潜在矿产资源评价方法及应用 ——以青海东昆仑成矿带为例

论文摘要

矿产资源短缺、勘查成本和勘查难度剧增的新形势下,如何充分利用海量地质空间数据和现代信息技术,开展快速、高效的潜在矿产资源评价方法及应用研究,对于掌握区域矿产资源潜力,进行矿产勘查部署和选择具体的找矿靶区,从而降低矿产勘查的成本,具有重要的科学意义和实际应用价值。本论文结合前人研究成果,通过对青海东昆仑成矿带的区域构造特征、区域岩浆岩特征、区域地层特征、成矿地质特征、时空演化特征以及地球物理特征的分析和深入探讨,将青海东昆仑成矿带划分为五个Ⅳ级成矿带:昆北成矿带、昆中成矿带、昆南成矿带、都兰-鄂拉山成矿带和阿尼玛卿成矿带。通过对青海东昆仑成矿带成矿系列和典型矿床组合的深入分析,建立了矿床找矿模型,并建立了青海东昆仑成矿带金属矿床成矿系列,将金属矿床划分为两大矿床组合、7个成矿系列和14个矿床式。以数据驱动模型（证据权模型、扩展证据权模型、逻辑斯蒂回归模型）为理论基础,结合实际应用需求,开展青海东昆仑地区潜在矿产资源评价。基于数据驱动模型的矿产资源评价技术流程包括:图层的选取依据、图层的重要性评估、图层相关性处理、计算参数检验以及靶区定量化评价。本研究应用证据权模型中的邻近度分析定量刻画了线性控矿因素（断裂、破碎带、褶皱、接触带、蚀变带等）和离散数据（物探数据、化探数据等）与已知矿点之间的空间相关性,用卡方检验、Kolmogorov-Smirnov检验或NOT检验对证据图层之间的相关性进行处理,去除相关性较大的图层,避免过大圈定靶区。应用逻辑斯蒂回归模型进行潜在矿产资源评价时,是在证据权模型中邻近度分析的基础之上,选取最佳的二值证据图层,然后用逻辑斯蒂回归参数（如回归系数、Wald s统计量、回归系数的标准误等）对控矿因素的重要性排序和评价,进而应用非线性回归概率绘制潜在矿产资源预测图。以区域地质成矿特征和矿床成矿系列和典型矿床模型为理论指导,综合分析不同矿床类型下的控矿因素,建立找矿标志模型。综合多源地质空间数据（基础地质数据、地球物理数据、地球化学数据、遥感数据、已知勘探的矿床/点数据等）,应用证据权模型、扩展证据权模型和逻辑斯蒂回归模型分别对青海东昆仑成矿带、野马泉成矿亚带、五龙沟成矿区三个不同空间尺度下的不同矿种开展潜在矿产资源评价。具体应用工作包括:基于证据权模型的青海东昆仑成矿带铜铅锌多金属矿、铁矿和金矿资源评价,基于证据权模型的野马泉成矿亚带铁多金属矿资源评价,基于证据权模型的五龙沟成矿区金矿资源评价;基于扩展证据权模型的青海东昆仑成矿带潜在铜铅锌多金属矿资源评价,基于扩展证据权模型的五龙沟成矿区金矿资源评价;基于逻辑斯蒂回归模型的青海东昆仑成矿带铜铅锌多金属矿和铁矿资源评价,基于逻辑斯蒂回归模型的野马泉成矿亚带铁多金属矿资源评价。各评价模型（证据权模型、扩展证据权模型、逻辑斯蒂回归模型）的实验结果具体如下:（1）基于证据权模型的青海东昆仑成矿带铁矿资源评价结果显示77%的已知矿点落入中高潜力区,其中高潜力区（总面积的11%）包含了56%的已知矿点,中潜力区（总面积的10%）包含了21%的已知矿点;青海东昆仑成矿带金矿资源评价结果显示74.5%的已知矿点落入中高潜力区,其中高潜力区（总面积的9%）包含了48.9%的已知矿点,中潜力区（总面积的11%）包含25.6%的已知矿点;青海东昆仑成矿带铜铅锌多金属矿资源评价结果显示71.2%的已知矿点落入中高潜力区,其中高潜力区（总面积的8%）包含了31.8%的已知矿点,预测率为47.5%;中潜力区（总面积的19%）包含了39.4%的已知矿点,预测率为25%;野马泉成矿亚带铁多金属矿资源评价结果显示85.7%的已知矿点落入中高潜力区,其中高潜力区（总面积的3.4%）包含了61.9%的已知矿点,中潜力区（总面积的6.2%）包含了23.8%的已知矿点;五龙沟成矿区金矿资源评价结果显示76.5%的已知矿点落入中高潜力区,其中高潜力区（总面积的5.9%）包含70.6%已知矿点,中潜力区（总面积的7.2%）包含了5.9%的已知矿点。（2）基于扩展证据权模型的青海东昆仑成矿带铜铅锌多金属矿资源评价结果显示84.9%的已知点落入中高潜力区,其中高潜力区（总面积的10%）包含了51.9%的已知矿点,中潜力区（总面积的15%）包含了33%的已知矿点;五龙沟成矿区金矿资源评价结果显示94.1%的已知矿点落入中高潜力区,其中高潜力区（总面积的2.6%）包含了76.5%的已知矿点,中潜力区（总面积的3.6%）包含了17.6%的已知矿点。（3）基于逻辑斯蒂回归模型的青海东昆仑成矿带铁多金属矿资源评价结果显示71.6%的已知矿点落入中高潜力区,其中高潜力区（总面积的8.3%）包含43.2%的已知矿点,中潜力区（总面积的15.9%）包含了28.4%的已知矿点;青海东昆仑成矿带铜铅锌多金属矿资源评价结果显示69%的已知矿点落入中高潜力区,其中高潜力区（总面积的8.5%）包含38%的已知矿点,中潜力区（总面积的16.4%）包含了31%的已知矿点;野马泉成矿亚带铁多金属矿资源评价结果显示85.7%的已知矿点落入中高潜力区,其中高潜力区（总面积的4.3%）包含76.2%已知矿点,中潜力区（总面积的5.2%）包含9.5%的已知矿点。