9第九章-矿产资源定量预测

第九章矿产资源定量预测,矿产资源评价,矿产资源定量预测概念,矿产资源定量预测方法,矿产资源定量预测模型,定量预测基本概念,矿产资源定量预测特征与任务矿产资源潜力的分析研究矿产资源定位与定量预测关系数学模型的应用与分类计算机的应用,矿产资源定量预测：应用数学方法对矿种（一种或多种）的地质特征作出定量估计以及对矿种的经济特征作出论证工作。矿产资源定量预测是在一个较大区域内，对某种矿产资源的总量进行估算，并结合矿物原料的经济因素，对其近、中、长期的供应保证程度作出评价的工作。矿产资源定量预测包括总和式估算、非总和式估算两类。总和式矿产资源估算形式能够较迅速的确定大区域矿产资源潜力。非总和式估算做到“四定”：即定矿产资源体的个数、定矿产资源体的位置、定矿产资源体的质量和数量。,定量预测基本概念,我国矿产预测的特点是以局部地区大、中比例尺的非总和式资源总量预测为主。这是因为我国地质工作研究程度较高，发展比较平衡。通过分析研究区域的资源潜在能力，不仅为国家制定资源政策提供依据，而且可以为各省地矿局、地质队矿床探测提供新的基地或依据。矿产预测工作是建立在综合信息矿产预测图和综合信息找矿模型的基础上。矿床地质研究比较深入，区域地质资料相对详细和可靠，因而分析类比具有比较可靠的基础，在这种情况下矿产预测工作就可深入地研究矿产资源的空间分布规律、指明成矿活动有利区段或者具体确定矿产资源可能的位置。为普查找矿工作部署提供靶区。对矿床、矿田、矿床密集区范围的矿产资源分别进行预测。注意了资源类型和级别的划分以及不同级别资源条件的研究。例如，,定量预测特征与任务,资源潜力的分析研究,在矿产勘查中，大型矿床往往首先发现，而寻找大型矿床外围的中小型矿床和姐妹矿床可能是矿产资源潜力的源泉之一。在矿田或矿床密集区中，矿床规模与矿床个数之间有明显的反消长关系，即矿床的规模越大个数就越少，而规模越小个数就越多。随着人们对矿床研究程度的提高，有些矿床规模有由小变大的可能，即矿点、矿化点可变为有工业价值的矿床，小型矿床可以变为大、中型矿床，这是矿产资源潜力的另一源泉。矿田和矿床密集区不是孤立存在的，通常受一定地质条件的控制，而呈现某种规律性。我们可以利用矿田或矿床密集区的空间分布选择并结合物探、化探、遥感等综合信息推断盲矿床、盲矿田，这是资源潜力第三个源泉。对综合信息异常进行类型划分，在已知矿床的直接信息和间接信息关联分析的基础上，发现新的类型异常是资源潜力的第四个源泉。在资源潜力的来源分析的基础上，探索新类型划分和资源潜力的估算问题。,矿产资源定量预测方法综述,矿产资源定量预测方法综述卡基尔和克拉克最早提出的六种矿产资源定量预测方法：区域价值估计法：将有代表性的单位面积内矿产资源估计价值外推到感兴趣的区域。体积估计法：将单位体积某种资源的平均含量外推到感兴趣的那一部分体积。丰度法：由一合理的平均丰度，通过某种经验函数，来估计某种矿产资源总量。德尔菲法：根据不同专家的意见进行综合，最后得出一致性的结论。矿床模型法：根据某种地质环境中已知矿床的特征分析，来估计相似地质环境中的矿产资源。综合方法：根据上述方法中的两种或多种方法组合对矿产资源进行估算。,矿产资源定量预测方法,DA辛格、DL莫西尔（1981）将评价方法分成了外推法和类比法两大类。外推法通常适用于数据以外输入变量，象矿石品位和未来价格等都是隐式的；类比法则要依赖于内推法，输出、输入变量通常都是显式的；包括15种主要方法。时率法：应用储量、产量、累积年发现量或发现率与累积钻探量之间关系进行资源估算的方法。地壳丰度法：应用对数正态、二项分布或线性回归使地壳丰度与品位、矿床吨位或储量之间发生关系的方法。累积吨位与品位关系法：应用累积吨位的对数与已各矿床品位或品位对数间的关系可以预测较低品位资源量（品位-吨位法）。,矿产资源定量预测方法,简单主观法：根据一人或多人的经验和知识直接进行估计的方法。复杂主观法：根据专家意见进行推断的方法。专家意见论及到矿床类型和地质综合规律。贝叶斯法：根据获得的最新资料对地质事件的估计概率进行修改的方法。频率法：用勘探较好地区的一种或多种指标的频率分布作为未勘探区或部分勘探区模型的方法。趋势法：指用空间模式的延伸与实际形态的偏差，推测矿床位置的方法。几何概率法：利用矿床的几何特征来估计预测矿床被发现的概率。,矿产资源定量预测方法,多元回归法:应用多个自变量对因变量的回归方方程，对预测区的资源进行估计。判别分析：按着某种准则和若干个总体的地质特征建立起总体间的判别函数，用此来决定未知样本的归属。主成分分析：将原始变量综合成少数新的、独立的变量，使之更易于理解和处理。多元逻辑斯蒂法：这是一种非线性回归分析法，它可以用来估计一次事件的概率。聚类分析：是用多元分类技术对未知样本进行分类的方法。模拟法：根据实验和体系的联合分布特征等性质，建立数学模型与检验方法。,矿产资源定量预测方法,潘恩沛、朱裕生等(1982)根据是否进行地质环境分析，以及分析所依赖的数据的完善和客观程度将资源评价方法分成了四大类：不涉及地质环境分析的矿产资源总量估算方法基于主观判断的矿产资源总量估算方法基于地质环境对比的矿产资源总量估算方法基于地质环境与成矿标志分析的矿床模型化法王世称教授等根据评价方法的假设前提是否以地质分析为基础，将资源评价方法分成两大类：非地质评价方法类地质评价方法类,矿产资源定量预测方法,非地质评价方法类资源评价方法:时率法、累积吨位与品位关系法、频率法、祁普夫法、几何概率法和利用各种分布拟合矿床数分布的方法。