基于三维建模的金矿带成矿预测技术研究

王亚锋

(河南省核工业地质局，河南 郑州 454000)

目前，对金矿带形成有关的信息，如基础地质信息、地球物理信息、地球化学信息及遥感信息的深度提取和综合分析，对于金矿产资源的三维预测非常重要。利用地质多源数据库，及时处理和分析数据，为金矿产资源预测工作服务，已成为一项紧迫的任务。建立基于金矿地质3D系统的大地电磁检测组件，使用远程大地电磁站点来获取地质数据是一项新技术。该技术的远程移动终端站和测量位置之间的同步，通过全球定位系统时钟实现，其方式类似于DC/IP数据的解析。磁线圈组埋在勘测区域的几个位置，测量几个运行周期，每个运行以特定频率范围为中心，收集产生频率范围在0.01～320 Hz的数据集[1]。处理软件根据记录的时间序列计算大地电磁阻抗，随后用于数据的进一步建模。地球物理电阻率和充电率特征与已知矿化位置之间有非常密切的相关性。在全方位电流源中收集的超大数据量，对于地下的详细和可靠成像是必不可少的，结合模糊综合评价模型等方法证明了三维建模成矿预测的有效性。

1 成矿预测分析方法

1.1 方法技术流程

三维建模图形的综合模糊层次(GFH)分析的原始数据包括基础地质数据库、基础地质三维模型数据库和基础三维成矿因素数据库[2]。在选择三维控矿因素的过程中，要从源地质数据库中提取所有潜在的控矿因素，并通过与实际出露矿体的相关性分析来判断和确认成矿可能性。在三维成矿预测过程中，一个关键问题是权重集的确定，这在一定程度上决定了GFH分析结果的可靠性。由于没有广泛接受的权威方法来生成权重比例，选择每个独立的方法是主观的。

针对上述问题，提出了一种基于主客观权重相结合的组合赋权法，对三维定量成矿预测指标赋值。用灰色关联法分析了各因素的影响程度以及控矿因素对成矿的影响，然后发挥层次分析模型量化控矿因素在隐伏矿体预测中的作用，可以较好地解决预测指标难以量化和准确统计的问题，使预测结果更加准确。研究以某金矿为例，采用的总体技术研究流程如图1所示。

1.2 控矿因素分析

3D建模是基于地质变量或随时间和空间变化的信息标注找矿标志变量，它是地质特征或地质现象的数量标志，将直接影响资源预测结果的准确性。主要有2种控矿因素[3]：①定量控矿因素。地质现象的结果直接反映为连续变量，如矿石品位和资源量、距离、电阻率和极化率等。一些地质特征反映为离散变量，例如一个区块内的断层数量和在某一半径范围内搜索的最大样本数量。②定性控矿因素。这些主要定义参数没有一定的数值，如地层、矿化带、蚀变带等。这些参数在地质模型中标注为“是”和“否”或“0”和“1”。一方面，可以用这些参数作为直接的约束条件，来标定一个潜在区域的矿化度；另一方面，可以结合相关定量资料，定义新的复杂地质控矿因素，指导成矿预测分析。

对于控矿因素的选择和提取，一方面，一旦局部地质条件发生变化，最终计算可能需要增加原有相对较低的影响因素；另一方面，除了地质空间距离场和密度场被认为是分析源外，可能需要考虑其他类型的原始数据，例如从模拟信号处理中变差函数椭圆分析提取的方向场，以及不同地质实体的方位特征等[4]。对于GFH分析方法，分析程序仍有调整和优化的潜力，其他新发展的分析方法如混沌理论、神经网络理论可以被吸收到当前的分析系统中。

2 三维成矿预测分析应用的实现

2.1 Quantec 3D系统的应用

Quantec的3D系统是针对成矿预测分析的一套专业系统。Quantec 3D系统作为一个独立的数据接收器模块，以阵列方式运行，连续记录地质电场和磁场的时间序列。每个模块还配有一个全球定位系统时钟，用于处理过程中区分不同的移动终端事件或电磁、电流信号的注入[5]。系统操作员沿预定测量网格在不同位置部署电流注入极。排列的电流时间序列也由记录车中的电流监视器记录。采集1 d后，当前监视器上记录的信号与全球定位系统一起解析每个采集模块记录的序列和电流信号。从处理过的信号中，计算单独的注入和典型的电势和相位数值，以获得地质关键信息。

