利用证据权重法进行综合信息矿产资源预测—以大兴安岭北部地区为例

滕菲，张燕，张素荣，邢怡

（中国地质调查局天津地质调查中心，天津 300170）

利用证据权重法进行综合信息矿产资源预测—以大兴安岭北部地区为例

滕菲，张燕，张素荣，邢怡

（中国地质调查局天津地质调查中心，天津 300170）

证据权重法是一种重要的矿产资源预测方法，它是基于二值图像的地学统计方法，通过对与矿产资源相关的地学信息的叠加分析进行预测，其优点是数据驱动、易于编程实现。笔者通过对大兴安岭北部地区金矿预测实验，证明证据权重法数学预测模型对区域成矿远景区预测有较高的准确性和科学性,同时在与ARCGIS系统结合后,可对多源信息进行空间位置综合处理并形成新的综合变量,能更全面、客观的反映地质体空间特征,使成矿预测更加准确。

地理信息系统;证据权重法;成矿预测;证据层

随着大量的多源地学信息数据的积累，以及成矿预测学科自身的不断发展，如何适应形势的变化，充分利用这些丰富的资料，快速、经济有效地进行成矿预测，就成了地质工作者面临的一个重大问题。当前地理信息系统（GIS）技术具备了在计算机辅助下对地质、地理、地球物理、地球化学和遥感等多源地学信息进行集成管理、有效综合与分析的能力，而空间信息的综合分析方法是决定GIS应用水平的关键[1-4]。目前应用的方法有很多种，包括布尔逻辑、代数方法、模糊逻辑神经网络、秩相关分析、信息量、判别分析、聚类分析和证据权重法等[5-7]。证据权重法是基于二值图像的地学统计方法，通过对与矿产资源相关的地学信息的叠加分析进行预测，其中每一种地学信息都作为预测的一个证据因子，而每一个证据因子对矿产资源预测的贡献由其权重值确定。相对于其他方法而言，其运行由数据驱动、亦可专家干预[8]，对证据因子权重的解释通俗易懂，其计算结果后验概率即为成矿概率，直观明了，显示出实用、易用等优势，是国际地学领域使用GIS技术进行矿产资源评价预测一种非常受重视的计算方法。笔者以大兴安岭北部地区为例，对证据权重法的特点方法、实现过程等进行了详细探讨，希望能为区域矿产预测工作提供可借鉴的方法经验。

1 证据权重法

1.1 方法原理

证据权重法是加拿大数学地质学家Agterberg提出的一种地学统计方法，通过对一些与矿产形成相关的地学信息图层的加权叠加复合来进行矿产远景区的预测。其基础是将地质评价模型转换为“网格模型”，针对每一网格上信息数据进行权值计算，结合GIS技术对各种有利成矿因素（证据层）进行有效综合的数学预测评价。只要所输入的图层合理，选择条件适当，计算结果就客观可信[9]。

数学原理如下：假设研究区被划分成为T个等大小的网格（区域划分网格单元要以保证一个网格中至多出现一个已知矿点为基础），提取相关信息。其中有D个网格单元含有已知矿（床）点，提取的每个变量看作独立的证据因子（以下称证据因子）。对于任意一个证据因子，其对成矿贡献的权重定义为：分别为证据因子存在区和不存在区的权重值，如果原始数据缺失，那么权重值为0；其中B为这个因子存在的网格单元总数，-B为这种因子不存在的网格单元总数。-B=T-B;-D为不含矿单元数；条件概率：

利用证据权重法计算出各个变量的W＋和W－值；控矿地质因素与矿床产出状态之间的关联性强弱，可以通过正负权的差值大小来度量，即：Cj=W+j+W-j, Cj值越大表示该地质标志的找矿指示性越好,若Cj= 0，表示该找矿标志对有矿与无矿无指示意义；Cj＞0表示有利于成矿，Cj＜0表示不利于成矿。

