袁峰等：三维成矿预测中的4个关键问题

知自然

作者

三维成矿预测关键问题

袁峰^1,2，李晓晖^1,2，田卫东³，周官群^1,2，汪金菊⁴，葛粲^1,2，国显正^1,2，郑超杰^1,2

1 合肥工业大学资源与环境工程学院

2 安徽省战略性矿产资源深部探测与评价利用重点实验室

微信号：ziranziyuan1
更多资料，添加微信
复制微信号

3 合肥工业大学计算机与信息学院

4 合肥工业大学数学学院

作者简介：袁峰，博士，教授，博士生导师，主要从事成矿规律与成矿预测工作。

导读：

三维成矿预测是当前深部找矿勘查中的重要技术手段，在找矿实践应用中已取得了大量成果。三维成矿预测必将成为未来矿产勘查技术方法发展的重要方向，但由于目前仍存在若干关键科学技术问题，其进一步快速发展受到制约。

本文在评述三维成矿预测方法体系研究现状的基础上，总结归纳了三维成矿预测中存在的四个关键问题：即在知识发现方面，三维预测要素挖掘存在瓶颈；在可靠性方面，针对三维成矿预测的不确定性分析与优化研究较为薄弱；在信息融合方面，缺乏针对三维成矿预测的三维深度学习模型和方法；在方法体系层面，多尺度三维成矿预测方法体系尚不完善等。研究认为，解决这些问题将进一步深化和完善三维成矿预测的理论与方法体系，促进三维成矿预测理论方法的实践应用，显著提升深部找矿预测和勘查工作的效率与水平，助力深部找矿的突破。

为此，文中从这四个方面的问题出发，对目前三维成矿预测领域相关研究进展进行综合分析，并提出针对这些关键问题的可能解决方案和研究方向。

基金项目：国家自然科学基金项目(42230802)

------内容提纲------

0 引言

1 三维预测要素挖掘存在瓶颈

2 针对三维成矿预测的三维深度学习模型和方法

3 三维成矿预测的不确定性评价与优化

4 面向多尺度三维成矿预测的方法体系

5 结论

-----------

0 引言

新形势下国家“扩大内需”发展战略和“国内大循环为主体”发展格局，都离不开矿产资源的可靠保障。但是，我国部分大宗矿产保有储量低，矿产资源可持续保障能力不足，对外依存度高。因此，科学高效的矿产资源预测和勘查，对于国家发展战略实施具有十分重要的支撑保障意义。

目前，国内大部分地区浅部矿和易识别矿发现概率已大幅降低，深部矿和隐伏矿成为找矿的工作重心，但其难度和风险巨大，迫切需要大力发展深部隐伏矿产资源的找矿预测和勘查方法，实现深部找矿的新突破。针对深部找矿预测和勘查难题，国内外矿业界、政府和科研机构均开展了大量工作，如加拿大成立了“加拿大矿业创新委员会”，目的是通过理论和技术创新实现深部找矿突破；澳大利亚成立了“深部勘探技术合作中心”，目标是整合多方面力量大力发展深部勘查技术，利用多种方法技术提高矿床定位预测能力；我国也相继实施了“深地资源勘查开采”重点研发计划专项和多项深部矿产资源调查工作，取得大量技术成果和深部找矿突破。在上述工作中，从不同角度提出的找矿预测理论和方法技术起着有力的支撑作用。其中，三维成矿预测这一新方法在深部矿产资源找矿预测和勘查实践中取得较好成果，已成为深部找矿预测和勘查的重要方法和手段之一。

三维成矿预测经过多年发展，已在二维成矿定量预测方法体系的基础上建立了方法体系。三维成矿预测强调：在系统收集研究区多维、多元地学数据的基础上，深入研究区域及矿床地质特征；通过三维地质建模方法整合海量地学数据，解析深部地质结构；利用三维空间分析与三维数值模拟等方法挖掘三维预测要素信息；最终基于数学模型进行信息融合，定量计算成矿有利程度，实现三维预测靶区圈定。在三维成矿预测流程中，方法体系能够指导方法和技术的集成，逐级聚焦并指引预测工作方向，提高找矿勘查工作的效率和科学性；知识发现是三维成矿预测研究的基础，更多类别和数量的三维预测信息可为隐伏矿体的预测提供更多方位、更为充分的数据支持；预测信息的融合是三维成矿预测中最为关键的步骤之一。通过寻找多元预测信息与成矿事实间的时空关联特征对找矿靶区进行圈定，对于提高预测的有效性十分重要；此外，由于三维成矿预测集成多种方法技术，定量评估各种方法内涵的不确定性，并进行优化，能够显著提高预测结果的可靠性，降低进一步深部找矿勘查风险。

