基于GMS、DSS和GIS的潜在矿产资源评价方法 上PDF|Epub|txt|kindle电子书版本下载

基于GMS、DSS和GIS的潜在矿产资源评价方法 上PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

上册1

第一章　矿产资源及资源评价1

1.1 矿产资源1

1.1.1　矿产资源的定义1

1.1.2　矿产资源的条件模式6

1.1.3　矿产资源的分类12

1.1.4　不同认识-开发阶段的矿产资源实体形态及其数量表示29

1.1.5　潜在矿产资源31

1.2　矿产资源评价36

1.2.1　矿产资源评价的阶段37

1.2.2　矿产资源评价的内容38

1.2.3　矿产资源评价的手段与方法40

1.2.4　矿产资源评价与矿产资源调查、勘查活动的关系41

1.2.5　矿产资源评价的规范、标准与技术要求42

1.3 “3S”潜在矿产资源评价体系42

第二章　地质模型系统（GMS）45

2.1　地质模型的框架结构45

2.1.1　概述45

2.1.2　关于地质模型的研究历史与现状47

2.2　石油与天然气矿产地质模型49

2.2.1　石油与天然气地质省模型49

2.2.2　全油系统51

2.2.3　评价单元56

2.3 固体矿产地质模型56

2.3.1　固体矿产地质模型系列的结构56

2.3.2　成矿带模型57

2.3.3　矿床模型65

2.3.4　关于地质模型系列的小结117

第三章 决策支持系统（DSS）118

3.1 决策支持系统的概念118

3.2　决策支持系统的发展历史119

3.3　地质问题决策的低结构化环境120

3.4　决策支持系统的类型121

3.5　决策与决策支持123

3.5.1　决策的定义123

3.5.2　决策者的属性123

3.5.3　决策过程126

3.5.4　决策支持130

3.5.5　管理决策与技术决策131

3.5.6　空间决策与数量决策132

3.6　决策支持模型133

3.6.1　决策支持模型在DSS中的作用133

3.6.2　空间决策支持模型134

3.6.3　数量决策支持模型136

3.7　专家系统138

3.7.1　专家系统的发展历史138

3.7.2　专家系统的类型139

3.7.3　专家140

3.7.4　专家系统的结构141

3.7.5　对专家系统的评估标准145

3.7.6　专家系统的局限性145

3.8　知识工程146

3.8.1　知识146

3.8.2　知识工程147

3.9　机器学习149

3.9.1　机器学习的概念149

3.9.2　机器学习的类型149

3.9.3　机器学习的实现154

3.10　数据仓库154

3.10.1　数据仓库的概念155

3.10.2　谁使用数据仓库156

3.10.3　数据仓库的体系结构156

3.10.4　面向主题的数据仓库系统设计思想158

3.10.5　数据仓库技术158

3.11 知识发现与数据挖掘159

3.11.1　知识发现159

3.11.2　数据挖掘160

第四章　空间决策支持模型（Ⅰ）176

4.1　引言176

4.1.1　空间决策支持模型在空间信息分析中的作用176

4.1.2　地质知识的形式化177

4.1.3　空间决策的基本对象180

4.1.4　不确定性与信任度181

4.1.5　主观赋值182

4.1.6　软计算182

4.2　基于句法的空间决策支持模型183

4.2.1　命题逻辑183

4.2.2　谓词逻辑186

4.2.3　产生式规则与决策树190

4.2.4　语义网络193

4.2.5　知识的框架表示与推理199

4.3 基于模糊逻辑的空间决策支持模型202

4.3.1　模糊集合与模糊逻辑202

4.3.2　模糊命题204

4.3.3　模糊命题的合成209

4.3.4　模糊IF-THEN命题及其模糊关系211

4.3.5　模糊推理216

4.3.6　基于扩展原理的推理221

4.3.7　基于真值的模糊推理223

第五章　空间决策支持模型（Ⅱ）230

5.1 不确定性推理与信任度的测度230

5.2　贝叶斯决策模型231

5.2.1　信任度测度231

5.2.2　贝叶斯决策模型232

5.2.3　贝叶斯决策模型在潜在矿产资源评价中的应用232

5.3　证据权法模型234

5.3.1　基本模型234

5.3.2　证据权法的参数及其检验235

5.3.3　证据权法潜在矿产资源评价的操作步骤237

