两矿区化探数据的处理.doc

内蒙古扎赉特旗东芒合矿和哈拉街吐矿化探数据处理及图件编制方法1 化探数据质量评价的数据处理(分矿区) 统计重采样和重分析抽查样所占样品总数的比例 比例 = （重采样和重分析抽查样数/工作样总数）100% 作出SSPS数据文件 将重采样和重分析样分别作成SSPS数据文件。文件中列出项目为： 重采抽查样 重采样号 元素含量 相应的工作样号 元素含量重分析抽查样 重分析样号 元素含量 相应的工作样号 元素含量 计算各元素相对误差重采样和重分析抽查样相对误差均按RE(%) = |C1-C2|/0.5(C1+C2)100%计算。C1为重采样或重分析抽查样的分析含量C2为重采样或重分析抽查样的相应的工作样的分析含量 | |为绝对值 RE(%)30%为合格，30为超差（不合格）；（Au：RE(%)50%为合格，50为超差） 计算各元素的合格率 = （抽查样品中合格的样品数/抽查样品的总数）100% 合格率（）应80%，即这批样品的分析结果是可信的。 列表表示检查或分析质量结果表 化探重采样抽查各元素的合格率(%)Cu Pb Zn Cr Ni Co Sn V Ag Ti 2 矿区地球化学特征研究的数据处理(以哈拉街吐为例) 作出SSPS数据文件 作出下列SSPS数据文件： 文件1： 整个矿区数据文件； 文件2： 矿区地层数据文件； 文件3： 矿区岩浆岩数据文件； 文件4 ：下二叠统大石寨组（P1d）数据文件； 文件5 ：下白垩统大磨拐河含煤组（K1d）数据文件； 文件6 ：华力西晚期侵入岩数据文件； 文件7 ：燕山期早期侵入岩数据文件； 文件8 ：燕山期晚期侵入岩数据文件； 文件9： 已知矿附近一定范围数据文件 每一数据文件的内容项目包括： 序号 野外号 X坐标 Y坐标 各元素的含量 整个矿区和各地质单元（各地层、各岩浆岩）样品各元素含量特征统计 统计的参数包括： 元素含量平均值； 最大值； 最小值； 标准离差； 变化系数（标准离差/含量平均值）； 浓度克拉克值（元素含量平均值/该元素的克拉克值） 整个矿区和各地质单元统计结果含量平均值、最小值、最大值用表表示。 整个矿区和各地质单元样品各元素的概率分布特征统计 标准离差 峰度 偏度 概率分布曲线特征表 哈拉街吐矿区全区元素的统计特征参数元素平均值(10-6)标准离差变化系数(%)浓度克拉克值概率分布分布形式 偏度 峰度CuPbZn 矿区各地层样品各元素的局域丰度和蚀变-矿化叠加系数特征统计根据地球化学过程的基本定律(A.B.Vstelius,1960),一个矿区地层中元素的“丰度”应该是沉积岩沉积成岩时的初始平均含量，而不应包括后期岩浆、蚀变、矿化作用等地质作用造成的元素含量的增赢或亏损。而矿区内局部地区地层中元素的“局域丰度”，至少应排除最后蚀变-成矿作用叠加的那一部分元素的含量。若本区各地层中元素概率分布及其偏度和峰度特征表明元素呈偏对数正态分布。这说明地层中多数元素都受到了后期不同程度的蚀变-成矿作用的叠加。据此，剔除了不服从正态分布的超差样品(即含量大于或等于元素的平均值加上2倍标准离差(c+2)的那些样品)后，再求出的元素含量平均数即为本区各地层中元素的“局域丰度”(x)。该局域丰度可被认为是本区各地层在区域沉积作用（包括海底喷气喷流、热水沉积作用等）的元素平均含量。而该区各地层元素的平均值（c）则是在局域丰度的基础上叠加了岩浆、蚀变-矿化作用后的平均含量。用克拉克值除以局域丰度(x/克值)所得的浓集系数称为初始浓集系数（k 0），反映了沉积作用对元素的初步聚集程度；用局域丰度除以平均值(c/x) 所得的浓集系数称为局域蚀变-矿化叠加系数(k)，反映了本区地层形成后遭受的矿化强度。因此k 0和k可作为评价地层含矿性的参数。 统计结果可用下表表示：表 哈拉街吐矿区下二叠统中微量元素的平均值（c）、局域丰度(x)、初始浓集系数（k 0）和蚀变-矿化叠加系数(k) Au：WB/10-9；其他元素：WB/10-6元 素平均值（c）离 差（）局域丰度(x)初始浓集系数（k 0）蚀变矿化叠加系数(k)克 值CuPbZn表 哈拉街吐矿区下白垩统中微量元素的平均值（c）、局域丰度(x)、初始浓集系数（k 0）和蚀变-矿化叠加系数(k) Au：WB/10-9；其他元素：WB/10-6元 素平均值（c）离 差（）局域丰度(x)初始浓集系数（k 0）蚀变矿化叠加系数(k)克 值CuPbZn 整个矿区和各地质单元样品各元素的相关关系特征统计 作出整个矿区和各地质单元样品各元素的相关矩阵表 哈拉街吐矿区元素含量相关系数矩阵CuPbZnCuPbZn表 哈拉街吐矿区地层元素含量相关系数矩阵CuPbZnCuPbZn表 哈拉街吐矿区岩浆岩元素含量相关系数矩阵CuPbZnCuPbZn 整个矿区和各地质单元样品各元素的聚类特征统计作出整个矿区和各地质单元样品各元素的R型聚类图3 矿区单元素地球化学异常的数据处理和成图 背景值和异常下限值的确定地质地球化学观察法和统计法相结合确定。 