该类的特点：方法的假设不是地质前提，而是以人类的行为对资源量的影响为前提。例如，累积吨位和品位关系法的前提是：一个矿种的开采品位总是逐年下降的，且随着开采品位的下降，矿石的吨位将随之增大。拉斯基把品位和吨位间关系用一元线性回归方程给予表示：G=a+blogT0T0-矿石吨位，包括已生产的加上估计的储量；G-相应吨位的加权平均品位；a和b是矿床的待定系数。,矿产资源定量预测方法,用这一方程即可以对成批矿床，又可以对单个矿床进行资源分析。很显然，人类对资源利用的技术，影响了矿产的资源特征；可利用的品位愈低，矿石的累积吨位愈大。这类方法是比较粗糙的估计方法，方法简单，易于掌握，但这种成果难于从地质角度加以论证。,矿产资源定量预测方法,地质评价方法类评价方法：以某种地质理论为其假设前提。例如相似类比理论，在相类似的地质构造环境中，有相似的矿产资源产出，即是体积法和矿床模型法的地质理论依据。方法优点：利用该类方法对矿产资源进行预测，均要对矿产资源产出的地质构造环境做不同程度的论证，论证地质条件对资源特征的影响，论证预测区和模型区的地质环境的相似程度、可比性。成果可靠性：该类方法的成果较易为地质工作者所接受，成果的可靠性和精度与数学方法原理、使用的资料、数据质量等有关。根据评价数据来源，进一步将该类方法分为：主观判断矿产资源定量预测方法和客观地质环境分析的矿产资源定量预测方法。,矿产资源定量预测方法,主观判断的资源评价方法基于有经验的地质学家的主观判断：与直觉在评价矿产资源中起着非常重要的作用这样一种认识。具体如德尔菲法、简单主观概率法和复杂主观概率法均属此类。方法的特点：直接以若干地质学家对同一地区的资源特征的主观估计为原始数据。这类方法在国内外均被广泛地应用。在对墨西哥石油资源的评价中就使用了德尔菲方法，并取得了较好效果。优点：简便易行，需用的资料不受限制，工作周期短，实用性较强，在地质工作程度高、低地区均可使用。缺点：人为因素对成果的影响较大，精度相对较低，适用于大区域的粗略估计。,矿产资源定量预测方法,客观的地质环境分析的资源评价方法以地质环境的分析为基础：评价所需的数据来源于对地质现象的直接或间接观测结果，数据的客观性较强。区域价值估计法、丰度估计法、体积估计法和矿床模型法是这类方法中的常用方法。优点：地质依据充分，人为的干扰因素较小，成果易于解释和接受。例如应用矿床模型法进行资源评价时，所使用的定量评价模型具体地反映了资源量与地质条件之间的相依关系。在地质条件类比基础上将定量模型外推到预测区。预测精度：由于各种评价方法的假设前提和所用数据不同，其精度也不尽相同。一般来说，要求的数据水平愈高，则其精度愈高。,矿产资源定量预测方法,近年的实践表明，非总和式矿产资源估算，适于选用思路模型；主要有矿床模型法、体积估计法和丰度估算法。丰度法：适用于化探数据水平较高的地区。由于区域地质调查中化探数据水平总体比较低，尤其原生晕资料有限，因此丰度法对某些矿种和地区的应用受到了数据水平的限制。体积估计法：对层状沉积矿床和沉积变质矿床有效的非总和式资源估算方法。该方法是通过沉积建造格局分布规律的研究、含矿层位定量地层对比、含矿岩相的熵分析等方法确定矿产资源估算的方法。,矿产资源定量预测方法,矿床模型法：一种重要的非总和式矿产资源估算方法。要求对某种类型矿床或矿化系列建立综合信息找矿模型，并在此基础上，建立矿产资源与地质条件之间的关系，然后利用这种关系评价未知地区的矿产资源。估算矿产资源量、矿产质量、矿床个数以及空间位置；使矿产资源估算达到“四定”的目的。特点是比较实用，应用广泛的一种非总和式矿产资源定量预测方法。,矿产定位与定量预测关系,矿产资源评价工作不只是估算矿产资源的数量，而且要求对矿产资源的浓集因素进行分析，确定矿产资源的位置，这使矿产预测工作进一步定量化，使矿产区域调查工作进一步科学化。由于非总和式资源评价工作的发展，要求对矿产资源总量估算工作作到“四定”。这样使矿产资源定位预测和矿产资源定量预测工作有了相互结合的基础。非总和式矿产资源估算工作，使矿产资源靶区确定工作和靶区的资源潜力估算工作紧密结合起来，有利于指导进一步普查找矿工作和加强成矿区成矿规律的研究，同时也减少不必要的重复计算工作。通常使用一套地质、物探、化探数据同时达到两个目的。,矿产定位与定量预测关系,根据非总和式矿产资源估算的“四定”要求，解决不同问题的数学模型有所不同，一般可以划分如下几类：标准单元选择数学模型变量赋值与筛选数学模型矿产资源定位预测数学模型矿产资源定量预测数学模型成果表达数学模型,矿产定位与定量预测关系,选择模型单元的数学模型：选择模型单元是以地质体为统计单元所出现的一个新问题，这种情况下，识别标准地质统计单元显得十分重要，必须用定量化手段来参与这一问题的研究。通过数学模型选择出那些地质控矿因素变化同单元资源量变化有对应关系的单元作为模型单元。通常模型单元本身是没有矿产资源潜力的。有已知储量，但不能做为模型单元的单元是资源潜力来源的主要对象之一。,矿产定位与定量预测关系,变量赋值与筛选的数学模型：主要解决通过单元对比来筛选变量和对变量客观赋值问题。