MRAS在贵州省铝土矿资源潜力评价中应用2011.docVIP

MRAS软件在贵州省铝土矿资源潜力评价中的应用 陈启飞1，陈华1，2 （1.贵州省地调院，贵阳，550004；2.贵州省地矿局115地质大队,贵阳，551400） 摘要：在建立地质、矿产、物探、化探、遥感、自然重砂等基础空间数据库的基础上，深入研究了成矿地质条件、控矿因素及成矿规律，建立找矿模型，充分利用了GIS技术提取了与成矿有关的信息，在MRAS技术平台上，区进行了矿产预测圈定了2个成矿远景区预测结果对下一步找矿具有重要的指导意义。 基于GIS的矿产资源评价系统，简称为MRAS(mineral?resource?assessment?System)，是建立在GIS平台上的地质、物探、化探、遥感、矿产等多元地学空间数据库为基础，进行信息加工，提取能够指示和识别某种矿床存在和赋存规模的有用信息，进而达到快速、高效地进行区域矿产资源综合评价目的并指导找矿的计算机系统工具该系统经多个大学、研究所和地勘单位的使用取得了较好的效果，可以做为预测的工具。? 工作是在应用已有地质工作积累的资料（地、矿、物、化、遥和有关科研成果），在分析工作区的地质背景、研究总结成矿规律、划分成矿区（带）、建立区域的（或矿田、矿床的）成矿模式或矿床模型的基础上，根据相似类比原则和“求异”理论，圈定不同类别的预测区，估算资源量，划定资源量级别，并提出地质找矿工作部署建议　　2等8个）都为连续型变量，它们直接反映了示范区铝土矿矿体规模、矿石质量等方面的信息。它们与二态变量和离散型变量相比，具有信息量丰富、具体、客观的特点。但是，各个变量对成矿预测的贡献率可能各不相同，因此有必要作地质统计学研究, 研究这些变量与铝土矿成矿的关系密切，从中筛选出能最有效的预测变量。 研究方法主要为相关分析、R型聚类分析、逐步回归分析、正交化回归分析、因子分析等。通过以上方法最终优选出矿系厚度、矿体厚度、A/S、Al2O3四个变量作为铝土矿预测变量的合理性。 3.3最小预测区的圈定及预测单元的划分 笔者在岩相古地理图基础上使用综合信息叠加法,即使用MRAS软件对预测区的定位要素、离散型变量和连续型变量进行叠加，叠加后范围为本次预测的最小预测区。预测单元划分的方法主要有地质单元法和网格单元法，地质单元法根据客观地质体的自然圈定预测单元或者最小预测区的分布情况，例如务正道工作区就是将含矿向斜的分布范围圈定为预测区，由于各向斜内不同部位地质情况有所差异，故可细化为几个次级的最小预测区作为预测单元，地质单元法对矿产勘查程度要求较低，相对来说该方法预测精度也较低，为矿床级或矿田级。网格单元法是将预测单元划分为若干大小不等的区块，确定预测单元大小时，除要考虑属于含矿向斜的分布范围外，还应当考虑该区矿床勘查程度，各网格单元内是否可采集到相关综合信息，这主要影响到网格单元大小的确定。笔者通过多次试验认为网格单元按2km×2km较为妥当。 笔者比较赞同贵州省地调院陶平总工的看法，网格单元法预测精度远远高于地质单元法，针对贵州沉积型铝土矿的特点，采样网格单元法预测效果较好[3]，笔者对贵州黔中预测区铝土矿资源量预测结果分析对比可知，采样地质单元法预测的资源量为6.04亿吨，采样网格单元法预测资源量为3.19亿吨，德尔菲法预测10%置信度的资源量为1.95亿吨。因此，理论上网格单元法预测十分有效，对指导探矿工程布置和工作部署意义较大。 3.4 预测要素变量的构置和选择 3.4.1变量的构置 预测要素变量是随时间、空间的变化而发生变化的地质现象或地质特征的量化标志，是构成资源特征与地质找矿标志之间统计关系的基本元素。很显然，单个变量的优劣将对资源预测结果产生直接的影响。变量的变化与矿体特征密切相关，因此，可以通过预测变量的研究，并通过预测要素图层的数字化变量、变量取值，与预测区关联在一起，达到达优化预测区的目的。 预测要素变量的提取应首先考虑那些与所研究的地质问题有密切关系的地质因素，在矿产资源预测中，所选择的地质变量应该在一定程度上反映矿产资源体的资源特征。例如，资源的数量、质量和资源的空间位置等特征。 变量赋值的实质是将已作为地质变量提取出来的地质特征或地质标志在每个矿产资源体中的观测值取出或计算出来。 矿产资源定位预测是以模型单元集合建立的统计模型，对未知单元定量类比达到矿产资源体定位的目的。其预测模型的建立需要有较精确的模型单元，它是建立预测模型的基础。 3.4.2变量的选择 矿产资源定位和定量预测是以模型单元集合建立的统计模型，对未知单元定量类比达到矿产资源的定位和定量的目的。模型单元选择的最基本要求是，所选出的模型单元集合中，单元的储量与控矿因素之间有着良好的对应规律，能够较好地反映矿产资源体储量和控矿因素之间的客观规律。（1）在选择模型单元之前，需要先确定各预测区矿化等级。矿化等级根据预