在全区数据表上观察，一般含量的中间值确定为背景值（C0）； 高于背景值35倍的数据确定为异常下限值(Ca)； 统计某一元素异常下限值的样品的个数占总样品数的百分数，一般主要成矿元素异常下限值的样品所占的百分数为30%左右。 根据元素的概率分布曲线特征，若分布曲线为对称对数正态分布，取正态分布曲线的中值作为背景值，取背景值2标准离差(C02)作为异常下限；若分布曲线为不对称对数正态分布，则将全区数据去掉大于标准离差的数据后，再作概率分布曲线，直至出现对称对数正态分布，这时再正态分布曲线的中值作为背景值，取背景值2标准离差作为异常下限。 根据地质地球化学观察法和统计法相结合正确确定背景值和异常下限值。 编制全区单元素含量等值线图等值线间隔按实际情况适宜确定编制全区单元素异常图将等值线的间隔设为异常下限值（1 Ca）、2倍异常下限值（2 Ca）、4倍异常下限值（4 Ca），每间隔间充填适当的颜色，即为异常图。 单元素异常图的整饰每张图可放置23个单元素异常图。4 矿区综合地球化学异常的数据处理和成图 共生元素累加和异常图的编制 共生累加元素的选择综合矿区元素相关分析、聚类分析、因子分析等获得的信息及元素地球化学习性，选择有较密切共生关系元素的含量相加，作为综合指标圈定异常图，此时的背景值、异常下限值要重新求取。 编图方法以求得的几个元素含量的和成图，方法同单元素成图，可作出综合等值线图或综合异常图。 对抗元素（累加）商异常图的编制 对抗（累加）商元素的选择综合矿区元素相关分析、聚类分析、因子分析等获得的信息及元素地球化学习性，选择有明显对抗关系的元素，求其商，作为综合指标圈定异常图，此时的背景值、异常下限值要重新求取。 编图方法以求得的元素含量的商成图，方法同单元素成图，可作出综合等值线图或综合异常图。 单元素趋势剩余值异常图的编制 趋势剩余值数字化处理过程趋势剩余值数字化及成图方法简述如下：经趋势分析处理的采样点上元素含量Z将被分解成3个基本分量：趋势分量Zi、异常分量AI和随机分量Li，即Z = Zi Ti或Z = Zi AI Li 趋势分量Zi由区域构造、地层、岩浆岩等因素引起，反映了区域因素引起的元素的含量变化，这种变化往往代表来自多重母体不同背景的起伏变化，实际上反映了元素含量的背景部分。异常分量Ai由局域范围的矿化作用、特殊的岩性或地球化学异常引起。在趋势分析中，用其剩余值（残差值）Ti表示局部因素引起的元素含量变化。剩余值Ti和趋势值不同，它的变化是不连续的，代表了元素的异常部分。有时为了进一步突出异常，又将剩余值Ti分解为异常分量AI和随机分量Li。随机分量Li有可能由采样、样品加工、分析等偶然误差因素造成。本次处理的数据主要在矿田范围内及其周边，目的是要突出地球化学异常，故采用趋势分析的剩余值成图。趋势分析通常是在二维空间进行的。每一采样点上元素的含量Z和地理坐标之间存在着函数关系，即Z = f(x,y)趋势分析的任务就是导出函数f(x,y)的一个多项式去拟合或逼近元素含量的观察值。函数f(x,y)的一次、二次、三次等多项式（趋势面方程）为：Zi = a0+a1xi+a2yi+a3xiyiZi = a0+a1xi+a2yi+a3xiyi+a4xi2+a5yi2Zi = a0+a1xi+a2yi+a3xiyi+a4xi2y+a5xyi2+a6xi3+a7yi3式中，Zi是各采样点或元素含量Z的预测值，或者说用Zi去拟合实际的元素的含量Z，Zi就是所谓趋势分量。a0、a1、a2、a3、a4、a5等待定系数须用最小二乘法原理求取，最小二乘法可使多项式中的误差波动达到极小，也就是使趋势值Zi更好地逼近元素的含量Z。求取各采样点元素含量的趋势值Zi后，即可用每点的实际元素含量Z减去该点的趋势值Zi求得每点的剩余值Ti。