河南围山城金银矿集区三维地质建模与成矿预测

Three-dimensional geological modeling and mineral prospectivity mapping in the Weishancheng gold-silver district, Henan, China

摘要

三维建模与成矿预测已成为当前国内外十分流行且较成熟的技术方法。通过研究银洞坡金矿和破山银矿成矿地质特征,对围山城矿集区开展三维可视化模型构建及深部成矿预测。利用82条地质剖面建立了地质体(地层、岩体、矿体)、构造模型,利用1:5万重磁数据和63条电测深数据建立了密度、磁化率、电阻率等地球物理模型,利用52条岩石剖面、614个钻孔、117个探槽、56个浅井及94个平硐数据建立了地球化学模型,实现了地、物、化数据的综合集成。以“三位一体”找矿预测理论为指导,建立了研究区岩浆热液型Au、Ag矿床三维定量预测模型,确定了Au、Ag矿床成矿有利信息变量;采用证据权法提取了预测变量的权重值和相关程度,选择合适的变量进行成矿预测,利用C-V分形确定阈值,圈定了6个找矿靶区,选择新庄预测靶区(A₁)进行钻孔验证,发现金矿体6条,充分证明了利用证据权法进行三维成矿预测具有可行性与科学性,圈定的靶区对矿山进行深边部隐伏矿体找矿具有重要的实践意义。

关键词

围山城矿集区 / 多源数据 / 三维地质建模 / 证据权法 / 成矿预测

Key words

Weishancheng district / muti-source data / 3D geological modeling / weights of evidence / mineral prospectivity mapping

0 引言

成矿预测^[1]是矿产资源勘查和开发的前提条件。如何准确地进行矿床三维空间表达与成矿条件综合分析,并在矿产资源勘查中进行深部隐伏矿体的定量预测,这对有效指导勘查找矿具有重要意义。1987年,Calson在理论上从地质学的角度提出了地下空间结构的三维概念模型^[2];1993年加拿大Simon又提出三维地质建模概念^[3],在此基础上发展为三维成矿预测技术,各种数据驱动模型应运而生,如:数字矿山领域有英国的DataMine、澳大利亚的Micromine、加拿大的Surpac,专门用于模拟复杂的地质构造的英国Midland Valley公司的3DMove 软件,地质领域的法国Nancy大学GOCAD软件,用于处理钻孔的Strata Model公司TSGM软件,煤炭企业领域的北大龙软GIS软件等。进入21世纪,矿床预测理论有了新发展,如赵鹏大等提出的“三联式”5P地质异常定量评价方法^[4-5]、王世称等建立的综合信息矿产预测理论与方法^[6]、陈毓川等提出的“综合信息成矿预测方法(MRAS)”^[7]、侯景儒等的“(多元)线性空间信息统计分析”^[8]、余先川等提出的“非线性空间信息统计分析与空间独立成分分析”^[9-10]、田景文等的“人工神经网络”^[11]、叶天竺等建立的“三位一体”找矿预测地质模型法^[12-13]、成秋明提出的非线性方法^[14]、Wang等提出的集成地质与重磁数据构建三维地质模型^[15-16],还有应用神经网络、分形等技术手段进行的隐伏矿体预测和资源定量估计等。预测方法与评价技术也进入了数字化、定量化和科学化阶段,预测方法如:证据权方法、信息量法以及人工神经网络方法等,三维矿产资源预测与评价的软件如:中国地质大学(北京)的GeoCube3.0(王功文)、北京东澳达科技有限公司3Dmine、长沙迪迈信息科技有限公司Dimine、英国的DataMine、澳大利亚的Micromine和加拿大的Surpac等。三维地质建模和成矿预测,在矿床空间表达、成矿条件综合分析、定量预测、指导勘查找矿等方面具有明显优势,本区应用三维地质建模、三维空间分析技术,从三维的角度更为深入地进行隐伏矿体定位定量预测研究,对于提升本区深边部找矿效果非常必要。

