模糊意见集中决策在水系沉积物测量异常排序中的应用

2014-06-27黄支刚陈杜军

物探化探计算技术 2014年4期

黄支刚 ,陈杜军,宋昊

(1.成都理工大学地球化学系，成都 610059；2.西藏思明矿业股份有限公司，拉萨 850000；3.内蒙古地质矿产勘查院，呼和浩特 010011)

0 引言

通过一次面积性的水系沉积物地球化学测量工作，可能发现一批异常，但并不是所有的异常都与矿化有关，由工业矿产引起的异常仅占少数，大多数异常由非矿化因素或分散矿化引起。在实际工作中，往往在工区内圈出多个化探异常靶区，由于资金和人力资源等方面的限制，不可能对所有的异常进行充分的研究。通过对异常进行解释推断，初步筛选出与矿有关的异常，为了更好地安排异常检查和验证工作，需要对异常的找矿远景进行排序，达到快速缩小靶区，高效找到有经济意义矿床的目的[1]。

针对异常排序的方法有很多，各有侧重点：有侧重于地球化学指标(如异常面积、异常强度、异常规模、元素组合特征等)；也有侧重于成矿地质条件(如岩浆岩、地层岩性、地质构造等[2])。排序时可以使用单一参数，也可以使用多个参数，但是往往一个工区内，很多异常差异不大，使用单一的参数进行排序往往效果不好，需要使用多个参数结合起来进行排序[1]。使用不同参数排序所得的异常序列不同，显然任意选择其中一种序列均有不合理之处。因此综合各种序列，给出一个定量决策模型，排出合理的序列就显得十分必要。

为了对供选择的方案集合U=(u1,u2,…,un)中的元素进行排序，由m个专家组成的专家组M分别对U中的元素进行排序，得到了m种意见，即V=(v1,v2,…,vm)，而这些意见都是模糊的，将这m种意见集中为一个较为合理的意见，称为“模糊意见集中决策”[3]。

本次研究使用模糊意见集中决策方法，尝试对化探异常的找矿前景给出合理的序列。

1 研究区地质概况

研究区面积1 500 km2，地处班公湖-怒江成矿带，区内晚古生代以来地层发育较全，地质构造十分复杂，燕山期岩浆活动强烈，成矿条件非常有利(图1)。研究区受到强烈的燕山期逆冲推覆作用及喜马拉雅期右行剪切走滑作用，产生了大量近东西向的断裂，控制了中酸性岩体的空间展布，其中区内的许多基性岩脉及少量玄武岩体，可能与深断裂相关。出露岩浆岩有侏罗纪的中细粒二长花岗岩、二长闪长岩、石英闪长岩，为浅成相和中浅成相。出露地层有二叠系的龙格组灰岩、吞龙共巴组砂岩与板岩、曲地组砂岩等[4]。

图1 研究区地质略图Fig．1 Geological sketch map of the study area

综上所述，研究区成矿条件优越，通过野外调查发现，铜矿化现象明显，找矿前景较好，容易形成斑岩型和矽卡岩型两种类型的铜矿床。因此，本次拟选用铜矿作为优选矿种进行异常排序。

2 1∶50 000水系沉积物测量

2.1 背景值和异常下限的确定

在研究区及其外围进行1∶50 000水系沉积物测量，采集水系沉积物的粒度为+20目～+80目，铜元素异常下限的确定采用计算法。

研究区的范围依据水系沉积物测量所发现的异常圈定。首先计算在研究区内铜元素的算术平均值和标准差；其次逐步剔除铜含量在算术平均值±3倍标准差之外的样品，将未剔除的样品作铜含量频数直方图，铜含量服从正态分布；然后计算研究区内铜元素的算术平均值(Co)和标准差(σ)；最后利用公式(1)求出铜元素的异常下限(Ca)[5]。

Ca=Co+Kσ

(1)

