成矿规律与预测1

成矿规律与成矿预测

（MetallogeneticRegularitiesandPrediction）2005年2月课程意义通过对成矿规律研究和成矿预测工作可以在某种程度上减少勘查的风险，提高整个勘查工作的成功率。成矿规律研究更侧重于地质理论的指导，而成矿预测则更多地强调地质理论在勘查实践中的应用。矿产勘查历史发展的三个阶段从世界各国的找矿与矿产勘查，大致都经历了下述三个阶段：（1)直接找矿阶段找矿产勘查初始阶段，以直观勘查地表矿石为主，只要对矿石有一定的识别能力，均可以找矿。

(2）综合找矿阶段指地质、地球物理、地球化学及探矿工程等方法彼此配合，可以发现勘查近地表的矿床或部分隐伏矿床。

(3)理论找矿阶段指利用地质规律和成矿理论作指导，发现并勘查地表无露头的隐伏和半隐伏矿床或难于识别的矿床。

DramaticevidenceofthesignificanceofstrictlygeologicalprospectinginmineraldiscoveryisshownbyCanadianexplorationresults．Inthedecade1946to1953，77mineswerebroughtintoproduction：53(69percent)werefoundbyconventionalprospecting17(22percent)werefoundbygeologicalmethods7(9percent)werefoundbygeophysicalprospectingInthedecade1955to1965，

175mineswerebroughtintoproduction：87(50percent)werefoundbyconventionalprospecting49(28percent)werefoundbygeologicalmethods28（16percent)werefoundbygeophysicalmethods11(6percent)werefoundbyothermethodsGeochemicalprospectingwasasupportingmethodduringthisdecade．

