龍明周，李 偉，岳小軍

(廣西壯族自治區(qū)第四地質(zhì)隊(duì)，廣西 南寧 530033 )

0 引言

羅維礦區(qū)位于廣西扶綏縣中東鄉(xiāng)與隆安縣古潭鄉(xiāng)及南寧市富庶鄉(xiāng)三地交界上，礦區(qū)已探明鳳凰山大型銀礦床和姆馱山礦床[1-2]、淥井鉛鋅礦等大小不等的礦床。利用三維激光技術(shù)的圍巖結(jié)構(gòu)面信息分析圍巖蝕變及礦化特征是開展礦床定量化研究的新方法[3-7]，在實(shí)際運(yùn)用中仍有待進(jìn)一步完善。圍巖蝕變及礦化具有密切的關(guān)系[8-9]，與為此筆者以羅維礦區(qū)鉛鋅銀多金屬礦為研究對(duì)象，研究利用三維激光技術(shù)的圍巖結(jié)構(gòu)面信息采集和提取羅維礦區(qū)鉛鋅銀多金屬礦圍巖蝕變及礦化特征的分析方法，促進(jìn)對(duì)礦床的基礎(chǔ)研究。

1 研究區(qū)概況

1.1 區(qū)域地質(zhì)

羅維礦區(qū)所屬區(qū)域位于華南揚(yáng)子板塊與華夏板塊結(jié)合帶部位的崇左弧盆系、崇左島弧之上。地層有基底地層寒武系淺變質(zhì)類復(fù)理石碎屑巖和蓋層泥盆系碎屑巖、碳酸鹽巖(圖1)。研究區(qū)分布于西大明山背斜的北東部。鳳凰山銀鉛鋅礦床和淥井鉛鋅礦床是西大明山地區(qū)兩個(gè)有代表性的熱液型脈狀銀鉛鋅礦床。地層出露情況：鳳凰山鉛鋅銀礦區(qū)以寒武系黃洞口組為主，淥井鉛鋅礦區(qū)及羅維鎢鉍礦區(qū)以寒武系小內(nèi)沖組為主。礦區(qū)構(gòu)造以斷裂為主，斷裂構(gòu)造是礦區(qū)主要的控礦和容礦構(gòu)造。巖漿巖分布很少，僅出露少量酸性和基性巖脈。在斷裂破碎帶附近，鳳凰山鉛鋅銀礦床的圍巖蝕變類型有絹云母化、黃鐵礦化、硅化、碳酸鹽化等。淥井鉛鋅礦床的圍巖蝕變類型有絹云母化、黃鐵礦化、硅化。

1.2 礦床地質(zhì)特征

研究區(qū)面上多以熱液脈型礦床為主，如鳳凰山礦床、淥井礦床、長(zhǎng)屯礦床和弄屯礦床等(圖1)。典型礦區(qū)圍巖蝕變強(qiáng)烈，主要有矽卡巖化、黃鐵礦化、硅化、綠泥石化、黏土化和碳酸鹽化，局部發(fā)育有絹云母化。其中矽卡巖化與鎢鉍礦化關(guān)系最密切。

圖1 羅維礦區(qū)區(qū)域地質(zhì)構(gòu)造略圖

1.2.1 鳳凰山鉛鋅銀礦床

鳳凰山鉛鋅銀礦床礦體主要受斷裂構(gòu)造控制。鳳凰山鉛鋅銀礦床礦體多數(shù)產(chǎn)在斷層F1和F4中，斷層F2中也有礦體，可見NWW向—EW向斷層是主要的控礦斷層，該組斷層產(chǎn)狀變化部位和局部張性地段是控礦的有利部位。另外，還有一些礦體分布在NW向斷層F5、F6與NWW向—EW向斷層F1、F2的交會(huì)部位，可見NW向與NWW向—EW向斷層交會(huì)部位也是成礦的有利部位。然而，NE向斷層卻很少含有礦體，說明NE向斷層含礦性差。鳳凰山鉛鋅銀礦床中的礦體分為5個(gè)，礦體平均走向?yàn)镹WW到EW向，平均傾向?yàn)镾SW，礦體的傾角大多較陡。

鳳凰山鉛鋅銀礦床的礦物組成較復(fù)雜，以含多種銀礦物和錳礦物為特征，金屬礦物主要有黃鐵礦、白鐵礦、磁黃鐵礦、毒砂、黃銅礦、方鉛礦、閃鋅礦、硫錳礦以及多種含銀的礦物等。礦石多具有結(jié)晶粒狀結(jié)構(gòu)、填隙結(jié)構(gòu)和交代結(jié)構(gòu)。礦石構(gòu)造主要有浸染狀構(gòu)造、塊狀構(gòu)造和脈狀構(gòu)造等。

