三維空間下的證據權建模方法與資源預測應用

潘詩辰， 毛先成

(1.中南大學有色金屬成礦預測教育部重點實驗室，湖南長沙410083； 2.中南大學地球科學與信息物理學院，湖南長沙410083)

三維空間下的證據權建模方法與資源預測應用

潘詩辰1,2， 毛先成1,2

(1.中南大學有色金屬成礦預測教育部重點實驗室，湖南長沙410083； 2.中南大學地球科學與信息物理學院，湖南長沙410083)

摘要：為了探索證據權法在三維空間下成礦預測的實際應用，在傳統證據權的基礎上，探討了適用于三維空間下成礦預測的證據權建模思路和方法。并以Visual Studio 2010為開發平臺，在Access 2003中建立多元地學空間數據庫，開發可進行證據因子選擇、因子權重計算及后驗概率計算的證據權軟件WofE3DSys，其輸出結果可在Voxler中進行三維可視化呈現。經分析，WofE3DSys計算結果與Arc-WofE輸出結果在異常圈定方面基本一致，驗證了WofE3DSys的準確性。最后，以招平斷裂帶大尹格莊金礦為實例，選取成礦信息作為證據圖層，進行成礦預測。該研究是對三維空間下證據權法的一次探索，為將來該證據權法在其他礦區的成礦預測提供了現實依據。

關鍵詞：三維建模；證據權法；后驗概率；成礦預測；山東

doi:10.3969/j.issn.1674-3636.2015.03.373

中圖分類號：P628

文獻標識碼：A

文章編號：1674-3636(2015)03-0373-10

收稿日期：2015-06-12；修回日期：2015-06-19；編輯：陸李萍

基金項目：國家自然科學基金項目(41472301，41172297)，國家“十二五”科技支撐計劃項目(2011BAB04B10)

作者簡介：潘詩辰(1992—)，女，碩士研究生，研究方向為GIS、地學三維建模和隱伏礦三維預測，E-mail: shichenpan@126.com

0引言

礦產資源預測方法有回歸分析法、判別分析法、聚類分析法、證據權重法等。證據權法以貝葉斯條件概率為基礎，通過將多個成礦信息的二值圖像進行疊加得到后驗概率來圈定成礦有利區。每一種成礦信息都作為1個證據因子，每一個證據因子對成礦預測的貢獻程度由其權重值決定。證據權法自提出以來，已在礦產資源潛力評價中獲得廣泛應用，國內外均有許多應用實例(胡光道等，1998；肖克炎等，1999；丁清峰等，2006；李衛東等，2009；胡官兵等，2010；趙增玉等，2010；劉岳等，2011；張寶一等，2012；Harris et al，2000；Asadi et al，2001；Chen，2004；Porwal et al，2010)。針對證據權法中存在的二值化信息損失和條件獨立性檢驗問題，有學者提出了模糊證據權法、加權證據權和A-C檢驗模型等改進模型(張生元等，2009；Cheng et al，1999；Agterberg et al，2002；Jounel，2002；Cheng，2008)。

傳統的成礦預測方法已隨著三維地質建模、三維空間分析等三維地質技術的飛速發展進入新的階段。國內外已有許多學者對三維空間下的資源預測評價方法開展了研究，如趙鵬大等(1992)運用統計分析方法建立礦床值與控礦因素之間定量聯系的三維空間定位預測模型；Fallara等(2006)研究三維地質集成建模方法并應用于加拿大Joutel VMS礦床和Duparquet金礦的礦床勘探；毛先成(2006)通過三維成礦信息定量提取開展隱伏礦體立體定量預測；陳建平等(2007)采用三維可視化技術和信息量法開展隱伏礦體三維預測；Wang等(2011)利用神經網絡和分形方法對國內欒川礦區進行三維成礦預測；肖克炎等(2012)通過立方體預測模型的建立進行三維礦產預測與資源評估。由傳統中小比例尺的區域成礦遠景區預測轉為大比例尺的礦區深邊部立體預測，成為近年來找礦工作的主要趨勢之一。

