基于pXRF 的荞麦山铜多金属矿床元素富集规律研究*

张明明，龙瑾潇，周国玉，焦峻嵚，方红东

（1 合肥工业大学资源与环境工程学院，安徽合肥 230009；2 合肥工业大学，矿床成因与勘查技术研究中心，安徽合肥 230009；3 合肥工业大学安徽省矿产资源与矿山环境工程技术研究中心，安徽合肥 230009；4 合肥工业大学空间信息集成与综合分析平台，安徽合肥 230009；5 安徽省地质测绘技术院，安徽合肥 230022；6 宣城市华通矿业有限公司，安徽宣城 242000）

在当前大数据的时代背景下，从数据出发，以数据驱动模式去分析、挖掘地学研究积累的大量数据，可以从另一侧面观察、研究地质问题，为地质研究开拓了新的思路(Armstrong et al.,2014;Chen et al.,2014;邵燕等,2016;张旗等,2017;翟明国等,2018)。随着矿产勘查方法与仪器分析测试技术的不断进步，地学研究已经从传统的定性研究向定量化研究快速发展(赵鹏大,2011;2014;2015)。地质数据一般难以达到海量级数据的标准，但地学研究可以从数据出发，进行数据之间各类关系的分析，挖掘地质数据背后隐藏的信息，同样是属于大数据技术范畴(Li et al.,2009;Gantz et al.,2012;Carranza et al.,2015;Evans et al.,2016;Aryafar et al.,2017;Condie et al.,2017;Ernst et al.,2017;张旗等,2018a;2018b;2018c;Huang et al.,2021)。

通常，元素的迁移和富集规律研究、组合特征提取以及地化异常准确圈定对于找矿勘查有着重要的意义(Zhao et al.,2012;Li et al.,2015;Wang et al.,2016)，如何快速分析岩石样品中的元素成分及其含量，以判断研究区的成矿潜力是一个非常关键的问题。实验室仪器分析方法由于测试的高精度使其在岩芯劈样元素分析、矿石地化异常分析等分析中占据着主导作用，但实验室分析方法一般需要经过“采集样品-运输样品-样品加工-化学分析”等过程之后才能得到测试结果，过程耗时长、费用昂贵且需要破坏样品，无法满足对研究区进行全数据采集(林延畅等,2002;Zhao et al.,2018;Cui et al.,2021)。便携式X 射线荧光分析仪(pXRF)可以在野外快速、准确地获取原位岩芯数据，为野外矿床全钻孔的元素采集提供了技术支持(Kalnicky et al.,2001;Hall et al.,2014;McAlister,2019)。

荞麦山铜多金属矿床位于长江中下游成矿带宣城矿集区内，是区内典型的矽卡岩型矿床(Mao et al.,2011;Pirajno et al.,2015;Nie et al.,2017;Liu et al.,2018)。前人对荞麦山铜多金属矿床的研究多从传统地质实验分析方面入手，采集矿床典型样品进行成岩成矿分析，成矿元素富集的特征及规律研究受到数据量及分析方法的限制。本次研究旨在从数据出发，运用pXRF对荞麦山铜矿床典型剖面进行全钻孔元素测试，以各元素之间的协同关系为基础，研究各元素在深度空间上的分布趋势和富集、亏损规律，深入分析元素之间相关性对矿物的指示，圈定地化异常，探索相关元素对成矿的指示作用。研究结果可以揭示荞麦山铜多金属矿床的元素分布特征，促进对成矿过程中元素迁移、富集规律的认识，明确矽卡岩型矿床的成矿模式和成矿条件，对进一步的找矿勘查工作具有积极的指导意义(Gazley et al.,2014;Young et al.,2016;Bruno,2018;Perring et al.,2018;Gray et al.,2020)。

1 研究区地质背景

长江中下游成矿带是中国最重要的铜铁多金属成矿带之一，位于华北克拉通和扬子克拉通的汇聚地带，成矿带内有许多大规模、多类型的铜铁多金属矿床。荞麦山铜多金属矿床位于成矿带内宣城矿集区内(图1)。

