基于地质过程的闽西南马坑式铁多金属矿定量预测

矿床是地质过程的产物之一, 深入分析控制矿床形成和保存的关键地质过程是矿产资源定量预测与评价的基础.闽西南马坑式铁多金属矿为矽卡岩型矿床, 燕山期的岩浆活动提供了热源、流体来源及部分的铁质来源; 热液沿着北东向断裂向上运移, 在岩体与石炭-二叠纪碳酸盐岩地层的接触面及石炭-二叠纪地层内部发生了热液交代作用, 形成了矽卡岩化; 铁主要来源于石炭-二叠纪碳酸盐岩建造, 后期燕山期岩浆的侵入, 使得铁进一步富集; 并在石炭-二叠纪地层中沉淀成矿.基于上述关键成矿过程, 从"源"(热源、物质来源和流体来源)、"运"(流体通道)、"盖"(圈闭)、"储"(矿质沉淀场所)和"存"(矿床的后期保存条件)等方面提取了地质证据, 利用模糊逻辑综合地质证据得到了找矿有利度图.结果显示所圈定的预测远景区与已知铁多金属矿床在空间上具有很强的相关性, 可作为进一步工作部署的依据.基于地质过程的矿产资源定量预测与评价方法, 决定矿床能否形成的关键地质过程为评价依据, 可为闽西南进一步找寻马坑式铁多金属矿提供新的找矿思路和参考依据.      

分形滤波技术在新疆黄山-镜儿泉镍铜成矿带中的应用

为了深化新疆黄山-镜儿泉镍铜成矿带的成矿地质认识,进一步确定找矿勘查方向,采用多重分形滤波技术,对该地区水系沉积物或岩屑地球化学测量数据中的Ni元素进行分析,结果显示研究区西北部吐哈盆地具有高背景、弱异常且异常分散的特点;中部康古尔大断裂带以及研究区东南部具有低背景、强异常、且异常呈带状分布的特点;这可能是由于,石炭世晚期至二叠纪早期的地幔柱事件在研究区中部和东南部沿深大断裂有大量玄武岩喷溢,到新生代被剥蚀运移到西北部地形较低的吐哈盆地,而在原地只残留其根部造成的.中部和东南部带状分布的Ni异常是可能的找矿有利地段.     

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。     

基于GIS矿产勘查靶区优选技术

靶区优选是矿产勘查中的一个关键环节, 它既是矿产资源预测成果的直接体现形式, 同时又是联系矿产资源预测与勘查工作部署的桥梁.然而, 由于人们认识上的不完备性和缺乏相应的技术手段支撑, 使得靶区优选常被忽视或简化.探讨了靶区优选的地质基础原则, 建立了靶区优选的技术流程, 研发了基于GIS支持下靶区优选计算机辅助决策模块, 并以云南省个旧地区与岩浆活动有关的锡铜多金属矿靶区为例进行了示范研究.结果表明靶区优选技术及相应的软件能够客观地反映不同靶区的特征, 提高靶区优选的智能化程度和工作效率.      

勘查地球化学数据挖掘与弱异常识别

我国积累的大量高质量、多元素、多尺度的地球化学数据,为矿产勘查与环境评价提供了有效的数据支撑。如何对这些数据进行二次开发和再利用,提取有价值的地球化学异常信息并带动找矿突破,是缓解当前矿产资源短缺的重要途径之一。在覆盖区和深部的找矿实践中,由于矿体埋深和覆盖层的影响,往往在表生介质中形成弱小的地球化学异常,识别和评价弱小地球化学异常是当前勘查地球化学数据处理的重要方向之一。本文围绕地球化学异常信息的提取和评价,主要从以下几个方面讨论了相关的国内外研究进展和发展趋势:勘查地球化学数据处理与异常识别方法和模型,勘查地球化学数据闭合效应的影响及其解决方案,基于大数据和机器学习的勘查地球化学数据处理以及弱小地球化学异常的识别和评价。研究发现,在地质环境的约束下,基于大数据思维和机器学习相结合的方法,注重地球化学空间分布模式与已发现矿床的相关关系,同时使用所有地球化学变量能有效刻画具有非线性特征的地球化学空间分布模式,可识别出传统方法无法识别的异常,为开展地球化学空间模式识别与异常提取提供了新的途径。     

矿产预测评价中不确定性传播模型

矿产预测与评价是是由多个阶段组成的系统工程,包括数据收集,资料整理,信息提取,信息综合,预测评价、成果表达等.由于地质的复杂性和变化多样性及人类认识的不完备性致使矿产预测与评价的每一个阶段都包含了一定的不确定性,且前一阶段的不确定性会传播给后一阶段,从而导致相当数量的不确定性积累与传播.本文简要分析了矿产预测与评价不确定性的主要来源,给出矿产预测与评价的不确定性表达模型,研究了矿产预测与评价不确定性的合成算法和传播算法.     

地质领域机器学习、深度学习及实现语言

地质大数据正在以指数形式增长。只有发展智能数据处理方法才有可能追上大数据的超常增长。机器学习是人工智能的核心,是使计算机具有智能的根本途径。机器学习已成为地质大数据研究的前沿热点,它将让地质大数据插上翅膀,并因此改变地质。机器学习是一个源于数据的模型的训练过程,最终给出一个面向某种性能度量的决策。深度学习是机器学习研究中的一个重要子类,它通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性。卷积神经网络算法是最为常用的一种深度学习算法之一,它广泛用于图像识别和语音分析等。Python语言在科学领域的地位占据着越来越重要。其下的Scikit-Learn是一个机器学习相关的库,提供有数据预处理、分类、回归、聚类、预测、模型分析等算法。Keras是一个基于Theano/Tensorflow的深度学习库,可以应用来搭建简洁的人工神经网络。     

基于MapGIS的地质遗迹管理信息系统的设计与实现

地质遗迹管理信息系统利用地理信息系统技术、数据库技术,整合地质遗迹（地质公园）数据库和基础地理、地质、生态环境、旅游资源、管理规划等空间数据库,全面掌握地质遗迹保护、地质公园建设等方面的现状和规划情况,便于管理地质遗迹（地质公园）保护和建设的信息,为制定国家、区域或省市自然保护区规划和其他专项规划提供数据支持。地质遗迹管理信息系统应遵循点源信息系统的设计原则,以主题式关系数据库系统和空间数据库系统为基础,以空间信息和属性信息管理为核心,实现数据库与GIS的有效集成;并用C／S与B／S相结合的方式,使系统在局域网和广域网都能安全运行,满足用户的需求。     

磁铁矿元素地球化学大数据构建及其在矿床成因分类中的应用

磁铁矿广泛分布在岩浆、热液及沉积等各类矿床中,其地球化学元素组成往往受温度、氧逸度等物理化学条件的影响,能反映矿床形成环境并指示矿床成因类型,是一种重要的勘查指示矿物.自20世纪60年代以来,磁铁矿的主微量元素数据被用来构建不同的判别图,试图来区分矿床的成因类型.然而,由于矿床成因类型的多样性以及同一类型矿床的磁铁矿的...