CN107908834B - 隐伏矿体的三维定位成矿预测方法以及*** - Google Patents
隐伏矿体的三维定位成矿预测方法以及*** Download PDFInfo
- Publication number
- CN107908834B CN107908834B CN201711022639.XA CN201711022639A CN107908834B CN 107908834 B CN107908834 B CN 107908834B CN 201711022639 A CN201711022639 A CN 201711022639A CN 107908834 B CN107908834 B CN 107908834B
- Authority
- CN
- China
- Prior art keywords
- geological
- ore
- information
- prediction
- mineralization
- 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
- 230000033558 biomineral tissue development Effects 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 238000010197 meta-analysis Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000013499 data model Methods 0.000 claims abstract description 17
- 230000008901 benefit Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000015572 biosynthetic process Effects 0.000 claims description 21
- 230000000295 complement effect Effects 0.000 claims description 18
- 238000005065 mining Methods 0.000 claims description 16
- 230000004807 localization Effects 0.000 claims description 13
- 230000002349 favourable effect Effects 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 2
- 230000001089 mineralizing effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 9
- 238000011160 research Methods 0.000 abstract description 6
- JQJCSZOEVBFDKO-UHFFFAOYSA-N lead zinc Chemical compound [Zn].[Pb] JQJCSZOEVBFDKO-UHFFFAOYSA-N 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000005389 magnetism Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 239000011707 mineral Substances 0.000 description 5
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 229910052952 pyrrhotite Inorganic materials 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 229910052725 zinc Inorganic materials 0.000 description 3
- 239000011701 zinc Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 241000722946 Acanthocybium solandri Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Mining & Mineral Resources (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种隐伏矿体的三维定位成矿预测方法以及***，其中的方法包括：建立用于进行隐伏矿体成矿预测的地质信息变量和已知矿体的三维数据模型，将地质空间范围划分进行立方体信息单元化处理，获取地质信息变量和已知矿体在立方体信息单元内的空间位置套合数据，使用Meta分析算法计算得到地质信息变量之间的优势比；根据优势比确定地质信息变量对于成矿作用的权重值，获取各个立方体信息单元的综合评价值，圈定成矿预测靶区。本发明的方法、***，基于Meta分析提高隐伏矿体的三维定位成矿预测精度和找矿有效性，可给出处理效应的定量结果，有效解决研究结果的不一致性的问题，并为权重的客观确定提供有效的方法。
Description
技术领域
本发明涉及成矿预测技术领域，尤其涉及一种隐伏矿体的三维定位成矿 预测方法以及***。
背景技术
目前，人们对矿产资源的需求量日益增加，同时易于找寻的露头矿、近 地表矿日趋减少，一批大中型矿山保有储量逐渐枯竭，多数已进入危机矿山 行列。因此，寻找深部隐伏矿体成为地质找矿新突破的重要途径。目前，基 于二维或二点五维中小比例的尺区域性矿产预测评价，难以适应和满足大型 矿山可接替资源找矿向深边部三度空间发展的要求。发展基于真三维的三维 地质建模、空间分析和非线性预测技术，是实现深部隐伏矿体立体定位定量 预测的重要途径。深部隐伏矿体的三维立体定位及多元信息综合成矿预测时，通常要对多种地质变量对于成矿的有利程度进行分析和评价。由于矿床形成 与成矿事件及各种成矿控制因素之间均不显示简单的线性关系,由此而造成 找矿目标与各种直接、间接找矿信息之间也多呈非线性联系，因此科学、客 观地确定三维成矿预测中各个信息变量的权重具有十分重要的意义，但是， 现有的成矿预测技术对于权重的确定的具有不确定性，影响了成矿预的测精 度和找矿有效性。
发明内容
有鉴于此，本发明要解决的一个技术问题是提供一种隐伏矿体的三维定 位成矿预测方法以及***。