以往利用證據權法進行成礦預測往往基于中小比例尺的二維地表展開研究，并以礦區作為預測對象。因此，本次研究將傳統二維證據權的建模方法改進為適用于三維空間下隱伏礦體立體預測的建模方法，并分別探討了普通證據權和模糊證據權法建模的思路和方法。以Visual Studio 2010為開發平臺，在Access 2003中建立多元地學空間數據庫，開發可進行證據因子選擇、因子權重計算及后驗概率計算的證據權軟件WofE3DSys。經分析，WofE3DSys計算結果與Arc-WofE輸出結果在異常圈定方面基本一致，驗證了WofE3DSys的準確性。最后以招平斷裂帶大尹格莊金礦為實例，選取成礦信息作為證據圖層，進行成礦預測。實現了對三維空間下證據權法的一次探索，為將來該證據權法在其他礦區的成礦預測提供了現實依據。

1建模方法

1.1　證據權重法原理

每個證據層擁有正、負權值W+和W-。W+、W-分別為證據因子存在單元和不存在單元的權重值，數據缺失單元權重值為0。正、負權值之差C值(C=W+-W-)表示證據層與礦(床)點的相關程度，若C=0，表示該因子對礦(床)點出現與否無指導意義；若C>0，表示該因子有利于成礦；若C<0，表示該因子不利于成礦。一般采用最大C值(劉世翔等，2007)或標準C值(Asadi et al，2001)來確定最優切值。

(1)

式(1)中，

(2)

任一單元格的后驗概率表示該單元含礦的概率大小。計算后驗概率前，各證據因子間需要相對于礦點分布滿足條件獨立。對于n個證據因子，研究區任一單元k為礦點的可能性(后驗幾率O后驗)的對數表示：

(j=1,2,3,…,n)

(3)

式(2)中，O(D)為先驗優劣比，即：

(4)

(5)

最后得到后驗概率P為：

(6)

1.2　基于普通證據權的建模方法

圖1　研究區單元格劃分圖Fig.1　Cell division in the study area

圖2　礦化信息圖層二值化示意圖Fig.2　Sketch showing layer binarization of mineralization layer

表1　普通證據權法數據庫表結構

1.3　基于模糊證據權的建模方法

模糊證據權法單元劃分方法與普通證據權法相同。劃分出的每個立方體均擁有含礦信息和成礦信息，將這些數據儲存在Microsoft Access 2003中(表2)。

表2　模糊證據權法數據庫表結構

普通證據權法是將證據因子二值化，證據圖層只含有證據因子“存在”與“不存在”2種狀態，對于連續數據會存在信息損失的問題。針對這一問題，有學者提出了“模糊證據權法”(Cheng et al，1999)，通過用“模糊度”概念來定量確定多分類證據因子對成礦的相關程度。“模糊度”則通過隸屬度(0≤μA(x)≤1)來確定，使證據圖層成為一個模糊集合，而不是簡單的二值分類。

假設共有n個證據因子，先將證據因子Aj(j=1,2,3,…,n)的屬性值分為mj個區間類，體元k的后驗概率計算如下。

計算正、負權重值及差值C。根據式(1)計算證據因子Aj每個屬性類的正、負權重值和差值C。

計算隸屬度。設Aj1和Aj2(Aj1∪Aj2?T,Aj1∩Aj2=0)的定義如下：

Aj1={x|μjt(x)=1},Aj2={x|μjt(x)=0}

(j=1,2,3,…,n;t=1,2,…,mj)

(7)

式(7)中，隸屬度μjt根據如下線性關系計算：

(j=1,2,3,…,n;t=1,2,…,mj)

(8)

(j=1,2,3,…,n;t=1,2,3,…m)

(9)

后驗概率計算。對于n個證據因子，研究區任一體元k為含礦單元的可能性優劣比的對數表示：

k=1,2,3,…,T)

(10)

式(10)中，O(D)為D的先驗優劣比，即：

(11)

最后得到單元k的后驗概率P為：

(12)