地质变量可以划分为确定性地质条件和统计性的地质变量。统计性的地质变量是矿产资源预测的地质变量。矿产资源定位预测和矿产资源定量预测所用的某些数学模型没有明确的界线，而很重要的因素是取决于变量的赋值问题。,矿产定位与定量预测关系,矿产资源定位预测的数学模型，矿产资源定位问题是非总和式资源估算的一个组成部分。它所利用的地质变量，主要应从地质条件是否存在的角度进行赋值。从矿产预测角度分析，各种统计方法计算所获得的单元得分，是对预测单元成矿有利程度的一种定量化的度量，非总和式矿产预测，把矿产资源定位预测工作，看作为矿产预测的一个不可缺少的步骤。或者说是计算过程中的中间结果。应当指出，矿产资源定位预测有它自己的独立性，因为有些研究程度较低的地区只能进行矿产资源定位预测，而不具备矿产资源定量预测的条件。,数学模型的应用与分类,以地质体为单元的非总和式资源预测遇到一个新的问题是，在地球上有工业价值的矿床、矿田的个数特别是在一个国家和地区地质体的个数是有限的，往往受到限制，因此，有些统计数学模型的使用受到了限制，下面根据几个实例探讨这方面问题。大中矿床个数少，矿床总数也少的矿带。大中型矿床数少，矿床的总数略多的矿田或矿带大中型矿床数少，但总矿床个数多的矿田或矿带大、中矿床个数多，矿床总数也多的矿田或矿带,计算机的应用,矿产资源定量预测工作是把矿产预测、统计预测和矿产资源总量估算三者统一起来，把地质、地球物理和地球化学多种成矿信息在以地质体为单元的前提下有机结合起来。需要处理大量的地质、物探、化探数据；其计算工作量是相当大的。这就必须在评价工作中，充分发挥电子计算机容量大、运算速度快的特长，完成矿产资源定量预测任务。应充分利用计算机的优越性进行工作：,计算机的应用,(1)物探、化探、遥感资料的数据予处理及图系的自动成图。(2)数学方法选择模型单元。(3)变量赋值研究。(4)矿产资源定位预测计算模型的试算及建立。(5)矿产资源定量预测的计算模型的试算及建立。(6)地质、物探、化探综合信息数据库的建立及资料存储和提取的自动化。(7)综合信息成矿预测图编制、靶区分布图及其它评价成果图件的自动化输出。,矿产资源评价,矿产资源定量预测概念,矿产资源定量预测方法,矿产资源定量预测模型,矿产资源定量预测方法,丰度估计法体积估计法矿床模型法,定量预测的基本方法,丰度估计法原理：较高的丰度往往伴随着较丰富的资源某种矿产储量与该元素在该地区的丰度（克拉克值）有一定的关系。在地球化学找矿中，研究这种关系也是研究区域性成矿规律的主要内容。在局部地区或全球性的研究工作中，基本弄清了元素的地壳丰度（克拉克值）与矿产储量的关系，建立经验公式，得出了大体一致的结论。从非总和式矿产资源估算角度，丰度估算法主要是解决局部地区的资源估算问题。因此，主要是用原生晕、次生晕和水系沉积物解决矿产资源量的估算问题。,丰度估算法,丰度模型的建立和应用由已知地区求出成矿元素的富集系数；外推到地质环境相类似的未知地区；求出预测资源量。富集系数：在地壳单位体积内某元素成矿部分占元素总量的比例。反映元素在一定地质环境中富集成矿的能力。富集系数的计算公式为：rR-成矿元素或成矿元素组合（R）的富集系数;TR-成矿元素或成矿元素组合（R）的金属储量（吨）;CR-模型区的面积(km2);D-已知区地壳深度(km)，一般按当前的开采勘探技术条件确定;CA-成矿元素的地壳丰度（10-6）;SG-成矿元素组成矿石的体重;103是将体重G和丰度A的单位统一用km3和吨表示的换算常数。,丰度估算法,对于未知区内的资源总量估算公式，是将上式进行变换。公式为：ETR未知区（预测区）内的资源总量（吨）；RA未知区面积(km2)；A未知区的地壳丰度（10-6）；D地壳深度(估算深度，km)；SG未知区矿石体重（吨/m3）。当rR为已知时，可根据未知区取得的RA、A、D、SG等参数进行矿产资源估算，这就是资源预测的丰度模型。,丰度估算法,1:20万地球化学测量资料应用(选自墨西哥会议材料)根据120万金属量测量中测得的铜元素浓度，求得已知铜的丰度为:CA=19.5510-6已知面积CR=12072km2（全区面积共21312km2，扣去水域和第四纪分布区9240km2的实际取样面积）。区内岩石加权平均比重为:SG=3.5勘查获得铜资源总量为TR=2,973,628吨。计算富集系数,丰度估算法,预测区铜金属蕴藏量（资源量）预测：铜的丰度CA=32.6810-6预测面积RA=2632km2岩石比重为SG=3.5将富集系数rR=0.003587用于这个预测区，于是计算预测区的铜资源量为:据了解，在资源预测之后，新证实的蕴藏量已达40万吨以上，这是一次成功的验证。,丰度估算法,地球化学异常评价：介绍的是索洛沃夫提出的方法。根据矿体的次生分散晕对矿体定量评价的方法是以晕的扩散模式为依据；在使用次生晕结果并结合地质资料圈定次生分散晕的条件下，通常研究某一水平截面（或平行于斜坡的截面）上，所含的成矿元素的金属量与当初在这一水平上的矿体中所包含金属量之间的对应关系进行资源估算。线金属量法（米）和面金属量法（平方米）是沿测线（沿平面或沿剖面）在地球化学异常范围内研究超出背景的金属量。在数学意义上相当于沿直线（或按面积）的积分。