朱诺矿区三维地质建模与找矿预测
发布时间：2021-02-14 20:48
随着地表矿和浅部矿的日益殆尽,深部找矿成为当前矿产勘查中的一大热点。然而传统的二维地质平面资料对深部找矿助益有限,亟需寻找一种解决此类问题的新方法。三维地质建模可根据二维地质信息建立三维空间可视化模型,实现矿区深部的定量预测,大大促进了深部矿产勘查的发展。朱诺斑岩铜矿床位于冈底斯西段,前人对其做了大量研究,并取得了一定成果,但多是基于二维地质信息资料,三维可视化研究较少。本文在深入了解矿区区域地质及矿床地质特征的基础上,以Micromine软件平台为依托,对其进行三维地质建模,并利用找矿信息量法进行定量预测,拟为矿区进一步的深部和边部找矿提供预见性技术支持。本次研究共收集整理了82个钻孔数据资料,建立了朱诺矿区钻孔数据库,并据此创建了矿区地表模型、矿体模型、岩体模型及蚀变带模型,直观地展示出各个地质体的形态特征及相互关系。由实体模型可知,矿体沿北东-南西向展布,中部厚度较大,向边部逐渐变薄,出现分叉现象。矿区主要发育二长花岗斑岩、斑状二长花岗岩、石英斑岩及少量的花岗斑岩,矿体主要分布于二长花岗斑岩和斑状二长花岗岩中。矿区蚀变发育,以钾硅酸盐化和黄铁绢英岩化蚀变为主,钾硅酸盐化蚀变主要分...
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
西藏铁格隆南矿区元素品位空间分布图(于萍萍,2019)
图1-2西藏铁格隆南矿区元素品位空间分布图(于萍萍,2019)随着大数据的兴起,新一轮的信息革命正在席卷各行各业。目前,基于大数据的深部找矿预测掀起了矿产资源评价领域新的热潮。众多学者开始讨论地质大数据特征,研究其与成矿规律的关系,并试图运用大数据思维创建综合找矿模型,圈定找矿靶区(肖克炎等,2015;赵鹏大,2015;陈建平等,2015;王登红等,2015;吴冲龙等,2016;罗建民等,2017)。周永章等认为可借助大数据技术建立大数据-智能矿床,通过迭代计算对已建立的矿床模型不断完善,并利用云计算技术,实现全球矿床研究团队的共同参与,创造一种新型的矿床模型研究方式(周永章等,2017,2018a,2018b)。除此之外,与大数据相关的机器学习也被引入到矿产预测中来。机器学习作为人工智能的核心技术,可通过海量的数据学习实现计算机智能化。研究显示,利用机器学习能够深度挖掘地质数据中蕴含的潜在信息,有效识别和提取传统方法难以识别的化探异常,并对地质、地物、化探等多源地学信息进行集成融合,圈定预测靶区(Zuo et al,2017,2018;Sun et al,2019;左仁广,2019)。基于机器学习的信息挖掘与集成流程大致如图(1-4)所示:
随着大数据的兴起,新一轮的信息革命正在席卷各行各业。目前,基于大数据的深部找矿预测掀起了矿产资源评价领域新的热潮。众多学者开始讨论地质大数据特征,研究其与成矿规律的关系,并试图运用大数据思维创建综合找矿模型,圈定找矿靶区(肖克炎等,2015;赵鹏大,2015;陈建平等,2015;王登红等,2015;吴冲龙等,2016;罗建民等,2017)。周永章等认为可借助大数据技术建立大数据-智能矿床,通过迭代计算对已建立的矿床模型不断完善,并利用云计算技术,实现全球矿床研究团队的共同参与,创造一种新型的矿床模型研究方式(周永章等,2017,2018a,2018b)。除此之外,与大数据相关的机器学习也被引入到矿产预测中来。机器学习作为人工智能的核心技术,可通过海量的数据学习实现计算机智能化。研究显示,利用机器学习能够深度挖掘地质数据中蕴含的潜在信息,有效识别和提取传统方法难以识别的化探异常,并对地质、地物、化探等多源地学信息进行集成融合,圈定预测靶区(Zuo et al,2017,2018;Sun et al,2019;左仁广,2019)。