区域地球化学数据处理与编图方法技术.ppt

《区域地球化学数据处理与编图方法技术.ppt》由会员分享，可在线阅读，更多相关《区域地球化学数据处理与编图方法技术.ppt（110页珍藏版）》请在三一办公上搜索。

1、区域地球化学数据处理与编图方法技术,向运川区域地球化学研究课题组2007年6月,主要内容,研究内容地球化学数据处理与分析区域地球化学图编制基于GIS技术的地球化学空间分析定量预测探讨,地球化学在矿产预测中的研究内容,元素异常种类与空间特征分析 研究表达元素异常方式及相关联的元素及元素组合的特征，异常的空间展布特征等 单元素异常 单元素异常是指仅依据一种元素的含量（或经变换后的参数）指标所确定的异常，其异常名称可表述为某元素的某类异常。组合异常 组合异常是指将在成因上性质相似、在空间上有关的一组元素，对各个单元素异常进行空间套合所形成的叠加异常。异常元素的组合，可能反映了一定的矿化类型。整合异常

2、 整合异常是指将在成因上性质相似、在空间上含量分布规律相一致的一组元素，对各元素含量（或其他参数）指标采用某种方法进行整合计算后获得归一化指标，依据归一化指标所确定的异常,地球化学在矿产预测中的研究内容,元素异常种类与空间特征分析 综合异常 综合异常是指将在成因上性质相似、在空间上含量分布规律相一致的一组元素，对各个单元素异常采用逻辑或的方法进行异常范围的空间叠加所形成的异常 异常几何特征 异常几何特征是指异常在二维平面空间所呈现的几何轮廓特征，主要包括异常长度、异常走向、异常宽度、异常面积、异常形态等特征参数 线状异常：异常长度/异常宽度10 带状异常：异常长度/异常宽度=10-3 面状异常

3、：异常长度/异常宽度=3-1,地球化学在矿产预测中的研究内容,元素异常浓度特征 异常浓度特征是指形成异常的指标在异常区域范围内的数值特征，主要包括异常下限、异常特征值、异常强度、异常衬度、富集系数、异常浓度分带等特征参数。异常下限 区域地球化学异常是相对于区域地球化学背景而言的。区域地球化学背景不是一个确定的含量值，而是一个含量范围，将背景含量范围的最大值称为背景上限，当元素含量（或其他指标数据）超过区域背景上限时称其为异常，因此异常下限就等于背景上限。异常特征值 异常特征值是异常区域内数据的描绘统计参数量，主要包括中位数、算术平均值与标准离差或几何均值与几何标准离差。,地球化学在矿产预测中的

4、研究内容,元素异常浓度特征 变异系数 反映区域内数据的变化程度，区域内标准差/平均值。异常强度 异常含量的高低或异常含量超过背景值的程度。可以用异常的峰值、平均值、衬度等表示。异常元素分带特征 异常分带指地球化学异常在空间上存在的指标之间或同一指标在量值上有规律的演变的现象。,地球化学在矿产预测中的研究内容,元素异常浓度特征 异常规模NAP 表征异常面积大小与强度的综合性参数。浓度梯度 在地球化学分散晕中，元素含量（由高到低）对距离的变化率 异常衬度 异常内元素平均含量与背景值之比 富集系数 各种风化产物中元素含量与其在母岩中含量的比值。异常浓度分带 根据异常元素含量变化，在空间上划分的若干连

5、续的浓度区间。,异常内部结构分析 研究元素异常的内部结构，即异常的浓集度，浓集中心的相对位置和异常的密集程度分析等。异常内部结构（各浓度带异常形态的一致性）研究异常内是否存在浓度分带，是多个浓集还是单个浓集带，且浓集带的规模形态是否一致等特点。异常浓集中心数量及在异常内的相对位置 浓集中心指异常含量相 对富集的部位，对于多个浓集中心，确定其浓集中心数目和它们之间的相对位置。异常梯级带特征（构造分析）描述异常等值线的稀密程度，可确定不同地质单元的分界线或构造的特征线。异常组分分带及其原生特点 根据异常内组合异常特征及组分分带，可判断矿与成矿异常、成矿类型、可能的成矿期次、成矿系列以及剥蚀程度。组

6、分分带清楚，不同组分的异常中心沿一定方向变化，而且相隔的距离较大，表明成矿作用时间相对较长，可能是有利于不同期次成矿元素富集的指示标志。,地球化学在矿产预测中的研究内容,元素叠加分析 研究异常区内元素间的比值特征，确定成矿元素元素的迁移与富集成矿的印迹。常量元素含量及比值 Al/Si、K/Na、Ca/Si、Mg/Fe异常区元素对比值 Cu/Mo、Ag/Mo、AgPbZnCd/WSnMoBi、AsSb/PbZn、PbZn/MoW、Cd/Zn等。元素的累加、累乘 用一组特征指示元素的含量规格化后进行累加、累乘，并绘制组合异常图。,地球化学在矿产预测中的研究内容,成矿地质背景地球化学分析 通过地球化

