基于航空物探数据的半定量与神经网络联合预测找矿方法

摘要

本发明涉及一种基于航空物探数据的半定量与神经网络联合预测找矿方法，包括：a.整理研究区的航空物探数据，求取航空物探数据转换参量；b.对已有矿床的航空物探异常特征进行分析，建立物理–数学矿床模型；c.在未知区域，利用物理–数学矿床模型，采用半定量预测方法进行预测，生成半定量成矿有利度评价参量；d.以半定量成矿预测有利度参数为约束条件，利用物理–数学矿床模型进行神经网络预测，生成神经网络预测成矿有利度评价参量；e.将半定量成矿和神经网络预测成矿有利度评价参量与研究区的地质图叠合，分析有利度成矿地质背景，圈定成矿远景区。本发明能够有效利用航空物探数据，联合半定量与神经网络预测方法，能够准确预测成矿远景区。

说明书

技术领域

本发明涉及一种矿产勘查技术领域，具体地说是一种基于航空物探数据的半定量与神经网络联合预测找矿方法。

背景技术

随着仪器设备的发展，大比例尺、高精度航空物探项目开展越来越多，覆盖了大部分地区，航空物探数据含有丰富的成矿地质信息，在研究矿床外围和深部找矿方面具有优势，能较好的反映矿藏形成特殊的地化环境。

但现在大多使用单一的成矿预测方法，效果不理想，尤其是对于第二探矿空间，在深部矿产寻找中，找矿准确率低，且无法有效利用航空物探数据。

进一步研究基于航空物探数据的多方法联合预测，能大大提高航空物探数据的利用效率和找矿准确率，尽量多地挖掘成矿有利信息，可为进一步寻找深部矿产提供重要指示信息，特别是对500 m以深的第二探矿空间的找矿突破具有重要意义。

发明内容

本发明的目的就是提供一种基于航空物探数据的半定量与神经网络联合预测方法，以解决现在单一成矿预测方法效果不理想的问题。

本发明是这样实现的：一种基于航空物探数据的半定量与神经网络联合预测找矿方法，其特征在于，包括以下步骤。

a.整理研究区的航空物探数据，并分别对航磁数据和航放数据进行数据转换处理，求取研究区的航空物探数据转换参量。

b.对研究区内已有矿床的航空物探异常特征进行分析，建立典型矿床的物理–数学矿床模型。

c.在研究区内的未知区域，基于研究区的航空物探数据转换参量，利用建立的物理–数学矿床模型，采用半定量预测方法进行预测，生成半定量成矿有利度评价参量。

d.以半定量成矿预测有利度参数为约束条件，利用建立的物理–数学矿床模型进行神经网络预测，将研究区各种航空物探数据转换参量叠置，生成神经网络预测成矿有利度评价参量。

e.将半定量成矿有利度评价参量和神经网络预测成矿有利度评价参量与研究区的地质图叠合，分析有利度成矿地质背景，圈定成矿远景区。

在步骤a中，整理的航空物探数据包括航磁ΔT和航放总量、航放铀含量、航放钾含量、航放钍含量基础参数。

在步骤a中，对航磁数据进行的数据转换处理包括平均值、局部异常、水平梯度模、垂向一(二)阶导数、熵、偏度、峰度、向上延拓，对航放数据进行的数据转换处理包括平均值、局部异常、熵、偏度、峰度。

在步骤b中，在研究区中选择已知的矿床区域，将矿床投影到步骤a中得到的各航空物探数据转换参量信息上，分析已知矿床与物理场的关系，调整已知矿床与物理场的相关系数、有利信息面积比以及费歇判据确定转换场中矿床所处场的最佳场值组合关系，从而建立典型矿床的物理–数学矿床模型。

在步骤c中，将每种航空物探数据转换参量中符合物理－数学矿床模型的数据赋予1，其它数据赋予0，1代表有利，0代表不利，然后将所有参量信息叠加分析，生成半定量成矿有利度评价参量。

在步骤d中，以步骤c中得到的半定量有利度参量为约束条件，对参与预测的各转换场参量进行约束，将每种转换场中符合矿床模型的数据根据相关系数的大小赋于一定的权值，代表有利，对于相关系数小于给定值的其它数据赋于0，代表不利, 然后进行信息叠加分析，生成神经网络预测成矿有利度评价参量。

在步骤e中，将预测有利度信息投影到地质图上，分析有利度高地段的成矿地质条件，选择多种信息复合地段圈定为成矿远景区。

本发明利用研究区已知的矿床建立物理–数学矿床模型，在矿床未知区域利用该模型进行预测，利用半定量方法生成半定量成矿有利度评价参量，并以半定量成矿预测有利度参数为约束条件，进行神经网络预测，生成神经网络预测成矿有利度评价参量，最后再联合半定量成矿有利度评价参量和神经网络预测成矿有利度评价参量，将联合有利度信息与地质图叠合，分析有利度成矿地质背景，圈定成矿远景区。

航空物探数据包括航磁和航放数据，通过数据转换处理后，能够得到多种航空物探数据转换参数，根据多种航空物探数据转换参量分析得到典型矿床的物理–数学矿床模型，该模型中蕴藏有丰富的信息，充分利用了航空物探数据。

本发明能够有效利用航空物探数据，且联合半定量与神经网络预测方法，能够准确预测成矿远景区，解决了单一成矿预测方法效果不理想的问题，在利用航空物探数据进行矿产勘查方面提供了一种有效的技术方法，具有广泛的应用前景，适于推广应用。

