基于多源地质数据融合的成矿远景区定量预测方法与流程
本发明涉及成矿预测,尤其涉及一种基于多源地质数据融合的成矿远景区定量预测方法。
背景技术:
1、现有技术中,成矿远景区预测通常通过重力、化探、地震、钻孔等多源地质数据进行综合分析,并结合统计模型或机器学习模型对成矿有利区域进行圈定。然而,不同来源地质数据的空间尺度、异常表现形式及采集质量存在差异,现有方法多侧重于对多源数据进行直接叠加、特征融合或统一建模,缺少对不同来源地质异常之间空间对应关系和相互支持状态的进一步验证。当局部重力、化探或地震数据出现异常、断缺或与实际地质条件不对应时,容易将异常数据直接传递至预测模型,导致局部预测结果失真;
2、同时,现有方法在得到成矿预测结果后,多依据模型输出或已有钻孔资料进行结果验证,难以结合相邻区域地质特征连续状态进一步判断异常预测结果的来源;在发现预测结果异常时,也往往采用统一补采或扩大勘查范围的方式重新获取数据,难以准确定位造成预测异常的具体数据来源及对应采集位置,导致补充采集针对性不足、重复勘查工作量较大,进而影响成矿远景区定量预测的可靠性和勘查效率。
3、中国专利公开号:cn116611697a,公开了一种基于机器学习的多源异构信息圈定找矿靶区的方法,包括:s1、收集地质-化探-遥感多源地学信息数据;s2、建立成矿系统概念模型;s3、根据成矿系统概念模型,提取地学多源空间代理矿化指示信息;s4、基于神经网络完成数据集成与训练,获得多维度空间代理图层数据集与训练点;s5、输入多维度空间代理图层数据集与训练点,应用机器学习算法对超参数优化,得到优化后的机器学习模型;s6、应用优化后的机器学习模型完成机器学习结果评价与靶区圈定。
4、由此可见,所述基于机器学习的多源异构信息圈定找矿靶区的方法存在由于通过多源地学信息融合及机器学习进行找矿预测,未对不同来源地质特征进行一致性验证,导致异常数据来源难以追溯,补充采集针对性不足。
技术实现思路
1、为此,本发明提供一种基于多源地质数据融合的成矿远景区定量预测方法,用以克服现有技术中由于通过多源地学信息融合及机器学习进行找矿预测,未对不同来源地质特征进行一致性验证,导致异常数据来源难以追溯,补充采集针对性不足。
2、为实现上述目的,本发明提供一种基于多源地质数据融合的成矿远景区定量预测方法,包括:
3、获取勘查区域内的重力勘查数据、化探采样数据、地震勘查数据及历史钻孔数据,并关联至对应的空间预测单元,以形成对应的多源地质特征;
4、根据所述多源地质特征之间的空间对应关系建立跨源地质证据关系,并根据各类地质特征沿所述跨源地质证据关系的对应状态判定多源地质特征的一致性,以在一致性不符合要求时确定初始异常数据来源;
5、基于一致性符合要求的多源地质特征及对应历史钻孔数据构建成矿预测模型,对所述勘查区域进行成矿有利性预测,得到成矿有利区预测结果;
6、根据所述成矿有利区预测结果与多源地质特征在空间变化上的一致状态进行复核,并在存在历史钻孔数据时,结合所述历史钻孔数据进一步复核所述成矿有利区预测结果;
7、在复核结果不符合要求时,对预测结果形成的多源地质特征进行反向追溯,确定目标异常数据来源及目标补充采集位置,并执行对应的数据补充采集;
8、根据补充采集后的数据更新所述多源地质特征及成矿有利区预测结果,并根据复核结果符合要求的成矿有利区预测结果生成成矿远景区定量预测图。
9、进一步地,所述形成对应的多源地质特征包括:
10、根据重力勘查数据中各重力测点的重力加速度变化及空间分布关系,确定地下介质密度变化对应的重力异常区域及其延伸状态,以形成重力异常特征;
11、根据化探采样数据中各采样点对应元素的赋存状态及空间分布关系,确定元素富集、亏损或组合异常对应的化探异常区域及其延伸状态,以形成化探异常特征;
12、根据地震勘查数据中地震波的传播、反射及连续变化状态,确定地下介质界面变化或地质构造变化对应的地震异常区域及其延伸状态,以形成地震响应特征
13、进一步地,根据所述多源地质特征之间的空间对应关系建立跨源地质证据关系,包括:
14、根据所述重力异常特征、化探异常特征及地震响应特征对应的空间位置和异常延伸状态,将具有空间对应关系的不同来源地质特征进行关联,以形成所述跨源地质证据关系。
15、进一步地,所述判定多源地质特征的一致性,包括:
16、在地质特征沿所述跨源地质证据关系形成相互支持的空间对应时,判定所述一致性符合要求;
17、在至少一类地质特征不能与其余地质特征形成相互支持的空间对应时,判定所述一致性不符合要求,并根据各类地质特征之间的对应状态及空间连续状态确定所述初始异常数据来源。
18、进一步地,所述构建成矿预测模型,包括:
19、将一致性符合要求的重力异常特征、化探异常特征和地震响应特征进行关联以形成联合地质特征;
20、根据历史钻孔数据确定所述联合地质特征对应的成矿状态,并建立所述联合地质特征与成矿状态之间的对应关系,以构建所述成矿预测模型。
