支持向量机优化算法(SVM)的金矿成矿过程模拟——以辽西地区新太古代片麻岩为例

石 娴, 李猛猛, 姜兆元

(1. 桂林航天工业学院 计算机科学与工程学院,广西 桂林 541004 2. 辽宁省化工地质勘查院有限责任公司,辽宁 锦州 121007)

0 引言

新太古代是全球岩浆活动的井喷期,有大量的火山和侵入活动产生,是全球最重要的大陆地壳生长期,从而也形成了控制成矿作用最重要的成矿地质体——绿岩层序。主要成矿作用是与镁铁质火山作用有关的矿床,同时还形成了与碰撞造山作用有关的绿岩带同构造晚期金矿床[1]。辽宁省新太古代地质体分布十分广泛,岩性复杂,矿产丰富,主要分布于柴达木-华北板块东部,表现为受到区域变质作用而形成的变质深成岩和变质表壳岩。根据前人对太古代变质岩的划分结果,辽西地区为建平群,辽东地区为鞍山群。辽西地区的建平群主要由变质深成岩组成,主要以正片麻岩为主,其次包括一些麻粒岩、变粒岩和浅粒岩等变质表壳岩。形成时代为新太古代,变质程度复杂而不同,麻粒岩相-角闪岩相-绿片岩相均有发育,且广泛受到混合岩化作用。其原岩主要由镁铁质基性-超基性岩浆岩、中-酸性岩浆岩、中-酸性火山碎屑岩等组成。在侵入建平群变质岩中的花岗质岩石中锆石的U-Pb年龄为2.38～2.48 Ga。其中发育的正片麻岩岩性主要为黑云斜长片麻岩(锆石U-Pb年龄为2.58 Ga)和黑云角闪斜长片麻岩(锆石U-Pb年龄为2.48 Ga)[2]。发育于辽西地区新太古代建平群中的金矿主要受到变质期后的热液叠加而富集成矿,主要矿化类型为石英脉型[3],现已发现的金矿矿床主要有凌海市赵泉沟金矿、阜新市新民金矿、阜新市排山楼金矿、北票市迷力营子金矿、北票市上洞子沟金矿、北票市沙金沟金矿、北票市后梅林皋金矿、北票市苏家窑金矿、朝阳市万进金矿和喀左中三家金矿等。

对于辽西地区新太古代片麻岩中金矿的成因类型,至今还没有明确定义,从区域角度考虑,发育于变质岩中的金矿是由于成矿作用所引起的[4]。1997年杨占兴[5]根据成矿物质来源、成矿环境及成矿作用将辽西地区发育的金矿按成因类型划分为4种类型,分别为岩浆热液型、陆相火山岩型、同韧性剪切变质热液型和变质-岩浆热液叠加型;曲亚军[3]在综合研究以往前人成果的基础上,于2006年以成矿地质背景角度,根据所反映的成矿物质来源和成矿条件,将辽西地区金矿划分为6种成因类型,主要包括同韧性剪切变质热液型、后变质热液叠加改造型、变质热液交代型、岩浆热液叠加改造型、岩浆热液型、次火山热液型。冯建之等[6]在2009年通过对构造-岩浆-成矿作用等系统的金矿成矿规律研究,提出了与拆离构造有关的成矿观点。对于以上众多观点可以推测出,在辽西地区开展新太古代片麻岩金矿成矿过程研究,以此为突破口,能够更准确地为确定金矿成因类型奠定基础。

1964年苏联学者Vapink等提出了支持向量机(Support Vector Machine, SVM)算法,多用于处理科学中的时间序列分析问题、分类问题和回归问题等。SVM的基础是统计学原理,是一种人为监督的非参数统计学习方法,其样本数据是一种基于小样本事件下的机器学习方法。传统的学习方法多利用经验风险最小化原则,而SVM是基于结构风险最小化原则。因此,SVM在解决非线性及高维等问题时就表现出了很多特有的优势。通过对SVM的边界敏感行为以及核特征映射研究有助于其在许多应用中获得优异的性能,目前在生物学[7]、医学[8]、生物信息学[9]、模式识别[10]、图像分类[11]、金融[12]等领域应用十分广泛。

在传统的矿产勘查中,多以岩心样、刻槽样和捡块样为主,样品数量有限,对于像蚁群或深度学习等算法均需要大量的样品数据,才能很好分析出金矿的成矿过程。因此针对小样品事件下的SVM算法才能更准确地反映出辽西地区新太古代片麻岩中金矿的成矿过程。基于以上分析,本文通过运用SVM算法,以辽西地区新太古代片麻岩中典型金矿床及矿化点钻探工程的样品组合分析结果为测试数据,综合研究Au、Ag、Cu、Pb、Zn元素与S元素之间的关系,建立以S元素质量分数为主导的金矿成矿过程识别模型。

