多源地质空间信息智能处理与区域矿产资源预测

第１章　绪　　论

１１　研究背景及意义
矿产资源是一种具有产出隐蔽性、认识不确定性和勘查风险性的不可再生的自然资源.进入２１世纪.矿产资源勘查面临新形势 :传统的矿产资源短缺、出现了一批传统资源面临枯竭的 “危机矿山和矿城”.未发现矿产很多属于难识别、难发现和难利用的复杂矿床 (赵鹏大.２００２).地质找矿工作已由直接找矿阶段转为以间接推断和科学预测为主的 “理论找矿、综合找矿、立体找矿、定量找矿、智能找矿 ”方向发展(Ｚｈａｏｅｔａｌ ２００８).为了解决矿产资源短缺问题.对陆地近地表未查明矿产资源潜力的区位、数量和质量的评价工作已经成为当前十分迫切的任务 (叶天竺等.２００７).近年来.通过基于地球科学数据的定量化.以发现未知矿产资源为目标的空间分析模型的应用日益增多.这些空间分析模型作为预测矿床出现和不出现的分析手段.通常可以将空间分析模型分为三类.即知识驱动模型、数据驱动模型、混合驱动模型.其中.知识驱动模型是基于启发式的经验模型.模型中的变量权重值依靠专家经验评判给出.即领域地质学家对矿床的认知程度作为知识表达来权衡及综合证据图层.具有很大的主观性.知识驱动模型主要有模糊逻辑(Ｃｈｏｉｅｔａｌ ２０００.ＬｕｏａｎｄＤｉｍｉｔｒａｋｏｐｏｕｌｏｓ.２００３).证据理论模型(Ａｎｅｔａｌ.１９９１.１９９４.ＣｈｕｎｇａｎｄＦａｂｂｒｉ.１９９３.ＣａｒｒａｎｚａａｎｄＨａｌｅ.２００３).数据驱动模型是基于统计关系的经验模型.模型中的变量权重值可以根据已知空间中数据的统计分析得出.更多地被认为是一种独立于专家知识之外的客观模型(ＣａｒｒａｎｚａａｎｄＨａｌｅ.２００３).数据驱动模型主要包括逻辑斯谛回归模型(Ａｇｔｅｒｂｅｒｇｅｔａｌ １９９３.ＣａｒｒａｎｚａａｎｄＨａｌｅ.２００１.ＳａｈｏｏａｎｄＰａｎｄａｌａ.１９９９).证据权模型(Ｂｏｎｈａｍ￣Ｃａｒｔｅｒｅｔａｌ １９８９.Ａｇｔｅｒｂｅｒｇｅｔａｌ １９９０.Ｃａｒｒａｎｚａ.２００４).扩展证据权模型(Ｐｏｒｗａｌｅｔａｌ ２００１).神经
¨
网络模型(Ｒｉｇｏｌ￣Ｓａｎｃｈｅｚｅｔａｌ ２００３.Ｋｏｉｋｅｅｔａｌ ２００２.Ｎｙｋａ ｎｅｎ.２００８)等.同时综合上述两种或多种模型称为混合驱动模型.如模糊－神经网络模型(Ｂｒｏｗｎｅｔａｌ ２００３.Ｐｏｒｗａｌｅｔａｌ ２００４).模糊证据权模型(ＣｈｅｎｇａｎｄＡｇｔｅｒｂｅｒｇ.１９９９.Ｐｏｒｗａｌｅｔａｌ ２００６).一些矿产资源定量预测与评价方法已得到广泛应用并取得良好效果.代表性成果包括 :美国地质调查局推行的 “三部式 ”矿产资源潜力评价方法(Ｓｉｎｇｅｒ.１９９３.ＳｉｎｇｅｒａｎｄＭｅｎｚｉｅ.２０１０)、Ａｇｔｅｒｂｅｒｇ教授等提出的证据权法(Ａｇｔｅｒｂｅｒｇ.１９９２.ＡｇｔｅｒｂｅｒｇａｎｄＣｈｅｎｇ.２００２)、赵鹏大院士提出的 “三联式 ”矿产预测理论与方法 (赵鹏大.２００２.赵鹏大等.２００３).成秋明教授提出的非线性矿产预测理论 (成秋明.２００６).