<EconomicMineralDeposits>MeadL.JensenandAlanM.Bateman成矿规律和成矿预测的研究

对矿产勘查具有重要指导意义

成矿规律的研究和成矿预测的实践，在指导矿产勘查中具有极其重要的指导意义。20世纪70年代后期南澳大利亚的奥林匹克坝(OlympicDam)超大型Cu-U一Au矿床的发现。该国西部矿业公司在1975年地表无任何矿化线索的罗克斯比草原，在深埋350m以下发现了世界最大的奥林匹克坝Cu-U-Au超大型矿床，它至少拥有Cu金属量3200万t,U308120万t和Au1200t。勘查者们查明了含铜流体来源，同时发现该区重、磁异常和已发现的一个小铜矿、决定了勘查远景区，并确定了基底断裂的存在和位置，根据这些资料进行首批钻孔的验证发现了38m厚的含Cu1.05％的矿体。但在继续钻进中九个钻孔有六个不见矿，最终第十个钻孔中发现170m厚含Cu2.12％的矿体。他们利用成矿规律，对在元古宙中找铜矿抱有坚定的信心，经过预测验证最终发现了世界最著名的超大型矿床。前苏联学者经过20年不懈的努力，在东西伯利亚聂伯盆地找寻世界最大的钾盐矿床。前苏联雅库特金刚石、日本黑矿、美国田纳西洲的铅锌矿、加拿大的赫姆洛金矿，都可以作为通过成矿规律和成矿预测研究而找到矿床的成功实例。我国20世纪60年代东部油气勘查的突破，是李四光等应用地质力学理论，分析了东亚大陆的构造体系和我国东北和华北构造特征；在经向、纬向与新华夏系构造带间的沉降带，具有油气生、聚、储地质条件，从而做出了当时油气勘查东移的战略决策。成矿规律和成矿预测的分类及方法基本原理成矿规律和成矿预测，依其工作范围的大小而分为全球成矿规律和区域成矿规律、矿区成矿规律。还有按矿种而划分的专门矿种的成矿规律。目前以区域成矿规律研究最为活跃。成矿预测种类亦可分为全球、区域、矿区局部和专门矿种的预测等。主要立足于成矿条件和找矿潜力的定性预测，一般工作范围较大，服务于勘查的战略战役决策，重点解决工作选区，它侧重于从基础地质特征出发，结合现有成矿理论而进行预测选区，其工作范围跨度很大；另一种则是工作范围较小的矿区局部预测，它主攻的目标是工业矿床分布地段，最终能实现对工业矿体的圈定，一般工作范围较小，研究程度较高，与具体的勘查工作紧密联系，服务于勘查的战术突破。二者的目的要求和工作基础类别不同。前者侧重于矿带和远景区的圈定，主要对有无潜在矿床的预测；后者侧重矿床在空间和几何形态的预测。因此，要求在研究程度较高地区方可实现，为工程验证提供依据。成矿规律的研究方法基本上沿用了所有地质研究方法。成矿预测方法的基本原则是建立在相似、相关、惯性原理基础上，而普遍采用相似类比法和内插外推等方法。成矿预测的基本理论仍来源于成矿基础地质理论，其工作基本过程是将地质、物化探和遥感多种信息，经过预测人员的分析研究，从中提取成矿信息，在现代成矿地质理论指导下，将前述各种信息转化为潜在矿床的概念，建立潜在矿床（体）与成矿地质条件之间关系的预测模型，并用于未知区的预测。赵鹏大院士等率先提出成矿预测的基本理论，概括为相似类比理论，地质条伴组合控矿理论和地质异常致矿理论。相似类比理论在一定地质条件下产出一定类型的矿床，通过已知矿床建立成矿模型；从定性类比到定量类比，引人一些定量的类比指标，如成矿有力度、因子分析、相关分析、类比参数的关联度等。应用类比方法进行预测时，往往忽略了新矿类型的预测，因此，赵鹏大院士提出了“求异”原则的重要性，同时创造性的提出地质异常致矿理论。地质条件组合控矿理论，矿床形成受多种因素的控制；有些是主导因素，有些是有利因素，有些是不利因素。多种因素的匹配和藕合决定了矿床的形成和优劣。矿产资源预测研究现状成矿预测的基本目的是能够预测未来发现矿床的位置，并大体知道这些矿床的类型、规模和品位。矿（床）产预测可以分为定性预测和定量预测两个方面。定性预测分为基于成矿环境的预测和基于现有矿床模式的预测两类。定量预测是应用现代数学方法和计算机技术相结合的产物，是定性预测的深化和具体化。矿产资源定性预测基于成矿环境的预测 该方法的指导思想为在一定的成矿环境中寻找特定类型的矿床。把矿床形成环境与构造环境联系起来，其主要目的是要了解各种构造环境中形成的岩石的含矿潜力，在构造环境内圈定对成矿有利的部位。20世纪60年代后期发展起来了板块构造概念，板块构造作为成矿规律和成矿预测领域中的理论思想也就随之应运而生。这方面的成果主要反映在米契尔著的《矿床与全球构造》和查·赫奇森的《矿床及其构造背景》等专著中。矿产资源定性预测基于矿床模型及“地质异常”理论的预测矿床模型始于50年代，当时西方国家一些勘查公司或采矿公司需要定义不同类型的勘查目标以及制定适用于每类目标的勘查战略。描述性模型强调矿床基本属性在成矿预测中的作用，随着对模型的属性被理解成具有成因意义，描述性模型就演化为成因模型，从而使得模型更为灵活和有效。描述性模型包括两部分的内容：第一部分是“地质环境”，即描述矿床的形成环境；第二部分是矿床的鉴别特征。在这方面具有代表性的专著有D.P.Cox

