Question

控矿因素定量分析与控矿指标提取

Answer 1

控矿指标提取的基本方法是:①依据已获得的单元控矿地质因素场变量和单元矿化指标，生成反映单元控矿地质因素场变量与单元矿化指标关系的散点图;②基于散点图，构造矿化指标与控矿地质因素场变量的非线性关联数学模型，并对模型的统计效果进行检验;③按非线性模型对控矿地质因素场变量进行非线性变换，得到直接指示矿化分布的控矿指标。

在实际提取过程中，发现接触带因素(dI)与岩体热力场因素(dG)具有相近的场模型，二者提供的找矿信息也是相近的，为了避免建立找矿信息重复的指标，故将接触带因素(dI)对应的指标从提取结果中剔除。

1.岩体热力场因素(dG)

控矿地质因素场变量dG与单元矿化指标Cu、CuOre的散点图如图12－22、12－23所示。

图12－22 dG－Cu散点图

图12－23 dG－CuOre散点图

从dG－Cu散点图、dG－CuOre散点图可知，单元铜平均品位Cu、单元铜金属量CuOre与因素dG之间存在着一定的关联关系，表现为:dG取值为(－250，150)的单元，其矿化指标Cu、CuOre的值最高或明显偏高，即这些单元为主要矿化富集空间(品位高、金属量大);dG取值为(260，500)的单元，其矿化指标Cu、CuOre的值相对较高，即这些单元为次要矿化富集空间(品位偏低、金属量偏小);dG取值为其他值的单元，其矿化指标Cu、CuOre的值明显偏低，即这些单元为无矿或贫矿空间。

显然，指标Cu、CuOre与dG的关联关系是非线性的，为此，构造非线性模型来模拟这种关系:

危机矿山深部隐伏矿大比例尺定位定量预测技术研究

式中，

求解上述非线性回归方程，得到上述方程各参数的值为:d1a=－25，d1b=450，d2a=0，d2b=450。由该模型可知，矿化指标Cu、CuOre应分别与新指标ddG1、ddG2呈线性相关，故计算矿化指标Cu、CuOre分别与新指标ddG1、ddG2的相关系数，并对线性回归模型进行F检验，结果如表12－5。

表12－5 矿化指标Cu、CuOre与岩体热力场因素ddG1、ddG2的相关系数及回归效果

从表12－5可知，矿化指标Cu、CuOre分别与变量ddG1、ddG2具有显著的线性相关性，即ddG1、ddG2对矿化空间分布具有显著的贡献或显著的控制作用，可作为控矿指标来指示地质因素对成矿的有利程度。

2.岩体形态因素(wr1G)

控矿地质因素场变量wr1G与单元矿化指标Cu、CuOre的散点图如图12－24、12－25所示。

从wr1G－Cu散点图、wr1G－CuOre散点图可知，单元铜平均品位Cu、单元铜金属量CuOre与因素wr1G之间存在着一定的关联关系，表现为:wr1G取值为(－90，50)的单元，其矿化指标Cu、CuOre的值最高或明显偏高，即这些单元为主要矿化富集空间(品位高、金属量大);wr1G取值为其他值的单元，其矿化指标Cu、CuOre的值明显偏低，即这些单元为无矿或贫矿空间。

显然，指标Cu、CuOre与wr1G的关联关系是非线性的，为此，构造非线性模型来模拟这种关系:

危机矿山深部隐伏矿大比例尺定位定量预测技术研究

式中，

图12－24 wr1G－Cu散点图

图12－25 wr1G－CuOre散点图

求解上述非线性回归方程，得到上述方程各参数的值为:d1=－52，d2=－40。由该模型可知，矿化指标Cu、CuOre应分别与新指标dwr1G1、dwr1G2呈线性相关，故计算矿化指标Cu、CuOre分别与新指标dwr1G1、dwr1G2的相关系数，并对线性回归模型进行F检验，结果如表12－6。

表12－6 矿化指标Cu、CuOre与岩体热力场因素dwr1G1、dwr1G2的相关系数及回归效果

从表12－6可知，矿化指标Cu、CuOre分别与变量dwr1G1、dwr1G2具有显著的线性相关性，即dwr1G1、dwr1G2对矿化空间分布具有显著的贡献或显著的控制作用，可作为控矿指标来指示地质因素对成矿的有利程度。

