교동 북서부의 금광지역 광산예측 연구는 1980 년대에 시작되었고, 산둥 제 6 지질팀은 1987 년' 산둥 성 황금자원 총량 예측 보고서' 를 완성하여 산둥 성 36 개 광산단위 황금자원 총량을 3026.486t 로 예측했다. 그 중 잠재적 자원량은 23/KLOC-0-0 이다 1989 년, 지구 물리학 팀은 교동 지역1:20 종합 지구 정보 매핑 및 금광화 예측 보고서를 완성하여 교동 지역을 9 개 광구, 7 1 예측 광전, 이 단계의 금광 예측은 산둥 성의 1 차 광산 구역의 일부이다. 1990 년대에 2 차 성광 구역은 주요 성광대에 대해 대규모 성광 예측을 하였다. 1993 년 지질 6 팀은' 산둥 성 교동 북서부 조가 금광대1:2 만 5 천 금광 광산 예측 보고서' 를 완성해 종합 정보 광산 예측 아이디어로 조가 금광대 금광자원 총량 992.687t 를 예측했다. 1994 년 지질 6 팀이 완성한' 교동 북서부 청원-평도 단층대1:5 만 금광 광산 예측 보고서' 는 다원회귀 방법을 이용하여 소평대 금광자원 총량을 정량적으로 평가했다. 그 중 잠재적 자원량은 665.043t 이다. 2 1 세기, 20 세기 말 지역 성광 예측 연구에 기초하여 성광 예측 연구 성과 전문 저서가 잇따라 나왔다. 2003 년 왕세성 등은' 산둥 성 금광상 및 금광밀집구 종합정보성광 예측' 을 집필했고, 2007 년 이사선 등은' 교동 금광지질' 을 집필해' 산둥 성 금광자원 총량 예측 보고서' 를 토대로 교동 광전 단위급 금광자원 총량을 제시했다.
둘째, 예측 단위 결정
성광 지질 조건 분석을 기초로 18 광전 예측 단위를 이번 성광 예측의 목표로 삼았다 (표 9-2). 일부 예측 지역은 작업 정도가 높고, 이미 더 많은 자원을 밝혀냈으며, 알려진 광산단위에 속한다. 이 예측은 그것들을 모델 단위로 하고, 나머지는 모두 평가 단위인 예측 단위이다.
셋째, 광전의 단위 정보와 지질 변수의 할당을 예측한다.
(a) 예측 단위에 대한 유용한 정보
유용한 광산 정보를 분석하고 확정하는 것은 지질 변수 연구의 전제이며, 지역 성광 법칙, 성광 통제 조건 및 자료에 대한 종합 해석의 총결산과 분석이다. 구체적인 방법은 알려진 광산 함유 단위를 대상으로 단위 카드의 내용을 목표로 정보 간, 정보 및 자원 간의 통계적 비교를 수행하고 광산 이론의 관점에서 광물 자원과의 관계를 결정하는 것입니다.
교동 서북 금광 광산 법칙, 광석 제어 지질 조건, 종합 탐사 표지를 연구하는 데 지층, 구조, 암체, 지구물리장, 지구화학장 특징 정보가 중요한 표지이다. 금광화 이론의 지도 아래 정보의 관련성을 감안하여 각 예측 광전 단위의 금광자원 평가와 관련된 정보 (표 9-3) 를 추출해 광산 예측의 지질 변수를 형성했다.
(2) 각 예측 단위의 지질 변수 할당
변수 할당은 특정 기준에 따라 셀의 다양한 변경 상태에 특정 수량화 값을 부여하여 상태와 값 사이에 일정한 대응 관계가 있도록 하는 것입니다. 변수의 변경은 값의 변화로 나타낼 수 있습니다. 이 예측의 분배 방법은 다음과 같습니다.
