基于激光诱导击穿光谱的贺兰石识别分析

利用激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy:LIBS)分析技术实现对贺兰石样品的实时、快速分析。实验基于LIBS技术采集贺兰石光谱数据,利用三次样条插值、数据平滑、标准正态校正等数据预处理方法,结合线性判别分析进行特征提取,利用贝叶斯分类器实现了贺兰石样品的快速、准确分析。实验结果表明该方法对贺兰石平均识别率为:99.5%,标准差1.31%,说明该方法识别贺兰石效果较好。     

岩性识别：方法、现状及智能化发展趋势

岩性识别是地质工作中一项基础而又重要的工作。传统的岩性识别方法过于依赖经验和地质专业知识积累,不仅耗时长、专业性强,还易受主观因素影响,导致准确率不理想。笔者等首先回顾了传统的岩性识别方法,之后总结了最新涌现的智能化识别方法,最后详细介绍了基于岩石图像、镜下图像、图像与元素信息融合等的智能识别方法。基于岩石图像的识别方法对于文中的岩石识别准确率可达90%以上,基于图像与元素融合的岩性识别方法可以缓解图像相似度高、风化破坏表观特征等因素对识别准确度的影响。笔者等认为当前岩性智能化识别研究仍处于初级阶段,无法满足工程需求。综合各类数据源的优势,利用机器学习深度挖掘岩石元素、矿物、光谱和表观特征间的内在关联性,有利于突破单源信息的局限性,实现岩性快速准确识别。     

岩性识别：方法、现状及智能化发展趋势

岩性识别是地质工作中一项基础而又重要的工作。传统的岩性识别方法过于依赖经验和地质专业知识积累,不仅耗时长、专业性强,还易受主观因素影响,导致准确率不理想。笔者等首先回顾了传统的岩性识别方法,之后总结了最新涌现的智能化识别方法,最后详细介绍了基于岩石图像、镜下图像、图像与元素信息融合等的智能识别方法。基于岩石图像的识别方法对于文中的岩石识别准确率可达90%以上,基于图像与元素融合的岩性识别方法可以降低图像相似度高、风化破坏表观特征等因素对识别准确度的影响。笔者等认为当前岩性智能化识别研究仍处于初级阶段。综合各类数据源的优势,利用机器学习深度挖掘岩石元素、矿物、光谱和表观特征间的内在关联性,有利于突破单源信息的局限性,实现岩性快速准确识别。     

基于不同机器学习模型的石油测井数据岩性分类对比研究

特定的计算工具帮助地质学家识别和分类油井钻探的岩石岩性,降低成本并提高工作效率。机器学习方法集成了大量信息,能够高效地实现模式识别和准确决策。文章将挪威海5口油井进行岩性分类,通过将数据随机分为训练集(70%)和测试集(30%),利用多变量测井参数数据进行训练和验证,对比多层感知器(MLP)、决策树、随机森林和XGboost等模型的应用效果。研究结果显示,XGBoost模型在数据的泛化性方面表现更佳,其准确率为95%;随机森林模型次之,准确率为94%;而多层感知机(MLP)和决策树模型表现出较好的鲁棒性,准确率分别为92%和90%。     

岩矿光谱综合分析系统构建技术研究

正卫星、航空和地面遥感传感器都是接收地物目标的反射信号,不同的地物表面对不同波长电磁波的吸收和反射特性不同,形成地物的反射率随波长变化的特征波谱,称为地物光谱(童庆禧,2006)。光谱对于岩石分类和矿物识别具有指纹效应,是联系遥感地质理论和遥感采矿应用的桥梁(秦凯和赵英俊,2010)。通过收集、处理和分析典型岩矿的测量光谱,形成能够涵盖多种岩矿光谱和特征参数光谱数据集,基于软件工程技术构建成光谱数据     

成像光谱数据建模与分类识别技术研究——以云南腾冲矿区为试验区

在系统分析成像光谱数据特征及岩石矿物具有诊断意义的吸收光谱特征形成机理的基础上，采用基于相关系数测度的光谱匹配技术、基于高斯改进型模型的光谱建模技术及人工神经网络分类算法，实现了岩石矿物光谱特征波形对比分析及诊断光谱信息提取与建模，提高了光谱分类识别算法的计算速度和分类精度。采用上述技术对云南腾冲铀矿区进行实验研究，取得良好效果。     

