共查询到20条相似文献，搜索用时 31 毫秒
1.
我国积累的大量高质量、多元素、多尺度的地球化学数据,为矿产勘查与环境评价提供了有效的数据支撑。如何对这些数据进行二次开发和再利用,提取有价值的地球化学异常信息并带动找矿突破,是缓解当前矿产资源短缺的重要途径之一。在覆盖区和深部的找矿实践中,由于矿体埋深和覆盖层的影响,往往在表生介质中形成弱小的地球化学异常,识别和评价弱小地球化学异常是当前勘查地球化学数据处理的重要方向之一。本文围绕地球化学异常信息的提取和评价,主要从以下几个方面讨论了相关的国内外研究进展和发展趋势:勘查地球化学数据处理与异常识别方法和模型,勘查地球化学数据闭合效应的影响及其解决方案,基于大数据和机器学习的勘查地球化学数据处理以及弱小地球化学异常的识别和评价。研究发现,在地质环境的约束下,基于大数据思维和机器学习相结合的方法,注重地球化学空间分布模式与已发现矿床的相关关系,同时使用所有地球化学变量能有效刻画具有非线性特征的地球化学空间分布模式,可识别出传统方法无法识别的异常,为开展地球化学空间模式识别与异常提取提供了新的途径。 相似文献
2.
支持向量机、随机森林和人工神经网络机器学习算法在地球化学异常信息提取中的对比研究 总被引：1，自引：0，他引：1
地球化学勘查是通过发现异常、解释评价异常进行找矿的。因此,地球化学异常识别对矿产资源的定位、定量预测具有重要的的指示作用。在大数据时代的背景下,机器学习方法不要求数据满足正态分布的分布形式,且具有非线性以及泛化能力强等特点,因而逐渐地被应用于矿产资源的定量预测评价,如神经网络、支持向量机、贝叶斯网络、随机森林、受限玻尔兹曼机、极限学习机等。本文通过设计理论实验,可视化了不同算法,提出了不同机器学习方法在不同地区的地球化学异常信息提取中的效果存在不一致性的假设。在此基础上,以湖南香花岭锡多金属矿整装勘查区及甘肃合作金矿整装勘查区的地球化学异常提取为研究内容,将人工神经网络、随机森林以及支持向量机应用于研究区地球化学异常信息的提取与识别工作。在香花岭研究区,人工神经网络的结果较好,在合作研究区,随机森林的结果较好,从而验证了上述假设。通过生成两研究区的地球化学异常图,讨论了该方法在两研究区地球化学异常的地质意义和该方法的可靠性与实用性。此外,还完善了基于多种监督机器学习方法的地球化学异常信息提取流程,为软件开发提供了一定的理论依据。 相似文献
3.
Jordan J. Lindsay Hannah S.R. Hughes Christopher M. Yeomans Jens C.Ø. Andersen Iain McDonald 《地学前缘(英文版)》2021,12(3):101098
Whilst traditional approaches to geochemistry provide valuable insights into magmatic processes such as melting and element fractionation, by considering entire regional data sets on an objective basis using machine learning algorithms(MLAs), we can highlight new facets within the broader data structure and significantly enhance previous geochemical interpretations.The platinum-group element(PGE) budget of lavas in the North Atlantic Igneous Province(NAIP) has been shown to vary systematically according to age, geographic location and geodynamic environment.Given the large multi-element geochemical data set available for the region, MLAs were employed to explore the magmatic controls on these shifting concentrations.The key advantage of using machine learning in analysis is its ability to cluster samples across multi-dimensional(i.e., multi-element)space.The NAIP data set is manipulated using Principal Component Analysis(PCA) and t-Distributed Stochastic Neighbour Embedding(t-SNE) techniques to increase separability in the data alongside clustering using the k-means MLA.The new multi-element classification is compared to the original geographic classification to assess the performance of both approaches.The workflow provides a means for creating an objective high-dimensional investigation on a geochemical data set and particularly enhances the identification of metallogenic anomalies across the region.The techniques used highlight three distinct multi-element end-members which successfully capture the variability of the majority of elements included as input variables.These end-members are seen to fluctuate in prominence throughout the NAIP, which we propose reflects the changing geodynamic environment and melting source.Crucially, the variability of Pt and Pd are not reflected in MLA-based clustering trends, suggesting that they vary independently through controls not readily demonstrated by the NAIP major or trace element data structure(i.e., other proxies for magmatic differentiation).This data science approach thus highlights that PGE(here signalled by Pt/Pd ratio) may be used to identify otherwise localised or cryptic geochemical inputs from the subcontinental lithospheric mantle(SCLM) during the ascent of plume-derived magma, and thereby impact upon the resulting metallogenic basket. 相似文献
4.