,丰度估算法,在实际计算中，次生晕的异常金属量可以利用下列公式计算：P-某成矿元素的金属量；S-普查网的方格的面积；CX-取样点上测得的金属元素的浓度；S-异常范围；-圈定异常范围的元素浓度的平均值；-地区性的地球化学背景值；一般矿体金属量和晕的金属量之间的比例关系为P=KPuPu-矿体面金属量，P-次生分散晕的面金属量,丰度估算法,对于深部矿体的金属储量可用下式计算。P-晕的面金属量，单位为米2；K-是次生富集系数（K1），由成矿元素的地球化学性质决定，且随着侵蚀截面的加深而趋于数值1。H-适当的计算深度，单位为米。除以40则是将储量单位用吨表示的换算常数。-统计的表外矿在总量中所占的比例系数（1）。索沃洛夫认为按这个公式算得的储量属D级（相当于334级）,丰度估算法,地球化学异常是由水系沉积物测量所圈定，则预测矿床储量可采用如下方法。设水系中任一点的金属含量为P-矿化区的面金属量，单位为米2，S-汇水盆地面积，单位为米2。K-当地条件的比例系数C-水系中金属元素背景值。若令P=KP，则P=S(CXC)，P是水系中的面金属量根据水系沉积物中的金属量,可求出面金属量,丰度估算法,根据土壤的面金属量，若求原岩中金属量，根据前面的讨论，有于是估计原岩中金属量的公式为如果水系数目为m。估计总金属量用公式,体积估算法,体积估计法是矿产资源预测中的一种简便易行的方法。在美国、加拿大、墨西哥、委内瑞拉等国都采用这种方法进行资源评价。从矿产种类来说，石油、煤、磷灰石、钾盐、沉积铁矿等层状矿产都能应用体积法进行评价。,体积估算法,体积估计法的基本实质：将某种矿产的平均含量的估计值，外推到预测区的体积中。它包含了两个主要步骤：根据已有的资料，建立合理的地质论据，确定某种矿产资源在地壳单位体积内的平均含量。根据相似类比原理，将已知区的某种矿产的平均含量外推到预测区，确定预测区的含矿建造体积，从而估算出矿产资源的数量。预测区与已知区地质成矿条件的相近性可能是粗略，或是比较细致的，根据所掌握资料的水平确定。,体积估算法,体积估算法基于相似类比原理：在一定的地质建造中赋存着某种矿产资源的潜力，是与该建造的体积成正比的；地质环境类似的建造中，有赋存同类矿产资源的潜力。这些假设是应用体积法的前提。方法的计算步骤以石油资源预测为例。资料收集收集模型区以下方面的资料：过去的产量(PP)；探明储量(Pr)推定储量(Lgr)；推断储量(Ir)；根据未见油气的钻孔圈定盆地内无油气的体积(Vx)；采取率(g)；有远景岩层的体积(Vf)。,体积估算法,计算模型区资源平均含量。模型区的矿产资源平均含量计算公式为计算预测区赋存矿产的地质建造的体积。对石油来说，从地质图上测定沉积盆地面积，再乘以沉积中含油建造的厚度，这样就得到所求的体积Vu。计算资源量计算公式为PS=McVc即为预测区的资源量预测结果。随着矿产资源估算工作的深入，体积估算方法也要向非总和式估算方法发展。,体积估算法,应用实例张光前在湖北宜昌磷矿资源量估算研究中，应用马尔柯夫链综合分析研究磷矿的有利沉积旋回；应用百分熵研究磷矿的有利岩相的变化规律；应用系统熵分析研究磷矿的富集规律。其研究成果为非总和式体积估算方法提供了矿产资源估算的地质基础。湖北宜昌磷矿资源估算的具体步骤如下：通过沉积格局的分析，从沉积建造、沉积旋回分析入手，划分总和式估算的区域。把宜昌与荆襄磷矿分为两个区域进行资源估算。应用马尔柯夫链的综合分析，进行含磷岩系的旋回划分及层位对比，明确不同区域主要的资源层位。应用百分熵进行岩相分析，在不同旋回划分岩相的基础上，确定不同区域里含磷的主要岩相类型及其空间分布规律，从而确定预测方向及靶区。,体积估算法,应用系统熵研究磷矿的富集规律，进一步建立系统熵与线性储量之间的回归分析模型。根据含磷旋回，含磷岩相以及系统熵的变化规律，确定预测远景区范围。把典型实测剖面的线面储量计算作为基础模型，在靶区范围进行资源估算。通过以上六步，使所估算出的资源量有一定层位、一定岩相、一定富集规律和一定空间位置。这样可以把矿产靶区预测与资源量估算紧密结合起来。,体积估算法,应用马尔柯夫链进行含磷层位的旋回划分通过宜昌九个剖面和荆襄六个剖面的马尔柯夫链综合分析，宜昌矿区划分为三个旋回。各旋回特点如表。各旋回概况表,体积估算法,应用百分熵进行岩相分析。采用下列公式计算百分熵100Hr系统的相对熵；Hm系统的最大熵值；Pi第i组分所占厚度百分比。在旋回划分的基础上，通过百分熵研究各个旋回的岩相。各岩相的主要特征如表所示。磷矿的形成一般在熵值大于60的岩相区，如D、E、G相，其次为F相。根据岩相的划分及P2O5的平均含量，可见磷质在G、E、D相有明显的浓聚，其它岩相磷质则相对分散，故确定G、E、D为含矿岩相，其它为非矿岩相。,体积估算法,表各岩相特征表,体积估算法,应用系统熵研究磷矿的富集规律。上升洋流携带大量富磷溶液，在适当的环境中磷酸盐沉积下来形成矿源层，再经多次反复的机械簸选作用，磷质进一步富集成矿。系统熵的大小反映了磷矿是否进一步富集的岩石共生组合的特点，故“系统熵”与磷的富集存在着一定的关系。通过十五个剖面各个旋回系统熵与线储量的计算，将结果进行单变量回归分析，得到主要含矿旋回的回归方程及相关系数如下：可见系统熵与线储量之间存在着密切的正相关关系，由此可根据旋回系统熵值，间接推断磷矿的富集规律。