基于大数据关联规则算法的卡林型金矿床元素富集规律及找矿方法研究

曹胜桃; 胡瑞忠; 周永章; 刘建中; 谭亲平; 高伟; 郑禄林; 郑禄璟; 宋威方

doi:10.13745/j.esf.sf.2024.5.13

地学前缘 ›› 2024, Vol. 31 ›› Issue (4) : 58 -72. DOI: 10.13745/j.esf.sf.2024.5.13

大数据算法与图形大数据

基于大数据关联规则算法的卡林型金矿床元素富集规律及找矿方法研究

曹胜桃 ¹^,² ,
胡瑞忠 ¹^,²^,^* ,
周永章 ³^,^* ,
刘建中 ⁴^,⁵ ,
谭亲平 ¹ ,
高伟 ¹ ,
郑禄林 ⁵ ,
郑禄璟 ⁵ ,
宋威方 ⁵

作者信息 +

Element enrichment pattern and prospecting method for Carlin-type gold deposits based on big data association rule algorithm

Shengtao CAO ¹^,² ,
Ruizhong HU ¹^,²^,^* ,
Yongzhang ZHOU ³^,^* ,
Jianzhong LIU ⁴^,⁵ ,
Qinping TAN ¹ ,
Wei GAO ¹ ,
Lulin ZHENG ⁵ ,
Lujing ZHENG ⁵ ,
Weifang SONG ⁵

Author information +

文章历史 +

PDF (7683K)

摘要

大数据时代的到来,为卡林型金矿床开拓了新的找矿思路。本研究应用关联规则算法,挖掘滇黔桂“金三角”卡林型金矿床内微量元素与金矿化海量数据之间的关联性,提取元素异常组合,分析控制因素,定量构建找矿标志。结果显示矿床内元素异常组合分为4组:(1)强正关联显著富集元素(As、Sb、Hg、Tl、Ag、W和Rb),显示硫化和黏土化作用;(2)较强正关联略富集元素I(Zr、Th、Ta、Nb和Hf)和强负关联强迁出元素(Li和Sr),显示去碳酸盐化作用;(3)较强正关联略富集元素II(Sn、Zn、Ni、V、Co和Cu),显示硫化作用;(4)弱关联基本无富集元素(Cd、Pb、Ba、Bi、U和Mo),与成矿无显著关联。从大数据角度获取的元素异常组合,与学界关于Au主要在去碳酸盐化、硫化和黏土化条件下形成的认识一致。通过关联规则算法分别对与硫化和去碳酸盐化相关的元素建立定量找矿标志。硫化找矿标志:样品中As、Hg、Sb、Tl、W、Ag和Rb等元素内中高含量项数≥1、≥2、≥3、≥4和≥5时,对应的Au矿化分别为≥4.5×10^-9、≥47.0×10^-9、≥150×10^-9、≥500×10^-9和≥1 000×10^-9;样品内高含量项数≥1、≥2和≥3时,对应的Au矿化分别为≥150×10^-9、≥500×10^-9和≥1 000×10^-9;找矿过程中两组指标配合使用,确保不漏矿,高效圈矿。去碳酸盐化找矿标志:样品中Zr、Th、Ta、Nb和Hf含量任意两项出现正异常,认为样品经历过去碳酸盐化作用。定量识别的硫化和去碳酸盐化找矿标志可望在卡林型金矿找矿预测中发挥重要作用。本研究基于关联规则算法分析矿床元素富集规律、控制因素和定量构建找矿标志的方法,也可为其他类型矿床开展类似研究提供新思路。