3.岩体形态因素 (wr2G)

控矿地质因素场变量wr2G与单元矿化指标Cu、CuOre的散点图如图12－26、12－27所示。

图12－26 wr2G－Cu散点图

从wr2G－Cu散点图、wr2G－CuOre散点图可知，单元铜平均品位Cu、单元铜金属量CuOre与因素wr2G之间存在着一定的关联关系，表现为:wr2G取值较大的单元，其矿化指标Cu、CuOre的值也同步增高，即wr2G取值较大的单元为主要矿化富集空间(品位高、金属量大)。

图12－27 wr2G－CuOre散点图

经反复试验，指标Cu、CuOre与wr2G的具有线性关联关系，故不必进行非线性变换，直接计算矿化指标Cu、CuOre与指标wr2G的相关系数，并对线性回归模型进行F检验，结果如表12－7。

表12－7 矿化指标Cu、CuOre与岩体热力场因素wr2G的相关系数及回归效果

从表12－7可知，矿化指标Cu、CuOre分别与变量wr2G具有显著的线性相关性，即wr2G对矿化空间分布具有显著的贡献或显著的控制作用，可作为控矿指标来指示地质因素对成矿的有利程度。

4.接触面构造因素(aIT)

控矿地质因素场变量aIT与单元矿化指标Cu、CuOre的散点图如图12－28、12－29所示。

从aIT－Cu散点图、aIT－CuOre散点图可知，单元铜平均品位Cu、单元铜金属量CuOre与因素aIT之间存在着一定的关联关系，表现为:aIT取值较大的单元，其矿化指标Cu、CuOre的值也同步增高，即aIT取值较大的单元为主要矿化富集空间(品位高、金属量大)。

图12－28 aIT－Cu散点图

图12－29 aIT－CuOre散点图

经反复试验，指标Cu、CuOre与aIT的具有线性关联关系，故不必进行非线性变换，直接计算矿化指标Cu、CuOre与指标aIT的相关系数，并对线性回归模型进行F检验，结果如表12－8。

表12－8 矿化指标Cu、CuOre与岩体热力场因素aIT的相关系数及回归效果

从表12－8可知，矿化指标Cu、CuOre分别与变量aIT具有显著的线性相关性，即aIT对矿化空间分布具有显著的贡献或显著的控制作用，可作为控矿指标来指示地质因素对成矿的有利程度。

5.横向张性断层因素(dF)

控矿地质因素场变量dF与单元矿化指标Cu、CuOre的散点图如图12－30、12－31所示。

图12－30 dF－Cu散点图

从dF－Cu散点图、dF－CuOre散点图可知，单元铜平均品位Cu、单元铜金属量CuOre与因素dF之间存在着一定的关联关系，表现为:dF取值为(0，500)的单元，其矿化指标Cu、CuOre的值最高或明显偏高，即这些单元为主要矿化富集空间(品位高、金属量大);dF取值为(500，1300)的单元，其矿化指标Cu、CuOre的值相对较高，即这些单元为次要矿化富集空间(品位偏低、金属量偏小);dF取值为其他值的单元，其矿化指标Cu、CuOre的值明显偏低，即这些单元为无矿或贫矿空间。

显然，指标Cu、CuOre与dF的关联关系是非线性的，为此，构造非线性模型来模拟这种关系:

危机矿山深部隐伏矿大比例尺定位定量预测技术研究

图12－31 dF－CuOre散点图

危机矿山深部隐伏矿大比例尺定位定量预测技术研究

式中，

求解上述非线性回归方程，得到上述方程各参数的值为:d1a=215，d1b=860，d2a=215，d2b=860。由该模型可知，矿化指标Cu、CuOre应分别与新指标ddF1、ddF2呈线性相关，故计算矿化指标Cu、CuOre分别与新指标ddF1、ddF2的相关系数，并对线性回归模型进行F检验，结果如表12－9。