长江中下游成矿带主要受特提斯构造域、深部壳幔作用构造过程和古太平洋构造域的共同制约，经历了复杂的大陆动力学过程和多阶段的岩浆活动。诸多因素控制了本区的构造-岩浆-成矿作用，形成了许多大规模、多类型的铜铁多金属矿床(常印佛等,1991;翟裕生,1992;周涛发等,2008)。成矿带自西向东主要包括鄂东南、九瑞、安庆-贵池、铜陵、庐枞、宁芜和宁镇7 个传统的矿集区，以及近年来新增的宣城矿集区(图1)(Pirajno et al.,2015;Nie et al.,2017;Liu et al.,2018)。

长江中下游地区出露有晚太古代和古、中、新元古代变质基底，前震旦系沉积变质岩出露极少，震旦系—早三叠统稳定沉积盖层不整合覆盖于扬子克拉通不同基底之上，构成了该区“一盖多底”的地壳结构(常印佛等,1996;陈志洪等,2017;朱安冬等,2017)。

双基底层位是长江中下游地区独特的结构，表现为南部是以新元古代复理石建造为主的江南式基底，北部是以太古宙—古元古代TTG 岩系为特征的崆岭-董岭式基底，长江中下游成矿带处于上述2种类型基底的边界带上(董树文等,2011)。长江中下游成矿带从震旦系—白垩系都有各种类型的矿床产出，其中以铜、铁、金、钨等多金属矿床为主，铜、金矿床主要产出于3 个层位，分别为上石炭统黄龙组、二叠系和中、下三叠统(包括东马鞍山组、大冶组)，矿体一般处于碎屑岩和碳酸盐岩的接触部位(常印佛等，1991)。

宣城矿集区位于长江中下游成矿带东南侧(图1)。近年来，随着区域找矿的进展，在该矿集区发现了许多矿床，如茶亭斑岩铜金矿床、荞麦山铜多金属矿床、刘家山硫铁矿床和麻姑山铜钼矿床等。这些矿床主要为斑岩-矽卡岩型矿床(Mao et al.,2006;Zhou et al.,2011;李跃等,2019;徐晓春等,2019)，处于长兴-广德凹断褶束和宁芜凹断褶束2个Ⅳ级构造的结合部位，区内构造主要表现为褶皱构造、推覆体构造和断裂构造(钱仕龙等,2017;徐晓春等,2019)，区内中部叠置有北东向的九连山-狸桥、敬亭山、麻姑山推覆体构造，亦为复背斜构造。其中，九连山-狸桥推覆体往北东延伸至江苏境内为茅山推覆体(韩克从等,1985;朱志澄,1991;徐学思等,2001;黄润生等,2010)，断续绵延超过100 km，目前已将宣城矿集区列为长江中下游成矿带的第八大矿集区(周涛发等，2017)。

图1 长江中下游成矿带矿集区分布图(据周涛发等，2017修改)Fig.1 Distribution map of ore concentration areas in the metallogenic belt in the middle and lower reaches of the Yangtze River(modified after Zhou et al.,2017)

荞麦山铜多金属矿床是区内典型的矽卡岩型矿床，位于长山复背斜的次一级连续褶皱构造荞麦山茶山倒转背斜的南西倾伏端。矿床铜金属量约5.9×104t、硫铁矿矿石量约5×106t、钨金属量8.3×103t，为中型矽卡岩矿床(刘晓明等,2015)。矿区内地层(图2)由古至新分别为泥盆系上统五通组、石炭系中上统黄龙船山组、二叠系下统栖霞组、二叠系下统孤峰组、二叠系上统龙潭组及第四系全新统。矿体主要赋存于石炭系黄龙船山组与侵入体接触带内。矿区侵入岩岩体平行于褶皱轴沿断裂带狭长状分布，呈岩枝、岩株或岩脉状产出，属于中-浅成相中酸性侵入岩，主要侵入荞麦山倒转背斜核部和北西翼部，与围岩接触面较陡，倾角50°～80°，有的呈脉状穿插在石英砂岩和石灰岩裂隙中，岩体为花岗闪长斑岩，多位于荞麦山南坡超覆于石英砂岩之上。矿区内脉岩主要为石英斑岩，大致沿孤峰组和栖霞组之间分布，具有明显的定向性，走向北东70°，厚约20 m，分布于矿区南部的茨山的东部的顶门山等地。