围山城金银矿集区是我国重要的矿化集中分布区之一,位于桐柏北部成矿亚区——围山城Au-Ag-Pb-Zn矿田内,主要发育金、银、铅、锌、萤石等矿产,找矿潜力巨大^[17]。以朱庄背形构造为纲,该区自西向东发育有特大型破山银矿、大型银洞坡金矿、小型张庄金矿、中型银洞岭银铅锌矿、马庄铅锌矿等。矿集区自2011年开始围绕上述两个矿山进行深部与外围普查工作,经预估算金资源量已达大型矿床规模,但勘查工作性质本身限制了对矿床成矿规律研究和找矿预测研究,且多为浅表找矿、就矿找矿。2020年中国地调局“河南省围山城矿集区找矿预测”项目对矿集区进行了1:5万矿产资源潜力评价,预测金属量为金175.17 t、银3 671.37 t,找矿潜力巨大;2011—2022年,持续实施了围山城金银矿深部及外围普查找矿,已获金资源量已达到大型规模。但该区矿产勘查与找矿预测均是在二维平面图或2.5D剖面图上进行的,缺乏从三维透视空间直接进行成矿预测的研究。本文以桐柏围山城矿集区深部找矿预测研究和金银矿深部及外围找矿勘查为基础,以“三位一体”找矿预测理论为指导,采用3D计算机技术,开展研究区三维地质体模型和物性模型构建,提取成矿有利信息,开展深部定量预测,指导本区矿产勘查,具有可行性,且能够以较低成本发现和探获深边部隐伏矿体,具有重要的实践意义和示范价值。

1 地质背景

1.1 区域地质背景

围山城金银矿集区位于秦岭造山带东段,区域上以明港断裂和松扒断裂为界,北部为华北陆块南缘褶皱带,中部为北秦岭褶皱带,南部为南秦岭褶皱带。据河南省矿产资源潜力评价成果,该区属桐柏北部Au-Ag-Mo-Cu-Pb-Zn-Fe-萤石成矿亚带——桐柏围山城银金多金属矿集区,自西向东发育有破山银矿、银洞坡金矿、银洞岭铅锌银和老洞坡银矿等。区域地层自元古宇至下古生界均有不同程度的出露,构造以俯冲-碰撞造山构造背景下形成的近EW向展布的断裂和褶皱为主,控制了该区地层展布和矿体形态,岩浆岩发育,主要为加里东期超基性-酸性岩体和燕山期酸性岩体(图1a)。

1.2 矿床地质特征

研究区主要发育寒武系歪头山组( w)和奥陶系二郎坪群大栗树组(Od)。其中歪头山组为一套沉积变质碎屑岩夹基性火山岩、碳酸盐岩沉积建造,分为上、中、下3个部分共17个岩性段;大栗树组为一套基性-酸性火山岩、碎屑岩及碳酸盐岩建造。岩浆岩主要为加里东期角闪石岩、奥长花岗岩和花岗闪长岩,构造行迹主要表现为北西向分界断裂构造和朱庄背斜(图1b),其中朱庄背斜派生顺层剪切带、顺层破碎带、纵张断裂等,为成矿热液提供运移通道和储矿空间。本区内发育特大型银洞坡金矿床和破山银矿床,矿体空间分布严格受歪头山组地层与朱庄背斜构造双重控制。

银洞坡金矿床主要赋存在歪头山组中部 w_2^2,其次为 w_2^1、 w_2^3岩性层内,赋矿围岩主要为碳质绢云石英片岩,其次为黑云变粒岩。矿体受朱庄背形构造控制,呈鞍状、似层状分布于朱庄背斜的转折端的虚脱部位及两翼的共轭逆冲剪切带中。矿体形态基本和背斜形态一致,随着背斜南东向仰起而撒开,北西向倾伏而收敛,转折端含矿层增厚而膨大,多具膨缩、分枝复合、尖灭再现等特点,在平面、剖面上均呈平行排列(图2)。赋矿围岩发育黄铁绢英岩化、强硅化、夕卡岩化、钾长石化、铁白云石、碳酸盐化,硅化越强,品位越高,表现为热液蚀变特征。

破山银矿床主要赋存于歪头山组上部第二岩性段( w_3^2),赋矿围岩为碳质绢云石英片岩。矿体沿层间破碎带分布,连续性较好,呈不规则似层状、脉状、透镜状,具膨胀收缩、分枝复合、尖灭再现等特征(图2)。围岩蚀变主要为黄铁矿化、硅化、绢云母化、碳酸盐化,其次为绿泥石化、黏土化等。

2 研究方法

本次研究首先是在收集和标准化处理以往平面地质图、地质剖面图、探矿工程及物化地质解译成果等数据的基础上,采用平行地质综合剖面法进行本区三维实体建模。在建模过程中利用2.5D-3D重磁反演来不断修正主要地质界面,并构建重磁物性模型;采用空间插值技术构建地球化学元素三维空间分布模型,最终构建地、物、化的三维地质模型,并采用立方体预测方法,将三维地质模型转换为块体模型,为下一步找矿预测服务。其次,通过典型矿床调查和成矿规律分析,构建本区成矿模式,通过物、化特征分析,采用三位一体成矿预测理论构建本区综合找矿模型,通过空间统计分析方法,提取成矿有利信息,构建综合信息定量预测模型。最后,采用证据权法和C-V分形方法进行定量预测,圈定找矿靶区并进行评价(图3)。