和D.A.Singer（1986）著的《矿床模式》。Ｂliss编著的《DevelopmentsiｎMineralsDepositsModeling》,

Kirham等主编的《MineralDepositＭmodeling》和由Eckstrand（1995）编写的《CanadianMineralDepositTypes》。均是对矿床模式方面专著的补充或续篇。上述四本专著反映了西方国家当前有关矿床模型方面的最高水平。描述性模型在成矿预测研究中的作用在于帮助地质人员把注意力集中在成矿远景区内关键性地质特征上；使地质人员明白是在探寻矿床的哪个部位；有助于研究整个成矿环境并区分成矿环境和非成矿环境；制定合理的勘查战略和最佳勘查技术方法组合。品位—吨位模型则可以说明矿床类型与矿床品位和吨位之间的关系，从而有助于确定目标矿床。上述方法对已知类型矿床的发现和预测起到了指导性的作用，但在发现和预测新的矿床类型方面还不完善。为此，赵鹏大和翟裕生分别提出了基于地质异常的求异理论和加强对成矿系统分析研究的新认识。成矿系统的以下五个方面的研究将有助于发现新的矿床类型对一个地区内成矿系统中各类矿床间的关系的认识，将有助于我们从已知矿床类型发现和认识未知矿床类型；对成矿系统的空间结构，特别是垂向分带的认识，见有助于发现相关的矿床；查清成矿系统的时间结构，将会从已知矿床类型中找到缺失的矿床类型；查清一个成矿系统中限制矿床多样性的因素，将有助于发现潜在的新型矿床；对新的矿化环境和新的矿化过程的研究，将有助于发现新类型的矿床。矿产资源定量预测矿产资源定量预测是将计算机和数学知识运用到地质问题上，使得矿产资源预测更为高效、客观、准确。是地质学和数学、信息技术、计算机技术相结合的产物。代表了资源预测的发展方向。也有人称矿床定量预测为矿床统计预测，它是数学地质的一个重要组成部分。在成果形式上要体现四定：即定量圈定成矿远景区、定量估算远景区内的找矿潜力、定量确定远景区内的成矿风险、定量确定远景区内的质量。定量预测的研究现状定量预测的发展过程就是数学模型或预测方法不断丰富的过程。70年代及以前，主要盛行基于概率统计和多元统计的方法，引入地质的主要是较传统的数理统计，主要用于物化探数据处理；80年代初期，人们认识到地质数据中包含大量的定性数据，使得数量化理论得到发展；80年代中后期，模糊集方法流行，反映了人们对地质现象、过程模糊性的认识；90年代以来，灰色理论、人工神经网络、分形理论等方法流行，反映了人们对地质现象、过程的非线性认识。定量预测取得主要进展矿床（产）定量预测理论的日益完善王世称教授创立了综合信息矿产资源预测方法；赵鹏大院士较系统的总结了矿床统计预测的基本理论、准则和方法。提出矿床统计预测的基本理论是相似—类比理论、求异理论和定量组合控矿理论。求异理论是对物化探异常概念的引伸，它强调地质异常。但在已往的矿床地质异常研究中，没有详细具体地按矿化阶段和不同空间来划分异常类型，而是把这些不同阶段、不同作用生成的异常作为一个“混合体”来笼统处理，这就难以缩小找矿靶区，影响预测效果。为解决此问题，翟裕生等人提出在成矿系统的两类产物中（一类是矿床系列，一类是地质异常系列）地质异常系列包含地质、地球化学和地球物理各类异常，这些异常产生在成矿系统的各个阶段和各个部位，具有一定的时空结构。因此，用成矿系统的观点分析各种异常的来龙去脉，精细地区分不同异常类型及其成矿意义，从而有可能提高异常评价的成效。研究方法层出不穷，并不断改进法国学者Allais(1957)开创了定量成矿预测的先河，他在对美国西部含矿盆地进行成矿预测时，把预测区划分成许多面积相等的单元，提出每个单元中的矿床数目服从泊松分布。60年代至80年代中期，随着计算机技术的逐步发展，采用概率论和数理统计方法进行成矿预测取得了突破性的进展(Agterberg,1971,1972,1974)。由于不同的数学方法在解决某类具体问题上有它的优势，通过不同方法的相会交叉而产生新方法，如模糊因子分析、对应分析（因子分析与聚类分析相结合），起到了取长补短的作用。