图2 荞麦山矿床地质图(据刘晓明等，2014修改)1—第四系；2—二叠系上统龙潭组；3—二叠系下统栖霞组；4—石炭系中上统黄龙组、船山组；5—泥盆系上统五通组；6—花岗闪长斑岩；7—矽卡岩；8—砂岩；9—花岗斑岩；10—铁帽；11—勘探线及编号；12—钻孔及编号Fig.2 Geological map of the Qiaomaishan deposit(modified after Liu et al.,2014)1—Quaternary;2—Longtan Formation of Upper Permian;3—Qixia Formation of Lower Permian;4—Huanglong Formation and Chuanshan Formation of Middle and Upper Carboniferous;5—Wutong Formation of Upper Devonian;6—Granodiorite porphyry;7—Skarn;8—Sandstone;9—Granite porphyry;10—Gossan;11—Exploration line and number;12—Drill hole and number

2 数据采集

pXRF是最常见的野外岩芯原位元素测试仪器，其优点在于其轻巧、便携、测试速度快、精度高，在野外可直接获取目标物的元素含量，当前在环境监测、岩芯测试、分析沉积物序列等方面有着广泛的应用(Peinado et al.,2010;Yuan et al.,2014;刘琦,2014;Mauriohooho et al.,2016;Al-Musawi et al.,2020)。在合理设置参数及模式的基础上，pXRF技术被认为是一种满足全数据采集要求、便捷有效的测试方法(Radu et al.,2009;Piercey et al.,2014;Perring et al.,2018;Zhou et al.,2018;Zhou et al.,2020)，如夏庆霖等运用pXRF 技术对安徽泥河铁矿进行了岩芯矿化蚀变研究，获得了元素组合异常，较好地指示了矿化(夏庆霖等,2011)；McNulty 等（2018）利 用pXRF 对加拿大温哥华岛上的迈拉瀑布火山岩矿床进行了岩性判别研究，分析矿床Ti/Zr 趋势确定火山岩的类型。

基于pXRF 技术的岩芯测试可以最大限度保持样本的完整性及连续性，可用于野外钻孔现场原位分析，具有效率高、投入小的特点，大大提高了找矿勘查的效率。本文运用pXRF 技术在野外直接获取钻孔岩芯测试分析数据，并基于数据驱动思维，利用数据挖掘方法分析该矿床的元素空间分布规律。本研究所选择的仪器是日本奥林巴斯(OLYMPUS)科技公司生产的VANTA 系列便携式X 射线荧光分析仪，采取地球化学模式进行测量，在该模式下可测量元素包括P、Cl、Mg、Al、Si、Cr、K、Ca、S、Ti、Cu、V、Mn、Fe、As、Co、Ni、W、Bi、Zn、Th、Hg、Sr、Y、Pb、Se、Mo、U、Rb、Cd、Zr、Nb、Ag、Sn、Sb。

本文选取了荞麦山铜多金属矿床的代表性剖面16+线上的以铜硫矿石为主的3 个典型钻孔，分别为ZK16+02、ZK16+03、ZK16+04(图3)。在保持岩芯清洁、干燥的情况下，经过等间距单点测试、校准方程建立等步骤，获得了测量有效的30 种元素Mg、Al、Si、P、S、Cl、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Se、Rb、Sr、Y、Zr、Nb、Mo、Ag、W、Hg、Pb、Th、U 并进行数据分析，测点间隔为1 m 左右，不同钻孔不同深度位置间隔略有变化，每个点测试时间为60 s，累计测点433个(Bourke et al.,2016;周国玉,2021)。

图3 16+线勘探剖面简图(据刘晓明等，2014)1—石炭系中上统黄龙组、船山组；2—泥盆系上统五通组；3—花岗闪长斑岩岩体；4—石英砂岩；5—大理岩；6—花岗闪长斑岩；7—钻孔及孔号；8—铜硫矿石；9—铜矿石；10—钨矿石Fig.3 Simplified cross section of exploration line 16+through the Qiaomaishan Cu deposit(after Liu et al.,2014)1—Huanglong Formation and Chuanshan Formation of Middle and Upper Carboniferous;2—Wutong Formation of Upper Devonian;3—Granodiorite porphyry;4—Quartz sandstone;5—Marble;6—Granodiorite porphyry;7—Drill hole and number;8—Copper-sulfur ore;9—Copper ore;10—Tungsten ore