5.3.4　使用证据权法建立地球化学“偏异常”图层238

5.3.5　证据权的主观赋值240

5.3.6　基于分形理论的证据权法242

5.4　主观贝叶斯推理模型247

5.4.1　基本思路247

5.4.2　基本模型248

5.4.3　证据的合成250

5.4.4　不确定性证据250

5.4.5　子集／超集关系251

5.4.6　定量规则252

5.4.7　主观贝叶斯推理的例示253

5.5 基于确信因子的贝叶斯推理模型254

5.5.1　确信因子254

5.5.2　证据的合成255

5.5.3　基于确信因子的规则与推理255

5.6　基于证据理论的推理模型257

5.6.1　信任函数的基本模型257

5.6.2　证据的合成260

5.6.3　证据理论推理模型在潜在矿产资源评价中的应用前景261

5.6.4　证据理论在潜在矿产资源评价操作中的若干技术处理263

5.7　基于可能性理论的模糊推理264

5.7.1　可能性分布264

5.7.2　可能性测度与必然性测度265

5.7.3　命题真值的评价266

5.7.4　演绎推理267

5.8　基于粗理论的知识表达和推理268

5.8.1　信息系统与决策系统269

5.8.2　不可辨识性270

5.8.3　集合的近似表示271

5.8.4　属性的约减273

5.8.5　粗录属函数275

5.8.6　属性的相关性和显著性275

5.8.7　熵分析276

5.8.8　连续型属性的离散化278

5.8.9　推理规则279

5.8.10　粗集与模糊集280

5.8.11　粗集合与D-S证据理论281

5.9　基于罗吉斯蒂回归的推理模型282

5.9.1　罗吉斯蒂回归模型282

5.9.2　多元罗吉斯蒂回归模型284

5.9.3　应用罗吉斯蒂回归解决潜在矿产资源评价问题的若干技术处理285

5.10　集合的包含及不确定性测度286

5.11 不确定性空间决策模型小结288

5.11.1　不确定性推理的基本模式288

5.11.2　各种不确定性推理方法的对比290

第六章 空间决策支持模型（Ⅲ）291

6.1　人工神经网络模型291

6.1.1　生物神经元和生物神经系统291

6.1.2　人工神经元模型292

6.1.3　人工神经网络模型294

6.1.4　学习算法302

6.1.5　基本逻辑处理感知器308

6.1.6　基本模糊逻辑神经网络313

6.1.7　基于规则的前向模糊神经网络315

6.1.8　应用于潜在矿产资源评价的人工神经网络模型319

6.1.9　人工神经网络模型应用于潜在矿产资源评价中的若干技术特点327

6.2　人工生命模型328

6.2.1　遗传算法329

6.2.2　关于遗传算法的数学讨论334

6.2.3　遗传规划337

6.2.4　进化计算339

6.2.5　遗传算法在知识学习中的应用345

6.2.6　关于遗传算法和进化计算的小结357

下册359

第七章　数量决策支持模型（Ⅰ）359

7.1　概述359

7.2　基本空间评价指标的潜在资源量估计360

7.2.1　回归分析法361

7.2.2　逻辑信息法362

7.3 丰度估计376

7.3.1　矿产资源同元素地壳丰度的相关关系376

7.3.2　简单的丰度估计模型379

7.3.3　DeWijs丰度估计模型380

7.3.4　Brink丰度估计模型389

7.3.5　Agterberg丰度估计模型（一元丰度估计）394

7.3.6　PAU丰度估计模型（二元丰度估计）398

7.3.7　品位与吨位相关条件下的二元丰度估计405

7.3.8　关于未知程度的调整系数415

7.3.9　关于丰度估计的小结416

第八章　数量决策支持模型（Ⅱ）418

8.1 主观估计418

8.1.1　德尔菲法418

8.1.2　主观概率法422

8.2　矿床模拟法432

8.2.1　矿床模型432

8.2.2　矿床数的分布438

8.2.3　潜在可采资源量分布的蒙特卡罗模拟442

8.2.4　潜在可采矿产资源量的“三部法”估计454

8.2.5　关于矿床模拟法的小结454

8.3 石油和天然气潜在资源量的估计方法455

8.3.1 国内外石油和天然气资源量估计方法概述455

8.3.2　石油与天然气评价空间实体的定义457

8.3.3　石油和天然气资源量估计模型463

8.3.4　石油与天然气潜在资源量估计模型小结504

第九章　数量决策支持模型（Ⅲ）505

9.1 资源量估计的分形学方法505

9.1.1　分形学的基本概念505

