笔名探矿者—一个立志执着于探索自然和学术的“打工者”。1962年5月生,福建人,1982年毕业于成都地质学院找矿系,地质调查专业 工学学士 高级工程师。长期从事地质调查、矿产勘查以及矿床学和矿床地球化学研究。在该职业生涯中,积累了三十多年来的地质勘查和找矿经验,脚踏实地一步一个脚印一路走来,具有丰富的工作经验,认识了矿产资源在地壳中的成矿机理,掌握了构造控矿因素与成矿地质规律对找矿预测的意义。本人的专长是既懂理论研究、也精通矿产勘查,善于将两者紧密结合,因而有关成果受到各地政府的关注及业内专家的高度肯定。
| 矿产定量预测方法 编辑：探矿者
一、 矿产预测理论方法的现状和趋势 1.1 矿产预测理论和方法的现状 三大类区域矿产预测理论 （1）基于地质成矿理论研究的区域成矿预测 （2）基于成矿的非线性动力学的矿产预测 （3）以成矿地质环境和成矿规律研究为基础的数学地质矿产预测理论方法 矿产定量预测方法的现状 近二十年来，矿产定量预测方法方面的两个特点是， （1）针对不同的预测问题和数据水平，逐步涌现了大量数学模型或预测方法。 （2）预测方法的实现过程，包括信息提取、存贮、管理、分析、成果显示等，越来越方便、高效，主要体现在数据库技术和空间数据库技术的应用上。 矿产预测中定量类比的一般过程 大致可以归纳为以下三步：
1.2 人工智能技术在矿产预测中的应用 目前，一般认为人工智能技术包括以下三个领域：人工神经网络，模糊逻辑系统，遗传算法。 近5年来出现了“粗集理论”（rough set）,也被归入人工智能领域，特别适用于数据库智能化数据挖掘。 以上各种人工智能技术或方法都是“万能逼近器”（除Rough set理论外），即可以逼近实数空间内的任意函数，亦即能模拟自然界的任何系统。它们都对信息不完整、不定量、不精确（“三不”）的情况有很好的适应性，不要求数据有任何分布模式。 成矿过程是很复杂的系统过程，而且主要发生在过去。即便对于发生于现在的成矿过程，人们的了解也非常有限，对大多数过去地质历史上的成矿作用就更靠推测了。因此，矿产预测必然是一项涉及大量“三不”信息处理的工作。因此，人工智能方法虽然目前在矿产预测领域应用还不广，但可以预期这种应用前景是广阔的。 目前人工智能领域的一个趋势是各种方法互相集成，充分发挥不同方法的优点而克服其缺点，构成比较高效的算法。例如神经网络技术与遗传算法相结合形成遗传神经网络（或进化神经网络）；神经网络与模糊技术结合形成模糊神经系统；通过遗传建模获取优化的模糊推理规则库从而形成进化模糊逻辑系统，等等。这些技术将会在矿产预测信息提取、预测模型建立和优化等方面发挥重要作用。 1.3 矿产预测的发展趋势 (1)矿产预测研究领域的开放性越来越强 开放是指与其它科学领域或社会生产领域的互相渗透与融合。这是由社会经济发展所决定的。矿产预测越来越不能仅限于对矿产的预测，而应与人类生存环境的保护、与可持续发展的战略相结合。这种结合不仅包括信息的共享、方法的通用化，更包括服务领域的趋同。随着数字地球的建设，区域矿产预测领域的边界越来越模糊。 (2)预测对象向非传统矿产方面延伸。 非传统矿产是指新成因类型和新工业类型的矿产，也包括用传统理论和方法难于寻找、难于评价的旧类型矿产（如部分隐伏矿床）。 (3)预测理论不断成熟和系统化。 传统地质学的成矿理论、非线性动力学成矿理论与矿产统计预测理论将会获得更好的融合，从而推动对矿产实体的认识的不断深入和提高，为预测提供更可靠的理论基础。 (4)预测方法向多样化和智能化发展。 各种建模方法不断涌现以适应越来越多的不同特点的数据和信息。人工智能技术的应用将是一个重要趋势。 (5)地理信息系统（GIS）的应用逐渐普及和深入。 GIS以空间数据管理的高效性而已获得广泛应用。矿产预测涉及大量的空间信息，所以它以GIS为主要工具之一是必然的。