基于大数据的深部找矿靶区定量成矿预测——以大桥地区金矿为例
1.
2.
3.
Quantitative Metallogenic Prediction of Deep Prospecting Target Based on Big Data:Taking Gold Deposit in Daqiao Area as an Example
1.
2.
3.
收稿日期: 2021-08-14 修回日期: 2021-10-11
基金资助: |
|
Received: 2021-08-14 Revised: 2021-10-11
作者简介 About authors
王怀涛(1985-),男,山东成武人,高级工程师,从事矿产勘查及地学大数据方法技术研究工作
关键词:
Keywords:
本文引用格式
王怀涛, 王晓伟, 罗云之, 宋秉田, 罗建民, 徐磊.
WANG Huaitao, WANG Xiaowei, LUO Yunzhi, SONG Bingtian, LUO Jianmin, XU Lei.
地质研究的主要目的是找矿,而提高找矿靶区的预测精度是地质找矿工作的关键所在。经过70多年的地质勘查工作,浅部矿产资源逐渐枯竭,地质找矿工作不断向深部和覆盖区进军。但是,常规的地球化学(地表水系沉积物、土壤和岩石测量)采样介质中不包含深部矿信息,影响深部找矿靶区预测的效果;遥感信息仅为地表影像特征,难以鉴别深部矿信息;地球物理信息可以很好地反映深部矿的信息,但地球物理测试结果多为一维信息,由此导致推断结果的多解性问题,进而影响了深部找矿靶区预测的精度和效果。因此,通过传统的地质勘查思想和方法确定深部找矿靶区的工作越来越困难,必须创新找矿思想和找矿靶区预测方法,以期实现深部和覆盖区的找矿突破。
近年来,随着计算机技术的迅猛发展和地质数据的快速增长,大数据正在引发地球科学领域一场深刻的革命(张旗等,2018),将传统定性的地质研究推向定量研究成为可能(Frankel et al.,2008; Ord et al.,2009; Carranza,2009; Wigan et al.,2013; Silver et al.,2017)。虽然利用大数据方法开展定量成矿预测尚处于起步阶段,但是以统计分析方法(罗建民等,2017,2018,2019a,2019b;王怀涛等,2018,2019;王玉玺等,2018;任文秀等,2018)和机器学习算法(Carranza,2011;周永章等,2018;刘艳鹏,2018,2020;Zuo et al.,2019;王语等,2020)为代表的大数据与人工智能等新方法、新技术逐步被应用到成矿预测中,并取得较好的预测效果。地质大数据是以现有全部地质数据为研究对象,以数学模型和推理模型为研究手段,查明数据间的相关关系来分析问题、解决问题,该方法避免了主观因素的影响,消除了相关理论片面性造成的研究结果不确定等问题,从而使研究过程更加直接、有效,研究成果更加真实、准确(罗建民等,2019a,2019b)。
甘肃省西秦岭地区是我国重要的多金属成矿聚集区,截至目前累计探明金资源储量已超过1 000 t,占全省金资源储量的95%,成为我国继胶东金矿集区之后又一重要的金矿集区。经过长期地质工作,西秦岭地区积累了丰富的地质资料,利用大数据方法深入挖掘地质数据,开展甘肃省西秦岭地区金矿找矿靶区定量预测研究,对西秦岭地区金矿勘查和扩大金资源储量具有重要意义。因此,本文以甘肃省西秦岭大桥地区航磁和地质矿产数据为基础,利用大数据方法,即通过航磁数据处理和构建找矿靶区定量预测系列模型等方法,开展甘肃省大桥超大型金矿床深部及外围大桥式金矿找矿靶区定量成矿预测,以期创新深部成矿预测方法,为大桥地区金矿的下一步勘查工作部署提供科学依据和技术支撑。
1 地质背景
