广西罗维铅锌银多金属矿区围岩蚀变与矿化关系研究——基于SVM遥感矿化蚀变信息提取方法

龙明周，李 伟，岳小军

(广西壮族自治区第四地质队，广西 南宁 530033 )

0 引言

罗维矿区位于广西扶绥县中东乡与隆安县古潭乡及南宁市富庶乡三地交界上，矿区已探明凤凰山大型银矿床和姆驮山矿床[1-2]、渌井铅锌矿等大小不等的矿床。利用三维激光技术的围岩结构面信息分析围岩蚀变及矿化特征是开展矿床定量化研究的新方法[3-7]，在实际运用中仍有待进一步完善。围岩蚀变及矿化具有密切的关系[8-9]，与为此笔者以罗维矿区铅锌银多金属矿为研究对象，研究利用三维激光技术的围岩结构面信息采集和提取罗维矿区铅锌银多金属矿围岩蚀变及矿化特征的分析方法，促进对矿床的基础研究。

1 研究区概况

1.1 区域地质

罗维矿区所属区域位于华南扬子板块与华夏板块结合带部位的崇左弧盆系、崇左岛弧之上。地层有基底地层寒武系浅变质类复理石碎屑岩和盖层泥盆系碎屑岩、碳酸盐岩(图1)。研究区分布于西大明山背斜的北东部。凤凰山银铅锌矿床和渌井铅锌矿床是西大明山地区两个有代表性的热液型脉状银铅锌矿床。地层出露情况：凤凰山铅锌银矿区以寒武系黄洞口组为主，渌井铅锌矿区及罗维钨铋矿区以寒武系小内冲组为主。矿区构造以断裂为主，断裂构造是矿区主要的控矿和容矿构造。岩浆岩分布很少，仅出露少量酸性和基性岩脉。在断裂破碎带附近，凤凰山铅锌银矿床的围岩蚀变类型有绢云母化、黄铁矿化、硅化、碳酸盐化等。渌井铅锌矿床的围岩蚀变类型有绢云母化、黄铁矿化、硅化。

1.2 矿床地质特征

研究区面上多以热液脉型矿床为主，如凤凰山矿床、渌井矿床、长屯矿床和弄屯矿床等(图1)。典型矿区围岩蚀变强烈，主要有矽卡岩化、黄铁矿化、硅化、绿泥石化、黏土化和碳酸盐化，局部发育有绢云母化。其中矽卡岩化与钨铋矿化关系最密切。

图1 罗维矿区区域地质构造略图

1.2.1 凤凰山铅锌银矿床

凤凰山铅锌银矿床矿体主要受断裂构造控制。凤凰山铅锌银矿床矿体多数产在断层F1和F4中，断层F2中也有矿体，可见NWW向—EW向断层是主要的控矿断层，该组断层产状变化部位和局部张性地段是控矿的有利部位。另外，还有一些矿体分布在NW向断层F5、F6与NWW向—EW向断层F1、F2的交会部位，可见NW向与NWW向—EW向断层交会部位也是成矿的有利部位。然而，NE向断层却很少含有矿体，说明NE向断层含矿性差。凤凰山铅锌银矿床中的矿体分为5个，矿体平均走向为NWW到EW向，平均倾向为SSW，矿体的倾角大多较陡。

凤凰山铅锌银矿床的矿物组成较复杂，以含多种银矿物和锰矿物为特征，金属矿物主要有黄铁矿、白铁矿、磁黄铁矿、毒砂、黄铜矿、方铅矿、闪锌矿、硫锰矿以及多种含银的矿物等。矿石多具有结晶粒状结构、填隙结构和交代结构。矿石构造主要有浸染状构造、块状构造和脉状构造等。

凤凰山铅锌银矿床的围岩蚀变类型主要为绢云母化、黄铁矿化、硅化、碳酸盐化等。

1.2.2 渌井铅锌矿床

渌井铅锌矿床的西段有7个矿体，多数为盲矿体。这些矿体呈近EW向平行排列，倾向约165°，倾角70°～80°。每个矿体呈脉状产出，矿体沿走向及倾向有扩大、收缩、弯曲、尖灭等变化。其中，3号矿体最长，达1060 m，延伸最深，达300 m，是渌井矿区的主矿体。目前，除3号和5号矿体外，其余各矿体均已尖灭并被采空。

渌井铅锌矿床的东段有5个矿体。这些矿体一般充填在层面裂隙中，倾角较小，多呈透镜状。其中，8号矿体规模较大，长250 m，宽100 m，倾向SE，倾角24°，目前已被采空。其余4个矿体为零星小矿体，工业意义不大。

渌井铅锌矿床矿石的矿物组成简单，金属矿物有方铅矿、闪锌矿、黄铁矿和黄铜矿以及极少量的斑铜矿和辉铜矿，非金属矿物有石英、绢云母、方解石；方铅矿和闪锌矿是该矿床的矿石矿物。氧化矿物有褐铁矿、孔雀石、白铅矿、铅矾、菱锌矿等。矿石结构主要为结晶粒状结构、共结边结构、固溶体分离结构等。矿石构造有致密块状构造、条带状构造、脉状构造和斑杂状构造等。