2.2 地质信息概述

某金矿被厚约35 m的冲积层覆盖，平面上通常呈圆形，直径约为2 300 m[6]。金矿沉积区受到后期高硫化蚀变样式的强烈影响，这可能掩盖了早期低硫化脉，可由该矿的矿石构造得出结论，如图2所示。由图2可以看出，这是一个以西北走向的右旋错流断层为主的地质地形。安山岩上覆有一系列厚的流纹岩质黄辉绿岩片，这些岩石被流纹岩质火山碎屑沉积岩覆盖。金矿化在时间上与流纹岩火成岩事件有关，同时都被上新世玄武岩流和第四纪冲积矿床覆盖。含金矿化是火山型低硫化浅成热液矿物系统和温泉型高硫化浅成热液矿物系统的典型特征。贵金属富集与高角度断裂带内的多幕式石英硫化物脉、细脉和网状带有关。浸染状和网状矿化也发生在流纹质火山碎屑玛耳沉积岩的一部分中。金矿化描述为由低硫化浅成低温热液石英和贵金属矿脉组成，被温泉式、高硫化浅成低温热液蚀变和贵金属矿化叠加[7]。

图2 金矿矿石构造Fig.2 Gold ore structure

2.3 三维地质建模过程

选择10×7的站点网格作为测量几何图形，南北和东西方向的间距为3 000 m，如图3所示。

图3 采集几何控制布置点位示意Fig.3 Schematic diagram for layout points of acquisition geometry control

采集测量点网格图的缩放比为1∶20 000，采用均匀布置测量点的方式，在面对陡峭地带的位置也严格按照测量点的间距布置设点[8]，其中实心点表示电极位置，虚线圆表示潜在矿床的大致位置。

每个测试站点连接到6个电极偶极子，3个南北向、3个东西向，共同时部署了420个接收器。在东西和南北方向每隔约100 m完成1次DC分量的偶极测量几何的电流注入，同时观察网格之外进行额外的电流注入。在为期10 d的测试活动中，总共完成了596个点的数据集。数据集包含调查区域内超过28万个测量点[9]。这个大数据集代表了三维勘测设计对地下非常密集的采样量。金矿地质单个区域数据密度点位如图4所示。

图4 金矿地质单个区域数据密度点位示意Fig.4 Schematic diagram of data density points in a single area of gold geology

此次勘测采用类似于地震勘测的滚动方法，允许用有限数量的接收器模块覆盖大面积。最初部署了一个49个子单位网格，然后根据滚动原则，从网格的西侧部分移动到东侧，确保初始区域和滚动区域之间提供足够的重叠采集空间。在某金矿地质电磁测量中，在每个接收站使用了70对东北和西南偶极子以及磁传感器，提升测量的精细程度[10]。

2.4 三维反演建模

利用MicroMine软件反演生成了相应的地形模型，创建了在水平方向上具有50 m×50 m单元的反演网格和从厚15 m的单元开始并随着深度增加厚度的垂直网格。在反演中使用了所有596个电流注入极，并且使用了约80%的采集接收器偶极子(超过20万个)[11-13]。由于数据点较丰富，在反演建模过程中获得了高质量的数据，某金矿带地层模型如图5所示。

图5 某金矿带地层模型Fig.5 Stratigraphic model of a gold belt

三维建模电磁反演是用WSINV3DMT大地电磁代码完成的。数据被转换为ZXY和ZYZ阻抗，包括0.01～320.00 Hz16个频率的数据集。反演网格选择在水平方向106 m×106 m的单个单元，垂直方向为50 m厚度。

3 地质特征提取与辨识

3.1 模糊综合评价特征分析

采用选择模糊综合评价计算对数据进行归一化选择，参考了控矿因素与矿化分布的统计相关性，建立了矿化分布与控矿因素的回归方程。如果回归分析显著，认为地质变量可以作为判断因素。利用回归方程系数(假定设为B1)的正负，可以判断矿化分布与地质变量之间的正、负相关关系。如果B1>0，表示矿化分布与地质变量正相关，则应采用选择最大值计算方法计算地质变量；如果B1<0，表示矿化分布和地质变量之间的负相关性，应使用选择最小值计算方法进行计算。将所有未知矿化块转化为预测指标的模糊关系矩阵，即可精准的判断成矿的可能性。模糊综合评价特征数据库，可以利用表1中所提取的找矿标志数据。其中，Nj为矿体单元块数；N为研究区矿体单元块数；Sj为标志变量块数；S为总块数；I为找矿信息量 。