1 地质背景

研究区位于辽宁省的西部,行政区划主要包括葫芦岛市、朝阳市、阜新市和锦州市,大地构造位置位于西伯利亚板块(I)南缘和柴达木-华北板块(Ⅲ)北缘,其中辽西地区新太古代建平群片麻岩主要位于华北陆块(Ⅲ-5)的北缘隆起带(Ⅲ-5-3)(图1)。根据1986年董申保等[13]在《中国变质作用及其与地壳演化的关系》中变质岩带的划分方案,结合辽宁省变质岩特点,辽宁省新太古代建平群片麻岩主要位于辽西新太古代变质地带的建平-宝国老-旧庙新太古代中高压-高压麻粒岩相变质岩带和锦州-哈尔套新太古代角闪岩相变质岩带,呈NEE向展布。

图1 辽西地区地质简图(据文献[2]修改)

研究区变质岩主要由辽宁省新太古代建平群片麻岩组成,主要变质期属新太古代的变质岩系,是变质岩和伴生花岗质岩石的混合岩类[14],同位素年龄数据说明它们曾受到2770～2700 Ma和2600～2500 Ma强烈变质作用,因而是始于新太古代早期区域变质作用的变质岩系[15-16]。此变质岩系由变质深成岩和变质表壳岩组成,其中变质表壳岩出露面积约占研究区变质岩总面积的1%,为研究区内最古老的高级变质岩。由于强烈变质变形与深熔作用的影响,变质表壳岩中原始沉积结构与构造已被消失殆尽,原始层序多被破坏,造成层间不连续性和构造缺失。变质表壳岩组合经历了麻粒岩相变质作用,并不同程度地遭受了角闪岩相、绿片岩相退变作用迭加改造。其岩性主要为麻粒岩、斜长角闪岩、变质超基性岩、变粒岩、磁铁石英岩和角闪石岩等,原岩主要为基性火山岩、硅铁质沉积岩、火山碎屑沉积岩和部分超基性岩。变质深成岩出露面积占研究区变质岩总面积的99%以上,发育多期变形作用形成的构造片麻理或糜棱面理,其变质程度为区域高压麻粒岩相,属于单相变质,受到后期的韧性剪切作用,由麻粒岩相退变为角闪岩相和绿片岩相[17]。岩石化学成分相当中生代侵入岩的钙碱性系列,其岩石化学成分表现为中生代侵入岩中的钙碱性系列。燕山期叠加动力变质作用,构成卡拉房子-瓦子峪NE向韧性剪切带,形成糜棱岩系[18]。原岩主要为TTG岩系,包括中性闪长岩、石英闪长岩、花岗岩和二长花岗岩等组成。

本文所研究的片麻岩主要为变质深成岩中的片麻岩类,硅、铝含量高而镁铁含量低,是辽西变质岩中产出最多的岩石类型,多呈层状产出,也见有岩基、岩脉等。根据矿物组成及含量的不同,出露的岩性主要包括角闪黑云斜长片麻岩、黑云二长片麻岩、石英奥长片麻岩、石英二长片麻岩、含云母斜长片麻岩和含角闪石斜长片麻岩等。浅色与暗色矿物条带构成了极好的条带状构造,局部受到严重歪曲或压扁拉长。矿物特征是斜长石含量较多,钾长石较少,石英含量分布不均,暗色矿物主要为角闪石和黑云母,原岩为TTG岩系,变质程度为高级的花岗岩-绿岩区。

本文选取辽西地区新太古代片麻岩中的8个典型矿床及矿化点作为研究对象(图1),其中富Au的部位多含有大量的黄铁矿,以及黄铜矿、闪锌矿和方铅矿等。由于现存的金矿体及矿化带为片麻岩、硫化物和Au演化完成后的最终状态,富Au部位大量硫化物的存在验证了Au与硫化物之间的演化关系,结合前人对于相关资料的综合分析,确定了Au在成矿过程中与硫化物的相辅相成作用,因此,本文选用S元素作为突破口,并运用SVM算法进行金矿成矿过程的研究。

2 数据来源

数据采集自辽西地区新太古代片麻岩中的8个典型矿床,共采集样本64个,主要包括:①凌海市赵泉沟金矿-赵泉沟矿段I号矿体的岩心样品中采集组合分析样品20个,其中11个样品岩性为含金石英脉,9个样品岩性为黑云斜长片麻岩;②阜新市新民金矿-T1号矿体的岩心样品中采集组合分析样品1个,样品岩性为糜棱岩化黑云斜长角闪片麻岩;③阜新市排山楼金矿-EW向矿带T1号矿体的岩心样品中采集组合分析样品1个,样品岩性为蚀变黑云斜长糜棱岩;④阜新市小洞金矿矿化点-金矿化带的探槽中采集组合分析样品6个,样品岩性为花岗质片麻岩;⑤北票市迷力营子金矿-Ⅰ号矿体的岩心样品中采集组合分析样品1个,样品岩性为含金石英脉;⑥北票市上洞子沟金矿-12号矿体的岩心样品中采集组合分析样品2个,样品岩性为含金石英脉;⑦朝阳市万进金矿-Ⅰ号矿体的岩心样品中采集组合分析样品2个,样品岩性为含金石英脉;⑧喀左中三家金矿-华子沟采区Ⅰ号矿体的岩心样品中采集组合分析样品31个,其中22个样品岩性为含金石英脉,9个样品岩性为黑云斜长角闪片麻岩。所采取的样品围岩均为新太古代深成变质岩,组合分析项目为Au、Ag、Cu、Pb、Zn和S元素。