目前GIS应用一般比较分散和孤立，即空间数据库有地区性。随着技术的发展以及其它条件的成熟，OpenGIS将会成为主角，实现大范围内的信息共享和成果共享。同时，面向矿产预测的空间数据挖掘技术将会得到发展和广泛应用。 (6)多比例尺预测的“一条龙化”。 由于矿产分布和数据水平、丰度的地区不均匀性，一定地区内一般只适于进行一定比例尺的矿产预测。随着数据管理水平的提高，特别是GIS的应用，将可以在一次预测任务中完成一个地区内不同比例尺的预测工作，同时求出不同水平资源量及其空间分布的评价结果。这对于提高矿产预测的实用性和实时性是很有意义的。
二 矿产资源定位预测方法
2.1 有关矿产定量预测的一些概念 (1)成矿预测 成矿预测是分析区域地质背景，研究总结成矿规律，划分成矿区带，建立区域成矿模式或矿床模型，进行类比，圈出不同级别的预测区，预测不同级别的资源量，并提出地质找矿工作部署建议的工作。（原地矿部《固体矿产成矿预测基本要求》1990）。 (2)矿床统计预测 应用数学地质的理论和方法进行成矿预测的科学技术。经常为“矿产定量预测”的同义词。 (3)定位预测，定量预测 矿产预测的任务包括“定质，定位，定量”。 定位预测：估计矿产资源产出的空间位置，也就是圈定预测区，或预测段，或靶区。 定量预测：（1）矿床统计预测；（2）资源量估计。使用场合不同可能含义不同，但较多的是第（1）种含义。 (4)矿产资源，资源总量，资源潜力 矿产资源是天然赋存于地壳内或地壳上的固体、液体或气体物质堆积体，它们现在或潜在地能够成为有经济价值的开采对象。（美国矿业局，美国地质调查局，1980）。 矿产资源总量：一个地区内全部已发现的未发现的资源的数量。 矿产资源潜力：一个地区内尚未发现的资源的数量。 矿产资源的两重性（地质属性和经济技术属性）及储量分类（地质确信度和经济技术可行性）。 (5)找矿远景区，预测区，预测段，找矿靶区 经过成矿预测（矿产定量预测）工作圈定的找矿有利地段称为找矿远景区。 根据工作比例尺的不同，远景区有不同的名称： 预测区： 中小比例尺 （< 1/10万）， 一般面积<200km2 预测段： 大比例尺 1/5万， 一般面积<20km2 找矿靶区： 大比例尺 >1/2.5万， 一般面积<2km2 2.2 成矿预测（矿产定量预测）工作的基本原则 （1）地质、成矿规律研究为基础原则 （2）尺度一致原则（资料基础，工作比例尺，成矿区带级别、地质变量） （3）循序渐进原则 （4）综合信息原则（地物化遥） 不同比例尺矿产预测工作的一般特点
2.3 矿产定量预测的一般程序
2.4 几种常用的区域矿产定位预测建模方法 (1) 找矿信息量计算法 (2) 秩相关分析法 (3) 多元线性回归分析 (4) 聚类分析 (5 )判别分析 (6 )模糊综合评判
三 矿产资源潜力评价的矿床模型法 3.1 概述 矿床模型法是在一定地区内，通过对一类矿床的典型地质环境进行（定量）分析和描述，建立矿床模型，然后将未知区与模型进行对比，对未知区该类矿床的资源量进行估计。 “一类矿床”，是指一定地区内同一成因类型，或成因上有联系的矿床； “矿床模型”，通常可能涉及以下4类模型： （1）矿床地质概念模型。是对矿床类型及其形成环境的认识，从而决定地质变量的选择。 （2）控矿因素、找矿标志统计（或数学）模型。是这些因素或标志与矿床之间，以及它们相互之间的定量关系的描述。有时称“模型特征的定量化”。 （3）矿床值（规模、品位、单元面积内矿床数等）的概率分布模型。反映该区域内该类矿床在数量和质量方面的固有特征。 （4）未知单元找矿有利度概率分布模型。主要用于划分有利单元与不利单元，从而确定资源量估计的空间范围（研究区内的不利单元或无潜力单元应排除）。 3.2 矿床模型法的一般步骤
| ||||||||||||||||||||||
| |
评论