2.1 显式建模

显式建模^[18]是指在三维可视化环境下,通过人工交互进行线框连接建立三维模型的方法。显式建模的经典方法是基于系列勘探线剖面的矿体轮廓线连接法,在国内外主流矿业建模软件中普遍采用。本次采用的显式模型可清晰直观的观察各个地质体在三维空间中的展布形态,尤其观察金银破碎带与赋矿地层的依存形式,对于了解矿床成矿规律有重要的作用。

2.2 空间插值

属性建模是基于存储三维空间中对应位置的相关地质属性信息进行空间插值而构建的网格属性模型。网格属性可以反映金属元素的含量及空间分布特征。

本次空间插值方法采用离散光滑内插法DSI(Discrete Smooth Interpolation)。离散光滑内插法是由法国Nancy大学Mallet教授提出的一种插值方法^[19],是用一系列具有空间几何坐标和物理属性值的点来表达曲面信息,并建立这些点的拓扑连接关系来模拟曲面^[20-21],该方法依赖于网格结点的拓扑关系,不以空间坐标为参数,是一种不受维数限制的差值方法。该方法不仅可以用于几何构造插值,也可以进行各种属性插值。DSI插值基本思想是在离散化数据点间建立相互联络的网络,如果网络上的已知节点值满足某种约束条件,则未知节点上的值可以通过解线性方程而得到。

2.3 地球物理反演

地球物理模型可以反映密度、磁性、电阻率等地质体的物理场性质,指导深部找矿。本次地球物理建模是在充分进行物性研究的基础上,首先以地表地质、剖面、钻孔、物性等资料为约束构建初始地质模型,进行重磁的2D平/剖面解译^[22-23]、2.5D剖面联合反演^[24-25],构建区域深部3D地质模型。其次,根据地质体物性并以地质模型为基础,进行重磁3D联合反演^{[26⇓⇓-29]}计算主要地质界面,并根据3D地质模型进行地质解释、拟合,不断进行人机交互,以求达到最合理的重磁拟合效果,最后确定本地区深部空间立体格架,构建3D重、磁、地拟合的综合模型。

2.4 证据权模型

证据权模型是一种基于贝叶斯法则和概率不确定性的多元统计模型,20世纪80年代末,Agterberg^[30]和Bonham-Carter等^[31]将该方法引入到矿产资源定量预测与评价领域。证据权模型是一种人工智能定量计算模型,可以建立起已知矿床与控矿变量之间的概率关系,并通过对数变换将复杂的联合概率以及条件概率关系转换成相对较为简单的边界概率的线性组合,进而为圈定成矿预测区域提供空间决策支持。

应用证据权模型首先计算研究区T个等大的块体单元中含已知矿点的块体单元数D的先验概率P_先验=T/D和先验有利度O_先验=P_先验/1-P_先验。

其次接对各控矿变量进行二值化处理,选取控矿变量B_i的阈值U_i(i=1,2,…,N),得到控矿变量每一个块体单元二值化b_ij,当b_ij∈u_i时为1,当b_ij∉u_i时为0。二值化处理完成后,先计算控矿变量B_i块体单元存在矿点时的概率P(B_i|D)=N(B_i∩D)|N(D),后可计算各控矿变量的权重W_i。

W_i^{+}=ln \left\{\frac{P\left(B_i\left|D\right.\right)}{P\left({\stackrel{-}{B}}_i\left|\stackrel{-}{D}\right.\right)}\right\}; W_i^{-}=ln \left\{\frac{P\left({\stackrel{-}{B}}_i\left|D\right.\right)}{P\left({\stackrel{-}{B}}_i\left|\stackrel{-}{D}\right.\right)}\right\}

控矿变量B_i与矿点相关程度表示为:C_i= W_i^{+}- W_i^{-}。C_i>0时控矿变量B_i的存在有利于成矿;C_i<0时控矿变量B_i的存在不利于成矿;而C_i=0时控矿变量B_i与成矿无关。权重值的方差:

σ²( W_i^{+})= \frac{1}{N(B_i\bigcap D)}+ \frac{1}{N(B_i\bigcap \stackrel{-}{D})};

σ²( W_i^{-})= \frac{1}{N({\stackrel{-}{B}}_i\bigcap D)}+ \frac{1}{N({\stackrel{-}{B}}_i\bigcap \stackrel{-}{D})}