野外采集的新鲜岩心样品由辽宁省化工地质矿山第三实验室分析测试,所有的样品使用鄂式碎石机破碎至-10目,而后使用碳化钨环磨至-150目。样品采用四酸过程进行分解,测试仪器是Perkin-Elmer电感耦合等离子仪,进行Au、Ag、Cu、Pb、Zn和S元素质量分数的测定,分析方法检出限均为0.02。分析结果见表1。

表1 岩心样品分析数据

3 SVM预测算法模型

3.1 方法原理

SVM算法是一种广泛应用于分类及回归问题的机器学习方法,该算法是由统计学理论、Vapnik-Chervonenkis Dimension (VC维)理论和结构风险最小化原理的基础上建立而成的,多用于处理科学中的时间序列分析问题、分类问题和判别分析问题等,进而可以推广到远景预测和综合分析等领域[19]。根据有限样本数据,建立预测模型,探寻非线性和复杂性问题的最佳解决方案,以致于SVM具有最好的泛化性能。针对非线性不可分问题,则通过核函数将数据由低维空间映射到高维空间,进而实现高维可分[20]。

SVM的理论基础是有限样本数据在线性可分条件下寻找最优分离超平面(图2),以便能够最大限度地寻找平面和最近点之间的距离。该解决方案有几个重要的统计特性,使其成为有效解决问题的方式方法。最优解的主要统计特性之一是其性能不依赖于分离发生的空间维数[21]。通过这种方式,可以在非常高维的空间中工作,例如由核引起的空间,而无需过度拟合。SVM的计算主要分为以下几个步骤。

图2 SVM算法的基本思想

3.1.1 寻找最优分离超平面

寻找最优分离超平面是SVM需要解决的核心问题,也是SVM理论的中心思想。对于线性可分样品数据,首先将样品数据通过样本集的形式表达出来,公式为S={(xi,yi);i=1,…,n,x∈Rd,y∈{+1,-1},其中xi∈X=Rd是输入指标,xi为样本原始数据;yi∈Y={+1,-1}是输出指标,yi为数据所属的类别,d为维数;其中i=1,…,n,由这n个样本点组成的集合称为训练集。

如图2所示,很容易用一条直线H把该训练集正确地分开,这类问题称为线性可分问题。笔者选用最大间隔法来计算以哪条直线进行分类更优。

假定划分直线的法线方向ω已经给出(图2),由图2可见,直线H0就是一条以ω为法线方向且能够正确划分两类点的直线,显然这样的直线并不是唯一的,还可以将直线H0平行地向左下方或右上方平行移动,直到直线H0触碰到某类训练点,这样就可以得到H0平移到最大限度的直线,分别为直线H1和直线H2(图2)。虽然在直线H1和直线H2之间平行H0的直线有很多,且均能正确划分这两类点。由图2可见,在这些可划分两类点的直线中,以直线H1和直线H2中间的那条直线H为最佳划分直线。通过以上分析,给出了在已知法线方向ω的情况下寻找划分两类点间直线的方法,这样就把寻找最优分离超平面的问题归结为寻求法向量ω的问题。

用数学语言描述这一解决方法,显然,在给定适当的法向量ω后,这两条直线可以分别表示为(ω·x)+b=k1和(ω·x)+b=k2,如果调整b可以把这两条直线分别表示为(ω·x)+b=k和(ω·x)+b= -k。显然,应该选取直线H1和直线H2中间的直线H作为划分直线,则与此相应的划分直线的表达式为(ω·x)+b= 0。通过计算可以得出,此时直线H1和直线H2的距离为 Margin=2/‖ω‖。为了求解 2/‖ω‖ 的最大值,可以构造出求解变量ω和b的最优化问题:yi(ω·x)+b≥1,i=1,…,n; min1/2‖ω‖2(图2)。

3.1.2 非线性划分

yi(ω·x)+b≥1-ξi;

(1)

通过以上分析,可以通过选择适当的惩罚因子C(C>0),进而构造求解变量ω、b和ξi(ξ1,…,ξn)T[22]。

考虑对偶问题,通过求拉格朗日理论数的极值点得到原始问题的最优解。拉格朗日原始理论是为了计算没有不等式约束时最优化问题的解,主要是寻找拉格朗日乘子和确定拉格朗日函数。由于直接求解不等式约束时的最优化问题是十分困难的,于是将原始问题转变为对偶问题计算,这样求解最优化问题就变得相对简单一些。通过引用拉格朗日乘子,将上述原始问题转化为对偶形式[23],表示为

(2)

3.1.3 核函数的引用

在以上计算过程中,内积 (xi·xj) 是二维的,当内积 (xi·xj) 是多维时,整个计算过程会增加很多计算量。通过引进核函数K(xi,xj)=(xi·xj),就可以将求解的最优化问题转变为

(3)

