2011~2020年勘查地球化学数据处理研究进展

我国建立了包含海量数据的高质量的勘查地球化学数据库,为矿产勘查、环境评价和地质调查等提供了重要的数据支撑。如何高效处理勘查地球化学数据,并从中发掘和识别深层次信息一直是勘查地球化学学科研究的热点和前沿领域。本文在系统调研国内外学者过去十年发表的论著基础上,对勘查地球化学数据处理方法进行分析与对比,从勘查地球化学数据库建设、地球化学异常识别及其不确定性评价等方面概述了我国近十年来在该领域取得的主要研究进展,包括:(1)分形与多重分形模型由于考虑了地球化学空间模式的复杂性和尺度不变性,在全球范围内得到极大的发展和推广,我国学者引领了基于分形与多重分形的勘查地球化学数据处理;(2)机器学习和大数据思维开始在该领域启蒙,并迅速得到关注,正在成为研究热点和前沿领域,我国学者率先开展基于机器学习算法的勘查地球化学大数据挖掘研究;(3)我国学者需要进一步加强勘查地球化学数据缺失值处理以及成分数据闭合效应研究。今后该领域应进一步加强对弱缓地球化学异常识别、异常不确定性评价以及异常识别与其形成机理相结合等方面的研究。     

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

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。     

地球化学分区标准化方法在区域化探信息提取中的应用

从区域化探数据中提取找矿地球化学信息是目前化探工作的重要研究课题,地球化学背景与异常划分是提取找矿地球化学信息的关键。水系沉积物是岩石风化的产物,是上游汇水盆地物质的天然组合,在化学成分上与上游汇水盆地岩石组成具有明显的继承性。水系沉积物中成矿成晕元素含量与常量元素含量之间亦有着密切关系。笔者基于水系沉积物样品特点,采用地球化学分区标准化方法圈定地球化学异常。研究发现,利用常量元素进行地球化学分区是可行的;分区标准化数据处理可以有效地压抑高背景区非矿异常,并强化低背景区矿致异常,突出了找矿信息。以成矿成晕元素标准化数据的因子得分圈定矿化类型综合异常,集中体现了矿致异常信息。     

基于深度学习的深层次矿化信息挖掘与集成

矿产预测的核心是对地学空间数据进行特征提取与集成融合,当前的研究热点和前沿聚焦于深层次矿化信息特征提取与集成。进入大数据时代,如何基于机器学习开展深层次矿化信息挖掘与集成是当前矿产预测的前沿领域。本文介绍了基于机器学习的矿产预测与评价研究的主要内容,深度学习的基本原理,以及深度学习在地球化学异常识别和多源找矿信息集成融合中的应用。研究结果表明,深度学习可有效识别和提取地球化学异常,并能对地质、地球物理、地球化学等多源地学数据进行特征提取、集成融合及找矿远景区圈定。尽管如此,如何把深度学习与地质约束有机结合,使其既能有效挖掘与集成深层次矿化信息,又符合地质认知,还需要更加深入的研究。     

地球化学场精细结构解析方案与应用

为满足勘查地球化学对化探数据处理越来越精细的要求，把人工神经网络和统计分析结合起来形成地球化学场精细结构解析方案。该方案包括对地球化学样品的分类和对各类样品性质的详细研究，目的在于提供便捷的数学和计算机软件工具，以提取化探数据中的深层信息。可以用于：①研究各组样品中元素含量水平和组合特征以解释可能的矿种；②研究元素组合特征与指示元素的关联和区别以揭示可能的成矿作用过程；③研究异常样品的空间组合属性以揭示地球化学场的精细结构；④研究异常样品之间的差异性以缩小找矿靶区；⑤综合分析以确定剥蚀深度和找矿前景。该方案也适用于环境地球化学及矿产资源预测研究。     