不同预测模型的精度表明,在大区域尺度下,扩展证据权模型的较证据权模型和逻辑斯蒂回归模型高,而证据权模型高于逻辑斯蒂回归模型。随着研究区范围减小和研究程度提高,三个评价模型之间的预测精度的差别趋于减小。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 选题依据与研究意义
• 1.2 青海东昆仑地区地理概况
• 1.3 矿产资源评价方法及发展趋势
• 1.3.1 发展阶段
• 1.3.2 矿产资源评价方法
• 1.3.3 发展趋势
• 1.4 技术路线
• 1.5 完成的主要工作量
• 1.6 主要认识与成果
• 第2章 区域成矿地质背景
• 2.1 青海东昆仑成矿带地质特征
• 2.1.1 区域构造
• 2.1.2 地层
• 2.1.3 岩浆岩
• 2.1.4 成矿特征
• 2.1.5 地质演化特征
• 2.1.6 地球物理特征
• 2.2 野马泉成矿亚带地质特征
• 2.2.1 构造
• 2.2.2 地层
• 2.2.3 侵入岩
• 2.2.4 成矿特征
• 2.3 五龙沟成矿区地质特征
• 2.3.1 控矿特征
• 2.3.2 成矿特征
• 第3章 成矿系列
• 3.1 典型金属矿床
• 3.2 矿床组合特征
• 3.3 成矿系列
• 3.3.1 成矿系列研究现状
• 3.3.2 矿床成矿系列划分
• 3.4 总结
• 第4章 潜在矿产资源评价模型与方法
• 4.1 证据权模型
• 4.1.1 模型原理
• 4.1.2 条件独立性检验
• 4.1.3 证据图层的选取原则
• 4.1.4 模型设计
• 4.2 扩展证据权模型
• 4.3 逻辑斯蒂回归模型
• 4.3.1 模型原理
• 4.3.2 灵敏度分析
• 4.3.3 模型设计
• 第5章 证据权模型在潜在矿产资源评价中的应用
• 5.1 基于证据权模型的青海东昆仑潜在铁矿资源评价
• 5.1.1 数据预处理
• 5.1.2 控矿因素及其空间分析
• 5.1.3 条件独立性检验
• 5.1.4 潜在资源制图
• 5.1.5 讨论
• 5.2 基于证据权模型的青海东昆仑潜在金矿资源评价
• 5.2.1 数据预处理
• 5.2.2 控矿要素及其空间分析
• 5.2.3 条件独立性检验
• 5.2.4 潜在资源制图
• 5.2.5 讨论
• 5.3 基于证据权模型的青海东昆仑潜在铜铅锌多金属矿资源评价
• 5.3.1 数据预处理
• 5.3.2 控矿要素及其空间分析
• 5.3.3 条件独立性检验
• 5.3.4 潜在资源制图
• 5.3.5 讨论
• 5.4 基于证据权模型的野马泉潜在铁多金属矿资源评价
• 5.4.1 数据预处理
• 5.4.2 控矿要素及其空间分析
• 5.4.3 条件独立性检验
• 5.4.4 潜在资源制图
• 5.4.5 讨论
• 5.5 基于证据权模型的五龙沟潜在金矿资源评价
• 5.5.1 数据预处理
• 5.5.2 控矿要素及其空间分析
• 5.5.3 条件独立性检验
• 5.5.4 潜在资源制图
• 5.5.5 讨论
• 5.6 结论
• 第6章 扩展证据权模型在潜在矿产资源评价中的应用
• 6.1 基于扩展证据权模型的青海东昆仑潜在铜铅锌多金属矿资源评价
• 6.1.1 数据预处理
• 6.1.2 控矿要素及其空间分析
• 6.1.3 条件相关性处理
• 6.1.4 潜在资源制图
• 6.1.5 讨论
• 6.2 基于扩展证据权模型的五龙沟潜在金矿资源评价
• 6.2.1 数据预处理
• 6.2.2 控矿要素及其空间分析
• 6.2.3 潜在资源制图
• 6.2.4 讨论
• 6.3 结论
• 第7章 逻辑斯蒂回归模型在潜在矿产资源评价中的应用
• 7.1 基于逻辑斯谛回归模型的青海东昆仑潜在铁矿资源评价
• 7.1.1 数据预处理
• 7.1.2 控矿要素及其空间分析
• 7.1.3 潜在资源制图
• 7.1.4 讨论
• 7.2 基于逻辑斯谛回归模型的青海东昆仑潜在铜铅锌多金属矿资源评价
• 7.2.1 数据预处理
• 7.2.2 控矿要素及其空间分析
• 7.2.3 潜在资源制图
• 7.2.4 讨论
• 7.3 基于逻辑斯蒂回归模型的野马泉潜在铁多金属矿资源评价
• 7.3.1 数据预处理
• 7.3.2 控矿要素及其空间分析
• 7.3.3 潜在资源制图
• 7.3.4 讨论
• 7.4 结论
• 第8章 总结
• 8.1 结论
• 8.2 讨论
• 8.3 存在的不足
• 致谢
• 参考文献