3 荞麦山铜多金属矿床元素富集规律分析方法研究

3.1 主成分分析

主成分分析法(PCA)对元素数据进行降维可以除去一些重复变量因素的影响，将信息进行压缩，建立尽可能少的新变量，使相关元素之间的关系更加明了(成秋明等,2007;韩小孩等,2012)。本文利用SPSS统计软件对荞麦山铜多金属矿床16+线所测的30 种有效元素进行全钻孔主成分分析，最终将30 个元素压缩得到8 个主成分信息，累计方差贡献率达到70.576%，保留了钻孔中元素含量的主要信息，其中第一主成分累计方差贡献率达到27.079%，所得成分中包含了荞麦山铜多金属矿床成矿元素Cu、Fe、S、W 在内的14 个正载荷元素（Cl 元素由于得分过低，暂不考虑）。主成分分析结果见表1。

在此基础上利用全数据主成分分析得到的结果分别计算ZK16+02、ZK16+03、ZK16+04 深部空间的成分得分值，成分得分结果的可视化显示能够直观反映各成分所包含的信息与钻孔岩芯成分之间的对应关系（图4）。

荞麦山铜多金属矿床16+线主成分分析反映了如下特征（表1，图4）：

图4 荞麦山铜多金属矿床16+线主成分得分图Fig.4 Principal component score of exploration line 16+through the Qiaomaishan Cu polymetallic deposit

表1 荞麦山铜多金属矿床16+线钻孔主成分方差及成分载荷表Table 1 Principal component variance and component load of boreholes on exploration line 16+through the Qiaomaishan Cu polymetallic deposit

（1）综合主成分得分（PCA）包含了全数据70.576%的信息在内，高值区主要出现在包括铜硫矿石和钨矿石在内的矿化区，是对钻孔主要信息的集中反映，计算公式如下：

（2）第一主成分(PC1)的高值富集区域与综合主成分高度相似，与钻孔的矿化区域明显对应，显然PC1代表了富含元素Cu、Fe、S、W在内的矿化信息，且伴随有非成矿元素Mg、Ca、Mn、Co、Zn、As、Se、Ag、Hg、U。

（3）第二主成分(PC2)具有除Mg、Si、Rb、Sr在内的较多的正载荷元素，结合主成分得分图可以看出第二主成分信息并不具备有类似于第一主成分具有明显矿化特征的元素组合，但高值区也多靠近矿石周围，在偏向石英砂岩的区域有着较强的反映，总体上具有更为复杂的表现。

（4）第三主成分（PC3）具有正载荷元素Mg、S、Ti、V、Cr、Mn、Zn、Rb、Sr、Y、Nb、Mo、W、Hg，主成分得分高值区呈现出以铜硫矿石和钨矿石为中心向两侧逐渐降低辐散的趋势，结果表明，PC2 在一定程度上能够反映铜硫矿石和钨矿石附近复杂多样的围岩蚀变现象。

（5）第四主成分（PC4）所表现的不具备明显特征，但总体上表现出主成分得分值由矿石位置向非矿石位置由高到低（ZK16+02、ZK16+03）或由低到高(ZK16+04)的现象。

（6）第五主成分（PC5）表现出得分值由石英砂岩段到铜硫矿石段、钨矿石段再到花岗闪长岩段逐渐降低变化的现象，反映出自浅向深得分值由高向低的变化。

（7）第六主成分（PC6）在铜硫矿石所对应的位置表现出低值特征，而在钨矿石所对应的位置表现出高值特征。

（8）第七主成分（PC7）和PC6特征一致。

（9）第八主成分（PC8）所表现的特征与PC6、PC7 的特征相反，在铜硫矿石所对应的位置表现为高值特征，在钨矿石所对应的位置表现出低值特征。

3.2 多元逐步线性回归分析

主成分分析能够保留诸多变量的主要信息，将30 种有效元素压缩为8 个变量，能够定性的反映元素富集规律与钻孔岩芯之间的对应关系。而多元逐步线性回归分析方法能够反映多个变量对一个因素的影响，能够从大量可供选择的变量中选取最重要的变量，以保证最后保留在模型中的解释变量多重共线性降到最低，从而建立“最优”的多元线性回归方程，得到回归分析的预测模型（Closs et al.,1975;付勇等,2009;Nazarpour et al.,2016;Ali et al,.2017），从而定量的反映元素的富集关系，量化矿化信息。为探究荞麦山铜多金属矿床中成矿元素Cu、Fe、S、W 与非成矿元素之间的富集伴随关系，笔者利用SPSS 软件将荞麦山铜多金属矿床16+线钻孔的成矿元素与26 种非成矿元素进行多元逐步线性回归分析，并建立预测模型，以达到进一步提取主要相关元素的目的。

