基于Meta分析的青海雜多地區(qū)成礦定量預測

潘勇，彭省臨，彭光雄, 2

?

基于Meta分析的青海雜多地區(qū)成礦定量預測

潘勇1, 3，彭省臨1，彭光雄1, 2

(1. 中南大學地球科學與信息物理學院，長沙 410083；2. 大陸構造與動力學國家重點實驗室，北京100037；3. 廈門大學嘉庚學院，廈門，363105)

為降低權重確定的不確定性，將循證醫(yī)學領域廣泛使用的Meta 分析方法用于定量預測青海雜多地區(qū)的礦產資源。在分析該地區(qū)成礦規(guī)律與控礦因素的基礎上，選擇地層、構造、巖漿巖、地磁異常、化探異常和遙感蝕變異常這6個要素的11個預測因子，構建成礦定量預測的指標體系。以區(qū)內的50多個已知礦點為樣本，采用規(guī)則網(wǎng)格單元統(tǒng)計上述11個預測因子與已知礦點的空間位置套合情況，從而將地質資料中的非定量數(shù)據(jù)轉化為Meta分析所要求的定量信息，并通過Meta分析計算得到不同預測因子的優(yōu)勢比。通過分析各個預測因子之間優(yōu)勢比之差，結合模糊綜合層次分析法(FAHP)求得各個因子在成礦預測中的權重?；谠摍嘀?，利用模糊綜合評判(FCA)建立青海雜多地區(qū)鉛鋅多金屬礦的成礦定量預測模型，并劃分出3類不同級別的成礦有利區(qū)。以此為基礎，劃定出5個成礦遠景區(qū)，圈定A類勘查靶區(qū)5處，B類勘查靶區(qū)10處，C類勘查靶區(qū)20處。研究結果表明：基于Meta分析的定量預測法比常規(guī)的綜合化探異常法的找礦有效性提高36%。

Meta分析；隱伏礦體；模糊綜合評判；定量預測

隨著數(shù)據(jù)采集技術、數(shù)據(jù)處理技術及成礦理論的發(fā)展，成礦預測所能借助的方法和技術手段也日益增多，基于多元信息的定量成礦預測成為找礦預測領域的研究熱點。由于成礦預測中地質變量的復雜性和不確定性，定量預測地下深部地質體及隱伏礦床非常具有挑戰(zhàn)性[1?2]。而定量確定找礦目標與找礦信息之間的關系，是解決上述問題的重要途徑與前沿技術之 一[3?5]。權重是定量體現(xiàn)找礦目標與找礦信息的重要指標，因此，科學、客觀地確定成礦定量預測中各個信息變量的權重具有十分重要的意義[6?7]。證據(jù)權法(weights of evidence)是AGTERBERG[8]提出的一種基于概率不確定性與貝葉斯律的地學統(tǒng)計方法，在成礦定量預測中應用較為廣泛。但證據(jù)權法要求各個證據(jù)層必須是二值化或者是多分類數(shù)據(jù)，并且參與預測的各個變量之間是必須相互獨立的[9]，因而具有一定的局限性。Meta分析(meta-analysis)以其超常規(guī)的綜合分析能力，廣泛應用于心理、教育和醫(yī)學等領域，是循證醫(yī)學研究的重要方法，20世紀90年代后開始被引入到生態(tài)領域并得到了生態(tài)學界的高度重視[10?12]。近幾年，研究者開始嘗試將Meta 分析應用于找礦預測領域，并在定量處理不確定性的地質數(shù)據(jù)方面顯示出優(yōu)越性[5, 13?14]。Meta分析的統(tǒng)計量—效應尺度(如相關系數(shù)、優(yōu)勢比、對照組與實驗組的標準化差值)可給出處理效應的定量結果，解決研究結果的不一致性，并為權重的客觀確定提供有效的工具[14?15]。由于Meta分析有利于降低權重確定的不確定性，從而能有效提高多元信息成礦定量預測的能力。為此，本文作者將Meta分析應于定量分析青海雜多鉛鋅多金屬礦區(qū)的成礦預測，以期提高該地區(qū)的礦產勘查靶區(qū)優(yōu)選的準確性，為進一步找礦部署提供科學依據(jù)。