近几年来，由于人们对地质现象、过程的非线性认识，使人工神经网络、分形理论、混沌动力学等方法流行。如矿床的空间分布特征证实了分形理论的正确性（Mandelbrot,1983;Li,Xu,andJiang,1994;Agterberg,ChengandWright,1993）。在地球化学勘探中，发现元素的空间分布也适合于分形和多维分形理论（Cheng,Agterberg,andBallantyne,1994）。运用多种找矿信息进行预测应用多种信息（如地质、物探、化探、遥感等）进行找矿预测，是目前找矿工作发展的一个重要趋势。但各种资料如何达到有机的综合却是目前急需解决的问题。姚书振等（2002）近年来在秦岭—大别造山带、松潘—甘孜造山带成矿规律与成矿预测研究中，总结出以成矿系统、地质异常理论为指导，以成矿规律研究为基础，以“3S”技术为支撑，以多元信息处理为手段，以矿床系列为对象，开展区域矿产资源预测与潜力评价的思路。近几年来在矿床定量预测的实践中，已注意到这个问题，并逐步去解决它。三维空间成矿预测工作的展开三维空间的预测，也称立体预测。随着找矿工作的发展，需要从中小比例尺的面上预测进入大比例尺的深部预测。这方面的工作我国开展较晚。但它是近几年来找矿工作的主要研究方向之一。如香花岭锡矿的预测，用统计分析和空间定位等方法建立矿床值与控矿因素间定量联系的三维数学模型。基于GIS的成矿预测方法广泛应用地理信息系统（GIS），克服了传统信息技术无法反映数据空间属性的缺点，通过一系列空间操作和分析方法使研究数据可视化、思维可视化。可使地质、物化探、遥感等地学多源信息进行计算机分层管理和空间信息快速查询和检索，以及按不同目的对多源信息进行叠置构成所需的综合图件。GIS作为研究地学信息的工具，为进行矿产资源预测工作带来了许多的方便性和实用性。自从BonhamCarter(1987)利用GIS对加拿大新斯科舍省的Meguma地区进行金矿成矿预测的研究后，GIS在矿产勘查中的应用不断扩大，目前已普遍利用GIS技术进行综合勘查数据。我国GIS矿产资源评价工作是最近几年才开始兴起，地调局于1995年立项，由李裕伟主持了川西扬子地台西缘部分地区应用GIS技术的试验研究工作，总结了应用GIS技术开展中比例尺区域矿产资源评价的经验。地调局又于1996年在全国8个省地勘局进行了推广。GIS技术及其应用作为通用技术被列入国土资源、冶金、煤炭、石油天然气等十个部门近百名专家共同编制的20世纪90年代发展地质勘查工作的关键技术；颁布的《矿产勘查跨世纪工程》和《第二轮填图计划》中都明确规定要利用GIS作为重要技术手段支持新一轮矿产资源评价和填图。目前GIS用于矿产预测主要有两类方法。一是利用GIS的基本空间分析功能研究地质矿产实体的空间关系，对未知地段找矿远景作直观评价，如通过控矿因素的叠置分析可以圈出找矿有利地段；二是与数学模型相结合进行预测，即将各种预测方法移植到GIS中。结合后的预测方式可概括为：利用GIS空间数据库提取输入信息→利用预测方法分析信息→利用GIS图形功能显示结果。显然在矿产预测中只使用GIS的基本空间分析功能是不够的,因为这些功能一般较少涉及各种地质变量之间及它们与矿产之间的数量或统计关系，而这些关系是成矿规律的体现,是预测的主要依据。预测模型(方法)正是这些关系的载体，因此，GIS与统计预测方法相结合是必要的。基于GIS平台进行成矿预测系统软件的二次开发近年来也有了较大发展。原地矿部科技司也组织GIS应用系统的二次开发工作，肖克炎等人开发了“基于GIS平台上固体矿产资源评价辅助决策系统—MRAS”。需特别说明的是，2000年由中国地质大学（武汉）姚书振教授、胡光道教授等组织开发的“金属矿产资源评价分析系统”软件（MORPAS－MineralOreResourcesPerspectiveAndAssessmentSystem）已在全国地矿行业得到广泛应用。