根据本发明的一个方面，提供一种隐伏矿体的三维定位成矿预测方法， 其特征在于，包括：基于地质勘查资料进行地质体三维建模，建立用于进行 隐伏矿体成矿预测的至少一个地质信息变量和已知矿体的三维数据模型；在 所述三维模型中设定用于进行隐伏矿体成矿预测的地质空间范围，确定用于 划分地质空间的立方体单元；基于所述立方体单元将所述地质空间范围划分 为多个立方体信息单元，进行立方体信息单元化处理；基于所述地质信息变 量的三维数据和所述已知矿体的三维数据，获取所述地质信息变量和所述已 知矿体在所述立方体信息单元内的空间位置套合数据；基于所述空间位置套 合数据，使用Meta分析算法计算得到所述地质信息变量之间的优势比；根据 所述优势比确定所述地质信息变量对于成矿作用的权重值；基于所述权重值 获取各个立方体信息单元的综合评价值，根据所述综合评价值圈定成矿预测 靶区，实现隐伏矿体的三维定位预测。
可选地，所述获取所述地质信息变量和所述已知矿体在所述立方体信息 单元内的空间位置套合数据包括：设置立体信息单元统计变量Z，用于统计 地质信息变量和已知矿体在立体信息单元出现的次数；将与大于或等于预设 阈值的所述Z值对应的所述立体信息单元设为远景成矿立体单元；对已知矿 体空间划分出M个区块，用于进行Meta分析确定成矿预测中各个地质信息变 量的权重；统计在所述远景成矿区块中地质信息变量Ai与已知矿体B1共存的 立体单元数量SAi，获取在所述远景成矿区块中存在已知矿体B1的立体单元 数量SK；其中，基于SAi与SK的比率判断地质信息变量Ai对于成矿预测的重 要程度。
可选地，所述基于所述空间位置套合数据、使用Meta分析算法计算得 到所述地质信息变量之间的优势比包括：使用Meta分析算法并基于所述远景 成矿区块中的SAi和SK，计算得到所述地质信息变量两两之间的优势比数值； 所述根据所述优势比确定所述地质信息变量对于成矿作用的权重值包括：基 于所述优势比数值计算所述地质信息变量两两之间的优势比数值之差的绝对 值；获取所述优势比数值之差的绝对值的空间分布状态，确定进行模糊评判 的标度区间；根据所述标度区间以及所述优势比数值生成权重模糊互补判断 矩阵C；对所述模糊互补判断矩阵C进行求解计算，得到所述地质信息变量 在综合成矿预测中的客观权重值Wi。
可选地，所述基于所述权重值获取各个立方体信息单元的综合评价值包 括：基于所述客观权重值Wi并采用模糊综合评判法FCA，计算各个所述立方 体信息单元的的综合评价值F。
可选地，所述根据所述综合评价值圈定成矿预测靶区包括：基于所述综 合评价值F进行分组处理，计算每组的所述立方体信息单元的累积频率；根 据所述累计频率确定成矿有利区块，基于所述成矿有力区块预测成矿靶区。
根据本发明的另一方面，提供一种隐伏矿体的三维定位成矿预测***， 包括：数据模型建立模块，用于基于地质勘查资料进行地质体三维建模，建 立用于进行隐伏矿体成矿预测的至少一个地质信息变量和已知矿体的三维数 据模型；信息单元化处理模块，用于在所述三维模型中设定用于进行隐伏矿 体成矿预测的地质空间范围，确定用于划分地质空间的立方体单元；基于所 述立方体单元将所述地质空间范围划分为多个立方体信息单元，进行立方体 信息单元化处理；套合数据计算模块，用于基于所述地质信息变量的三维数 据和所述已知矿体的三维数据，获取所述地质信息变量和所述已知矿体在所 述立方体信息单元内的空间位置套合数据；变量权重计算模块，用于基于所 述空间位置套合数据，使用Meta分析算法计算得到所述地质信息变量之间的 优势比；根据所述优势比确定所述地质信息变量对于成矿作用的权重值；定 位预测模块，用于基于所述权重值获取各个立方体信息单元的综合评价值， 根据所述综合评价值圈定成矿预测靶区，实现隐伏矿体的三维定位预测。
可选地，所述套合数据计算模块，用于设置立体信息单元统计变量Z， 用于统计地质信息变量和已知矿体在立体信息单元出现的次数；将与大于或 等于预设阈值的所述Z值对应的所述立体信息单元设为远景成矿立体单元； 对已知矿体空间划分出M个区块，用于进行Meta分析确定成矿预测中各个地 质信息变量的权重；统计在所述远景成矿区块中地质信息变量Ai与已知矿体 B1共存的立体单元数量SAi，获取在所述远景成矿区块中存在已知矿体B1的立 体单元数量SK；其中，基于SAi与SK的比率判断地质信息变量Ai对于成矿预测的重要程度。
可选地，所述变量权重计算模块，用于使用Meta分析算法并基于所述 远景成矿区块中的SAi和SK，计算得到所述地质信息变量两两之间的优势比 数值；基于所述优势比数值计算所述地质信息变量两两之间的优势比数值之 差的绝对值；获取所述优势比数值之差的绝对值的空间分布状态，确定进行 模糊评判的标度区间；根据所述标度区间以及所述优势比数值生成权重模糊 互补判断矩阵C；对所述模糊互补判断矩阵C进行求解计算，得到所述地质 信息变量在综合成矿预测中的客观权重值Wi。
可选地，所述定位预测模块，用于基于所述客观权重值Wi并采用模糊综 合评判法FCA，计算各个所述立方体信息单元的的综合评价值F；基于所述综 合评价值F进行分组处理，计算每组的所述立方体信息单元的累积频率；根 据所述累计频率确定成矿有利区块，基于所述成矿有力区块预测成矿靶区
本发明的隐伏矿体的三维定位成矿预测方法以及***，建立用于进行隐 伏矿体成矿预测的地质信息变量和已知矿体的三维数据模型，将地质空间范 围划分为多个立方体信息单元，进行立方体信息单元化处理，获取地质信息 变量和已知矿体在立方体信息单元内的空间位置套合数据，使用Meta分析算 法计算得到地质信息变量之间的优势比；根据优势比确定地质信息变量对于 成矿作用的权重值，基于权重值获取各个立方体信息单元的综合评价值，根 据综合评价值圈定成矿预测靶区；可给出处理效应的定量结果，有效解决研 究结果的不一致性的问题，并为权重的客观确定提供有效的方法，能够提高 三维立体成矿预的测精度和找矿有效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面 描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲， 在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明的隐伏矿体的三维定位成矿预测方法的一个实施例的 流程示意图；
图2A和图2B为本发明的隐伏矿体的三维定位成矿预测方法的一个实施 例中建立的矿体与地层地质体的三维数据模型的示意图；
图3为本发明的隐伏矿体的三维定位成矿预测方法的一个实施例中八个 地质信息变量的立方体单元的的示意图；
图4为本发明的隐伏矿体的三维定位成矿预测方法的一个实施例中立方 体信息单元的三维空间套合特征统计的分析示意图；
图5A和图5B为本发明的隐伏矿体的三维定位成矿预测方法的一个实施 例中Ai变量组与Aj变量组Meta分析的森林图；
图6为本发明的隐伏矿体的三维定位成矿预测方法的一个实施例中丁家 山铅锌矿床成矿有利度F的空间分布图；
图7为本发明的隐伏矿体的三维定位成矿预测方法的一个实施例中丁家 山铅锌矿床的立体三维成矿预测靶区位置图；
图8为本发明的隐伏矿体的三维定位成矿预测方法的一个实施例中已知 和预测磁性矿化体三维体元模型正演计算的磁力等值线图；