其中Ca为异常下限值；Co为背景值；σ为标准差；K为试验常数，本研究区取2。由此确定了本区铜元素的异常下限为23×10-6。

2.2 铜异常的分布特征及初步筛选

研究区1∶50 000水系沉积物测量成果显示，区内的元素组合以铜铅锌为主。从铜元素来看，在研究区共圈选出13个异常区。本区圈选出的异常区，大小不一，形态不同；异常区的面积从数平方千米到数十平方千米不等，最大的可达24.3 km2；较大的异常区浓集中心相对较明显，而小的异常区浓集中心强度相对较弱；元素组合相对简单，铜铅锌异常套合较好。根据野外调查和室内研究分析，剔除4个异常区，这4个异常区的异常面积较小，为数平方千米，异常强度低，元素组合较简单，野外地质调查也未发现有很好的矿化现象。剩下的9个异常区，分别对其进行编号，为u1～u9。

3 异常排序的参数选择

尽管化探是一种直接快速高效的找矿方法，实践证明仅依靠化探来找矿效果并不理想，还需要与地质条件进行配合，才能对异常做出更符合实际的评价。常用于异常排序的参数有元素的异常强度、异常面积、异常规模、元素组合特征等，这些评价参数属地球化学指标。成矿远景不仅取决于地球化学指标，不能仅凭异常的“高、大、全”来评价，因为异常的“有无、高低”受所选取的异常筛选准则控制。“高、大、全”异常不一定能成大矿，“弱小”异常不一定就成小矿，“无”异常也不一定就没有矿，受矿化的剥蚀程度影响很大。因此，这就要求我们评价异常时还应根据成矿地质条件进行综合评价，为此，作者在进行异常排序中引入“成矿地质条件”参数。本研究确定选择异常规模、元素组合特征、成矿地质条件，作为异常排序的三个参数。

4 元素组合特征、成矿地质条件的近似定量描述

由于元素组合特征、成矿地质条件是描述性的，难以直接利用这两个参数分别对异常进行排序，需要把这两个参数量对成矿远景反映的好坏程度转化为数值来表示。这两个参数的量化只能是近似的、模糊的，通过选择使用“专家调查打分法”实现，即先由8位在该地区有多年找矿工作经验的地质工程师，对该地区9个异常的按元素组合异常及成矿地质条件分别进行打分，每个异常的每个参数的满分为100分。将这些分值汇总并将统计结果交给各位专家研究，然后让专家重新打分，将这次针对每个异常所打分值的平均值分别作为该异常的元素组合特征和“成矿地质条件”的得分，分值越高表明该异常区的成矿潜力越大。

元素组合特征的量化，优先选择Cu、Pb、Zn作为量化的组合元素，如果异常区内这三个元素均有异常、相关系数高、浓集中心明显，异常位置套和好，则该异常的元素组合特征得分越高。

“成矿地质条件”参数的量化，考虑的主要因素有区域地质背景、成矿地质环境(地质构造背景、地层岩性、控矿构造、岩浆岩等)等，对成矿有利的因素，会提高“成矿地质条件”参数的得分。

5 异常排序

根据异常规模(使用Cu面金属量来度量)、元素组合特征、成矿地质条件的量化数值，对研究区的9个异常分别进行了排序，异常区的属性特征及排序结果见表1。

表1 研究区铜异常的多参数排序表

Tab.1 Multi-parameters ranking list of Cu anomany in study area

异常编号异常规模(Cu面金属量)序数元素组合特征序数成矿地质特征(满分100分)序数u1282.47626578u2255.28479607u3612.53881912u4232.49518549u5723.32823863u6435.25764834u7376.56587656u8761.61655745u9517.84862941

设这9个异常为U=﹛u1,u2,u3,u4,u5,u6,u7,u8,u9﹜，依据铜矿异常区的异常规模、元素组合特征和成矿地质条件，分别对U中的9个异常区进行排序，得到3种排法，即V=﹛v1,v2,v3﹜。如果第j个异常在第i个排法中位于第k位，令Bi(uj)=n-k，那么称Bi(uj)为uj的Borda数[3]。此时U的所有元素可按Borda数的大小排序，此排序就是比较合理的。