对于n个证据因子，若它们都关于矿点条件独立，则研究区任一网格单元k为矿点的可能性，用后验概率对数表示为：

根据该公式，后验概率为:P=O/(1+O)。后验概率P代表了单个单元格内找矿的有利度，根据后验概率提出找矿远景区。

1.2 方法优越性

证据权重法矿产资源评价相对于其它基于GIS的矿产资源评价方法相比，还具有如下优点：易于编程，易于组合多图件模式；预测过程中以矿产产出的空间位置为基础，并在空间位置最有效、最直接的表达形式，即可在图形上进行操作；对证据因子权重的解释通俗易懂，正负权重的差值直接指示了证据因子（找矿标志）与矿的相关程度；证据因子的处理简单，只需离散到二值图像即可，调整阀值使正负权重的差值C达最大，则用该阀值离散成二值图像为最佳；能处理缺失信息的区域，只需设其权重为0即可，不需对数据空白区进行人为的插值；计算结果是后验概率，代表了单个单元格内找矿的成矿概率，直观明了；可采用单纯数据驱动方法运行，也可采用人工干涉，即专家证据权重法，在运行过程中加入经验、认识，综合预测，驱动方式灵活[10-12]；可实现基于GIS的证据权重法矿产资源评价的软件丰富。

2 区域地质概况

研究区处于古西伯利亚板块南缘，额尔古纳断褶带、内蒙—大兴安岭褶皱系和上黑龙江断陷的接合部位（图1）。火山活动强烈，被燕山期火山岩大片覆盖。区内地层分布广泛但比较零星，除中上寒武统，中石炭统外，自元古界至第四系全新统均有出现，以中、新生界最为发育。区内岩浆活动十分频繁，具有多期次的特点。侵入岩以燕山期中酸性、酸性花岗岩类最发育，分布南北存在差异性，南部分布广泛，北部分布相对很少。区内矿产资源丰富，以金、铜、铅、锌等矿床为主。

图1 研究区大地构造位置Fig.1 Geotectonic position o f the study area

3 区域找矿模型

笔者在分析了研究区地层、构造、岩浆岩等地质资料的基础上,对该区金矿床的地质特征和控矿因素进行了分析和总结,建立了金矿区域找矿模型[13]-[17]。

（1）赋矿地层：二十二站组、甘河组、倭勒根群大网子组、兴华渡口期片麻岩、修峰组、塔木兰沟组、光华组。

（2）控矿岩浆岩（侵入岩）：主要以燕山期中酸性侵入岩为主，其它时期中酸性侵入岩次要。

（3）主要控矿构造：NE和NW及WE向。

（4）指示有矿的重力异常以密度异常区为主，即主要为高密度体内的低密度体或低密度体内的高密度体。

（5）指示有矿的航磁异常为正异常。

（6）与矿化有关的地球化学异常主要有Au、Cu、Pb、Zn。

4 预测流程

4.1 预测要素的提取

（1）建立研究区矿床(点)和成矿作用有关的证据因子专题数据库。

分别建立地质数据库（包括地层、构造、岩浆岩、矿床(点)数据）、地球化学数据库（被确认与金矿有密

切共生及伴生关系的Au、Cu、Pb、Zn等元素）、金矿床(点)数据库、遥感数据库（利用TM遥感图像对区内的线环构造进行校正、解译）、地球物理数据库（重力、磁力异常），作为基本证据层统一投影存储在MAPGIS、ARCGIS地图库中。

（2）对于每一个证据因子专题数据库，提取与试验区成矿关系密切的控矿因素，生成新的图层，即证据层。以地质数据库为例：根据所建立金矿区域地质找矿模型，针对可能与矿产相关地质要素，在MAPGIS平台下，初步划分出57个地质图层(表1)，其中控矿岩浆岩主要以燕山期中酸性侵入岩为主，控矿构造以北东向、北西、东西向为主，与成矿关系密切地层主要有中生界的侏罗系和白垩系甘河组等6组及兴华渡口期花岗片麻岩，其它成矿相关图层还包括火山岩、潜火山岩、糜棱岩、脉岩、矿产地等。

（3）提取矿点图层，划分网格单元

单元格面积的设置要保证一个单元格中最多只出现一个矿床（点）（训练点）。故单元格面积的确定是根据已知矿床（点）的多少决定的。实验区所有的金矿床（点）11个，将矿床（点）的文件转换为Arcview下的shape格式，并将建立模型的单元格面积设置为1 km2，搜索含矿网格单元，生成含矿网格图层。

