《滤波检测与主成分分析技术及其应用.pdf》由会员分享，可在线阅读，更多相关《滤波检测与主成分分析技术及其应用.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、滤波检测与主成分分析技术及其应用吴湘滨1,2,邓家凤2,范森葵2(11 中南大学 资源环境与建筑工程学院,湖南 长沙 410083;21 柳州华锡集团有限责任公司,广西 柳州 545006)摘要:将多元样本滤波检测与主成分分析结合用于研究岩石2矿化剖面.本方法采用Sobel水平检测滤波和主成分分析(PCA)技术,其原理是:由于地球化学数据存在“野值”或地质体单元之间差异较小,很难有效地用单变量或原始多元样本划分岩石2矿化剖面中的地质体单元,为此,以广西大厂矿田钻孔岩芯样品化学分析数据为例,首先将12种化学元素的样本数据设想构成一个“虚拟”的垂直面,用Sobel水平检测滤波器进行检测;根据滤波检
2、测后的单元素(变量)波形特征和多元素(多变量)组合特点,划分岩石2矿化剖面中的地质体单元;然后,对指定的地质体单元进行主成分分析,提取原始数据的地质信息.在PCA图解中可以发现原始变量的相互关系、数据点之间的空间特征.关键词:岩性2矿化剖面;滤波;主成分中图分类号:P594+11文献标识号:A文章编号:100529792(2002)0520453204 地球化学数据是地质作用和“野值”(outliers)的综合反映1,其计算结果既含有地质作用信息又含有伪信息.鉴别或提取成矿(矿化)模式和其他地质作用所产生的信息是非常必要的.在对超深钻孔岩芯构成的地层岩石2矿化柱状剖面或地层剖面测试数据进行分析
3、时会遇到一些问题,例如,处理数据不均匀,有用信息被掩盖等.作者对广西大厂岩芯地球化学数据处理研究发现,沿岩石地层2矿化剖面(柱状图)沉积序列的化学元素含量的变化取决于多种影响因素,根据单元素或原始多元素的地球化学数据,很难区分地质体单元.在此,探讨了一种有效区分或提取岩石类型、矿化体(矿体)的子集和信息的方法 滤波检测与主成分分析技术.1 基本方法采用广西大厂矿田岩芯样品光谱分析数据作为实例分析的样本数据.由于矿体或矿化体的地质背景不同,有时1个或多个元素的频率分布可以反映这种差异.但是,岩性2矿化剖面往往包含了多种地质作用,有的则相互影响、掩盖,很难区分.另一方面,实际数据中都存在“野值”,
4、“野值”的加入可能使样本均值偏离正常值较远.显然,采用单一元素化学含量的变化特征区分多个子集的可信度很低.M.Karger等运用多元统计和多维启发式方法探测多成分地球化学异常2.作者采用水平边缘检测滤波与主成分分析来研究岩性2矿化剖面的地球化学特征.其原理为:a1 根据岩性2矿化剖面多元素含量的分布,设想钻孔沿深度方向、由岩芯样品的多元素化学含量组成一个“虚拟面”.对微量元素(包括成矿元素)的分析数据构成的“虚拟面”进行定向边界检测滤波,以达到有效区分矿体(矿化体)、岩石类型的目的.钻孔样品微量元素为多元变量,构成多维矩阵.设计一个水平边缘定向检测滤波器(Sobel滤波器):S=121000-
5、1-2-1.b1 对微量元素组成的多维矩阵进行滤波检测,结果见图1.对ZK749号钻孔的岩芯样品12种微量元素进行滤波检测.通过边缘检测,矿体埋藏深度为582.68647.92 m,铅直厚度为65.24 m.ZK476号钻孔在深度范围326.821 002.64 m内,检测出14个各具收稿日期:2002-04-10作者简介:吴湘滨(1962-),男,湖南永州人,中南大学副教授,博士,从事地质普查与找矿勘探研究.第33卷第5期2 0 0 2年1 0月中南工业大学学报J.CENT.SOUTH UNIV.TECHNOL.Vol.33No.5Oct.2 0 0 2有不同特征的微量元素地质体单元.第1层
6、矿体埋藏深度为921.10922.20 m,925.40926.60 m.地质单元体之间的界线(深度位置)检测的主要划分依据如下:a1 单一元素定向检测滤波后的波形特征;b1 考虑多元素波形的组合.对于矿体,每一种成矿元素在矿体范围的检测波形与上下围岩的检测波形明显不同;不同岩性单元之间也存在一定的差异.除主要成矿元素锌、铅、锑、锡和银外,其他微量元素也有同步显示.采用主成分分析(PCA)对检测出的同一地质单元进行多元统计分析326.如果数据样本包含多个地质体单元,势必影响前几个主成分的“荷载”信息量.为了更好地理解主成分所代表的地质含义,必须对边界滤波检测所区分的地质体单元进行主成分分析.2
7、 计算结果与实例分析滤波检测结果表明,ZK749号钻孔在深度293.66730.12 m内,岩性2矿体剖面可以划分5个地质体单元.15号地质体单元埋藏深度为647.92730.12 m,582.68647.92 m,425.42582.68 m,425.42336.61 m,295.66336.61 m(见图1,其中,代表化学元素含量经滤液后的变化响应值).图1显示了元素Zn,Pb,Sb,Sn和Ag含量的水平边缘检测结果图解.结果表明:矿体范围内(2号地质体单元)Sn,W,Mo,As,Sb和Zn的含量超出直读光谱仪检测上限,Ag,Sr,Pb,Co样品的含量超出直读光谱仪测试上限(为溢出值);2