根据贝叶斯公式,N个控矿变量满足条件独立时,任一块体单元的后验有利度和后验概率为

O_后验=O_先验* {\mathrm{e}}^{{\sum }_{i=1}^N{W}_i^k}(i=1,2,…,N);

P_后验= \frac{O_{\mathrm{后}\mathrm{验}}}{1-O_{\mathrm{后}\mathrm{验}}}。

根据研究区内各网格单元的后验概率,将研究区划分为不同的等级,确定找矿靶区。最后可用t-value分布:t=P_后验/σ(P_后验),对P_后验的显著性进行检验。

2.5 C-V分形

分形理论由Mandelbrot于20世纪70年代首次提出,作为一种重要的非线性数学方法。近年来,分形理论已经广泛应用于断层体系研究、地球化学异常提取以及地球物理信号处理等地学研究的各个领域中,为研究复杂的、不规则地质现象的共性和自相似性开辟了新的途径^{[32⇓⇓⇓-36]}。

GeoCube软件预测区级别划分功能采用C-V分形方法,可通过定量预测模块的计算得到区内各个块体单元的累计信息量,并将预测结果根据后验概率进行划分,分离背景值区域和成矿预测区,并且对成矿远景去进行进一步的划分,得到多级成矿预测区域。分形是局部和整体以某种方式相似,它们的局部和整体的某种相似性并不是在任何尺度上都成立的,通常只在某些特定的尺度范围内才成立分形。地质现象中产生的分形大多数属于无规则的分形,其特点是不具有严格的自相似性,只是在统计意义上是自相似的,体现在双对数统计图中即具有相同或相似特征的一类事物通常近似分布于同一条直线段上。分形模型如下所示:

N(r)=Cr^-D

式中:r为特征尺度,在此表示后验概率;C>0,为比例系数;D>0,为分维数;N(r)表示后验概率小于特征尺度r的累计块体单元数。对上式取对数可得:

lnN(r)=lnC-Dlnr

lnN(r)和lnr呈线性关系,分维数即为双对数拟合直线的斜率绝对值。用最小二乘法分段拟合直线^[37],背景值和靶区分别对应于不同分段直线的斜率值,以不同直线所对应的分界值作为区分背景区和靶区以及不同级别靶区的临界值。

3 三维地质建模

三维地质建模依托SKUA-GOCAD软件进行。SKUA-GOCAD软件由法国Nancy大学研发,作为新一代地质建模软件的代表,以工作流程为核心,达到了半智能化建模的世界最高水平,在国外受到众多用户青睐,实现了通用地球模型所设想的功能,全三维与全拓扑,使用了多种空间插值算法,拥有完善的地质统计分析功能^[38-39]。

3.1 建模数据

本次研究收集了2010—2022年围山城金银矿深部与外围普查阶段完成的52条勘探线剖面,结合图切剖面,使剖面间距80~160 m;探矿工程数据包括117个探槽、56个浅井、94个平硐和614个钻孔,22条EH4电磁测深剖面(测深点8 690 个)和41条激电测深剖剖面(测深点7 615 个),52条1:2 000岩石化学剖面;收集基本化学样23 903 件,光谱分析样33 874 件。同时,本次研究在矿集区进行了1:1万地质图修测和银洞坡金矿典型矿床调查,经过与剖面、钻孔数据对比分析,进行了地层、构造、矿体对比连接,完成了矿集区1:1万地形地质图修编。

地球物理数据主要采用2016年完成的1:5万高精度磁法测量(面积1 270 km²)和2019年完成的1:5万重力测量(面积340 km²),收集了矿集区内不同岩石矿物的298 件密度标本和118 件磁性标本。1:5万高精度磁法测量采用美国生产的G-856高精度磁力仪,工作前对仪器的一致性、噪声水平和探头高度等性能进行了全面测定;在工作范围设立了一个总基点,两个日变站点和两个仪器校正点,并进行了总基点、日变站联测,各项结果均符合规范要求(表1)。

1:5万重力测量采用思拓力S3测地仪进行重力基点联测和测点观测,仪器读数精度为±0.001 0×10^-5 m/s²,一致性试验误差为±(0.17~0.21)×10^-5 m/s²;GPS接收机采用RTK测量模式,实时接收卫星信号并与后台CORS基准网站交换处理数据,测点定位测量采用CORS工作站测量方法和全球定位系统GPS施测(快速静态)两种观测方式相结合方式完成。1:5万布格重力异常总精度为±0.049 6×10^-5 m/s²,满足规范要求。

