基于地质统计学与神经网络的数字化成矿预测技术研究——以湘西金矿为例

摘要

数字化成矿预测是指借助于计算机、地质统计学、计算几何、计算机图形学等技术手段和理论，建立起关于矿体的空间分布形态以及矿化属性(如品位、厚度、储量等)的数字化矿床预测模型，然后进行成矿定量预测。数字化矿床预测模型的建立对于摸清开采区域内的品位与储量空间分布规律、定量预测、资源/储量的动态管理以及矿山的深边部找矿预测具有重要的指导意义。 本文作者以BP神经网络、分形理论、变异函数以及相关分析等数理统计理论和方法为基础，以湘西金矿为实例，针对矿化特征、相关性、矿化趋势、储量预测等技术问题开展数字化定量预测及其建模的研究。 在论述区域化变量、变异函数及其理论模型等地质统计学的一些基本概念的基础上，研究了湘西金矿矿体的变异函数特征，采用球状、直线、指数、对数等变异函数，对其数学模型进行了拟合和交叉验证，计算出了V1、V2、V3、v4、V7、V8等6条矿脉在走向与倾向上的变异函数，通过研究得出其变化规律为：上部变异函数变程较大，深部变程变小，反映了深部成矿作用复杂，但具有较好的找矿前景。 首次运用BP神经网络技术对近年来深部勘探新发现的V7、V8矿脉与V1、V2、V3、V4矿脉的变异函数进行了模式识别，结果表明：V7矿脉的变异函数与V3矿脉十分类似，可能存在与V3矿脉相同的矿化稳定、规模较大的特征；而V8矿脉的变异函数与其它矿脉都不相同，可能属于一种具有新的矿化特征的类型；并利用BP神经网络模型对深部矿脉的变异函数特征进行了研究，在此基础上对矿脉深部矿化富集规律进行了分析与预测。 借鉴分形理论对湘西金矿大量地质采样数据进行了研究，结果表明湘西金矿的矿脉厚度以及Au、Sb、WO<,3>等有用成分含量都存在多重分形的特点，且矿脉在走向与倾向、上部与深部都存在各向异性，结合成矿地质条件分析，反映矿床的形成经历了多期多阶段的矿化作用。采用BP神经网络技术对V7、V8脉与V1、V2、V3、V4脉在分形特征上进行了对比，结果表明V7与V3脉存在类似的分形特征，因而推测两矿脉在赋存状态、规模、矿化度等特征上具有一定的相似性，进而对矿脉深部矿化富集规律进行了预测。分形地质理论和BP神经网络技术交叉验证了前面通过变异函数得到的深部具有较好的找矿前景的结论。 采用多种数理统计方法对Au、Sb、WO<,3>三者之间品位、金属量的总体相关性进行了研究，结果表明三种有用组分间的品位存在部分相关性，而金属量之间存在显著的相关性，进而预测如果在后续的探矿工程中Au、Sb、WO<,3>三者金属量之间相关性较差，则该块段中可能存在未被发现的盲矿体，对找矿具有一定的指导意义。 论文作者共采集了386个矿块、2578个工程中的13321组化验样品数据共计60000多个Au、Sb、WO<3>的原始化验数据，通过这些分析数据以及脉厚和采样地点建立了模型数据库，进而建立了湘西金矿多重结构的BP神经网络成矿预测模型。该模型首先将多种样本数据作为输入端，分别非线性地计算出变异函数、分形理论、趋势分析的特征值，将其作为综合的输入因子与原始样本数据一起进行成矿预测。预测的结果与V4矿脉64号矿体的储量对比，偏差为3.2﹪；对深部V3矿脉25、26、27中段的预测对比偏差也仅为2.3﹪，表明建立的模型具有较好的适用性。 运用BP神经网络成矿预测模型对湘西金矿深部可能的隐伏矿体进行了成矿预测，预测分析表明：①湘西金矿矿脉在深部走向上可能变短，而在倾向上延伸稳定，预计倾向延长超过1800m以上；②矿脉深部品位还将进一步增高，而矿石量可能减少，金属量总体上保持稳定；③在矿脉上部可能还存在新的盲矿体，矿山已在近期生产勘探中得到验证；④湘西金矿在深部还具有很好的找矿前景。 在数字化成矿预测模型研究的基础上，利用VC6.0编程软件，开发了湘西金矿多重网络结构成矿预测系统。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权说明

第一章绪论

1.1选题背景和依据

1.1.1选题背景

1.1.2选题依据

1.2成矿预测研究工作评述

1.2.1成矿预测理论

1.2.2成矿预测方法

1.2.3成矿预测技术与手段

1.2.4湘西金矿成矿预测的研究现状

1.3研究内容及技术路线

1.3.1研究内容

1.3.2研究技术路线

1.3.3论文采用的研究工具

1.4完成的主要工作量

1.5主要研究成果与认识

第二章湘西金矿矿床地质特征

2.1成矿地质背景

2.2矿床地质特征

2.2.1地层

2.2.2构造

2.3矿体地质特征

2.4矿石特征

2.4.1矿石物质组分

2.4.2矿石结构、构造

2.4.3矿石类型

2.5围岩蚀变

第三章数字化成矿预测理论、模型与矿床数字化特征

3.1区域化变量的基本原理

3.1.1区域化变量及其性质

3.1.2区域化变量的数字特征与变异函数

3.2变异函数的定义与计算方法

3.2.1变异函数的定义

3.2.2变异函数的计算方法

3.3神经网络的基本原理

3.3.1神经网络的基本原理

3.3.2 BP神经网络的计算举例

3.4 BP神经网格模型的建立

3.4.1 BP模型系统界面及主要功能

3.4.2 BP神经网络结构与参数确定

3.4.3 BP神经网络模型的创建与使用步骤

3.4.4 BP神经网络模型的有效性检验

3.5样品数据结构分析

3.5.1样品的数值统计特征

3.5.2样品的分布特征

3.5.3各中段矿脉厚度的统计特征

3.6数据库的建立和维护

3.6.1数据库的入库

3.6.2数据库的维护

第四章数字化成矿预测研究

4.1成矿预测区域范围

4.2基于变异函数结构特征的成矿预测研究

4.2.1变异函数模型的选择与拟合

4.2.2变异函数模型的计算与成矿分析

4.2.3基于变异函数对V7,V8成矿模式的识别

4.2.4基于变异函数的BP神经网络模型成矿预测与运用

4.3基于分形的结构特征成矿预测

4.3.1分形地质基本概念及湘西金矿分形地质特征分析

4.3.2湘西金矿地质分形特征计算及成矿规律分析

4.3.3基于分形V7、V8矿脉成矿模式识别

4.3.4基于分形的成矿预测模型与分析

4.4矿床元素相关性分析与成矿预测

4.4.1矿床有用组分间的相关分析及成矿规律分析

4.4.2基于BP神经网络的矿床有用组分空间相关性分析

4.4.3基于元素相关性的V7、V8盲矿脉成矿规律类比分析

第五章多重网络结构模型与成矿预测

5.1多重网络结构模型的原理与方法

5.2多重结构网络模型的建立与验证

5.3基于多重网络结构的神经网络模型的深部成矿预测结果

第六章总结与展望

6.1工作回顾与总结

6.2后续工作与展望

参考文献

致谢

学习期间公开发表的学术论文