8、号地质体单元中的As,Pb,Co的含量低于直读光谱仪测试下限.这2种情况都不宜对矿体的数据样本进行主成分分析.据现场调查,矿体与围岩呈截然突变的接触关系.除了围岩有大约1至几cm宽退色化、再结晶的方解石外,基本上无任何蚀变现象.3号地质体单元(上盘围岩)存在Mo,As,Sb,Zn,Ag,Sr,Pb和Co元素矿化异常,表明这些元素具有局部的波形特征,是充填型矿化细脉所致.在礁灰岩中划分出4号地质体单元和5号地质体单元,很可能生物化石发育程度影响了微量元素的分布.对于ZK476号钻孔,第1层矿体上盘围岩埋藏深度为899.80921.10 m,第2层矿体下盘围岩的埋藏深度为926.60934.88
9、m,上、下矿体之间的围岩也呈细脉状矿化.但是,上、下盘围岩矿化的铅直厚度比CK749号钻孔中的小.以大厂矿田CK749岩芯样品的多元数据样本划分的3号地质体单元为例.检测结果表明:作为矿体的上盘围岩,Zn含量的变化幅度最大;As和Pb含量的变化幅度大于Sn和Sb含量的变化幅度;观察岩芯,矿体与围岩的界面十分规整,上盘围岩中成矿元素的变化幅度反映了不均匀的细脉状矿化程度.图1 主要成矿元素含量水平边缘检测和地质体单元划分图解454中南工业大学学报 第33卷 主成分分析方法为多元统计法7.这种方法一般用于数据的分类、简化以及发现一批数据中最重要的变量8,9.对3号地质体单元Sn,W,Mo,As,S
10、b,Zn,Ag,Cu,Cd,Sr,Pb和Co元素含量进行主成分分析,用主成分参数和图解描述3号地质体单元的主要地质地球化学特征.a1 第1,2,3主成分“荷载”的信息量占“原变量”12种化学元素信息量的94.99%,依次为86.24%,6.16%和2.58%.因此,可以用前3个主成分表述“原变量”12种元素所反映的特征.b1 主成分与“原变量”12种化学元素的相关图解表明:第1主成分轴与Zn,As,Sb,Pb,Sn的含量呈正相关,反映了成矿元素的组合特征;第2主成分轴与元素Zn呈正相关,与元素Sn和Pb呈负相关,在充填型矿化细脉中Zn含量高,而Sn和Pb的含量低(见图2).其他元素W,Mo,A
11、g,Cu,Cd,Sr,Co多数分布于主成分轴O点附近,说明它们的含量变化与成矿元素的含量变化无关.c1 图3是岩芯样品35个地球化学数据的主成分投影图,注明了散点数据的采样深度.数据集中区表示矿化强,散点则表示样品未矿化或矿化弱.从空间分布来看,散点位于3号地质体单元的上部.自上而下,总体上矿化增强.采样深度为556.09,576.08和579.43 m的样品以Pb矿化为主;采样深度为540.80 m的样品以Zn矿化为主(见图3).这些均反映了充填型矿化细脉非均匀性的特点.图2 主成分与原始变量之间的关系图3 地球化学数据的主成分图解554第5期 吴湘滨,等:滤波检测与主成分分析技术及其应用3
12、 结 论a1 水平边缘滤波检测技术能够有效地划分地质体单元,特别适用于地质工作程度较低的地区.其单变量的波形特征和多元数据样本的波形特征组合研究是划分地质体单元的基础.b1 在滤波检测的基础上,以大厂矿田CK749钻孔为例,通过对3号地质体单元的主成分分析,将“原变量”12种化学元素进行简化.用第1,2,3主成分表述“原变量”12种化学元素,“荷载”的信息量占总信息量的94.99%.可见,采用主成分分析技术能够较好地简化原始数据变量,有效地理解原始数据之间的相互关系和地质含义.参考文献:1Singer D A,K ouda R.Some simple guides to finding use
13、ful informationin exploration geochemical data J.Natural Resources Research,2001,10:1372147.2Karger M,Sandomirsky S.Multidimensional statistical technique fordetection of low contrast geochemical anomaliesJ.Journal of Geo2chemical Exploration,2001,72:47258.3Hart S R,Huarri E H,Oschmann L A,et al.Man
14、tle plumes and en2vironment:Isotopic evidenceJ.Science,1992,256:5172520.4Laaksoharju M,Skarman C,Skarman E.Multivariate mixing andmass balance(M3)calculations:A new tool for decoding hydrogeo2chemical informationJ.Applied Geochemistry,1999,14:8612871.5 吴湘滨,戴塔根,何绍勋.湘西南高涧群的地球化学特征及其意义J.岩石学报,2001,17(4):