矿产资源预测是综合性和交叉性较强的科学.它不仅涉及矿床学、成矿系统等理论.而且更强调对矿产资源时空分布规律的认识和资源潜力的识别 (成秋明.２００６).正确认识和刻画矿产资源的时空分布规律、有效地获取矿产资源信息.合理地进行信息综合和建模是成功进行矿产资源预测的关键.现代地球探测手段和空间信息处理技术的快速发展使得快捷的数据获取和信息处理技术成为可能.目前.全国范围内的地质、地球物理、地球化学和遥感找矿等数据的日益丰富.为矿产资源预测提供了海量基础数据.如何充分利用已有的海量地质空间数据.从大量的具有不确定性的多源地质空间数据中挖掘出深层次的找矿信息.突破传统的矿产资源预测思路.建立快速、高效、智能化的区域矿产资源预测方法.从而降低矿产勘查的成本.进一步提高矿产预测的效率和精度.显得极具科学意义和应用价值.该研究以矿床学理论、成矿系统和成矿模式理论为指导.顾及地质空间数据的不确定性特性.将空间数据挖掘、案例推理和证据权模型有机耦合.充分利用海量地质空间数据.建立智能化区域矿产资源预测模型.进一步提高矿产资源预测的效率和精度.为我国的矿产资源预测与评价提供新的理论与方法支持.
１２　区域矿产资源预测方法
总体上.区域矿产资源预测方法经历了３个主要的发展时期.２０世纪五六十年代.主要是矿床模型预测方法.２０世纪七八十年代.许多新的矿产资源预测方法相继被提出.这一时期多元统计分析方法和计算机技术被广泛应用于矿产资源预测工作.２０世纪８０年代以后.随着科学技术的发展.日益严峻的矿产资源短缺形势把矿产预测工作推向新的顶点.这一时期.以地学信息的综合处理和地质过程的数据模拟为主要特点.同时.以ＧＩＳ技术的发展为契机.开始产生了立足于ＧＩＳ的矿产资源预测方法.Ｂｏｈａｍ￣Ｃａｒｔｅｒ (１９９４)应用ＧＩＳ多源信息综合分析技术进行金矿床评价.Ｗｙｂｏｒｎ等(１９９５)建立了基于ＧＩＳ的澳大利亚金属矿床预测空间数据库专家系统.池顺都和赵鹏大(１９９８)开展了基于ＧＩＳ的地质异常分析、金属矿产经验预测、找矿有利度分析、找矿有利地段圈定、矿产资源潜力评价和成矿强度、广度定量分析等方面的研究.张寿庭等(２００７)开展了区域多目标矿产资源预测评价理论与方法研究.陈建平等(２００８)开展了基于ＧＩＳ的多元信息矿产资源预测研究.娄德波等(２０１０)在ＭＡＰＧＩＳ软件平台上开发了矿产资源评价系统(ＭＲＡＳ)并在全国进行了应用推广.２１世纪以来.新的矿产资源预测与评价方法也不断提出和应用.赵鹏大院士(２００２)提出 “三联式 ”成矿预测方法.该方法将地质异常、成矿多样性及矿床谱系三项研究工作紧密结合形成矿产预测及定量评价的切入点.成秋明教授(２００６)开展了非线性成矿预测理论研究.在开展非线性理论、复杂性理论以及矿产资源综合研究基础上所形成的 “奇异性 —广义自相似 —分形谱系”为主要内容的多重分形成矿预测新理论、方法和技术体系.国际上.比较有影响力的矿产预测方法包括:Ａｇｔｅｒｂｅｒｇ (１９９２)提出的基于证据权模型的矿产资源潜力评价方法.是一种根据后验概率来圈定研究区有利成矿部位的数学模型.以贝叶斯条件概率为基础.应用统计模型揭示地质因素与矿产分布的关系.该方法已得到广泛应用(Ｃａｒｒａｎｚａ.２００４.Ｍａｓｅｔｔｉｅｔａｌ ２００７.Ｃｏｒｓｉｎｉｅｔａｌ ２００９.Ｐｏｒｗａｌｅｔａｌ ２０１０.Ｈｅｅｔａｌ ２０１０).Ｓｉｎｇｅｒ (１９９３)提出的 “三步式 ”矿产资源勘查及定量评价方法.该方法基于 “根据矿床描述性模型圈定可行地段.矿床数估计.通过品位吨位模型估计资源量”三步式矿产资源潜力评价.以上这些矿产资源预测与评价方法对于提高我国矿产资源勘查的效率与效果起到了很好的促进作用.