7、学元素异常、组合、处理信息及空间特征的分析，研究成矿的地质背景和地质作用等因素。地球化学地理景观 根据自然地理景观条件和表生地球化学作用划分出影响地球化学异常分布的各种景观区域。地质背景的地球化学分析 研究地质背景的地球化学响应和特征，依据地球化学资料，对异常区内地质背景进行描述。岩性特征地球化学分析 不同的岩石类型有不同的元素分配特征，依据这一特点，可划分出不同的成岩元素序列。地层含矿性(或矿源层)的地球化学分析 含矿地层和矿源层一般都具有某些成矿元素及伴生元素的高含量，可根据已知含矿层或矿源层异常元素组合及特征，用此类方法在预测区推断地层（或层位）的含矿性或矿源层。,地球化学在矿产预测中的

8、研究内容,成矿地质背景地球化学分析侵入岩类型的地球化学分析 根据不同侵入岩类具有不同的地球化学特征，推断侵入岩类型。侵入岩特征及与成矿关系的地球化学分析 某些与成矿有关的侵入岩含有一些特征元素，在此基础上研究它们与成矿的关联性。接触关系的地球化学分析 某些岩体与围岩的接触带上某些元素分布出现明显的差异（接触带内接触带和外接触带），据此可对接触带类型和关系进行分类。原岩主要元素成分的地球化学研究 通过元素演化规律可推断原岩成分，有时可通过反映原岩的特征元素对原岩加以辨别，如桂东粤西受变质前寒武系岩系的对比就是通过特征元素的研究进行的。,地球化学在矿产预测中的研究内容,地质构造的地球化学研究 通过

9、研究元素或元素组合的地球化学空间特征，及元素组合的规律性分析，描述地球化学推断地质构造，尤其是与成矿有关的成矿构造。区域地质构造类型、构造特征（走向、延伸、规模）、构造岩性用于推断的地球化学标志 指用以推断某些地质要素某些特征时所采用的地球化学依据，如，地球化学元素异常组合、高、底背景分布特征、单个异常的形态与一组异常的排列及展布方向、范围等。区域地质构造类型（如陆块区地质构造、造山带构造、矿带和矿田构造等）地质构造类型的地球化学分析是指通过对研究区区域地球化学背景场及异常场的分布形态、展布方向等特征的分析，判断研究区所属的可能区域地质构造类型。,地球化学在矿产预测中的研究内容,元素成矿特征分

10、析 原岩主要元素成分、主成矿元素、伴生元素、指示元素、成矿地球化学特征（富集成矿、及成矿部位的地球化学分析）、区内已知矿床的地球化学特征（区域地球化学模式）、元素异常与矿田（带）的关联度 成矿区带地球化学特征分析 本省各成矿带的成矿地球化学背景，区域异常与成矿区带的关联性，各成矿区带的主要成矿元素和指示元素及其异常分布特征，建立识别各类成矿区带的区域地球化学异常模式矿田地球化学异常特征分析 矿田异常与成矿区带异常的关联性，富集成矿部位的地球化学分析，矿田异常（成矿和指示元素）特征与成矿类型和成矿规模，表生地球化学对异常浓度、分布的影响，建立典型矿田地球化学识别模式已知矿床地球化学异常特征与建模

11、 区内不同类型、不同规模、不同剥蚀程度、不同景观区已知矿床的地球化学异常特征，控矿构造、控矿岩体和控矿地层的地球化学标志，矿床异常与区域异常的关联性等，建立典型矿床地球化学找矿模式,地球化学在矿产预测中的研究内容,编制地球化学推断图 利用区域化探资料推断岩性和地质构造，并编制相关图件 编制综合异常图，圈定找矿靶区 编制地球化学重要矿种找矿预测图,地球化学在矿产预测中的研究内容,资源潜力地球化学定量预测分析 成矿率、预测深度（资源潜力预测方法）、预测资源量、预测区分级、潜力评价（基于地球化学综合因素）、已知矿数、推测矿床数、推测矿床规模 地球化学找矿靶区圈定 靶区主要找矿矿种和矿床类型，靶区分类

12、资源潜力定性、定量预测 成矿率分析、预测深度、预测资源量、预测区分级、已知矿床数、推测矿床数、推测矿床规模、基于地球化学综合信息的资源潜力评价。,地球化学在矿产预测中的研究内容,地球化学数据处理与分析,数据处理的目的 使数据集尽可能地满足某种分布（如正态分布），便于解释其分布规律 统一不同元素量纲和数据水平，便于叠加分析或累加等运算 元素间的非线性关系变为线性关系 突出综合变量，化减变量数 突出地质、矿产特征信息,常规地球化学数据处理 数据变换 在地球化学综合解释中，由于数据的分布与量纲的不一致，对数据的处理、分析、综合将会有很大的影响。因此往往需要首先对数据进行变换处理，通常采用对原始数据进