,体积估算法,根据岩相分析与系统熵的分析提出预测方向宜昌磷矿的I1，I2，II旋回中的岩相变化向北东方向分别为E、G或D相。这三种岩相是最有希望赋存磷矿的岩相。系统熵与线储量在宜昌矿区北及北东方向上仍然有继续升高与增长的趋势。特别是旋回中的磷矿层在栗西矿区明显增厚。荆襄矿区旋回中，岩相变化从北向南为DGDG，由放马山矿向南有持续G相或变成D相的趋势。荆襄矿区、两个含矿旋回的线储量与系统熵，在放马山矿并无明显的减少与降低，仍以较高的值向南延续。根据上述分析，推测宜昌磷矿的北及北东部、荆襄磷矿放马山矿的南部为有希望发现新的磷矿远景预测区。,第一节矿产资源定量预测,通过典型剖面对靶区进行资源量估算采用G、E、D含矿岩相的平均厚度，结合实际地质资料，圈定靶区的分布面积，以此来确定该地区具有一定经济意义的有效体积。根据上述对有效体积范围的确定，以及当前对具有工业意义的储量的规定公式资源量=有效体积平均品位体重计算出该地区磷矿总的资源量(包括经济与非经济资源)与具工业意义的经济资源，其结果如表所示。,体积估算法,由此得出结论：宜昌磷矿的北、北东部，即自果园、栗西、丁家河、桃坪河等以北或北东8000米范围内为大有希望发现新的磷矿的远景靶区，总资源潜力约为34亿吨，具工业意义的经济资源可达近10亿吨，这是今后工作的重点地区。荆襄磷矿放马山以南6000米，沿岩层倾向方向4000米范围内为远景靶区，总资源潜力为34亿吨。放马山以南3000米以内具工业意义的经济资源约0.6亿吨。故这个地区值得今后重视。其它地段也有待进一步的工作。,矿床模型法,矿床模型法又称矿床模拟化法：依据某一类矿床或矿床系列特征建立所的模型，应用到预测区；找出与模型区的地质环境最接近或最相似的靶区，并对其资源潜力作出估算。矿床模型法应用前提：“相似的地质条件，产出相似的矿产资源，某些地质条件的变化，将会引起矿产资源量的变化”（相似类比原理）；实质是普查评价工作的系统化、理论化和定量化。矿床模型法属于非总和式资源估算最重要估算方法。,矿床模型法,方法改进和应用地质资料的不统一性和物化探成果的多解性问题：在地质的先验前提下，对物探、化探、重砂、遥感等信息进行综合解译，改进资料搜集和整理的工作方法。成矿单元与评价单元对应关系：地质体是有等级的，矿产资源预测的单元也是有等级的，资源也以此作为类型划分的依据。根据矿产资源潜力的分析，以地质体为单元，划分矿床单元、矿田单元，使单元的划分和矿产资源潜力有明确的对应关系，并应用数学模型检验这种的对应关系的可靠性，使单元的选择有相对客观的标准。,矿床模型法,以地质体为单元进行地质变量的选取与赋值：在单元的对比中，提取统计性地质变量作为矿产资源预测研究的地质变量，根据预测类型（或组合）的矿产资源，选用适当的数学模型定量赋值（赋值标准的客观性）。进行模型转换：根据模型区和预测区的地质研究程度，加强直接信息与间接信息有机关联，进行模型转换，应用间接信息进行预测单元的矿产资源量估算。模型选取：根据矿床类型、单元特征以及不同等级单元的结构特点，选择适当矿产资源估算的数学模型。强调以地质体为单元，把矿产统计预测和矿产资源预测有机结合起来进行，以达到“四定”的要求。,矿床模型法,矿床模拟法实施的步骤如下：数据准备为了建立综合信息找矿模型，首先需要对预测的矿种类型的已知矿床地质、物探、化探、重砂、遥感等资料进行系统收集；按类型建立控矿因素的直接信息和间接信息的关联。通过同类矿床的统计对比分析建立综合信息找矿模型。在综合信息找矿模型建立的基础上，应用不同类型综合信息找矿模型，编制不同类型的综合信息矿产预测图。并按不同类型矿床间接信息的特征预测矿产资源靶区。,矿床模型法,单元划分和模型单元选取以地质体为单元。通过综合信息方法确定地质单元存在的控制条件、分布范围。根据已知资料，可以划分为矿床单元和矿田单元。利用间接信息对未知区进行单元划分。一般说，选择单元主要考虑两点：需要对单元进行类型划分，同一母体、同一级别的单元才能建立模型；同类型、同一等级的单元根据矿产资源量与统计性地质变量的关系，选择代表不同规模（矿床）、矿田的模型单元才能建立矿产资源预测模型。,矿床模型法,预测模型和简化模型研究建立矿产资源预测模型：根据不同等级、不同母体的单元特征建立矿产资源预测模型。根据单元的个数或单元的结构特点选择相应的数学模型。进行模型转换：根据地质工作研究程度的不平衡性，对矿产资源预测模型进行简化或信息转换，使建立的矿产资源模型适用于预测区。变量赋值：变量在模型中的作用有正反两种表现，通过变量权（系数）符号区分；变量作用的大小用权的绝对值衡量。预测模型中保留那些重要的变量，剔除无用变量。,矿床模型法,变量转换（直接信息间接信息转换）：研究变量间的关系，分析确定相关变量，进行变量互换（预测区主要是通过间接信息进行预测）。区分不同勘查阶段的变量：资源评价主要应用普查阶段获得的变量进行预测。用这种变量建立的模型称之为简化模型。简化模型的方案可以不同，但要同原预测模型的预测效果相对比，找出不超过某种允许范围的简化模型，即可认为二者预测结果基本相同。这种选定的简化模型中的变量，即是普查阶段不可缺少的地质调查内容，故可称为普查评价准则。,矿床模型法,根据非总和式矿产资源估算要求，预测模型从目的上可以划分为两类：定位预测和定量预测。前者是确定矿产资源体的空间位置，而后者是确定资源的数量。