搜索
中国地质大学研究生课程论文课程名称成矿规律与成矿预测教师姓名曹新志、张均研究生姓名崔凤霞研究生学号120091628研究生专业地质工程所在院系资源学院类别:B.硕士日期:2010年6月10日评语对课程论文的评语:平时成绩：课程论文成绩：总成绩：评阅人签名：注：1、无评阅人签名成绩无效；2、必须用钢笔或圆珠笔批阅，用铅笔阅卷无效；3、如有平时成绩，必须在上面评分表中标出，并计算入总成绩。GIS在成矿预测中的应用研究资源学院地质工程专业崔凤霞（120091628）摘要：GIS作为一种先进技术，以其强大的制图和空间分析功能，以及空间数据和属性数据的双向查询功能，在成矿预测研究中得到了广泛应用，并已开发出大量矿产预测评价专用软件系统，GIS工具的应用为成矿预测提供了又一条有效的途径。本文主要介绍了GIS在成矿预测中的现状、所使用的主要方法、需处理的主要成矿信息、步骤、存在问题以及应用前景。关键字：GIS、成矿预测1、GIS在成矿预测中的应用现状1.1成矿预测研究现状20世纪80年代以后，随着科学技术的进步和生产节奏的加快，世界各国对矿产资源需求与日俱增，但随着地表露头矿、易识别矿越来越少，找矿难度越来越大，日益严峻的矿产资源短缺形势推动了成矿预测的研究。这一时期GIS高新技术进入成矿预测领域，产生了立足于GIS的成矿预测方法。这表明，随着地球科学的发展和新理论、新技术的应用，成矿预测已经开始经历从简单到复杂，由粗略到精细，由抽象到具体的转变。主要表现为：从单纯定性预测到定性和定量预测结合，再到定量预测；由单一信息预测，逐步转变为多源信息综合预测；由经验式类比预测，发展到模式类比、多元统计方法预测，以及科学化、系统化、动态化和可视化预测。在这一转变过程中，GIS的出现和发展，无疑起了推波助澜的作用。国内外的实践证明，GIS的应用彻底改变了传统成矿预测的方法体系，极大提高了预测效率和水平，简化了预测过程。“八五”期间，GIS技术被列为地矿勘查关键技术，进人90年代以后，GIS矿产资源预测研究展示出广阔的应用前景，并得到越来越多的国内外地质学家的重视，成为地质学家不可缺少的工具。可以预料，随着GIS和成矿预测理论的发展以及二者的结合运用，对地质工作者的找矿思维方式必将产生深远的影响,在未来一定时期内，借助GIS技术，实现系统化、信息化和可视化的多源信息综合成矿预测以及深部隐伏矿(床)体的“定位”预测，将成为研究的主要方向。1.2GIS应用于成矿预测具有一定的必然性80年代发展起来的地理信息系统(GIS)技术以其高水平的数据管理、强大的空问分析及高质量高效率的成图技术等优点，为信息找矿提供了一个有力的工具，极大地提高了找矿预测的工作效率。GIS在成矿预测方面的应用主要有如下优点：(1)先进的数据库和图库管理使得对于各种地学图件和数据的长期保存和修改变得容易。(2)能提供集成管理多源地学数据(包括以文字、数字为主的属性信息和以图形图像为主的空间信息)，具有方便建立模型及进行空间模拟分析的能力，使数据的分析更有效和定量化。(3)与传统的方法相比，GlS可以更加迅速地对大量数据进行对比和分析，大大节约了时间，缩短了研究周期。(4)能够弥补一些人工方法的缺陷(如对于断裂控矿影响宽度带的确定，GIS可以很容易得到，而人工方法很困难)。(5)GIS吸取专家的经验及知识较容易，并且进行成矿预测具有空间直观性，避免了预测中的人为因素。(6)GIS能够提供高质量的预测成果图件，直观清晰、一目了然。所以说，GIS的出现为成矿预测提供了最佳的工具和手段，将GIS应用于成矿预测具有一定的必然性。2、基于GIS的成矿预测的主要方法基于GIS的成矿预测的各个方法的主要目的都是定量地表示相关的专题关系，最后对若干个专题关系进行综合分析生成一幅预测结果图。因此，GIS成矿预测方法的区别主要表现为综合分析方法的区别。多数以GIS为基础的矿产资源预测，研究的侧重点在于对多个专题关系进行综合分析的方法。