评价异常的三个参数(异常规模、元素组合特征、成矿地质条件)，在异常的整体评价中重要程度基本相同，因此给予相同的权重，而按异常的某特征或指标排列出来的名次，对找矿而言其重要性是不同的，因此名次的权重也是不一样的。名次降低，成矿前景降低，根据Borda数确定权重，权重值相应下降，权重值见表2。使用模糊意见集中决策对研究区的异常作出排序，排序表见表2。

1)按表2所给的权重计算加权的Borda数。

B(u1)= 3×0.07+4×0.09+2×0.05=0.67;

B(u2)= 2×0.05+1×0.04+3×0.07=0.35;

B(u3)= 7×0.15+9×0.19+8×0.17=4.12;

B(u4)= 1×0.04+2×0.05+1×0.04=0.18;

B(u5)= 8×0.17+7×0.15+7×0.15=3.46;

B(u6)= 5×0.11+6×0.13+6×0.13=2.11;

B(u7)= 4×0.09+3×0.07+4×0.09=0.93;

B(u8)= 9×0.19+5×0.11+5×0.11=2.81;

B(u9)= 6×0.13+8×0.17+9×0.19=3.85;

2)按加权Borda数集中后的排序为：

u3，u9，u5，u8，u6，u7，u1，u2，u4

6 不同异常排序方法的对比与讨论

最先使用异常强度对异常排出的序列(u8,u5,u3…)进行查证。结果表明8号异常，虽然异常面积大，但是野外调查发现该异常是由灰白色中细粒二长花岗岩体里的数个铜矿化破碎带引起。矿化破碎带规模较小，宽度0.3 m～1 m不等，延伸短(20 m～60 m)，由于这些铜矿化破碎带距离比较近，计算机做异常等值线图时，把这几个铜异常圈选在一起构成大异常，由于铅锌矿化在破碎带中呈星散状，在该异常区内出现数个Pb、Zn小异常，由此推断8号异常找矿远景小。

表2 铜异常区的模糊意见集中决策排序表

9号、3号异常虽然异常强度不如8号异常大，但是野外调查发现，这两个异常均位于一级水系口附近，由此导致的异常面积较小，相比8号异常，其异常规模也较小。9号异常产于灰白色中细粒花岗闪长岩岩榴与灰岩的接触带上；而3号异常产于灰岩的矽卡岩化破碎带中，初步认为受层间破碎带控制。以上两个异常均呈带状，9号异常矿化体宽约1 m～2 m，可见延伸100 m；3号异常矿化体受层间破碎带控制，矿化体宽约0.5 m～1.2 m，可见延伸180 m。拣块法单点样品分析结果表明，9号样品品位：Cu=23.4%、Pb=5.3%、Zn=2.9%;3号样品品位Cu=17.61%、Pb=3.4%、Zn=2.2%。这两个矿化体规模比8号大，异常元素组合也齐全，成矿远景比8号大。

由此看来，仅依据异常规模(异常面积、异常强度)，有时对异常排出的序列，不能真实客观地反映出异常的找矿远景；而使用模糊意见集中决策方法排出的序列，因为考虑了影响成矿远景的多种因素，从多个角度来研究异常，综合了得到的多种序列，给出了一个较合理的序列。即8号异常虽然强度大，但是元素组合及成矿地质条件均较差，而把成矿远景较大的9号、3号异常排在8号异常的前面。

水系沉积物测量的结果，受矿化体剥蚀程度的影响很大，但是在异常查证阶段要查明矿化体的剥蚀程度，还需大量人力、物力及时间，这是不合理的，因此本研究暂时未考虑剥蚀要素对化探异常的影响。通过所获尽量多的野外及室内资料，来推测异常的找矿远景，在异常查证阶段是有实际意义的。