1 Meta分析的原理和方法

Meta分析是一種超常規(guī)的綜合分析方法[16?17]。劉關鍵等[16]將Meta分析的統(tǒng)計學過程概括為3部分：合并統(tǒng)計量的選擇；異質性檢驗；合并統(tǒng)計量的假設檢驗。Meta分析的基礎是必須獲取大量實驗結果的定量數(shù)據(jù)。Meta分析的初衷是對相同研究主題的相關文獻進行綜合定量分析[18]，因此，應用于成礦定量預測中時，需要將地質調查與勘探中獲取的成礦預測信息進行量化提取，并轉化為Meta分析能夠識別利用的數(shù)據(jù)[19?20]。網(wǎng)格單元法是實現(xiàn)上述數(shù)據(jù)量化提取的有效方法之一。彭省臨等[5, 20]通過“微分單元法”實現(xiàn)了成礦定量預測中面向Meta分析的地質數(shù)據(jù)量化提取。對地質數(shù)據(jù)量化提取的結果進行Meta分析，可得到不同地質變量的優(yōu)勢比O，從而獲得不同地質變量對成礦預測的重要性定量指標。

2 成礦預測指標體系

2.1 地質背景

研究區(qū)位于青藏北特提斯成礦域、唐古拉成礦省、沱沱河—雜多華力西期—喜山期銅鉬鉛鋅銀成礦帶的中西段，也是“三江”成礦帶的北延部分。區(qū)內地層主要為早石炭世雜多群灰?guī)r及晚三疊世結扎群灰?guī)r。地層之間以斷塊形式呈北西—南東向展布，與區(qū)域構造線基本一致。斷裂構造主要為北西—南東走向，其次為北東—南西走向。區(qū)內地層、火山巖、侵入巖及礦產的空間展布均受斷裂構造控制。已發(fā)現(xiàn)的礦化帶大部分沿北西—南東向斷裂帶分布，形成的礦體大部分賦存于其次級斷裂帶中?；鹕綆r、侵入巖較發(fā)育，侵入巖與區(qū)內多金屬成礦的關系較密切，已發(fā)現(xiàn)的礦化多產于巖體外接觸帶部位的灰?guī)r和矽卡巖中。區(qū)內礦產較豐富，尤以銅、鉬、鉛、鋅為主，其次為鐵、銀等。具有一定規(guī)模的礦床有然者涌鉛鋅銀礦床、東莫扎抓鉛鋅礦床和莫海拉亨鉛鋅礦床等[4]。

2.2 地質變量的選取

以區(qū)內鉛鋅礦床的成礦規(guī)律和控礦因素為依據(jù)，選擇地層、斷裂、巖漿巖、地磁異常、化探異常和遙感蝕變異常這6個要素的11個變量建立成礦預測指標體系(見表 1)。這6個要素的11個地質信息變量通過遙感解譯、化探及地磁數(shù)據(jù)處理、礦化蝕變遙感信息提取等手段進行量化處理。

表1 成礦定量預測的指標體系及評分表

2.3 數(shù)據(jù)量化提取

根據(jù)Meta分析的思路和步驟，基于網(wǎng)格單元，可采取多區(qū)域法和多級網(wǎng)格法2種方法實現(xiàn)地質資料數(shù)據(jù)的量化提取。潘勇等的研究表明[14]：采用Meta分析進行數(shù)據(jù)量化提取時，應優(yōu)先采用多區(qū)域法，其次才能選用多級網(wǎng)格法。由于研究區(qū)內的樣本數(shù)據(jù)比較豐富，能夠滿足多區(qū)域法Meta分析量化提取的要求，因此，優(yōu)先選擇多區(qū)域法將地質調查中的非定量數(shù)據(jù)轉化為Meta分析所要求的定量信息。

