基于深度学习的四川会理“拉拉式”铜矿找矿预测研究

发布时间:2022-02-12 09:24
  四川会理地区位于扬子准地台西南缘川滇裂谷系中段之会理-东川拗拉槽西端,是我国重要的铜矿资源基地。如何充分利用海量多源地学空间大数据和深度学习方法,挖掘内在的、深层次的找矿预测信息,提高找矿预测效果是当前成矿预测的重要研究方向。论文在收集、整理四川会理地区多源地学数据的基础上,开展了机器学习算法在目标类型矿床找矿预测中的应用研究,重点探讨了系统样本集构建和深度卷积神经网络成矿预测方法流程,圈定了 5处找矿远景区。研究工作对于创新矿产预测方法具有借鉴意义,同时对会理地区拉拉式铜矿勘查也具有实际应用价值。(1)综合“拉拉式”铜矿成矿地质条件、水系沉积物地球化学元素和航磁数据的分布模式及其与已知矿床(点)的空间关系,筛选出河口群地层、基性岩体临近度、Cu元素含量、主成份分析第二主分量和航磁△T化极异常5个重要预测变量,建立了综合信息预测模型。以此为基础,开展证据权法、支持向量机、随机森林和单隐层感知机模型的成矿预测性能对比研究。(2)构建了—套系统、规范的样本数据集,为训练神经网络模型奠定了基础。以研究区内代表性矿床勘探所获取的矿体平面投影范围网格化单元为中心,通过样本扩充,得到1468个矿化... 

【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】:162 页

【学位级别】:博士

【部分图文】:

基于深度学习的四川会理“拉拉式”铜矿找矿预测研究


图1-1技术路线图??1.4完成的主要工作量??论文主要依托国家重点研发计划“深地资源勘查开采专项”之“深部矿产资??源三维找矿预测评价示范”项目(编号:2017YFC0601500,?2017YFC0601501),??

地质图,克拉通,会理,黄汲清


2区域地质构造背景??2区域地质构造背景??2.1大地构造背景??研究区位于中国四川省西南会理县境内,在大地构造背景上处于东西向会理??-东川坳拉槽(刘肇昌,1994,?1996;龚琳,2011)西端,该拗拉槽是扬子准地台??(黄汲清等,1980)西南缘南北向川滇被动大陆边缘裂谷系(冯本智,1989)的??组成部分之一,是川滇地区最重要的铜铁多金属成矿构造单元(图2-?1),铜储??量分别占川、滇两省的60%以上(刘肇昌,1994)。??/?/j?A?^?^??/?m,|?;J?/?爾??^?1?/Jfyy?b=??/?謂V’?Sie??_眺?i:i??\裂?丨长岩??/?EX>e-CU???V?r—?t=??Jr?V?\?/?(?r.?70?80?90?100?110?12fl?'130?140??_???i?i?4。????.圓藤:l?■??图2-1康滇地区地质简图(Chen?and?Zhou,?2012)??冯本智(1989)认为康滇克拉通(黄汲清(1954)称之为康滇地轴)代表晚??太古代的花岗岩-绿岩地体,元古代活动带代表克拉通分裂后出现的裂谷槽盆,??包括SN走向的昆明-会理地槽和NE走向的龙门山-米仓山深海槽,构成一个一??20??