１３　空间数据挖掘
空间数据挖掘(ｓｐａｔｉａｌｄａｔａｍｉｎｉｎｇ.ＳＤＭ).或称从空间数据库发现知识(ｋｎｏｗｌｅｄｇｅｄｉｓｃｏｖｅｒｙｆｒｏｍｓｐａｔｉａｌｄａｔａｂａｓｅｓ.ＫＤＳＤ).是指从空间数据库中提取用户感兴趣的空间模式与特征、空间与非空间数据的普遍关系及其他一些隐含在数据库中的普遍的数据特征(Ｈａｎ.１９９６.邸凯昌.２０００).本书采用空间数据挖掘的广义观点 :空间数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用空间数据中提取隐含的、未知的、潜在的、有用的知识的过程 (邸凯昌.１９９９).数据挖掘和知识发现(ｄａｔａｍｉｎｉｎｇａｎｄｋｎｏｗｌｅｄｇｅｄｉｓｃｏｖｅｒｙ.简称ＤＭＫＤ)起源于从数据库发现知识(ｋｎｏｗｌｅｄｇｅｄｉｓｃｏｖｅｒｙｉｎｄａｔａｂａｓｅｓ.简称ＫＤＤ).它首次出现在１９８９年举行的第十一届国际联合人工智能学术会议上.１９９４年在加拿大渥太华举行的国际ＧＩＳ会议上.我国学者李德仁院士提出了从ＧＩＳ数据库中发现知识的概念.并将从ＧＩＳ数据库中发现知识的概念持续发展为空间数据挖掘.随后.国内外的学者开展了一系列空间数据挖掘方法研究.并取得很多研究成果(ＫｏｐｅｒｓｋｉａｎｄＨａｎ.１９９５.Ｆａｙｙａｄｅｔａｌ １９９６.Ｅｓｔｅｒｅｔａｌ ２０００.邸凯昌.２０００.Ｗａｎｇｅｔａｌ ２００３.李德仁等.２００６.何彬彬.２００７).使得空间数据挖掘成为地球空间信息领域中的热点之一.
空间数据挖掘的主要步骤包括空间数据选取、空间数据预处理、空间数据挖掘、模式评价和知识表达.空间数据挖掘不同于普通的数据挖掘.挖掘对象是空间数据库或空间数据仓库.具有多时空尺度、不确定性等特点.空间数据挖掘主要方法包括空间统计学、空间关联规则挖掘、聚类分析、空间分析、云理论、粗集理论、神经网络、证据理论、地图信息图谱方法和支持向量机等.空间数据挖掘系统开发方面.国际上有代表性的空间数据挖掘系统有 :加拿大ＳｉｍｏｎＦｒａｓｅｒ大学计算机科学系的数据挖掘研究小组.在ＭａｐＩｎｆｏ平台上建立的空间数据挖掘的原型系统ＧｅｏＭｉｎｅｒ.德国Ｆｒａｕｎｈｏｆｅｒ大学自动智能系统研究所主持的空间数据挖掘与知识发现原型系统 ———ＳＰＩＮ和ＥＳＲＩ公司开发的ＡｒｃＶｉｅｗＧＩＳ的Ｓ￣ＰＬＵＳ接口.国内.武汉大学基于ＭａｐＯｂｊｅｃｔ２ ０控件.以ＶＢ为开发工具.开发了基于ＧＩＳ数据的ＧＩＳＤＢＭｉｎｅｒ系统和基于遥感图像数据的ＲＳＩｍａｇｅＭｉｎｅｒ系统.袁红春和熊范纶(２００２)开发了ＧＩＳＭｉｎｅｒ系统.该系统以ＭａｐＩｎｆｏ为空间数据管理平台.采用ＶＢ或ＶＣ开发挖掘计算程序.通过ＯＬＥ自动化方式进行集成.主要进行农田利用特征规则和农产品价格关联规则的挖掘.