4.2 预测模型的建立

（1）证据因子的选择、定量化

地质证据因子：将所提取赋矿地层、控矿岩浆岩、控矿斑岩、脉岩转换成grid格式，考虑到控矿岩浆岩、控矿斑岩、脉岩等热液活动有一定影响范围，利用A rc-Wofe的缓冲分析功能，分别进行缓冲分析，缓冲半径以1 km为间隔，并计算各缓冲半径的C（正负权重的差值），燕山期中酸性侵入岩最大的C（1.0014）缓冲半径为7 km，因此选缓冲半径7 km作为其影响区域。同理，选缓冲半径5 km作为控矿斑岩、脉岩的影响区域。下面控矿构造以此为例，介绍相关地质要素图层缓冲半径计算过程。控矿构造是线文件，利用MAPGIS的空间检索功能检索出构造线方向为NE和NW及EW向的所有断裂构造，从遥感影像解译的线、环构造与原有构造合为一个证据层。再将其转换为shape格式，利用Arc-Wofe的功能，对其进行缓冲分析，缓冲半径以1 km为间隔，并计算各缓冲半径的C（表2），最大的C（0.591）缓冲半径为8 km。

重磁异常证据因子：从区域找矿模型来看，局部重磁异常与矿关系密切，故对其进行人工提取，作为一个证据因子，并转换为grid格式。根据重力异常等值线图，按10毫伽为间隔计算各重力等值线为阀值的异常区与矿相关程度C值，结果显示当等值线为-30毫伽时，C值获得最大值3.9373（表3），故用此等值线为阀值，生成重力异常二值图像并转换成grid格式。根据航磁异常等值线图，按100 nT为间隔计算各重力等值线为阀值的异常区与矿相关程度C值，结果显示当等值线为700 nT时，C值获得最大值2.0628，故用此等值线为阀值，生成重力异常二值图

像并转换成grid格式。

表1 地质证据层分类表Table 1 Geo logica levidence layers system

表2 断裂构造与金矿床(点)相关程度Table 2 Pertinency between fau lts and go ld deposits

化探异常证据因子：依据区域找矿模型，将研究区Cu、Au、Pb、Zn元素化探异常分别作为一个证据因子，并转换为grid格式。化探异常作为地表元素富集的表象,对成矿远景区的圈定具有直接指示意义。对化探异常下限的设定，同样采用C值最大来进行优选[18]。

表3 布格重力异常与金矿床（点）相关程度Table 3 Pertinency between bouguer gravity anom a lies and go ld deposits

（2）金矿证据因子的条件独立性检验及其合并或筛选

利用Arc-Wofe条件独立性检验功能，对上述所有证据因子进行关于矿床（点）是否为条件独立进行检验，结果有多个证据因子之间不存在条件独立，经过反复对各证据因子的条件独立性检验，剔除或合并条件独立的证据因子，最后选取如下12个证据因子建立金矿证据权重模型，它们之间关于已知11个矿床（点）都是条件独立的，也即通过了条件独立性检验（表4）。概率值＜0.05表示对应的证据因子之间不存在条件独立。

表4 证据因子条件独立性检验结果表Table 4 Testing resu lt o f cond itiona l dependency o f evidence-gene

4.3 预测结果及评价

（1）证据因子正负权重计算

在选定的证据因子通过条件独立性检验后，计算它们的正负权重，其计算结果见表5。根据其结果进行分析可得出以下认识:本实验区侏罗纪和早白垩世地层与成矿关系密切;燕山期的中酸性岩浆岩在本区所占面积不大,但与金矿化的关系比较密切;构造破碎带与遥感解译的线性构造与金矿化的关系都比较密切;航磁、重力异常与金矿化也有一定的关系。

（2）后验概率计算

笔者根据每种条件的权重值计算得到实验区的后验概率等值线图。并根据后验概率值划分3级有利预测成矿区（图2）:把值域范围（0.0046～0.0295）的预测单元作为Ⅰ级远景区，值域范围（0.0015～0.0046)的预测单元作为Ⅱ级远景区，值域范围(0.0005～0.0015)的预测单元作为III级远景区。分析表明已知矿点基本落入后验概率出现的Ⅰ、Ⅱ级分布范围内，说明预测结果对已知条件没有出现漏判；预测成矿远景区分布走向基本与区域内的控矿构造、岩浆岩分布一致，成矿作用明显受NE和NW向的断裂控制，预测好的区域基本都在NE和NW向断裂的交汇处，出露地层均为实验区内有利含矿地层，表现出成矿受岩浆活动和层位以及断裂的控制，这与区域内已知金矿床特征相吻合；除了覆盖已知

矿床（点）的区域外还有几个预测区尚未发现金矿床（点）。研究分析表明这一带都位于较大断裂带的交汇带上和大型岩体出露附近，并与已知矿床(点)具有相似的成矿条件，所以这一带尚未发现矿床（点）的预测区应该在下一步找矿勘探工作中引起足够的重视。