降低勘查风险、实现科学找矿一直是国内外矿产勘查界不断探索的前缘领域和研究热点,而勘查区找矿预测理论与方法是解决这一难题的有效途径。该方法将成矿作用内因（元素的地球化学特征）和外因（地质作用类型）相结合,构建以成矿地质体、成矿构造与成矿结构面和成矿作用特征标志为主要内容的找矿预测地质模型,通过大比例尺构造蚀变填图、物化探测量和专题研究等综合方法,预测推断矿体赋存位置,最后通过工程施工,发现并查明工业矿体（矿床）。依据勘查区找矿预测理论与方法,在四川拉拉铜矿、新疆玛尔坎苏锰矿带穆呼?玛尔坎土锰矿及内蒙古大兴安岭南段敖脑达坝地区锡多金属矿开展找矿预测,取得了较好效果。 相似文献
5.
西藏铁格隆南铜(金)矿床三维模型分析与深部预测 总被引：1，自引：1，他引：0
铁格隆南铜(金)矿床是近年来在班公湖-怒江成矿带西段多龙矿集区新发现的超大型Cu(Au-Ag)矿床。本文针对铁格隆南矿区深部找矿问题,以现代成矿地质理论和多元地学信息综合分析技术为支撑,以构建矿床找矿模型为指导,依托数据库技术、3S技术、三维建模与可视化技术及地质统计学理论与方法,开展基于矿产地质、地球物理、地球化学等成矿条件及找矿标志的三维地质实体建模与矿化异常三维空间重构,将铁格隆南矿床的预测评价研究拓展到三维空间,揭示了区内成矿地质特征、地球化学及地球物理异常表征,据此探讨了矿床的成因及矿体分布特征。并在此基础上,开展了矿区的地质-地球化学-地球物理综合信息分析与预测评价,以期减少单一信息多解性和成矿条件不确定性,为铁格隆南矿区深部找矿工作提供参考。研究结果表明:在地质找矿模型指导下,基于深部成矿空间三维结构重构基础上的三维地质、地球物理、地球化学异常信息提取与综合分析,可以有效的识别成矿地质体和矿致异常信息,实现深部矿产资源靶区空间定位预测,为深部找矿预测研究提供了新思路。综合分析结果显示铁格隆南矿床深部找矿潜力巨大。 相似文献
6.
本文通过结合信息熵和灰色关联度来分析地质变量和矿床单元之间的关系,以达到圈定成矿靶区的目的。在地质、
物探、化探、重砂等资料研究的基础上提取了87个综合信息地质变量。在综合信息矿产预测理论与方法的指导下,将研究
区域划分为16个金矿床密集单元和14个金异常密集区为单元,引入熵权法对定性变量和定量变量分别计算信息熵和变量权
值,然后采用灰色关联分析法来定量解析单元之间的关联程度。结果表明：重力梯度、航磁、重磁吻合以及汇水盆地异常
等地质变量可以作为研究区域寻找金矿的有效地质标志,6号、 22 号、 18号和19号等单元可以作为一级远景成矿靶区,这与
很多相关研究结果基本一致,从而表明该方法能被有效应用于圈定找矿靶区。 相似文献
7.