3.1.4 核函数的选取

在进行SVM的计算过程中,需要选取最为适合的核函数K(xi,xj),或者说需要选择一个映射φ(x),就样就可以把x所在的输入空间(X)映射到另一个空间(H)中,这个空间(H)既可以是有限的,也可以是无穷的。一般来说,它是一个Hillbert空间,也称之为特征空间。

通过以上分析可以看出,笔者研究的是从输入空间X=Rn到另一个空间H=Rn的过程,选择不同的核函数K(xi,xj),相当于是选择不同的内积,同时也意味着是对相似性或是相似程度不同标准的选取,在核函数选定之后,可以通过构造内积转变成构造出核函数K(xi,xj),从而进行SVM的计算。

对于非线性条件下的分类问题,SVM的基本思想是运用核函数来实现从低维向高维的映射,将原始非线性问题转变为在高维特征空间中的线性问题,进而在高维特征空间中运用SVM进行线性分类。SVM解决非线性的问题,主要是通过核函数的运用来实现的。在运用SVM进行计算时,核函数K(xi,xj) 在SVM的计算过程中起着简化的作用。通过适合的核函数K(xi,xj)的选取,甚至都不需要知道具体的映射是什么,就能够将问题求解出来。特征空间的不同会导致不同的核函数K(xi,xj) 的不同[25]。常用的核函数K(xi,xj)有径向基核函数(RBF)、多项式核函数及Sigmoid核函数等[26]。对于核函数的选择,样本数据在进行回归估计时都有相应效果最好的核,但在缺少先验知识过程时,多项式核函数无法进行前期的正交化过程,并且Sigmoid核函数样本数据需满足半正定条件。而RBF主要是通过分析训练样本距原点距离的实值函数[27],故本文选择RBF作为SVM分析的核函数,其表达示为

(4)

其中,ϒ为间隔,也是唯一的参数,σ为置信范围[27],a是输入数据中的一个调节幅度的参数,ϒ是一个控制映射阈值的位移参数,根据前人的研究成果,通常在a>0和ϒ<0时是最为合适的选择[28]。

将预测样本数据以样本集的形式,通过Matlab软件应用SVM算法进行数值模拟,以Au、Ag、Cu、Pb、Zn元素质量分数作为输入值(自变量),以S元素质量分数(因变量)作为输出值进行拟合实验(图3),探索它们之间的近似解析函数关系和曲线方程。

图3 SVM算法网络结构图

步骤如下:

步骤1:将预测样本数据转变为样本集的形式,以Au、Ag、Cu、Pb、Zn元素质量分数作为输入值(自变量x),以S元素质量分数(因变量y)作为输出值,将数据转变为样本集的形式,并按照S元素质量分数从小到大排列(表1);

步骤2:将样本集代入式(1)和式(2),对样本集进行线性、非线性判别。经判别,样本集整体呈非线性关系;

步骤3:将样本集代入式(3),由非线性原样本集转变为线性样本集;

步骤4:将经过核函数转变为线性的样本集代入式(4),以S元素质量分数作为原值,以Au、Ag、Cu、Pb、Zn元素质量分数经SVM计算出的值作为预测值,进行拟合分析。

3.2 识别模型

将样本数据以样本集的形式,通过Matlab软件应用SVM算法进行数值模拟,以Au、Ag、Cu、Pb、Zn元素质量分数作为输入值(自变量),以S元素质量分数(因变量)作为输出值,按照步骤1～4的顺序,将核函数K(xi,xj) 选取为径向基核函数,其中C=1×104、ϒ=1进行拟合实验。计算结果见表2,基于SVM的S元素质量分数计算值和S元素质量分数原值的偏差曲线拟合效果见图4。

表2 数值偏差

图4 全部样本集偏差曲线拟合图

首先对全部样本集进行SVM拟合分析。全部样本集样品数量为64个,方差大于7.86×10-6。根据预测值和S元素原值的偏差曲线(图4)可以看出,所有样本进行统一拟合效果很好,说明Au、Ag、Cu、Pb、Zn元素质量分数与S元素质量分数整体上具备一定的相关性。

根据图4的拟合效果和数值偏差表中的计算结果,可以看出拟合效果很好,拟合曲线整体呈正态分布。说明Au、Ag、Cu、Pb、Zn元素与S元素在富集过程中与S元素质量分数的多少有着不可或缺的关系,通过S元素的富集规律可以作为研究Au元素富集规律的突破口,并进行金矿成矿过程研究。

由图4可见,S元素的富集过程可以划分为三个阶段:Ⅰ—平缓增长阶段、Ⅱ—过渡阶段和Ⅲ—快速增长阶段。受到样品数量的限制,暂不通过S元素质量分数的大小作为阶段的划分标准。

Ⅰ—平缓增长阶段:该阶段样品数量约占总数的90%,除个别点存在突增和速减的情况外,整体曲线较为平滑。说明该阶段S元素处于一个缓慢增长(或缓慢减少的过程),Au元素与S元素的关系较为密切。