研究區(qū)包括12個1:5萬比例尺的標準圖幅范圍，約5 000 km2，其中北部4個圖幅的礦床(點)資料較豐富，可以用于進行Meta分析確定指標的權重，然后，利用這4個圖幅確定的權重來構建全區(qū)12個圖幅的成礦定量預測模型。利用多區(qū)域法時，將北部4個圖幅劃分為10個不同的區(qū)塊進行統(tǒng)計。

網(wǎng)格單元的尺度大小也是影響Meta分析效果的重要因素之一，一般根據(jù)區(qū)內資料的豐富程度及地區(qū)經驗來選擇[14]。根據(jù)區(qū)內已有地質調查數(shù)據(jù)，通過多次試驗后發(fā)現(xiàn)1 km×1 km是最優(yōu)網(wǎng)格單元尺度。以1 km×1 km規(guī)則網(wǎng)格單元劃分研究區(qū)信息統(tǒng)計單元，統(tǒng)計上述11個地質信息變量與每個網(wǎng)格的空間位置套合情況。當網(wǎng)格中每包含11個地質信息變量中的1個變量信息時，賦給單元格的值則加1，根據(jù)實際情況進行累加。在一般情況下，單元格的賦值越高，則成礦的可能性越大，可暫且將單元格的賦值成礦≥6的單元格設為遠景成礦單元格，作為Meta分析的1個參照對象。

分別用全變量組合和缺某個變量的變量組合進行比較，統(tǒng)計已知礦點落在單元格的數(shù)量，進行Meta分析，可計算獲得相應的優(yōu)勢比O，從而確定地質信息變量對于成礦的相對重要程度。設全變量遠景成礦單元格數(shù)量為，有礦點落入的實際有礦單元格數(shù)量為, 有礦點落入的遠景成礦單元格數(shù)量為，則基于10個區(qū)塊的地質資料，利用多區(qū)域法可分別統(tǒng)計得到，和，如表2所示。

表2 單元格網(wǎng)中的礦點數(shù)量統(tǒng)計表

3 Meta分析

Review Managers是用于循證醫(yī)學Meta分析的軟件，由國際Cochrane協(xié)作網(wǎng)開發(fā)并免費發(fā)布。利用Review Manager(V5.1)對表2所示統(tǒng)計結果進行Meta分析。異質性檢驗結果=1.0，大于0.05，因此，可認為上述的多個獨立研究具有同質性，可采用固定效應模型(fixed effect model)計算其合并統(tǒng)計量。缺1變量組森林圖中菱形與垂線相交并位于垂直線偏右側位置，假設檢驗=0.43，大于0.05，因此，統(tǒng)計學意義不明顯。其余2至11共10個變量的假設檢驗均小于0.05，森林圖中菱形完全位于垂直線右側，結果具有統(tǒng)計學意義。全變量組與缺某個變量組Meta分析所得優(yōu)勢比O如表3所示。優(yōu)勢比O越大，說明對應的變量對成礦的貢獻越大，在成礦定量預測中對應變量的權重也就越大。由表3可知：8(鉛鋅銀成礦元素組合因子)對成礦的貢獻最大，其O為3.44；其次為3(斷裂構造交點數(shù)高值區(qū)緩沖帶)，其O為3.22；1(地層)對成礦的貢獻最小，其O僅為1.17。

表3 變量組Meta分析的優(yōu)勢比RO及總體效應檢驗

4 權重分析

模糊綜合層次分析法 (fuzzy analytical hierarchy process, FAHP) 是確定權重常用的一種系統(tǒng)分析方法[21?22]。本文采用0.1~0.9標度法構建模糊互補判斷矩陣[22?23]。變量的優(yōu)勢比O越大，則其對成礦的貢獻程度就越高。因此，可用2個變量之間的優(yōu)勢比O之差來衡量2個變量對于成礦作用的權重。根據(jù)表3的數(shù)據(jù)求得變量兩兩之差的絕對值如表4所示，用來分析O之差的分布情況。