基于包络线消除法的岩石光谱对应分析

岩石光谱特征是岩性识别的物理基础。选取常见的10种岩石类型15种岩石样品的光谱数据,对其进行均值、重采样、平滑、水汽吸收波段拟值等预处理,以消除岩石光谱噪声,然后通过包络线消除法,获得了岩石光谱特征参数,发现云母板岩（风化面）吸收特征最为明显;对包络线消除处理后的光谱数据进行对应分析,提取出R型主因子载荷,得到第一主因子轴代表主要的阳离子、阴离子诊断波段和水分子吸收波段,第二主因子轴代表少数阳离子的特征波段,获得与岩石相关的特征波段为385~525 nm、735~1 365 nm、1 435~1 785 nm、1 890~1 952 nm、1 995~2 310 nm,并找出了主要吸收波段的物理含义。通过对应分析二维图像,将岩石光谱分为4类,从第一类到第四类吸收深度逐渐变浅,吸收面积呈递减趋势,吸收宽度逐渐变窄,吸收峰逐渐增多,Fe²⁺和Fe³⁺吸收峰增多,铁化、泥化蚀变现象更明显。用聚类分析法对分类结果进行验证发现,分类结果有较好的对应性。从而为岩石和成像光谱图像数据精细分类提供参考依据,实现了对岩石高光谱海量数据的有效提取,进而为遥感矿产预测和找矿提供依据。     

基于RCGA的PPC模型在化探异常识别与提取中的应用

为了进行地球化学异常的识别与提取,针对化探数据的特点,本文提出了一种将高维降维技术——投影寻踪分类(PPC)模型与实数编码遗传算法(RCGA)相结合的计算方法,分析了运用RCGA-PPC模型进行化探异常识别与提取的关键技术问题,并在MATLAB环境下开发了该方法的软件应用模块。以云南个旧地区水系沉积物地球化学数据为例,选取区域内Sn、Cu、Pb、Zn、As、Cd等主要成矿元素及与成矿关系密切的9种元素作为计算变量,利用RCGA-PPC模型对其进行处理和异常识别。研究表明:RCGAPPC模型中最佳投影值较高的地区与该区域实际矿床(点)吻合情况较好。该模型对化探异常的识别能力较强,是一种有效的化探多元素综合异常识别与提取方法。     

鄂尔多斯盆地东胜地区主要岩（矿）石光谱特征解析

通过对鄂尔多斯盆地东胜地区几种主要岩石、蚀变和矿化的光谱特征分析,为高光谱诊断性波段的选择提供依据,为利用高光谱数据进行岩石、矿物识别与地质分析提供物性基础。     

基于光谱匹配的热红外高光谱数据岩性分类研究

从岩石光谱出发,结合光谱谱带强度特征和光谱波形特征,针对机载热红外高光谱数据（TASI）,在以往算法基础上,提出一种改进的算法--光谱离散能级波形匹配法（SDEM）,并将其运用到岩性分类研究中。SDEM算法能识别岩石光谱间的微小差异,并在充分考虑光谱谱带强度和波形特征的同时,有效减弱数据噪声。与传统的岩性分类方法--高光谱角度制图法（SAM）相比,改进的算法能更精确地区分岩石相似光谱,识别易混淆岩性,对出现“异物同谱”现象的岩石也具有更好的区分能力。将SDEM、SAM方法应用于甘肃柳园地区TASI数据岩性分类研究中,可看出SDEM方法能识别出SAM未识别或识别错误的岩性。通过研究区野外查证,可知SDEM方法所得岩性分类结果更符合岩石实际分布情况。可见光谱离散能级波形匹配法具有较好的岩性分类效果,能更好地区分地物。     