渌井铅锌矿床的围岩蚀变类型主要为绢云母化、黄铁矿化、硅化。

2 研究方法

该方法流程图见图2。

图2 流程图Fig.2 Flow chart

2.1 基于三维激光技术的围岩结构面信息采集

三维激光扫描设备使用FARO(Focus 3D)的相位法测量。采用模板匹配算法将围岩结构面划分为多个方向的模板，每一模板均为N×N矩阵，再利用扫描仪以岩心为对象，对矿区内的围岩结构面进行扫描。采用逐行(或列)扫描方式记录有关结构面坐标信息。具体步骤如下：

步骤1：打开围岩图像，经过图像处理后，将鼠标移至图像显示区域，此时鼠标将变成定位光标形状，在软件状态栏中同时显示光标所在的位置。

步骤2：选定某一围岩结构面，将光标移至该结构面中心一侧起始点位置，通过键盘上、下、左、右等按键对光标精确定位，并用“Tab”键记录该点坐标(像素单位)，对该结构面进行逐行或列定位，分别记录各个坐标点坐标。追索完毕后，按“F2”存盘，存储为文件形式。

步骤3：重复步骤2，对其他各结构面中心进行定位，拾取结构面坐标信息结束。

罗维矿区铅锌银多金属矿围岩结构面产状信息的η矩阵模式：

(1)

其中，Φ、φ、γ表示罗维矿区铅锌银多金属矿围岩结构面产状信息的法向量，x、y表示坐标。

假定罗维矿区铅锌银多金属矿围岩结构面中m个点的坐标依次是(x1，y1，z1)，(x2，y2，z2)，…，(xm，ym，zm)，m表示围岩结构面中结构点的数量。那么将公式(1)表示为

(2)

(3)

其中，(Φ、φ、γ)表示B，为围岩结构面产状信息的法向量。三维激光扫描仪的运行原理是激光反射[7]，仅可以扫描获取完整的岩体结构面，所以单位法向量里，γ的值大于0，(Φ、φ、γ)表示岩体结构面的单位外法向量。在大地坐标系里，设Y正轴方向是正北，X正轴方向是正东，Z正轴方向是上，使用公式(4)能够得到此岩体结构面在大地坐标系里的倾向θ与倾角ϑ：

ϑ=arccos(γ)

(4)

(5)

基于法向量计算的结构面倾向角数据，为智能化提取罗维矿区铅锌银多金属矿围岩结构面信息，使用K均值聚类分析方法，对结构面实施分类划分。聚类核心内容为每个结构面的法向量数据，聚类后运算每个聚类中法向量数据，将其变换成倾向倾角数据。K均值聚类分析方法：

1)设置罗维矿区铅锌银多金属矿围岩结构面信息聚类总数M；

2)初始化聚类中心：任意选择M个样本设成初始聚类中心；

3)样本点分类：按照就近标准把罗维矿区铅锌银多金属矿围岩结构面信息样本设成某个聚类中心，运算此聚类中心值；

4)多次执行第3)步，直至全部样本点均被纳入对应种类里；

5)多次执行第3)～第4)步，直到聚类中心值不会出现变动方可停止，获取罗维矿区铅锌银多金属矿围岩结构面每个中心点坐标和每个节点的分类值[11]。

2.2 基于PCA和布谷鸟算法优化SVM的遥感矿化蚀变信息提取

蚀变及矿化特征通常出现于金属矿围岩结构表面，使用基于三维激光技术的罗维矿区铅锌银多金属矿围岩结构面信息采集方法，获取罗维矿区铅锌银多金属矿围岩结构面信息后，利用基于PCA和布谷鸟算法优化SVM的遥感矿化蚀变信息提取方法，提取矿化蚀变信息，实现罗维矿区铅锌银多金属矿围岩结构面蚀变及矿化特征研究。

2.2.1 基于PCA的SVM

通过非线性转换将输入样本空间映射到高位空间，然后在高位空间中检索最佳分类平面，以此实现样本数据分类识别[12]。

(6)

使用松弛变量εj和惩罚因子D解决特征提取误差问题，以此转换成：

(7)

参照泛函理论，在蚀变及矿化特征数据种类最佳分类中导入1个合理的内积函数T(a，aj)，实现蚀变及矿化特征输入空间至高维空间的变换，内积函数为

(8)

其中，a为围岩结构面信息训练样本；β2为核参数。蚀变及矿化特征数据最佳分类面相应的分类决策函数k(a)是

(9)

核函数的类型对支持向量机分类效果的作用不大，而核参数和惩罚因子对其分类结果存在直接影响。所以，本文需要通过布谷鸟算法完成支持向量机核参数和惩罚因子的寻优。

2.2.2 基于布谷鸟算法的SVM最佳参数提取

布谷鸟设置三种理想条件：

1)布谷鸟一次只生产一颗蛋，无规律性的在某个鸟窝里实施孵育；

2)只把最佳鸟窝遗传至后代；

3)可以采用的鸟窝数量M存在固定性，假定鸟窝宿主能够发觉陌生鸟蛋的概率是Qa∈[0，1]。

(10)

