论文部分内容阅读
证据权基本原理是把每一种成矿信息证据图层都转化为二态图层，看作为成矿预测的一个证据因子，每个证据因子对成矿预测的贡献就是由该证据因子的权重值来确定。证据权法通过已知训练点与各个证据图层的位置关系来决定每一个图层的权重值，每一个证据图层根据证据层的存在和缺失有一对权重值即W+、W-，权重值的计算依赖于二值图层的面积、研究区域的总面积以及二值图层中包含的矿床数和整个研究区域的矿床总数，然后通过贝叶斯公式计算得到预测区域的后验概率。
对于如地球化学、地球物理等连续性数据，为了要计算在一定范围内矿床出现的条件概率，往往首先要对该图层进行离散化，转换成二态或三态离散图层，然后根据证据图层存在或者不存在的状态分别计算其关于矿床相关性的权重。这种把连续性数据离散化的方法往往会造成有用信息的丢失，这就会为数据综合的结果造成较大甚至严重的偏差和不确定性。为了克服这种不足，Cheng和Agterberg发展了模糊证据权方法，把多态或连续的证据图层以及缺失数据定量为模糊集，通过应用多值模糊隶属度函数来定义证据层的隶属度，模糊证据权方法通过模糊隶属度函数把证据层中不同级别定量为0到1之间的一个值作为相应级别的隶属度。定义了证据图层的隶属度，就可以计算模糊概率和关于预测对象的模糊条件概率。在应用证据权过程中，为计算先验概率及后验概率须将研究区网格划，使训练点落入与之对应的单元网格中。研究区的单元网格按照是否包含训练点分成2类，包含训练点(其取值为1)和不包含训练点(其取值为0)。
在大比例尺成矿预测时矿床具有了面的属性，若使用仅被用于点事件的预测的普通的证据权方法则会造成对已知信息的丢失。为了使在地理信息系统中被广泛用于点事件预测的证据权方法能对面事件进行评价和预测，本文采用张生元等提出了一种新的基于模糊训练层的证据权扩展方法对对冀东沉积变质型铁矿进行成矿预测，与普通证据权方法所不同的是它的训练层是模糊集合，其取值是它的隶属度。从而最大限度地利用了已有信息，提高了预测的精确度。论文取得了主要成果如下：
1.对研究区沉积变质型铁矿地质背景和成矿规律进行了较为全面、系统的研究和总结。
2.利用以面训练图层代替点训练图层的证据权扩展模型对研究区进行成矿预测。
3.通过校正模型克服证据图层不满足条件独立性的困难，对比扩展模型和普通模糊证据权模型的后验概率做累积面积比与矿体频率图可以看出80％的矿体落在10％的研究区面积，可以得出扩展模型和普通模糊证据权都能对研究区进行成矿预测。对扩这模型可模糊证据权做Bing Tests(BT)检验结果，对比两者的拟合度曲线与预测度曲线图，可以看出扩展模型对未知矿体具有更好的预测效果。
4.通过对冀东地区的区域地质背景、典型矿床地质特征、地球化学场的分布特征等研究和分析，建立了冀东地区综合信息找矿模型，根据扩展证据权模型得到研究区后验概率图层筛选出成矿有利找矿靶区，其中一级成矿靶区4个，二级成矿靶区1个，三级成矿靶区8个。