定位模型和定量模型主要取决于变量的赋值方法。从模型单元和预测单元之间相似程度角度进行预测是属于定位预测范畴。如在特征分析中研究预测单元成矿条件的有利程度；在判别分析中研究它是属于哪一类样品的界限；在概率回归中研究样品属于那一类的概率，这均属于定位预测。如果根据不同等级单元及其所对应的相同等级地质变量，研究地质变量和矿产资源量的统计关系，用上述数学模型则可达到矿产资源定量预测的目的。,矿床模型法,建立矿产资源参数的统计分析模型通常用蒙特卡洛方法建立矿产资源预测统计分布模型。建立模型矿床参数分布模型：对模型区的矿床（或矿田）单元的已知参数如矿石量T、矿床品位C和金属储量M，建立它们的理论分布，用来估算预测区的资源量。首先建立资源参数C和T的概率分布：根据样本的统计直方图峰度、偏度等特征，用形状相似的已知分布来拟合或用函数逼近方法建立起理论分布模型。在模型的各项参数都已建立概率分布的基础上，接下来的工作是使用随机数在这些分布中抽样，形成随机变量的概率分布。,矿床模型法,预测模型的应用：以预测对象的资源量服从相似类比理论。预测区的成矿条件与模型区不同时，不能直接用该模型进行预测。确定类比系数：为了使预测对象适合模型使用条件，需要建立两者的关联，故将预测单元乘上一个表示见矿可能性的有利系数，即类比系数L。模型应用条件修正：在资源预测模型中起到联系矿床模型和预测对象的作用，是对模型应用条件的修正，使矿床模型成为实用预测模型。,矿产资源评价,矿产资源定量预测概念,矿产资源定量预测方法,矿产资源定量预测模型,矿产资源定量预测方法,蒙特卡洛方法逻辑信息法三权法,定量预测常用数学模型,资源定量预测的实质是对研究区内蕴藏的矿产资源的数量等作出定量的估计。资源定量预测有两种形式：一种是“总和式”，另一种是“非总和式”。总和式资源定量预测：对预测区内资源总体的规模作出估计，而不研究单个矿产资源体的资源数量。总和式资源预测的统计模型主要用蒙特卡洛法；非总和式资源预测：统计估算研究区内每一个矿产资源体的可能的资源规模，然后，将它们累加起来得出研究区内矿产资源的总量。非总和式资源预测常用数学模型有：逻辑信息法、三权法。,蒙特卡洛方法,蒙特卡洛方法也称统计试验方法：根据统计抽样理论，对随机变量函数的概率分布进行抽样模拟，建立起概率意义下的资源量分布模型，依据该模型估算某一概率下的资源量。该方法能得到许多复杂随机变量近似的概率分布模型，因此在统计学中具有重要意义。地质事件及其所产生的地质体无论作为地质过程中的产物还是作为地质观测的结果，都具有随机性。资源在特定地质环境中的富集作用也是一种随机事件，因此资源可在一定概率意义下进行估计。,蒙特卡洛方法,资源量具有质量和数量两种特征质量特征用品位表示，表示资源数量特征的参数有资源个数、矿石量和金属量等；这些特征参数都是随机变量；资源量是这些参数的函数。蒙特卡洛方法在资源量估算中的应用，是通过统计抽样模拟资源参数的统计分布，进而求出资源量的概率分布，根据资源量的概率分布对预测区的资源量进行估算。,蒙特卡洛方法,资源量估算过程建立概率模型：根据资源预测对不同矿种的不同要求，建立资源与参数的关系，例如：金属量M与矿石量T和品位C的关系是M=TC建立参数的统计分布：不同参数有不同的分布，可通过样本观察值的统计和模拟求得参数分布。随机抽样，模拟资源量分布。研究预测区和模型区的关系：通过类比建立预测区资源量的概率分布，用资源量概率分布估计预测区的资源量。,建立概率模型,蒙特卡洛方法是一种模拟随机变量分布函数的一种方法。它应用于资源估算中，主要用于资源量概率分布模型的建立。不同的概率分布模型具有不同的地质意义，资源量预测的一般模型是：M为统计单元资源量，它是随机变量。令Cj(j=1,2,m)为资源特征参数，例如品位C、矿石量T等，它们也是随机变量。资源量M是这些参数的函数，表示为M=f(C1,C2,Cm)不同的函数将形成不同的资源量分布模型。,蒙特卡洛方法,随机变量分类：资源量预测中常用的概率分布模型：随机变量乘积模型；随机变量和的模型；随机变量混合模型。随机变量乘积模型：由于不同模型中具有不同的随机变量（参数），而且有不同的关系，不同模型反映了不同地质内容。譬如为了研究某类矿床、矿田等单元资源量分布，可以通常矿石量、品位等参数求得:M=TC资源量为T和C两随机变量的乘积，属于第一种模型。,蒙特卡洛方法,随机变量和的模型：如果研究两个不同研究区的资源量预测问题，由于两个区的资源参数具有不同的分布，为求得两个区的资源总量或矿石总量或矿床个数总量，则可采取随机变量和的模型：M=M1+M2N=N1+N2T=T1+T2其中，M1、N1、T1分别表示其中第一个区的资源量、矿床数、矿石量参数，M2、N2、T2表示第二个区的相应参数。,蒙特卡洛方法,混合模型：此例中研究两个区的资源量还可表示为M=T1C1+T2C2以上模型中既有随机变量的乘积，又有随机变量的和，是一种混合模型。它由两个乘积模型与一个和模型组成。一个复杂的模型一定是由一系列简单模型组成的，因此，可按分解后的简单模型研究各种参数之间的关系。,蒙特卡洛方法,按资源参数的维数分类一维预测模型：只含一个资源参数的预测模型称为一维预测模型。有时由于某种矿产资源品位变化，使原来矿石量发生相应的变化，为求新的矿石量T的分布可采用一维模型；T1*=f(T)。