为了避免不相关元素的干扰，在多元逐步回归之前对所测得的30 种有效元素进行相关性分析，结果见表2，相关性分析结果可知，与荞麦山铜多金属矿床与成矿元素Cu、Fe、S、W 具有正相关性元素主要有Mg、Ca、Mn、Co、As、Se、Ag、Hg、U。而由上述主成分分析表明，第一主成分集中反映了钻孔矿化信息，并且从主成分载荷表中可以看出元素非成矿元素Mg、Ca、Mn、Co、Zn、As、Se、Ag、Hg、U均具有较高的正载荷系数，与相关性分析相比仅多出元素Zn，且载荷系数最小，因此，相关性分析与主成分分析所得出的结论具有高度一致性。

表2 荞麦山铜多金属矿床16+线钻孔成矿元素相关性分析表Table 2 Correlation analysis of ore-forming elements in boreholes on exploration line 16+through the Qiaomaishan Cu polymetallic deposit

结合主成分分析和相关性分析的结果，可以初步反映出与成矿元素Cu、Fe、S、W 富集伴随的正相关元素。基于此，利用所测433 个数据点对成矿元素进行多元逐步线性回归，无差别的将全部钻孔数据步入模型，以分析元素Mg、Ca、Mn、Co、As、Se、Ag、Hg、U 与成矿元素的量化关系，建立拟合模型，以探究诸多元素的富集成矿规律，分析结果见表3。

表3 多元逐步线性回归分析系数表Table 3 Multiple stepwise linear regression analysis coefficient table

虽然Zn 元素在主成分分析中反映为低正载荷，但在初步的相关性分析中（表2），该元素与成矿元素并非均反映为显著相关性，因此并未作为变量步入回归模型。尽管在相关性分析中，元素Mg、Ca、Mn、Co、As、Se、Ag、Hg、U 对成矿元素Cu、Fe、S、W 均各自呈现出正相关关系，但在多元素共同作用的前提下，元素自身之间也存在相互作用即多重共线性作用，因此逐步回归模型在回归过程中对变量进行边引入边剔除，直到既无新变量的引入也无旧变量的剔除，以建立“最优”的多元线性回归模型。从分析结果中可以看出，对于不同的成矿元素所保留的元素及系数也有所不同，模型R²系数为分别为0.589、0.888、0.624、0.340，且各元素的系数均在满足显著性检验条件，因此，可以认为模型具有较好的拟合效果。此外，各模型VIF 均小于5，即拟合模型中不具有多重共线性影响，说明对于各成矿元素所保留下来的元素之间不存在明显相互作用，且其共同的富集对铜多金属矿床的形成产生着正向作用。逐步线性回归分析反映出Cu 元素的富集伴随着元素Mg、Co、As、Se、Ag、Hg、U；Fe 元素的富集伴随着元素Ca、Mn、Ag、Se；S 元素的富集伴随着元素Mg、Ca、Mn、As、Se、Ag、Hg；W 元素的富集伴随着元素Mn、Hg。

此外，通过上述逐步线性回归分析系数表建立多元逐步线性回归拟合模型，对荞麦山铜多金属矿床ZK16+02、ZK16+03、ZK16+04 钻孔中成矿元素进行拟合，以Cu为例，建立拟合模型如下：