研究区位于西秦岭造山带东中段的晚古生代被动陆缘褶皱带,其经历了多旋回造山构造运动的叠加改造,具有复杂的构造演化历史(图1)。区内地层出露广泛,自志留纪至新近纪地层均有出露,其中,中三叠世滑石关组为大桥金矿的赋矿层位,为一套浅变质含炭质浊积岩建造,岩性主要为钙质板岩、粉砂质板岩、炭质板岩、薄层灰岩、硅化角砾岩、复成分角砾岩和硅化岩等(张忠平等,2018);新近纪甘肃群分布于研究区中部和东部,与下伏早—中石炭世岷河组和中三叠世滑石关组均呈角度不整合接触,地层倾角较平缓,岩性主要为砖红色砾岩。区内岩浆岩不发育,仅发育少量的石英闪长岩和中酸性岩脉。区内褶皱和断裂十分发育,各地层单元内部发育宽缓规模较大的平行褶皱,局部发育紧闭的顶厚褶皱,断裂以NE向高角度逆冲断层为主,主要产于不同岩性的接触界面,是主要的控矿构造。
图1
图1
研究区大地构造位置图(a)和区域地质矿产图(b)
1.第四系;2.新近纪甘肃群:砂砾岩建造;3.早白垩世鸡山组:砂砾岩建造;4.早白垩世周家湾组:长石石英砂岩建造;5.侏罗纪龙家沟组:炭质泥岩建造;6.中三叠世滑石关组:碳酸岩建造;7.中二叠世大观山组:生物碎屑—泥晶灰岩建造;8.晚石炭世岷河组:白云质灰岩建造;9.早石炭世伊娃沟组:碳酸盐建造;10.晚泥盆世双狼沟组:砂岩与板岩互层建造;11.中泥盆世黄家沟组:砂岩—粉砂岩—粉砂质泥岩建造;12.中泥盆世下吾那组:钙质粉砂岩建造;13.早泥盆世安家岔组:粉砂岩与板岩互层建造;14.中志留世卓乌阔组:长石石英砂岩建造;15.三叠纪石英闪长岩;16.地质界线;17.角度不整合接触界线;18.断层;19.矿床(点);Ⅲ-2-3-中祁连岩浆弧;Ⅲ-6-1-1-党川—利桥岩浆弧;Ⅲ-6-1-2-鸳鸯镇—关子镇蛇绿混杂岩;Ⅳ-3-1-松潘三叠纪前陆盆地;Ⅲ-5-2-鄂尔多斯西缘新元古代—早古生代裂陷带;Ⅳ-5-1-1-夏河—礼县陆缘沉积区;Ⅳ-5-2-1-泽库—武都裂陷沉积区;Ⅳ-5-2-2-白龙江隆起带;Ⅳ-5-2-3-阿尼玛卿裂陷沉积区;Ⅳ-5-2-4-三河口裂陷沉积区;Ⅳ-5-3-1-碧口古陆北缘
Fig.1
Geotectonic map(a) and regional geology and mineral map(b) of the study area
2 研究方法
以原国土资源航空物探遥感中心2020年完成的秦岭西段武都—略阳地区1∶10万航空物探测量数据为基础,以查明已知矿床与研究单元相关关系为基本思想,以归纳、统计数据各项表现特征的相关关系为手段,将研究区150条航线的346755测点的场强(ΔT)作为航磁基本数,对各航线场强逐点进行微观变化信息提取,提取各测点场强变化率、拟合度和变化角度等20多个相关参量,构成研究区航磁数据库。以研究单元划分算法模型,沿航线以200 m间距划分研究单元,以单元算法模型计算各单元中每个参数的平均值、标准差、最大值和最小值,得出ΔT1、ΔT2等参数值,整体反映场值变化、变化率、异常陡缓和峰值高低等物理特征,建立研究区航磁信息研究单元数据库(共48 157单元);通过条件关联算法模型提取大桥金矿床周边2 km内研究单元为大桥金矿床相关单元(有矿单元,共106个),建立研究区金矿已知有矿单元数据库。应用SPSS软件对航磁数据库和已知有矿单元数据库进行判别分析,构建“找矿靶区定量预测系列模型”,并对研究单元数据库进行迭代预测处理,构建起大桥式金矿找矿靶区定量预测成果数据库。统计相关参数对预测模型有效性和预测效果进行评价,并对预测模型和预测效果进行修改、优化。应用MapGIS软件和金维软件分别对找矿靶区定量预测成果数据进行处理,圈定研究区基于航磁信息的大桥式金矿找矿靶区,结合地质、矿产信息,优选分级找矿靶区。
3 找矿靶区定量预测系列模型构建