基于地球化学场法的1:5万化探异常信息提取 ——以西藏尼龙玛地区Cu为例

从大量原始数据中合理地确定和圈闭地球化学异常,并发现与矿化有关的地球化学信息一直是勘查地球化学数据处理的核心问题。采用地球化学场法对尼龙玛地区1∶5万地球化学数据进行了处理,研究表明用地球化学场法圈闭的地球化学异常信息不仅兼顾高背景值地区的异常,而且能重点反映低背景值地区的弱小异常,对于寻找盲矿具有一定的指导意义。与常规方法相比,地球化学场法缩小了异常圈闭的范围,较准确地反映了矿化异常。     

地球化学异常识别的两种机器学习算法之比较

在Sklearn的Python语言代码基础上,开发了基于孤独森林和一类支持向量机的多元地球化学异常识别方法程序。选择吉林省和龙地区为实验区,从1∶5万水系沉积物资料中提取地球化学异常。把实验区已知矿点的空间分布位置作为"地真"数据,绘制两种机器学习算法的ROC曲线并计算AUC值,用来对比两种方法的多元地球化学异常识别效果。研究结果表明:两种机器学习算法都能够有效识别多元地球化学异常,所提取的多元地球化学异常与已知矿点具有显著的空间关联性;孤独森林算法在数据处理耗时和多元地球化学异常识别效果方面略优于一类支持向量机。     

勘查地球化学信息二次挖掘应用探讨

勘查地球化学是隐伏、半隐伏矿，难识别矿找矿获取成矿直接信息的主要手段，是传统宏观矿化露头找矿向微观矿化露头找矿的延续，在国内外金属矿床，特别是贵金属矿床的直接或间接发现中发挥了重要作用。如何对区域化探扫面计划形成的，中国特有的区域性海量地球化学直接找矿信息进行二次挖掘? 在“国务院关于加强地质工作的决定”、信息找矿时代来临的今天尤为重要。文章以云南思茅、景洪地区为例，从地质的角度探讨了地质背景差异对地球化学信息在元素组合、异常圈定等方面的影响，据此为一线地质找矿人员充分再次挖掘已有地球化学信息抛砖引玉，以便更好的加强地球化学异常筛选评价和异常查证工作。     

川西斑岩型铜矿找矿中地球化学异常的筛选与查证

川西乡城-稻城-得荣地区，切割深，地貌条件特殊，地表地球化学环境变化复杂，梯度变化小，找矿标志不明显，找矿难度大．运用传统的地球化学数据处理方法，可能漏掉部分异常强度不大而可能成矿的异常，而采用衬值滤波技术便可提取相对弱小的异常信息．在系统总结该区地球化学特征基础上，进行异常筛选与查证，取得较好的找矿效果与经验．     

中国区域化探若干基本问题研究：1999—2009

1999—2009年,中国区域化探发生了根本性改变。主导思想是以地球化学理论为指导研究区域化探方法技术问题和进行矿产资源潜力评价。区域化探方法技术研究的基本要求是最大限度保持原生地球化学分布特征,表生地球化学条件下采样物质问题是区域化探方法研究的核心,样品采集应以代表地质找矿信息的基岩物质成分为原则,在全国范围内最大限度地保持采样物质的一致性。基于成矿地球化学理论建立资源潜力地球化学评价方法和实行地质找矿定量预测,使勘查地球化学从单纯方法手段上升到指导地质找矿的理论高度。主要标志是在全国建立完整的区域化探工作方法技术系统和实行样品分析质量全程监控。在区域化探高精度数据基础上绘制与出版精美的地球化学图集,使区域地球化学图精确地反映地质背景分布与异常特征,促进区域化探数据信息深度开发和利用,建立具有从区域、普查到详查进行全过程独立开展资源调查、评价和预测的方法技术体系和工作程序。区域化探长期支撑中国地质找矿工作,是整个地质找矿工作的先导。随着新一代地区和全国地球化学图的形成,将在基础地质和成矿规律研究以及揭示重大地质事件等方面提供新的发现、新的认识和新的观点,对于未来中国勘查地球化学和整个地质工作产生重要影响。     