표 9-2 교동 북서부의 금속 발생 예측 광석 단위 목록
계속됨
계속됨
표 9-3 광석 형성 단위의 금속 발생 정보 목록 예측
계속됨
계속됨
계속됨
계속됨
계속됨
계속됨
참고: s γ JH-pyrite sericite cryptomic cryptography cryptography, s γ JH-pyrite serite cryptography cryptography 화강암, JH-pyrite serite cryptography 화강암 ρ-위정암, ρ γ-위정암 화강암, 94μ-셈장석암, X- 황반암, δ μ μ μ-시현장암, Q- 응시맥, δX- 비스듬한 각섬광암 황반암, β-휘록색
표 9-4 이중 상태 예측 원시 변수 목록
계속됨
표 9-5 3 상태 예측 원시 변수 목록
계속됨
표 9-6 회귀 분석 모델의 연속 변수 데이터 시트
참고: * 로 표시된 숫자는 추정치입니다.
1) 이진 변수의 할당: 변수는 "1" 으로 존재합니다. 변수가 없거나 데이터가 명확하지 않은 경우 "0" 입니다.
2) 3 상태 변수 할당: metallogenic 에 유리한 것은 "1"입니다. Metallogenic 유리한 정도는 일반적으로 또는 데이터가 불분명하며 "0" 입니다. 성광 불리한 요인은'-1' 이다.
각 예측 단위의 지질 변수를 분석하고 위에서 설명한 대로 값을 지정하여 각각 예측 단위의 2 상태 원시 변수와 3 상태 원시 변수 (표 9-4 및 표 9-5) 를 형성합니다.
3) 정량 변수 분석 및 할당: 정량 예측 변수 선택 및 구성 원칙에 따라 18 예측 광전 단위 회귀 분석 모델의 연속 변수 특성을 분석합니다. 계산된 변수 데이터는 표 9-6 에 나와 있습니다.
7 개의 25 개의 설명적 수량 변수는 모두 이진 변수 할당 원칙에 따라 할당됩니다. 즉, 상태 존재 할당은 "1"입니다. 존재하지 않거나 정보가 명확하지 않은 경우 "0" 입니다.
넷. 자원 잠재력 예측
(a) 시범 단위 결정
모델 단위, 즉 평가 모델을 설정하는 데 사용되는 단위로, 모델 단위와 알 수 없는 단위의 비유를 통해 광체 위치 지정 및 예측 목적을 달성합니다. 모델 광산 단위는 다음과 같은 요구 사항을 충족해야 합니다. 1 광산 단위는 프로젝트에 의해 통제되는 자원 매장량이 있는 하나 이상의 알려진 광상을 포함해야 합니다. ② 두 가지 의미를 포함한 자원 유형이 명확하다. 첫째, 그 이유가 명확하다. 둘째, 단위는 아교북광집구 탐사 모델의 전형적인 특징을 가지고 있어야 하며, 높은 업무와 연구 정도를 가지고 있으며, 평가에 필요한 각종 자료 (지질, 자기법, 중력, 중사, 분산류 등) 를 얻을 수 있어야 한다.
애교 북서부 18 광산단위에 대한 분석 비교를 통해 10 단위를 금광자원 평가의 모델 단위로 선택합니다 (표 9-7).
표 9-7 jiaobei 광산 지역의 금속 발생 예측 모델 단위 목록
계산 방법과 원리에 따라 모델 단위에 대한 요구사항도 다릅니다. 이 책은 10 알려진 모델 단위를 기준으로 사용된 계산 모델에 따라 모델 단위를 추가로 선택합니다. 초가집, 영롱함, 영산골, 마가요의 5 개 단위를 자원 규모 예측 논리 정보 모델의 표준 모델 단위로 선택하다. 표준 모델 요소의 선택 조건은 다음과 같습니다. ① 요소는 서로 가깝고, 요소 1 및 2 와 같이 서로 다른 투영 평면에 뚜렷한 클러스터가 있음을 나타냅니다. ② 단위 자원 매장량의 변화는 명백한 방향성을 가지고 있다. 즉, 자원 매장량은 어느 방향으로 규칙적으로 작은 것에서 큰 것으로 또는 큰 것에서 작은 것으로 변한다. (3) 분류의 불안정성으로 인해 서로 다른 규모의 경계 요소는 표준 요소로 사용할 수 없습니다.
