基于IFA的组合分析算法及其在矿产预测中的应用 .pdfVIP

基于IFA的组合分析算法及其在矿产预测中的应用

姚旺;卞姗姗;余先川

【摘要】矿产预测是寻找潜在矿产资源、增加后备储量的主要手段.地球化学信息

作为直接找矿信息,在矿产预测中占据重要地位,对地球化学数据进行矿致异常的识

别和评价是关键环节之一.地球化学数据分析的目的是从杂乱无章的原始数据中寻

找并有效圈定化探组合异常.针对目前常用于组合异常分析的R型聚类分析和因子

分析等传统算法对数据源限制较多、预测效果不理想等问题,将信号处理领域的盲

源分离算法——独立因子分析(IFA)引入到矿产预测中,提出了基于IFA的组合分析

算法,并选取广东汕头澄海区鸿沟山锡金多金属矿区地球化学数据作为研究对象.验

证结果表明,基于IFA的组合分析结果更有利于解释矿产分布规律,圈定的化探组合

异常更符合实际勘查结果.依据分析结果进行矿产预测,成功圈定出3个找矿靶区.

【期刊名称】《地质学刊》

【年(卷),期】2018(042)004

【总页数】9页(P623-631)

【关键词】矿产预测;地球化学;组合分析;独立因子分析(IFA);锡金多金属矿;广东汕

头

【作者】姚旺;卞姗姗;余先川

【作者单位】北京师范大学信息科学与技术学院,北京100875;北京师范大学信息

科学与技术学院,北京100875;北京师范大学信息科学与技术学院,北京100875

【正文语种】中文

【中图分类】P628+.1

0引言

矿产资源的预测是以地质成矿理论为指导，以数学工具(主要为多元统计分析方法)

为基础，以计算机技术为手段，对区域地质、成矿规律、地质数学信息等地学基础

数据进行综合分析及评价的工作，是地质科学理论、多源地学信息、数字化技术以

及经济科学互相结合渗透的综合学科。其中，多元统计分析、人工神经网络、多重

分形、成分数据分析、小波变换(Shietal.,2015)等方法在地质学中的应用大大丰

富了矿产预测的理论与实践。

在多源地学信息的处理中，地球化学数据分析的目的是从杂乱无章的原始数据中寻

找并有效圈定化探组合异常(赵鹏大等,1999)。然而，在化探组合异常分析方面，

许多传统的多元统计方法具有局限性，如聚类分析、主成分分析、因子分析、多重

分形等都只考虑了数据的低阶统计特性，并且对数据源的限制较多，加之空间地学

信息的复杂性，导致数据挖掘的结果不甚理想，预测结果也常常与实际情况不符。

依据统计学，数据的一些重要信息往往包含在高阶统计特性中。因此，为了充分利

用地球化学的高阶统计特性，更好地挖掘深层次地学信息，将信号处理领域重要的

盲源分离算法之一——独立因子分析引入到矿产预测领域，并针对传统方法在化

探组合异常分析中存在的问题，提出了基于独立因子分析的组合分析算法，对独立

因子及因子载荷矩阵进行处理，实现了公因子的提取和地球化学数据的组合分析，

结合因子分析方法，实现了对特殊因子的提取和分析。该种算法有效利用了地球化

学数据的高阶统计特性，实验表明组合分析结果更利于解释矿产分布规律。

1国内外研究现状

地球化学数据处理方法的发展与应用数学和计算机技术的发展密切相关，其中应用

最为广泛的数学方法是多元统计方法，基于一元正态分布理论，通过计算数据的统

计学参数均值、方差分析、衬度等，得出背景值和异常下限，获得单指标异常(杨

少平等,2011)。随着主成分分析、因子分析、聚类分析等方法在地球化学数据处理

中的应用，多元正态分布理论已逐渐成为一种常规的多指标综合化探异常处理方法。

之后，由于地球化学数据经常出现特异值并且不服从正态分布，相继出现了几类不

同的处理方法(堵海燕等,2015；熊双才等,2015)：一是对不服从正态分布的数据先

进行对数转换、广义幂变换等；二是直接对特异值进行处理(均值+3倍标准离差)；

三是引入稳健多元统计、非参数统计(如EDA法)、背景校正等方法。

受传统统计分析方法在进行地球化学数据处理时的限制，出现了基于地理信息系统

(GIS)确定地球化学异常下限的新方法——空间分析方法。通过地球化学数据信息

载体从元素含量值本身向空间距离转换，突破了传统方法对数据分布的限制，且不

易受到特异值的影响，显著提高了对矿致异常的分辨率。

独立成分分析(IndependentComponentAnalysis，ICA)(Hyvärinenetal.,2001；

Gouriérouxetal.,2017)吸收了上述理论方法的一些优点，同时克服了上述几种理

论方法的不足，所得向量彼此虽不正交但尽量独立，最终确定的坐标