Ⅱ—过渡阶段:该阶段样品数量约占总数的5%,曲线呈下凹状态,较光滑,拟合程度很高。说明该阶段S元素处于一种不稳定状态,S元素的含量呈指数增加(或减少)的过程,Au元素与S元素的关系十分密切。

Ⅲ—快速增长阶段:该阶段样品数量约占总数的5%,曲线呈斜率较大的近直立状态,曲线十分光滑(可能受到数量的制约),拟合程度很高。说明该阶段S元素处于快速富集(或消散)的过程,可能存在极值点,Au元素与S元素的关系十分密切。

基于S元素的SVM金矿成矿过程识别模型说明了金矿的成矿过程大致分为三个阶段,并与S元素质量分数的多少有着密切的关系,说明Au、Ag、Cu、Pb、Zn和S元素在金成矿过程中是共存及相辅相成的,只有在液态环境下才能满足元素间的相互作用,进一步说明Au元素来源于岩浆。

3.3 模型验证

众所周知,矿石中微量元素的含量在一定程度上反映矿石的形成条件,对矿床成因具有一定的指示意义[29]。根据前人的分析结果,为了研究佐证矿床成因,本次研究在典型矿床中的凌海市赵泉沟金矿矿床中选取了8件样品进行微量元素分析,为了更好地分析金矿的来源,所选取的样品包括2件不含矿片麻岩样品、2件不含矿石英团块样品、2件含矿片麻岩样品及2件含矿石英团块样品,样品主要采集于矿区中具代表性的钻孔样品,所采样每件质量约kg。所采样品均由化工地质矿山第三实验室进行加工和测试,元素分析采用LA-ICPMS方法完成,各类样品微量元素特征见表3。

表3 赵泉沟金矿中含矿样品与不含矿样品微量元素含量特征

前人研究认为Co/Ni比值越大,矿物在形成时的环境温度越高[30]。从表3可知,研究区各类岩石中Co/Ni比值变化范围在0.72～1.25之间,由此说明研究区金矿成矿温度较高,应为中高温矿床。Y和Ho元素具有相同的离子半径和价态,它们之间具有相似的地球化学性质,在许多地质作用的发生和演化过程中,Y/Ho的比值并不发生改变。据统计,地球中发育的大多数岩浆岩中球粒陨石的Y/Ho比值为28±[31]。由表3可见,本区各类样品中的Y/Ho比值变化范围为21.00～26.88,比值变化不大,由此可以表明本区金矿成矿热液流体的来源与围岩关系密切。根据以上分析结果进而佐证了发育于辽西地区新太古代建平群片麻岩中的金矿含矿岩石为片麻岩,在形成片麻岩之前的中高温环境也能推测出原岩为岩浆岩。周红英等[32]在2007年通过对辽东地区太古代闪长质片麻岩的研究,确定锆石是岩浆成因,并受到了地幔的添加作用及壳幔再循环。

与此同时,为了验证新太古代片麻岩的原岩为岩浆岩,本次研究在典型矿床中的凌海市赵泉沟金矿矿床中选取了8件样品进行全分析,所选取的样品均为8件含矿糜棱岩化黑云斜长片麻岩样品,样品全分析结果见表4。经过原岩恢复(图5),样品的原岩均投在火成岩中,借此验证了新太古代片麻岩的原岩为岩浆岩。

表4 赵泉沟金矿中含矿糜棱岩化黑云斜长片麻岩全分析结果

图5 新太古代片麻岩原岩恢复图

通过以上分析,证明了辽西地区新太古代片麻岩中金矿来源于片麻岩,片麻岩的原岩为岩浆岩,进而验证了辽西地区新太古代片麻岩金矿中基于RBF的SVM金矿成矿过程识别模型的可靠性。

4 讨论

4.1 金矿物质来源

近年来由于各种测试技术方法的不断改进和完善,使矿床地球化学的研究得到了很大的发展。通过各种测试数据的大量积累和规律性的研究,全面阐明了矿床地球化学的发育特征,深入揭示了成矿作用的各种基本问题,如Au的来源、Au的运移及Au的成矿等。

尽管地球演化过程是由不同时间段构成的,但是在地球不同的演化阶段其金属元素总含量是不变的。一般来讲,除U或Th可衰变成Pb外,其他金属元素在地球中均已生存了约46亿年之久[33]。尽管这些金属元素随着不同时期、不同地质事件的发生之后大都经历过多次的重新分配和搬运过程,但是在以地球为承载体中,它们本身的含量和性质方面并没有发生改变,只是在地球不同阶段的演化过程中所表现出来的分散和富集。

Au是地球上最稀有的金属之一,其原始地幔丰度仅为0.90×10-6[34],密度为19.30 g/cm3,熔点为1063℃,沸点为2600℃[35],需要103倍的富集才能形成具有经济吸引力的矿石。这种情况如何发生对Au来说尤其令人困惑,因为这种异常惰性的金属在壳幔分异过程中似乎并不相容。原始地幔或洋中脊玄武岩中Au的丰度为1.20×10-6,大陆地壳中金的丰度为1.50×10-6[36]。