13、行标准化、极差化、或均匀化的变换。对于偏态分布的原始数据通过对数变换、平方根变换、反余弦变换、或反正弦变换可使其近于正态分布。对非线性相关数据，可通过作散点图、分布趋势图、拟合趋势曲线，然后采用相关的拟合方程作适当变换，使变换后的数据集大致成线性关系。,地球化学数据处理与分析,常规地球化学数据处理 数据变换 1.标准化变换,地球化学数据处理与分析,式中Xij为原始观察值。为第j变量的算术平均值，Sj为第j变量的标准差。i=1,2,n为标本数，j=1,2p为变量数。变换后的变量其平均数为0，方差为1。各变量处于同一量纲，两个变量在变换前后的相关程度不变。从几何意义上，标准化变换相当于将坐标原点移

14、至重心（平均数）位置。这种变换适合于量纲和数量大小不一的连续型原始数据，如品位数据，岩石化学分析数据等。,常规地球化学数据处理 数据变换 2.极差化（正规化变换）,地球化学数据处理与分析,式中Xij为原始数据；Xjmin为第j变量的最小值；Xjmax为第j变量的最大值。i=1,2n为标本数；j=1,2,p为变量数。变换后数据处于统一量纲，其最大值为1，最小值为0，所有数据变化在01之间。变换前后变量间相关程度不变，其几何意义相当于把坐标轴原点移至变量最小值的位置。适合于量纲和数量大小不一的连续型原始数据的变换。,常规地球化学数据处理 数据变换 3.均匀化,地球化学数据处理与分析,式中Xij为原

15、始数据，为第j变量的平均数。所以，均匀化变换亦是为了统一量纲，将原始数据变换为都在1附近的相对数值。变换后的某一变量的数学期望为1，而变量与平均数之差的期望为0。此变换适合于比例变量，如长度、体积、质量等数据。,常规地球化学数据处理 数据变换 4.对数变换,地球化学数据处理与分析,其中c为常数。变换适用于服从对数正态分布的数据，由于这类数据分布是最偏斜的，很肯能出现近零的值，当取对数时，这些值可能呈大的负值，为了避免这个缺点，故在取对数前首先对所有数据加上一个常数c。,常规地球化学数据处理 数据变换 5.阈值化,地球化学数据处理与分析,其中：i=0,1,2,n 划分的级次数，ki为阈值。将原始

16、的观测数据xi按照给定的阈值ki转化为0至n的多元状态；转化后的f(xi)为0,1,2,n的分级，并且无量纲表示，常用于变化范围较大的数据和图形化。,常规地球化学数据处理 数据变换 6.其他变换,地球化学数据处理与分析,反正弦和反余弦变换平方根变换 双曲变换幂函数变换指数函数变换等。,常规地球化学数据处理 离散数据网格化,地球化学数据处理与分析,离散数据网格化处理是空间数据插值的一种，即把无规则分布的空间数据内插为规则分布的空间数据集，如规则矩形格网、三角网等。规则格网能够更好地反映连续分布的空间现象，并对他们的变化作 出模拟。现代地球科学模型都要求与GIS数据模型和 遥 感数据高度兼容的空间

17、数据集。格网化的数据，尤其是规则矩形格网，已成为目前地学模型 的主要数据形式。网格化处理一般包括这样几个过程：空间几何属性的确定；插值方法（模型）的选择；空间数据的探索分析，包括对数据的均值、方差、协方差、独立性和变异函数的估计等；插值方法评价；重新选择内插方法，直到合理。,网格结点,网格距,原始数据点,网格化的几何关系,离散数据网格化处理,网格化数据处理数学模型,1.最近距离法:网格结点值等于与它距离最近的 采样点的值 2.平均值：网格结点值等于搜索区域内各采样点的平均值 v=(v1+v2+)/n3.距离倒数加权：是最常用的空间插值方法之一。网格结点距离最近的若干个 点的贡献最大，其贡献与距

18、离成反比。v=(v1/d1+v2/d2+)/(1/d1+1/d2+.)4.距离-指数倒数加权 v=(v1/e1+v2/e2+)/(1/e1+1/e2+)5.累加：网格结点值等于搜索域内各采样点值之和（统计区域内矿产储量）v=(v1+v2+.),网格化数据处理数学模型,6.克里格（Kriging）插值：其基本假设是建立在空间相关的先验模型之上，假定空间随机变量具有二阶平稳性，或者是服从空间统计统计规律的假设，根据空间样本找到适合的变异函数理论模型。最常用的变异函数模型有：nugget、球面、指数、高斯、阻尼正弦、幂和线形模型。7.函数插值方法：傅里叶级数、样条函数方法、双线性插值（拉格朗日）、立