表5 证据因子正负权重参数表Table 5 W eigh t pa ram e te rs o f evidence-gene

图2 大兴安岭北部地区金成矿预测图Fig.2 Go ld p rognosis m ap o f No rthDaxingan ling

5 结论

证据权重法预测模型是根据已知矿床（点）与各种控矿成矿条件之间的条件概率来确定每种条件的权重值，然后推广到全区，其原理简单而且易于实现，既可以对多金属矿床进行预测，也可以对特定成因矿种进行综合预测。由于后验概率是在大量地质、地球物理和地球化学等图层叠加操作的基础上计算出来的，因此，其结果综合反映了各种控矿因素和矿化信息对矿床的控制和指示意义。同时由于证据权重法着重对各控矿要素和矿床（点）间相互空间位置进行分析，其和相关GIS软件的结合满足大量的空间叠加、复合分析的需求。

笔者在大兴安岭北部地区建立的基于GIS的证据权重法矿产资源评价模型，反映该方法能够在研究程度相对较低，但数据资料丰富的地区快速而有效应用的特点，可供其它地区矿产资源评价工作借鉴。笔者认为证据权重法矿产资源的评价工作，既可以在专家的指导下，用其实现专家的思想，也可以发挥证据权重法数据驱动对丰富资料充分利用的功能，作为专家思想的补充或旁证，为地质找矿提供灵活、有效的预测工具，实现隐伏矿床的找矿突破。

[1]朱思才，吴家齐，刘和发.GIS技术在区域矿产资源勘查评价中的应用[J].有色金属矿产与勘查，1999，8(6):615-618.

[2]向运川，任天祥，杨竹溪.开发利用地理信息系统(GIS)综合分析地学信息进行矿产预测[J].物探与化探，1996，20(1):1-13.

[3]黄海峰.GIS在成矿预测中的应用[J].甘肃地质学报2002，11(1):89-96.

[4]张建龙，游丽君，秦举礼.利用GIS空间分析功能进行矿产资源评价的方法研究[J].物探化探计算技术，1997，19(3): 283-286.

[5]葛咏.地学数据集成及空间决策支持的方法与应用[J].地球信息科学，2006，8(1):16-20.

[6]肖克炎，葛艳.成矿预测中证据权重法与信息量法及其比较[J].物探化探计算技术,1999,21(3):223-226.

[7]张健挺，邱友良.人工智能和专家系统在地学中的应用综述[J].地理科学进展，1998，17(1):44-51.

[8]丁清峰，孙丰月.专家证据权重法及其在东昆仑地区的应用[J].地质与勘探2005，41(4):88-94.

[9]袁峰，周涛发，岳书仓.GIS矿产资源预测中的证据权重法[J].黄金地质，2003，9(3):75-77.

[10]黄海峰，姚书振，丁振举.基于GIS的证据权重法在成矿预测中的应用—以甘肃省岷县—礼县地区的金矿预测为例[J].地质科技情报，2003，22(3):77-82.

[11]徐善法，陈建平，叶继华.证据权法在三江北段铜金矿床成矿预测中的应用研究[J].地质与勘探，2006，42(2): 54-59.

[12]杨茂森，黎清华，杨海巍.GIS支持下的证据权法在胶东金矿集中区预测中的应用[J].地球学报，2005，26(5): 487-491.

[13]邹光华，欧阳宗圻，李慧，等.中国主要类型金矿床找矿模型[M].北京:地质出版社，1996.

[14]王钟，邵孟林，肖树建.隐伏有色金属矿床综合找矿模型[M].北京:地质出版社，1996.

[15]赵鹏大，孟宪国.地质异常与矿产预测[J].地球科学-中国地质大学学报，1993，18(1):39-47.

[16]赵鹏大，胡旺亮，李紫金.矿床统计预测[M].北京:地质出版社，1983.

[17]王世称，成秋明，范继璋.金矿资源综合信息评价方法[M].长春:吉林科学技术出版社，1990.

[18]丁汝福.国内外寻找隐伏矿化探新方法研究进展[J].地质与勘探，1999，3，35(3).

P628+.2

：A

：1672－4135（2014）04－0269-05

2014-07-31

中国地质调查项目：区域地球物理成果集成与方法技术研究（1212011120915）

滕菲（1982-），女，工程师，2007年7月毕业于吉林大学数字地质科学专业，现主要从事应用地球物理研究，E-mail:tengbeibei2006@163.com。