2軟件設計與開發

2.1　WofE3DSys軟件模塊

證據權法軟件WofE3DSys由2個模塊構成：普通證據權法和模糊證據權法。普通證據權法與模糊證據權法模塊(圖3、圖4)計算流程類似(圖5)：(1) 輸入樣本數據庫，選擇含礦指標；(2) 在證據因子選擇框中選擇要參與計算的證據因子，模糊證據權則還需輸入各證據因子的區間個數；(3) 進行權重計算，計算結果可以導出為文本文件；(4) 最后輸入預測數據庫，進行后驗概率計算。

圖3　普通證據權法模塊界面Fig.3　Module interface of the common weights of evidence modeling

圖4　模糊證據權法模塊界面Fig.4　Module interface of the fuzzy weights of evidence modeling

圖5　證據權法程序流程圖Fig.5　Flow chart showing procedure of the weights of evidence modeling

2.2　WofE3DSys軟件結果準確性分析

ArcGIS軟件中含有證據權法的擴展模塊Arc-WofE。通過利用Arc-WofE模塊進行成礦預測，將預測結果與WofE3DSys軟件計算所得結果進行比較，分析WofE3DSys的準確性。選取招平斷裂帶中段及其周圍區域為研究對象，研究區內存在15個已知礦點，單元劃分精度為50 m×50 m，證據因子為單元格到主斷裂的最短距離、單元格投影到主斷裂點走向、單元格投影到主斷裂點破碎帶寬度3個因子(圖6)。從圖6可以看出，采用Arc-WofE計算得到的招平斷裂區域金礦預測后驗概率的異常劃分與采用WofE3DSys軟件得到的異常劃分結果一致。假定圖6中的6級分區按概率從高到底標記為1—6級異常區，則(a)、(b)圖中15個已知礦點中均有11個點落在1、2級異常區中。因此相對于Arc-WofE擴展模塊的異常劃分結果而言，WofE3DSys軟件所得結果是準確的。

圖6　采用2種途徑的普通證據權成礦預測后驗概率圖(a) 基于Arc-WofE的普通證據權；(b) 基于WofE3DSys軟件的普通證據權Fig.6　Posterior probability maps for metallogenic prediction using two ways of the common weights of evidence modeling(a) common weights of evidence modeling based on Arc-WofE; (b) common weights of evidence modeling based on WofE3DSys software

普通證據權法和模糊證據權法計算得到的后驗概率圖分別見圖7的(a)和(b)。將2種方法的后驗概率結果統一分成5類區間：后驗概率值范圍第1類為0.001 000～0.005 000,第2類為0.000 300～0.001 000,第3類為0.000 100～0.000 300,第4類為0.000 050～0.000 100,第5類為0～0.000 050，統計落入每個區間內的已知礦點個數，由此得到后驗概率結果分類區間與累積礦點對比曲線圖(圖8)。圖中當后驗概率分類為第1類時，由于模糊證據權法計算得到的后驗概率最高值較普通證據權法高，因此普通證據權法沒有已知礦點落在該區間，累積礦點數為0，而模糊證據權法有5個已知礦點落入該區間，累積礦點數為5；當后驗概率分類為第5類時，2種方法的所有已知礦點均落入5個分類區間內，故2種方法的第5類區間累積礦點數相等，均為15。并且因2種方法計算結果均為高后驗概率區間包含的已知礦點數高于低概率區間，所以圖中曲線表現為高概率區2種方法的差異大于低概率區，即2條曲線的差異呈減小趨勢。由圖可知在同一后驗概率區間，模糊證據權法計算得到的累積礦點數比普通證據權法高，這表示對于同一高概率值范圍，模糊證據權法比普通證據權法包含更多的已知礦點，且在相同累積礦點數的情況下，模糊證據權法的后驗概率較高。因此，模糊證據權法的準確性較普通證據權法高。