19、方卷积法 等,指数的距离幂倒数加权这是一种改进的距离函数加权法。,这种插值方法的优点在于，曲面连续，而且消除了极小距离而产生的奇变影响。,网格化数据处理数学模型,不同网格距对比,不同搜索半径对比,R=8km,R=12km,不同计算方法的影响程度对比,指数倒数函数,距离平方倒数函数,A=1,A=2,平均值,距离平方加权,指数加权 A=5/12,指数加权 A=12/12,不同方法对比,常规地球化学数据处理 离散数据网格化,地球化学数据处理与分析,本次省级地球化学编图的数据主要来源于1:20万组合样数据和1:50万单点样分析数据，由于坐标投影的关系，大多数省区都难以采用原始的直接成图。为了编图的统一

20、性，各省在编图中均采用处理后的网格化数据。推荐处理方法：（1）网格距的确定，新疆、西藏、青海网格距选定为44km,其他各省（市、区）为22km。（2）数据处理搜索范围，以计算点为中心，新疆、西藏、青海搜索半径为12km，其他为2.5km。（3）数据处理计算方法，网格化数据处理方法均采用以距离（原始数据点到计算点的距离）为幂的指数加权法,常规地球化学数据处理 数据分布检验,地球化学数据处理与分析,地球化学单元素的分布检验，有助于通过数据的分布规律，了解数据的分布特点，比较不同数据集统计分布异同，研究元素的空间分布及地质成因意义 主要解决的问题：建立给定元素数据分布的解析表示。不同来源及不同地质景

21、观单元数据间的比较。评价（估计）对数据影响的各种因素。确定元素在研究区域内的分布概率。,常规地球化学数据处理 数据分布检验,地球化学数据处理与分析,元素的分布检验主要分为正态分布和对数正态分布两种类型检验。可以按全区或分地质单元、景观单元分别进行检验，最终依据数据分布直方图和基本参数来确定数据近似分布类型。（1）是否取对数、分组起始值、分组间隔、分组数、数据最大值与最小值；（2）数据个数、平均值、平均差、中位数、标准差、斜差、峰态；（3）如果做直方图时剔除部分异常数据点，则应说明剔除方法。,常规地球化学数据处理 数据分布检验,地球化学数据处理与分析,分析数据特征的几个参数：变异系数：用于反映相

22、对的离散程度，由于消除了量纲，不同变量的变异系数可相互比较偏度系数：用于度量分布不对称的程度。SK0为正偏，SK0为负偏，SK=0对称,常规地球化学数据处理 数据分布检验,地球化学数据处理与分析,分析数据特征的几个参数：峰度系数：用于度量分布图形顶峰的凸平程度。KU3为高峰，KU3为低峰，KU=3为正常 标准偏度系数和标准峰度系数：,常规地球化学数据处理 数据分布检验,地球化学数据处理与分析,分析方法：检验方法按照一定的间隔分组，获取每一组的样品数，绘制频率分布图，可以获取特定区段的频率分布与概率值。分组:按照算术与对数间隔将数据分成若干组(8-20组)；获取各分组范围：分组数、分组间隔值；计

23、算各组频数；绘制分布图；计算累计频率、众数、标准差等特征参数；确定数据的分布特征；,江西德兴Cu多金属成矿带元素含量变化表,剔除异点值统计结果,多元统计分析 相关与回归分析 在地球化学研究中回归分析研究元素之间关系的一种统计方法，也就是要建立一个元素和另一个元素或几个元素之间的数据表达式。在实际运用中，回归分析根据元素的数目划分为一元变量回归和多元变量回归，回归的形式包括线性回归和非线性回归等。相关与回归分析对化探中研究指示元素的关系、推断解释具有实用意义；主要解决以下几个问题：确定几个特定元素之间是否存在相关关系，若存在则要给出它们之间合适的数据表达式；根据一个或几个元素分析值，预测另一个变

24、量的取值，并且要知道这种预测可达到的精度；从影响某一个量的许多变量中，找出哪些变量的影响是显著的，哪些是不显著的。,地球化学数据处理与分析,江西德兴,多元统计分析 相关与回归分析分析方法：确定分析元素，选择自变量和因变量（一元回归选择一个元素作为因变量，多元回归根据需要选择多个元素）；计算建立回归方程；分析元素间的相关性；成因解释对于应用元素回归分析进行矿产预测，可根据研究任务在研究区内划分单元，选择控制区（有矿单元）；原则与控制区主成矿元素为自变量，选择相关的元素为因变量（必要时可进行数据变换）；建立最优回归方程，并进行显著性检验；对研究区其他单元进行预测，确定有利的找矿远景区及预测区，进行

25、地质分析、解释和检验。,地球化学数据处理与分析,多元统计分析 普通聚类分析 聚类分析主要用于辨认具有相似性的元素组合，并根据彼此不同的特性加以“聚类”，使同一类的元素具有高度的相同性。选择刻划元素间两两接近程度的要素和具体标定方法，是聚类分析的关键。标定方法常用的有相关系数法、欧氏距离法、夹角余弦法及数量积法等。基于不同变量（元素）的统计规律，按照变量间的相关性（R型，Q型，将多个变量进行分类或分组，每一组代表不同类型的地质意义。研究成矿元素与伴生元素之间的关系，为选择指示元素提供依据 通过不同元素的组合研究岩浆岩、地层、构造岩与矿化的关系，确定矿产类型或地质背景;了解各地质单元或景观环境的元