Geochemical Fingerprinting by Handheld Laser‐Induced Breakdown Spectroscopy

A broad suite of geological materials was studied a using a handheld laser‐induced breakdown spectroscopy (LIBS) instrument. Because LIBS is simultaneously sensitive to all elements, the full broadband emission spectrum recorded from a single laser shot provides a ‘chemical fingerprint’ of any material – solid, liquid or gas. The distinguishing chemical characteristics of the samples analysed were identified through principal component analysis (PCA), which demonstrates how this technique for statistical analysis can be used to identify spectral differences between similar sample types based on minor and trace constituents. Partial least squares discriminant analysis (PLSDA) was used to distinguish and classify the materials, with excellent discrimination achieved for all sample types. This study illustrates through four examples (carbonate minerals and rocks, the oxide mineral pair columbite–tantalite, the silicate mineral garnet and native gold) how portable, handheld LIBS analysers can be used for real‐time chemical analysis under simulated field conditions for element or mineral identification, plus such applications as stratigraphic correlation, provenance determination and natural resource exploration.     

辽宁兴城地区岩石光谱测试及特征分析

在辽宁兴城野外实习基地采用ASD光谱仪完成不同岩石样品光谱测试的基础上, 分析了不同类型、不同地质时代的岩浆岩和沉积岩, 及其风化面和新鲜面的光谱曲线特征。兴城野外不同岩浆岩与沉积岩光谱曲线形态相似, 新鲜面和风化面的特征光谱吸收位置相差不大, 但新鲜面的反射率普遍高于风化面的反射率;岩浆岩和沉积岩样品一般在波长为900 nm左右存在铁离子吸收谷;除了在1 400 nm和1 900 nm处有水汽吸收带外, 岩浆岩和沉积岩样品在2 200 nm左右还存在强吸收谷, 而灰岩在2 300 nm左右有比较高的吸收谷, 这也是利用实测光谱进行岩性分类的理论基础。但是, 不同地质年代下的岩石光谱曲线变化并无规律, 更多地与岩石结构、成分和环境因素等相关。这样, 岩石光谱测试及其特征分析可满足研究区岩性识别、矿化蚀变信息提取的需要。     

多源遥感数据在新疆卡拉麦里地区岩矿识别中的应用

遥感技术广泛应用于地质基础调查、矿产资源勘探、环境评估和地质灾害调查等方面。它已从多光谱发展到高光谱阶段,Landsat- 8是目前最具有代表性和最常用的多光谱数据,ASTER具有高的分辨率和多波段特征,资源一号02D(ZY1- 02D)卫星是我国2019年发射的高光谱业务卫星。为了更好地了解多源遥感数据在岩矿识别中的作用,在新疆东天山卡拉麦里地区进行了相关研究。结果表明：Landsat- 8 OLI的PCA变换结果清晰识别了研究区不同的岩性和地层;使用Landsat- 8 OLI、ASTER和ZY1- 02D高光谱数据,分别采取不同的图像端元提取方法,在进行光谱分析的基础上,利用光谱角填图（SAM）即可得到研究区的主要矿物分类图件。通过野外验证,应用GIS技术进行集成和分析,修正相关图件后,便得到了精准的矿物分类综合图。研究表明：多源遥感数据的集成在岩矿识别方面效果良好、前景巨大。     

离子吸附型稀土找矿及研究新进展

21世纪以来由于稀土资源的战略地位不断提升,全球对稀土的供需变化和价格波动极为关注,并加大了稀土的勘查和开发程度。离子吸附型稀土(iRee)资源因轻重稀土元素配分齐全,且不需要通过矿物分解的方式来分离不同的稀土元素,成为近十多年全球稀土找矿和研究的热点。iRee矿产是我国的优势资源,已有40多年的开采历史,为全球稀土产业尤其是重稀土产业做出了巨大的贡献。近年来,项目组在江西、广西和云南等省区发现了一批矿产地,矿床的分布范围已从我国南方的丘陵地带扩大到高海拔(云南)和高纬度(安徽和浙江)地区,从亚热带气候扩大到热带气候,如越南、缅甸、泰国、马达加斯加及智利等国家。我们的研究继续丰富了iRee成矿“八多两高一深”的认识,即：多类型、多岩性、多期次、多层位、多模式、多标志、多因继承、多相复合,高海拔、高纬度及大深度,新矿床的发现也不断为此认识提供实例。同时,本文对亚热带和热带地区的花岗岩风化壳、华南不同岩性(花岗岩、火山岩和浅变质火山 沉积岩)以及不同稀土配分类型(LREE和HREE型)的iRee矿床进行了对比研究。目前,国内的iRee矿床无论从规模和品位,还是母岩的多样性和稀土配分的全面性都优于国外的。然而,我国长期仍无法摆脱矿山及周边环境污染和优势资源过度消耗的现状。今后,寻找经济价值大的iRee矿床是找矿的重要方向。     