采用SPSS软件对预测模型数据库进行判别分析处理,构建研究区大桥式金矿定量成矿预测系列模型(表1)。在系列模型中除模型2.2外,其余各模型Fp>F0.01,系列模型中有矿分类正判率大于95%,无矿分类正判率大于76.6%,因此,建立的系列分类模型对研究区各研究单元进行找矿靶区预测判别在数学意义上高度有效。
表1 研究区大桥式金矿定量成矿预测系列模型
Table 1
模型 分类 | 参数 | 变化 系数 | 贡献 | 累计 贡献 | 有效性检验 |
---|---|---|---|---|---|
模型1.1 | (常量) | -1.437 | R0=1.62 F0.01=2.32 Fp=30.18 有矿正判率:98.8% 无矿正判率:92% | ||
ΔT1 | 1.68 | 26.37 | 26.37 | ||
ΔT2 | 0.02 | 22.25 | 48.61 | ||
ΔT3 | -0.01 | 17.86 | 66.47 | ||
ΔT4 | 1.19 | 15.7 | 82.17 | ||
ΔT5 | 1.12 | 14.63 | 96.8 | ||
ΔT6 | -1.63 | 1.58 | 98.38 | ||
ΔT7 | -0.01 | 0.93 | 99.31 | ||
ΔT8 | 1.35 | 0.21 | 99.91 | ||
ΔT9 | -0.78 | 0.09 | 100 | ||
模型1.2 | (常量) | -10.659 | R0=0.66 F0.01=3.02 Fp=-14.54 有矿正判率:95.5% 无矿正判率:94.2% | ||
ΔT9 | 10.49 | 57.81 | 57.81 | ||
ΔT10 | -5.47 | 19.56 | 77.36 | ||
ΔT11 | 5.34 | 17.04 | 94.4 | ||
ΔT12 | 0 | 2.88 | 97.28 | ||
ΔT6 | 1.58 | 2.72 | 100 | ||
模型2.1 | (常量) | 21.295 | |||
ΔT13 | 305.17 | 44.71 | 44.71 | ||
ΔT14 | -178.95 | 26.2 | 70.91 | ||
ΔT15 | -57.81 | 7.8 | 78.71 | R0=0.70 F0.01=2.32 Fp=-11.58 有矿正判率:97.1% 无矿正判率:80.5% | |
ΔT16 | 0.01 | 7.49 | 86.21 | ||
ΔT17 | -47.62 | 6.28 | 92.48 | ||
ΔT18 | -1.46 | 4.13 | 96.61 | ||
ΔT19 | -24.35 | 1.2 | 97.81 | ||
ΔT4 | 0.81 | 1.1 | 98.91 | ||
ΔT20 | 24.58 | 0.71 | 99.62 | ||
ΔT21 | 3.68 | 0.38 | 100 | ||
模型2.2 | (常量) | -4.179 | R0=0.69 F0.01=1.47 Fp=0.93 有矿正判率:95% 无矿正判率:76.6% | ||
ΔT12 | -0.05 | 31.37 | 31.37 | ||
ΔT3 | 0.04 | 26.6 | 57.98 | ||
ΔT7 | 0.14 | 4.83 | 62.81 | ||
ΔT11 | 56.23 | 4.49 | 67.3 | ||
ΔT22 | -0.13 | 3.17 | 70.47 | ||
ΔT18 | -0.67 | 2.38 | 72.85 | ||
ΔT23 | 5 116.34 | 2.35 | 75.2 | ||
ΔT24 | -42.07 | 1.89 | 77.09 | ||
ΔT25 | -57.96 | 1.69 | 78.78 | ||
ΔT26 | -0.04 | 1.53 | 80.31 |
