矿床统计预测简介——④矿床统计预测的基本方法(下)

本文着重介绍地质多元统计分析在矿产预测中的应用.该方法始于六十年代,但大规模地开展是从七十年代开始,直接用于矿床预测的多元统计分析方法有回归分析、判别分析、聚类分析、因子分析及对应分析等.这些方法的应用在国内外都取得了不同程度的效果.现重点介绍前三种多元统计分析方法在矿床预测方面的应用.     

贵州省瓮福磷矿预测要素研究与矿产预测

瓮福磷矿,根据其矿床特征、成矿作用及控矿因素等,矿产预测类型应定为沉积型磷矿,预测方法宜采用沉积型矿产预测方法.通过地质分析和多元统计分析,并结合本区数据采集条件,最终选择含矿岩系、岩相古地理作为定位预测变量,选取P205、矿系厚、矿体厚作为定量预测变量.进而,利用MapGis地理信息系统和Mras软件,采用地质体积法进行了矿产预测.全区A类、B类、C类最小预测区分别有2个、2个和3个,预测资源总量大于16亿吨,资源潜力约7亿吨.     

数学地质与矿产预测

《矿床统计预测简介》专栏,系本刊约请武汉地质学院勘探教研室数学地质组撰写,由赵鹏大、胡旺亮、李紫金三同志执笔.《简介》拟分四期刊完.各期内容如下:①数学地质与矿产预测;②地质变量的选择、取值和变换;③矿床统计预测的基本方法(上);④矿床统计预测的基本方法(下).     

矿床统计预测简介 ②地质变量的选择、取值和变换

地质变量的选择、取值和变换是矿床统计预测工作的基础.预测效果的好坏,在很大程度上取决于所选地质变量在其取值和变换后所得数据与矿化的直接和间接关联程度,以及对所应用的数学分析方法的适合程度.     

借用模型法及其在区域找矿预测中的应用

"借用模型法"是在区域矿产资源统计预测中,将矿产地质工作程度较高地区统计预测建立的"信息量法"或"证据权法"模型保存下来,对矿产地质工作程度极低地区,通过地质类比,"借用"地质条件相似地区的模型进行统计预测.以昆仑-柴迭木成矿带金矿找矿预测为例,通过对比研究,介绍了"借用模型法"及其在区域找矿预测中的应用效果.     

矿产预测的统计决策方法

本文介绍了矿产预测的一种方法——统计决策分析。文中给出了矿产预测条件下统计决策问题的陈述,该问题在先验概率已知和未知时的两种解法:贝叶斯解和极小极大解(对于m>2和m=2两种情况),原始数据预处理的方法。文章通过在三○七五地区的应用实例展示了该方法的应用效果。     

地质统计单元的定量划分方法及晋东北金矿预测单元研究

成矿预测工作中,如何划分地质统计单元是成矿预测的重要环节.本文以地质体单元法为基础,给出地质统计单元划分的分割检验法定量数学模型.方法的实质在于通过对变量或变量组合的有序划分,来寻求地质体的边界,以达到圈定地质体单元边界之目的.此外,还对晋东北金矿预测单元的划分问题进行了探讨.在由地质和物化探特征所表示的成矿单元的确定性条件和边界条件研究基础上,结合定量划分方法,划分出矿化集中区、成矿远景区及矿床三级统计单元.     

正态概率密度函数在矿床理论预测中的应用

矿床的形成、分布、变化以及赋存情况等,既取决于一定的地质因素组合,又因时因地受大量难以一一估计的随机因素所影响。因此,可以认为成矿作用是一种随机事件,矿床、矿点乃是这种随机事件的表现。这样,空间上分布的矿床(点)便可以用数理统计方法进行统计,并用某种空间上随机分布点的概率分布模型进行拟合。根据统计中对诸地质变量的各种统计结果在空间上的综合反映,进行成矿远景区预测,并根据概率     

多维标度法在矿产预测中的应用

在矿产预测中常涉及一些定性变量,对这些变量的分析和应用,必须将定性描述的地质特征转化为用数值表示的变量,这就需要处理此问题的方法——多维标度法。笔者介绍了计量性的Ｔｏｒｇｅｒｓｏｎ法、准计量性的林知已夫数量化理论和非计量性多维标度法,并列举了其在矿产预测中的应用实例。     

“月山地区三维立体矿床统计预测”成果

该成果为国家“七五”科技攻关项目“长江中下游地区铁、铜等隐伏矿床预测研究”课题(75-55-02)下设的一个三级专题(75-55-02-04)研究成果.该专题由中国地质大学(武汉)承担、安徽地矿局326地质队协作,历经4年的科技攻关,取得可喜成果.该成果已于1990年9月在无锡由地矿部组织有关专家开会评审通过验收.该专题任务是在安徽月山矿田开展大比例尺三维立体矿床统计预测研究.该区地质情况复杂,地质工作程度高,隐伏矿预测深度大,找矿难度大.在赵鹏大教授的指导下,注重野外区域成矿控制因素方面基础地质的研究,特别强调在研究中注意引进新的理论、思路和方法.充分利用数学地质方法和计算机技术,进行信息的定量提取及优化.在专题组全体人员的共同努力下,取得如下成果;     