针对上述要点，虽然目前已取得大量科研成果，但仍然面临着一些关键问题，主要包括：在知识发现方面，三维预测要素挖掘存在瓶颈；可靠性方面，针对三维成矿预测的不确定性分析与优化研究薄弱；信息融合方面，缺少针对三维成矿预测的三维深度学习模型和方法；方法体系层面，多尺度三维成矿预测方法体系不完善等。以上问题共同制约了三维成矿预测理论和方法体系的发展和勘查应用(图1)。

图1 三维成矿预测关键问题

1 三维预测要素挖掘存在瓶颈

已有研究显示，相较于传统的二维成矿预测，三维成矿预测经常受制于三维预测要素的缺乏。二维成矿预测的预测要素主要是地表平面信息，由于相对易于获取，因此较为丰富，通常包括地层、构造、岩浆岩和矿化蚀变等地质要素，以及物探、化探、遥感和其他要素。具体地，如控矿构造要素包括密度、平均方位、中心对称度、断裂优益度和环形构造等；岩浆岩要素包括成矿有利岩体、岩性和物化遥推断的隐伏岩体等；化探要素包含单元素和多元素组合异常等；物探要素包含重力和航磁异常等；遥感要素包含羟基和铁染蚀变异常等。而三维成矿预测要素多为地表之下的三维数据信息，获取和挖掘较为困难，因此多数研究仅能够采用来源于三维地质模型的成矿有利地层、成矿有利岩体和控矿断裂的三维距离场信息，或基于空间分析方法提取岩体隆凹、起伏等少数三维控矿地质结构信息进行综合预测。尽管近年来用于三维地质体特征提取的三维空间分析方法在不断进步，但由于多数三维成矿预测信息来源于同一组三维地质模型，预测要素来源和类别仍存在瓶颈。单一的预测要素来源增加了预测数据冗余程度，预测信息的条件独立性较差，势必严重影响定量化预测结果的合理性和靶区圈定的有效性。

因此，如何突破三维成矿预测要素挖掘的瓶颈已成为关键，目前以两种解决途径为主。

第一种途径，针对传统找矿勘查工作中积累的大量二维数据，探索将二维数据向三维推演，以便从不同角度获取三维成矿预测要素信息。近年来，基于重磁数据的三维物性反演方法被广泛使用，其成果已被应用于深部地质构造解译和三维成矿预测研究中(图2a)；电法数据的三维物性反演方法近年来也逐步被应用，但由于数据成本较高，应用相对有限。勘查地球化学数据的三维推演也已成为近年来矿产资源深部预测的重要工具，包括蚀变矿物微量元素分析、原生晕三维空间分析和建模等(图2b)，具有良好的研究与应用前景，预期能够有效支撑三维成矿预测要素挖掘瓶颈的突破。

图2 三维成矿预测要素挖掘

a—三维物性反演；b—蚀变矿物微量元素指示斑岩系统中心；c—三维成矿过程数值模拟-体应变增量；d—化学反应速率与矿化强度。

第二种途径，采用新方法对三维预测要素信息进行深度挖掘(图2c，d)。已有研究显示，成矿作用数值模拟作为一种新方法，已开始成功应用于成矿机制和成矿预测研究。相关方法既能够从定量化的角度深化对成矿作用理论的理解，同时也可为深部矿产资源找矿预测提供新的预测要素。目前，已有国内外学者开展了相关领域的研究探索，例如对矿床形变、流体流动和热传导的耦合模拟，明确矿床空间定位的控制因素。三维成矿数值模拟已能够在真实的三维地质模型和边界条件的约束下实现，模拟和预测成矿有利空间或位置。这些成果表明，成矿作用数值模拟可为深部找矿预测勘查提供新的三维预测要素。

然而，相关研究尚处于起步阶段，基于数值模拟获得新的三维预测要素虽前景广阔，但目前还非常有限，且模拟常受到单元尺寸较大、多场耦合计算量过大和模拟时间过长等方面的影响。因此，如何基于成矿过程数值模拟发掘更多有效的三维预测要素，如何建立针对不同尺度的物理化学场耦合关系，如何解决数值模拟单元的尺度问题，以及如何降低计算量和计算时长等均亟待深入研究。