林宝钦等在1997年进行了辽西建平群片麻岩中5个金矿床O和H同位素组成的测定,其中金矿床成矿热液的O同位素组成范围是2.052‰～9.346‰,平均值为5.6‰;H同位素组成范围为 -46.683‰～-101.96‰,平均值为 -81.4%[37]。与一般岩浆相比较,表明研究区成矿热液为岩浆热液[38]。根据Sr同位素的测定结果(87Sr/86Sr = 0.708 27～0.712 17),研究区原岩划定为S型但靠近I型,为同熔型岩体,也表明原岩岩浆具有地幔和地壳双重来源但以地幔为主的特征[39],进而可推测辽西地区新太古代片麻岩金矿中Au的主要来源为幔源岩浆。由于地幔软流圈温度远远高于Au的沸点,此时的Au呈紫色气体混合于地幔软流圈的岩浆中。

4.2 金矿成矿过程

华北板块在新太古代发生过强烈的构造-岩浆事件,其演化以广泛发育的岩浆事件为特点,主要由TTG岩系组成,是地壳物质的部分熔融和地幔镁铁质岩浆的混入所形成[40-43]。其构造环境至今仍没有统一结论,一种观点认为,在2500 Ma由于碰撞作用形成的华北克拉通[44-45];另一种观点认为,在2560 Ma由于俯冲作用形成的华北克拉通[46]。近些年由于对TTG岩系的研究增多,大多学者认为TTG岩系形成于俯冲作用的构造环境[47-50]。TTG岩类的形成温度为800℃～640℃,形成时的压力为(7000～6000)×105Pa[51]。仅辽西地区新太古代片麻岩分布的出露状态来看,似乎更趋向于碰撞作用,但从全国乃至全球分布的出露状态、原岩岩浆岩中混有地幔物质以及中生代岩浆岩的指示作用来看,俯冲作用更符合实际情况。

Martin在1999年根据地球化学特征提出的TTG岩系的成因模式主要分为三个阶段:①固态地幔的部分熔融产生了大量的镁铁-超镁铁质岩浆,形成的镁铁质岩浆主要表现为轻稀土富集;②随着固态地幔的部分熔融,岩浆中局部的温度和压力将会迅速降低,形成了石榴角闪岩或角闪榴辉岩带,在进一步的岩浆作用中,石榴角闪岩或角闪榴辉岩带发生碎裂,最开始形成的岩石将以矿物的形成存在于岩浆中,导致角闪石和斜长石大量存在于岩浆中。TTG岩系中的相关组成矿物就是在这一阶段获得的;③随着长英质岩石圈的部分熔融,导致岩浆由基性-超基性向中-酸性转变。在岩浆作用的结束过程中,高黏度的长英质岩浆阻碍了大规模的矿物结晶分离[52]。对于TTG的来源主要有3种假设:一是洋底高原的熔融;二是起始于扩张中心的俯冲洋壳的熔融;三是洋壳底部玄武岩的熔融[53-54]。

2013年翟明国在“华北前寒武纪成矿系统与重大地质事件的联系”一文中将华北板块地质演化分为6个比较重要的阶段,主要包括:①新太古代陆壳生长阶段;②古元古代氧化阶段;③古元古代裂谷-俯冲-碰撞阶段;④古元古代末-新元古代持续多期裂谷阶段;⑤古生代边缘造山阶段;⑥中生代克拉通阶段[55]。在新太古代大陆巨量生长和克拉通化事件的时间段是全球岩浆活动的井喷期,有大量的火山和侵入活动产生,是地球大陆生长的重要阶段,也是华北板块区大陆生长最重要的时期。在此时期内,与洋壳俯冲有关的弧侵入岩及岛弧火山岩构成了华北板块区各陆块的主体。同时与洋、陆转换有关的成矿规模增大,矿种增多,不仅有BIF型铁矿,还有Au、Cu-Zn等矿床[56]。

根据建立的SVM预测模型的分析结果,其形成的TTG母岩浆及在新太古带成岩成矿过程是反映金矿成矿过程律的关键因素。通过对TTG岩浆的起源、演化规律的研究,可以进一步明确Au元素的成矿过程研究。

辽西地区在新太古代时期经历了多期次的岩浆活动,地幔中的Au元素在壳幔混合作用下由分散状态转变为局部聚集。根据SVM预测模型的分析结果,S元素质量分数的多少主导着Au元素的富集程度。因此通过判断S元素在地壳深部的赋存状态可以间接进行Au元素成矿过程的研究。

洋壳俯冲作用提供了辽西地区在新太古代时岩石圈活动的动力来源,导致岩石圈破碎成大小不一的块体,在岩石圈中进而形成了大大小小规模不等的裂隙,这些裂隙的出现将壳幔混合边界的压力进行释放。在洋壳俯冲作用下的软流圈也变得活跃起来,破碎的岩石圈发生拆沉作用,一些岩石圈碎块沉入软流圈的基性、超基性岩浆中。随着构造活动的加剧,局部岩石圈(酸性岩)发生熔融作用,导致大量的酸性物质混入软流圈中。岩浆由基性、超基性转变为中性和酸性,由于酸性岩浆的密度最低,大量的酸性岩浆置于壳幔混合边界处。