图9为根据本发明的隐伏矿体的三维定位成矿预测***的一个实施例的 模块示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除 非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字 表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不 是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为 对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论， 但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦 某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机***/服务器，其可与众多其它通用或专 用计算***环境或配置一起操作。适于与计算机***/服务器一起使用的众所 周知的计算***、环境和/或配置的例子包括但不限于：智能手机、个人计算 机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于 微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算 机***﹑大型计算机***和包括上述任何***的分布式云计算技术环境，等 等。
计算机***/服务器可以在由计算机***执行的计算机***可执行指令 (诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、 目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定 的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施，分布 式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分 布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算*** 存储介质上。
图1为根据本发明的隐伏矿体的三维定位成矿预测方法的一个实施例的 流程示意图，如图1所示：
步骤101，基于地质勘查资料进行地质体三维建模，建立用于进行隐伏 矿体成矿预测的至少一个地质信息变量和已知矿体的三维数据模型。
在一个实施例中，利用收集的多种地质勘查资料，通过地质体三维建模， 建立用于隐伏矿体成矿预测的八个地质信息变量A1，A2，A3，…A8和已知矿体 B1的地质体三维数据库，如图2A、2B所示。
八个地质信息变量分别为：A1变量是不整合面距离场，A2变量是Z1l3与 Z1l2的地层界面距离场，A3变量是不整合面的坡度，A4变量是不整合面的夹角， A5变量是一级不整合面形态起伏，A6变量是二级不整合面形态起伏，A7变量 是Z1l3与Z1l2的地层界面的一级起伏，A8变量是Z1l3与Z1l2的地层界面的二级 起伏。其中，Z1l3与Z1l2为地质地层，下文将以丁家山矿床为例进行说明。
步骤102，在三维模型中设定用于进行隐伏矿体成矿预测的地质空间范 围，确定用于划分地质空间的立方体单元。
步骤103，基于立方体单元将地质空间范围划分为多个立方体信息单元， 进行立方体信息单元化处理。
在一个实施例中，隐伏矿体的三维定位成矿预测需要先设定一个地质空 间范围。根据丁家山矿床的实际工作程度，设置地质空间的左下角坐标为 (39618000，2902000，-1200)，右上角坐标为(39627000，2909000，600)。 以地表面及第四系的浮土层为地质空间顶面，定义地表以下50米的区域作为 可能存在第四系的浮土层，矿化空间是-400米标高水平以上、第四系浮土层 底面以下的子集空间。矿化分布的研究只在矿化空间范围内进行。
采用一定的立方体精度划分地质空间，立方体单元尺寸可设置为 10m×10m×10m。基于地质体三维数据库，对八个地质信息变量A1，A2，A3，…A8和已知矿体(B1)进行立方体信息单元化。八个地质信息变量A1，A2，A3，…A8的立方体单元如图3A至3H所示。
步骤104，基于地质信息变量的三维数据和已知矿体的三维数据，获取 地质信息变量和已知矿体在立方体信息单元内的空间位置套合数据。
获取地质信息变量和已知矿体在立方体信息单元内的空间位置套合数 据可以有多种方法。例如，设置立体信息单元统计变量Z，用于统计地质信 息变量和已知矿体在立体信息单元出现的次数。将与大于或等于预设阈值的 Z值对应的立体信息单元设为远景成矿立体单元。
对已知矿体空间划分出M个区块，用于进行Meta分析确定成矿预测中 各个地质信息变量的权重。统计在远景成矿区块中地质信息变量Ai与已知矿 体B1共存的立体单元数量SAi，获取在远景成矿区块中存在已知矿体B1的立 体单元数量SK。基于SAi与SK的比率判断地质信息变量Ai对于成矿预测的重 要程度。
在一个实施例中，通过编写程序或利用商业地质体三维软件，可以对八 个地质信息变量A1，A2，A3，…A8和已知矿体B1立方体信息单元的三维空间套 合特征进行统计分析，统计设定的地质空间范围内每个立方体信息单元中地 质信息变量和已知矿体的空间位置套合情况如图4所示。
设置一个立体信息单元统计变量Z，用于统计地质信息变量和已知矿体 在立体信息单元出现的次数。当立方体单元中每出现一个地质信息变量时， 则统计变量Z的值累计加1次，根据地质信息变量的实际出现情况进行累加。 通常立体信息单元的统计变量Z值越高，成矿的可能性越大。可将立体信息 单元中统计变量Z成矿≥4(K＝int(8/2),即地质信息变量种类个数N的半数取整) 的立体信息单元设为远景成矿立体单元，这些立体单元的集合称之为远景成 矿区块，作为Meta分析的参照对象。
对矿区的已知矿体空间，划分出八(例如丁家山铅锌矿案例中M取值为 8)个大的块体，作为已知地质体空间，用于进行Meta分析确定成矿预测中 各个地质信息变量的权重。然后基于这八个块体确定的权重，用于构建全区 全部立方体的成矿预测模型。
设远景成矿区块中某地质信息变量Ai(i＝1,2,3,…8)与已知矿体B1共存 的立体单元数量为统计变量SAi(i＝1,2,3,…8)，设远景成矿区块中存在已 知矿体B1的立体单元数量为统计变量SK。则SAi与SK的比率可以用来判断该 地质信息变量Ai对于成矿预测的重要程度，该比率越大则地质信息变量Ai对 于找矿的贡献就越大，在多元信息成矿预测时其权重也越大。统计得到的远 景成矿区块中统计变量SAi和为统计变量SK的值如表1所示。
表1实际有矿立方体单元和有矿点落入的远景成矿立方体单元的数量统计表
在表1中，SAi(i＝1,2,3,…n)为远景成矿区块中某地质信息变量 Ai(i＝1,2,3,…n)与已知矿体B1共存的立体单元数量，SK为远景成矿区块 中存在已知矿体B1的立体单元数量为统计变量。
步骤105，基于空间位置套合数据，使用Meta分析算法计算得到地质信 息变量之间的优势比。
