地质科学
     首页 | 过刊浏览 |  本刊介绍 |  编委会 |  投稿指南 |  期刊征订 |  留言板 |  批评建议 |  联系我们 |  English
地质科学  2018, Vol. 53 Issue (4): 1300-1313    DOI: 10.12017/dzkx.2018.075
论文 最新目录 | 下期目录 | 过刊浏览 | 高级检索  |   
基于空间数据挖掘的三维成矿预测定量指标体系建立方法研究——以宁芜盆地钟姑矿田为例
张明明1,2    沈    乐1    廖宝胜1    李晓晖1,2    袁    峰1,2,3    周宇章4
  1. 合肥工业大学资源与环境工程学院  合肥    230009
  2. 安徽省矿产资源与矿山环境工程技术研究中心,合肥工业大学  合肥    230009
  3. 中国科学院新疆生态与地理研究所,新疆矿产资源与研究中心  乌鲁木齐    830011
  4. 安徽省公益性地质调查管理中心  合肥    230091
Research on the quantitative indicators for 3D prospectivity prediction based on spatial data mining:A case study of Zhonggu ore field in Ningwu Basin
Zhang Mingming1, 2    Shen le1    Liao Baosheng1    Li Xiaohui1, 2    Yuan Feng1, 2, 3    Zhou Yuzhang4
  1. School of Resources and Environmental Engineering, Hefei University of Technology, Hefei  230009
  2. Anhui Province Engineering Research Center for Mineral Resources and Mine Environments, Hefei University of Technology, Hefei  230009
  3. Xinjiang Research Center for Mineral Resources, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Ürümqi  830011
  4. Public Geological Survey Management Center of Anhui Province, Hefei  230091
 全文: PDF (2845 KB)   HTML( )   输出: BibTeX | EndNote (RIS)      背景资料
摘要 

大数据思维是直接从数据入手的一种新的思维方式,其本质是减少甚至完全屏蔽人为因素干扰,让数据说话。以往三维成矿预测中指标体系的建立多采用经验分析法,以地质模型和先验知识指导控矿特征变量取值,其准确性易受到人为影响。本文基于大数据思维,使用数据驱动方法对三维成矿预测中的找矿指标体系进行探索性研究,在钟姑矿田选择4 个大中型典型矿床,直接采用三维空间分析方法对地层和岩体的控矿地质体进行特征分析,通过计算z 轴方向三维距离场、分析岩体顶面隆起凹陷程度形态因素,确定各控矿要素与矿体之间的相关关系,获取定量指标。本研究改变了以往主观经验指导找矿的思路,尝试采用空间数据挖掘方法进行客观数据分析提出找矿指标,提高了找矿指标体系建立的科学性,此方法得到的定量指标体系可直接参与三维找矿预测模型的计算。

 

服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
张明明 沈 乐 廖宝胜 李晓晖 袁 峰 周宇章
关键词大数据   三维成矿预测   空间数据挖掘   定量指标体系   钟姑矿田     
Abstract

Big data thinking is a new thinking mode starting with the data directly. Its essence is to reduce or even completely shield human’s interference and let the data speak for itself. In the past, the establishments of quantitative indicators in 3D prospectivity mapping were mostly by empirical analysis, using geological model and prior knowledge to guide the determination of ore-controlling characteristic variables. However, the accuracy of this method is sensitive to human factors. Based on big data thinking, a data-driven method is applied to explore the prospecting indicator sets in 3D prospectivity mapping. We select four large and medium-sized typical deposits in the Zhonggu ore field and apply a 3D spatial analysis method to analyze the ore-controlling geological bodies of strata and rocks. Based on calculating the 3D distance field in z-axis and analyzing the top morphology of rocks, the relationship between ore controlling factors and ore bodies is determined, and quantitative sets are obtained. This research attempts to use the spatial data mining method to carry on the objective data analysis instead of prospecting guided by subjective experience, which enhances the scientificity of the prospecting indicator system. Quantitative indicators acquired through this method can be used in the 3D prospectivity mapping directly.