破碎的岩石圈中大量裂隙的存在,成为了岩浆释放压力的通道,此时岩浆侵入作用作为主导作用开始岩浆的运移。洋壳的俯冲作用不是一蹴而就的,是个缓慢的过程,这就导致岩浆侵入作用的多期次性。最上层的酸性岩浆最先侵入上地壳,并在岩浆通道中运移,在平缓的空间汇集。中性岩浆虽说密度大于酸性岩浆,但黏稠度小于酸性岩浆,同时又处于酸性岩浆的下部,温度、压力均大于酸性岩浆,导致中性岩浆在侵入过程中多以团块状、条带状及水滴状存在于酸性岩浆中。但在岩浆侵入作用发生后,随着侵入作用的持续,温度、压力等会迅速降低,进而导致存在于酸性岩浆中的中性岩浆不能过长距离的运移。此时的中性岩浆中有的富集Au、Ag、Cu和S元素,有的含量较少。含量多的曾位于中性岩浆的下部,磁铁矿还没有或是很少起到作用。从温度、压力的释放角度上也符合以上原理,就像火山喷发一样,溢流相位于爆发相的外部。

元素亲和性引导和制约着Au元素运移和富集,富Fe的岩浆作为Au元素来源的母岩浆,其中Fe元素对于Au元素的存在有着至关重要的作用。以至于这种至关重要的作用一直持续到壳幔混合作用发生过程中。因地壳物质的大量加入,S元素在高温高压环境中变得十分活跃,岩浆中的活性金属元素就像鱼儿见到了水,大量的向S元素含量高的位置汇集,这其中就包含着大量的Fe、Au和Cu元素。酸性岩浆中由于含有大量的Na、K等低价态、低熔点、超活跃金属元素的存在,而且在高O元素的酸性岩浆中元素亲和性以亲O性为主,限制了Au、Ag、Cu、Pb、Zn和S元素的发展。

从金矿的围岩中不难发现,Au元素含量高的位置多为黄铁矿聚集的石英团块、石英条带和构造破碎带中,其围岩多为偏中基性。由此可见,大量的酸性岩浆不是Au元素聚集的场所,而是在酸性岩浆之下,因壳幔混合作用而形成的中-基性岩浆才是Au元素的富集地带。

4.3 金矿成矿的构造-岩浆演化

对于新太古代洋壳的俯冲作用研究因为经历了几十亿年的地质作用,在新太古代建平群片麻岩中很难进行反演和预测,笔者通过结合中生代构造-岩浆演化规律,相互对比,进而开展新太古代构造-岩浆演化规律的研究。洋壳的俯冲作用促使壳幔作用十分活跃[57]。在洋壳的俯冲作用下,下地壳从原有的位置脱离,并下沉到地幔中,引起原始岩石圈减薄和软流圈的上涌,从而引起后期基性岩浆和酸性岩浆的上侵[58]。辽西地区大面积的新太古代建平群片麻岩的出露可以显示出在新太古代发生了大规模的地质作用,其中洋壳的俯冲作用提供了巨大的构造成岩成矿空间,尤其沿是NE向、NNE向展布的范围,直接引导成岩成矿的发育方向和规模。其中金矿所在的岩石多呈团块状、条带状等呈包体形态分布于片麻岩的原岩(岩浆岩)中。辽西地区新太古代片麻岩中金矿原岩的构造-岩浆演化作用主要分为四个阶段(图6):

图6 辽西地区新太古代片麻岩中金矿成矿过程识别模型

(1)结合中生代花岗岩的构造-岩浆演化规律和Au元素来源-运移-成矿过程的研究,岩浆岩(片麻岩的原岩)和富矿岩石包体来源于不同的源区。其中富矿岩石包体中的Au元素主要来源于地幔,并均匀地分布在地幔中。此时的地幔和地壳按照由下到上的顺序大致分别为液态基性-超基性岩浆带、固态中性岩浆岩带、液态酸性岩浆带和固态岩石圈[59](图6a)。

(2)根据2009年李健[60]基于新太古代片麻岩铪同位素地质年代学和地球化学特征的分析结果显示,形成时代为2500 Ma的下地壳部分熔融是新太古代花岗质岩石的主要成因。根据岩相学、地球化学和年代学证据推测TTG岩系形成于洋壳板块的俯冲作用,太古宙时期洋壳具有十分高的地热梯度。由拉斑玄武岩组成的洋壳板块俯冲由西向东进入下地壳和地幔[61-62],此时的地幔为古太古代-中太古代时形成的玄武质(基性-超基性)岩浆,岩石圈地壳为始太古代-中太古代形成的含大量角闪石的花岗质岩石[63]。富含Au元素的地幔源区受到陆壳物质的混染作用,在100～240 Ma时间段内转化成英云闪长质岩浆,英云闪长质岩浆在经历不同程度的岩浆演化后,转化为TTG岩浆[64-65]。与此同时,在高热流的作用下使俯冲洋壳直接熔融产生TTG岩浆[66-67]。在俯冲作用下岩石圈与地幔软流圈的平衡态被打破,岩石圈局部破碎。伸展作用促使高热状态的软流圈局部减压上涌,以底侵的方式就位于下地壳底部,并将巨大的热量和幔源物质渗透到下地壳,促使破碎的下地壳发生拆沉和部分熔融,并造成大规模的岩浆活动[68]。其中大陆地壳的Eu负异常化也可以作为判断下地壳发生拆沉作用的地球化学标志[69-70]。