在一个实施例中，可以使用Meta分析算法并基于远景成矿区块中的SAi和SK，计算得到地质信息变量两两之间的优势比数值。Meta分析 (Meta-analysis)以其超常规的综合分析能力，广泛应用于心理、教育和医学 等领域，是循证医学研究的重要方法，并在其他领域显示出了强大的应用优 势。Meta分析的统计量—效应尺度可给出处理效应的定量结果，有效解决研 究结果的不一致性，并为权重的客观确定提供有效的工具。由于Meta分析能大大降低权重确定的不确定性，可为隐伏矿体的三维定位成矿预测提供新的 方法和和手段，从而提高三维立体成矿预的测精度和找矿有效性。
当研究结果表现为二分逻辑值时，Meta分析(除了Peto法以外)的优 势比(OR,Odds ratio)的可用下式进行计算：
ORi为第i个研究案例的优势比，ai为中实验组发生变化的样本数量，bi为实验组未发生变化的样本数量；ci为第i个研究案例中对照组发生变化的 样本数量，di为第i个研究案例中对照组未发生变化的样本数量。
根据公式1－1并采用现有的多种Meta分析方法以及Meta分析软件，可 以获取地质信息变量的优势比。在公式1－1中，ORi为第i个地质信息变量 的优势比，ai为第i个地质信息变量发生变化的样本数量，bi为第i个地质 信息变量未发生变化的样本数量；ci为第i个地质信息变量的对照组发生变 化的样本数量，di为第i个地质信息变量的对照组未发生变化的样本数量。
基于优势比的计算公式1-1和立方体信息单元三维空间套合特征的统计 结果(表1)，通过编写程序或利用相关Meta分析软件(如Review Manager 等)即可计算得到N个地质信息变量两两之间的优势比ORij的值，其Meta分 析的森林图如图5A、图5B所示。
步骤106，根据优势比确定地质信息变量对于成矿作用的权重值。
根据优势比确定地质信息变量对于成矿作用的权重值可以有多种方法。 例如，基于优势比数值计算地质信息变量两两之间的优势比数值之差的绝对 值，获取优势比数值之差的绝对值的空间分布状态，确定进行模糊评判的标 度区间，根据标度区间以及优势比数值生成权重模糊互补判断矩阵C。对模 糊互补判断矩阵C进行求解计算，得到地质信息变量在综合成矿预测中的客 观权重值Wi。
在一个实施例中，地质信息变量Ai对Aj的优势比ORij值越大，则Ai 比Aj对找矿的有利程度越高。因此，可用两个变量之间的优势比ORij值之差 的大小来衡量两个变量对于成矿作用的权重大小。根据优势比ORij值的统计 结果，可求得变量优势比ORij值两两之差的绝对值，形成如表2所示的N阶 矩阵：
表2八个地质信息变量ORij值之差的绝对值统计表
根据如表2所示的变量两两OR值之差的绝对值，OR之差数据集中的数据最 小值为0.01，最大值为0.30，平均值为0.11，样本总体的标准差为0.07。根 据模糊综合层次分析法的0.1-0.9标度法及其含义，则可使用均值以下区间为 稍微重要的标度；参考均值和样本总体的标准差，设置明显重要、重要得多、 极端重要的标度如下：即当两者OR值之差在(0，0.11]之间时“标度”设为 0.6；当两者OR值之差在(0.11，0.18]之间时“标度”设为0.7；当两者OR 值之差在(0.18，0.25]之间时“标度”设为0.8；当两者OR值之差在(0.25， 0.3]之间时“标度”设为0.9。根据OR之差标度量化规则，从而可将优势比OR 值转化为权重模糊互补判断矩阵C，如表3所示：
表3八个地质信息变量的模糊互补判断矩阵C
可以采用现有的多种算法对模糊互补判断矩阵C的进行计算和一致性检 验，即可得到N个地质信息变量在综合成矿预测中的客观权重值 Wi(i＝1,2,3,…,8)如表4所示：
表4成矿预测中八个地质信息变量的权重W
步骤107，基于权重值获取各个立方体信息单元的综合评价值，根据综 合评价值圈定成矿预测靶区，实现隐伏矿体的三维定位预测。
在一个实施例中，基于客观权重值Wi并采用模糊综合评判法FCA，计算 各个立方体信息单元的的综合评价值F，基于综合评价值F进行分组处理， 计算每组的立方体信息单元的累积频率；根据累计频率确定成矿有利区块， 基于成矿有力区块预测成矿靶区。
利用Meta分析获得的八个地质信息变量的客观权重值 Wi(i＝1,2,3,…,n)，采用模糊综合评判法(Fuzzy Comprehensive Appraisement，FCA)等方法，例如，采用现有的模糊综合评判法以及通过编 写程序或利用相关软件，即可得到将各个立方体信息单元的的综合评价值F， 如图6所示。
在一个实施例中，Meta分析建模根据Meta分析的思路和步骤，基于立方 体单元，采取多区域法实现地质资料数据的提取量化转换，将地质调查中的 非定量地质数据信息转化为Meta分析所需要的成矿预测定量信息。然后通过 Meta分析计算不同地质变量之间的优势比OR值，并利用模糊综合层次分析 法(Fuzzy Analytical Hierarchy Process，FAHP)求取各个变量的权重。
在Meta分析软件Review Manager中对上述的统计数据进行Meta分析， 得到如图5A、5B所示的Meta分析森林图。异质性检验的结果均为P<0.00001， 可以判断多个研究具有异质性，故选择随机效应模型(Random effect model) 对其合并统计量进行计算。X1至X8共8个变量的假设检验P<0.05，菱形完 全位于垂直线右侧，可以判断结果具有统计学意义。
层次分析法(Analytical Hierarchy Process，AHP)是70年代提出的， 在用层次分析方法处理问题时候，如果在问题中加入一些模糊变量(例如二 值区间判断)，常规层次分析法就难以胜任，为解决这些问题，模糊综合层次 分析法(Fuzzy AnalyticalHierarchy Process，FAHP)应运而生。为了定量 描述任意两个变量(或方案)关于某准则的相对重要程度，可采用0.1-0.9标 度给予数量标度，如表4－1所示。
表4-1 FAHP的0.1-0.9数量标度及其意义表
变量Xi对Xj的优势比OR值越大，则其对成矿的贡献程度就越高。因此可用 两个变量之间的优势比OR值之差的大小来衡量两个变量对于成矿作用的权重 大小。求得变量两两之差的绝对值如表4-2所示，用来分析OR之差的数据分布 情况。OR之差数据集中的数据最小值为0.01，最大值为0.30，平均值为0.11， 样本总体的标准差为0.07。
根据模糊综合层次分析法的0.1-0.9标度法及其含义，则可使用均值以下 区间为稍微重要的标度。参考均值和样本总体的标准差，设置明显重要、重 要得多、极端重要的标度如下：即当两者OR值之差在(0，0.11]之间时“标 度”设为0.6；当两者OR值之差在(0.11，0.18]之间时“标度”设为0.7；当 两者OR值之差在(0.18，0.25]之间时“标度”设为0.8；当两者OR值之差在 (0.25，0.3]之间时“标度”设为0.9。根据表及上述OR之差标度量化规则， 从而可将优势比OR值转化为权重模糊互补判断矩阵A，如表4-3所示。
