姚家岭锌金多金属矿床围岩蚀变三维空间定量分析研究

姚家岭锌金多金属矿床是近年来在长江中下游成矿带铜陵矿集区新发现的大型多金属矿床。姚家岭锌金多金属矿床的成矿作用具有多阶段性的特点,矿床范围内围岩蚀变强烈,蚀变类型复杂多样。三维地质信息技术及三维空间分析方法为定量化分析围岩蚀变的空间分布以及与矿化之间的相关关系提供了有利工具。本文基于上述方法,有效地对姚家岭锌金多金属矿床的围岩蚀变的分带性及其与不同矿化之间的关联性行了定量分析。较之于传统研究方法,不仅能快速地对蚀变与矿化的分布特征进行分析,还能从定量的角度获取不同信息之间的规律性和相关性。本文采用的相关方法不但有助于更准确的判定蚀变分带及规律,还可为矿床的成矿模式及找矿模型的建立提供定量化的数据支持。     

基于Oracle的文献资料库全文检索技术

介绍使用0racle Text对文献资料库进行全文检索的技术。     

基于三维地质统计学的固体矿产资源量估算方法研究现状及应用分析

三维地质统计学方法能够提高矿产资源量估算结果的精度和可靠性。本文通过总结当前地质统计学估算方法与应用进展,分析基于三维地质统计学的固体矿产资源量估算方法的优势及存在问题,开展三维地质建模、空间变异性分析、三维地质统计学资源量估算等工作,对三维地质统计学资源量估算过程中的关键环节开展针对性研究,并与传统资源量估算方法进行对比,为推动三维地质统计学方法实践应用和矿产资源量评估工作提供技术支持。     

来自大别山深成侵入岩图像深度迁移学习的可解释性研究

岩石图像识别是以深度学习为代表的感知智能在地质领域的典型应用场景。已有研究显示网络结构简单的深度卷积神经网络能够在岩石图像上取得比复杂网络结构高的分类准确率。这与ImageNet数据集上网络结构越深越好的趋势相悖。如何解释这一现象？深成侵入岩为显晶质,自形—半自形粒状结构,块状构造,其分类的依据是其矿物成分及相对含量。大别山地区岩浆活动广泛,中生代深成侵入岩广泛出露。岩石类型包括超镁铁质岩类、辉长岩类、闪长岩类、正长岩类、二长岩类和花岗岩类,基本覆盖IUGS推荐的深成侵入岩分类方案中的岩石类型。选取大别山地区中生代深成岩图像开展不同网络结构预训练模型迁移学习对比试验,能够专注于深度学习对矿物成分特征的学习解释,降低构造因素的影响。借助局部可理解的模型解释技术和特征图可视化技术,分别从全连接层分类决策区域可视化和卷积隐层可视化两方面对深度学习模型开展可解释性研究。结果表明简单网络结构的卷积神经网络能够提取不同矿物所表现出的颜色特征以及不同矿物组合所表现出的纹理特征。AlexNet模型的削减试验进一步证明：对于岩石图像深度学习,网络结构并不总是越深越好。     

基于三维矿化域模型的泥河铁矿床动态储量估算

基于泥河铁矿床矿体地质特征的详细研究,本文结合边界品位指标以及样条曲线方法对矿体边界进行简化平滑处理,并通过对各剖面的矿体解译边界进行圆滑渐变处理建立控制矿化边界的矿化域模型.基于矿化域模型,用于储量估算的样品分析数据具有更好的连续性和全面性,避免了双指标圈矿带来的矿体形态过度复杂和在三维空间内不可避免的空间占位现象.基于矿化域模型进行的储量估算,可以更快速、合理地获取矿体品位的空间分布特征,从而提高金属矿床储量估算结果的准确性和合理性.     

