[发明专利]一种砂岩型铀矿成矿要素特征的定量评价方法

说明书

本发明属于铀矿领域，具体公开了一种砂岩型铀矿成矿要素特征的定量评价方法，包括：将有矿钻孔和无矿钻孔数据整合在一起；整理、转换并读入成矿要素文件；将合并后的钻孔数据和成矿要素图层数据读入ARCGIS10软件，并统一各文件的投影方式；通过计算钻孔对应成矿要素图层的特征值，获取可用于单要素方差分析的数据；使用单要素方差分析，分别计算有矿孔和无矿孔铀成矿特征要素的差异显著性；利用步骤5计算出的有矿孔和无矿孔之间各成矿要素的差异显著性，评价成矿特征要素对铀成矿的贡献。本发明方法利用方差分析定量计算有矿孔和无矿孔之间特征要素的差异性，评价成矿特征要素对铀成矿的贡献。

技术领域

本发明属于铀矿领域，具体涉及一种砂岩型铀矿成矿要素特征的定量评价方法。

背景技术

随着铀资源数据获取手段的快速提高，地质、矿产、地球物理、地球化学、遥感等多专业、多领域的调查评价工作为铀资源预测提供了海量数据，在大数据时代背景下要求铀资源预测的思维和方法有所创新和发展。铀资源大数据应用的基本思路是融合多源异构的铀资源数据，建设海量的铀资源样本数据集合，结合机器学习和数据挖掘等技术，分析和挖掘铀资源数据中蕴含的隐含信息，在此基础上建模和预测。其中，基于机器学习的铀成矿预测是铀资源大数据应用的重要方向。

机器学习是人工智能的核心，是使计算机具有智能的根本途径。大数据的核心是预测，是把数学算法运用到海量的数据上来预测事情发生的可能性。针对铀资源预测，可以将有标签的铀资源样本集合作为训练数据，成矿要素特征作为机器学习的输入数据，钻孔矿化级别或品位等标签信息作为输出数据，通过机器学习方法进行建模。通过模型调整和测试，可使用该模型对预测区进行成矿前景评价和优选。这当中，作为机器学习建模输入层的铀成矿要素特征的选择和评价非常重要，很大程度决定了预测模型的优劣，需要对铀成矿要素特征进行定量分析。

传统的砂岩型铀成矿要素特征和控矿要素分析大多数是定性的，即通过典型铀矿床研究，定性分析和比较各种铀成矿要素对矿床的控制作用，铀成矿要素与铀成矿的关系往往通过文字描述。少数的砂岩型铀成矿要素特征与铀成矿关系的定量分析，都是分析铀成矿要素特征与铀成矿之间的相关性，通过相关分析来完成，如分析某一项成矿特征与铀成矿规模之间的相关关系。同时，传统方法一般只考虑已知铀矿产地的成矿要素，没有将不同类别钻孔数据利用起来。因为已知钻孔可分类为有矿孔和无矿孔，传统方法没有研究有矿孔和无矿孔对应要素特征的差异。

通过相关分析，分析铀成矿特征要素与铀成矿的关系，没有考虑到不同级别铀矿化之间铀成矿要素特征之间的差异性，分析结果较为片面。比如在定量分析铀成矿要素特征与铀成矿的关系时，传统分析方法很少考虑无矿铀钻孔对应要素特征与有矿钻孔对应要素特征之间的差异性，而当无矿铀钻孔对应要素特征与有矿钻孔对应要素特征的差异性很大时，则这项特征要素则有可能作为区分无矿孔和工业孔之间的特征，用于之后的数据挖掘或机器学习；而当无矿铀钻孔对应要素特征与无矿孔对应要素特征几乎没有差异时，则说明这项特征要素则无法作为区分无矿孔和有矿孔之间的特征，则可能不能作为后期机器学习建模的输入特征，从而完成对铀成矿要素特征的定量评价。

因此，如何有效组织现有数据，分析有矿钻孔和无矿钻孔对应成矿要素特征的差异性，定量评价各个成矿要素特征对于铀成矿的重要性，是本发明重点解决的问题。

发明内容

本发明的目的在于提供一种砂岩型铀矿成矿要素特征的定量评价方法，按照有矿钻孔和无矿钻孔来组织成矿要素特征数据，利用方差分析定量计算有矿孔和无矿孔之间特征要素的差异性，评价成矿特征要素对铀成矿的贡献。

实现本发明目的的技术方案：一种砂岩型铀矿成矿要素特征的定量评价方法，所述方法包括以下步骤：

步骤1、将有矿钻孔和无矿钻孔数据整合在一起；

步骤2、整理、转换并读入成矿要素文件；

步骤3、将合并后的钻孔数据和成矿要素图层数据读入ARCGIS10软件，并统一各文件的投影方式；