Cu=35.736×Co+23.277×As+61.993×Se+0.012×Mg+681.668×Ag+22.317×U-7.788×Hg-0.0045

各成矿元素模型建立同理，利用拟合结果对比钻孔柱状图以及元素实测值，以此验证模型的准确性（图5）。从对比结果中可以看出，成矿元素的预测高值区与铜硫矿石和钨矿石的位置均具有较好的对应关系，并且以非成矿元素Mg、Ca、Mn、Co、As、Se、Ag、Hg、U 所建立的预测模型与实测值也和铜硫矿石和钨矿石具有高度的吻合现象。由此可见，相关性分析及多元逐步线性回归分析将26 种元素提取出了最为关键的相关元素以量化了元素富集信息，通过对成矿元素正相关元素进行多元逐步线性回归能够进一步提取对荞麦山铜多金属矿床具有正向影响的元素组合，并建立量化模型，定量反映了元素富集规律以及矿化信息。

图5 荞麦铜多金属矿床16+线成矿元素拟合对比图Fig.5 Fitting comparison of metallogenic elements in boreholes on exploration line 16+through the Qiaomaishan Cu polymetallic deposit

4 讨论

4.1 区别于实验室方法的全数据分析

当前便携式X 射线荧光分析技术的发展已经取得了很大的进步，测试检出限也提高了很多，但是pXRF 数据精度与传统实验室分析精度之间仍然有一定的差距，pXRF 分析总体来看属于半定量分析。本研究并非脱离于实验室方法完全基于pXRF 的数据采集，为了提高pXRF 数据的可信度，以更好地反映研究区的元素富集分布情况，本研究选择了以实验室数据为标准来校准pXRF 数据。在数据采集的预处理阶段，选取了荞麦山铜多金属矿床采集样品中13 块具有代表性的岩芯样品进行实验室全岩主微量元素测试，样品分别位于矿床的不同深度（深度从10～140 m），并且样品岩性从浅到深包含了荞麦山铜多金属矿床4 种主要岩性在内的石英砂岩、矽卡岩型矿体、大理岩和花岗山长斑岩。研究发现pXRF 分析结果与实验室分析结果之间具有较好的正相关关系，对于不同样品中元素含量的高值、低值反映结果是一致的（周国玉,2021）。在岩芯数据采集中，对荞麦山铜多金属矿床16+线主要以铜硫矿石为主的3 个典型钻孔进行等间距连续单点测试，累计测点达到433 个，各点采集有效元素30 种，在获取丰富数据的前提下最大限度地保持了岩芯的完整性以及测试样本的连续性，这是实验室测样难以做到的。

虽然，pXRF 化学分析是一种半定量、半定性的分析过程，但是其具有连续性测试、分析密度大、测验样品多的特性。并且，pXRF可以在无需样品制备的情况下很容易地在现场使用（Pinto,2018），其提供快速、实时分析的能力有助于收集适合地统计分析的有针对性的高数据密度读数（Lemiere,2018），尽管不具备实验室方法的高精度特征，与地球化学分析值存在本质区别，但能一定程度上能够反映出某区域样品的连续性特征与相关性特征，可以获取更全面的岩性信息，突出相对变化，相比实验室测样能够更广泛便捷地分析岩芯岩性变化趋势特征，有助于全面反映矿化特征和蚀变现象，因此并不会降低用于勘探过程中元素分布、迁移、富集规律研究的数据价值。

4.2 元素富集规律与矿化、蚀变

作者通过利用pXRF 对荞麦山铜多金属矿床16+线3个典型钻孔（ZK16+02、ZK16+03、ZK16+04）进行连续、高密度的主微量元素全数据采集，运用多元数据主成分分析法、多元逐步线性回归法对各主微量元素的空间分布规律、元素异常组合情况和成矿指示元素等进行了详细分析。

本文对上述3 个钻孔元素进行主成分分析（图4），研究结果表明，在荞麦山铜多金属矿床16+线钻孔的主成分分析中，将30 种元素信息压缩为8个主成分，每个主成分均代表了钻孔的不同信息：①以正载荷元素Cu、Fe、S、W、Mg、Ca、Mn、Co、Zn、As、Se、Ag、Hg、U 为主的PC1 元素组合代表着荞麦山铜多金属矿床的矿化信息，研究结果从元素分布的角度细化了前人的研究；②PC2、PC3 反映了荞麦山铜多金属矿床中花岗闪长斑岩、石英砂岩、大理岩相互接触带之间复杂多样的蚀变信息及变化趋势（刘晓明等,2015;2016）；③PC6、PC7、PC8 主成分信息一定程度上蕴含了钨矿石、铜硫矿石的矿化信息。