(b) 변수 최적화
위의 원시 지질 변수의 지질 학적 의미는 명확하고 광물 자원 특성과의 관계는 명확하며 교동 북서부의 금 매장지 특성을 어느 정도 반영하며 이러한 변수를 사용하는 것이 의미가 있습니다. 그러나 원래 변수는 단일 변수와 금광자원 간의 관계만 표시할 수 있으며 변수의 중요성에 대한 변화의 특징을 드러내거나 광산 예측에 직접 사용할 수 없습니다. 원래 변수는 실제 예측에 사용되는 변수의 최적 조합을 얻기 위해 더 최적화해야 합니다. 이 작업은 피쳐 분석에서 주성분 및 제곱합 방법을 사용하여 변수를 최적화합니다.
1. 이중 상태 변수 최적화
10×49 모델을 통해 49 개 변수의 가중치 계수를 계산합니다 (표 9-8). 각 변수의 가중치 계수의 크기 및 변경 상태에 따라 반복 필터링을 통해 가중치 계수가 큰 처음 45 개 변수를 예측 변수 조합으로 선택합니다 (표 9-9).
2. 3 상태 변수 최적화
10 모델 단위의 3 1 개 변수 (표 9- 10) 를 계산하고 처음 27 개 변수를 3 상태 위치 예측의 변수 조합으로 선택합니다 (표 9-/kloc-
(c) 예측 수학 모델 수립
1. 단위 레벨 예측 모델
단위급 예측 평가의 수학적 모델은 어떤 수학적 방법을 통해 광산 가능성과 지질 변수 사이의 함수 관계를 설정하는 것이다. 본 업무는 특징 분석법을 채택하여 수학 지질 모델을 세우고, 원경 관광지 동그라미와 광산자원 수준을 예측한다. 수학적 모델은 다음과 같습니다.
교동 북서부 금광 집중 지역 심부 대형-초대형 금광 탐사 광산 모델.
여기서 y 는 연결도, i= 1, 2,3, ... m; M 은 변수의 수입니다. Ai 는 I 번째 변수의 가중치 계수입니다. Xi 는 I 번째 변수의 값입니다.
각 지질 단위의 변수 값과 가중치 계수를 공식에 대입하여 연결도를 얻습니다. 접촉도는 광산 정보를 반영하는 종합 지표로, 그 크기는 단위 광산 원경의 표지를 나타낸다. 예측 단위와 모델 단위의 연결 정도를 비교하여 예측 단위의 금속 발생 확률을 확인할 수 있습니다.
2. 정량 예측 모델
회귀 분석 방법을 선택하여 예측 단위 자원의 예측 모델인 회귀 분석 모델을 설정합니다. 모델 단위의 알려진 자원 양과 해당 변수를 사용하여 각 광산 지질 단위의 자원 양을 예측합니다.
회귀 수학 모델은 다음과 같습니다.
교동 북서부 금광 집중 지역 심부 대형-초대형 금광 탐사 광산 모델.
여기서 a, b, Sb 는 매개 변수입니다. X 는 5×20 모델의 물체 무게입니다.
표 9-8 10×49 모델 이중 상태 변수 가중치 계수 계산 결과
교동 북서부 금광 집중 지역 심부 대형-초대형 금광 탐사 광산 모델.
단위 1 차 예측
단위 수준 수학 모델의 원리와 방법에 따라 각각 2 상태 변수 예측과 3 상태 변수 예측을 사용하여 결정된 18 광전 지질 단위를 예측합니다.
1. 이중 상태 변수 예측
파악된 10 모델 단위와 표 9-9 에 표시된 변수 정보를 사용합니다. 모델이 10×45 인 경우 각 변수의 가중치 계수는 각각 주성분 및 제곱합법을 사용하여 계산됩니다 (표 9- 12). 그런 다음 이러한 가중치 계수를 설정된 수학 모형 방정식에 대입하여 예측 계산을 수행하여 각 단위의 연결도를 구합니다 (표 9- 13).
표 9-9 이중 상태 예측을위한 최적화 변수 목록
계속됨
표 9- 10 10×3 1 모델 3 상태 변수 가중치 계수 계산 결과
계산 결과에 따라 접촉도 곡선 (그림 9- 1) 을 그리면 곡선이 완만하게 변하여 15 단위 (삼산도 단위) 까지 급격히 떨어집니다. 접촉도를 임계값으로 하여 예측 단위의 1 차 및 2 차 등급을 나눕니다.