附图说明

图1是本发明的流程图。

具体实施方式

本发明为一种基于航空物探数据的半定量与神经网络联合预测找矿方法，包括以下步骤。

a.整理研究区的航空物探数据，并分别对航磁数据和航放数据进行数据转换处理，求取研究区的航空物探数据转换参量。

b.对研究区内已有矿床的航空物探异常特征进行分析，建立典型矿床的物理–数学矿床模型。

c.在研究区内的未知区域，基于研究区的航空物探数据转换参量，利用建立的物理–数学矿床模型，采用半定量预测方法进行预测，生成半定量成矿有利度评价参量。

d.以半定量成矿预测有利度参数为约束条件，利用建立的物理–数学矿床模型进行神经网络预测，将研究区各种航空物探数据转换参量叠置，生成神经网络预测成矿有利度评价参量。

e.将半定量成矿有利度评价参量和神经网络预测成矿有利度评价参量与研究区的地质图叠合，分析有利度成矿地质背景，圈定成矿远景区。

本发明的详细步骤如下。

整理准备研究区的航空物探数据，航空物探数据包括航磁ΔT和航放总量、航放铀含量、航放钾含量、航放钍含量基础参数，并分别进行数据转换处理。其中对航磁数据（航磁ΔT）进行的数据转换处理包括平均值、局部异常、水平梯度模、垂向一(二)阶导数、熵、偏度、峰度、向上延拓等，对航放数据（航放总量、航放铀含量、航放钾含量、航放钍含量）进行的数据转换处理包括平均值、局部异常、熵、偏度、峰度等。从而得到研究区的航空物探数据转换参量。

在研究区中选择已知的矿床区域（矿体水平投影范围），将矿床投影到各航空物探数据转换参量信息上，分析已知矿床与物理场的关系，调整已知矿床与物理场的相关系数、有利信息面积比以及费歇判据确定转换场中矿床所处场的最佳场值组合关系，从而建立典型矿床的物理–数学矿床模型。

矿床的形成有其特殊的地化环境，反映在地球物理场（如磁场、重力场和伽玛场等）上，有一种特定的地球物理场及其相关转换场场值组合关系，就可建立矿床的物理—数学模型，通过调整矿床与物理场的相关系数参数来确定转换场最佳场值组合关系。

矿床有特定的地球物理场及其相关转换场场值组合关系，建模过程中选取相应的参量保证最能刻画物理场特征，这些转换参量通过窗口滑动，对窗口内的数据进行相应统计、计算来求取。

将已有的矿床模型应用到矿床未知地区，进行成矿远景区的预测。矿床模型的选用要根据研究区内有无已知矿床来决定，在已有矿床产出的地区，模型首选本区矿床模型，并适当引用外区或国外的矿床模型；而对工作程度不高，暂未发现矿床的地区，只能引用外区现有的矿床模型。

首先进行半定量成矿预测，将每种航空物探数据转换参量中符合前面建立的物理－数学矿床模型的数据赋予1，其它不符合物理－数学矿床模型的数据赋予0，其中1代表有利，0代表不利，然后将所有参量进行信息叠加分析，生成半定量成矿有利度评价参量。

然后进行神经网络成矿预测，前面得到的半定量有利度参量为约束条件，在有利区域进行各种转换参量赋值（不利区域赋值为0），对参与预测的各转换场参量进行约束，将每种转换场中符合矿床模型的数据根据相关系数的大小赋于一定的权值，代表有利，对于相关系数小于给定值的其它数据赋于0，代表不利, 然后进行信息叠加分析，生成神经网络预测成矿有利度评价参量。

在进行神经网络成矿预测时，首先将研究区的预测信息数据输入，将预测信息数据进行转换处理，并提取各预测信息子网格。然后将矿床模型输入，提取矿床子网格文件，并求取各预测信息子网格与矿床子网格的相关系数，根据相关系数选择预测所用信息，并对选择的所用信息进行标准化处理。根据相关系数确定各预测所用信息的权值，然后计算非地质构造成矿有利信息。将非地质构造成矿有利信息与地质信息以及构造信息结合考了，便可进行最终的成矿预测。

最后，在求取半定量与神经网络联合预测的有利度参量的基础上，将预测有利度信息投影到地质图上，分析有利度高地段的成矿地质条件，选择成矿地质条件有利且预测有利度高套合较好地段（多种信息复合地段）圈定为成矿远景区。

本发明利用研究区已知的矿床建立物理–数学矿床模型，在矿床未知区域利用该模型进行预测，利用半定量方法生成半定量成矿有利度评价参量，并以半定量成矿预测有利度参数为约束条件，进行神经网络预测，生成神经网络预测成矿有利度评价参量，最后再联合半定量成矿有利度评价参量和神经网络预测成矿有利度评价参量，将联合有利度信息与地质图叠合，分析有利度成矿地质背景，圈定成矿远景区。

航空物探数据包括航磁和航放数据，通过数据转换处理后，能够得到多种航空物探数据转换参数，根据多种航空物探数据转换参量分析得到典型矿床的物理–数学矿床模型，该模型中蕴藏有丰富的信息，充分利用了航空物探数据。

本发明能够有效利用航空物探数据，且联合半定量与神经网络预测方法，能够准确预测成矿远景区，解决了单一成矿预测方法效果不理想的问题，在利用航空物探数据进行矿产勘查方面提供了一种有效的技术方法，具有广泛的应用前景，适于推广应用。