兰坪盆地成矿预测中的多源信息定量分析 总被引：8，自引：1，他引：8
在提倡地球数字化的今天，为了满足地质找矿勘探的需求，成矿预测的技术和方法将面临着更新的挑战，以往那种定性分析的方法将很难满足成矿预测的精度，因此，对原有资料的数字化是很有必要的。矿产信息具有多源性，而任何一种技术和手段都不可能准确无误地预测矿床的存在、规模、形态等，鉴于此，文章把各种有利于矿床形成的变量[遥感地质构造，地质异常、物化探及已查明的矿床（点）等]进行成矿有利度得分和多源信息综合定量分析，在此基础上进行1：20万小比例尺综合成矿预测，并圈定出了金顶等6个找矿远景区。这些研究成果为进一步认识本区成矿地质环境，指导找矿提供了有利的证据，将大大提高成矿预测的精度，具有广泛推广的实际价值。 相似文献
8.
内蒙后二道沟铜金矿床综合信息找矿模型及矿床成因探讨 总被引：1，自引：0，他引：1
在系统研究内蒙后二道沟铜金矿床地质特征、矿体地质特征、地球物理特征及地球化学特征的基础上,将地质、物探及化探等数据进行系统关联,探讨各类信息之间的相关关系,从而构建了以"有利成矿地质条件+Au、Cu、Pb、Zn、As等指示元素的综合异常+低阻、高极化、高磁"为标志的综合信息找矿模型,综合异常区域可能是矿(化)体的赋存位置,其激电测深低视电阻率300Ω·m、高极化率3.0%、高磁异常300 nT。初步分析成矿构造背景及成矿三要素(热能、成矿流体、成矿物质)来源,并建立了矿床成因模式,认为矿床类型有矽卡岩型铜金铅锌多金属矿床、构造破碎带型铜金多金属矿床和石英脉型金矿床。 相似文献
9.
区域化探数据可以反映地层的空间分布,利用区域化探数据借助有效的数据挖掘方法,能够提取出其中包含的地质信息,对于覆盖区填图以及矿产勘查有重要意义,其中的关键问题是如何进行数据挖掘。随机森林算法是近年来热门的机器学习方法,本文应用随机森林算法结合非平衡数据集分类方法提出了一种新的化探数据挖掘方法,通过实例研究验证表明该方法准确率高,能够有效的提取出区域化探数据中的地质信息。 相似文献
10.
鄂尔多斯盆地北缘地球化学大数据样本优选分析 总被引：1，自引：1，他引：0
众所周知,地球化学数据携带有众多地质噪音,这些噪音严重影响地球化学数据信息的客观性与可靠性;对于地球化学大数据融合分析而言,确定样品的有效性及变量优选是滤除地质噪音、建立最优样本集合的必要性工作,因而在地球化学大数据处理分析前需首先进行大样本优选,从而更加客观、真实的揭示地球化学大数据信息及相关地质意义。本文以鄂尔多斯盆地北缘1∶20万地球化学土壤测量数据为例,考虑元素之间的地球化学亲和力与组合匹配关系,建立非线性大样本优选模型。具体做法是基于优选后的样品矩阵,将39个元素变量分解成若干独立因子向量,将最优独立因子向量作为元素组合,其向量各分量作为元素变量的权重,依权重大小进行变量优选;优选后的样本集合可以作为该区地球化学数据分析与信息识别的有效地学信息集合,运用这种集合可以有效开展鄂尔多斯盆地外围铀地球化学分析,并为盆地铀资源预测奠定基础。 相似文献
11.