表4-2变量OR值之差的绝对值统计表
表4-3 8个变量的权重模糊互补判断矩阵A
求解模糊互补判断矩阵权重Wi的公式为：
该公式反应了模糊一致性判断矩阵的优良特性及其判断信息，便于软件 实现，计算量小，适合于实际应用。
由模糊互补判断矩阵权重公式计算得到的权重值是否合理，还应该进行 比较判断的一致性检验。当偏移一致性过大时，表明权向量的计算结果不能 作为决策依据。模糊判断矩阵相容性检验的一个加法型指标如下，该指标简 洁，易计算，实际效果好。
设矩阵A＝(aij)n×n和B＝(bij)n×n均为模糊判断矩阵：
模糊判断矩阵为A和B的相容性指标。
设W＝(W1，W2，…，Wn)T是模糊判断矩阵A的权重向量，其中， 
令
则称n阶矩阵W*＝(Wij)n×n
为判断矩阵A的特征矩阵。
设决策者的态度为α，当相容性指标I(A，W*)小于等于α时，认为 判断矩阵符合满意一致性要求。α是决策者对模糊判断矩阵的一致性要求的 度量值，值越小，对一致性要求越高，一般可取α＝0.10。
通过对表4-3权重模糊互补判断矩阵A进行计算成矿预测8个变量的权重W 和特征矩阵W*，利用模糊互补判断矩阵A和特征矩阵W*求得相容性指数I(A， W*)＝0.0954，符合一致性检验要求。
在Meta分析定量确定目标因素权重的基础上，通过评价立方体单元划 分，利用模糊综合评判法(Fuzzy Comprehensive Appraisement，FCA)即对 各个立方体单元的成矿有利度进行评价和分级。
模糊综合评判法FCA的基本步骤：
利用模糊综合评价FCA进行三维定位成矿预测可分为以下几个步骤。
(1)建立因素集U＝{x1，x2，x3，…，xm}，如前述的8个成矿预测变量。
(2)建立决断集V＝{v1，v2，v3，…，vn}
对研究区空间进行立方体单元划分，则各个立方体单元的评语即构成了 决断集。
(3)建立单因素评判模糊矩阵
根据地质资料，建立单因素评判模糊矩阵，于是(U，V，R)构成了一 个综合评判模型。单因素评判模糊矩阵构建的方法如下：根据地质调查成果 和勘查资料，从8个方面对每个立方体单元进行评判赋值。定性指标按0.1-0.9 的9级隶属度标准进行赋值，对于定量指标可根据隶属函数进行计算其隶属度 指标值。
(4)确定权重集
根据前面Meta分析和FAHP的计算结果，获得权重向量W＝(w1，w2，w3，…， wm)。
(5)综合评判
可选用加权平均模型M(·+)、主因素决定型M(∧,∨)或主因素突出型 M(·,∨)对方案集F进行隶属度复合运算。根据F＝W·R，求得每一个立方体 单元的成矿有利度即综合评价值F＝(f1，f2，f3，…，fn)。
(6)圈定找矿靶区
根据全区n个立方体单元成矿有利度值的累积频率进行数据分组，确定为 异常分界点，将预测单元可分为3个等级。在此基础上圈定靶区和实现成矿预 测。
在一个实施例中，获得成矿综合评价值F后，将F值按大小进行分组， 统计每组频数、频率，作出累积频率曲线直方图，可取总体累积频率95％处 的F值作为成矿有利区的临界值。其数据分组及累积频率统计如表5所示， 可划分为一级、二级和三级成矿有利区块，在成矿有利区块的基础上可进行 成矿靶区的预测。
表5综合评价值F的分组数据及累积频率统计表
在丁家山铅锌矿床深边部共圈定了2个立体预测找矿靶区，如图7所示。 Ⅰ号靶区位于丁家山矿区以东的边部区域，标高范围为60米至-20米；Ⅱ号 靶区位于丁家山矿区西南的深部区域，标高范围为-30米至-160米。
在一个实施例中，在丁家山铅锌矿床深边部共圈定的2个立体预测找矿 靶区，预测结果的可信度是否在接受范围，可通过引入磁法正演技术对预测 矿体的可信度实施验证。
丁家山矿区和关兜矿区的磁铁矿和磁黄铁矿是铅锌矿石的伴生矿。铅锌 矿石本身没有磁性，但磁黄铁矿和磁铁矿能产生很强的磁性；矿区数百块岩 石标本的物性参数测定表明，磁黄铁矿和磁铁矿磁性很强，剩磁也很大；而 铅锌矿石的围岩基本没有磁性或者磁性很弱；磁黄铁矿和磁铁矿产生的磁异 常对于寻找铅锌矿体具有重要的指示意义。磁法正演就是根据已知磁矿矿体 的数据特征，经过磁法正演公式，计算出磁性矿体在地面上的磁异常值。
丁家山铅锌矿床已知矿体单元共有5404个，主要分布在丁家山矿区， 少量分布在关兜矿区，通过三维定位预测方法获得的预测矿体单元有13037 个，全部分布在丁家山矿区附近。根据已知矿体的三维立方体模型和通过三 维成矿预测获得的预测隐伏矿体三维立方体模型，采用磁法正演计算软件， 计算出已知矿体和预测矿体的磁力等值线图，如图8所示。通过对比分析正 演计算的磁力等值线图与地面实际测得的磁力等值线图，可验证三维定位成 矿预测成果的可信度。
地面实测的磁力等值线图表明，其磁力等值线总体上呈条带状分布，变 化不大，局部存在异常，有些异常中心的磁异常值达到200nT以上。与已 知矿化体正演计算的磁力等值线图进行比较，两者的磁力线异常的中心位置 高度吻合，磁异常值区别不大。预测矿体正演计算的磁异常值磁力等值线图 和地面实测的磁力等值线图的异常中心位置及变化趋势也非常接近。磁法正 演与地面实测磁异常结果表明，本方法预测的三维立体成矿有利区及成矿靶 区与实际情况的空间吻合度达75％左右，具有很高的成矿预测可信度。
通过本发明的隐伏矿体的三维定位成矿预测方法，预测的的丁家山铅锌 矿床的铅金属量为12万吨，锌金属量为51万吨。后续的地质勘查结果表明， 在本三维定位预测方法预测的成矿有利区块中新增铅锌总金属量增约50万 吨，大大增加了丁家山铅锌矿床的资源储量。
在一个实施例中，本发明提供一种隐伏矿体的三维定位成矿预测*** 20，包括：数据模型建立模块21、信息单元化处理模块22、套合数据计算模 块23、变量权重计算模块24、定位预测模块25。数据模型建立模块21基于 地质勘查资料进行地质体三维建模，建立用于进行隐伏矿体成矿预测的至少 一个地质信息变量和已知矿体的三维数据模型。
信息单元化处理模块22在三维模型中设定用于进行隐伏矿体成矿预测 的地质空间范围，确定用于划分地质空间的立方体单元；信息单元化处理模 块22基于立方体单元将地质空间范围划分为多个立方体信息单元，进行立方 体信息单元化处理。套合数据计算模块23基于地质信息变量的三维数据和已 知矿体的三维数据，获取地质信息变量和已知矿体在立方体信息单元内的空 间位置套合数据。
变量权重计算模块24基于空间位置套合数据，使用Meta分析算法计算 得到地质信息变量之间的优势比，根据优势比确定地质信息变量对于成矿作 用的权重值。定位预测模块25基于权重值获取各个立方体信息单元的综合评 价值，根据综合评价值圈定成矿预测靶区，实现隐伏矿体的三维定位预测。
在一个实施例中，套合数据计算模块23设置立体信息单元统计变量Z， 用于统计地质信息变量和已知矿体在立体信息单元出现的次数，将与大于或 等于预设阈值的Z值对应的立体信息单元设为远景成矿立体单元。套合数据 计算模块23对已知矿体空间划分出M个区块，用于进行Meta分析确定成矿 预测中各个地质信息变量的权重。套合数据计算模块23统计在远景成矿区块 中地质信息变量Ai与已知矿体B1共存的立体单元数量SAi，获取在远景成矿 区块中存在已知矿体B1的立体单元数量SK。其中，基于SAi与SK的比率判断 地质信息变量Ai对于成矿预测的重要程度。
