基于地质大数据理念的模型驱动矿产资源定量预测

付世兴，刘伟栋

（中国冶金地质总局山东正元地质勘查院，山东 济南 250132）

矿产资源定量预测是矿产资源勘查的重要一部分，其预测方法较为复杂，且具有多元化、精细化的特点。现有矿产资源定量预测主要分为知识驱动与数量驱动两种预测方式，根据已知经验与各类参数或成矿要素与矿点相关信息进行定量分析后，完成矿产预测[1]。随着近些年来地质大数据技术的发展，使得矿产资源定量预测向着智能化、定量化与可视化方向发展，数据挖掘技术在矿产预测中的使用使预测能够更加深层次的提取与识别出矿产信息，同时结合遥感、化探、物探、地质等相关信息，识别矿产信息中矿物空间关联系，开展综合性矿产预测工作。而目前现有矿产资源评价中，Brown在矿产资源评价中使用了人工神经网络模型；Carranza等在预测菲律宾碧瑶地区金矿资源时使用了逻辑回归、证据权和随机森林三种模型；阴江宁等应用Hopf i eld循环神经网络对新疆东天山的铜镍硫化物矿床进行矿产资源评价[2]。相较于传统方法，现有预测方法能够较好的表现出空间内非线性的复杂关系，但仍受到较多不确定因素影响，无法满足大规模矿产资源预测。因此，提出基于地质大数据理念的模型驱动矿产资源定量预测，提出一种更适合大规模矿产资源预测方法。

1 基于地质大数据理念的模型驱动矿产资源定量预测

1.1 地质大数据成矿有利度计算

矿产资源作为定量预测最终目标，方法首先圈定成矿有利地区，计算相关矿产地区有利度[3]。矿区相关区域有利度空间分布情况，其有利度直接反映出成矿可能性的高低，通过研究地区地质模型、成矿模型以及数学模型等，建立定量化预测模型，对地层、岩体、断裂构造等相关信息定量化处理，通过地质大数据理念模型分析后，考虑到成矿地质因素与控矿因素的多样复杂性，为降低单一信息多解性对预测造成的不确定性影响，在地质大数据理念模型基础上，将各类空间信息数据化整合，得到成矿有力度模型为：

其中，x0、x1、x2…xn为n个资源预测变量 ；a0、a1、a2…an为度量变量相对贡献权系数；F 为有利度函数。通过计算，综合矿山信息，得到地质变量权系数，得到地质大数据成矿有利度。

1.2 大数据矿产资源量估算

在矿区内圈定成矿有利度较高分为后，对含有大量采样信息区域，可通过钻孔采样的方式，估算圈定区域内矿产资源含量：

其中，C 为区域内某种矿产元素资源量；fp为区域内岩石平均重量；v 为模型中单个块体体积；g 为单元内方块元素不同品位值；j 为区域内夹石率，即矿区内部不符合要求岩石所占比例。

预测过程中，每个区域内矿种的资源量均采用资源量上限与下限预测方法，根据工业品位估算出矿石资源量，对低品位资源量下限作出评估，同时对工业品位内矿块平均品位作出预测，得到其上限。根据矿区实际情况，校正找矿资源量，在其资源不足时，可采用体积估算与丰度估算法对资源上限与下限作出预测，完成矿产资源定量预测。

2 仿真实验

2.1 实验准备

设计仿真实验，验证基于地质大数据理念的模型驱动矿产资源定量预测方法有效性。在同一实验条件下，对比地质大数据模型驱动矿产资源定量预测方法、SVM模型驱动矿产资源定量预测方法以及决策树模型驱动矿产资源定量预测方法预测效果。实验过程选取某处矿山，其矿山地质单元分布，如图1所示。

图1 实验矿山地质单元分布

实验矿山中主要包含冲击性砂金矿与砾岩型砂金矿两种矿石资源。冲击性砂金矿床较为稳定，经风化作用和流水冲刷作用，金从中解离出来，含金的碎屑物可以被流水搬运到适宜的地段经机械沉积分异而形成砂金矿床。砾岩型砂金矿则为各地质时期的砂金矿经成岩作用或再受较轻微的变质作用而形成含金砾岩。由三组方法分别对实验矿山内两种矿产资源预测，实验中，矿山预测要素，如表1所示。

表1 实验矿预测要素

天然重沙测量 自然金异常与重矿物组合异常 必要砂金物源 古生代-中生代中酸性侵入岩、古生代碎屑岩、太古代-元古代变质岩、各时代岩金矿必要堆积场所 河谷 必要搬运介质 地表径流、潜流 必要地貌 第四纪河谷地貌 必要成矿时期 第四纪 必要

预测过程中，为保证结果真实性，随机输入选择、赋值等变量因素。在矿产定位中选择含有砂金单位的数据构成模型数据，对其进行矢量长度处理，依据变量权系数值和变量的性质，随机加入变量权系数，如表2所示。

表2 实验变量权系数

三组方法分别对相同实验参数进行处理后，取其结果平均值。

2.2 实验结果分析

在数据处理过程中，预测正确数量/被预测正确个数=预测精度；而正确预测个数/预测个数=召回率；2×精度×召回率/（精度+召回率）=Fl-score。得到结果，如表3所示。

分析表3可以看出，在矿产资源定量预测中，SVM方法预测精准度较低，其预测精准度为55.49%，决策树方法预测精准度为83.49%，而大数据方法预测精准度可到89.49%。在无矿点预测判断中，大数据方法精准度最高，可达到98.76%，在无矿点预测中召回率更高，因此证明基于地质大数据理念的模型驱动矿产资源定量预测方法能够更好应用于大范围矿产资源预测。

表3 预测结果对比

3 结语

在基于地质大数据理念的模型驱动矿产资源定量预测方法研究过程中，以地质大数据理念的模型为基础，设计整体矿产资源定量预测方法，模型驱动了丰富了地层、岩体、断裂等控矿地质因素，将其与地球物理、地球化学、遥感信息等找矿标志相结合，解决实际找矿过程中地质理论与实际问题，实现多元信息集成，提高大量矿产资源预测准确性，为地质大数据矿产资源挖掘与应用提供新的技术与思路。