基于机器学习的信息挖掘与集成流程大致如图(1-4)所示:冈底斯是我国重要的斑岩成矿带,前人对其做了大量工作(侯增谦等,2012;唐菊兴等,2012;王保弟等,2010),其中不乏三维建模技术的研究,特别是甲玛矿床的三维建模。唐攀等利用三维建模技术构建了甲玛矿床的地质、蚀变、矿体模型,为甲玛矿床的成因、成矿规律总结、找矿勘查、矿山生产开发等综合研究提供了重要的科学依据(唐攀等,2016)。李莹等运用三维建模及可视化技术建立了甲玛矿区三维矿床模型,通过曲面模拟方法提取矿区控矿构造界面,查明了矿区构造界面对Cu、Mo、Ag、Au等元素的富集有绝对控制作用,预测了成矿中心位置(李莹,2013)。
【参考文献】：
期刊论文
[1]三维地质建模技术研究现状[J]. 姬广军,朱吉祥. 科技风. 2019(10)
[2]基于深度学习的深层次矿化信息挖掘与集成[J]. 左仁广. 矿物岩石地球化学通报. 2019(01)
[3]Micromine矿业软件在地质勘探及矿山设计中的应用[J]. 姚树春. 黄金. 2018(12)
[4]地质领域机器学习、深度学习及实现语言[J]. 周永章,王俊,左仁广,肖凡,沈文杰,王树功. 岩石学报. 2018(11)
[5]斑岩型铜矿床成矿斑岩岩浆氧化状态研究方法综述[J]. 张京渤,安芳. 矿床地质. 2018(05)
[6]大数据与数学地球科学研究进展——大数据与数学地球科学专题代序[J]. 周永章,陈烁,张旗,肖凡,王树功,刘艳鹏,焦守涛. 岩石学报. 2018(02)
[7]物化探信息综合处理在找矿靶区定量优选中的应用[J]. 罗建民,张琪,宋秉田,王晓伟,杨忠明,赵彦庆,刘升有. 矿物岩石地球化学通报. 2017(06)
[8]三维地质建模技术发展现状及建模实例[J]. 刘晓芳,田兰芬. 科技创新导报. 2017(29)
[9]我国三维成矿预测的研究现状及发展趋势[J]. 刘静,陈建平. 地质学刊. 2017(03)
[10]浅谈Micromine软件在东梁金矿三维地质建模中的应用[J]. 李伟杰,石佳宾,周立冰,李瑞峰,赵岩. 矿产与地质. 2017(03)
博士论文
[1]宁芜盆地南段钟姑矿田三维成矿预测研究[D]. 张明明.合肥工业大学 2014
[2]基坑支护系统控制及三维可视化研究[D]. 薛飞.同济大学 2006
[3]三维数字矿床与隐伏矿体立体定量预测研究[D]. 毛先成.中南大学 2006
硕士论文
[1]云南文山官房矽卡岩型白钨矿矿床三维地质建模及找矿预测[D]. 陈王慧子.昆明理工大学 2016
本文编号：3033838
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
西藏铁格隆南矿区元素品位空间分布图(于萍萍,2019)
图1-2西藏铁格隆南矿区元素品位空间分布图(于萍萍,2019)随着大数据的兴起,新一轮的信息革命正在席卷各行各业。目前,基于大数据的深部找矿预测掀起了矿产资源评价领域新的热潮。众多学者开始讨论地质大数据特征,研究其与成矿规律的关系,并试图运用大数据思维创建综合找矿模型,圈定找矿靶区(肖克炎等,2015;赵鹏大,2015;陈建平等,2015;王登红等,2015;吴冲龙等,2016;罗建民等,2017)。周永章等认为可借助大数据技术建立大数据-智能矿床,通过迭代计算对已建立的矿床模型不断完善,并利用云计算技术,实现全球矿床研究团队的共同参与,创造一种新型的矿床模型研究方式(周永章等,2017,2018a,2018b)。除此之外,与大数据相关的机器学习也被引入到矿产预测中来。机器学习作为人工智能的核心技术,可通过海量的数据学习实现计算机智能化。研究显示,利用机器学习能够深度挖掘地质数据中蕴含的潜在信息,有效识别和提取传统方法难以识别的化探异常,并对地质、地物、化探等多源地学信息进行集成融合,圈定预测靶区(Zuo et al,2017,2018;Sun et al,2019;左仁广,2019)。基于机器学习的信息挖掘与集成流程大致如图(1-4)所示:
随着大数据的兴起,新一轮的信息革命正在席卷各行各业。目前,基于大数据的深部找矿预测掀起了矿产资源评价领域新的热潮。众多学者开始讨论地质大数据特征,研究其与成矿规律的关系,并试图运用大数据思维创建综合找矿模型,圈定找矿靶区(肖克炎等,2015;赵鹏大,2015;陈建平等,2015;王登红等,2015;吴冲龙等,2016;罗建民等,2017)。周永章等认为可借助大数据技术建立大数据-智能矿床,通过迭代计算对已建立的矿床模型不断完善,并利用云计算技术,实现全球矿床研究团队的共同参与,创造一种新型的矿床模型研究方式(周永章等,2017,2018a,2018b)。除此之外,与大数据相关的机器学习也被引入到矿产预测中来。机器学习作为人工智能的核心技术,可通过海量的数据学习实现计算机智能化。研究显示,利用机器学习能够深度挖掘地质数据中蕴含的潜在信息,有效识别和提取传统方法难以识别的化探异常,并对地质、地物、化探等多源地学信息进行集成融合,圈定预测靶区(Zuo et al,2017,2018;Sun et al,2019;左仁广,2019)。基于机器学习的信息挖掘与集成流程大致如图(1-4)所示:冈底斯是我国重要的斑岩成矿带,前人对其做了大量工作(侯增谦等,2012;唐菊兴等,2012;王保弟等,2010),其中不乏三维建模技术的研究,特别是甲玛矿床的三维建模。唐攀等利用三维建模技术构建了甲玛矿床的地质、蚀变、矿体模型,为甲玛矿床的成因、成矿规律总结、找矿勘查、矿山生产开发等综合研究提供了重要的科学依据(唐攀等,2016)。李莹等运用三维建模及可视化技术建立了甲玛矿区三维矿床模型,通过曲面模拟方法提取矿区控矿构造界面,查明了矿区构造界面对Cu、Mo、Ag、Au等元素的富集有绝对控制作用,预测了成矿中心位置(李莹,2013)。
【参考文献】：
期刊论文
[1]三维地质建模技术研究现状[J]. 姬广军,朱吉祥. 科技风. 2019(10)
[2]基于深度学习的深层次矿化信息挖掘与集成[J]. 左仁广. 矿物岩石地球化学通报. 2019(01)
[3]Micromine矿业软件在地质勘探及矿山设计中的应用[J]. 姚树春. 黄金. 2018(12)
[4]地质领域机器学习、深度学习及实现语言[J]. 周永章,王俊,左仁广,肖凡,沈文杰,王树功. 岩石学报. 2018(11)
[5]斑岩型铜矿床成矿斑岩岩浆氧化状态研究方法综述[J]. 张京渤,安芳. 矿床地质. 2018(05)
[6]大数据与数学地球科学研究进展——大数据与数学地球科学专题代序[J]. 周永章,陈烁,张旗,肖凡,王树功,刘艳鹏,焦守涛. 岩石学报. 2018(02)
[7]物化探信息综合处理在找矿靶区定量优选中的应用[J]. 罗建民,张琪,宋秉田,王晓伟,杨忠明,赵彦庆,刘升有. 矿物岩石地球化学通报. 2017(06)
[8]三维地质建模技术发展现状及建模实例[J]. 刘晓芳,田兰芬. 科技创新导报. 2017(29)
[9]我国三维成矿预测的研究现状及发展趋势[J]. 刘静,陈建平. 地质学刊. 2017(03)
[10]浅谈Micromine软件在东梁金矿三维地质建模中的应用[J]. 李伟杰,石佳宾,周立冰,李瑞峰,赵岩. 矿产与地质. 2017(03)
博士论文
[1]宁芜盆地南段钟姑矿田三维成矿预测研究[D]. 张明明.合肥工业大学 2014
[2]基坑支护系统控制及三维可视化研究[D]. 薛飞.同济大学 2006
[3]三维数字矿床与隐伏矿体立体定量预测研究[D]. 毛先成.中南大学 2006
硕士论文
[1]云南文山官房矽卡岩型白钨矿矿床三维地质建模及找矿预测[D]. 陈王慧子.昆明理工大学 2016
本文编号：3033838
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3033838.html