15、6532662.6 吴湘滨,刘义福,邱冬生.湘西南元古宙高涧群微量元素主成分分析J.岩石矿物学杂志,2002,21(1):55261.7Krzanowski WJ.Principles of multivariate analysisM.London:Ox2ford Science Publ,1988.8Johnson R A,Wichern D W.Applied multivariate statistical analysisM.Englewood Cliff:Prentice2Hall,1982.9K imball B A.Geochemical indicators used to
16、determine the source ofsaline water in Mesozoic aquifers,Montezuma Canyon Area,UtahA.Subitzky S,eds.Selected Papers in the Hydrologic SciencesC.Col2orado:US Geol Sur Water Sup Pap,2340,1992:892106.Application of filter2detection and principal component analysisto the study of the multivariate data i
17、n lithological2mineralized sectionWU Xiang2bin1,2,DENGJia2feng2,FAN Sen2gui2(1.College of Resources,Environment and Civil Engineering,Central South University,Changsha 410083,China;2.Liuzhou Huaxi Limited Corporation,Liuzhou 545006,China)Abstract:T o partition the geological cells and summarize the
18、information from a multivariate data set,the Sobel edge fil2ter and Principal Component Analysis(PCA)are used to study the lithological2mineralizational section.Due to the outli2ers of geochemical data and the geochemical difference between the geological cells,it is difficult that the geological ce
19、llsare effectively distinguished by single variable or a group of variables.Using the distribution of chemical elements in sec2tion of boreholes in the Dachang Tin2polymetallic Ore Field,Guangxi,as an example,a vertical“suppositional plane”isset by a data set of 12 chemical elements,and it is detect
20、ed by the Sobel edge filter.According to the wave type of singlevariable and the compoundingof wave typesfor a group of variables,the geological cells in the lithological2mineralization2al section are distinguished.Then,Principal Component Analysis is used to summarize the geological information for theappointed geological cells.The summarized information shown in the PCA plots is used for finding relationships amongoriginal variables and spatial variety among samples.Key words:lithological2mineralizational sections;filter;principal component654中南工业大学学报 第33卷