26、素组合特点；对多元素异常进行分类。,地球化学数据处理与分析,多元统计分析 普通聚类分析 基本原理 为便于计算相关矩阵，首先对原始数据作标准化标度，标准化数据具有均值为零，方差为1的统计特性，变量k和变量j的相关系数计算公式为。按上式计算M个变量的初始相关矩阵R(0)从R(0)中选取相关系数最大的两个变量首先连结，并把这两个变量归并为一个新的组合变量，随之计算这个组合变量的原始数据（取这两个变量连结前标准化数据的平均值），变量总数减少一个。重新计算M-1个变量的相关矩阵R(1)从R(1)中再选取相关系数最大的两个变量进行连结，再构成一个新的组合变量，随之计算这个新变量的原始数据，变量总数又减少一

27、个再计算M-2个变量的相关矩阵R(2)，并从R(2)中挑选相关系数最大的一对变量进行连结，如此反复进行下去，直至全部变量连结为一群为止,地球化学数据处理与分析,多元统计分析 普通聚类分析 分析方法：选择研究区分析单元；确定分析元素（建议不少于10个）；选择计算方法（针对元素分组和相关性分析，选择R型）；绘制谱系图；确定分组相关系数下限（建议0.5）,并对元素分组；对元素分组结果进行地质与成矿因素的分析解释。应用聚类分析的元素分组可确定矿床类型和元素的组合特征，也可通过已知成矿单元的类比，预测评价相关研究区内相关单元可能发现的矿床类型等。,地球化学数据处理与分析,江西全省,德兴及外围,1.B,P

28、,Mn,Ti,V,Ni,Cr,Fe2O3,Co2.Cd,Sr,Ba,Th,La.,1.B,Ni,Cr,Al2O3,MgO,Mn,P,Ti,V,Co2.Cu,Au3.Pb,As,Sb,Ag,多元统计分析 因子分析 因子分析是对大量地质观测资料进行分析和作出较为合理解释的一种多元素统计方法。它能够通过大量的元素分析数据，在关系复杂的情况下，寻找影响它们的共同因素和特殊因素。并以原始数据间的相关关系为基础，通过数据方法将许多彼此间具有错综复杂关系，它往往指示出某种地质元素间的共生组合和成因联系。用因子代替原始元素，不仅对原始元素的相关信息损失无几，而且更能反映出地质现象的内在联系。在多元素解释分析中

29、，即通过M个新的变量表示N个元素，MN.表示元素间的关系。新变量（因子）可以揭示研究区域的地质现象和地球化学特征，探索地质现象成因联系。如研究成矿作用时，因子可能具有矿化阶段的意义。分离空间域地球化学场,地球化学数据处理与分析,多元统计分析 因子分析 方法原理：因子分析的目的是解释多变量数据集相关矩阵的内部结构，并将多个变量综合成按方差贡献确定的几个综合因子(主因子)，以最大限度再现原始变量之间的相关关系，并进一步探索产生这些相关关系的内在原因。多变量数据集的总方差为各个独立的方差之和，且各个方差值为相关矩阵的对角线上的元素；而特征根具有如下性质：相关矩阵Amm的m个特征根之和等于其对角元素之

30、和，若将矩阵A的对角元素之和记为trace(A)，以1，2，m记A的m个特征根，则 因此，因子分析的核心是求出相关矩阵的特征根及特征向量，并根据特征根的累计百分比(累计方差贡献)确定因子个数,地球化学数据处理与分析,多元统计分析 因子分析 分析方法：在多元素数据表中，选择分析元素（不少于3个，可根据研究目的选择元素组合）。确定空间坐标项（横坐标、纵坐标），标识每个数据点对应的因子得分的空间位置。计算因子元素特征值，即元素特征根和特征根百分比。确定因子数，按照特征根累计百分比大于85%，确定因子数。进行因子分析处理计算，计算结果将输出相关矩阵、特征根、特征向量、初始因子矩阵和旋转因子（载荷）矩阵

31、，以及初始因子得分和旋转因子得分表。（旋转因子与初始因子的差别主要在于旋转因子使复杂的矩阵变得更简单，分组更明显，易于地质解释，因此一般采用旋转因子的结果进行解释分析）。利用因子载荷矩阵，确定各因子的组合(按贡献大小)，一般来说，对应元素因子载荷越大，对这个因子的贡献也越大，并说明包含该元素的信息量越多。按照载荷值大小对元素排序，一般取载荷0.6的元素作为该因子元素组合。根据元素的组合关系对因子反映的地质意义进行解释。应用对应每一个数据点的因子得分制作各因子二维空间得分图，通过因子得分数据对数据点进行分类，并对分类结果进行地质解释。,地球化学数据处理与分析,因子分析,1:200,000 区域地