对多个专题关系进行综合分析，也就是将多个输入图层相叠加并通过某种空间关系运算得到一个输出图层，也可称为叠加分析。现将几种基于GIS的成矿预测方法的要点简单叙述如下。2.1模糊逻辑法模糊逻辑法是基于模糊关系值进行模糊代数运算来对多个专题关系进行综合的方法。模糊关系值反映模糊集合中的成员的重要性程度，是位于[0,1]范围内的一个数值，0意味着完全无关(即低significance)，1意味着完全相关(即高significance)。它的大小可以基于模糊关系的隶属函数来确定，也可以基于人的主观判断给定。模糊逻辑法比较适合于成矿预测这类难以精确定量的问题。使用模糊逻辑法进行成矿预测的基本工作流程如下：根据工作区的地质条件和已获取的数据等情况，由领域专家和GIS技术人员共同选择确定预测因子。如地层、断层、化探异常等。同时确定每个因子的数据级别，例如，将地层划分为若干个地层单位，以地层单位作为地层因子的数据级别；将断层按产状、性质、规模等特征分为若干组，以组作为断层因子的数据级别。GIS技术人员为每个预测因子建立一个或多个图层，并在每个图层中根据数据级别建立数据对象，或者建立数据对象与数据级别之间的对应关系。利用专家系统中的某种方法，例如发放专家打分表的方法，请领域专家给出各预测因子之间的相对重要性，同时给出同一个因子的各个数据级别之间的相对重要性。GIS技术人员对收回的专家打分表进行整理，得到图层权重和数据级别分数，并将它们赋给各个图层和各个数据对象。将各图层叠加，经过模糊数学运算，得到工作区中每个任意给定的预测空间单元的模糊关系组合值。模糊关系组合值综合反映了成矿条件的优劣，将其变换为成矿有利度，以合适的表达形式作为结果图层输出，用于选择找矿靶区的辅助决策。2.2证据加权法证据加权法用条件概率和贝叶斯规则相结合来实现二元模式图的综合。它通过直接复合地质信息、地球化学信息、以及遥感信息等进行成矿预测。其基本原理是把各种专题关系作为预测的证据因子，首先根据已知矿点与证据因子之间的统计关系赋予各证据因子统计权重。然后用贝叶斯条件概率理论对不同证据因子按其权重值进行综合分析，生成预测结果图。这种方法输出概率结果，考虑了不同空间关系对成矿的不同作用。但是，应用该方法的统计假设条件并不是总成立的，而且矿床的大小没有考虑。用证据加权法进行成矿预测的基本步骤如下：(1)各证据因子的二值图像化处理，即把所有的专题关系转化为二值图像。(2)先验概率估算。据各因子与已知矿点的统计关系计算各证据因子在各单元内的成矿概率。(3)计算证据因子的权重值，即计算每个证据因子在因子存在、因子不存在及不知道因子是否存在的情况下的权重值。(4)计算预测图像。首先进行证据因子的相对矿点条件独立检验，剔除一些相关的预测因子，然后用叠加的方法计算每个单元的最终权重值。2.3神经网络法随着人工智能在地学中的应用不断深入，人们把人工神经网络引入到矿产资源预测中。人工神经网络的神经元具有学习、记忆、归纳等功能，能在大量的实际数据中灵活地进行挑选，从中发现模糊的偶然联系，并形成一个方法的综合体，在一定程度上能代替人脑的思维和判断能力。在成矿预测中，人工神经网络并不是用于直接将相关的专题关系综合为一幅预测结果图，而是用于对信息进行分类并建立信息与预测目标之间的联系。用神经网络法进行成矿预测的基本工作流程如下：建立一个数据库，其中包括与某种类型的已知矿床有关的各种信息。除了地层、构造等信息外，还包括矿床的规模、矿床距断层的距离、矿体的产状、矿体的围岩、成矿母岩等信息。将这些信息交给人工神经网络处理，经过学习和训练，人工神经网络建立起信息与矿床之间的关联。将工作区的信息输入人工神经网络，人工神经网络可以根据已建立的关联给出工作区任何一点的成矿有利度。2.4代数法代数法是布尔逻辑法的扩展。它不是将专题关系定量为二值，而是多值。代数法中与每个专题关系相对应的数据图层都与一系列的分数相连，这些分数可以是每个图层中的各个数据级别的专家评分，也可以是按照某一特定规则所划分的数据级别所对应的级别分数。