21、进一步地,复核所述成矿有利区预测结果,包括:
22、根据相邻空间预测单元之间多源地质特征的连续状态,确定对应成矿有利区预测结果的空间变化是否与所述多源地质特征的变化相对应;
23、对于具有历史钻孔数据的空间预测单元,进一步根据所述成矿有利区预测结果与对应历史钻孔数据之间的对应状态确定复核结果。
24、进一步地,所述确定目标异常数据来源及目标补充采集位置,包括:
25、根据复核结果不符合要求的空间预测单元与对应多源地质特征之间的关联关系,对预测结果形成的各类地质特征进行反向追溯;
26、根据反向追溯过程中各类地质特征沿所述跨源地质证据关系的对应状态,确定所述目标异常数据来源及目标补充采集位置。
27、进一步地,所述执行对应的数据补充采集,包括:
28、根据所述目标异常数据来源的数据类型,在所述目标补充采集位置执行重力勘查数据补充采集、化探采样数据补充采集或地震勘查数据补充采集。
29、进一步地,更新所述多源地质特征及成矿有利区预测结果,包括:
30、根据补充采集后的数据更新对应的地质特征,并重新执行成矿有利性预测及预测结果复核;
31、在复核结果仍不符合要求时,重新确定目标异常数据来源并执行对应的数据补充采集。
32、进一步地,所述生成成矿远景区定量预测图,包括:
33、将复核结果符合要求的各空间预测单元对应的成矿有利区预测结果按照空间位置进行映射,并根据相邻空间预测单元的预测结果确定成矿有利区的空间分布范围,以生成所述成矿远景区定量预测图。
34、与现有技术相比,本发明的有益效果在于,本发明所述方法通过获取重力勘查数据、化探采样数据、地震勘查数据及历史钻孔数据,将不同来源的地质数据关联至对应的空间预测单元,形成重力异常特征、化探异常特征和地震响应特征;通过各类地质特征之间的空间对应关系建立跨源地质证据关系,并根据不同来源地质特征之间的对应状态进行一致性判定,使不同物理机制获得的地质异常信息能够相互验证;进一步利用一致性符合要求的多源地质特征构建成矿预测模型,并结合多源地质特征的空间变化及历史钻孔数据对预测结果进行复核,在复核结果异常时反向追溯目标异常数据来源并执行定向补充采集,使数据采集、特征融合、成矿预测及异常校正形成反馈闭环,从而降低局部异常数据对成矿预测结果的影响,提高了成矿远景区定量预测的可靠性。
35、进一步地,本发明所述方法通过建立跨源地质证据关系并判定多源地质特征的一致性,由于重力勘查、化探采样和地震勘查分别反映地下介质密度变化、元素赋存异常及地下构造响应,不同来源数据的观测对象和空间表现形式存在差异,导致单独依据任一来源的异常信息难以判断对应异常是否能够真实反映成矿地质条件,且局部采集异常容易被误认为实际地质异常;通过将重力异常特征、化探异常特征及地震响应特征按照空间位置和异常延伸状态进行关联,并根据各类地质特征沿跨源地质证据关系的相互支持状态判定其一致性,可以利用不同地质证据之间的空间对应关系识别缺乏其他来源地质证据支撑的异常特征,从而减少单源异常数据直接参与成矿预测造成的干扰,进一步提高了成矿远景区定量预测的可靠性。
36、进一步地,本发明所述方法通过对成矿有利区预测结果进行复核,由于成矿预测模型根据多源地质特征之间的组合关系确定成矿有利状态,局部地质数据异常、特征空间关系变化或训练数据覆盖不足均可能造成部分空间预测单元的预测结果与周边地质演化趋势不一致,仅根据模型自身输出难以及时识别对应的异常预测结果;通过将目标空间预测单元的成矿有利区预测结果与相邻空间预测单元的多源地质特征连续状态进行对应分析,并在具有历史钻孔数据的位置进一步结合钻孔揭示的见矿状态或矿化赋存状态进行复核,可以从空间连续关系和实际钻孔证据两个层面对预测结果进行验证,从而识别与实际地质特征变化不相对应的异常预测结果,为后续异常数据追溯提供依据,进一步提高了成矿远景区定量预测的可靠性。
37、进一步地,本发明所述方法通过对复核结果不符合要求的预测结果进行反向追溯并执行定向数据补充采集,由于不同来源地质数据共同参与成矿预测,当预测结果出现异常时,难以直接确定异常来源于重力勘查数据、化探采样数据或地震勘查数据,若直接对勘查区域进行统一补充采集,容易产生无针对性的重复勘查并增加数据采集工作量;通过根据异常预测结果与对应多源地质特征之间的关联关系进行反向追溯,并结合跨源地质证据关系确定目标异常数据来源及对应的目标补充采集位置,针对目标位置执行对应类型的数据补充采集,再利用补充采集后的数据更新地质特征及成矿有利区预测结果,使数据补充采集能够针对造成预测异常的数据来源实施,从而减少无效重复采集,并降低异常数据持续影响预测结果的可能性,进一步提高了成矿远景区定量预测的可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com