表1 找矿标志的信息量统计Tab.1 Information statistics of prospecting indicators

在模糊综合评价过程中，关键步骤是权重的确定。主观方法主要基于研究者的经验，客观方法主要基于固定数据。2种权重的确定方法都应根据当前的研究目的进行调整。因此，在应用正交理论计算选定控矿因素的隶属度值后，在建立模糊矩阵和一致矩阵的基础上，采用模糊层次分析法计算权重。权重计算方法的合理性综合考虑了主客观影响因素，一般认为主客观影响因素权重分别为60%、40%。

3.2 找矿信息量靶区圈定

利用模糊综合评价方法，选取多个评价指标，结合数据正交分析的手段，将数据的权重进行排序，主要包括的数据类型为成矿因子的块体、找矿信息量的总和、信息量影响范围以及所有相关地质信息(地层、断层、矿化、矿物密度、地球物理、地球化学等)。采用距离幂次反比法的计算公式对金矿信息总量进行估值运算，对于多个重要信息量赋值的块体进行着色处理，并且通过软件显现出来。由于本次赋值信息量很丰富，为了提升成矿预测的精准性，采用信息量大于7块体作为重点的成矿区域，最终得到了4处深部靶区最为成矿的高概率位置，如图6所示。

图6 找矿信息量法靶区位置Fig.6 Target location of ore prospecting information method

同时金矿化带已进行了大量钻探，以绘制和评价金矿化等级。金矿化带地区现有的钻孔及其金含量等级以及荷电率和电阻率剖面如图7所示。高概率成矿金区与导电率升高带有密切的相关性。这种相关性以及与侵入岩脉相关的电阻率异常提供了一个指南，以确定整个勘测区域内具有类似地质物理特征的位置作为潜在目标，也是重要的靶点区域。

图7 地质荷电率和电阻率剖面Fig.7 Geological charge rate and resistivity profile

4 工程验证

根据以上预测结果，选择部分预测靶区进行了工程验证，在某金矿安坝矿段06号剖面施工钻孔624对立方体预测模型的②号靶区进行验证，如图8所示。该验证钻孔总计发现3层金矿体，第1层金矿体位于标高+1 722.5 m 处，样品长度0.65 m，金单样品品位为3.55 g/t，第2层位于标高+1 674 m 处，样品长度0.68 m，金单样品品位为36.8 g/t，第3层位于标高+1 094 m 处，样品长度为3.46 m，金平均品位为1.2 g/t。且在预测靶区发现有三条构造破碎带，岩性为蚀变千枚岩，因为认为在②号靶区其深部还具备一定的找矿潜力。

图8 地质勘测线剖面Fig.8 Geological survey line profile

5 结语

本文建立了基于多源地理空间数据库的三维预测模型。部署大型分布式采集单元阵列，通过收集的大量数据可用于生成地下的详细3D图像。与伪三维、偏移注入和常规2D勘测相比，在较大数据量和全向DC电流源中获得的附加信息，能够为成矿预测技术提供更详细的成像。使用Quantec 3D采集系统进行的DC/IP/MT勘测，成功地详细绘制了金矿属性已知的隐蔽矿化带。此外，电阻率和充电率模型确定了矿化带的地点，其地球物理特征与隐山矿床相似。这些位置被认为是潜在目标，是进一步勘探的候选位置。从所有确定的勘测因素中选出主要控矿因素，这些最重要的控矿因素直接用于后期三维成矿预测研究中矿化优势度的加权计算。以往矿产资源预测评价指标的权重基本上是通过专家打分法或人工确定的。由于其复杂性和不确定性，地质控矿因素中，权重值往往难以准确确定；权重分配的客观方法可能与实际情况相反。本文采用GFH综合分析法，确定各因素的权重，根据权重和隶属值计算，得出金矿带矿化优势度值，将其用于确定主要潜力矿化目标区域，并通过工程验证得出了预测技术的可靠性。