变量权重计算模块24使用Meta分析算法并基于远景成矿区块中的SAi和SK，计算得到地质信息变量两两之间的优势比数值。变量权重计算模块24 基于优势比数值计算地质信息变量两两之间的优势比数值之差的绝对值，获 取优势比数值之差的绝对值的空间分布状态，确定进行模糊评判的标度区间。 变量权重计算模块24根据标度区间以及优势比数值生成权重模糊互补判断 矩阵C，对模糊互补判断矩阵C进行求解计算，得到地质信息变量在综合成 矿预测中的客观权重值Wi。
定位预测模块25基于客观权重值Wi并采用模糊综合评判法FCA，计算各 个立方体信息单元的的综合评价值F。定位预测模块25基于综合评价值F进 行分组处理，计算每组的立方体信息单元的累积频率；根据累计频率确定成 矿有利区块，基于成矿有力区块预测成矿靶区。
上述实施例提供的隐伏矿体的三维定位成矿预测方法以及***，建立用 于进行隐伏矿体成矿预测的地质信息变量和已知矿体的三维数据模型，将地 质空间范围划分为多个立方体信息单元，进行立方体信息单元化处理，获取 地质信息变量和已知矿体在立方体信息单元内的空间位置套合数据，使用 Meta分析算法计算得到地质信息变量之间的优势比；根据优势比确定地质信 息变量对于成矿作用的权重值，基于权重值获取各个立方体信息单元的综合 评价值，根据综合评价值圈定成矿预测靶区；基于Meta分析提高隐伏矿体的 三维定位成矿预测精度和找矿有效性，可给出处理效应的定量结果，有效解 决研究结果的不一致性的问题，并为权重的客观确定提供有效的方法。
可能以许多方式来实现本发明的方法和***。例如，可通过软件、硬 件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和***。 用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限 于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例 中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实 现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行 根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者 将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而 言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用， 并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有 各种修改的各种实施例。
Claims (4)
1.一种隐伏矿体的三维定位成矿预测方法，其特征在于，包括：
基于地质勘查资料进行地质体三维建模，建立用于进行隐伏矿体成矿预测的至少一个地质信息变量和已知矿体的三维数据模型；
其中，利用收集的多种地质勘查资料，通过地质体三维建模，建立用于隐伏矿体成矿预测的N个地质信息变量A1，A2，A3，…An和已知矿体B1的地质体三维数据库；
在所述三维数据模型中设定用于进行隐伏矿体成矿预测的地质空间范围，确定用于划分地质空间的立方体单元；
基于所述立方体单元将所述地质空间范围划分为多个立方体信息单元，进行立方体信息单元化处理；
其中，基于地质体三维数据库，对N个地质信息变量A1，A2，A3，…An和已知矿体B1进行立方体信息单元化；
基于所述地质信息变量的三维数据和所述已知矿体的三维数据，获取所述地质信息变量和所述已知矿体在所述立方体信息单元内的空间位置套合数据；
其中，设置立体信息单元统计变量Z，用于统计地质信息变量和已知矿体在立体信息单元出现的次数；将与大于或等于预设阈值的所述Z值对应的所述立体信息单元设为远景成矿立体单元；对已知矿体空间划分出M个区块，用于进行Meta分析确定成矿预测中各个地质信息变量的权重；统计在远景成矿区块中地质信息变量Ai与已知矿体B1共存的立体单元数量SAi，获取在所述远景成矿区块中存在已知矿体B1的立体单元数量SK；基于SAi与SK的比率判断地质信息变量Ai对于成矿预测的重要程度；
基于所述空间位置套合数据，使用Meta分析算法计算得到所述地质信息变量之间的优势比；
根据所述优势比确定所述地质信息变量对于成矿作用的权重值；
基于所述权重值获取各个立方体信息单元的综合评价值，根据所述综合评价值圈定成矿预测靶区，实现隐伏矿体的三维定位预测；
其中，所述基于所述空间位置套合数据、使用Meta分析算法计算得到所述地质信息变量之间的优势比包括：
使用Meta分析算法并基于所述远景成矿区块中的SAi和SK，计算得到所述地质信息变量两两之间的优势比数值；
所述根据所述优势比确定所述地质信息变量对于成矿作用的权重值包括：
基于所述优势比数值计算所述地质信息变量两两之间的优势比数值之差的绝对值；获取所述优势比数值之差的绝对值的空间分布状态，确定进行模糊评判的标度区间；根据所述标度区间以及所述优势比数值生成权重模糊互补判断矩阵C；对所述模糊互补判断矩阵C进行求解计算，得到所述地质信息变量在综合成矿预测中的客观权重值Wi；
所述基于所述权重值获取各个立方体信息单元的综合评价值包括：
基于所述客观权重值Wi并采用模糊综合评判法FCA，计算各个所述立方体信息单元的综合评价值F。
2.如权利要求1所述的方法，其特征在于，所述根据所述综合评价值圈定成矿预测靶区包括：
基于所述综合评价值F进行分组处理，计算每组的所述立方体信息单元的累计频率；
根据所述累计频率确定成矿有利区块，基于所述成矿有力区块预测成矿靶区。
3.一种隐伏矿体的三维定位成矿预测***，其特征在于，包括：
数据模型建立模块，用于基于地质勘查资料进行地质体三维建模，建立用于进行隐伏矿体成矿预测的至少一个地质信息变量和已知矿体的三维数据模型；
其中，所述数据模型建立模块，用于利用收集的多种地质勘查资料，通过地质体三维建模，建立用于隐伏矿体成矿预测的N个地质信息变量A1，A2，A3，…An和已知矿体B1的地质体三维数据库；
信息单元化处理模块，用于在所述三维数据模型中设定用于进行隐伏矿体成矿预测的地质空间范围，确定用于划分地质空间的立方体单元；基于所述立方体单元将所述地质空间范围划分为多个立方体信息单元，进行立方体信息单元化处理；
其中，所述信息单元化处理模块，用于基于地质体三维数据库，对N个地质信息变量A1，A2，A3，…An和已知矿体B1进行立方体信息单元化；
套合数据计算模块，用于基于所述地质信息变量的三维数据和所述已知矿体的三维数据，获取所述地质信息变量和所述已知矿体在所述立方体信息单元内的空间位置套合数据；