EH4音频大地电磁测深采用十字型装置,电阻率均方相对误差M=2.85%符合规范要求;激电测深剖面激电测深采用对称四极装置,AB极距最大为2 000 m,供电周期32 s。

3.2 三维实体模型

建模过程中采用平行地质剖面法,将区内82条剖面通过2.5D-3D重磁物性反演校正后,重点构建了断层面、地层面、侵入接触面、标志岩性层面、矿体界面等各地质构造界面的3D空间形态,构建基本三维实体模型(图4)。

3.3 三维地球物理模型

三维地球物理模型构建是基于岩矿石(密度、磁性、电阻率)物性特征,利用重磁电等地球物理数据进行2.5D-3D正反演,建立地球物理模型(图5)。重磁2.5D反演采用Modelvision软件,重磁3D反演采用浩拓公司Geomodeller软件,电法属性建模基于SKUA-GOCAD软件进行。

3.4 三维地球化学模型

地球化学基于SKUA-GOCAD软件进行。地球化学建模主要是对成矿地质体(矿体)或围岩的特征元素分布、钻孔原生晕特征进行化学场性质的表达。通过银洞坡金矿典型矿床元素“R”型聚类分析,矿区热液矿体具有明显的轴(垂)向分带(图6),即显示明显的前缘晕(As,Sb)、近矿晕(Au,Ag,Pb,Zn)和尾晕(W,Mo,Sn)。而前缘晕升高,前、尾晕共存是预测深部盲矿体的重要信息。

本文基于SKUA-GOCAD软件,通过探矿工程样品离散点三维空间DSI插值法进行块体元素含量赋值,对各原生晕元素构建三维地球化学建模(图7)。

3.5 综合找矿模型

依据叶天竺“三位一体”找矿预测理论,认为矿床类型为中温岩浆热液型矿床,建立了“三位一体”找矿预测模型,为本区三维建模与深部成矿预测提供了理论支撑,并结合地球物理和化学特征构建了研究区综合找矿模型(表2)。通过三维地球物理反演解释,认为在银洞坡金矿深部存在隐伏酸性岩浆岩,属于成矿地质体,为成矿提供了热源、流体和部分成矿物质^[40]。矿体的空间分布严格受地层与构造双重控制,赋矿地层主要为歪头山组 w_2^2和 w_3^2含碳岩石建造;控矿构造为朱庄背斜,成矿结构面主要为硅钙面、碳硅泥建造、背斜虚脱带和层间破碎带。成矿作用特征标志有朱庄背斜的转折端的虚脱部位及两翼的共轭逆冲剪切带、层间破碎带,碳质绢云石英片岩岩层、夕卡岩化带、(黄铁)绢英岩化带。

4 三维定量预测结果及讨论

本次成矿预测依托GeoCube 3.0软件进行。GeoCube 3.0软件是一款由中国地质大学(北京)王功文教授团队研发的三维矿产资源预测与评价的软件,它具有输入与输出模块、预处理模块、评价模块及后处理模块四大模块,支持目前三维商业建模软件的许多数据格式,能提供多种输出选择,支持基本统计和分形方法、多重分形方法(如C-V分形方法)对地质、地球化学和地球物理空间数据提取有利成矿信息和相关异常体,支持多种数据解译方法,如信息熵法、逻辑回归法、证据权法、随机森林、PU Learning等,支持基于成矿潜力把结果分类集成成几个不同层次的预测区。

三维地质模型的面积约为56.54 km²,坐标范围为南北3 598 124.4~3 607 863.0 m,东西440 398.9~449 055.4 m,高程-3 000~441 m,采用“立方体预测”方法,将研究区分割为大小为50 m×50 m×50 m(行×列×层) 的单元块,构建块体模型,模型共有1 565 218个单元块。基于综合找矿模型,根据不同类型矿体与地层体积比值、物性区间、化学晕分析分别确定地质、地球物理和地球化学勘探变量,从而用于找矿预测。

4.1 特征变量确定

根据矿集区内不同单元中矿体数量统计(表3)及赋矿地层与矿体关系模型(图4b),确定有利地层为 w_2^1、 w_2^2、 w_3^2;根据赋矿围岩与矿体关系模型(图4c),赋矿围岩为碳质绢云石英片岩(SC);根据断层与矿体关系模型分析(图4d),歪头山组内北西向顺层破碎带(F)作为主要的成矿结构面控制着研究区内金银矿体的分布。