在给定各数据图层的同时，还可以根据各图层之间的相对重要性，给定各个图层的权重值。将各数据图层的级别分数和图层权重值给定后，就可对多个专题关系对应的数据图层进行综合分析。对不同类型数据层之间的综合分析而言，代数法较布尔逻辑法具有更大的灵活性。对于某一图层来说，其权重和数据级别分数可以被不断地调整，以便图层能够有效地反映应用领域专家在研究中的各种判断。图层级别分数可以是负数或者实数。如果各个图层之间对于表达级别分数的范围没有要求，那么，级别分数的数据范围可以没有要求。使用代数法进行成矿预测的基本工作流程如下：(1)根据工作区的地质条件和已获取的数据等情况，由领域专家和G1S技术人员共同选择确定预测因子，如地层、断层、化探异常等。同时确定每个因子的数据级别，例如，将地层划分为若干个地层单位，以地层单位作为地层因子的数据级别；将断层按产状、性质、规模等特征分为若干组，以组作为断层因子的数据级别。(2)GIS技术人员为每个预测因子建立一个或多个图层，并在每个图层中根据数据级别建立数据对象，或者建立数据对象与数据级别之间的对应关系。(3)利用专家系统中的某种方法，例如发放专家打分表的方法，请领域专家给出各预测因子之间的相对重要性，同时给出同一个因子的各个数据级别之间的相对重要性。(4)GIS技术人员对收回的专家打分表进行整理，得到图层权重和数据级别分数，并将它们赋给各个图层和各个数据对象。(5)将各图层叠加，经过代数运算，得到工作区中每个任意给定的预测空间单元的关系组合值。关系组合值综合反映了成矿条件的优劣，将其变换为成矿有利度，以合适的表达形式作为结果图层输出，用于选择找矿靶区的辅助决策。2．5多因素套合分析法多因素套合分析法是一种简便易行的基于GIS的成矿预测方法，可以快速地将研究区域缩小，锁定找矿靶区。该方法的核心是对两个以上因素的空间关系进行分析，提取有用信息，快速缩小靶区。该方法包括6个主要步骤：①数据准备，收集整理研究区所有有关的资料；②找出用于研究的主要因素，主要因素可以是与成矿有关的任何条件，如物化探异常、地层、构造、矿产地等；③运用GIS软件的空间分析功能，分析这些因素在空间上的相互关系，求出相互套合的部分；④讨论各种因素相互套合的区域(称为套合异常)分布规律；⑤确定靶区；⑥靶区验证。不同地区、不同预测对象，应选择的套合分析的主要因素也是不同的。如果研究对象与某一时代的地层有关，则应以该时代的地层为主要因素，然后将其与其他因素，如断裂带、岩体边界、物化探异常等进行套合分析。在求出套台异常后，要参照原始资料研究其意义。套合分析时用的因素越多，对矿床的指示作用越明显，靶区越小。但也不是越多越好，若使用的因素过多，反而会丢失有用信息。2.6GIS下找矿有利度分析方法找矿有利度分析主要是利用GlS空间叠加分析和缓冲区分析，将矿点图层与证据图层(岩石地层图层、特殊岩性图层、断裂构造图层及物、化、遥感图层)相关联，通过评价异常在预测中的必要性（从图层是否有大量的矿点出现来评价)和有效性(以计算异常的单位矿产当量来评价)，筛选出最有利的找矿异常。简要归纳该方法如下：(1)GIS线型异常找矿有利度分析方法在GIS成矿预测中，线型地质异常分析，主要是分析线型地质异常与矿点间的关系．最典型的就是断裂构造图层与矿床(点)图层的关系．一般步骤是：先利用GIS的检索和相关分析得到直观的断裂与矿床关系图。通过统计分析，得到矿床距断层间距统计直方图和相应表格．然后可获得研究区内矿床与其最近断裂间的距离单位，根据该距离判断该范围是否是最有利于成矿的区间．根据所得结果，通过GIS的空间分析功能，就可以得出断裂影响带，成为研究区内寻找矿床的有利构造地段．(2)面型异常的找矿有利度分析方法面状图层包括地层、特殊岩层、侵入岩层、地球化学图层、物化探异常等图层．对于这一类型的找矿有利度分析方法，是要解决必要性和有效性两方面的问题．最后得到的结果是面型异常作为矿床预测的各证据层。（