圖7　普通證據權和模糊證據權成礦預測后驗概率圖(a) 基于WofE3DSys軟件的普通證據權；(b) 基于WofE3DSys軟件的模糊證據權Fig.7　Posterior probability maps for metallogenic prediction by the common and fuzzy weights of evidence modeling(a) common weights of evidence modeling based on WofE3DSys software; (b) fuzzy weights of evidence modeling based on WofE3DSys software

圖8　 普通證據權法和模糊證據權法后驗概率　　結果分類與累積礦點對比曲線Fig.8　Posterior probability versus cumulative occurrences by the common and fuzzy weights of evidence modeling

3成礦預測應用研究

以大尹格莊金礦床隱伏礦體預測空間為研究對象，采用10 m精度(即體元尺寸為10 m×10 m×10 m)來劃分地質空間，利用已知區共96 346個立體單元(其中26 826個含礦單元)作為樣本數據，選取斷裂面距離場因素(dFV)、斷裂面趨勢-起伏因素(waF、wbF)、斷裂面坡度因素(gF)、斷裂面陡緩轉換部位綜合場因素(fP、fV)和蝕變帶場強因素(fA)作為證據圖層，對未知區進行成礦預測研究。

3.1　研究區地質概況

大尹格莊金礦是膠東地區蝕變巖型金礦床的典型代表之一，位于招平斷裂帶的中段，區內地層以太古宇膠東巖群變質巖為主，其次為廣泛分布的第四系。礦區西部大面積出露玲瓏花崗巖，其中分布有大量不同類型的脈巖。以韌性變形及脆性斷裂等為主的多期構造發育，規模大、強度高，變形變質作用復雜。大尹格莊金礦床包含①、②號2個礦體群，以大尹格莊斷裂為界，北部為②號礦體群，南部為①號礦體群，它們呈隱伏狀態分布于招平斷裂帶的下盤，礦體的形態、產狀及分布嚴格受招平斷裂帶的控制。

①號礦體群的主要礦體均賦存在招平斷裂帶下盤的黃鐵絹英巖化花崗質碎裂巖或黃鐵絹英巖化碎裂巖蝕變帶中，并與主裂面的距離較近，部分緊靠主裂面形成。在蝕變帶之外，偶見有零星小礦化體出現。礦體群平面上總體呈較規則的脈狀或似層狀，沿走向呈舒緩波狀起伏變化，在-140 m和-175 m中段以及-380 m中段礦體形態完整、簡單，較為穩定，數量少，規模大，反映礦化相對集中。而在-200～-300 m之間，礦體數量增多，規模變小，分布較為分散，單個礦體的形態也變得不規則，以透鏡狀或不規則狀為主。部分地段形成較厚大的礦柱。

②號礦體群位于大尹格莊斷裂的北側，其礦體的變化性比①號礦體大。同時其規模也遠比①號礦體群大得多。單個礦體以不規則脈狀為主，少數呈透鏡體狀，沿走向和傾向均呈波狀延伸，局部膨縮和分支復合現象明顯，在礦體中部形成多個礦體密集區，構成厚大礦體。與①號礦體不同的是，在Ⅱ號礦體分解的高度(-200～-320 m之間)范圍內，礦體呈合并趨勢，礦化范圍變小(走向延伸變短)，但整體厚度卻有增大趨勢。

3.2　證據圖層的選擇

大尹格莊金礦床賦存于招平斷裂帶下盤的絹英巖化花崗巖、絹英巖化花崗質碎裂巖中，區內以大尹格莊斷裂為界共控制2個礦體群。兩礦體均嚴格受控于招平斷裂帶，其產狀與招平斷裂帶一致。招平斷裂帶是在早期斷裂帶的基礎上，由右行壓扭性斷裂轉化為左行張扭性斷裂，使早期的緊閉斷裂發展成為張啟性斷裂，從而為礦液的上移提供了通道，并為金礦的富集、沉淀提供了最佳場所(李子英等，2010)。金礦床分布于招平斷裂帶內及其下盤的次級斷裂構造或裂隙帶內，說明招平斷裂帶既是金礦的導礦構造，也是容礦構造。