依据岩矿石(密度、磁性、电阻率)物性特征分析,岩矿石密度、磁性整体显示由基性-中性-酸性岩石降低,岩浆岩整体大于碎屑沉积岩;岩浆岩中细碧岩密度最大,斑状二长花岗岩剩磁最低;碎屑岩中碳质绢云石英片岩(含矿岩性)整体密度大于其他碎屑岩,剩磁较低。

将目标地质体的密度、磁化率分别设置合适阈值(2.43~2.44 g/cm³,0.006~0.008 SI),得到低密度体和低磁体,其与赋矿地层进行叠加如图8,可以看出,低密度体低磁体整体与赋矿地层吻合度较高。深部可见低密度体和低磁体,解释为深部隐伏酸性岩体,即成矿地质体。

根据三维地球化学模型(图7),Au成矿元素主要分布在银洞坡金矿区,Ag成矿元素主要分布在破山银矿区,其次为银洞坡金矿区,Pb、Zn成矿元素则和前缘晕低温元素As、Sb则在银洞坡金矿区和破山银矿区均有分布,说明成矿元素及成矿指示元素的分布特征与矿集区内不同矿床的特征完全吻合。

4.2 定量预测与靶区圈定

在三维地质模型的基础上,基于证据权的t-value值,选取含矿地层、赋矿围岩、隐伏岩体、断裂、密度、磁化率、视电阻率及视极化率的t-value值最大区间作为特征变量提取,建立金、银定量成矿预测模型,如表4。

基于综合信息定量预测模型,利用证据权法对Au、Ag进行了定量预测。Au、Ag定量预测证据权法中参与预测的各变量权重列表如表5、表6。根据金矿成矿预测的预测变量权重可以发现,歪头山组中部勘探变量和As化学元素异常的C值较大,是最主要的勘探变量,这与歪头山组中部是金矿主要的赋矿层位以及As化学元素是金元素的重要伴生元素有关,二者的t-value值较大,在预测过程中发挥的作用十分显著。此外,碳质绢云石英片岩C值和t-value值排在第四位,这与该岩性是金矿直接的赋矿岩性有关。在地球物理属性中,基于EH4得到的电阻率C值大于密度和磁化率,其重要性较大,反映出电阻率是该地区重要的找矿手段之一。根据银矿成矿预测的预测变量权重可以发现,歪头山组上部和碳质绢云石英片岩勘探变量C值较大,是最主要的勘探变量,这与歪头山组上部是银矿主要的赋矿层位有关。Ag化学元素在破山银矿附近直接反映为地球化学异常,对找矿十分有利。在地球物理属性中,基于密度和磁化率C值大于电阻率,反映出密度和磁化率在该地区寻找银矿十分有利。

利用证据权法得到后验概率是各个勘探变量综合作用的结果,对后验概率进行划分以确定背景区和找矿靶区,得到多级靶区,根据靶区等级可为下一步勘探提供具体的勘探目标。基于C-V分形的不同等级预测区及背景区分段拟合直线如图9,共4个等级,Au、Ag一二三级预测区及背景区的区间分别为

Au:[0.790,0.999],[0.510,0.790],[0.019,0.510],[0.000,0.019];

Ag:[0.629,0.999],[0.119,0.629],[0.015,0.119],[0.000,0.015]

Au、Ag预测结果如图10(注:三级、四级预测区未放置)。

根据证据权法和C-V分形圈定的成矿预测区成果,将Au、Ag一级预测区进行综合后,依据成矿地质条件分析、成矿模型吻合度和块体信息量,圈定找矿靶区。最终圈定靶区5处:新庄靶区(A₁)、徐老庄靶区(A₂)、围山城靶区(B₁)、郭老庄靶区(B₂)、桥庄靶区(C₁)(图11)。

4.3 靶区验证

根据靶区圈定与成矿地质背景,结合3D地质结构、示矿信息等,选定新庄靶区(A₁)做为先验靶区。通过在YW26线设计施工YWZK2603孔(图12),在652 m开始进入到赋矿层位 w_2^2,后共见到金矿(化)体6条,矿体厚1.07~7.08 m,Au品位0.85~1.47 g/t,赋矿构造为顺层破碎带,赋矿围岩为碳质绢云石英片岩、绢英岩化黑云变粒岩。靶区钻孔验证见矿效果较好,矿体赋矿特征与预测情况完全吻合,预测精度较高,达到靶区圈定目的。

5 结论

(1)通过三维地物化综合模型构建,实现了地、物、化数据的综合集成,确定了可用于成矿预测的有利信息。认为有利地层为 w_2^1、 w_2^2、 w_3^2,控矿构造为歪头山组内顺层破碎带;有利地层的地球物理证据图层为密度(2.43~2.44 g/cm³)、磁化率(0.006~0.008 SI);有利地层的地球化学信息为前缘晕元素As、Sb,近矿晕元素Au、Ag、Pb、Zn。