譬如T*=aT或T*=aTcf-根据品位变化对矿石量影响所确定的函数关系。再比如进行大区域资源量预测，由于资料水平和精度要求，可采取如下模型预测资源总量：M*=NMM-预测区资源量，N-总的资源数目，一个常数。,蒙特卡洛方法,二维预测模型：含二个资源参数的模型称为二维模型。由二个独立随机变量做参数的模型。资源量特征中最基本的特征是矿石量和品位，为了研究资源量分布规律，对与模型类似的地区预测资源量，可采用如下的模型：M=TCT为矿石量，C为品位，M为资源量。,蒙特卡洛方法,三维预测模型：含三个资源参数的模型称为三维模型。如进行外推预测时，预测区单元成矿具有一定概率性，因此整个统计单元资源母体中，反映成矿可能性的量L为随机变量。母体的资源量将与矿石量T，品位C及成矿概率L有关，它们之间满足如下的关系：M=TCL在资源量预测中，特别是以地质体为单元的资源总量预测，通常估算预测区的资源量时均采用这种模型。一般矿床级预测以矿床单元为统计样品、矿田级预测以矿田单元为统计样品。,蒙特卡洛方法,四维预测模型：四维预测模型是指含有四个独立的参数。比如有资源个数N、矿石量T、品位C及成矿概率L。M=NTCL这种模型对于网格化单元的资源预测是常用的。由于网格单元与矿床没有确定的对应关系，而单元中矿床数N是随机变量，因此，作为网格单元的资源量应与矿床数呈正相关。如要采用地质体为单元，一般不采用该模型。以上是对模型的一种分类。构造模型的方法很多，根据问题的性质、任务的要求以及资料水平的不同，可构造出不同的模型。比如矿床预测模型、矿田预测模型、矿床密集区预测模型等等。,蒙特卡洛方法,一般模型维数越高，随机性越强，除以上四种不同的维数以外，还可有更高维的模型。模型的选择要根据具体情况而定。单一母体资源总量预测在资源定量预测中，有时需对具体成矿区的资源总量进行预测，比如一个矿田或矿区的资源量预测。可以根据矿田或矿区内所有已知矿床、矿点、矿化点矿石品位和矿石量的观测值，作它们的频率直方图，进而模拟出资源量概率分布曲线，它就是该区的资源量分布模型。同母体多区域资源总量预测同母体多区域资源总量预测是最常见的。所谓同母体多区域资源总量预测，是指用一个资源量分布模型，预测多个成矿地质环境完全相同的地区的资源量。设有m个预测区，那么m个区的资源总量为M*=mM其中，M为原模型资源量。,蒙特卡洛方法,不同母体资源总量预测同种矿产资源有不同的矿床类型，有时不同类型矿床资源量具有不同的资源量分布模型。对这种矿床资源总量的预测应采用不同母体的资源总量预测方法。比如进行大区域资源量预测（如全国范围），由于各地区的成矿地质环境不同，导致相同矿种的矿产资源量在不同地区具有不同的分布模型。在这种情况下，人们常采用不同的模型模拟不同地区的资源量分布。这种用不同模型来分别模拟不同地区的资源量分布，最后将其累加起来估算大区域资源量的预测方法，就是一种多母体的资源量预测。这种预测可采用如下的预测模型：M*=m1M1+mtMt其中，M*为总资源量，Mi表示第i个母体的资源量，mi为第i个母体中未知成矿区数目。,蒙特卡洛方法,资源参数分布的模拟资源预测中资源参数可以在模型单元中取得观测值，它们一般为连续型随机变量。根据参数的观测值模拟参数分布有两种方法：用一定的理论分布函数进行拟合；根据频率直方图构造适当的分布函数。用理论分布拟合资源参数的分布根据参数的实际观测值，进行适当的分组，作出频率直方图。根据直方图的峰度，偏度等特征，选用特定的理论分布来代替参数分布。选择拟合程度较好的理论分布作为参数的分布。常用的理论分布模型有正态分布、负二项分布或普阿松分布等。理论分布的选配必须进行显著性检验，只有在理论分布与实测结果没有显著差异时才能使用。用理论分布曲线进行拟合，无疑会给问题带来方便，特别是比较容易计算概率分布的数字特征。但是选择到合适的理论曲线也并非易事。而且还会受直方图分组等人为因素影响，造成拟合结果的不同。,蒙特卡洛方法,构造函数模拟资源参数的分布用数学方法构造概率分布函数F(x)，根据系数的频率直方图，寻找适当函数F(x)，使其满足密度函数的条件，用它来拟合样本频率直方图。这种方法无须事先考虑参数的分布形式，而且方法统一、计算简单。构造F(x)来拟合直方图的算法有多种。比如采用样条函数即为一种方法，以下介绍该方法。设样本的频率直方图共有N个柱，各柱高度为yj，宽度为h，组中值为xj。二次样条函数的计算公式为：,蒙特卡洛方法,其中，为基本样条函数，其计算公式为可以证明样条函数F(x)满足密度函数条件。而且能对参数频率直方图进行拟合，因此，F(x)可用来构造分布函数。,蒙特卡洛方法,资源量分布的抽样模拟随机数蒙特卡洛方法进行分布函数的模拟要使用随机数来构造抽样序列。随机数的产生是在计算机上应用适当的数学方法计算出来的。由于受计算机字节长度限制而且有一定的周期，因而不是真正的随机数，这样产生的随机数被称为“伪随机数”。如果随机数满足：分布均匀性、随机性和独立性；有足够长的周期。能够满足实际问题的需要。这时伪随机数可以和真正的随机数一样使用。,蒙特卡洛方法,常用产生随机数(伪随机数)方法是乘同余法，该方法的计算公式为xn+1=xn(Modm)这是一个递推式。给定x0以后，就可以算出x1，x2，如已计算了xn，那么，将xn乘以常数，用m来除，取其余数即为xn+1。