模型1.1主要由ΔT1、ΔT2、ΔT3、ΔT4和ΔT5共5个变量控制,累计贡献率为96.80%;模型1.2中ΔT9、ΔT10、ΔT11变量的累计贡献率为94.40%,其中ΔT9单独贡献率为57.81%,认为由该模型确定的金找矿靶区与ΔT9呈正相关;模型2.1中ΔT13、ΔT14、ΔT15、ΔT16和ΔT17变量的累计贡献率为92.48%,其中ΔT13单独贡献率为44.71%,认为由该模型确定的金找矿靶区与ΔT13呈正相关;模型2.2中ΔT12、ΔT3、ΔT7、ΔT11和ΔT22变量的累计贡献率为70.47%,其中ΔT12单独贡献率为31.37%,其相关系数为-0.05,认为由该模型确定的金找矿靶区与ΔT12呈负相关。
4 找矿靶区定量预测结果
采用黄金分割法将预测有矿单元划分为3级,统计预测有矿单元与有矿单元分布特征。
表2 定量成矿预测模型1.1预测结果统计
Table 2
预测单元分级 | 预测有矿单元/个 | 预测有矿单元占比/% | 有矿单元/个 | 有矿单元占比/% | 有矿单元 /有矿单元总数 | 较有矿单元平均值 提高倍数 |
---|---|---|---|---|---|---|
单元总数/个 | 48 157 | 有矿单元总数/个 | 106 | |||
Ⅰ级单元 | 382 | 0.79 | 49 | 12.83 | 0.46 | 58.34 |
Ⅱ级单元 | 618 | 1.28 | 15 | 2.43 | 0.14 | 11.04 |
Ⅲ级单元 | 999 | 2.08 | 28 | 2.80 | 0.26 | 12.73 |
预测总数 | 1 999 | 4.15 | 92 | 4.60 | 0.86 | 20.92 |
图2
图2
定量成矿预测模型1.1预测结果柱状图
Fig.2
Histogram of prediction results of the quantitative metallogenic prediction model 1.1
表3 定量成矿预测模型1.2预测结果统计
Table 3
预测单元分级 | 预测有矿单元/个 | 预测有矿单元占比/% | 有矿单元/个 | 有矿单元占比/% | 有矿单元 /有矿单元总数 | 较有矿单位平均值提高倍数 |
---|---|---|---|---|---|---|
单元总数/个 | 48 157 | 有矿单元总数/个 | 106 | |||
Ⅰ级单元 | 247 | 0.51 | 11 | 4.45 | 0.10 | 20.23 |
Ⅱ级单元 | 400 | 0.83 | 1 | 0.25 | 0.09 | 1.14 |
Ⅲ级单元 | 647 | 1.34 | 9 | 1.39 | 0.85 | 6.32 |
预测总数 | 1 294 | 2.69 | 21 | 1.62 | 0.19 | 7.38 |
图3
图3
定量成矿预测模型1.2预测结果柱状图
Fig.3
Histogram of prediction results of the quantitative metallogenic prediction model 1.2
表4 定量成矿预测模型2.1预测结果统计
Table 4
预测单元分级 | 预测有矿单元/个 | 预测有矿单元占比/% | 有矿单元/个 | 有矿单元占比/% | 有矿单元 /有矿单元总数 | 较有矿单元平均值提高倍数 |
---|---|---|---|---|---|---|
单元总数/个 | 48 157 | 有矿单元总数/个 | 106 | |||
Ⅰ级单元 | 197 | 0.41 | 34 | 17.22 | 0.32 | 78.26 |
Ⅱ级单元 | 320 | 0.66 | 23 | 7.20 | 0.22 | 32.72 |