32、球勘查数据 34 个元素，2150 样品,河北1:20万图幅区域化探数据,第一因子SiO2,K2O,Li.,第二因子CaO,MgO,Zn,Pb.,地质图,侵入岩,沉积岩,变质岩,江西全省化探数据,因子1:Co(0.756),Cr(0.853),Ni(0.828),Ti(0.509),V(0.791),Fe2O3(0.761),因子2:La(0.849),Nb(0.512,)Th(0.868),Y(0.72),因子3:Bi(-0.752),Mo(-0.953),因子1 得分图,因子2 得分图,江西德兴,Koh聚类分析（自组织特征映射网络分析）即SOM网络分析，可用于分类及模式识别，它属于无监督的

33、模式识别，即在无监督的情况下，通过输入模式的自组织学习，在竞争层将分类结果表示出来。Tfi是Total Fuzzy Iterative Self-Organizing Data Analysis Techniques 的缩写，意即全模糊自组织迭代数据分析方法，简称TFI模糊聚类方法，可用于分类和模式识别，属于无监督的模式识别，即在无监督的情况下，依据使类间相似度尽量小而类内相似度尽量大的原则，对输入模式进行分类。通过对一组变量（相关）进行模式识别处理，实现空间上的分类,地球化学数据处理与分析,多元统计分析 Koh聚类分析 与Tfi聚类分析,分析方法：选择分析元素组（应具有一定的相关性，可根据相

34、关回归分析或普通聚类分析确定）；确定计算与叠代方法（叠代次数或叠代精度）；确定研究区在地质上可能存在的分类数；计算并保存分类结果；利用分类结果绘制研究区分类图；对分类研究区分类图进行地质解释。Koh与Tfi聚类分析可应用于对地质单元（包括侵入岩）或构造单元进行地球化学的划分，并解释与研究内的成矿关系。,地球化学数据处理与分析,多元统计分析 Koh聚类分析 与Tfi聚类分析,1:200,000 area geochemical data,15 elements,2150 sample,Koh Cluster,Factor Analysis,Geology,克立格法包括普通克里格、泛克里格、指示克

35、里格等基本方法，是把地球化学数据看作一种区域化变量，因而在对化探数据进行处理时，既对数据进行随机分析，又对数据进行结构分析，并藉以制定正确的估值方案。通过计算，不仅能给出总体估计值和剩余值，还可给出漂移值(线性非平稳背景)，并分别给出相应图件。其中漂移图能较好反映区域化变量的空间变化趋势，而剩余异常则是一种直接找矿信息，可作为圈定成矿预测区的重要依据之一。分析方法：确定处理元素；给定处理几何参数（网格化范围、网格距）；确定克里格插值方法（普通克里格、泛克里格、对数正态克里格、指示克里格）；处理计算；成图分析；,地球化学数据处理与分析,多元统计分析 克里格法,多变量叠加主要是对关系明确的变量通过

36、叠加分析达到形成归一化指标的目的。常用的叠加分析主要包括对变量进行与常数的加、减、乘、除计算以及变量间的表达式计算处理。对于性质相似、成因相同、空间分布吻合、相互关系明朗的元素可以通过表达式计算处理获得归一化的信息指标。如在权重已知的条件下可以通过表达式运算实现变量之间的加权平均归一化。在变量间线形关系已知的条件下可以通过表达式运算实现变量之间的叠加归一化,地球化学数据处理与分析,多元统计分析 多变量叠加分析,分析方法：选择叠加元素；选择叠加方法（加、减、乘、除、或混合）；计算并保存结果；统计分析叠加结果的特征；对于区域性的叠加分析，可绘制叠加图；地质解释分析。可采用SQL语言实现简单的叠加功

37、能。,地球化学数据处理与分析,多元统计分析 多变量叠加分析,Cu/Mo,K2O/CaO,MgO/Fe2O3,K2O/Na2O,多元统计分析 灰色关联滤波 相似类比 人工神经网络 自适应学习识别 小波技术 高频弱信息获取 模糊算法 隶属分类 遗传算法 特征归属分类 借用物探数据处理的一些方法，如补偿圆滑滤波、线性增强、方向导数、上下延拓等。,地球化学数据处理与分析,地球化学异常分析 异常下限的确定,地球化学数据处理与分析,地球化学异常分析 异常下限的确定 本次编图对异常值采用局部区域定值与省域变值相结合的方法。各省应结合省域内的基本地质-自然地理景观分布特征，将省域划分为若干局部区域（地质单元、