MORPAS是以MAPGIS为基础平台开发出的适用于资源评价分析应用软件，它将GIS的应用分为两个层次，一是事务处理层，为基础数据库管理子系统，包括空间数据库、属性数据库和图符库等GIS的基本数据库以及地学基础数据库。二是应用分析层，是在GIS空间分析的基础上，增加了适用于矿产资源预测评价的专用型空间分析模型和处理方法，并采用了数据仓库、联机分析和数据挖掘的最新数据集成技术构件的子系统。系统的基础数据库结构按已颁发的国家、行业及有关的规范标准设计。MORPAS软件的设计思路是从地学基础数据库出发，通过数据转换、综合、集成，生成用户级局部数据仓库和多级数据模型，然后运用联机分析方法和数据挖掘技术，提取与矿化有关的隐蔽信息，寻找数据潜在的关联，发现被忽略的矿化要素，最终达到识别、圈定和评价矿化异常的目的。该系统的优点是可将各种空间分析模型及方法集成，提高系统分析、预测和评价的能力，避免过去系统设计中数据库、方法库和模型库相互脱节的问题。其运行特点是人机交互，数据管理容易，综合分析能力强，从数据集成到成果解释从图可实现一体化。基于GIS的矿产资源评价流程1.搜集资料：搜集研究区内与成矿有关的地、物、化、遥感等资料。2.确定矿床类型：将研究区内的地质环境与全球范围内已知的某种矿床类型有关的或与研究区内已知的矿床矿点的地质环境对比；3.建立找矿模型：建立这些矿床的描述性模型。列出所有的地、物、化、遥感等找矿标志；4.模型的定量化与转换：5.建立空间数据库：用收集的信息建立数据库(空间数据库与属性数据库)，并用GIS实现集成管理与灵活检索。建库时要解决现存数据的集成问题：比例尺、定位与投影方式、数据精度与格式等；6.成矿信息的提取：根据量化后的模型，首先通过对专题数据的处理，得出参与综合分析的单个条件的空间信息；7.根据所选的空间分析方法，应用GIS进行综合分析得出最终结果确定找矿有利地区或靶区；8.预测资源量或储量：根据确定的特征信息与成矿模型、预测模型计算资源量；MORPAS程序设计基本原理对研究区进行单元划分，形成一个网格面文件。单元面文件有一特定的字段“单元号”，并自动赋与每个单元一个唯一的序号（编号的次序自下而上，从左到右分别为1、2、……n，n为单元总数），该文件用来以属性结构的形式记录后期各种变量提取与地质异常分析结果。用于预测的点（线、面）地质图层与单元面文件作几何空间叠加分析（自动将两个文件的属性表连接起来，并存在单元面文件中）。统计上述单元面文件的属性表，提取单元内的各种统计参数为新的地质变量。由于单元面文件有“单元号”字段（即位置）和分析结果值，可利用GIS功能（DTM）直接成图。单元划分