(2)建立了研究区岩浆热液型Au、Ag矿床综合信息定量预测模型,确定了各变量的有利区间值。Au矿成矿有利信息变量为 w_2^2、EH4_ρ_s、As、SC、F、Sb、Au、密度、 w_2^1、磁化率,连续型成矿变量有利区间:EH4_ρ_s(94.751 4~2 724.098 9 Ω·m)、As((0.016 1~0.625 8)×10^-6)、Sb((0.000 1~0.000 8)×10^-6)、Au((0.237 7~10.099 6)×10^-9)、密度(2.373 7~2.438 9 g/cm³)、磁化率(0.004 7~0.011 8 SI)。Ag成矿有利信息变量为 w_3^2、SC、Ag、Sb、密度、磁化率、As、F、EH4_ρ_s,连续型成矿变量有利区间为Ag((16.174 9~442.751 3)×10^-6)、Sb((0.000 1~0.000 8)×10^-6)、密度(2.413 9~2.489 0 g/cm³)、磁化率(0.004 7~0.019 2 SI)、As(0.016 1~0.625 8)×10^-6)、EH4_ρ_s(94.751 4~2 079.913 4 Ω·m)。

(3)采用证据权法进行成矿预测,得到矿产概率分布图,综合成矿地质特征,圈定了5个找矿靶区,包括2个A级、2个B级、1个C级。

(4)新庄靶区YW26线经钻探施工验证,圈定Au矿体6条,找矿效果较好,对本区及具有相同地质情况的危机矿山矿产勘探具有重要的指导作用。

李瑞喜工程师在机器学习预测方面提供了大力帮助,审稿人对稿件提出了宝贵修改意见,这些有效地提高了文章质量,在此表示衷心感谢。

参考文献

[1] 侯翠霞, 刘向冲, 张文斌, 成矿预测理论与方法新进展[J]. 地质通报, 2010, 29(6): 953-960.

[2] CARLSON E. Three dimensional conceptual modeling of subsurface structures[C]//Proceedings of American congress on surveying and mapping annual convention. Baltimore: American Society for Photogrammetry and Remote Sensing, 1987: 188-200.

[3] SIMON W H. 3D Geoscience modeling: computer techniques for geological characterization[M]. Berlin: Springer-Verlag, 1994.

[4] 赵鹏大. “三联式”资源定量预测与评价: 数字找矿理论与实践探讨[J]. 地球科学: 中国地质大学学报, 2002, 27(5): 482-489.

[5] 赵鹏大, 陈建平, 张寿庭. “三联式”成矿预测新进展[J]. 地学前缘, 2003, 10(2): 455-463.

[6] 王世称, 陈水良, 夏立显. 综合信息矿产预测理论与方法[M]. 北京: 科学出版社, 2002: 1-337.

[7] 陈毓川、 裴荣富, 宋天锐, 中国矿床成矿系列初论[M]. 北京: 地质出版社, 1998: 1-104.

[8] 侯景儒, 黄竟先. 地质统计学的理论与方法[M]. 北京: 地质出版社, 1990: 1-353.

[9] 余先川, 胡丹. 盲源分离理论与应用[M]. 北京: 科学出版社, 2011: 1-336.

[10] 余先川, 俞晨, 侯景儒, 析取克立格理论及其在品位估计中的应用[J]. 北京师范大学学报(自然科学版), 2006, 42(5): 495-497.

[11] 田景文, 高美娟. 人工神经网络算法研究及应用[M]. 北京: 北京理工大学出版社, 2006: 1-283.

[12] 叶天竺, 吕志成, 庞振山, 勘查区找矿预测理论与方法总论[M]. 北京: 地质出版社, 2017: 1-703.

[13] 叶天竺. 矿床模型综合地质信息预测技术方法理论框架[J]. 吉林大学学报(地球科学版), 2013, 43(4): 1053-1072.

[14] 成秋明. 非线性成矿预测理论: 多重分形奇异性-广义自相似性-分形谱系模型与方法[J]. 地球科学: 中国地质大学学报, 2006, 31(3): 337-348.

[15] WANG G W, ZHU Y Y, ZHANG S T, et al. 3D geological modeling based on geological knowledge and gravity and magnetic data inversion in Luanchuan ore region, Henan Province, China[J]. Journal of Applied Geophysics, 2012, 80: 1-11.