利用区域化探数据推断地质体空间分布

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。     

勘查植物地球化学在我国不同地球化学景观区的应用现状及展望

勘查植物地球化学是通过分析植物器官来获取成矿元素信息的地球化学方法。我国学者在干旱荒漠区、森林沼泽区、半干旱和湿润半湿润中低山景观区开展了系统的勘查植物地球化学试验,厘定了一批适用于勘查植物地球化学调查的植物,为该方法的推广及应用奠定了良好基础。今后应进一步加强对勘查植物地球化学异常产生的机理、勘查植物地球化学数据库及指南建立、勘查植物地球化学异常遥感应用等方面的研究,更好地利用勘查植物地球化学方法服务矿产勘查工作。     

化探在辽宁大杨树沟钼矿发现中的作用与意义

辽宁大杨树沟钼矿位于华北地台北缘燕山台褶带辽西台陷与山海关台拱结合部,八家子—杨家杖子多金属成矿带西段,是近年通过水系沉积物地球化学异常查证发现的一处大型富钼矿床。矿体全部赋存在燕山期细粒花岗岩体内,两者具有密切的时空关系和成因联系。矿体形态为脉状,向深部盲矿体增多,构成密集的矿束。找矿勘查工作经水系沉积物地球化学加密测量,土壤地球化学测量、地质测量和工程验证3个阶段。它的发现说明地质工作程度很高的东部地区仍然具有比较大的资源潜力,区域地球化学异常在矿产勘查中具有重要的向导作用。新一轮重要矿产资源勘查,应首先对成矿区带地球化学异常进行二次开发筛选,按循序渐进的查证工作原则,提高异常查证的工作质量,是多快好省的找矿方法。     

油气化探异常的稳定性及油气地质意义

油气化探利用地球化学方法寻找油气,具有直接、快速、有效、成本低的特点,已在油气勘探实践中取得了较好的效果,并在一定时期得到了较为广泛的应用。但油气化探作为一门新兴学科,在许多方面仍存在不足,其中异常的稳定性与重现性是制约油气化探推广应用的认识障碍。以河南泌阳洼陷（井楼-古城油田）和山东临邑洼陷南斜坡（临南油田）的实际地球化学测量资料为基础,通过已知油气藏上方不同期次（同年）、不同时期的油气化探异常特征的对比,从油气化探指标组合关系、结构特征、剖面显示、油气异常的平面分布等方面证实油气化探异常存在较好的稳定性,表明利用油气化探技术方法寻找油气是可行的,并进一步证实了油气化探在油气勘探中的应用前景。     

遥感异常与地球化学指标间的映射关系模型探索

采用改进的遥感异常提取方法,以甘肃金川地区的LandSat 8遥感影像数据为基础,结合主成份分析方法及低通滤波后期处理,得到空间规律性较强的烃基及铁染异常;进而对测区的土壤地球化学取样分析数据,利用统计学方法寻找不同元素异常(或地球化学指标)的内在关联,并建立土壤地球化学指标比值与遥感异常之间的关系模型。继续构建出基于LandSat 8遥感影像的净反射率值与地球化学因子之间的统计模型,并以此预测模型对测区进行了遥感地球化学异常的圈定。预测结果表明:建立的遥感地球化学统计模型高异常区与已知矿区范围基本吻合,通过提取的遥感地球化学异常不仅能表达化探常规异常的信息,还可以把其空间分布规律明晰出来,让某些局部弱异常得到增强。遥感地球化学异常得到了野外验证,说明利用地质资料建立的基于LandSat 8遥感地球化学预测模型比单一的遥感或化探异常有更好的预测效果。     

Geochemical and Geophysical Data Processing Aided by“Multifractal-Spectrum”Filters for GIS-Based Mineral Exploration

The commonesttask in m ineral exploration is to separateanomalies to reflect distinct geochemical processes (and geo-physical objects) such as m ineralization of various types.Thispaper introduces the recently- developed“multifractal- spec-trum”filters(MSF) for separating various types of geochemi-cal and geophysical anomalies from their the background basedon the distributions of their two- dimensional power spectra(Cheng et al.,1999) . The processing of lake- sediment geo-chemical data an…