单元是预测的基本的单位，预测工作是以单元为样品进行观测、取值，并通过对每一单元的预测来完成整个地区的预测。单元的划分有两种方法：一是网格单元，二是地质体单元。由于其计算机实现地质体单元复杂，目前定量预测中单元的划分仍是较多应用网格单元法。网格单元划分时其单元形态大多数采用正方形。我们在划分单元时主要涉及确定单元大小问题。单元大小的划分将直接影响资源预测效果。预测单元划分太小，造成同一地质体分布于多个单元，人为割裂地质现象，而且明显地扩大了无矿单元和单一控矿单元的数目，增加了预测工作量，不利于地质模型的建立；而网格单元划分太大，则歪曲了有矿单元的分布形态，使误判有矿的面积增大，不利于找矿工作的进行，使得预测靶区信度降低，因此如何确定网格单元大小必须结合实际资料水平和采用的评价模型。1基本单元网格法

在同比例尺精度条件下、模型区和预测区的单元大小根据相应的地质（矿产）图比例尺而确定。通常直接按1cm×1cm的网格进行划分，不同比例尺下1cm2的预测单元划分。

2

满足于（9／（9＋n））×S／100的单元面积

通过研究预测区出露的矿（化）点数及其空间分布特征来合理确定预测区面积。在用理论分布模型拟合时，应该使有矿单元的分布形态尽可能的与实际矿化的分布型态相吻合才是最佳单元划分方案。这样，预测单元的大小能保证在矿床点的分布为随机时，用二项分布模型Pn(x)的均方差δ（x）和数学期望E（x）的比值关系，将以落入单元内的期望矿点数等于或小于实际落入单元矿点数标准差的3倍为准则。

式中：E(x)＝n×s为落入到单元内矿点数的数学期望；δ(x)=(1—s)为实际落入到单元内矿点数的标准差；n为预测区矿点总数；s为单元面积比（s＝9／（9＋n））；S为预测区总面积（km2）。则合理的预测区单元面积应满足于：（9／（9＋n））×S／100（km2）。例如：1:20万两个图幅15000km2的预测总面积，预测区矿点总数为148个，预测单元面积应为（9／（9＋148））×15000/100(km2)，约等于8～9km2。

地质变量的变换

根据地质概念模型或地质认识选择地质变量，并进行定量，构成原始数据矩阵，定量后的地质变量数据一般均要进行数据预处理，一是为了突出赋予变量的地质意义。例如，用航磁异常作变量，就需要经不同方向不同标高的延拓等处理，并对处理结果进行地质解释后，挑选与成矿有关的异常作为变量；二是数学模型本身的要求，不同的数学模型对地质变量要求不同。如判别分析要求变量呈正态分布；回归分析要求因变量呈正态分布，因变量和自变量之间有线性关系；聚类分析要求各变量的量纲一致，变量之间相互独立等。原始数据的变换主要可分为四类：正态变换；统一量纲变换；统一数据类型变换；线性变换。但不管进行何种变换，都必须遵循找矿信息损失最少及不破坏原始数据与母体之间的相互关系为原则。空间分析说明点、线、面文件需有属性内容，如点文件有矿床类型、规模、产状等字段；面文件有地层（或岩体）的形成时代、岩性等内容。进行矿产资源预测用到基于GIS的空间分析功能时的点、线、面文件与计算机成图时的点、线、面文件有差别，是基于计算机制图时的点、线、面文件提取部分。如点文件为矿点文件（不包括地名符号等）；线文件一般为断层（不包括图框、经纬度线等）证据权重法原理证据权重法是加拿大数学地质学家Agterberg提出的基于二值图像的一种地学统计方法，是一种在假设条件独立的前提下综合证据因子的定量预测方法。该模型并不要求对区域控矿因素的重要性有先验的知识，它用统计学方法研究各地质因素与矿产分布关系。其出发点是统计学，即统计出研究区里既有某地质标志，又有矿产地的面积；某标志与矿产同时出现的概率越大，其找矿意义无疑越重要，其权重值也就越大；将统计单元各独立找矿信息因子进行加权综合，便可得到不同级别的远景区。证据权重法实现方法对各证据因子进行处理，由于证据权重法最初是基于二值栅格图象的，因此对于栅格图象，首先进行二值化处理，即把所有的专题关系转化为二值图象；如果采用的是矢量专题信息，则可以基于网格模型，首先提取已知矿点图层进行网格划分，建立含矿网格图层。将各证据因子的专题图层与含矿（网格）图层叠加，进行前验概率及权重(Ｗ+、Ｗ-)计算。前验概率计算前验概率计算，即根据已知矿点分布，计算各证据因子单位区域内的成矿概率。假设每个矿点所占的单元格面积为ｕ,研究区的面积（以单元格为单位）为Ａ（Ｔ）/ｕ=Ｎ（Ｔ），其中Ｔ表示研究区,Ａ（Ｔ）表示面积，Ｎ（Ｔ）表示单元格数目。研究区内的矿点数为Ｎ（Ｄ），则随机选取一个单元格中矿点的概率为Ｐ（Ｄ）＝Ｎ（Ｄ）/Ｎ（Ｔ），也被称为前验概率。几率为：Ｏ（Ｄ）＝Ｐ（Ｄ）／（1-Ｐ（Ｄ））。权重计算对任一个证据因子二值专题权重定义为：Ｗ+=lnＰ(Ｂ/Ｄ)Ｐ(Ｂ/Ｄ)Ｗ-=lnＰ(Ｂ/Ｄ)Ｐ(Ｂ/Ｄ)式中Ｗ+，Ｗ-分别为证据因子存在区和不存在区的权重值，对于原始数据缺失区，权重值为0。进行证据因子的相对矿点条件独立性检验，并根据前验概率及权重(Ｗ+、Ｗ-)值，筛选出最合理的证据因子专题图层，进行后验概率计算。后验概率计算：证据权重法要求各证据因子之间相对于矿点分布满足条件独立。对ｎ个证据因子，若它们都关于矿点条件独立，几率对数为：