由表4可知：數(shù)據(jù)集的O之差最小值為0，最大值為2.27，平均值為0.83，標準差為0.59。根據(jù)模糊綜合層次分析法的0.1~0.9標度法及其含義，則可判定均值以下區(qū)間為稍微重要的標度，均值加1，2和3倍標準差依次對應明顯重要、重要得多、極端重要的標度。當兩者O之差在(0，0.83 ]之內時“標度”設為0.6；當兩者O之差在(0.83，1.42] 之內時“標度”設為0.7；當兩者O之差在(1.42，2.01]之內時“標度”設為0.8; 當兩者O之差在(2.01，3]之內時“標度”設為0.9。根據(jù)表4以及上述O之差標度量化規(guī)則，從而可將優(yōu)勢比O轉化為權重模糊互補判斷矩陣，如表5所示。

表4 變量RO之差的絕對值統(tǒng)計表

表5 11個變量的權重模糊互補判斷矩陣A

利用徐澤水推導的方法[24]，可對模糊互補判斷矩陣求解，得到1至11這11個成礦預測變量的權重分別為0.072 7，0.086 3，0.110 0，0.079 0， 0.087 2，0.098 1，0.092 7，0.113 6，0.088 1，0.082 7，0.084 5。根據(jù)陳華友等[25]推導的計算方法，利用模糊互補判斷矩陣和特征矩陣可求得相容性指數(shù)(,*)=0.094 7(小于0.100 0)，可以通過一致性檢驗，因此，其權重的分配是合理的。

5 成礦有利區(qū)

在Meta分析定量確定目標因素權重的基礎上，通過網(wǎng)格進行評價單元劃分，利用模糊綜合評判法(fuzzy comprehensive appraisement, FCA)可對各個單元的成礦有利度進行評價和分級。利用模糊綜合評價FCA進行成礦定量預測可歸納為以下幾步：1) 建立因素集，如前述的11個成礦預測變量；2) 建立決斷集，研究區(qū)內的各個單元格的評語即構成決斷集；3) 建立單因素評判模糊矩陣；4) 確定權重集；5) 綜合評判，對方案集進行隸屬度復合運算。根據(jù)=·，求得每個網(wǎng)格單元的成礦有利度即綜合評價值。預測區(qū)范圍包括12個1:5萬標準圖幅，面積約為5 000 km2。與前述規(guī)則網(wǎng)格的尺度一致，采用1 km×1 km網(wǎng)格單元進行模糊綜合評判和成礦預測。

5.1 評判矩陣

根據(jù)地球化學元素和地磁異常特點，可以確定Pb，Zn和F因子及地磁等定量變量的隸屬度函數(shù)，定性變量的隸屬度由專家評分確定，從而可得到評判矩陣。

5.2 成礦有利區(qū)

采用加權平均模型對方案集進行隸屬度復合運算。根據(jù)=·，即可求得每個網(wǎng)格單元的綜合評價值即成礦有利度。根據(jù)成礦有利度的直方圖，可取總體累積頻率95%處的作為成礦有利區(qū)的臨界值[26]。根據(jù)累積頻率可得到3類成礦有利區(qū)的分組區(qū)間分別為：一級成礦有利區(qū)[0.457 4，0.694 3)；二級成礦有利區(qū)[0.325 9，0.457 4)；三級成礦有利區(qū)[0.239 1，0.325 9)。

5.3 驗證Meta分析

利用北部4個圖幅范圍內10個區(qū)塊的礦床(點)資料，以2 km×2 km為網(wǎng)格單元，采用多區(qū)域法對基于Meta分析的定量預測法與常規(guī)的化探綜合異常法的成礦預測效果進行對比分析，得到表6所示的統(tǒng)計結果。基于Meta分析的定量預測法與常規(guī)的化探綜合異常法所得結果與已知礦(化)點的平均吻合率分別為16.6%和12.2%。