国内外一些学者应用空间数据挖掘技术进行了初步的矿产资源预测研究工作.Ｃｈｕｎｇ和Ｍｏｏｎ (１９９１)、Ｃｈｕｎｇ和Ｆａｂｂｒｉ (１９９３)、Ｗｒｉｇｈｔ和Ｂｏｎｈａｍ￣Ｃａｒｔｅｖ (１９９６)使
用一组地质数据和Ｄ￣Ｓ证据理论进行了矿产资源评价实验.Ａｎ等(１９９２.１９９４ａ.１９９４ｂ)应用Ｄ￣Ｓ证据理论对一批地球物理数据进行融合进而预测铁矿矿产资源潜力.琚锋(２００７)采用人工神经网络技术进行基于成矿区带的空间数据挖掘实验.刘世翔等(２００８)采用证据权重法和神经网络进行矿产地质信息挖掘.何彬彬等(２０１１)构建了基于地质空间数据挖掘的区域成矿预测方法.并对青海东昆仑成矿带进行了矿产资源预测应用实验.
１４　案例推理
案例推理(ｃａｓｅ￣ｂａｓｅｄｒｅａｓｏｎｉｎｇ.简称ＣＢＲ)是人工智能的一个分支.是一种用以前的经验和方法.通过类比和联想来解决当前相似问题的求解策略.也可称为类比推理.其研究始于ＲｏｇｅｒＳｃｈａｎｋ及其他研究者在２０世纪８０年代的工作.目前已广泛应用于分类、预测、控制、监测、规划、设计、诊断、在线技术支持等方面.涉及工业制造、企业管理、交通运输、金融、司法、医学、地学、环境、气象等领域.当前.案例推理在国际上已得到广泛的研究与应用.国际案例推理大会至２０１０年７月已召开１８届.研究者与研究工作尤以欧洲和美国最具代表性.案例推理基本思想可简述为 :针对新问题 (待求解案例).在历史案例库中搜索与之匹配的相似案例.并重用相似案例.将其结果赋予新问题 (待求案例得解).如果待求案例获取的结果值不合理.依据领域知识对其进行修订.从而使该待求案例最终得解.进一步.将直接得解或修订得解的典型案例加入案例库中.以扩充案例库.案例推理一般由案例表达、案例库存储组织、案例相似性检索模型等构成.而一个案例通常由典型特征描述和结果描述共同组成.
ＣＢＲ的应用基于两个基本的假设 :一是客观世界是有规律的.相似的问题具有相似的解.二是相似的问题有可能再次发生.ＣＢＲ基于相似性原理寻找新问题的解决策略.并提供了一种与人类解决问题很相似的方法.便于抽取和存储专家知识.从方法论的角

《多源地质空间信息智能处理与区域矿产资源预测》是一部将ＧＩＳ 技术、遥感技术和智能信息处理技术与区域矿产资源评价预测需求紧密结合的专著。 其综合论述了基于海量地质空间数据的区域矿产资源预测方法， 并进行了详细的实验对比验证。主要内容包括高寒山区高光谱遥感岩矿专题信息提取方法及实验； 传统的证据权模型、扩展证据权模型和逻辑斯谛回归模型的详细技术流程及实验验证；新的区域矿产资源预测方法: 融合Ｃ４?? ５ 决策树和概率平滑技术、地质空间数据挖掘方法、证据推理方法、成矿案例推理方法和地质空间场景相似性推理方法，详细阐述了这些新方法的理论依据、技术流程和实验结果对比分析并在此基础上，自主研发软件系统“智能区域成矿预测系统”， 对该软件系统设计思路、数据库构建、功能模块划分等方面进行了详细介绍。

目　　录

序
前言
第１章　绪论  １１ １　研究背景及意义  １１ ２　区域矿产资源预测方法  ２１ ３　空间数据挖掘  ３１ ４　案例推理  ４１ ５　地质空间数据的不确定性  ５１ ６　空间数据挖掘的不确定性  ５１ ７　矿产资源预测的不确定性  ７参考文献  ８
第２章　实验区地质概况  １２２ １　青海东昆仑地区地理概况  １２２ ２　区域成矿地质背景  １２２ ３　成矿系列  ３２参考文献  ４３