基于GIS和单元簇的模糊逻辑推理及其在区域矿产预测中的应用

论述了 GIS支持下的一种基于“单元簇”概念和模糊逻辑推理的多元地学信息综合分析方法及其在区域矿产预测中的应用。针对以往矿产定量预测中的单元划分方法对空间信息利用不足的问题 ,用单元的空间组合 (“单元簇”)代替单元作为定量类比的基本单位 ,从而能较充分地利用地质变量的局部空间结构信息 ;将单元作为 GIS区图元 ,利用 GIS空间分析功能实现对单元及单元簇的管理和操作 ;建立两个层次即变量对单元和组成单元对单元簇的模糊推理规则 ,经两次模糊推理计算出所有未知单元的找矿有利度 ,为进一步圈定找矿远景区提供了基础 ,并以新疆康古尔塔格地区金矿预测实例说明了其应用效果     

独山地区锑矿统计预测研究

系统研究独山地区锑矿化成矿地质条件,应用数学地质的特征分析方法,进行锑矿统计预测,并建立矿床模型,将其模型区与预测区类比,进行锑矿产定位预测,圈定锑矿成矿预测远景区,为指导锑矿找勘工作提供了有利综合信息.     

多标标度法在矿产预测中的应用

在矿产预测中常涉及一些定性变量,泽这些变量的分析和应用,必须将定性描述的地质特性转化为用数值表示的变量,这就需要处理此问题的方法－－多维标度法。笔者介绍了计量性的Ｔｏｒｇｅｒｓｏｎ法、准计量性的林知已夫数量化理论和非计量性多维标度法,并列举了其在矿产预测中的应用实例。     

基于GIS的人工神经网络矿产预测系统设计

将地理信息系统(GIS)和人工神经网络(ANN)相结合,提出基于GIS的人工神经网络矿产预测系统设计方案,实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理,并对其中的主要模块:地质变量优选模块、数据库管理模块和神经网络成矿预测模块进行了介绍,简要说明了各模块功能实现中所应用的主要技术.     

基于GIS矿产预测的思考

GIS(地理信息系统)在矿产预测中已得到广泛的应用.文章在简述GIS矿产预测现状的基础上,对矿产预测的空间数据库建设中应该注意的问题(包括地质数据的问题、地质专业人员的作用、预测单元划分、成矿模型与找矿模型等)进行了重点论述,以期提高成矿预测的效率和准确性.     

矿产预测中物探、化探的任务、作用和方法

矿产预测是科学勘查工作不可少的环节。矿产预测的成功率取决于人们对矿产规律性的认识、所收集到的各种信息是否足够和以此建立的预测准则是否可靠和实用。物探、化探在矿产预测时要充分开发、利用资料中直接和间接找矿两类信息,具体可采用填图—目标物模型类比法、目标物标志信息统计法和目的物异常推断法。为推进矿产预测要充分利用已有的区域物探、化探资料,进行联片解释；系统开展大比例尺物探、化探工作；建立地质—地球物理—地球化学模型和预测准则；及时验证预测及推断；扩大和更新知识、培养综合人才是当务之急。     

逻辑信息法及其在滇中铜矿远景区预测中的应用

逻辑信息法是一种以控制论和数理逻辑为基础的分类和模型识别(推断)方法。它适用于处理描述型的定性资料,而成矿预测中所处理的,大部分正是这类资料。值得指出的是,逻辑信息法甚至在掌握已知条件不多的情况下也能得出研究对象的明确结论。它不象大多数多元统计方法那样要求原始数据遵从诸如正态分布等严格的条件。一、选择地质变量和建立原始数据矩阵选择地质变量的依据是成矿地质理论和实际找矿经验,目的是在所有地质变量中挑出与     

辽西八家子-吴家屯多金属矿田综合信息矿产预测

随着找矿难度的日益加大和各种矿产预测理论的不断完善,应用综合信息矿产预测理论方法圈定靶区、寻找隐伏矿体越来越广泛且效果明显.在广泛收集、研究前人工作成果的基础上,重新厘定八家子-吴家屯多金属矿田综合信息找矿模型,并将其转换成地质变量,在已构置的网格单元中依据综合变量进行赋值.以GIS为平台进行空间分析和叠加,采用综合信息矿产预测的理论与方法,开展矿田的综合信息矿产预测,得到4个综合信息得分高值区（即靶区）,对矿田的进一步找矿具有一定的指导意义.     

矿产资源统计预测的基本问题

矿产预测系指在研究和认识地质规律的基础上,用地质理论和可能的技术方法(物、化探的和数学地质的)预先指出现在没有发现而将来可能或应当发现的矿物资源或矿床,同时对它的质和量作出估计。因此,所有从事矿产预测的地质学家要把一切观察到的和测定的资料(直接的和间     

一种改进的基于独立成份分析的矿产预测方法

矿产统计预测是一项"把区域地质、成矿规律、地质数学信息和概念加以综合,并用计算机进行综合评价的工作"(阿格特伯格,1974).目前公认最佳的预测方法是利用地质、矿产、遥感、地球物理和地球化学等多种信息进行资源评价的综合信息矿产资源定量预测(王世称等,2000).但一些传统的分析处理方法,如主成分分析,相关性分析,致矿异常下限等均只利用了数据的低阶统计特性,具有一定的局限性,再加上空间地学信息的复杂性,数据挖掘效果不是十分理想,不能很好的表征矿产特征,因此预测结果往往与实际矿产储量情况不符.为了更深层次的挖掘地学信息,我们提出引进一种目前只用于信号处理的高阶统计方法--独立成分分析(Independent Component Analysis,ICA)来进行矿产预测,并借鉴因子分析的思想解决独立成分分析算法不确定性的局限,使其更加适合处理地质矿产数据,结果也更加便于制图解释.