表6 定量預測法與化探綜合異常法的預測結果與已知礦(化)點的吻合情況統(tǒng)計表

Meta分析的異質性檢驗結果為=1.00，大于0.05，可認為多個獨立研究具有同質性。森林圖中菱形完全位于垂直線右側，并且假設檢驗小于0.05，差異具有統(tǒng)計學意義，其優(yōu)勢比O=1.38。Meta分析結果也說明基于Meta分析的定量預測法比與常規(guī)的化探綜合異常法的找礦預測效果更顯著，前者比后者的找礦預測有效性提高36%。

5.4 礦產勘查靶區(qū)圈定

研究區(qū)內的成礦有利區(qū)都是呈北西向展布，與區(qū)域構造方向一致，說明礦床受區(qū)域斷裂構造的控制作用明顯。根據(jù)成礦有利區(qū)的空間分布，可以劃分出5個大的成礦遠景區(qū)：1) 然者涌—色窮弄成礦遠景區(qū)；2) 耐千—東腳涌成礦遠景區(qū)；3) 葉龍達—甘藏—東莫扎抓成礦遠景區(qū)；4) 等群卡—莫海拉亨成礦遠景區(qū)；5) 吉龍塞—吉那涌成礦遠景區(qū)。1)~4)成礦遠景區(qū)主要受羊曲河—襄謙斷裂帶控制，與區(qū)內1:5萬水系沉積物化探組合異常較吻合，區(qū)內已發(fā)現(xiàn)然者涌、東莫扎抓及莫海拉亨等鉛鋅礦床和幾十個礦點。第5)個成礦遠景區(qū)則主要受控于解曲斷裂帶，位于1:25萬礦產圖上鉛鋅甲級異常區(qū)，但在區(qū)內1:5萬水系沉積物化探組合異常上不明顯，區(qū)內有少量礦床(點)，遙感的硅化和鐵帽異常非常強烈。根據(jù)A，B和C這3類勘查靶區(qū)的劃分方法和原則，基于一、二和三級成礦有利區(qū)，綜合分析相關資料在5個成礦遠景區(qū)內，共劃分出A類勘查靶區(qū)5處，B類勘查靶區(qū)10處，C類勘查靶區(qū)20處(如表7所示)，可為進一步找礦部署提供依據(jù)。

表7 青海雜多地區(qū)銅鉛鋅多金屬礦勘查靶區(qū)

6 結論

1) 對成礦預測中的各個地質信息變量，利用網(wǎng)格單元法可將地質資料中的非定量數(shù)據(jù)轉化為Meta分析所要求的定量信息，并通過Meta分析可計算不同地質變量的優(yōu)勢比。分析各個變量之間優(yōu)勢比之差，可確定各個地質信息變量對于成礦作用的重要程度，利用模糊綜合層次分析法即可求取各個變量在成礦預測中的權重。

2) 對于不精確的、非線性的控礦因素，模糊綜合評判模型能有效地量化并揭示出成礦有利度與控礦因素間的模糊關系，在成礦定量定位預測中顯示出較好的優(yōu)越性。

3) 基于Meta分析和模糊綜合評判的成礦定量預測模型，在地質勘探數(shù)據(jù)較豐富的情況下，對成礦預測中地質信息變量權重的確定較客觀、合理，采用所建立的成礦定量預測模型取得了較理想的成礦預測效果。但這方面的研究工作尚處于起步階段，仍需要更進一步研究使之更加方便、快捷和實效。

致謝：感謝青海省地質調查院為本文提供的地質資料。

[1] 成秋明. 非線性礦床模型與非常規(guī)礦產資源評價[J]. 地球科學: 中國地質大學學報, 2003, 28(4): 445?455. CHEN Qiuming. Nonlinear mineralization model and information processing methods for prediction of unconventional mineral resources[J]. Earth Science: Journal of China University of Geosciences, 2003, 28(4): 445?455.

[2] PARK N W, CHI K H, KWON B D. Accounting for spatial patterns of multiple geological data sets in geological thematic mapping using GIS based spatial analysis[J]. Environmental Geology, 2007, 51(2): 1147?1155.