鳳凰山鉛鋅銀礦床的圍巖蝕變類型主要為絹云母化、黃鐵礦化、硅化、碳酸鹽化等。

1.2.2 淥井鉛鋅礦床

淥井鉛鋅礦床的西段有7個(gè)礦體，多數(shù)為盲礦體。這些礦體呈近EW向平行排列，傾向約165°，傾角70°～80°。每個(gè)礦體呈脈狀產(chǎn)出，礦體沿走向及傾向有擴(kuò)大、收縮、彎曲、尖滅等變化。其中，3號(hào)礦體最長(zhǎng)，達(dá)1060 m，延伸最深，達(dá)300 m，是淥井礦區(qū)的主礦體。目前，除3號(hào)和5號(hào)礦體外，其余各礦體均已尖滅并被采空。

淥井鉛鋅礦床的東段有5個(gè)礦體。這些礦體一般充填在層面裂隙中，傾角較小，多呈透鏡狀。其中，8號(hào)礦體規(guī)模較大，長(zhǎng)250 m，寬100 m，傾向SE，傾角24°，目前已被采空。其余4個(gè)礦體為零星小礦體，工業(yè)意義不大。

淥井鉛鋅礦床礦石的礦物組成簡(jiǎn)單，金屬礦物有方鉛礦、閃鋅礦、黃鐵礦和黃銅礦以及極少量的斑銅礦和輝銅礦，非金屬礦物有石英、絹云母、方解石；方鉛礦和閃鋅礦是該礦床的礦石礦物。氧化礦物有褐鐵礦、孔雀石、白鉛礦、鉛礬、菱鋅礦等。礦石結(jié)構(gòu)主要為結(jié)晶粒狀結(jié)構(gòu)、共結(jié)邊結(jié)構(gòu)、固溶體分離結(jié)構(gòu)等。礦石構(gòu)造有致密塊狀構(gòu)造、條帶狀構(gòu)造、脈狀構(gòu)造和斑雜狀構(gòu)造等。

淥井鉛鋅礦床的圍巖蝕變類型主要為絹云母化、黃鐵礦化、硅化。

2 研究方法

該方法流程圖見圖2。

圖2 流程圖Fig.2 Flow chart

2.1 基于三維激光技術(shù)的圍巖結(jié)構(gòu)面信息采集

三維激光掃描設(shè)備使用FARO(Focus 3D)的相位法測(cè)量。采用模板匹配算法將圍巖結(jié)構(gòu)面劃分為多個(gè)方向的模板，每一模板均為N×N矩陣，再利用掃描儀以巖心為對(duì)象，對(duì)礦區(qū)內(nèi)的圍巖結(jié)構(gòu)面進(jìn)行掃描。采用逐行(或列)掃描方式記錄有關(guān)結(jié)構(gòu)面坐標(biāo)信息。具體步驟如下：

步驟1：打開圍巖圖像，經(jīng)過圖像處理后，將鼠標(biāo)移至圖像顯示區(qū)域，此時(shí)鼠標(biāo)將變成定位光標(biāo)形狀，在軟件狀態(tài)欄中同時(shí)顯示光標(biāo)所在的位置。

步驟2：選定某一圍巖結(jié)構(gòu)面，將光標(biāo)移至該結(jié)構(gòu)面中心一側(cè)起始點(diǎn)位置，通過鍵盤上、下、左、右等按鍵對(duì)光標(biāo)精確定位，并用“Tab”鍵記錄該點(diǎn)坐標(biāo)(像素單位)，對(duì)該結(jié)構(gòu)面進(jìn)行逐行或列定位，分別記錄各個(gè)坐標(biāo)點(diǎn)坐標(biāo)。追索完畢后，按“F2”存盤，存儲(chǔ)為文件形式。

步驟3：重復(fù)步驟2，對(duì)其他各結(jié)構(gòu)面中心進(jìn)行定位，拾取結(jié)構(gòu)面坐標(biāo)信息結(jié)束。

羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面產(chǎn)狀信息的η矩陣模式：

(1)

其中，Φ、φ、γ表示羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面產(chǎn)狀信息的法向量，x、y表示坐標(biāo)。

假定羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面中m個(gè)點(diǎn)的坐標(biāo)依次是(x1，y1，z1)，(x2，y2，z2)，…，(xm，ym，zm)，m表示圍巖結(jié)構(gòu)面中結(jié)構(gòu)點(diǎn)的數(shù)量。那么將公式(1)表示為

(2)

(3)