9.1.2　基于分形的帕瑞托分布510

9.1.3　利用帕瑞托分形关系进行潜在矿产资源量估计516

9.1.4　质量分形及其在潜在矿产资源量估计中的应用521

9.2　未来探明矿产资源量的预测533

9.2.1　探明资源量与未探明资源量533

9.2.2　预测模型534

9.2.3　勘查难度指标535

9.2.4　剩余未探明的资源量535

9.2.5　预测实例536

9.3 行政区域潜在矿产资源量的评价与对比模型538

9.3.1　单位区域价值538

9.3.2　地质图信息的标准化540

9.3.3　计算机文件系统546

9.3.4　岩石类型划分的地质学准则552

9.3.5　碎屑岩的分类实例556

9.3.6　Q分析模型560

9.3.7　矿产资源与地质图特征的多样性分析模型572

9.3.8　行政区矿产资源潜力的评价与对比576

9.3.9　评价实例578

9.3.10　几点评述594

第十章　地理信息系统（GIS）596

10.1　地理信息系统的概念596

10.1.1　地理信息系统的定义596

10.1.2　地理信息系统的产生和发展597

10.1.3　地理信息系统的构成600

10.2 图件602

10.2.1　图件的概念602

10.2.2　地球的地理坐标系统602

10.2.3　地图投影603

10.2.4　椭球体和地球体模型604

10.2.5　大地基准面和垂直基准面606

10.2.6　地理图件606

10.2.7　专题图件606

10.3 空间图形的数字表示607

10.3.1　空间对象和空间现象607

10.3.2　空间对象、实体、特征与属性608

10.3.3　矢量图形的表示612

10.3.4　栅格图形的表示618

10.4　属性620

10.5　数据模型623

10.5.1　地理-关系数据模型623

10.5.2　面向对象的数据模型625

10.6　GIS标准631

10.6.1　GIS标准的概念631

10.6.2　GIS数据标准633

10.7 空间数据基础设施（NSDI）635

10.7.1　空间数据基础设施的概念635

10.7.2　空间数据基础设施的内容636

10.7.3　国家空间数据基础设施的组织实施638

10.8 空间数据库640

10.8.1　矢量型空间数据库640

10.8.2　栅格型空间数据库650

10.9 INTERNET GIS660

10.9.1　INTERNET GIS的概念660

10.9.2　INTERNET GIS的基本配置662

10.9.3　Open GIS663

10.9.4　Web GIS的体系结构665

10.9.5　INTERNET GIS的应用666

第十一章　潜在矿产资源评价的实施667

11.1 系统建设667

11.1.1　潜在矿产资源评价系统的构成667

11.1.2　硬件系统668

11.1.3　软件系统668

11.1.4　数据库系统676

11.1.5　模型系统678

11.1.6　专家组680

11.2　资料收集682

11.3 图层划分与原始空间数据建设682

11.3.1　图层与属性命名规则683

11.3.2　图层划分及其属性表定义684

11.3.3　空间数据库建库工作流程688

11.4　数据处理与空间模式制作690

11.4.1　指示矿化的属性印记与空间模式690

11.4.2　数据处理692

11.4.3　建立针对目标的空间模式（SPM）694

11.4.4　评价图层的选择698

11.5　地质研究700

11.5.1　区域地质研究700

11.5.2　矿床模型研究700

11.5.3　估计矿床数的地质研究702

11.5.4　评价结果的地质研究703

11.6　评价工作方案704

11.7　评价单元707

11.8 主观空间决策与主观概率赋值708

11.9　潜在矿产资源评价流程710

11.10　建议的评价报告编写提纲712

第十二章　应用实例716

12.1 实例1：北非伊利济地质省塔内祖夫特-伊利济全油系统潜在石油与天然气资源评价716

12.1.1　地理位置及评价空间实体划分716

12.1.2　地质省区域地质特征716

12.1.3　全油系统717

12.1.4　评价单元718

12.1.5　评价有效年限730

12.1.6　评价结果730

12.1.7　对评价方法的评述731

12.2　实例2：科罗拉多柔特国家森林区和阿拉巴荷国家森林区的中部公园区矿产资源潜力评价731