基于大数据的基性-超基性岩定量分类及成矿预测研究——以北山地区为例

岩浆岩分类是研究岩浆岩成因及其成矿作用的基础,传统的岩浆岩二维图解分类方法,因仅有个别元素参与分类、岩石矿物学定名无法保证统一性等因素,其分类结果不够精确。本文基于地质大数据研究基本思想、方法,应用多元统计"聚类分析"和"判别分析"的算法,分别构建起"北山地区基性-超基性岩氧化物定量分类系列模型"和"北山地区基性-超基性岩氧化物+微量元素定量分类系列模型"。前者将北山地区406件基性-超基性岩样本,在10个氧化物变量空间分为2大类共9个小类,其中89%的含矿样本分布在占总样本量44%的3个小类中。后者将北山地区266件基性-超基性岩样本,在34个氧化物及微量元素变量空间分为2大类共8个小类,其中98%的含矿样本分布在占总样本量33%的2个小类中,且81%的含矿样本分布在仅占总样本量21%的Ⅰ222分类中,在该分类中含矿样本数占该分类样本的61%,则有理由认为剩余39%的样本所在岩体为找矿的有利岩体。上述二个模型分类结果中含矿样本对定量分类的高度选择性,充分证明所建定量分类系列模型对北山地区基性-超基性岩成矿岩体分类的高度有效性,为北山地区基性-超基性岩成矿岩体预测研究提供了依据。     

基于多钻进参数和概率分类方法的地层识别研究

传统的超前钻探地质预报常以某个钻进参数的变化率作为地层识别的主要依据。钻头破岩是一个复杂的力学过程,应考虑多个参数的协同作用,仅采用单钻进参数识别地层的不确定性较大。首先,对超前钻探数据进行预处理,包括标准化、频数分布分析和敏感性分析,筛选出对地层变化敏感的关键钻进参数;其次,基于能量守恒、二元无序逻辑回归分析和多参数变异性分析原理分别建立了破岩能量、逻辑回归概率和地层硬度3种地层识别综合指标;最后,采用基于贝叶斯原理的概率分类方法建立地层识别模型,利用ROC分析方法得到模型参数,实现基于多钻进参数和概率分类方法的地层识别。以地质条件复杂的隧道工程为例,介绍了该地层识别方法的应用,结果表明：3种地层识别综合指标均具有较好的跨孔地层识别能力,识别准确率超过80%;破岩能量和逻辑回归概率指标适用于较近距离的跨孔地层识别,平均识别准确率分别为86.3%和84.1%;逻辑回归概率指标对软弱夹层识别能力较强,准确率达到94.2%;地层硬度指标适用于较远距离的跨孔地层识别;灰岩识别准确率最大达到93.2%。     

基于核主成分支持向量机的火成岩QAPF分类——以青海格尔木地区为例

利用核主成分(KPCA)较强的非线性特征提取能力对Hyperion高光谱数据进行降维及光谱特征提取,将特征信息作为支持向量机(SVM)建模样本的观测数据,建立KPCA-SVM回归模型,利用该模型进行研究区岩石氧化物百分含量反演。同时,依据国际地质科学联合会提出的QAPF火成岩分类方案对区内火成岩进行了岩性划分。研究结果表明:KPCA降维后的高光谱数据反演氧化物含量的效果良好;而基于QAPF模型的火成岩划分结果也十分理想,分类结果对已有地质图进行了有效的补充。KPCA-SVM理论模型为利用高光谱遥感数据进行岩性分类提供了一种快速可行的方法。