2 针对三维成矿预测的三维深度学习模型和方法

三维成矿预测的最后环节是三维成矿信息的融合和综合预测。其多采用数据驱动的数学模型度量多元预测信息和成矿事实间的时空关联特征，综合其重要性后，对预测空间的成矿后验概率或成矿有利程度进行计算，并通过阈值筛选圈定找矿靶区。目前，三维成矿预测研究多延用二维成矿预测中广泛应用的数学模型，如证据权重模型、信息量模型、Logistic回归模型和神经网络模型等，这些模型结构简单，但分类和预测能力较为有限，同时在三维成矿预测应用中还存在降维丢失三维预测信息的问题。

近年来，深度学习已成为过去几年大数据与数学地球科学研究的最重要的热点。深度学习通过模仿人脑机制解释数据，相比于一些传统的浅层机器学习算法，深度学习模型具有更多的层次结构，可以从数据集中抽取更高维度的分布特征。目前，以卷积神经网络为代表的多种深度学习方法已逐步被应用于成矿预测领域。其中，卷积神经网络由于其可以综合考虑数据之间的空间关联关系和结构特征，并通过深度网络挖掘高阶特征信息，能够结合迁移学习方法在一定程度上解决标签样本少、难以开展学习和训练等问题，因此在二维成矿预测研究中表现出非常好的研究和发展潜力。

在三维领域，三维卷积神经网络方法已被提出，并被广泛应用于如医学影像识别和分析处理等领域，如利用基于注意机制的三维卷积网络对阿尔茨海默病进行分类预测等，取得了大量且优秀的研究成果。在地学领域，三维卷积神经网络也已开始逐步被应用于三维地球物理数据的正反演分析、三维地质模型的分析研究等诸多方面。目前三维卷积神经网络方法在三维成矿预测领域也已有了初步的探索(图3)，显示出良好的研究潜力，其具备的三维特征融合、高阶特征提取和非线性学习的能力，理论上能够解决三维预测信息融合和综合预测环节中存在的问题，有效增强三维成矿预测结果的预测能力。

图3 三维成矿预测中的三维卷积神经网络

a—多尺度三维卷积神经网络模型架构；b—三维样本集构建；c—小样本训练方法。

在三维成矿预测领域，目前针对三维卷积神经网络等深度学习方法的研究刚刚起步，尚未系统性地针对三维成矿预测数据特点和预测目标开展深度学习模型和方法研究。涉及的具体科学和技术问题包括：如何构建针对多尺度三维预测信息的三维卷积神经网络结构，如何建立能够有效提取成矿预测信息的三维卷积核函数与激活函数，如何开展三维预测样本集的构建和增强，如何在少样本条件下开展网络训练，如何利用注意力机制和迁移学习等方式增强模型的预测能力，如何通过提高深度学习模型的可解释性开展模型优化等，均亟待开展研究和验证。

3 三维成矿预测的不确定性评价与优化

成矿预测是一种基于多因子、多准则的综合方法，其内含的数据和方法等具有十分高的不确定性，这种不确定性会作用于预测结果，显著提高找矿预测的风险。不确定性存在于成矿预测工作的全过程，既来源于矿床成因的多样性、矿床特征的复杂性、控矿因素的隐蔽性和人类认识的阶段性，也来源于数据资料的不准确性、找矿信息的多解性和预测模型的不完备性等因素。

目前，关于成矿预测的不确定性研究多集中于二维环境，相关研究认为不确定性很大程度上与数据的质量相关。在三维成矿预测研究中，多维多元地学数据资料的不确定性，三维地质建模、三维空间分析和三维综合预测等环节的不确定性均会对三维成矿预测结果产生影响。因此，对于融合更多数据和方法的三维成矿预测，其不确定性更值得关注。

三维成矿预测研究中，三维地质建模的合理性和准确性是最为重要的研究基础和关键所在，其不仅依赖地球物理反演解释成果等多维多元地学数据的支持，也受到三维地质建模方法和相关参数的影响。对于相关的地球物理反演解释数据的多解性等问题，已有学者通过对反演解释结果进行2.5D延展拼接，并配合三维地球物理正演对解释结果进行验证，或联合隐式三维地质建模和三维地球物理正演等方法，对地球物理解释成果、三维地质建模的合理性和准确性进行协同优化，在一定程度上尝试减少解释结果的多解性或是不确定性问题；对于地质产状、界线等信息引起的三维地质模型不确定性问题，也已有学者利用蒙特卡洛模拟和三维隐式地质建模方法进行了定量研究。