[16] WANG G W, ZHU Y Y, ZHANG S T, et al. Application of the multifractal singular value decomposition for delineating geophysical anomalies associated with molybdenum occurrences in the Luanchuan ore field (China)[J]. Journal of Applied Geophysics, 86: 109-119.

[17] 伏雄, 门道改, 李娜, 河南省桐柏围山城金银矿田地质特征及找矿远景分析[J]. 矿产与地质, 2012, 26(3): 198-204.

[18] 张聚. 显式模型预测控制理论与应用[M]. 北京: 电子工业出版社, 2015: 1-256.

[19] MALLET J L. Discrete smooth interpolation in geometric modeling[J]. Computer-aided Design, 1992, 24(4): 178-191.

[20] 孟小红, 侯建全, 梁宏英, 离散光滑插值方法在地球物理位场中的快速实现[J]. 物探与化探, 2002, 26(4): 302-306.

[21] 周军霞, 杨钦, 蔡强. 离散光滑插值方法在多值曲面中的应用[J]. 微计算机信息(管控一体化), 2008, 24(30): 191-192, 174.

[22] OLDENBURG D W. The inversion and interpretation of gravity anomalies[J]. Geophysics, 1974, 39(4): 526-536.

[23] NABIGHIAN M N. The analytic signal of two-dimensional magnetic bodies with polygonal cross-section: its properties and use for automated anomaly interpretation[J]. Geophysics, 1972, 37(3): 507-517.

[24] PDLISECKY A, KNIGHT R. FW2-5D: a MATLAB 2.5-D electrical resistivity modeling code[J]. Computers and Geosciences, 2008, 34(12): 1645-1654.

[25] ABUBKAR A, HABASHY T, DRUSKIN V, et al. 2.5D forward and inverse modeling for interpreting low-frequency electromagnetic measurements[J]. Geophysics, 2008, 73(4): 165-177.

[26] PORTNIAGUINE O, ZHDANOV M S. 3-D magnetic inversion with data compression and image focusing[J]. Geophysics, 2002, 67(5): 1532-1541.

[27] LI Y, OLDENBURG D W. 3-D inversion of magnetic data[J]. Geophysics, 1996, 61(2): 394-408.

[28] LI Y, OLDENBURG D W. 3-D inversion of gravity data[J]. Geophysics, 1998, 63(1): 109-119.

[29] 陈召曦, 孟小红, 郭良辉. 重磁数据三维物性反演方法进展[J]. 地球物理学进展, 2012, 27(2): 503-511.

[30] AGTERBERG F P. Computer programs for mineral exploration[J]. Science, 1989, 245(4913): 76-81.

[31] BONHAM-CARTER G F, AGTERBERG F P, WRIGHT D F. Weights of evidence modeling: a new approach to mapping mineral potential[M]//AGTERBERG F P, BONHAM-CARTER G F. Statistical applications in the Earth sciences. Vancouver: Geological Survey of Canada, 1989: 171-183.

[32] MANDELBROT B. The fractal geometry of nature: updated and augmented[M]. New York: Freeman and Company, 1983: 1-468.

[33] CHENG Q M, AGTERBERG F P, BALLANTYNE S B. The separation of geochemical anomalies from background by fractal methods[J]. Journal of Geochemical Exploration, 1994, 51(2): 109-130.

[34] 成秋明. 成矿过程奇异性与矿床多重分形分布[J]. 矿物岩石地球化学通报, 2008, 27(3): 298-305.

[35] 陈志军. 多重分形局部奇异性分析方法及其在矿产资源信息提取中的应用[D]. 武汉: 中国地质大学(武汉), 2007.

[36] 成秋明. 空间自相似性与地球物理和地球化学场的分解方法[J]. 地球物理学进展, 2001, 16(2): 8-17.

[37] 王琨, 肖克炎, 丛源. 对数比变换和偏最小二乘法在地球化学组合异常提取中的应用: 以湘西北铅锌矿为例[J]. 物探与化探, 2015, 39(1): 141-148.

[38] 董梅, 慎乃齐, 胡辉, 基于GOCAD的三维地质模型构建方法[J]. 桂林工学院学报, 2008, 28(2): 188-192.

[39] 张燕飞, 朱杰勇, 张威. 基于GOCAD的三维地质模型构建[J]. 河北工程大学学报(自然科学版), 2011, 28(4): 69-73.

[40] 卢欣详. 河南省秦岭—大别山地区燕山期中酸性小岩体的基本地质特征及成矿专属性[J]. 河南地质, 1983, 1(1): 49-55.

基金资助

河南省地质科研项目(豫地矿科研〔2020〕3号)