因此，通过主成分分析16+线钻孔数据，将30 种元素压缩为包括矿化信息、蚀变信息、铜硫矿石、钨矿石、岩石信息等在内的8 个主成分信息，并且综合得分结果能够包含并解释70.576%的钻孔信息，通过主成分分析确定的，以Cu、Fe、S、W、Mg、Ca、Mn、Co、Zn、As、Se、Ag、Hg、U 为正相关关系变化的元素组合，可辅助确定荞麦山铜多金属矿床的多样性矿化。分析表明，矿床复杂多样的矿化、蚀变是造成主成分分析中正载荷元素集中出现的主要原因，反过来多种类元素不同主成分中出现的正载荷现象也能够一定程度上反映岩体多样的矿化、蚀变特征，两者之间相互佐证。

主成分分析侧重于将诸多变量进行压缩合并、整合归类，最大程度上保留原有信息，而多元逐步线性回归侧重于将诸多变量进行对比、剔除、保留，减少变量的同时，建立最优拟合方程，以提取相关信息。

在对荞麦山铜多金属矿床成矿元素Cu、Fe、S、W 进行相关性分析发现，对成矿元素起正相关性影响的元素包括Mg、Ca、Mn、Co、As、Se、Ag、Hg、U，这一结果与主成分分析得出的结论大同小异，因此，可以进一步判断这些元素与成矿元素具有明显的富集特征，可作为矿化指示元素。基于相关性分析和主成分分析结果进行多元逐步线性回归分析并建立拟合模型，对比验证表明，尽管拟合R2系数大小不一，但都对矿化位置具有较好的反映效果。ZK16+02由于具有更为复杂的地质环境，无论是实测元素值还是拟合值，都综合反映了铜硫矿石和钨矿石的整体矿化特征；ZK16+03、ZK16+04 中4 种成矿元素的拟合效果与实测值具有高度吻合的特征，并且对铜硫矿石的反映也十分显著，甚至Cu 元素拟合值对铜硫矿石位置的指示效果比Cu 元素的实测值更好，尽管W 元素的R2系数只有0.34，但整体上对于钨矿床也具有大致的反映。可见，多元回归分析能够从诸多元素中提取与成矿元素具有最优相关性的成矿指示性元素，与主成分分析对比研究共同指示出与成矿元素Cu、Fe、S、W 伴随富集的元素组合为Mg、Ca、Mn、Co、As、Se、Ag、Hg、U。

笔者主要选择了研究区代表性剖面的3 个钻孔进行研究，虽然数据涵盖了矿床的主要岩层，但钻孔数量相对于整个矿床来说还是偏少，还有一些矿石类型如铜硫钨组合矿石、铜钨矿石、铜矿石未能全部覆盖。在分析方法上主要选择了主成分分析、相关性分析、多元逐步线性回归分析，如若加入一些数据算法分析、机器学习分析，将提升数据分析的科学性及有效性。

5 结论

（1）荞麦山铜多金属钻孔主成分分析结果显示，综合得分PCA、PA1 集中反映了元素矿化信息；PC3反映了矿石与接触带围岩的蚀变信息；PC5一定程度上反映了岩芯中石英砂岩的成分；PC6、PC7 对钨矿石具有一定的指示作用；PC8 对铜硫矿石具有一定的指示作用。

（2）多元逐步线性回归分析提取了具有成矿指示作用的相关富集元素，结果表明，荞麦山铜多金属矿床成矿元素Cu 伴随着元素Mg、Co、As、Se、Ag、Hg、U 的富集；成矿元素Fe 伴随着元素Ca、Mn、Ag、Se 的富集；成矿元素S 伴随着元素Mg、Ca、Mn、As、Se、Ag、Hg 的富集；成矿元素W 伴随着元素Mn、Hg的富集。

（3）主成分分析和多元逐步线性回归分析共同反映荞麦山铜多金属矿床中元素Mg、Ca、Mn、Co、As、Se、Ag、Hg、U 和成矿元素Fe、S、Cu、W 存在正相关关系，并且伴随成矿元素呈现富集特征，对荞麦山铜多金属矿床铜硫矿石具有矿化指示作用。