[3] 趙鵬大. “三聯(lián)式”資源定量預測與評價數(shù)字找礦理論與實踐探討[J]. 地球科學: 中國地質大學學報, 2002, 27(5): 482?490. ZHAO Pengda. “Three component” quantitative resource prediction and assessments: theory and practice of digital mineral prospecting[J]. Earth Science: Journal of China University Of Geosciences, 2002, 27(5): 482?490.

[4] 侯增謙, 宋玉財, 李政, 等. 青藏高原碰撞造山帶PbZnAgCu礦床新類型: 成礦基本特征與構造控礦模型[J]. 礦床地質, 2008, 27(2): 123?144.HOU Zengqian, SONG Yucai, LI Zheng, et al. Thrust controlled, sedimentshosted PbZnAgCu deposits in eastern and northern margins of Tibetan Orogenic Belt: geological features and tectonic model[J]. Mineral Deposits, 2008, 27(2): 123?144.

[5] 彭省臨, 王穎, 邵擁軍, 等. Meta分析在深部找礦預測研究中的應用[J]. 高校地質學報, 2009, 15(4): 460?469.PENG Shenglin, WANG Ying, SHAO Yongjun, et al. Application of metaanalysis to deep prospecting predictions: an example from the Tongshan copper deposit, Tongling, Anhui Province[J]. Geological Journal of China Universities, 2009, 15(4): 460?469.

[6] 王世稱. 綜合信息礦產預測理論與方法體系新進展[J]. 地質通報, 2010, 29(1): 1399?1404. WANG Shicheng. The new development of theory and method of synthetic information mineral resources prognosis[J]. Geological Bulletin of China, 2010, 29(1): 1399?1404.

[7] 彭省臨, 邵擁軍, 張建東. 金屬礦山隱伏礦找礦預測理論與方法[J]. 地質通報, 2011, 30(4): 538?543. PENG Shenglin, SHAO Yongjun, ZHANG Jiandong. Prospecting prediction theory and method about concealed oredeposit in metal mine[J]. Geological Bulletin of China, 2011, 30(4): 538?543.

[8] AGTERBERG F P. Computer programs for mineral exploration[J]. Science, 1989, 245(3): 76?81.

[9] CHENG Qiuming, AGTERBERG F P. Fuzzy weights of evidence method and its applications in mineral potential mapping[J]. Natural Resource Research, 1999, 8(1): 27?35.

[10] ERIC V W. Lack’s clutch size hypothesis: an examination of the evidence using metaanalysis[J]. Ecology, 1992, 73(5): 1699?1705.

[11] TONHASCA A, BYRNE D N. The effect of crop diversification on herbivorous insects: a metaanalysis approach[J]. Ecological Entomology, 1994, 19(2): 239?244.

[12] CURTIS P. A metaanalysis of leaf gas exchange and nitrogen in trees grown under elevated carbon dioxide[J]. Plant, Cell and Environment, 1996, 19(1): 127?137.

[13] 王穎, 彭省臨, 王雄軍. Meta分析在礦集區(qū)成礦信息權重值比較中的應用[J]. 中國地質, 2011, 38(1): 180?190. WANG Ying, PENG Shenglin, WANG Xiongjun. Application of oresearching information’weight comparison to the ore concentration area based on metaanalysis[J]. Geology in China, 2011, 38(1): 180?190.

[14] 潘勇, 彭光雄, 劉德波. 基于Meta分析的不同化探異常找礦有效性定量評價[J]. 中南大學學報(自然科學版), 2015, 46(1): 180?187.PAN Yong, PENG Guangxiong, LIU Debo. Quantitative evaluation on prospecting effectiveness of different geochemical anomalies based on metaanalysis[J]. Journal of Central South University (Science and Technology), 2015, 46(1): 180?187.

[15] DEAN C. Resampling tests for metaanalysis of ecological data[J]. Ecology, 1997, 78(5): 1277?1283.