The geochemical zoning of the Rogovik epithermal deposit in northeast Russia has been established on the basis of endogenic anomalous geochemical fields (AGCF) of Au–Ag zones, their qualitative and quantitative compositions, and spatial distribution of chemical element indicators of Au–Ag mineralization. The obtained geochemical data (monoelemental AGCF, associations of elements, their composition, contrast, and correlation) allowed us to estimate the erosion level of Au–Ag ore zones. It has been shown that AGCF related to Au–Ag mineralization are distinguished by simple component composition (Au, Ag, Hg, Sb, As, Cu, Pb, Zn) and regular spatial distribution of the elements. It has been established that the least eroded central part of the object is characterized by widespread and the most contrasting Au, Ag, Hg, Sb, and As AGCF closely related to the ore-bearing units of the deposit. The contrast of these fields gradually decreases with depth. Low-contrast Cu, Pb, and Zn AGCF typical of the footwall depth intervals and flanks of Au–Ag zones intervals appear at depth. The northern part of the area is eroded to the deepest level. The contrast of Ag, Hg, Sb, and As geochemical fields abruptly decreases here, and Cu, Pb, and Zn AGCF become widespread with depth. The relatively contrasting fields of anomalous Au concentrations develop here extremely locally and near the surface. It has been concluded that the as yet poorly explored southern part of the Rogovik deposit most likely is promising for further geological exploration and the discovery of new mineralized areas. 相似文献
12.
随着计算机科学和地质大数据技术的迅猛发展,数值模拟和机器学习已成为当今地学领域定量发展的重要前沿方向。数值模拟综合运用了研究区地质、构造、地球物理、地球化学等多源信息,将成矿条件与过程进行量化模拟分析,对研究成矿动力学演化过程及成矿响应有重要意义,可对已有成矿要素/信息在时空上进行扩展/外推,扩大了成矿预测信息的广度和深度,为解决深部成矿预测中获取深部信息难题提供了一种可能的有效途径。支持向量机是一种重要的机器学习分类算法,它具有简洁、方便、高效和计算结果较稳定等特点,在众多领域中得以成功应用,是成矿预测中多源信息提取与融合的一种可靠的技术手段。为了充分利用数值模拟与机器学习的优势,本文提出将计算机数值模拟方法和机器学习(即支持向量机算法)相结合来进行深部成矿预测的新方法。以粤北凡口超大型铅锌矿为例,首先,对凡口矿区勘探线剖面进行构造应力场模拟;进而,以已知钻孔数据作为训练集和测试集,运用支持向量机算法对模拟结果中的不同参量(也即模拟所得的成矿条件)进行训练学习;最后,建立相应的定量找矿预测模型对研究区(或剖面)外围和深部找矿进行预测评价。研究结果表明,本文所建立的预测模型精确度和召回率都较好,预测结果显示出了三个成矿可能较大的区域,说明数值模拟技术和机器学习算法结合应用的效果较好。这种新的成矿预测方法为深部找矿预测提供了一种可行的新思路和新途径,可以有效地拓展运用到其他矿区、其他类型矿床的深部找矿预测工作中。 相似文献
13.
锆石是在自然界中多种温压条件下能够稳定保存,并记录原岩年龄信息的副矿物。锆石微量元素能完整记录地质演化过程信息。通过微量元素分析锆石成因的研究已久,通常利用Th-U图解和LaN-(Sm/La)N图解等二元图解对锆石进行分类研究。然而,随着锆石研究的深入,以及二元图解无法呈现数据高维度信息的局限性,传统图解已经不能满足对锆石类型进行准确判别,且对已知类型的锆石出现判定偏差。因此,本文将地质大数据与机器学习相结合,训练出高维度锆石成因分类器。文中收集了3 498条不同成因类型的锆石微量元素数据,并通过测试和运用随机森林、支持向量机、人工神经网络和k近邻等4种机器学习算法,最终得出准确率为86.8%的线性支持向量机锆石成因分类器,用于锆石类型的判定与预测。这项工作为锆石分类研究提供了更高维度的判别手段,极大提高了微量元素分析成因结果的精度。将锆石微量元素数据与机器学习方法相结合,是大数据分析与机器学习技术在地球化学研究中的积极探索。 相似文献
14.
莲花山铜银矿床综合找矿模式 总被引：1，自引：1，他引：1
本文论述了莲花山铜银矿床的地质，物化探综合找矿模式，该铜银矿床为一受断裂，裂隙控制的热液脉状矿床。重磁异常资料是圈定岩体，研究铜多金属成矿地质环境的重要依据。电法，化探是寻找该矿的主要方法。 相似文献
15.
