基于大数据的基性-超基性岩定量分类及成矿预测研究——以北山地区为例
岩浆岩分类是研究岩浆岩成因及其成矿作用的基础,传统的岩浆岩二维图解分类方法,因仅有个别元素参与分类、岩石矿物学定名无法保证统一性等因素,其分类结果不够精确.本文基于地质大数据研究基本思想、方法,应用多元统计“聚类分析”和“判别分析”的算法,分别构建起“北山地区基性-超基性岩氧化物定量分类系列模型”和“北山地区基性-超基性岩氧化物+微量元素定量分类系列模型”.前者将北山地区406件基性-超基性岩样本,在10个氧化物变量空间分为2大类共9个小类,其中89%的含矿样本分布在占总样本量44%的3个小类中.后者将北山地区266件基性-超基性岩样本,在34个氧化物及微量元素变量空间分为2大类共8个小类,其中98%的含矿样本分布在占总样本量33%的2个小类中,且81%的含矿样本分布在仅占总样本量21%的I 222分类中,在该分类中含矿样本数占该分类样本的61%,则有理由认为剩余39%的样本所在岩体为找矿的有利岩体.上述二个模型分类结果中含矿样本对定量分类的高度选择性,充分证明所建定量分类系列模型对北山地区基性-超基性岩成矿岩体分类的高度有效性,为北山地区基性-超基性岩成矿岩体预测研究提供了依据.
基性-超基性岩、定量分类模型、铜镍矿床、成矿预测、北山地区
34
P588.124;P588.125;P612(岩石学)
中国地质调查局地调项目121201004000150017-32;国家自然科学基金项目41872073;甘肃省自然科学基金项目18JR3RA266
2018-12-27(万方平台首次上网日期,不代表论文的发表时间)
共12页
3195-3206