根據招平斷裂帶礦床礦體的空間分布特征和成礦地質條件的分析與歸納，得出下列礦體定位規律：(1) 礦化蝕變帶均受韌性剪切帶或斷裂構造的嚴格控制。早期的韌性剪切有晚期脆性疊加的構造有利于金礦化。(2) 斷裂帶蝕變較強且分帶明顯，一般由內向外依次為黃鐵絹英巖-黃鐵絹英巖化碎裂巖-絹英巖化花崗質碎裂巖-花崗質碎裂巖-碎裂狀花崗巖，其蝕變越強、厚度越大、分帶越明顯，礦化越好；(3) 斷裂面產狀及形態起伏變化對礦體的控制。主斷裂面由緩變陡處礦體變厚、變富，而斷裂面起伏不明顯時礦化變弱，礦體厚度變薄；(4) 斷層泥對礦液起明顯的屏障作用。斷層泥沿主斷裂面發育且穩定，一般呈灰黑色，斷層泥的難滲透性和可塑性，成為含礦熱液很難滲透的屏障，使含礦熱液在斷層泥下盤沉淀聚集成礦；(5) 礦體側伏規律。礦體側伏現象是指礦體沿傾向延伸很大，延深遠遠大于延長。礦體的側伏主要受斷裂構造兩盤相對運動過程中產生的啟張空間的側伏制約，而啟張空間的側伏與斷裂的性質及運動方式有關，礦體的側伏反映了成礦流體運移的方向。因此，在礦體的側伏方向具有良好成礦空間的潛力。

根據上述礦體定位規律，選擇如下成礦信息作為證據圖層。

(1) 斷裂面距離場因素(dFV)。大尹格莊金礦床在成礦過程嚴格受招平主斷裂控制，這種控制直接體現在礦床與主裂面之間的距離上。通過計算垂直方向上礦化單元與主裂面的距離，得到距離場因素，該因素能模擬反映礦化分帶的結果，即距離主裂面的礦化強度分布。

(2) 斷裂面趨勢-起伏因素(waFV、wbFV)。斷裂面一般呈舒緩波狀，其形態變化地段有利于礦液的富集、礦化的疊加。斷裂面的形態尤其是隆起和凹陷形態往往控制著礦體的產出及分布。斷裂面趨勢-起伏因素主要是揭示斷裂面起伏對斷裂面周圍地質空間的控礦作用影響。經過反復試驗，并結合礦化空間分析的結果，選擇180 m和360 m作為一級濾波和二級濾波的插值搜索范圍半徑，對斷裂面原始TIN模型進行一級形態濾波和二級形態濾波，對應得到斷裂面的一級起伏程度(waFV)、二級起伏程度(wbFV)。

(3) 斷裂面坡度因素(gF)。控礦斷層的三維形態影響著礦體的空間定位。斷裂面的坡度屬于斷裂面的產狀，能夠更局部地體現斷裂面的產狀變化，以及產狀變化給成礦提供的微觀物理化學環境。通過計算單元到主裂面上最近距離的三角網面片的坡度，得到坡度因素，該因素能模擬反映礦體側伏的規律。

(4) 斷裂面陡緩轉換部位綜合場因素(fP、fV)。斷裂面在傾向方向上的陡緩轉換對成礦具有顯著作用。陡緩轉換的部位也是成礦熱液運移異常的地段。礦化富集部位多位于主斷裂面由緩變陡的部位，這些部位實際就是破裂加寬地段，礦液匯集于此時流速降低，從而使礦質易于沉淀。

(5) 蝕變帶場強因素(fA)。蝕變巖型金礦體一般產出于蝕變帶內部，因此礦化場實際是蝕變場的一個子集。對于任意一個礦化單元，其受周圍所有蝕變單元的影響，這種影響的強弱受二者距離的約束，因此在一定的球形范圍內，采用按距離加權的場來描述礦化單元的蝕變場指標。