Ⅲ级单元 | 517 | 1.07 | 11 | 2.13 | 0.10 | 9.67 |
预测总数 | 1 034 | 2.15 | 68 | 6.58 | 0.64 | 29.89 |
图4
图4
定量成矿预测模型2.1预测结果柱状图
Fig.4
Histogram of prediction results of the quantitative metallogenic prediction model 2.1
表5 定量成矿预测模型2.2预测结果统计
Table 5
预测单元分级 | 预测有矿单元/个 | 预测有矿单元占比/% | 有矿单元/个 | 有矿单元占比/% | 有矿单元 /有矿单元总数 | 较有矿单元平均值 提高倍数 |
---|---|---|---|---|---|---|
单元总数/个 | 48 157 | 有矿单元总数/个 | 106 | |||
Ⅰ级单元 | 186 | 0.39 | 13 | 6.99 | 12.26 | 31.77 |
Ⅱ级单元 | 301 | 0.63 | 13 | 4.32 | 12.26 | 19.63 |
Ⅲ级单元 | 487 | 1.01 | 12 | 2.46 | 11.32 | 11.20 |
预测总数 | 974 | 2.02 | 38 | 3.90 | 35.85 | 17.73 |
图5
图5
定量成矿预测模型2.2预测结果柱状图
Fig.5
Histogram of prediction results of the quantitative metallogenic prediction model 2.2
5 找矿靶区定量优选和预测效果
5.1 找矿靶区圈定及优选
汇总模型1.1、1.2、2.1、2.2预测结果,计算各预测模型中预测函数的权重,经规格化处理并分别计算各分类权重的百分数,获得预测模型权系数。权系数和函数乘积作为预测单元判别值,根据预测单元的判别值利用MapGIS软件圈定找矿靶区并对其优选。
表6 研究区大桥式金矿预测找矿靶区信息
Table 6
靶区编码 | 靶区面积 | 靶区分级 | 矿床点 | 矿床规模 | 判别值 |
---|---|---|---|---|---|
Ⅰ-1 | 9.47 | Ⅰ | 22.04 | ||
Ⅰ-2 | 30.75 | Ⅰ | 西和县大桥金矿床 | 超大型矿床 | 19.54 |
Ⅰ-3 | 1.97 | Ⅰ | 19.38 | ||
Ⅰ-4 | 1.31 | Ⅰ | 16.61 | ||
Ⅰ-5 | 8.01 | Ⅰ | 16.24 | ||
Ⅰ-6 | 4.80 | Ⅰ | 16.21 | ||
Ⅱ-7 | 11.98 | Ⅱ | 小金厂C8金矿化点 | 矿化点 | 16.1 |
Ⅱ-8 | 8.43 | Ⅱ | 联合村金矿化点 | 矿化点 | 16.04 |
Ⅱ-9 | 3.90 | Ⅱ | 15.47 | ||
Ⅱ-10 | 14.66 | Ⅱ | 15.35 | ||
Ⅱ-11 | 6.60 | Ⅱ | 西和县白崖沟金矿 | 小型矿床 | 14.98 |
Ⅱ-12 | 3.54 | Ⅱ | 14.75 | ||
Ⅱ-13 | 5.43 | Ⅱ | 14.64 | ||
Ⅱ-14 | 19.73 | Ⅱ | 13.87 | ||
Ⅱ-15 | 7.67 | Ⅱ | 13.73 | ||
Ⅱ-16 | 3.66 | Ⅱ | 13.6 | ||
Ⅲ-17 | 9.25 | Ⅲ | 12.58 | ||
Ⅲ-18 | 6.72 | Ⅲ | 12.36 | ||
Ⅲ-19 | 1.15 | Ⅲ | 西和县红山金矿化点 | 矿化点 | 11.88 |
Ⅲ-20 | 2.87 | Ⅲ | 大坪金矿化点 | 矿化点 | 11.81 |
Ⅲ-21 | 1.89 | Ⅲ | 11.49 | ||