随着S元素的大量加入,这些成矿元素将会与S结合,进而形成硫化物,并且发生沉淀与富集作用。熔融地壳物质的岩浆最终形成富含Au元素硫化物的TTG岩浆(图6b)。在辽北地区块状硫化物矿床的产出以及玄武岩和中酸性岩浆岩中频繁交替出现的富含硫化物岩石的薄层带可以作为壳幔混合作用的佐证[71]。此阶段为基于SVM辽西新太古代片麻岩中金矿成矿识别模型中的第一阶段(平缓增长阶段)。

(3)在洋壳的俯冲作用后,岩石圈局部破碎状态开始减缓,富含金元素硫化物的TTG岩浆大量侵入岩石圈破碎带,在岩浆侵入作用下,酸性岩石圈进一步破碎熔融,这些酸性岩石圈碎块被捕获到软流圈中,与TTG岩浆和地幔岩浆不断反应,其中主要受到同化混染和同交代置换作用,造成壳幔物质的再循环。在NE向构造运动的影响下,TTG岩浆主体呈NE向侵入地壳浅部[72]。

因含Au镁铁质岩浆温度的降低和长英质物质的混入,冷凝结晶形成富矿岩石团块,呈包体状态混入TTG岩浆中。受到混染作用而形成的富矿岩石包体在成岩前因黏稠度的不同,在岩浆侵入作用和进入地壳浅层的快速减温释压下,主要分布在岩石圈与岩浆的接解带附近和岩石圈裂隙的枝部冷凝成岩;在成岩后的富矿岩石包体因处于固液混合状态,在岩浆的裹挟作用下分布在略远于岩石圈与岩浆的接触带附近[59](图6c)。TTG岩系的大规模产出是大陆壳从硅镁质向硅铝质转化的标志[73]。此阶段为基于SVM辽西新太古代片麻岩中金矿成矿识别模型中的第二阶段(过渡阶段)。

(4)随着岩浆侵入作用的不断持续作用,破碎的岩石圈一部分被推离构造带及附近的区域,区域内残存的岩石圈碎块均被高温的岩浆熔融,其中就包括一部分位于深部的已经固结成岩的富矿岩石包体再一次被熔融成液态,其中的Au元素被分散到TTG岩浆中。随着洋壳俯冲作用和岩浆侵入作用的结束,TTG岩浆均已固结成岩,富矿岩石包体多因岩浆混染和熔融作用而失去了原有的状态。

TTG岩浆和富矿岩石包体在成岩后,在后期经历的区域变质作用、构造运动和氧化作用的过程中,二氧化硅等低熔点酸性物质在和地表大量氧和水的混入下,熔融并重结晶成为石英条带或团块,Au元素故此分布于石英裂隙和硫化物中成矿。在以上构造运动和壳幔岩浆共同作用下最终使岩石圈达到稳态[74](图6d)。此阶段为基于SVM辽西新太古代片麻岩中金矿成矿识别模型中的第三阶段(快速增长阶段)。

5 结论

(1)利用SVM算法模型对辽西地区新太古代片麻岩中8个金矿床中的组合分析数据进行拟合试验,建立了基于硫元素质量分数的辽西地区新太古代片麻岩中金矿的成矿过程识别模型。同时通过微量元素和全分析数据的验证分析,验证了模型的可靠性。

(2)根据SVM成矿过程的拟合分析结果,将金矿床的成矿过程划分为三个阶段:Ⅰ—平缓增长阶段,该阶段处于壳幔混合状态,基性、超基性岩浆中的金元素开始活跃。在地壳中混入的硫元素与岩浆发生混合作用,导致硫元素浓度的增加和分布不均。Ⅱ—过渡阶段,该阶段主要为侵入作用为主,随着侵入作用的持续进行,温度、压力开始下降,以亲硫性为主的金元素在硫的作用下,局部在与围岩距离较近的位置富集。Ⅲ—快速增长阶段,随着岩浆侵入作用的不断持续,温度相对较低的地壳表层岩浆逐渐固结成岩成矿。TTG岩浆和富矿岩石包体在成岩的过程后,酸性物质在变质作用、构造运动和地表大量氧和水的混入下,结晶或重结晶成为石英条带或团块,金元素故此分布于石英裂隙和硫化物中成矿。

(3)以硫元素作为突破口,并运用SVM算法建立的金矿成矿过程识别模型能够很好的与前人的理论研究成果相结合,说明了加深新太古代片麻岩和硫化物的研究是指导后期找矿工作的重要研究方向,为下一步找矿工作提供了相关依据,指导隐覆矿床的发现。