共查询到20条相似文献，搜索用时 593 毫秒
1.
2.
为解决格鲁其堆山外围区找矿问题,笔者本着“由已知向未知”的研究思路,在格鲁其堆山矿区开展地电化学集成技术找矿应用。选取矿区内已知剖面进行试验研究,结果显示:在已知矿体上方均显示出了明显的Cu、Pb、Zn等元素异常,验证地电化学集成技术在该地区寻找隐伏铅锌矿产是可行的。再在矿区的西南部未知区内开展隐伏矿预测研究,运用因子分析得出矿区最佳找矿元素组合,结合单元素异常图和成矿地质条件,在研究区内圈定1个Ⅰ类靶区,1个Ⅱ类靶区,1个Ⅲ类靶区。 相似文献
3.
4.
5.
6.
7.
地电化学法在鄂尔多斯盆地东胜地区寻找隐伏铀矿中的应用 总被引：1，自引：0，他引：1
《矿物岩石地球化学通报》2015,(5)
为解决鄂尔多斯盆地厚层覆盖区找矿难题,运用地电化学法在鄂尔多斯盆地东胜地区进行了找矿预测研究。地电化学法测得隐伏铀矿体上方的地电提取异常。由此建立一套适用于在鄂尔多斯盆地东胜地区寻找隐伏铀矿床的勘查集成组合技术,并应用于该区1200km2范围内的找矿预测。结果在预测区内找到了6个具有找矿前景综合异常靶区,为在鄂尔多斯盆地东胜地区厚覆盖区的找矿指明了方向。 相似文献
8.
化探数据挖掘在金矿找矿及靶区优选中的应用——以甘肃玉石山地区为例 总被引：1，自引：1，他引：0
由于自然界中Au元素呈微粒状、不均匀状态分布,致使部分金矿床(点)没有与之对应的Au元素异常出现,增加了通过元素异常开展地质找矿和成矿预测研究的难度。本文依据地学大数据"查明数据间的相关关系,解决地质问题"这一基本思路,以甘肃玉石山地区化探数据为研究对象,建立起研究区全样本Au元素回归模拟模型和异常样本Au元素回归模拟模型,分别计算全样本Au元素回归理论值(Au Q)和异常样本的回归理论值(Au Y)。通过异常查证,在Au Q异常区发现金矿点1处,在Au Y异常区发现金矿点3处(一处达到小型规模),取得了很好的找矿效果。进一步对Au、Au Q、Au Y分别做正规化处理相加获得综合理论值(Au H),以Au H圈定的综合异常使研究区75%金矿床(点)分布在研究区7. 1%面积范围内,有效地缩小了找矿靶区的范围,解决了小范围研究区内因已知矿床(点)不足而无法开展定量找矿预测的难题。结合异常强度和地质背景分析,在研究区划分出3级共10个找矿靶区,为今后在该区找矿工作提供了基础依据。 相似文献
9.
利用我国海量地质标准基础数据库中的数字地质图和矿产图,通过基于GIS的地质解译空间集成地质信息,将其用于综合信息矿产预测。以地质解译系统对内蒙大兴安岭南段1∶20万成矿预测的应用为案例,阐述地质信息的空间提取与集成过程：首先在建立地质字典库实现地质空间信息共享的基础上,通过矿化密集区对地质模型的分类图层进行空间分析,建立地质成矿空间信息库和图库;然后,基于典型矿床圈定模型单元,通过模型单元与地质成矿空间信息库和图库的空间分析,建立地质找矿模型;最后,基于地质单元对地质成矿空间信息库和图库的二次空间集成,完成预测模型的地质空间信息提取与集成。将本方法应用在银矿案例的综合信息矿产预测靶区评价上,得到可供进一步查证的新增靶区比已知靶区增加了近5倍。 相似文献
10.
11.
找矿效果取决于找矿靶区预测的准确程度,传统的“综合信息成矿预测”(定性研究)已无法深入挖掘现有地质信息的潜在价值。本文应用大数据思想、方法,对甘肃省祁连山—龙首山地区1∶20万区域化探数据做分幅平差,消除了原始数据的系统误差。应用回归分析建立信息修复模型,增强了化探信息与区域Cu矿的相关关系。通过判别分析算法,构建了区域“化探信息Cu找矿靶区定量优选系列模型”,对研究区Cu找矿靶区做出定量预测。经统计,一、二级预测靶区中包含已知铜矿的比率高于22.0%,其面积仅占总研究区的1.72%。大数据找矿靶区定量预测在大幅提高预测精度的同时,很大程度地缩小了预测找矿靶区的面积。在对系列模型预测效果做出定量评价的同时,通过所建系列模型组合元素的特征分析,该研究也为进一步研究区域矿床成因和控矿条件提供了定量依据。 相似文献
12.
13.
在对比分析秦岭宁（陕）柞（水）北部商丹断裂带两侧成矿地质条件基础上,解译了１：５万ＴＭ图像,提取了构造和金银矿化蚀变信息,进行了遥感地质预测和找矿靶区优选研究,圈定出找矿远景区４个,找矿靶区１０个。将１：５万ＴＭ遥感地质预测靶区与多种方法综合预测靶区对比分析认为,在该区进行１：５万ＴＭ遥感地质预测金银矿靶区是有效的,综合预测优选的靶区对该区找矿有重要指导价值。 相似文献
14.
15.
通过查明数字间的相关关系,研究、解决地质问题的大数据研究思想和方法,已被越来越多的地质工作者接受并应用。文中应用大数据思想、方法对甘肃省西秦岭地区1∶20万区域水系沉积物测量数据进行深度挖掘,构建起"基于化探信息的区域Au找矿靶区定量优选系列模型"。系列模型不但对研究区Au找矿靶区做出了精确的定量预测(经随机抽样查证,在1/3的预测靶区发现Au矿化),同时获得了与Au成矿地球化学理论结果高度一致的元素组合,并且对各元素在找矿靶区预测模型中的重要程度做出定量评价,为进一步研究矿床成因和控矿条件提供了定量依据。该研究结果充分说明海量数据信息中隐藏着极大的潜能,依据地质大数据的思想和定量研究方法就能将其充分地挖掘出来。同时这也充分证明了通过"查明数据间的相关关系取代分析事物因果关系"开展地质研究、找矿靶区定量优选的可行性和必要性。 相似文献
16.
17.
18.
19.
找矿靶区预测需要综合考虑地质背景、地球化学数据、地球物理勘探数据、遥感数据等因素。随着人工智能时代的到来,靶区预测可以最大限度地利用计算机运算性能,通过特定的规则集成所有地学数据对各类矿种的找矿靶区进行预测,尽可能规避由于数据种类多、数据量大、方法复杂、主观性强造成的预测结果可靠性差等问题。本文以广东省阳江-茂名地区为例,融合地球化学、地层岩性、地质构造、地形地貌等数据,基于PSPNet、SegNet、UNet三种语义分割深度学习模型进行预测,结果表明PSPNet模型在预测精度方面优于SegNet及UNet模型,并预测出了55处铁矿、金矿、铜矿、高岭土矿找矿靶区,其中79.7%的已查明矿点位于预测靶区内,表明该方法在找矿靶区预测中具有较高的可行性,可以用于找矿勘查并圈定靶区。 相似文献