38、地理景观），对各局部区域内的化探数据分别确定各自的定值异常下限，将各局部区域的定值异常下限进行空间联合获得省域变值异常下限趋势面。在局部区域内定值异常下限的确定采用以下两种方式：（1）累频方式将数据从小到大排序，取85%频数的值作为异常下限值。采用90%、95%频数值将异常划分为弱、中、强3级浓度分带。（2）均值标准差方式对于近似正态分布的数据，采用平均值3倍标准差的界限循环剔除离异数据点后，采用平均值+2倍标准差来确定异常下限值。采用平均值+2-3倍标准差和平均值+2.7倍标准差值将异常划分为弱、中、强3级浓度分带。在省域范围内依据局部区域内定值异常下限值以及异常浓度分带值分别建立异常下限趋

39、势面、中异常值趋势面和强异常值趋势面。,地球化学数据处理与分析,地球化学异常分析 异常下限确定,地球化学数据处理与分析,（5)分形法,数学迭代模型Koch曲线不规则性自相似性1D2D=ln3/ln2（分维数）,地球化学异常分析 异常下限确定,地球化学数据处理与分析,（5)分形法,地球化学数据应用分形的方法适用于以下模型：含量-个数、含量-频数含量-面积、含量-周长 等模型作用：1、检验地球化学场元素的分布类型正态与对数正态；分形与多重分形2、确定元素的异常下限,地球化学异常分析 异常下限确定,地球化学数据处理与分析,（5)分形法,异常下限,分界点明显,前端呈直线,地球化学异常分析 异常分解,地

40、球化学数据处理与分析,在矿产资源预测评价中，地球化学异常主要分解为区域异常和局部异常，常用分析方法为：1.滤波技术(平均圆滑滤波、中位数滤波、双环子区滤波)2.趋势分析 3.平均场方法 4.克立格插值 5.二维分形,地球化学异常分析 异常分解,地球化学数据处理与分析,滑动平均其方法核心是：分别以区内各点为中心选一适当大小数据窗口（圆形或矩形），统计该窗口内数据的平均值，再以该中心点的数据与该数据块平均值商替代该中心点的原始数据，以同样大小的数据窗逐点进行这种替换，就得到了一张滑动平均标准化（衬值）数据图。然后再在这张滑动平均标准化数据图求得异常下限,圈定异常,就得到了相应的滑动平均标准化数据异

41、常图。,地球化学异常分析 异常分解,地球化学数据处理与分析,滑动平均主要作用与特点为：方法适应性强。既适合于由于采样介质，分析和地球化学景观环境而造成的系统误差而引起的背景差异，又适合于因构造单元不同而造成的背景差异。该方法所确定的背景场是一个连续的曲面，可以有效消除背景影响，除了能够发现和捕捉到一般方法不易识别的弱异常外，同时突出低背景场上的强富集异常。在反映正异常的同时，突出有重要找矿指示意义的负异常。还能反映不同构造区界限、断层等线性要素地质信息。经过标准化处理后的数据，各点上的值的大小代表的是该点的原始数据对应于其所在窗口数据平均值的倍数，是一个无量纲值，因而可以用于不同元素间的晕累加

42、、累乘及求比值等信息强化处理，为强化弱异常创造了条件。该方法不需要考虑地质构单元界线，因而极适合于地质构造单元界线有争议或工作程度极低地区的区域地球化学异常的快速筛选和评价。受人为因素影响小，便于操作。窗口大小确定以后，处理结果不会因人而变，异常圈定一致性好。各元素参数基本可以对比，在编制地球化学图或异常图时可以使用统的等量线参数，统一色区，既方便了编图，又有利于不同元素间的异常对比。,地球化学异常分析 异常分解,地球化学数据处理与分析,滑动平均分析方法：可分别采用数据表（离散型）和网格数据进行处理确定待处理元素；窗口形状和窗口大小选择，窗口形状可选圆形或矩形；处理过得圆滑数据（趋势背景）；将

43、原始数据点值减去或求比值获得剩余异常或衬值异常成图并解释分析中位数滤波中位数滤波类似于平均圆滑滤波的方法，即对给定窗口内的数据进行排序，取其中间的数据作为计算点的值，若窗口内数据数为奇数，则取位于中间的数，若为偶数，则取中间的两个数据的平均。中位数据滤波主要用作区域地球化学的背景分析。,地球化学异常分析 异常分解,地球化学数据处理与分析,子区数据处理 在区域地球化学数据中，与矿化作用有关的异常数据值的数目，通常只占全部数据的一小部分，这些异常数据值往往表现为离群值。通过一种称为子区数据处理的方法，可以分离或突出异常。方法原理：以计算点为中心，取两个环带，分别为内环带和外环带，计算内外环带值的中

44、位值、平均值或几何平均值，计算方法可选择内外环带值之间的比值,差值和双通滤波方法,下面仅对双通滤波的方法作一简单的介绍。双通滤波由两个滤波参数F1，F2确定，即：F1=Da+SFDD F2=DbSFxDD 其中Da为上域值，Db为下域值，分别为外带数据集有序排列的上四分之一处数据值和下四分之一处的数据值。SF域值系数，DD为带宽，即上域值或下域值之差(DaDb)；中心点计算值为：其中，Vi为内环带值(平均值、中位数或几何均值)；当Vc=1时为背景值。,地球化学异常分析 异常分解,地球化学数据处理与分析,趋势分析通过二维数据利用多阶多项式函数模拟数据背景的空间分布趋势：V=a+a1x+a2y V

