【技术实现步骤摘要】
一种基于大数据关联规则算法的卡林型金矿定量找矿方法
[0001]本专利技术涉及一种卡林型金矿找矿方法,特别是一种基于大数据关联规则算法的卡林型金矿定量找矿方法。
技术介绍
[0002]金是硬通货,随着社会经济迅速发展,对Au的需求日益增加,但长期的开采导致浅部金矿床大量消耗,急需新的成矿理论和找矿方法服务深部和盲区找矿。
[0003]卡林型金矿床是金的重要来源,年产量约占世界金总产量的8%,主要分布于美国西部内华达州和犹他州、中国的滇黔桂和陕甘川两个金三角、东南亚、以及南美洲的秘鲁等地区(Cline et al.,2005、2013;Frimmel,2008;Su et al.,2009a、2009b、2012)。滇黔桂“金三角”是世界第二大卡林型金矿床富集基地,仅次于内华达州(Suetal.,2012、2018;Muntean and Cline,2018;Wu et al.,2019;Wei et al.,2020)。以往在成矿理论指导下,主要通过化学/物理勘探与卡林型金矿床地质特征相结合开展找矿,形成了土壤地球化学法(谢学锦,1996;陶淡等,2002;王宝林等,2011;吴松洋等,2018),构造地球化学法(韩润生,2013;刘建中等,2017;钱建平等,2015;梁德生等,2017;张善明等,2018;李松涛等,2019、2021),地球物理法(庞绪成等,2005;Mark,2007;孟小杰,2014;杨炳南等,2016),综合信息找矿预测(肖克炎等,2013;叶天竺等2017;薛建玲等,2018) ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于大数据关联规则算法的卡林型金矿定量找矿方法,其特征在于:通过关联规则算法分析元素含量与金矿化的关联性、元素与金矿化的关联性,结合元素的迁移富集规律,判断元素异常组合,再将元素异常组合进行关联规则分析,建立定量找矿模型。2.根据权利要求1所述的基于大数据关联规则算法的卡林型金矿定量找矿方法,其特征在于:所述定量找矿模型是根据元素异常组合,分别选取强正关联显著富集元素As、Sb、Hg、Tl、Ag、W、Rb,强正关联略富集元素Zr、Th、Ta、Nb、Hf,强负关联强迁出元素Sr,建立找矿模型。3.根据权利要求2所述的基于大数据关联规则算法的卡林型金矿定量找矿方法,其特征在于:所述强正关联显著富集元素As、Sb、Hg、Tl、Ag、W、Rb代表的硫化和黏土化作用,为硫化作用;强负关联强迁出元素Sr代表去碳酸盐化作用,强正关联略富集元素Zr、Th、Ta、Nb、Hf是去碳酸盐化作用引起体积减小、导致含量增加,将强负关联强迁出元素和强正关联略富集元素直接反映去碳酸盐化作用。4.根据权利要求3所述的基于大数据关联规则算法的卡林型金矿定量找矿方法,其特征在于:所述定量找矿模型包括硫化找矿模型和去碳酸盐化找矿模型。5.根据权利要求4所述的基于大数据关联规则算法的卡林型金矿定量找矿方法,其特征在于:所述硫化找矿模型是在卡林型金矿床内As、Hg、Sb、Tl、W、Ag元素含量差异进行找矿或圈矿;当样品中As、Hg、Sb、Tl、W、Ag、Rb等元素内中高含量项数≥2、≥3、≥4、≥5时,样品发生矿化,对应的Au含量分别为≥47.0
×
10
‑9、≥150
×
10
‑9、≥500
×
10
‑9、≥1000
×
10
‑9;当样品中As、Hg、Sb、Tl、W、Ag、Rb等元素内高含量项数≥1、≥1、≥2、≥3时,样品发生矿化,对应的Au含量分别为≥47.0
×
10
‑9、≥150
×
10
‑9、≥500
×
10
‑9、≥1000
×
10
‑9。6.根据权利要求5所述的基于大数据关联规则算法的卡林型金矿定量找矿方法,其特征在于:所述As、Hg、Sb、Tl、W、Ag、Rb等元素的低含量与中高含量界线值分别为668
×
10
‑6、2.12
技术研发人员:曹胜桃,胡瑞忠,周永章,刘建中,谭亲平,高伟,郑禄林,郑禄璟,宋威方,
申请(专利权)人:中国科学院地球化学研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。