그림 9- 1 10×45 모델 이중 변수 예측에서 각 셀의 연결 곡선
표 9- 1 1 3 상태 예측 최적화 변수 목록
표 9- 12 10×45 모델 이중 상태 변수 가중치 계수 계산 결과
2. 3 상태 변수 예측
표 9- 1 1 에 표시된 변수 정보를 사용하여 10×27 의 모델로 계산합니다. 계산 프로세스는 2 상태 변수 예측과 일치합니다. 변수의 가중치 계수 및 단위 접촉도를 가져옵니다 (표 9- 14, 표 9- 15).
표의 계산 결과에 따라 접촉도 곡선 (그림 9-2) 을 그리면 15 셀 (삼산도 단위) 에서도 곡선이 급격히 떨어집니다. 접촉도를 임계값으로 하여 예측 단위의 1 차 및 2 차 등급을 나눕니다.
위의 두 상태 변수 예측의 결과는 세 상태 변수 예측의 결과와 매우 일치합니다. 각 단위의 연결 순서는 약간 다르지만 계층 구조는 기본적으로 동일합니다. 종합 분석 비교를 기준으로 두 예측 결과를 예측 결과로 종합하고 예측 단위를 분류합니다 (표 9- 16).
ⅰ 급: 중대형 금광을 찾을 가능성이 가장 높은 단위;
ⅱ 급: 중형 이상 광상이 형성될 것으로 예상되는 단위.
표 9- 13 이중 상태 예측 광석 단위 접촉도 목록
표 9- 14 10×27 모델 3 상태 변수 가중치 계수 계산 결과
표 9- 15 3 상태 예측 지뢰밭 단위 연락처 목록
그림 9-2 10×27 모델 3 상태 변수 예측에서 각 셀 연결 곡선
표 9- 16 단위 레벨 예측 결과
(5) 단위 정량 예측
알려진 모델 광산 단위 자원 및 지질 변수를 기반으로 개별 광산 단위 자원 예측 모델, 즉 회귀 분석 모델을 구축하여 각 예측 광산 단위의 자원 양을 예측합니다.
회귀 분석 수학 방법의 요구 사항에 따라 먼저 연속 숫자 변수 (표 9-6) 를 추출하고 플래그를 비교하여 가장 작은 분할 플래그 조합을 찾습니다. 그런 다음 5×20 표준 모델에 따라 각 표준 모델 셀의 기호 가중치, 상대 기호 가중치, 기호 정보 가중치, 기호 분산 및 기호 분산 차이를 계산하여 각 표준 모델 셀의 객체 가중치를 얻습니다.
모델 계산의 기호 분산에 따라 18 개 예측 단위의 목표 가중치를 얻습니다 (표 9- 17). 9 개의 연속 정량 예측 변수를 인수로 하고, 모델 단위의 탐사 자원 양을 변수로 하여 점진적으로 회귀 분석을 거쳐 방정식의 각 변수 매개변수를 얻은 다음 예측 단위에 해당하는 객체 가중치를 방정식에 대입하여 각 예측 단위의 예측 자원 양을 구합니다.
표 9- 17 18 5×20 예측 단위 모델 객체 가중치 테이블
회귀 분석의 신뢰도는 0.05 이고 예측 깊이는 1000 ~ 1500m 입니다. 각 예측 단위의 자원은 95% 확률로 회귀 모델의 상한선 신뢰 구간에 도달할 가능성이 있으며, 상한선은 회귀 수학 모델에 1.96 배 남은 표준 편차를 더한 것이다.
회귀 수학 모델 예측의 18 예측 단위 자원은 표 9- 18 에 나와 있습니다. 예상에 따르면 교동 북서부 광집구 황금자원 총량은 32 17.95438+09t 로 이전 예측보다 725.90t 증가했다.
(VI) 예측 결과 평가
이번 예측 결과는 기본적으로 실제 지질 상황과 일치하며, 지질 단위 수준의 예측 결과는 믿을 만하다. 자원 총량을 예측하는 방법은 적절하고, 양적 예측 결과는 믿을 만하며, 교동 북서부 금광 탐사의 기초를 다졌다. 예측 결과의 신뢰성은 주로 다음과 같은 측면에서 나타납니다.