(11)

通过布谷鸟算法完成支持向量机核函数和惩罚因子的寻优，它的输入属于一组随机出现的值，输出是一组最佳的惩罚因子和核参数。具体步骤：

1)初始化布谷鸟种群

3)更新鸟窝位置，把更新后鸟窝方位和上一代对比，获取最佳位置，以此判断更新后鸟窝位置qt。

4)将Qa与随机数w对比，保存被察觉概率最低的鸟窝，更新被察觉概率最高的鸟窝；计算新鸟窝适应度，把它和qt里鸟窝位置的适应度进行对比，适应度很低的鸟窝会被适应度较高的鸟窝代替，以此得到新的最佳鸟窝位置qt。

5)分析最优鸟窝位置的适应度值是否满足需求，如果满足，输出最佳鸟窝，此时的惩罚因子和核参数即为最佳值。

2.2.3 矿化蚀变信息提取步骤

1)输入已利用三维激光技术采集的罗维矿区铅锌银多金属矿围岩结构面信息数据；

2)使用训练后最佳SVM模型，完成罗维矿区铅锌银多金属矿围岩结构面蚀变及矿化特征分类，输出所获取的围岩结构面蚀变及矿化特征。

3 信息采集

按上述2.1节对矿区围岩结构面信息进行采集，见表1。

表1 各个矿区岩心信息采集情况Table 1 Drilling core information collection of each mining area

使用基于三维激光技术的罗维矿区铅锌银多金属矿围岩结构面信息采集方法，获取罗维矿区铅锌银多金属矿蚀变遥感图(图3)。

图3 蚀变遥感图Fig.3 Remote sensing map of alteration

4 实验结果

使用本文方法对罗维矿区铅锌银多金属矿围岩结构面蚀变及矿化特征进行研究，该矿区矿产详情见表2。

表2 该矿区矿产详情Table 2 Details of mineral resources in the mining area

该矿区中，蚀变矿产铅锌银多金属矿围岩存在蚀变情况。

4.1 硅化类蚀变

在罗维矿区铅锌银多金属矿围岩结构面蚀变类型为硅化条件下，使用本文方法对罗维矿区铅锌银多金属矿围岩结构面蚀变及矿化特征进行提取，结果见表3、表4。

表3 硅化蚀变及矿化特征提取结果Table 3 Silicification alteration and mineralization feature extraction result

表4 本文方法提取差值Table 4 The method of this paper extracts the difference

分析表3、表4数据可知，硅化蚀变条件下，利用所提方法提取罗维矿区铅锌银多金属矿围岩结构面蚀变及矿化特征后，仅对铅矿平均厚度提取结果存在0.01 m的误差，剩下特征提取误差为0 t、0 t/m3、0万吨，由此可见，硅化蚀变条件下，本文方法对罗维矿区铅锌银多金属矿围岩结构面蚀变及矿化特征的提取结果可信。

4.2 碳酸盐化类蚀变

在罗维矿区铅锌银多金属矿围岩结构面蚀变类型为碳酸盐化条件下，使用本文方法对罗维矿区铅锌银多金属矿围岩结构面蚀变及矿化特征进行提取，结果见表5、表6。

由表5、表6可知，在罗维矿区铅锌银多金属矿围岩结构面蚀变类型为碳酸盐化条件下，所提方法下，铅矿与银矿的资源量、平均厚度、矿石体重以及矿石量提取结果无误差，锌矿的资源量、矿石体重以及矿石量的提取结果无误差，但是平均厚度存在0.01m的差值。

表5 碳酸盐化蚀变及矿化特征提取结果Table 5 Carbonate alteration and mineralization feature extraction result

表6 本文方法提取差值Table 6 The method of this paper extracts the difference

4.3 黄铁矿化类蚀变

在黄铁矿化类蚀变条件下，提取罗维矿区铅锌银多金属矿围岩结构面蚀变及矿化特征。结果见表7、表8。

表7 黄铁矿化蚀变及矿化特征提取结果Table 7 Pyritization alteration and mineralization feature extraction result

表8 本文方法提取差值Table 8 The method of this paper extracts the difference

由表7、表8可知，所提方法在黄铁矿化蚀变条件下，对罗维矿区铅锌银多金属矿围岩结构面蚀变及矿化特征的提取差值最大值为0.02 m，仅对银矿与锌矿的平均厚度提取结果存在差值，但是差值不大，在可接受范围内。

5 结论

文章提出基于矿化蚀变信息提取的罗维矿区铅锌银多金属矿围岩蚀变及矿化特征研究方法。利用三维激光技术采集围岩结构面信息，基于PCA和布谷鸟算法优化SVM的遥感矿化蚀变信息提取，并使用本文方法，在硅化类、碳酸盐化类和黄铁矿化类蚀变条件下，对罗维矿区矿化特征进行提取。提取结果表示：本文方法结构面特征的提取结果误差差值较小。