3.3　基于普通證據權法的應用

對于證據圖層的二值化，采用統計直方圖可以比較直觀地分析有利于成礦的證據因子。從圖9中可以看出：(1) 斷裂面距離場因子(dFV)。含礦體元基本處于斷裂的下盤，且主要分布于-150～0 m距離范圍內，故選擇該距離范圍作為有利證據因子；(2) 斷裂面趨勢一級起伏因子(waFV)。含礦體元附近斷裂面的局部起伏程度(即一級起伏程度)較小，大部分處于-10～10 m范圍內，故選擇該起伏范圍作為有利證據因子；(3) 斷裂面趨勢二級起伏因子(wbFV)。含礦體元附近斷裂面的整體起伏程度(即二級起伏程度)較小，大部分處于-10～10 m范圍內，故選擇該起伏范圍作為有利證據因子；(4) 斷裂面坡度因子(gFV)。含礦體元附近斷裂面的坡度較緩，主要分布于24°～48°范圍內，故選擇該坡度范圍為有利證據因子；(5) 斷裂面由緩變陡轉換場因子(fP)。主要含礦體元分布于斷裂面由緩變陡部位場強值為3～7的空間范圍內，故選擇該場強范圍作為有利證據因子；(6) 斷裂面由陡變緩轉換場因子(fV)。主要含礦體元分布于斷裂面由陡變緩部位場強值為-7～-3的空間范圍內，故選擇該場強范圍作為有利證據因子；(7) 蝕變帶蝕變場因子(fA)。主要含礦體元分布于蝕變帶蝕變場強值為40～100和160～200的空間范圍內，故選擇該場強范圍作為有利證據因子。建立證據因子數據庫，將各證據圖層二值化，屬于有利因子范圍的體元賦值為1，不屬于該范圍的賦值為0。

圖9　成礦信息統計直方圖Fig.9　Statistical histograms of ore-forming information

利用以上數據庫，通過WofE3DSys計算(圖3)，將后驗概率計算結果導入Voxler中。由圖10可見，體元中后驗概率最高的為0.544，即該體元含礦的概率為54.4%。經統計，研究區成礦后驗概率范圍為0.005～0.544，平均值為0.112 1，標準差為0.111 8。26 826個已知含礦體元中的56.7%落在高概率區(P>0.35)。

圖10　普通證據權后驗概率可視化圖Fig.10　Visualization map of posterior probability by the common weights of evidence modeling

3.4　基于模糊證據權法的應用

經WofE3DSys計算(圖4)，將后驗概率計算結果導入Voxler中，結果如圖11。由圖11可見，單元格中后驗概率最高為0.996，即該單元含礦的概率為99.6%。經統計，研究區成礦后驗概率范圍為0～0.996，平均值為0.315 3，標準差為0.382 6。26 826個已知含礦體元中的92.9%落在高概率區(P>0.8)。據此，模糊證據權的后驗概率比普通證據權高，且準確性也較高。

圖11　模糊證據權后驗概率可視化圖Fig.11　Visualization map of posterior probability by the fuzzy weights of evidence modeling

3.5　成礦遠景區圈定

根據上述應用結果，采用模糊證據權方法計算所得到的后驗概率圖作為成礦遠景區圈定的依據。

由大尹格莊礦區已知含礦體元的分布情況(圖12)和后驗概率圖綜合分析，共圈定了4個成礦遠景區Ⅰ—Ⅳ(圖13)：(1) 該遠景區位于②號礦體群深部礦體的深部，②號礦體群受招平斷裂帶控制，該斷裂總體走向東北，傾向南東，可能為②號礦體群深部礦體沿招平斷裂帶傾向方向的深部延伸，含礦概率較大；(2) 該遠景區位于②號礦體群深部礦體附近，含礦概率較大；(3) 該遠景區位于②號礦體群的東北部，可能為②號礦體群向東北部的延伸；(4) 該遠景區位于②號礦體群的北部，可能為②號礦體群向北部的延伸。

圖12　大尹格莊礦區已知含礦體元Fig.12　Elements of the known ore-bearing bodies in the Dayin’gezhuang ore district

圖13　基于模糊證據權圈定的成礦遠景區Fig.13　Metallogenic prospects delineated by the fuzzy weights of evidence modeling