将所产生的随机数变换到(0,1)上去，即形成在(0,1)上均匀分布的随机序列。其中，m、x0是选择的常数，它们的选择对产生伪随机数的性质是有一定影响的。对所产生的随机数的性质必须进行统计检验，以便确定其是否满足要求。,蒙特卡洛方法,抽样模拟所谓抽样，就是在某个随机变量分布已知的情况下，通过取随机数，实现在该变量中一次次取值的过程。例如，现在准备在品位C的分布下抽样，为此将C的取值分成n个互不相交的小区间，则品位C落在各个小区间上为事件C1，C2，Cn，而相应的概率为p1，p2，pn。若令pk=和p0=0，那么概率pk表示了前k个概率之和，显然有pkpk-1=pk和。现取(0,1)上均匀分布的随机数r，若r落在（pk-1，pk）上，就说事件Ck发生（即取得了一个品位为C=Ck的样品），其概率为pk，这样就使一个随机数r与C的一个取值Ck对应起来，从而完成了一次抽样。,蒙特卡洛方法,不同的抽样方式，产生不同的随机抽样结果，下面以三维模型说明抽样过程。以三维预测模型M=TCL为例，式中参数T、C、L的分布已经在前面做出，那么对每个预测样品金属储量估计值可由下述抽样过程模拟出来。先取一个(0,1)上均匀分布的随机数r1，在T的分布中抽得一个矿石量T1；然后再取随机数r2，在C中抽得一个品位C1；第三次取r3，在L中抽得L1，将这三个值相乘，便得到一个预测样品金属量的随机值M1=T1C1L1，于是完成了一轮抽样。依次做下去，如进行了1000抽样，便有1000个金属量M1，M2，M1000，把这1000个数分组求频率，进行统计整理便得到资源量的概率分布。,蒙特卡洛方法,资源量的估计通过抽样模拟出了资源量的分布密度p(M)。相应可求出分布函数F(M)，为了便于解释，可采用，它是单调递减函数。根据这条曲线，就可以估计到任何概率意义下的资源量。例如，若以图中横轴代表金属量，单位为吨，纵轴代表F(M)。则查得纵轴上0.75对应的M*，读作：资源量大量M*吨的可能性不超过75。或者称75概率下最大资源量为M*吨。分布曲线直观地反映了资源的概率分布规律。不同概率模型，它所代表的意义也不相同，它可以是一个矿区、矿田、矿带的资源量分布模型，也可是一个特定研究区的资源量分布模型。,蒙特卡洛方法,资源量预测研究实例用特征分析方法对石油资源预测。这项工作是由赵旭东等人完成的，具体步骤如下：选定模型区选定15个已探明构造储油油田，模型区数据见表9.5。对模型区的原始数据用门坎值处理变成二态变量。xiki则取值为1(+)，xiki则取值为0（-）。xi第i个变量的取值。ki第i个变量的门坎值。用特征分析方法计算每个地质变量的权系数。模型区用0-1赋值后的矩阵为X，匹配数矩阵为XX=P（表9.6）。,蒙特卡洛方法,蒙特卡洛方法,求匹配数矩阵的特征值及特征向量，结果列于表9.7中。,蒙特卡洛方法,表9.7匹配系数矩阵特征值与特征向量将最大特征值所对应的特征向量各分量作为各变量的权系数。这个权系数大体相当于各个地质因素在形成油气田过程中所起的作用大小。,蒙特卡洛方法,计算评价区的类比系数（关联系数）评价区原始数据矩阵(表9.8)B和向量c的乘积即为评价区21个构造的以模型区为标准的类比系数。结果列于表9.9。,蒙特卡洛方法,蒙特卡洛方法,用频率直方图法求出21个类比系数的分布函数，在求分布函数以前需要将类比系数进行正规化处理，将类比系数正规化到0,1区间，求得分布函数曲线，见图9.7。,蒙特卡洛方法,用统计方法求模型区15个油田储量的分布函数曲线模型区油田储量分布曲线见图9.8所示。评价区的石油储量的估计值是由模型油田的储量出发，用类比系数作为桥梁来求得的。在评价区的类比系数分布函数及模型区的油田储量分布函数之间进行乘积运算，在此采用蒙特卡洛法计算。具体作法是，以计算机产生的、经检验合乎要求的均匀分布的随机数，作为模型区储量分布函数的入口值，用线性插值算法得到评价区的一个类比系数出口值。两个出口值相乘得到的数值相当于评价区一个构造的储量。为了得到评价区的一个类比抽样值，所以采用组合抽样方法，即以评价区的构造整个抽样次数累加，这样累加后得到的数值相当于评价区的总储量的一个随机值。,蒙特卡洛方法,重复进行这种组合抽样，则可以得到一批评价区总量的随机估计值。最后用统计方法就可以得到评价区估计储量的分布函数曲线，从而得到评价区各种概率意义下的石油储量的估计值。见图9.9。从图9.9可以看出评价区至少可以得到4亿吨石油储量。最多可能不超过8亿吨。50概率下的石油储量是6.3097亿吨。图9.9评价区的累计储量分布函数曲线,逻辑信息法,逻辑信息法是是由前苏联学者提出的一种处理定性数据的方法。该方法从变量赋值、计算到成果解释，有一套完整的系统，它用于矿产资源预测可以起到既有定位又有定量的作用。基本思想是：通过选择各种规模的已知矿床作模型，据此研究地质变量对矿床规模的区分意义，并给出度量以形成找矿标准，用对象权表现各级矿床规模特征。预测时，用预测单元的变量取值，算得它的对象权，在根据对象权的大小估计资源量的可能取值。,逻辑信息法,方法实施的基本步骤选择地质变量建立标志总体：列出与研究对象有关的各种地质因素。建立地质对象的原始数据：根据各个地质对象的各个标志的状态，赋予各个标志以二态变量值。即在某地质对象中该标志出现时，赋予数值1；而在某地质对象