其中，所述套合数据计算模块，用于设置立体信息单元统计变量Z，用于统计地质信息变量和已知矿体在立体信息单元出现的次数；将与大于或等于预设阈值的所述Z值对应的所述立体信息单元设为远景成矿立体单元；对已知矿体空间划分出M个区块，用于进行Meta分析确定成矿预测中各个地质信息变量的权重；统计在远景成矿区块中地质信息变量Ai与已知矿体B1共存的立体单元数量SAi，获取在所述远景成矿区块中存在已知矿体B1的立体单元数量SK；其中，基于SAi与SK的比率判断地质信息变量Ai对于成矿预测的重要程度；
变量权重计算模块，用于基于所述空间位置套合数据，使用Meta分析算法计算得到所述地质信息变量之间的优势比；根据所述优势比确定所述地质信息变量对于成矿作用的权重值；
定位预测模块，用于基于所述权重值获取各个立方体信息单元的综合评价值，根据所述综合评价值圈定成矿预测靶区，实现隐伏矿体的三维定位预测；
所述变量权重计算模块，用于使用Meta分析算法并基于所述远景成矿区块中的SAi和SK，计算得到所述地质信息变量两两之间的优势比数值；基于所述优势比数值计算所述地质信息变量两两之间的优势比数值之差的绝对值；获取所述优势比数值之差的绝对值的空间分布状态，确定进行模糊评判的标度区间；根据所述标度区间以及所述优势比数值生成权重模糊互补判断矩阵C；对所述模糊互补判断矩阵C进行求解计算，得到所述地质信息变量在综合成矿预测中的客观权重值Wi；
所述定位预测模块，用于基于所述客观权重值Wi并采用模糊综合评判法FCA，计算各个所述立方体信息单元的综合评价值F。
4.如权利要求3所述的***，其特征在于，
所述定位预测模块，用于基于所述综合评价值F进行分组处理，计算每组的所述立方体信息单元的累计频率；根据所述累计频率确定成矿有利区块，基于所述成矿有力区块预测成矿靶区。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711022639.XA CN107908834B (zh) | 2017-10-27 | 2017-10-27 | 隐伏矿体的三维定位成矿预测方法以及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711022639.XA CN107908834B (zh) | 2017-10-27 | 2017-10-27 | 隐伏矿体的三维定位成矿预测方法以及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107908834A CN107908834A (zh) | 2018-04-13 |
| CN107908834B true CN107908834B (zh) | 2021-09-17 |
Family
ID=61842922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711022639.XA Active CN107908834B (zh) | 2017-10-27 | 2017-10-27 | 隐伏矿体的三维定位成矿预测方法以及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107908834B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110187387A (zh) * | 2019-05-27 | 2019-08-30 | 青海省第三地质勘查院 | 一种立体成矿单元划分方法 |
| CN112329994A (zh) * | 2020-10-23 | 2021-02-05 | 辽宁工程技术大学 | 一种基于大数据的成矿预测*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101038680A (zh) * | 2007-04-29 | 2007-09-19 | 中国地质大学（北京） | 基于三维建模的立方体预测模型找矿方法 |
| RU2506613C1 (ru) * | 2012-07-30 | 2014-02-10 | Федеральное государственное бюджетное учреждение науки Геологический институт Кольского научного центра Российской академии наук (ГИ КНЦ РАН) | Способ определения платино-палладиевой и медно-никелевой металлогенической специализации базит-гипербазитового расслоенного массива архейского кристаллического щита |
| CN106772676A (zh) * | 2016-12-06 | 2017-05-31 | 安徽省勘查技术院 | 一种寻找厚覆盖区矽卡岩型金属矿产的方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IL151012A0 (en) * | 2001-08-03 | 2003-02-12 | Ribosomes Structure And Protei | Ribosomes structure and protein synthesis inhibitors |
| CN106326528B (zh) * | 2016-08-09 | 2019-11-05 | 鞍钢集团矿业有限公司 | 一种露天矿端帮地下开采诱发地表裂缝分布规律预测方法 |
| CN107038505B (zh) * | 2017-04-25 | 2020-06-30 | 中国地质大学（北京） | 基于机器学习的找矿模型预测方法 |
-
2017
- 2017-10-27 CN CN201711022639.XA patent/CN107908834B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101038680A (zh) * | 2007-04-29 | 2007-09-19 | 中国地质大学（北京） | 基于三维建模的立方体预测模型找矿方法 |
| RU2506613C1 (ru) * | 2012-07-30 | 2014-02-10 | Федеральное государственное бюджетное учреждение науки Геологический институт Кольского научного центра Российской академии наук (ГИ КНЦ РАН) | Способ определения платино-палладиевой и медно-никелевой металлогенической специализации базит-гипербазитового расслоенного массива архейского кристаллического щита |