45、=a+a1x+a2y+a3x2+a4y2.趋势面 背景 剩余异常(正常值-趋势值),地球化学异常分析 异常分解,地球化学数据处理与分析,二维分形插值 分形插值方法不仅可以较合理地模拟地球化学变量的空间分布特征，插值所代表确定范围内的随机变化部分则主要反映数据搜索范围内的最大值信息，而较小程度地反映最小值信息，因此最终促使分形插值将具有消减负异常、突出强化正异常的效果。分形趋势面可以较好地刻画地球化学变量的空间背景变化规律，其趋势面剩余值在保留原始异常信息的基础上可以更合理地反映空间异常信息的分布特征，具有发现和强化弱异常信息的双重功效。分析方法：选择分析元素；确定网格化几何参数；选择计算方法（

46、趋势分析或剩余异常）；绘制趋势图或剩余异常图；解释与分析。,南岭化探数据分形趋势面处理,W_A：原始等值线图；W_B：分形趋势面背景等值线图；W_C：分形趋势面的剩余值等值线图；,柿竹园,分形数据处理,区域地球化学图编制,单元素图 根据预测矿种和推测地质要素的需要，选择相关元素（主成矿元素、伴生元素），编制单元素地球化学图。常规单元素地球化学图编制、子区（地质单元或景观单元）归一处理单元元素地球化学图。,数据分级主要考虑突出异常特征、数据空间分布规律、以及图面效果等综合因素。总体分级 19级，按数据分布的累计频率，使数据的分布总体上成正态分布,初始分级频率：0.5,1.2,2,3,4.5,8,

47、15,25,40,60,75,85,92,95.5,97,98,98.8,99.5,100,分级色阶选取：以冷色调（兰色）作为低值区，随着数据增大，颜色变暖，由兰绿黄红深红,区域地球化学图编制,单元素图 特征值统计计算按照数据分级，对原始数据（校正后）进行统计计算，分别统计极值、平均值、标准差等，以图表的形式展示在图上，考虑到地球化学数据存在偶然误差，因此数据极大值和极小值的统计采用截取的方法，极小值和极大值分别截取0.001%和99.999%数据位的数据（数据量少的省，对异点截取位的百分比作适当调整）。创建等量线和等值区在处理的网格数据和确定的分级方案基础上，利用应用软件的等值线生成模块，就

48、可生成地球化学等值线和等值区，分别以线图层和区图层的形式。特征值标注及色阶设置,Mo地球化学图,区域地球化学图编制,单元素异常图 主要针对预测矿种编制主成矿元素、及指示元素的异常图，分析矿床与异常分布的空间关系。通常需要确定异常下限，高于异常下限再分2-3级。,Cu异常图,铜矿床,局部Cu异常图,区域地球化学编图,多元素组合异常图 确定预测矿种或地质构造特征元素组合关系，一张图上可选择 3-5 个元素，以异常下限为基准，可划分2-3三条浓度带，每种元素通过不同颜色区别。主成矿元素异常图、伴生元素图、地质构造特征元素（组合）图,Cu-Mo-Au 组合异常图,区域地球化学编图,综合异常图 综合异常

49、图是通过应用数据处理结果（如多元素叠加、空间分析）和对多元素异常综合解释按照相关规则圈定的综合性图件。综合地球化学异常图是圈定预测区的基础。,基于GIS技术的地球化学空间分析,地球化学数据具有显著的空间性特征，无论是数据表还是根据采样位置绘制的点位图、以及通过元素的分析处理而生成的图形数据（等值线、或色区）都与空间位置紧密相关。不同元素或不同元素组合的地球化学信息可以从空间上反映地质体或地质现象以及矿产的特征或属性，同时这些信息之间存在着某种固有的联系。应用地理信息系统的空间数据管理和分析的优势，综合分析各种综合分析地球化学信息，科学地进行空间分析、叠加处理，研究其规律性，以解决成矿区带矿产资

50、源定量评价复杂的问题。基于GIS的地球化学综合分析包括常规空间分析，地球化学特征分析及信息的提取，综合空间叠加技术及成果的表达方式.,基于GIS技术的地球化学空间分析,GIS分析方法 常规GIS空间分析 数据转换 空间叠合(Overlay)相邻搜索 缓冲区分析（Buffer）分类合并,基于GIS技术的地球化学空间分析,GIS分析方法 常规GIS空间分析 数据转换 综合空间分析即为基于数学模型的多元信息叠合，是资源预测的基础。在实现上具有一定困难，通常是以栅格数据形式来完成这项功能。（1）确定栅格尺度根据已获取数据或图件的比例尺，所研究问题的性质及精度要求，确定栅格的分辨率。（2）数据分类或分级