12.2.1　评价的矿产资源目标731

12.2.2　评价区的地质工作程度731

12.2.3　地质背景732

12.2.4　科罗拉多成矿带734

12.2.5　矿床模型简述734

12.2.6　地球物理与地球化学数据解释736

12.2.7　矿化靶区的圈定747

12.2.8　靶区分类752

12.2.9　潜在资源量估计752

12.2.10　对评价方法的评述753

12.3 实例3：安徽东部地区金矿资源评价753

12.3.1　区域地质背景753

12.3.2　区域成矿模式755

12.3.3　矿床模型756

12.3.4　地球物理与地球化学特征760

12.3.5　找矿标志与评价图层764

12.3.6　证据权法空间决策766

12.3.7　对评价方法的评述769

12.4　实例4：菲律宾斑吉奥地区金矿资源评价770

12.4.1　地质背景770

12.4.2　证据权法空间决策771

12.4.3　模糊逻辑空间决策776

12.5　实例5：扬子地台西缘金矿潜在资源评价780

12.5.1　地质模型780

12.5.2　证据权法空间决策作业定义792

12.5.3　证据权法参数计算793

12.5.4　矿化靶区圈定与潜在剪切构造的识别796

12.5.5　空间评价结论800

12.5.6　对评价方法的评述801

12.6 实例6：美国西部大盆地低温热液型金矿床的证据权法空间评价801

12.6.1　矿床模型、培训数据集与目标图层801

12.6.2　评价变量与评价图层802

12.6.3　评价结果805

12.6.4　对评价方法的评述808

12.7 实例7：加拿大安大略省斯崴兹绿岩带中温热液型金矿资源证据权法空间评价808

12.7.1　地质背景808

12.7.2　绿岩带中温热液型金矿床的找矿准则808

12.7.3　建立图层的数据准备810

12.7.4　评价图层813

12.7.5　证据权参数计算816

12.7.6　空间评价结果817

12.7.7　对评价方法的评述818

12.8 实例8：加拿大奇色尔湖-安德逊湖海相火山岩型块状硫化物矿床区域成矿有利性空间评价818

12.8.1　区域地质背景819

12.8.2　控矿特征820

12.8.3　勘查模型820

12.8.4　空间数据及其处理820

12.8.5　空间决策支持模型及空间评价822

12.8.6　勘查靶区分析830

12.8.7　对评价方法的评述832

12.9 实例9：应用人工神经网络法对日本北陆黑矿型矿床的找矿评价832

12.9.1　地质背景832

12.9.2　人工神经网络模型832

12.9.3　网络的输入与输出833

12.9.4　空间评价结果833

12.9.5　对评价方法的评述834

12.10　实例10：东太平洋海底喷口热液硫化物矿床潜在资源的证据权法和罗吉斯蒂回归评价834

12.10.1　地质背景834

12.10.2　输入空间模式834

12.10.3　唯一条件组数据模型与推理规则834

12.10.4　加权证据权法与加权逻辑信息回归835

12.10.5　模型参数835

12.10.6　网格系统设置836

12.10.7　空间评价结果836

12.10.8　对评价方法的评述837

12.11 实例11：专家系统方法在阿尔泰山南缘海相同火山-沉积型多金属矿床区域靶区选择与评价中的应用837

12.11.1　地质背景837

12.11.2　矿山阿尔泰-克兰成矿带838

12.11.3　预选靶区839

12.11.4　成矿系统的基本地质过程840

12.11.5　找矿标志模型840

12.11.6　推理网络841

12.11.7　产生式系统851

12.11.8　不确定性推理计算854

12.11.9　专家主观输入859

12.11.10　推理网络顶点成矿有利性指标859

12.11.11　靶区排队结果859

12.11.12　对评价方法的评述861

附录863

附录1 全球地质省及全油系统、评价单元划分863

附录2 中国Ⅰ、Ⅱ级成矿带划分877

附录3 中国Ⅰ、Ⅱ、Ⅲ级成矿带划分878

附录4　全球矿床描述模型（按岩性-构造环境分类）881

附录5　数字矿床模型属性分类标准887

附录6 中国矿床模式（按构造背景-成矿环境-主岩岩石组合划分）906

附录7　全球413个行政子区时代-岩性代码909

附录8　加拿大奇色尔湖-安德逊湖海相火山岩型块状硫化物矿床潜在矿产资源评价原始数据集926

参考文献936