 

Key wordsBig data   3D prospectivity prediction   Spatial data mining   Quantitative indicators   Zhonggu ore field   
收稿日期: 2018-01-28;
基金资助:

国家重点研发计划项目(编号:2016YFC0600209)、国家自然科学基金项目(编号:41872247,41402287,41702353)、国家自然科学基金重点国际合作研究项目(编号:41320104003)和中国科学院“西部之光”人才培养引进计划项目资助。

作者简介: 张明明,女,1981年1月生,博士研究生,矿物学、岩石学、矿床学专业。E-mail:mm81_0@126.com
引用本文:   
张明明 沈 乐 廖宝胜 李晓晖 袁 峰 周宇章. 2018, 基于空间数据挖掘的三维成矿预测定量指标体系建立方法研究——以宁芜盆地钟姑矿田为例. 地质科学, 53(4): 1300-1313.
Zhang Mingming Shen le Liao Baosheng Li Xiaohui Yuan Feng Zhou Yuzhang. Research on the quantitative indicators for 3D prospectivity prediction based on spatial data mining:A case study of Zhonggu ore field in Ningwu Basin[J]. Chinese Journal of Geology, 2018, 53(4): 1300-1313.
 
没有本文参考文献
[1] 罗建民 张 旗. 大数据开创地学研究新途径:全数据挖掘提高研究精度——《地质科学》2018“纪念孙枢先生地质大数据专题”代序[J]. 地质科学, 2018, 53(4): 1207-1214.
[2] 葛 粲 顾海欧 汪方跃 李修钰 周宇章 袁 峰. 基于数据密度确定分布区域的方法:以TAS图解分析为例[J]. 地质科学, 2018, 53(4): 1240-1253.
[3] 张昌振 张 旗 金维浚 刘学龙 刘欣雨. 太古宙TTG 能否与埃达克岩对比?——全球数据给出的结果[J]. 地质科学, 2018, 53(4): 1254-1266.
[4] 李志辉 赵 萍 李晓晖 袁 峰 周宇章. 基于CART算法的三维成矿预测研究——以安徽白象山矿区为例[J]. 地质科学, 2018, 53(4): 1314-1326.
[5] 贾 蔡 袁 峰 李晓晖 胡训宇 廖宝胜 孙维安 . 基于多源数据约束的成矿动力学模拟——以宁芜盆地钟姑矿田典型矿床为例[J]. 地质科学, 2018, 53(4): 1327-1346.
[6] 季 斌 周涛发 张达玉 李晓晖 袁 峰. 大数据环境下内蒙古浩布高地区铅锌多金属矿智能矿产预测研究[J]. 地质科学, 2018, 53(4): 1347-1360.
[7] 赵 萍 李志辉 肖 瑶 袁 峰 李晓晖. 基于高分二号卫星数据的煤矿区地质灾害信息提取研究[J]. 地质科学, 2018, 53(4): 1361-1374.
[8] 袁方林 杨婧 张旗 刘欣雨 张成立. 后弧(rear arc)岩浆作用的特征及其意义[J]. 地质科学, 2017, 52(4): 1388-1410.
[9] 刘欣雨 张 旗 张成立 . 全球新生代安山岩构造环境有关问题探讨[J]. 地质科学, 2017, 52(3): 649-667.
[10] 李玉琼 张 旗 王金荣 刘欣雨 陈万峰 . 全球大陆弧玄武岩(CAB)的特征——与岛弧玄武岩(IAB)和弧后玄武岩(BAB)的对比[J]. 地质科学, 2017, 52(3): 693-713.
[11] 葛 粲 李修钰 李晓辉 李加好 李永东 袁 峰 . 基于重力大数据的中国大陆区域地质构造解析[J]. 地质科学, 2017, 52(3): 714-726.
[12] 安 屹 杨 婧 陈万峰 王金荣 张 旗 潘振杰 焦守涛 . N-MORB、E-MORB 和OIB 的区别及其可能的原因:大数据的启示[J]. 地质科学, 2017, 52(3): 727-742.
[13] 张明明 李晓晖 唐敏慧 马 良 贾 蔡 胡训宇 廖宝胜 袁 峰 . 三维成矿预测多源地学空间数据库建设——以宁芜盆地钟姑矿田为例[J]. 地质科学, 2017, 52(3): 743-754.
[14] 李晓晖 袁 峰 马 良 唐敏慧 张明明 周涛发 贾 蔡 胡训宇 . 三维成矿定量预测系统设计与应用实例研究[J]. 地质科学, 2017, 52(3): 755-770.
[15] 赵 萍 阳次中 袁 峰 陈国旭 周紫凡 . Landsat8卫星数据在安徽黄山汤口—寨西地热资源调查中的应用[J]. 地质科学, 2017, 52(3): 771-782.
 
版权所有 © 2009-2017 《地质科学》编辑部
地址:北京9825信箱  邮政编码:100029
电话:010-82998109  010-82998115