| CN106772676A (zh) * | 2016-12-06 | 2017-05-31 | 安徽省勘查技术院 | 一种寻找厚覆盖区矽卡岩型金属矿产的方法 |
Non-Patent Citations (3)
| Title |
|---|
| Meta分析在矿集区成矿信息权重值比较中的应用;王颖;《中国地质》;20110228;第38卷(第1期);第180-189页 * |
| 基于Meta 分析的青海杂多地区成矿定量预测;潘勇;《中南大学学报(自然科学版)》;20160930;第47卷(第9期);第3093-3100页 * |
| 基于空间数据挖掘的隐伏矿体三维定量成矿预测研究;刘文玉;《第十三届全国数学地质域地学信息学术研讨会》;20141001;第18-24页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107908834A (zh) | 2018-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11037084B2 (en) | Method and apparatus for evaluating exploitation value of a geological resource | |
| US8355872B2 (en) | System and method for reservoir analysis background | |
| Pérez et al. | Verifying the high-order consistency of training images with data for multiple-point geostatistics | |
| Li et al. | Prospectivity mapping for tungsten polymetallic mineral resources, Nanling metallogenic belt, south China: Use of random forest algorithm from a perspective of data imbalance | |
| Balusa et al. | A comparative study of various multi-criteria decision-making models in underground mining method selection | |
| CN112652066B (zh) | 一种基于三维地质模型的地质表征情况的评价方法及*** | |
| CN108957587A (zh) | 火成岩岩性识别方法及装置 | |
| CN107908834B (zh) | 隐伏矿体的三维定位成矿预测方法以及*** | |
| Liu et al. | Developments in quantitative assessment and modeling of mineral resource potential: an overview | |
| Mansouri et al. | A comparative analysis of index overlay and topsis (based on ahp weight) for Iron Skarn Mineral prospectivity mapping, a case study in Sarvian Area, Markazi Province, Iran | |
| Patino Ortiz et al. | Seismic activity seen through evolution of the Hurst exponent model in 3D | |
| CN110717618A (zh) | 基于多指标综合要素的海底热液硫化物资源评价预测方法 | |
| CN113779888B (zh) | 地面沉降危险性评估方法、装置、设备及存储介质 | |
| CN112818603B (zh) | 自适应选择最优成矿预测要素的方法、终端及存储介质 | |
| CN112612935B (zh) | 一种基于自推理模型的完整测井数据获取方法 | |
| Uygucgil et al. | Reserve estimation in multivariate mineral deposits using geostatistics and GIS | |
| Esmaeiloghli et al. | Optimizing the grade classification model of mineralized zones using a learning method based on harmony search algorithm | |
| Partington | Exploration targeting using GIS: More than a digital light table | |
| Rezaei et al. | Three-dimensional subsurface modeling and classification of mineral reserve: a case study of the C-North iron skarn ore reserve, Sangan, NE Iran | |
| Pan et al. | Fundamental issues in quantitative estimation of mineral resources | |
| NL2028908B1 (en) | Method for predicting submarine hydrothermal metallogenic prospective area based on the features of multi-index elements | |
| Mbah et al. | Implementation of Statistical Analysis to Determine Optimum Ultimate Pit | |
| CN110929365A (zh) | 一种油砂资源量计算*** | |
| Wan et al. | Study of local mineralized intensity using rescaled range analysis and lacunarity analisis | |
| WU et al. | Cumulative gain and lift charts for model performance assessment in mineral potential mapping |
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 |