4結論

(1) 將傳統二維證據權的建模方法改進為適用于三維空間下隱伏礦體立體預測的建模方法，并分別探討了普通證據權和模糊證據權法建模的思路和方法。以Visual Studio 2010為開發平臺，在Access 2003中建立多元地學空間數據庫，設計并開發可進行證據因子選擇、因子權重計算及后驗概率計算的證據權軟件WofE3DSys。其輸出結果可在Voxler中進行三維可視化展現。

(2) 為驗證WofE3DSys的準確性，通過利用ArcGIS軟件中的Arc-WofE模塊進行成礦預測，以招平斷裂帶中段及其周圍區域為研究對象，將該預測結果與本次研究中WofE3DSys軟件計算所得到的普通證據權法結果進行比較，2種結果相一致，說明WofE3DSys準確性較高。

(3) 以招平斷裂帶大尹格莊金礦為實例，選取對成礦有利的成礦信息為證據圖層，計算后驗概率，最終得到成礦預測結果，共圈定4個成礦遠景區。實現了對三維空間下證據權法的一次探索，為將來該證據權法在其他礦區的成礦預測提供了現實依據。

雖然得出了上述結論，但還存在下列局限性：(1) 證據因子的選擇。三維空間下的成礦預測在證據因子的選擇方面與二維空間相比較局限。證據因子數量的多少與質量的好壞，在一定程度上會影響最終后驗概率的可靠性與準確性，還需加強對礦區成礦信息提取的研究；(2) 成礦預測結果。所得到的預測結果只是以概率的形式呈現，可以考慮改進方法，進而可以定量地預測出未知區體元的品位和金屬量。

參考文獻：

陳建平,呂鵬,吳文,等.2007.基于三維可視化技術的隱伏礦體預測[J].地學前緣,14(5):54-61.

丁清峰,孫豐月.2006.基于專家證據權重法的成礦遠景區劃與評價：以東昆侖地區金礦為例[J].地質科技情報,25(1):41-46.

胡光道,陳建國.1998.金屬礦產資源評價分析系統設計[J].地質科技情報,17(1):45-49.

胡官兵,劉祥旭,韓天成.2010.證據權法在個舊錫多金屬礦床綜合信息成礦預測中的應用[J].礦業工程,8(3):9-11.

劉世翔,薛林福,郄瑞卿,等.2007.基于GIS的證據權重法在黑龍江省西北部金礦成礦預測中的應用[J].吉林大學學報:地球科學版,37(5):889-894.

李衛東,余志偉,單新建,等.2009.基于GIS和證據權模型的礦產勘探信息系統[J].遼寧工程技術大學學報:自然科學版,28(3):382-385.

李子英,張瑞忠,周春生,等.2010.膠東大尹格莊金礦床控礦構造系統[J].金屬礦山,62(3):86-90.

劉岳,陳翠華,何彬彬.2011.基于證據權模型的東昆侖五龍溝金礦潛力預測[J].中國礦業大學學報,40(2):298-304.

毛先成.2006.三維數字礦床與隱伏礦體立體定量預測研究[D].湖南長沙:中南大學.

肖克炎,葛艷.1999.成礦預測中證據權重法與信息量法及其比較[J].物探化探計算技術,21(3):223-226.

肖克炎,李楠,孫莉,等.2012.基于三維信息技術大比例尺三維立體礦產預測方法及途徑[J].地質學刊,36(3):229-236.

趙鵬大,李紫金,胡光道.1992.重點成礦區三維立體礦床統計預測：以安徽月山地區為例[M].湖北武漢:中國地質大學出版社.

張生元,成秋明,張素萍,等.2009.加權證據權模型和逐步證據權模型及其在個舊錫銅礦產資源預測中的應用[J].地球科學:中國地質大學學報,34(2):281-286.

趙增玉,潘懋,梁河.2010.二值證據權(WofE)模型巖溶塌陷區劃研究[J].北京大學學報:自然科學版,46(4):594-600.