对于三维成矿预测研究的其他环节，虽然当前已在预测数据缺失、三维预测模型的不确定性分析和降低三维成矿预测结果不确定性的方法途径等方面开展了初步研究，如图4所示，但是总体而言，目前对于三维成矿预测的不确定性研究仍十分薄弱，尚未建立较为完整的方法体系。因此，十分有必要针对三维成矿预测方法体系的各个环节建立系统的、定量化的不确定性分析方法和模型，有效分析预测研究中存在的不确定性来源和作用程度，评价可能存在的预测风险并有效地提出降低不确定性的方法和途径，以获得更为可靠的三维成矿预测结果。

图4 三维成矿预测中的不确定分析

a—三维地质模型不确定性分析；b—预测数据缺失不确定性分析；c—三维成矿预测结果综合不确定性分析。

4 面向多尺度三维成矿预测的方法体系

在矿产资源预测研究领域，一个长期以来的关键问题是“多尺度”问题。“多尺度”问题是指如何面向不同比例尺，针对不同目标，利用不同尺度的数据资料，应用不同的预测方法和预测模型进行成矿预测工作。以往研究中，无论是“5p”成矿预测方法还是成矿区带研究，都是对“多尺度”问题深入思考的重要成果。对于深部矿产资源预测和勘查，多尺度研究同样必不可少，主要针对矿集区-矿田-勘查区块(矿床)开展系统性、连续性研究。针对区域性(矿集区和矿田尺度)深部找矿工作，需要首先判定与深部成矿有关的地质背景，进而确定主要的控矿因素组合及其相互作用关系，在此基础上结合区域内已知矿床的成矿作用和成矿特征，总结区域成矿规律，规划找矿勘查的总体方向并对成矿远景区进行预测；对于勘查区块(矿床尺度)深边部找矿工作，则需首先查明主要控矿地质条件和赋矿部位的局部空间特征，进而进一步厘定矿体(床)空间定位规律，建立找矿预测模型，直接指导勘查区块或矿床深边部的找矿勘查工作。

近年来，对成矿系统的多尺度探测也已成为揭示成矿系统、助力深部找矿的重要手段(图5)。依靠多尺度地质和地球物理探测数据，能够有效实现多尺度三维地质模型的构建，为三维成矿预测提供“多尺度”数据支持。

图5 多尺度三维地质模型

对于三维成矿预测而言，目前对“多尺度”问题的研究还比较薄弱，主要包括方法体系和技术实现两方面的问题。在方法体系方面，如何从成矿系统和成矿条件的多尺度特征出发，从宏观到具体，在充分考虑矿床成因模式的基础上梳理多元控矿和预测要素，建立针对不同尺度的三维找矿预测模型；如何针对矿集区-矿田-勘查区块(矿床)逐级深入，缩小找矿远景区，直至圈定深部靶区；在技术实现方面，数十GB乃至数百GB高维网格数据在三维成矿预测研究中已屡见不鲜，海量数据的高速精确运算限制了三维成矿预测方法的深入应用和推广。上述问题的解决，需要进一步从多尺度的角度构建三维成矿预测方法体系，技术上则采取变尺度思想对海量高维数据进行有效组织，在降低数据量的同时建立适用于多尺度环境的三维空间分析和预测算法，同时借助超算平台并联合面向数据密集型应用的高性能计算技术，实现对海量数据的高速存储与运算。

5 结论

(1)三维成矿预测作为深部找矿预测勘查新的重要方法和手段，在理论和方法体系研究以及找矿勘查实践上均已取得较好成果，但同时也面临制约其发展的关键问题，主要包括：三维预测要素挖掘存在瓶颈，缺少针对三维成矿预测的三维深度学习模型和方法，不确定性分析与优化研究薄弱，多尺度三维成矿预测方法体系不完善等。

(2)预期未来三维成矿预测的研究工作，将创新发展出多种方法实现对三维预测要素信息的深度挖掘；通过构建完整的三维深度学习模型和训练方法，有效增强三维成矿预测结果的预测能力；通过系统性地开展三维成矿预测不确定性研究，优化预测过程和结果，有效提高三维成矿预测方法的可靠性和准确性；建立面向多尺度三维成矿预测的方法体系，更有效地指导矿集区-矿田-勘查区块(矿床)等不同级别的深部矿产资源找矿勘查工作。

(3)三维成矿预测诸多关键问题的解决具有重要的理论和实践意义。相关进展将进一步深化和完善三维成矿预测理论和方法体系，推进我国深部找矿预测和勘查工作，保障国家矿产资源安全。

-------END------