即Ti = Z - Zi剩余值为负值的，计为零。根据每点所求得的剩余值Ti即可绘出剩余值等值线图。趋势面方程阶数的选择在数学理论上是应以求出的趋势值Zi最为逼近观察值Z，即拟合度最大为宜。拟合度以趋势面上的变差占总变差的百分比来表示。但在实际成图过程中，拟合度的选择要充分考虑化探工作的目的和工作区地质构造及矿化分布等情况，拟合度过高，剩余异常就少了。一般区域化探拟合度选择为20%。由于本次工作的目的是突出矿区的剩余异常，拟合度的选择为15%左右。 编图方法以求得的每个元素含量的趋势剩余值Ti成图，方法同单元素成图，作出综合等值线图即可。 单元素值因子得分异常图的编制 因子得分数字化处理过程 因子得分数字化及成图方法简述如下： 化探样品的多元素分析数据（变量）之间存在一定的相关关系，因此有可能用较少的综合指标反映各变量中的各类信息，而各综合指标之间彼此不相关，就是说其所代表的信息不重叠，这种数理统计方法称为因子分析。代表各类信息的综合指标称为因子或主成分。具体的程序是： 通过对原始数据变量（元素含量）的相关分析结果，进行初始因子的提取并获取碎石图信息和因子负荷矩阵； 在此基础上选择一定的方法进行因子旋转并获取旋转后的因子负荷矩阵和因子转换矩阵； 建立起因子得分系数矩阵和回归因子分数的协方差矩阵（以考察旋转后的因子是否仍然正交）； 根据因子得分系数导出每个因子得分的计算方程式； 将每一采样点的各个原始变量（元素含量）代入因子得分的计算式，求出每一采样点各因子得分值； 根据每一采样点各因子得分值编制因子得分等值线图。如某矿区次生晕数据因子分析根据原始数据相关分析结果，初始因子采用主成分分析法提取公因子，初始分析结果和因子碎石图（图1）表明：第初始因子和第初始因子之间、第初始因子和第初始因子之间特征值差值较大，第3、第4、第5、第初始因子相互之间特征值差值较小，因此可以初步得出提取个综合因子将能得出概括出各元素数据所反映的大部分的信息的认识。因子旋转使用Varimax法（方差最大旋转法），经次迭代收敛，得出的旋转后的因子负荷系数矩阵（表1）表明：经旋转后个综合因子负荷系数对各原始变量（元素）的绝对值有较大的差别。第1因子（F1）对Pb、Zn有绝对值较大的负荷因子，第2因子（F）对As、F有绝对值较大的负荷因子,第3因子（F3）对Sn有绝对值较大的负荷因子。因此，第1、第2和第3因子实际上也可以命名为Pb-Zn因子As-F因子和Sn因子。因子得分使用Regression法（回归法）计算，其因子得分的均值为，其方差等于估计因子得分与实际因子得分之间的多元相关的平方。得出的因子得分系数矩阵和估计回归因子分数的协方差矩阵（表2、表3）表明：旋转后的1、2和3是完全不相关的，说明说明正交旋转后因子仍然正交。根据因子得分系数和原始变量（元素含量）的标准化值可以计算出各观测点（采样点）的各因子的得分数：F1=0.537CPb+0.520CZn+0.295CCu+0.129CAg+0.009CAs-0.151CF+0.038CSn F2=-0.100CPb-0.187CZn+0.236CCu+0.234CAg+0.526CAs+0.668CF+0.059CSnF3=0.009CPb-0.156CZn+0.331CCu-0.565CAg-0.041CAs-0.045CF+0.716CSn 因 1.6 子 1.4 特 1.2 征 1.0 值 0.8 0.6 0.4 1(Pb) 2(Zn) 3(Cu) 4(Ag) 5(As) 6(F) 7(Sn)因 子 图1 因子分析碎石图表1 经旋转后的因子负荷矩阵变量（元素）第1因子（F1）第2因子（F2）第3因子（F3）PbZnCuAgAsFSn0.79400.73400.48700.21100.0989-0.14400.08940.0780-0.13900.33900.26900.61300.75200.10700.0560-0.15300.3620-0.5700-0.0193-0.02160.7440表2 因子得分系数矩阵变量（元素）第1因子（F1）第2因子（F2）第3因子（F3）PbZnCuAgAsFSn0.53700.52000.29500.12900.0090-0.15100.0380-0.1000-0.18700.23600.23400.52600.66800.05900