1赵鹏大院士现代成矿预测若干问题探讨解析.ppt

地质关联度（R值）法 单元之间的关联度越大，则这两个单元的地质条件越相似。因此，首先对研究区进行网格单元划分，分别统计各网格单元的地层、构造、岩浆岩等变量的取值。计算每个单元（称为参考单元）与周围相邻单元（称为被比较单元）之间的关联度，取平均值作为该单元与周围单元的关联程度 地质关联度（R值）法 根据下式分别计算每个变量的关联系数：ξi(k) = A / B A = min min?x0(k)-xi(k)?+ξmax max?x0(k)-xi(k)? i k i k B = ?x0(k)-xi(k)?+ ξmax max?x0(k)-xi(k)? i k ξ(k)是第k个变量被比较单元与参考单元的相对差值，这个相对差值称为关联系数 地质关联度（R值）法 根据p个变量的关联系数，取其平均值 作为两个单元之间的关联度，即： 8 Rij = (1/p)∑ξi(k) (j=1,2,……,8) k=1 其中Rij表示参考单元(i)与被比较单元(j)之间的关联度 地质关联度（R值）法 计算了某一个单元（参考单元）与周围8个单元（被比较单元）的关联度之后，根据下式取平均值作为该单元与周围单元的关联度： 8 Ri = ∑ Rij / 8 j=1 地质关联度（R值）法 为了便于圈定地质异常，可将关联度转换为不关联度，即 不关联度= 1- 关联度 最后，可通过圈定等值线或趋势分析等处理确定地质异常。除了计算每个单元与周围相邻单元的不关联度（不关联系数）外，还可计算每个单元与平均值之间的不关联度 1.多样性强度值DI S为单位面积或单位剖面长度 n为单位面积或单位长度内矿种数 成矿多样性定量表征 2.多样性强度指数ID ni为第i单元单位面积或单位剖面长度内矿种（或矿产组合类型）数 nmax为研究区单位面积或单位长度内最大矿种（或矿产组合类型）数 ID= (ni / nmax) 3.偏多样性强度指数IP Ip= (nj / Gmax) nj为第j种地质体单位面积（或长度）内矿种数 Gmax为研究区单一类型地质体单位面积（或长度）内最大矿种数 偏多样性强度指数愈小的地质体，其成矿专属性愈强 4.资源现实可利用率Ra n1为目前技术经济条件下可利用矿种（类型）数 n为区内现有全部矿种数。 5.资源潜在可利用率Rp or Rp= 1- Ra n2为目前暂不能利用或可用性不确定之矿种（类型）数 n为区内现有全部矿种数。 “大数据”时代的成矿预测与定量评价 地质学属于数据密集型科学，尤其是矿产资源预测、勘查与评价更是数据密集的分支学科和应用领域； 地质学的数据具有深地、深空、深海和深时特点，空间和时间跨度大，数据获取难度大、成本高、局限性强； 成矿预测与定量评价数据具有多元、多源、异构、时空性、方向性、相关性、随机性、模糊性、非线性等特征； 成矿预测及定量评价的目标是对成矿远景区或未知矿床进行定性、定量、定位、定概率的“四定”评估，因此，从大数据中要获取以上四定的关键数据或核心数据； 成功的成矿预测应有效地将地球动力学系统、成矿系统和勘查评价系统有机结合，充分挖掘成矿地质及预测评价密切相关的数据，对这些数据进行科学集成和智能分析，所以还应增加预测评价专家系统，将这4大系统完美结合，从中提取找矿预测和资源评价的有用信息，使“数字找矿”发展到“智慧找矿”的新阶段； 信息网络领域的发展使大数据存储取得突破，云计算、物联网、工业互联网等技术的兴起，使信息技术渗透方式、处理方法和应用模式发生变革，使成矿预测评价4大系统的结合和“智慧找矿”的实现成为可能。 小结： 人类已进入大数据时代，数字地球已经发展到第二代“智慧地球”阶段，而计算机技术则有云计算、物联网等更强大和先进的网络体系。地球科学是数据密集型科学，工作方法包括三个层面： 1）数据获取与保存 2）数据挖掘与分析（包括建模、可视化、管理和服务） 3）知识层面（深化对地球系统的认识和理解，在大数据时代，数据的产生、应用和转化已形成一个完整的“数据链”） 小结： 完整的“数据链”： 数字化、定量化及行为化产生数据 数据的解析化、集成化、综合化产生信息 信息的模型化、智能化和专业化产生知识和产品 知识和产品的实用化、网络化和可视化产生财富和效益，并服务于公众和社会 在服务公众