总量异常ΔT数据进行位场转换，以得到磁场参数；其中，所述磁场参数包括：ΔT 化极异常、ΔT 化极垂向一阶导数、ΔT 化极垂向二阶导数、ΔT化极总梯度模、ΔT化极剩余异常、ΔT 化极标准差、ΔT 化极水平梯度模以及ΔT 化极下延不同深度数据；
基于K均值聚类方法依次对所述磁场参数进行识别，得到各磁场参数对于矿体的反映，继而筛选出第一地质单元；其中，所述第一地质单元为成矿概率超过预设值的单元；
步骤S2：基于K均值聚类分析对重磁多重位场处理结果进行识别，在所述有利区内确定重点区；
步骤S3：收集地质体矿化蚀变级元素含量变化信息，在所述重点区内确定找矿靶区。
2.根据权利要求1所述的基于多重K均值聚类分析的找矿预测方法，其特征在于，所述方法还包括：
采集重力值，并计算布格重力异常ΔG数据；
对所述布格重力异常ΔG数据进行位场转换，以得到重力参数；其中，所述重力参数包括：剩余重力异常、ΔG垂向一阶导数、ΔG总梯度模、ΔG标准差、ΔG水平梯度模、ΔG下延不同深度数据；
基于K均值聚类方法依次对所述重力参数进行识别，得到第二地质单元。
3.根据权利要求1所述的基于多重K均值聚类分析的找矿预测方法，其特征在于，所述步骤S12，具体包括：
开展高精度重力测量、磁法测量，两相邻测线距离为100~250m，两相邻测点距离为两相邻测线距离的1/5~1/4。
4.根据权利要求1所述的基于多重K均值聚类分析的找矿预测方法，其特征在于，所述步骤S3中，确定找矿靶区的过程，具体为：
步骤S31：对所述重点区内地质、钻探资料以及物探结果进行多元综合分析；
步骤S32：推断由浅至深地层及构造分布情况；
步骤S33：结合矽卡岩型富铁矿成矿因素，预测重要找矿标志。
5.根据权利要求4所述的基于多重K均值聚类分析的找矿预测方法，其特征在于，所述重要找矿标志包括：大理岩化碳酸盐岩、角岩化碎屑岩、蚀变中基性岩、磁铁矿化蚀变、矽卡岩化蚀变、钠长石化蚀变、蛇纹石化蚀变、构造交汇部位、层间滑脱带、脆性裂隙。
6.根据权利要求1所述的基于多重K均值聚类分析的找矿预测方法，其特征在于，所述找矿靶区岩体全铁含量较周边低3%以上、镁含量较周边低2%以上，钾含量较周边低1%以上，钠含量较周边高1.5%以上；围岩地层钙含量较周边低1%以上，铁含量较周边低1%以上。
7.一种基于多重K均值聚类分析的找矿预测系统，应用如权利要求1-6任意一项所述的方法，其特征在于，所述系统包括：
有利区确定模块，用于在赋煤盆地内确定有利区；其中，所述有利区用于划定找矿范围；确定有利区的过程，具体为：
基于赋煤盆地内煤系变质及航磁异常信息，确定远景区；
在所述远景区对重磁数据分别进行统计筛选，得到数据值异常区域；
将ΔG垂向一阶导数与ΔT化极异常分别归一化后进行相关性分析，确定重磁同高异常范围，从而得到所述有利区；其中，所述ΔG垂向一阶导数为重力异常沿垂直方向求得的一阶导数，所述ΔT化极异常是与岩石层中的磁性物质相关的异常磁场；
采集磁场值，并计算磁场总量异常ΔT数据；
对所述磁场总量异常ΔT数据进行位场转换，以得到磁场参数；其中，所述磁场参数包括：ΔT 化极异常、ΔT 化极垂向一阶导数、ΔT 化极垂向二阶导数、ΔT化极总梯度模、ΔT化极剩余异常、ΔT 化极标准差、ΔT 化极水平梯度模以及ΔT 化极下延不同深度数据；
基于K均值聚类方法依次对所述磁场参数进行识别，得到各磁场参数对于矿体的反映，继而筛选出第一地质单元；其中，所述第一地质单元为成矿概率超过预设值的单元；
聚类模块，用于基于K均值聚类分析对重磁多重位场处理结果进行识别，在所述有利区内确定重点区；
预测模块，用于收集地质体矿化蚀变级元素含量变化信息，在所述重点区内确定找矿靶区。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311584669.5A CN117312898B (zh) | 2023-11-27 | 2023-11-27 | 一种基于多重k均值聚类分析的找矿预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311584669.5A CN117312898B (zh) | 2023-11-27 | 2023-11-27 | 一种基于多重k均值聚类分析的找矿预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117312898A CN117312898A (zh) | 2023-12-29 |
| CN117312898B true CN117312898B (zh) | 2024-03-15 |
Family
ID=89286825
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311584669.5A Active CN117312898B (zh) | 2023-11-27 | 2023-11-27 | 一种基于多重k均值聚类分析的找矿预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117312898B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010082868A1 (ru) * | 2009-01-13 | 2010-07-22 | Общество С Ограниченной Ответственностью "Эмишэн" | Способ геофизической разведки и устройство для регистрации параметров естественного импульсного электромагнитного поля земли |
| WO2016138874A1 (zh) * | 2015-03-04 | 2016-09-09 | 中国地质科学院矿产资源研究所 | 位场构造格架自动提取方法 |
| CN106772651A (zh) * | 2016-12-06 | 2017-05-31 | 安徽省勘查技术院 | 利用高精度重力勘探寻找覆盖区矽卡岩型铜金矿的方法 |
| CN110082839A (zh) * | 2019-05-27 | 2019-08-02 | 青海省地质调查院 | 一种隐爆角砾岩型铜多金属矿找矿方法 |
| CN111063028A (zh) * | 2019-12-10 | 2020-04-24 | 核工业北京地质研究院 | 适用于铀矿深部有利成矿空间的地质识别及定位方法 |
| CN112965141A (zh) * | 2021-02-06 | 2021-06-15 | 核工业北京地质研究院 | 一种铀多金属矿的成矿有利地段的圈定方法 |
| 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 |
| WO2022036939A1 (zh) * | 2020-08-18 | 2022-02-24 | 中国地质科学院矿产资源研究所 | 一种基于砂金指针矿物学的找矿方法 |
| CN114740538A (zh) * | 2021-12-30 | 2022-07-12 | 山东省煤田地质规划勘察研究院 | 基于多元地球物理的矽卡岩型富铁矿深部勘查方法及系统 |
