9第九章矿产资源定量预测概要.ppt

逻辑信息法 对未知单元的预测评价 单元对象权是对矿床规模特点的一种数学表征，因此根据标准单元即矿床的储量，可以确定相应的对象权分级界限。例如表9.22，我们大体上可以做这样的划分 表9.22 对象权计算表 逻辑信息法 矿床规模 对象权I 矿 点 ＜3 小 矿 1～2 中 矿 2～2.7 大 矿 ＞2.7 用纵轴代表对象权，横轴代表矿床，建立坐标系，我们还可将标准单元按其对象权值标绘在坐标系中，点和点之间用线相联．于是形成一条折线，称之为标准对象权曲线（图9.12）。这样，一个矿床定量预测模型就建立起来了。应用这个模型进行预测，就是根据算得的预测单元对象权大小，排入标准单元序列中，从而估计出它的矿化规模。 逻辑信息法 方法使用中若干注意事项 研究对象等级的划分 逻辑信息法研究的是地质对象某个特性（例如矿床储量）阶梯式变化的制约规律。这种阶梯式变化可以表现为大矿、中矿、小矿等等。但是对于不同矿种，不同地区，控制大、中、小矿床的地质标志组合是不同的，大、中、小矿床储量分界点也是有差异的。为了使不同地质变量组合与不同等级矿床客观地对应起来，在运用逻辑信息法之前，一般需要运用数学方法对研究对象变异序列的级次进行客观地划分，这往往是提高方法应用效果的途径之一，划分研究对象等级的方法通常可利用最优分割法完成。 逻辑信息法 标准对象的选择 标准对象的选择在逻辑信息法中具有举足轻重的地位。由于众多地质对象的某一性质（例如储量）常常是 通过几个标准对象的特性体现出来，因此模型中选择的对象是否可靠（测量数值）对预测结果影响很大。解决这一问题通常采用数量化理论IV、V（详见第六章第三节）。 合理确定变异序列的数目 变异序列的多少对模型也有一定的影响。一般来说变异序列个数多，要求组内对象相似性强，组间变异性大，使地质标志筛选趋于严格。这种情况对于数据水平较高时是好的，但在数据水平不高的情况下，可能将大量标志剔除掉，从而使预测模型地质意义不完整，结果发生畸变。因此，要结合数据水平及随机因素干扰强弱，合理确定变异序列数目。 逻辑信息法 应用实例 该实例选自王世称等《吉林省镍矿资源总量预测及其方法研究》科研报告。 建立矿床模型 收集全国台区的18个硫化铜镍矿床资料，按储量由小到大将矿床统一编号选取变量44个。用二态赋值形成原始数据见表9.23。 逻辑信息法 变量的地质意义包括有：岩体分异程度，岩体类型，岩体所处大地构造位置，岩体产状，矿体赋存部位，主含矿岩相相对基性程度，矿床成因，岩体时代，岩体规模，品位，物质组分等。 将18个矿床按储量分成5组。它们是①小于1千吨；②1千～5千吨；③5千～1万吨；④1万吨～3万吨；⑤大于3万吨。从每组中选出两个矿床作为标准样品，经选样，最终使用1、2、6、9、10、11、13、15、16、18共10个矿床（点），经计算从44个变量中筛选出18个标志。10个标准对象的对象权(I)排序与矿床规模排序结果是一致的（表9.24），对象权组平均值与矿床规模之关系曲线是规则上升的，经8个检验对象的检验，预测模型可用。见图9.13。 逻辑信息法 预测结果 将逻辑信息模型用于吉林省南部台区赤柏松矿田和老金厂矿区的预测结果如下。 逻辑信息法 应用逻辑信息方法所建立的台区预测模型，将其简化以后，去掉3、19、26、28等四个信息标志，用剩下的14个信息标志，对象权排序与简化前是一致的。简化后的曲线与原模型曲线性质一致。呈单调上升，检验判对率与原模型一致。 应用简化预测模型预测赤柏松矿区与老金厂预测区其原始数据及计算结果见表9.25。 逻辑信息法 从图9.13可看出， 金斗IV－5 号岩体和老金厂3号岩体预测矿床产出的规模可接近中型，估计资源量各为1万吨； 四棚甸子V号岩体及会全栈14号岩体预测矿床产出的规模为小型，估计资源量各为3千吨； 会全栈17号岩体预测可能为矿点。估计资源量8百吨。 金斗VII－5岩体当地地质队估算的储量已计算在探明储量中，与预测的数字接近。 故其余4个岩体F级储量为1.68万吨。 三权法 三权法由谈小生（1985）提出。该方法是一种可以同时处理定量变量和