其中，(Φ、φ、γ)表示B，為圍巖結(jié)構(gòu)面產(chǎn)狀信息的法向量。三維激光掃描儀的運(yùn)行原理是激光反射[7]，僅可以掃描獲取完整的巖體結(jié)構(gòu)面，所以單位法向量里，γ的值大于0，(Φ、φ、γ)表示巖體結(jié)構(gòu)面的單位外法向量。在大地坐標(biāo)系里，設(shè)Y正軸方向是正北，X正軸方向是正東，Z正軸方向是上，使用公式(4)能夠得到此巖體結(jié)構(gòu)面在大地坐標(biāo)系里的傾向θ與傾角?：

?=arccos(γ)

(4)

(5)

基于法向量計(jì)算的結(jié)構(gòu)面傾向角數(shù)據(jù)，為智能化提取羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面信息，使用K均值聚類分析方法，對(duì)結(jié)構(gòu)面實(shí)施分類劃分。聚類核心內(nèi)容為每個(gè)結(jié)構(gòu)面的法向量數(shù)據(jù)，聚類后運(yùn)算每個(gè)聚類中法向量數(shù)據(jù)，將其變換成傾向傾角數(shù)據(jù)。K均值聚類分析方法：

1)設(shè)置羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面信息聚類總數(shù)M；

2)初始化聚類中心：任意選擇M個(gè)樣本設(shè)成初始聚類中心；

3)樣本點(diǎn)分類：按照就近標(biāo)準(zhǔn)把羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面信息樣本設(shè)成某個(gè)聚類中心，運(yùn)算此聚類中心值；

4)多次執(zhí)行第3)步，直至全部樣本點(diǎn)均被納入對(duì)應(yīng)種類里；

5)多次執(zhí)行第3)～第4)步，直到聚類中心值不會(huì)出現(xiàn)變動(dòng)方可停止，獲取羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面每個(gè)中心點(diǎn)坐標(biāo)和每個(gè)節(jié)點(diǎn)的分類值[11]。

2.2 基于PCA和布谷鳥算法優(yōu)化SVM的遙感礦化蝕變信息提取

蝕變及礦化特征通常出現(xiàn)于金屬礦圍巖結(jié)構(gòu)表面，使用基于三維激光技術(shù)的羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面信息采集方法，獲取羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面信息后，利用基于PCA和布谷鳥算法優(yōu)化SVM的遙感礦化蝕變信息提取方法，提取礦化蝕變信息，實(shí)現(xiàn)羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變及礦化特征研究。

2.2.1 基于PCA的SVM

通過非線性轉(zhuǎn)換將輸入樣本空間映射到高位空間，然后在高位空間中檢索最佳分類平面，以此實(shí)現(xiàn)樣本數(shù)據(jù)分類識(shí)別[12]。

(6)

使用松弛變量εj和懲罰因子D解決特征提取誤差問題，以此轉(zhuǎn)換成：

(7)

參照泛函理論，在蝕變及礦化特征數(shù)據(jù)種類最佳分類中導(dǎo)入1個(gè)合理的內(nèi)積函數(shù)T(a，aj)，實(shí)現(xiàn)蝕變及礦化特征輸入空間至高維空間的變換，內(nèi)積函數(shù)為

(8)

其中，a為圍巖結(jié)構(gòu)面信息訓(xùn)練樣本；β2為核參數(shù)。蝕變及礦化特征數(shù)據(jù)最佳分類面相應(yīng)的分類決策函數(shù)k(a)是

(9)

核函數(shù)的類型對(duì)支持向量機(jī)分類效果的作用不大，而核參數(shù)和懲罰因子對(duì)其分類結(jié)果存在直接影響。所以，本文需要通過布谷鳥算法完成支持向量機(jī)核參數(shù)和懲罰因子的尋優(yōu)。

2.2.2 基于布谷鳥算法的SVM最佳參數(shù)提取

布谷鳥設(shè)置三種理想條件：

1)布谷鳥一次只生產(chǎn)一顆蛋，無規(guī)律性的在某個(gè)鳥窩里實(shí)施孵育；

2)只把最佳鳥窩遺傳至后代；

3)可以采用的鳥窩數(shù)量M存在固定性，假定鳥窩宿主能夠發(fā)覺陌生鳥蛋的概率是Qa∈[0，1]。

(10)

(11)

通過布谷鳥算法完成支持向量機(jī)核函數(shù)和懲罰因子的尋優(yōu)，它的輸入屬于一組隨機(jī)出現(xiàn)的值，輸出是一組最佳的懲罰因子和核參數(shù)。具體步驟：

1)初始化布谷鳥種群

3)更新鳥窩位置，把更新后鳥窩方位和上一代對(duì)比，獲取最佳位置，以此判斷更新后鳥窩位置qt。

4)將Qa與隨機(jī)數(shù)w對(duì)比，保存被察覺概率最低的鳥窩，更新被察覺概率最高的鳥窩；計(jì)算新鳥窩適應(yīng)度，把它和qt里鳥窩位置的適應(yīng)度進(jìn)行對(duì)比，適應(yīng)度很低的鳥窩會(huì)被適應(yīng)度較高的鳥窩代替，以此得到新的最佳鳥窩位置qt。