-
2023
- 2023-11-27 CN CN202311584669.5A patent/CN117312898B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010082868A1 (ru) * | 2009-01-13 | 2010-07-22 | Общество С Ограниченной Ответственностью "Эмишэн" | Способ геофизической разведки и устройство для регистрации параметров естественного импульсного электромагнитного поля земли |
| WO2016138874A1 (zh) * | 2015-03-04 | 2016-09-09 | 中国地质科学院矿产资源研究所 | 位场构造格架自动提取方法 |
| CN106772651A (zh) * | 2016-12-06 | 2017-05-31 | 安徽省勘查技术院 | 利用高精度重力勘探寻找覆盖区矽卡岩型铜金矿的方法 |
| CN110082839A (zh) * | 2019-05-27 | 2019-08-02 | 青海省地质调查院 | 一种隐爆角砾岩型铜多金属矿找矿方法 |
| CN111063028A (zh) * | 2019-12-10 | 2020-04-24 | 核工业北京地质研究院 | 适用于铀矿深部有利成矿空间的地质识别及定位方法 |
| WO2022036939A1 (zh) * | 2020-08-18 | 2022-02-24 | 中国地质科学院矿产资源研究所 | 一种基于砂金指针矿物学的找矿方法 |
| CN112965141A (zh) * | 2021-02-06 | 2021-06-15 | 核工业北京地质研究院 | 一种铀多金属矿的成矿有利地段的圈定方法 |
| 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 |
| CN114740538A (zh) * | 2021-12-30 | 2022-07-12 | 山东省煤田地质规划勘察研究院 | 基于多元地球物理的矽卡岩型富铁矿深部勘查方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| "Dynamic behavior and separation prediction of magnetic ore bulks in dry medium-intensity magnetic separator";Jiangang Ku等;《Minerals Engineering》;第171卷;全文 * |
| 山东齐河地区航磁磁场特征与深覆盖区铁矿靶区预测;王卫平;吴成平;马勋表;;中国地质调查(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117312898A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103670383B (zh) | 一种识别泥页岩油藏有效储层的方法及设备 | |
| CN103993871B (zh) | 针对薄互层地层的测井资料标准化处理方法及装置 | |
| Juhojuntti et al. | 3D seismic survey at the Millennium uranium deposit, Saskatchewan, Canada: Mapping depth to basement and imaging post-Athabasca structure near the orebody | |
| CN111077572A (zh) | 一种基于透射槽波频散曲线反演的煤厚定量预测方法 | |
| CN109143399B (zh) | 一种识别碳酸盐岩层序界面的方法 | |
| CN106772676A (zh) | 一种寻找厚覆盖区矽卡岩型金属矿产的方法 | |
| CN111045114A (zh) | 一种玄武岩覆盖区砂岩型铀矿成矿有利砂体识别定位方法 | |
| CN111045112A (zh) | 一种识别热液型铀矿床隐伏断裂构造的探测方法 | |
| CN111058837A (zh) | 一种基于多元逐步回归的页岩油岩性评价方法 | |
| WO2023000257A1 (zh) | 一种砂岩型铀矿成矿有利部位地质-地震三维预测方法 | |
| CN105700013A (zh) | 构建页岩气甜点产能模型的方法 | |
| CN117312898B (zh) | 一种基于多重k均值聚类分析的找矿预测方法及系统 | |
| CN110821496B (zh) | 有机质页岩相模式建立方法及有机质页岩评价方法 | |
| CN110847887B (zh) | 一种细粒沉积陆相页岩裂缝识别评价方法 | |
| Fallon et al. | Application of geophysics in metalliferous mines | |
| CN109490974B (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 | |
| CN113031091B (zh) | 一种判断高密度直立矿体深部延伸的坑道重力方法 | |
| RU2728000C1 (ru) | Способ проводки горизонтального ствола скважины в целевом интервале осадочных пород на основании элементного анализа шлама | |
| CN108019207A (zh) | 一种对称电磁波电阻率的测量方法 | |
| CN112832738A (zh) | 一种碎屑岩累计生烃强度确定方法及甜点层的识别与评价方法 | |
| Cornwell et al. | Regional geophysics | |
| CN111142158B (zh) | 一种提高断阶构造地震解释精度的标定方法 | |
| CN110795513A (zh) | 河流相源储异位型致密油气甜点区分布的预测方法 | |
| Tunin | Detrital Zircon Geochronology and Provenance Analysis of the Desmoinesian (Middle Pennsylvanian) Bartlesville and Red Fork Sandstones, Cherokee Platform and Anadarko Basin, Oklahoma | |
| CN112859196B (zh) | 井筒内断层断点的精确识别方法 |
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 |