Ⅲ-22 | 9.48 | Ⅲ | 11.44 | ||
Ⅲ-23 | 13.36 | Ⅲ | 11.14 | ||
Ⅲ-24 | 1.80 | Ⅲ | 11.08 | ||
Ⅲ-25 | 6.14 | Ⅲ | 10.74 | ||
Ⅲ-26 | 0.90 | Ⅲ | 10.44 | ||
Ⅲ-27 | 4.76 | Ⅲ | 9.87 | ||
Ⅲ-28 | 0.71 | Ⅲ | 9.73 | ||
Ⅲ-29 | 7.00 | Ⅲ | 8.51 | ||
Ⅲ-30 | 4.66 | Ⅲ | 7.51 | ||
Ⅲ-31 | 0.56 | Ⅲ | 安子山金矿点 | 矿点 | 7.49 |
图6
图6
研究区大桥式金矿预测找矿靶区分布图
1.第四系;2.新近纪甘肃群:砂砾岩建造;3.早白垩世鸡山组:砂砾岩建造;4.早白垩世周家湾组:长石石英砂岩建造;5.侏罗纪龙家沟组:炭质泥岩建造;6.中三叠世滑石关组:碳酸岩建造;7.中二叠世大观山组:生物碎屑—泥晶灰岩建造;8.晚石炭世岷河组:白云质灰岩建造;9.早石炭世伊娃沟组:碳酸盐建造;10.晚泥盆世双狼沟组:砂岩与板岩互层建造;11.中泥盆世黄家沟组:砂岩—粉砂岩—粉砂质泥岩建造;12.中泥盆世下吾那组:钙质粉砂岩建造;13.早泥盆世安家岔组:粉砂岩与板岩互层建造;14.中志留世卓乌阔组:长石石英砂岩建造;15.早志留世迭部组:碳质板岩建造;16.三叠纪石英闪长岩;17.地质界线;18.角度不整合接触界线;19.断层;20.矿床(点);21.验证钻孔位置;22.Ⅰ级靶区;23.Ⅱ级靶区;24.Ⅲ级靶区
Fig.6
Distribution map of prediction prospecting target of Daqiao-type gold deposit in the study area
5.2 找矿靶区预测效果
本次圈定的找矿靶区明显呈NE向展布,与区域构造线方向一致,且与已知金矿床(点)套合程度较高,是寻找热液型金矿床(点)的有利部位。Ⅰ、Ⅱ级靶区累积面积为138.01 km2,占研究区总面积(8 840.42 km2)的1.56%,其中Ⅰ级找矿靶面积为1.31~30.75 km2,Ⅱ级找矿靶区面积为3.54~14.66 km2,极大地缩小了找矿范围。经理论研究,认为大桥金矿的赋矿层位可能延伸至大桥金矿床所在靶区(Ⅰ-2)东北缘的新近纪砂砾岩覆盖区的下部,但是化探信息在此没有反映,于是在砂砾岩覆盖区实施了2个钻孔对圈定的深部靶区(Ⅰ-2)进行验证(图2),2个钻孔均见隐伏工业矿体(矿体累积厚度为12 m,Au平均品位为3.38×10-6)。由此认为,基于航磁信息建立的大桥式金矿的找矿靶区定量预测系列模型,对研究区大桥式金矿找矿靶区的确定和优选有着很高的准确性。
6 结论
(1)基于大数据思想的航磁数据处理算法模型,充分提取现有数据的微观变化特征,深入挖掘其潜在价值,提高了航磁信息的研究和利用精度。构建基于航磁信息的区域找矿靶区定量预测系列模型,结合区域地质、矿产信息,实现了对研究区金矿深部找矿靶区定量预测及优选,有效地解决了物探信息多解性问题,提高了深部找矿靶区定量预测的精度,极大地缩小了找矿范围,大幅降低了地质找矿的投资风险。
(2)研究区共圈定金找矿靶区31处,其中Ⅰ级靶区6处(见矿率为16.9%),Ⅱ级矿靶区10处(见矿率为31.32%),Ⅲ级Au找矿靶区15处(见矿率为20%)。基于航磁信息建立的找矿靶区定量预测系列模型,对研究区大桥式金矿找矿靶区的确定有着很高的准确性,为研究区下一步金矿勘查工作提供了重要依据,也为深部矿、隐伏矿的成矿预测提供了新的思路和方法。
http://www.goldsci.ac.cn/article/2021/1005-2518/1005-2518-2021-29-6-771.shtml