表12－9 矿化指标Cu、CuOre与岩体热力场因素ddF1、ddF2的相关系数及回归效果

从表12－9可知，矿化指标Cu、CuOre分别与变量ddF1、ddF2具有显著的线性相关性，即ddF1、ddF2对矿化空间分布具有显著的贡献或显著的控制作用，可作为控矿指标来指示地质因素对成矿的有利程度。

6.区域挤压远应力场因素(aIP)的找矿信息指标

控矿地质因素场变量aIP与单元矿化指标Cu、CuOre的散点图如图12－32、图12－33所示。

从aIP－Cu散点图、aIP－CuOre散点图可知，单元铜平均品位Cu、单元铜金属量CuOre与因素aIP之间存在着一定的关联关系，表现为:aIP取值为(50，180)的单元，其矿化指标Cu、CuOre的值最高或明显偏高，即这些单元为主要矿化富集空间(品位高、金属量大);aIP取值为(50，180)的单元，其矿化指标Cu、CuOre的值相对较高，即这些单元为次要矿化富集空间(品位偏低、金属量偏小);aIP取值为其他值的单元，其矿化指标Cu、CuOre的值明显偏低，即这些单元为无矿或贫矿空间。

图12－32 aIP－Cu散点图

图12－33 aIP－CuOre散点图

指标Cu、CuOre与aIP的关联关系是非线性的，为此，构造非线性模型来模拟这种关系:

危机矿山深部隐伏矿大比例尺定位定量预测技术研究

式中，daIP1=|aIP－d1|，daIP2=|aIP－d2|

求解上述非线性回归方程，得到上述方程各参数的值为:d1=145，d2=140。由该模型可知，矿化指标Cu、CuOre应分别与新指标daIP1、daIP2呈线性相关，故计算矿化指标Cu、CuOre分别与新指标daIP1、daIP2的相关系数，并对线性回归模型进行F检验，结果如表12－10。

表12－10 矿化指标Cu、CuOre与岩体热力场因素daIP1、daIP2的相关系数及回归效果

从表12－10可知，矿化指标Cu、CuOre分别与变量daIP1、daIP2具有显著的线性相关性，即daIP1、daIP2对矿化空间分布具有显著的贡献或显著的控制作用，可作为控矿指标来指示地质因素对成矿的有利程度。

7.褶皱构造因素(dD3)的找矿信息指标

控矿地质因素场变量dD3与单元矿化指标Cu、CuOre的散点图如图12－33、12－34所示。

图12－34 dD3－CuOre散点图

从dD3－Cu散点图、dD3－CuOre散点图可知，单元铜平均品位Cu、单元铜金属量CuOre与因素dD3之间存在着一定的关联关系，表现为:dD3取值为(－2100，－1000)、(500，2100)的单元，其矿化指标Cu、CuOre的值最高或明显偏高，即这些单元为主要矿化富集空间(品位高、金属量大);dD3取值为(0，250)的单元，其矿化指标Cu、CuOre的值相对较高，即这些单元为次要矿化富集空间(品位偏低、金属量偏小);dD3取值为其他值的单元，其矿化指标Cu、CuOre的值明显偏低，即这些单元为无矿或贫矿空间。

显然，指标Cu、CuOre与dD3的关联关系是非线性的，为此，构造非线性模型来模拟这种关系:

危机矿山深部隐伏矿大比例尺定位定量预测技术研究

式中，

求解上述非线性回归方程，得到上述方程各参数的值为:d1a=－1670，d1b=0，d1c=1770，d2a=－1650，d2b=0，d2c=1750。由该模型可知，矿化指标Cu、CuOre应分别与新指标ddD31、ddD32呈线性相关，故计算矿化指标Cu、CuOre分别与新指标ddD31、ddD32的相关系数，并对线性回归模型进行F检验，结果如表12－11。

表12－11 矿化指标Cu、CuOre与岩体热力场因素ddD31、ddD32的相关系数及回归效果

从表12－11可知，矿化指标Cu、CuOre分别与变量ddD31、ddD32具有显著的线性相关性，即ddD31、ddD32对矿化空间分布具有显著的贡献或显著的控制作用，可作为找矿信息指标来指示地质因素对成矿的有利程度。