蔡家营铅锌银矿床原生异常模式 总被引：1，自引：1，他引：1
本文据蔡家营铅锌银矿床有关的各类介质中微量元素的分布及组合关系,确定了该矿床的指示元素,阐明了矿床原生异常特征及分带规律。结合矿床地质特征建立了该矿床的地球化学原生异常模式。取得了找盲矿的显着效果。 相似文献
16.
17.
18.
在隐伏矿体三维预测中,预测模型的准确性在很大程度上取决于找矿指标对矿化富集部位的指示性。然而,找矿指标容易受到找矿概念模型可靠性和成矿信息提取有效性限制,从而影响预测的准确性。论文以山东大尹格庄金矿隐伏矿体三维预测为例,基于深度学习方法,构建矿床深部隐伏矿体三维预测模型,旨在利用深度网络模型,学习获得对矿化具有显著指示性的找矿指标,提升三维预测的准确性。该方法将三维地质模型及其形态特征转换为适合卷积网络二维图像,采用卷积神经网络实现找矿指标的自动提取,并构建三维地质模型到矿化富集地段的定量关联。利用该方法建立了大尹格庄金矿的三维预测模型,经与几种人工建立找矿指标预测模型的对比分析,表明基于深度学习的预测模型较大地提升了预测准确性。 相似文献
19.
大数据和高性能计算使得地质学可能突破种种主客观因素的限制,从传统的定性描述和不确定性作为特点转变为更全面的定量化发展阶段,即地质学更加注重通过挖掘复杂的多元地学数据间的关联关系来探究地质成因过程。为了厘清研究区多元化地质数据并划分成矿远景区,结合现代信息化新方法新技术,智能高效地帮助地学工作者提供辅助决策依据。以甘肃省大桥金矿为研究区,提出了利用一维卷积神经网络替代传统的人工计算,通过对研究区金多金属矿的地球化学元素及地球物理元素数据进行训练,挖掘研究区综合成矿信息,依据训练结果划分出4类成矿远景区。研究结果表明,地质成矿过程复杂,每一个成矿预测要素在地质成矿过程中均发挥重要的作用。在大比例尺度上,应用深度学习网络模型划分成矿远景区能客观地反映多元化地质数据本身的非线性特征,识别地质要素的空间特征,深层次提取和挖掘成矿异常信息,实现矿产资源智能化预测评价。 相似文献
20.
K. N. Dobroshevsky V. I. Gvozdev S. A. Shlykov V. A. Stepanov D. G. Fedoseev 《Russian Journal of Pacific Geology》2017,11(5):368-382
The mineral composition and geochemical characteristics of the ores of the Malinovskoe gold-ore deposit are studied by the data from mining works (ditches, cleanings, and boreholes). It is found that the ore–magma system of the deposit was formed in several stages of mineralization characterized by two phases of magmatism differing in age. In terms of the set of features (the geological–structural position of the deposit, as well as the material composition and geochemical characteristics of the ores), the deposit is attributed to the gold–tourmaline type of mineralization associated spatially and genetically with the “raremetal” granitoid magmatism. This type has not previously been found in Primorskii Krai. The studies of the material composition and geochemical characteristics of the ores allow us to ascertain the correlations between the elements along with the reasons of their origination. By analogy with other gold-ore formations of the Russian Far East, the mineralogical and geochemical model of the deposit is developed (Be–Sn–Cr–Ba–Au–Cu–Mo–Pb–V–Ti–Co–W–Ag–Bi–Ni–Mn–Sr–Zn–Sb–As modeling element series of vertical zoning), which enables us to estimate the levels of the erosion section of the ore bodies and to evaluate their prospects. It is found that the most productive associations in the deposit are the gold–bismuth geochemical association (Au–Ag–Bi–Cu–As–Co) and, to a lesser degree, the gold–tungsten association (W–Au–Ag–Cu–Bi–As). 相似文献