当证据因子存在时当证据因子不存在时

当数据缺失时后验概率为：Ｐ(Ｄ/Ｂ)＝Ｏ/(1+Ｏ)。根据研究区内每个网格单元后验概率的大小，生成综合成矿远景图。证据权模型方法缺陷1、证据权模型所依据的数学基础是贝叶斯条件概率，而概率规律应用的一个重要条件就是基于对大量事实的统计，所以，研究区的研究程度对该方法的应用效果具有一定的制约作用。2、证据权模型在统计研究区的成矿先验概率时，只考虑了单元内是否存在矿床(点)，而没有考虑单元内所发育矿床（点）的规模，从而削弱了大规模矿床在建立模型中作用。3、法将缺乏数据与不利条件等同，而且需要已知的含矿图层，因此不适合在勘探程度较低的地区采用。对于勘探程度较低或已知矿点较少的地区，要采用证据权重法，一种可行的方法是根据研究区可能的成矿类型，将专家意见、地层、构造、岩浆岩等成矿条件均作为预测中的辅助专题图层。人工神经网络简介人工神经网络（ANN）是近几年兴起的一个热门研究领域，它是计算机科学、数学、神经学等学科之间的一门综合交叉学科。人工神经网络是一种用来模拟人脑思维过程的计算模型，它具有学习、联相、容错、并行处理等种种能力，该技术已广泛应用于自然科学和社会科学的各个领域。ANN不需要人们对各种成矿因素之间的相互关系搞清楚，只要求从已知矿床（点）的成矿条件出发进行学习，使研究成矿的信息集中在输入端和输出端。ANN可以自动模拟各种成矿因素之间的自然关系，进行全局优化搜索，减少人为干预，提高资源预测的准确率。此外，由于人工神经网络是一种非线性预测方法，它不要求地质变量与矿床值（矿石品位、金属量等）之间具有某种相关关系，也不要求地质变量必须满足某种分布形式。因此，人工神经网络方法可接受的输入信息量大，可以充分利用地质、物化探、遥感等多源和多元信息，以提高综合预测找矿效果。将收集到的各种地学信息建立数据库后，运用GIS平台对这些地学数据进行操作可获得各种结果，这些结果即为ANN的输入和训练条件，因此，以数据库为基础，在GIS平台上应用ANN进行矿产资源预测将是非常合理和有效的选择。在将GIS与ANN有机的结合起来进行预测和评价这方面已有较多研究成果发表。在实际应用中，我们用的最广泛的是反向传播网络（BP网络）。第一，BP算法是有指导的学习，是靠调节各层的加权使网络对训练组进行学习，其执行优化的基本方法是梯度下降法，现在有许多基本的优化算法，例如变尺度算法和牛顿算法。它的算法可使网络产生的实际输出与希望输出值一致；