第３章　高光谱遥感岩矿专题信息提取方法  ４９３ １　概述  ４９３ ２　岩矿波谱机理分析  ５７３ ３　高寒山区岩矿光谱分析  ６０３ ４　高寒山区岩矿光谱变异性分析  ６７３ ５　基于光谱匹配的岩矿信息提取方法  ７５３ ６　基于流形学习的高光谱降维  ９９参考文献  １０５
第４章　高寒山区高光谱岩矿填图应用  １１２４ １　野外实验区地理概况  １１２４ ２　技术路线  １１３４ ３　野外光谱采集  １１４４ ４　高光谱数据预处理  １１６４ ５　岩性填图  １２２４ ６　矿物识别  １４８
４ ７　基于流形学习的高光谱降维及岩性分类验证  １５５参考文献  １６９第５章　证据权模型与区域矿产资源预测  １７０５ １　算法原理  １７０５ ２　基于证据权模型的青海东昆仑铁矿资源预测  １７５５ ３　基于证据权模型的青海东昆仑金矿资源预测  １８２５ ４　基于证据权模型的青海东昆仑铜铅锌多金属矿资源预测  １８７５ ５　基于证据权模型的野马泉铁多金属矿资源预测  １９４５ ６　基于证据权模型的五龙沟金矿资源预测  １９９５ ７　结论  ２０４参考文献  ２０５第６章　扩展证据权模型与区域矿产资源预测  ２０７６ １　算法原理  ２０７６ ２　基于扩展证据权模型的青海东昆仑铜铅锌多金属矿产资源预测  ２０８６ ３　基于扩展证据权模型的五龙沟金矿资源预测  ２１７６ ４　结论  ２２０参考文献  ２２１第７章　逻辑斯谛回归模型与区域矿产资源预测  ２２２７ １　逻辑斯谛回归模型  ２２２７ ２　基于逻辑斯谛回归模型的青海东昆仑铁矿资源预测  ２２５７ ３　基于逻辑斯谛回归模型的青海东昆仑铜铅锌多金属矿资源预测  ２３０７ ４　基于逻辑斯谛回归模型的野马泉铁多金属矿资源预测  ２３２７ ５　结论  ２３４参考文献  ２３４第８章　融合Ｃ４  ５决策树和概率平滑技术的区域矿产资源预测方法及应用  ２３６８ １　方法原理  ２３６８ ２　基于Ｃ４  ５决策树和ｍ￣ｂｒａｎｃｈ概率平滑的青海东昆仑矿产资源预测  ２４３８ ３　讨论  ２６９参考文献  ２７０第９章　地质空间数据挖掘方法与区域矿产资源预测  ２７２９ １　地质空间数据挖掘的理论与技术框架  ２７２９ ２　成矿关联规则挖掘及不确定性评价  ２７８９ ３　基于成矿关联规则挖掘的青海省东昆仑成矿带矿产资源预测  ２８３参考文献  ２９９第１０章　证据推理方法与区域矿产资源不确定性预测  ３０１１０  １　证据理论  ３０１１０  ２　基于证据推理的区域矿产资源不确定性预测方法  ３０４１０  ３　基于证据推理的青海省东昆仑矿产资源不确定性预测  ３０９
参考文献  ３２０
第１１章　成矿案例推理模型与区域矿产资源预测  ３２１１１  １　成矿案例推理模型  ３２１１１  ２　基于成矿案例推理模型的区域矿产资源预测  ３２４１１  ３　基于节点树的成矿案例相似性匹配方法及预测实验  ３３５参考文献  ３４０
第１２章　地质空间场景相似性方法与区域矿产资源预测  ３４１１２  １　方法原理  ３４１１２  ２　集成地质空间场景相似性和案例推理的青海东昆仑矿产资源预测  ３４９１２  ３　讨论  ３６３参考文献  ３６３
第１３章　综合预测方法与野外验证  ３６５１３  １　综合预测方法  ３６５１３  ２　预测精度对比评价  ３６６
第１４章　智能区域成矿预测系统设计与实现  ３７０１４  １　系统需求规定  ３７０１４  ２　系统运行与开发环境  ３７１１４  ３　系统设计原则  ３７１１４  ４　系统结构  ３７２１４  ５　系统数据库设计  ３７２１４  ６　系统主要功能模块的实现  ３７６
图版