钻杆管体横向开裂失效原因分析与预防

针对一起钻杆管体横向开裂的案例,通过对发生横向开裂的失效钻杆进行断口形貌的宏观及微观观察、金相分析、物相分析,以及对钻杆尺寸、化学成分及力学性能的综合分析,并结合钻杆的受力状态,指出钻杆的失效原因是钻井液中的氧气对钻杆的内外表面产生严重腐蚀,同时钻杆在承受拉压弯扭等复杂交变载荷的作用下,腐蚀坑底部产生率先产生疲劳裂纹,随着外壁裂纹的不断扩展,导致钻杆横向开裂,并针对这种失效形式,提出了预防措施及建议。     

基于CART算法的三维成矿预测研究——以安徽白象山矿区为例

把地质大数据和人工智能技术引入矿产资源定量评价及成矿预测体系中,提高了海量地质数据的有效信息挖掘,弥补了传统方法的不足。本文基于白象山矿区基础地质资料和物化探成果资料,利用三维地质体建模技术和三维空间分析技术,量化三维控矿因素,建立了一种基于CART 算法的三维成矿预测模型。通过在白象山矿区的实验表明：该模型能较好的定位已知矿体,并且预测出在已知矿体北部、东部、东北部、西部、南部和东南部具有较高的成矿概率,可圈定找矿靶区。该模型将地质大数据应用于找矿勘探工作,具有纯数据驱动、预测精度高、预测结果可靠等优点。研究发现,该模型的预测效果与训练数据集的数量、矿控因素提取、决策树深度等有关。     

基于多源数据约束的成矿动力学模拟——以宁芜盆地钟姑矿田典型矿床为例

数据驱动是大数据分析的特点之一。成矿过程的数值模拟即采用数据驱动方式,在基本的物理化学方程及地质模型基础上,通过定量的手段,模拟不同阶段、不同条件下成矿系统的演化过程,从而能够更深入、直观的讨论各种地质要素对成矿系统的影响,验证已有的成矿理论,获得新的认识。姑山铁矿床和杨庄铁矿床是宁芜火山岩盆地钟姑矿田内的典型矿床。前人研究显示,杨庄铁矿床为典型的充填-接触交代型热液矿床,而姑山铁矿床目前在成因上仍存在争议,存在岩浆成因和热液成因等多种观点。为了更好的对比和了解姑山铁矿床和杨庄铁矿床的成因及成矿过程,本文基于多源数据的综合解译剖面,采用力-热耦合数值模拟方法对与热液矿床密切相关的扩容空间的形成机制和特点开展研究。模拟结果显示,姑山铁矿床和杨庄铁矿床可能分属不同的成因类型;随着岩体的逐渐冷却,杨庄铁矿床内岩体和地层接触带会出现明显的扩容空间,可为成矿流体的汇聚及矿质的沉淀提供良好的条件,有利于热液矿床的形成;而姑山铁矿床内岩体和地层接触带只有局部区域出现扩容空间,同时体应变数值较小且形态变化大,并不利于大规模的流体汇聚及矿质的沉淀,姑山铁矿床可能主要为岩浆成因,并受少量热液的叠加改造。     

大数据环境下内蒙古浩布高地区铅锌多金属矿智能矿产预测研究

传统机器学习算法已广泛应用于矿产预测,但面对地质大数据的高维稀疏、不平衡小样本等特性仍缺乏有效处理和分析的方法,设计适合地质大数据特点的机器学习算法是智能矿产预测亟需解决的新问题。本文以内蒙古浩布高地区的铅锌多金属矿产预测为例,提出了一种面向地质大数据的半监督协同训练矿产预测模型。首先对研究区地质找矿信息和地球化学异常信息进行定量分析,提取断裂构造、二叠系地层、燕山期侵入岩、地层与岩体接触带、围岩蚀变及Pb、Zn、Sn、Cu地球化学异常共9种找矿因子。然后利用递归特征消除法优选找矿因子组合,不包括Sn异常在内的8个找矿因子组合被选为最优组合。最后,利用支持向量机和随机森林算法作为基分类器进行半监督协同训练矿产预测,绘制成矿概率分布图。ROC曲线和预测度曲线分析结果表明,半监督协同训练模型的AUC值和预测效率都高于随机森林和支持向量机模型。研究结果也为大数据环境下的智能矿产预测提供了一种新的思路。