(1) 예측의 지질 학적 근거가 충분하다. 이번 예측은 지질, 항자기, 중력, 중사, 하천 퇴적물 등에 대한 심도 있는 연구를 바탕으로 금광 제어 요인과 성광 법칙에 대한 인식을 심화시키고 광산을 에워싸고 광산정보를 추출하고 변수를 결정하고 선별하는 데 충분한 지질 근거를 제공한다.
표 9- 18 18 지뢰밭 단위 예측 자원 표
(2) 광석 예측 단위의 합리적인 결정. 지역 광산 지질 조건에 대한 연구를 통해 광산대 광전 단위의 위치 조건과 경계 조건을 확정하였다. 광체, 광화점, 금중사 이상, 금분산류 이상 등 금광화 정보 외에도 지층, 구조, 마그마암, 지구물리학장도 광전 단위 포지셔닝의 중요한 조건이다. 이번에 동그라미를 친 광전 단위는 충분한 지질, 지구물리학, 지구화학적 근거를 가지고 있어 금광이 존재할 가능성이 가장 높은 공간이다.
(3) 금광화 높이와 관련된 정보와 변수를 추출한다. 첫째, 금광 통제 조건, 성광 법칙 및 종합 탐사 모델을 연구한 결과 통계 분석을 통해 금광화와 관련된 42 개의 정보가 확인되었다. 둘째, 가로 대비를 통해 각 정보와 성광의 내적 관계를 파악한 다음 통합 합병을 통해 49 개의 이태변수와 3 1 3 개의 3 상태 변수를 농축하여 할당 원칙과 적용 범위를 결정합니다. 다시 한 번, 변수의 최적화, 수학적 방법 사용, 수치 지표 제공, 변수와 자원 관계의 중요성 측정, 변수 최적화의 목적 달성.
(4) 각 단위의 예측 순서는 단위 내 금광 규모와 자원 매장량에 해당한다. 모든 예측 단위에는 기본적으로 금광, 광점, 광화점이 있으며, 공업 매장량은 최대 14 단위이다. 단위 간에 파악된 자원 매장량의 수가 예측 순서와 정확히 일치하지는 않지만 전반적으로 일관성이 있다. 모델 단위 중 초가와 영롱한 금광자원 매장량이 가장 크며, 단위 내에 초대형 금광상이 있어 예측 순서가 항상 상위 2 위다.
(5) 모든 수준의 예측 단위는 작업 영역에 균등하게 분포됩니다. 한편으로는 예측 결과의 신뢰성을 반영하고, 한 탐사 모델로 교동 북서부의 광산을 예측할 수 있는 가능성과 총결된 광산 법칙의 신뢰성을 보여준다.
(6) 예측 결과는 지질 연구 결과와 일치한다. 이 작업에서 확인된 모든 단위는 중대형 금광상을 찾는 유망한 지역으로 간주되지만, 각 단위의 지질과 구조조건은 크게 다르며 중대형 금광상 형성에 대한 기대도 자연히 다르다. 지질 배경 분석 및 광산 모델 및 탐사 모델 연구 과정에서 몇 가지 유리한 광산 지역을 대략적으로 판단하여 수학적으로 더 예측하여 지질인식을 입증하고 각 광산 단위의 자원량을 예측하여 예측의 정확성을 높였다.
(7) 확립 된 회귀 방정식은 매우 중요하며 예측의 의미는 분명합니다. 정량예측의 회귀 모델은 예측자원량 중간 회귀 방정식을 회귀 예측 모델로 사용합니다. 회귀 방정식의 예측 오차를 줄이기 위해 회귀 방정식에 1.96 배의 나머지 표준 편차를 추가하여 0.05 의 상한선을 제시했다. 이 회귀 모델은 예측된 자원의 양이 새로 얻은 실제 자료, 현재의 지질 작업 상황, 우리의 경험과 인식과 잘 일치한다는 것이다.
(8) 삼산도 단위는 이번 예보에서 가장 큰 문제다. 삼산도 단위는 이태와 삼태예측에서 각각 14 와 15 순위를 매겼다. 비록 여전히 1 급 단위이지만, 그 순위는 광상 규모와 금 자원 매장량과 매우 어울리지 않는다. 그 이유는 삼산도 지역이 기본적으로 덮여 있고, 물화 탐사 정보가 적기 때문에 예측 효과에 영향을 미치기 때문이다.