張寶一,毛先成,周尚國,等.2012.基于GIS的證據權重法在桂西南地區優質錳礦成礦預測中的應用[J].地質找礦論叢,26(4):359-366.

ASADI H H,HALE M. 2001. A predictive GIS model for mapping potential gold and base metal mineralization in Takab area,Iran[J]. Computers & Geosciences,27(8):901-902.

AGTERBERG F P,CHENG QIUMING.2002.Conditional independence test for weights-of-evidence modeling[J].Natural Resources Research,11(4):249-255.

BONHAM-CARTER G F,AGTERBERG F P,WRIGHT D F.1990.Weight of evidence modelling: a new approach to mapping mineral potential[C]//Statistical Applications in the Earth Science.Vancouver, CAN: Geological Survey of Canada,171-183.

CHENG QIUMING,AGTERBERG F P.1999.Fuzzy weights of evidence method and its application in mineral potential mapping [J].Natural Resources Research,8(1):27-35.

CHEN YONGLIANG.2004.MRPM: three visual basic programs for mineral resource potential mapping [J].Computers & Geosciences,30(9):969-983.

CHENG QIUMING.2008.Non-linear theory and power-law models for information integration and mineral resources quantitative assessments [J].Mathematical Geosciences,40(5):503-532.

FALLARA F,LEGAULT M,RABEAU O.2006.3-D integrated geological modeling in the Abitibi Subprovince (Quebec, Canada): techniques and applications[J].Exploration and Mining Geology,15(1/2):27-43.

FELTRIN L.2008.Predictive modelling of prospectivity for Pb-Zn deposits in the Lawn Hill Region,Queensland, Australia[J].Ore Geology Reviews,34(3):399-427.

HARRIS J R,WILKINSON L,GRUNSKY E C.2000.Effective use and interpretation of lithogeochemical data in regional mineral exploration programs: application of Geographic Information Systems (GIS) technology[J]. Ore Geology Reviews,16(3/4):107-143.

JOUNEL A G.2002.Combining knowledge from diverse sources: An alternative to traditional data independence hypotheses [J].Mathematical Geology,34(5):573-596.

PORWAL A,GONZALEZ-ALVAREZ I,MARKWITZ V,et al.2010.Weights-of-evidence and logistic regression modeling of magmatic nickel sulfide prospectivity in the Yilgarn Craton, Western Australia[J].Ore Geology Reviews,38(3):184-196.

WANG GONGWEN,ZHANG SHOUTING,YAN CHANGHAI,et al.2011.Mineral potential targeting and resource assessment based on 3D geological modeling in Luanchuan region, China [J].Computers & Geosciences,37(12):1976-1988.

Modeling method of weights of evidence in three-dimensional space and its application to resource prediction

PAN Shi-chen1,2, MAO Xian-cheng1,2

(1.Key Laboratory of Metallogenic Prediction of Nonferrous Metals, Ministry of Education, Central South University, Changsha 410083, Hunan, China; 2.School of Geosciences and Info-Physics, Central South University, Changsha 410083, Hunan, China)

Abstract：This study discussed the modeling idea and methods suitable for mineral potential prediction in 3D space based on the common weights of evidence modeling, in order to study the practical metallogenic prognosis application of weights of evidence in 3D space. In addition, this study established a multi-geological spatial database in Access 2003 with the Visual Studio 2010 as the develop platform, and then used the software WofE3DSys, which can select the factors and calculate the weights and posterior probability. The output of this software can realize 3D visualization visible in Voxler. The result calculated by WofE3DSys reconciled with the output of Arc-WofE in the context of anomaly delineation, which proves the accuracy of WofE3DSys. Finally, taken the Dayin’gezhuang gold deposit as example, this study selected ore-controlling factors as evidence layers to do metallogenic prognosis. This research can be regarded as an exploration of weight of evidence modeling in 3-dimensional space, which has provided practical evidence for metallogenic prediction in other mining areas.

Keywords：3D modeling; weights-of-evidence; posterior probability; metallogenic prognosis; Shandong