5)分析最優(yōu)鳥窩位置的適應(yīng)度值是否滿足需求，如果滿足，輸出最佳鳥窩，此時(shí)的懲罰因子和核參數(shù)即為最佳值。

2.2.3 礦化蝕變信息提取步驟

1)輸入已利用三維激光技術(shù)采集的羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面信息數(shù)據(jù)；

2)使用訓(xùn)練后最佳SVM模型，完成羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變及礦化特征分類，輸出所獲取的圍巖結(jié)構(gòu)面蝕變及礦化特征。

3 信息采集

按上述2.1節(jié)對(duì)礦區(qū)圍巖結(jié)構(gòu)面信息進(jìn)行采集，見表1。

表1 各個(gè)礦區(qū)巖心信息采集情況Table 1 Drilling core information collection of each mining area

使用基于三維激光技術(shù)的羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面信息采集方法，獲取羅維礦區(qū)鉛鋅銀多金屬礦蝕變遙感圖(圖3)。

圖3 蝕變遙感圖Fig.3 Remote sensing map of alteration

4 實(shí)驗(yàn)結(jié)果

使用本文方法對(duì)羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變及礦化特征進(jìn)行研究，該礦區(qū)礦產(chǎn)詳情見表2。

表2 該礦區(qū)礦產(chǎn)詳情Table 2 Details of mineral resources in the mining area

該礦區(qū)中，蝕變礦產(chǎn)鉛鋅銀多金屬礦圍巖存在蝕變情況。

4.1 硅化類蝕變

在羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變類型為硅化條件下，使用本文方法對(duì)羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變及礦化特征進(jìn)行提取，結(jié)果見表3、表4。

表3 硅化蝕變及礦化特征提取結(jié)果Table 3 Silicification alteration and mineralization feature extraction result

表4 本文方法提取差值Table 4 The method of this paper extracts the difference

分析表3、表4數(shù)據(jù)可知，硅化蝕變條件下，利用所提方法提取羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變及礦化特征后，僅對(duì)鉛礦平均厚度提取結(jié)果存在0.01 m的誤差，剩下特征提取誤差為0 t、0 t/m3、0萬噸，由此可見，硅化蝕變條件下，本文方法對(duì)羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變及礦化特征的提取結(jié)果可信。

4.2 碳酸鹽化類蝕變

在羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變類型為碳酸鹽化條件下，使用本文方法對(duì)羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變及礦化特征進(jìn)行提取，結(jié)果見表5、表6。

由表5、表6可知，在羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變類型為碳酸鹽化條件下，所提方法下，鉛礦與銀礦的資源量、平均厚度、礦石體重以及礦石量提取結(jié)果無誤差，鋅礦的資源量、礦石體重以及礦石量的提取結(jié)果無誤差，但是平均厚度存在0.01m的差值。

表5 碳酸鹽化蝕變及礦化特征提取結(jié)果Table 5 Carbonate alteration and mineralization feature extraction result

表6 本文方法提取差值Table 6 The method of this paper extracts the difference

4.3 黃鐵礦化類蝕變

在黃鐵礦化類蝕變條件下，提取羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變及礦化特征。結(jié)果見表7、表8。

表7 黃鐵礦化蝕變及礦化特征提取結(jié)果Table 7 Pyritization alteration and mineralization feature extraction result

表8 本文方法提取差值Table 8 The method of this paper extracts the difference

由表7、表8可知，所提方法在黃鐵礦化蝕變條件下，對(duì)羅維礦區(qū)鉛鋅銀多金屬礦圍巖結(jié)構(gòu)面蝕變及礦化特征的提取差值最大值為0.02 m，僅對(duì)銀礦與鋅礦的平均厚度提取結(jié)果存在差值，但是差值不大，在可接受范圍內(nèi)。

5 結(jié)論

文章提出基于礦化蝕變信息提取的羅維礦區(qū)鉛鋅銀多金屬礦圍巖蝕變及礦化特征研究方法。利用三維激光技術(shù)采集圍巖結(jié)構(gòu)面信息，基于PCA和布谷鳥算法優(yōu)化SVM的遙感礦化蝕變信息提取，并使用本文方法，在硅化類、碳酸鹽化類和黃鐵礦化類蝕變條件下，對(duì)羅維礦區(qū)礦化特征進(jìn)行提取。提取結(jié)果表示：本文方法結(jié)構(gòu)面特征的提取結(jié)果誤差差值較小。