地质图,坳拉槽,斜坡,火山


t?\?\?j?103s?so*??(?—十-??I?米°易?J?\\??I?/?J?\?j?0?10?20Ka??-t!-----“Jf愈’??j?I?}?[?U'?0Q*??.j.......?——.........—?—...?―一..........—?—...? ̄........ ̄?*-—???'?...—???匡^国4?_5?口6?因7_8忍9??r?|l〇|<£)|”|V?|,2?|?A?|?13?j?A?|l4?PZ|l5?Il6?Vy\l??图2-3会理-东川坳拉槽地质矿产略图(刘肇昌,1996)??1.深盆相火山-细屑岩;2.浅海相碎肩岩-碳酸盐岩;3.深盆相;4.斜坡-台地相;5.潮坪-潟湖相;6.斜坡槽盆相浊??积碳酸盐岩;7.斜坡槽盆相浊积碎屑岩夹碳酸盐岩;8.潮坪-潟湖相碎屑岩-碳酸盐岩;9.天宝山组;10.基性火??山岩;11.变质橄榄岩;12.晋宁期辉长岩;13.沉积型铜矿;14.火山型铜矿;15.坳拉槽边界断层;16.显生宙盖层;??17.断裂:①宝台厂-九龙断裂;②菜子园-麻塘断裂;③天宝山-巧家断裂:④磨盘山断裂;⑤小关河断裂:⑥??益门-鹿厂断裂;⑦普渡河断裂;⑧小江断裂??前人研宄认为(刘肇昌,1996;赵彻终等,1999),会理-东川坳拉槽经历过??多旋回构造运动,并呈现出不同的构造样式:古元古代晚期的河口时期(1950??Ma?1700Ma)为火山地堑阶段,发育河口群火山-沉积岩系;中元古代早期东川??时期(1700Ma?1400Ma)为火山地堑向岩石圈挠曲拗陷过渡阶段,发育喷流沉??积和浊积岩系;中元古代晚期会理时期(1400Ma?丨000Ma)为岩石圈

【参考文献】:
期刊论文
[1]我国深地资源电磁探测新技术研究进展[J]. 底青云,朱日祥,薛国强,殷长春,李貅.  地球物理学报. 2019(06)
[2]随机森林是特点鲜明的模型,不是万能的模型[J]. 李欣海.  应用昆虫学报. 2019(01)
[3]多重分形模式下多元素综合地球化学异常的提取[J]. 向中林,顾雪祥,王恩营,章永梅,王新利,彭义伟.  矿物学报. 2019(02)
[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]卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例[J]. 刘艳鹏,朱立新,周永章.  岩石学报. 2018(11)
[6]集成学习方法:研究综述[J]. 徐继伟,杨云.  云南大学学报(自然科学版). 2018(06)
[7]勘查地球化学数据挖掘与弱异常识别[J]. 左仁广.  地学前缘. 2019(04)
[8]地球化学场及其在隐伏矿体三维预测中的作用[J]. 张宝一,陈伊如,黄岸烁,陆浩,成秋明.  岩石学报. 2018(02)
[9]岩浆-构造-热事件与拉拉IOCG矿床的成矿[J]. 叶生涛,廖勇,申燕,李泽琴,黄丛俊.  四川地质学报. 2017(02)
[10]康滇地区元古宙构造运动Ⅰ:昆阳陆内裂谷、地幔柱及其成矿作用[J]. 王生伟,蒋小芳,杨波,孙晓明,廖震文,周清,郭阳,王子正,杨斌.  地质论评. 2016(06)

博士论文
[1]基于地质统计学模拟的地球化学异常信息提取[D]. 王健.中国地质大学 2018
[2]四川拉拉Fe-Cu矿床地质特征及其成因[D]. 于文佳.中国地质大学(北京) 2018
[3]中大比例尺地球化学组合异常精细评价方法研究[D]. 陈国强.吉林大学 2017
[4]内蒙古浩布高地区多金属矿综合信息找矿预测研究[D]. 季斌.合肥工业大学 2017
[5]基于深度学习的图像分类[D]. 孙炜晨.北京邮电大学 2017
[6]逻辑回归空间加权技术及其在矿产资源信息综合中的应用[D]. 张道军.中国地质大学 2015
[7]拉拉铁氧化物铜金矿:成矿时代和金属来源[D]. 朱志敏.成都理工大学 2011



本文编号:3621466

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/jckxbs/3621466.html


Copyright(c)文论论文网All Rights Reserved | 网站地图

版权申明:资料由用户229cf***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱[email protected]