BP神经网络原理第二，BP网络是一个含有隐蔽层的网络。其算法由正向传播和反向传播组成，模式从输入层输入，经隐蔽层逐层处理后传入输出层。在正向传播阶段，每一层神经元的状态只影响下一层神经元的状态。如果输出层得不到期望的输出结果，则进入误差反向传播阶段，网络根据反向传播的误差信号修改各层的连接权，使误差信号达到最小，从而可以产生输入、输出的非线性映射，这正好适合解决非线性复杂问题。

BP神经网络工作过程示意图

BP网络输入到输出示意图BP网络存在的问题输出误差平方和与权值的关系应当是非线性的关系，但在BP网络学习中使用的梯度下降法是一种线性化的方法，它可能陷入局部极小而达不到整体极小。在具体应用BP网络解决实际问题时隐含层的层数和每层隐蔽层中神经元的个数目前还没有一个较好的选择方法，需要根据经验或试验确定。BP网络的学习需要有大量的学习样本结果才可靠，由于学习过程需要反复迭代，有时收敛的速度很慢等。矿产资源定量预测前的研究内容及注意问题单元划分问题单元是预测的基本的单位，预测工作是以单元为样品进行观测、取值，并通过对每一单元的预测来完成整个地区的预测。

单元的划分有两种方法：一是网格单元，二是地质体单元。地质体单元是指具某种地质意义的界线所圈定单元，但由于其计算机实现较网格单元复杂，目前定量预测中单元的划分仍是较多用网格单元法。网格单元划分时其单元形态大多数采用正方形。单元大小的划分将直接影响资源预测效果。如何确定网格单元大小必须结合实际资料水平和采用的评价模型。在具体应用时除上述按照方法划分网格外，控矿地质条件的复杂与否，也是选择单元大小的重要因素。一般控矿地质条件复杂，即控矿地质因素变化较大时，为了反映这些变化特征，可将单元划分的小些。地质变量的选取应用数学地质理论和方法进行矿床定量预测，首要的问题是地质变量。地质变量是“随着空间位置（或时间）的不同，在表示某一地质现象所取不同数值的量”（赵鹏大等，1983）。地质变量分为定性变量和定量变量两种。其中，定性变量一般为离散型数据。如某种蚀变、岩体、矿化等存在与否（存在为1，不存在为0）；定量变量主要为连续型数据，如在统计单元内某种地层、岩体的出露面积等。地质变量的选取应依据以下原则选取与矿床形成有密切联系的控矿因素和找矿标志，这是选取地质变量的根本原则。地质变量必须具有代表性。这主要涉及到根据控制区建立的数学模型能否有效的外推到整个研究区的问题。变量的对等和可比原则。由于控制区和研究区的工作程度往往不同，导致二者数据水平的差异，这就出现不对等和不可比。那么根据控制区较高数据水平建立的模型在研究区将造成许多变量无法取值。因此，在控制区选取变量建立预测模型时，要考虑研究区的变量及其数据水平与控制区是否对等和可比。变量规模（或尺度水平）要与预测范围和比例尺相一致。在不同范围和比例尺的预测中，应采用不同的变量规模。成矿规律和成矿预测的发展趋势深入区域性成矿规律的研究目前的成矿规律研究，有的从不同构造单元、不同矿种或不同矿床类型出发，总结了一系列规律。其成果集中表现为成矿模型建立，成矿单元划分，但这些都是离不开区域地质背景的深人研究，因而区域地质调查成为成矿规律的支柱和基础，并为国内外的实践所反复证明。现代矿床学认为矿床特别是大型、超大型矿床和矿化集中区，都是区域尺度以致全球尺度地质作用的产物。只有认识区域整体，才能对成矿作用有更深人的理解、才能全面认识矿床的形成规律，以其作为矿产预测和勘查决策的地质依据。成矿规律和成