矿床地质

作者：董建辉,刘欢,江沙,贾金典,娄德波,宋国玺,李婉悦

单位：中国地质大学(北京)地球科学与资源学院, 北京 100083;中国地质科学院矿产资源研究所 自然资源部成矿作用与资源评价重点实验室, 北京 100037;中国冶金地质总局广西地质勘察院, 广西 南宁 530022;中国冶金地质总局地球物理勘查院, 河北保定 071000;中国地质调查局自然资源综合调查指挥中心, 北京 100055

关键词：随机森林,找矿预测,锰矿,碳酸盐岩型,下雷,

基金：本文得到国家重点研发计划项目课题(编号：2022YFC2903404-02、2023YFC2906803)和地质调查二级项目“大数据智能找矿预测”(编号：DD20240004)联合资助

进入地质大数据时代，如何深入挖掘与融合多源异构找矿空间大数据，成为当前矿产资源定量预测研究的热点。机器学习为提取和挖掘复杂数据中隐藏的难以识别的矿化信息和致矿异常信息的关联性，以及集成多源地学数据的致矿异常信息提供了有效工具。随机森林作为一种典型的机器学习算法，因其天然的并行特性、良好的模型可解释性、优秀的鲁棒性和泛化特性而被广泛应用于矿产资源预测。下雷-土湖是中国著名的以碳酸盐岩为容矿围岩的沉积型锰矿成矿区，区内产出中国首个超大型锰矿床——下雷锰矿，具有较大的找矿潜力。文章以下雷-土湖地区为研究对象，基于随机森林算法，深入挖掘Mn元素、沉积相、上泥盆统榴江组和五指山组出露、重力、航磁和向斜的空间分布特征及其与锰矿矿床的空间的耦合相关性，以及不同控矿要素之间的相关性，构建二维锰矿资源预测分类模型。在构建模型中，文章加入类权重参数，实现了正负样本的自动平衡。经过验证，该模型的袋外得分为0.998，表明该模型具有较好的泛化能力，且与逻辑回归和支持向量机相比，随机森林在研究区的应用效果更好。应用该模型对未知区进行找矿预测，圈定找矿远景区6处。

来源：2025年第1期

《矿床地质》期刊编辑部

查看矿床地质杂志2025年第1期