[16] 劉關鍵, 吳泰相, 康德英. Meta分析中的統(tǒng)計學過程[J]. 中國臨床康復, 2003, 7(4): 538?539. LIU Guanjian, WU Taixiang, KANG Deying. The statistical process of metaanalysis[J]. Modern Rehabilitation, 2003, 7(4): 538?539.

[17] 趙寧, 俞順章. Metaanalysis: 一種新的定量綜合方法[J]. 中國慢性病預防與控制, 1993, 1(6): 277?281. ZHAO Ning, YU Shunzhan. Meta analysis: a new quantitative approach to research synthesis[J]. Chinese Journal of Prevention and Control of Chronic Noncommunicable Diseases, 1993, 1(6): 277?281.

[18] 黃魯眾, 楊騰飛, 黃晶晶, 等. 高溫作業(yè)對工人心電圖影響的Meta分析[J]. 中國循證醫(yī)學雜志, 2011, 11(2): 174?180. HUANG Luzhong, YANG Tengfei, HUANG Jingjing, et al. ECG changes in workers exposed to hightemperature: a metaanalysis[J]. Chinese Journal of Evidence Based Medicine, 2011, 11(2): 174?180.

[19] 陳進, 毛先成, 彭省臨, 等. 物化探技術有效性定量評價方法研究: 以鳳凰山銅礦CSAMT 法為例[J]. 大地構造與成礦學, 2010, 34(2): 263?269.CHEN Jin, MAO Xiancheng, PENG Shenglin, et al. Quantitative evaluation on availability through geophysical and geochemical prospecting techniques: a case study on CSAMT approach in Fenghuangshan copper deposit[J]. Geotectonica et Metallogenia, 2010, 34(2): 263?269.

[20] 彭省臨, 樊俊昌, 邵擁軍, 等. 礦山深部隱伏礦定位預測關鍵技術新突破[J]. 中國有色金屬學報, 2012, 22(3): 844?854.PENG Shenglin, FAN Junchang, SHAO Yongjun, et al. New breakthrough in key technologies of location prediction about deep concealed ore bodies of mine[J]. The Chinese Journal of Nonferrous Metals, 2012, 22(3): 844?854.

[21] 徐澤水. 一種改進的模糊一致性判斷矩陣構造方法[J]. 應用數(shù)學與計算數(shù)學學報, 1996, 11(2): 62?71. XU Zeshui. A improved method for constructing judgment matrix with fuzzy consistency[J]. Communication on Applied Mathematics and Computation, 1996, 11(2): 62?71.

[22] 張吉軍. 模糊層次分析法(FAHP)[J]. 模糊系統(tǒng)與數(shù)學, 2000, 14(2): 80?89. ZHANG Jijun. Fuzzy analytical hierarchy process[J]. Fuzzy Systems and Mathematics, 2000, 14(2): 80?89.

[23] 姬東朝, 宋筆鋒, 喻天翔. 模糊層次分析法及其在設計方案選優(yōu)中的應用[J]. 系統(tǒng)工程與電子技術, 2006, 28(11): 1692?1696. JI Dongchao, SONG Bifeng, YU Tianxiang. FAHP and its application in the selection of design scheme[J]. Systems Engineering and Electronics, 2006, 28(11): 1692?1696.

[24] 徐澤水. 模糊互補判斷矩陣排序的一種算法[J]. 系統(tǒng)工程學報, 2001, 16(4): 311?314. XU Zeshui. Algorithm for priority of fuzzy complementary judgment matrix[J]. Journal of Systems Engineering, 2001, 16(4): 311?314.

[25] 陳華友, 趙佳寶. 模糊判斷矩陣的相容性研究[J]. 運籌與管理, 2004, 13(1): 44?47. CHEN Huayou, ZHAO Jiabao. Research on compatibility of fuzzy judgment matrices[J]. Operations Research and Management Science, 2004, 13(1): 44?47.

[26] 韓春明. 應用模糊評判法預測東準噶爾地區(qū)金成礦有利區(qū)[J]. 新疆工學院學報, 1996, 17(3): 168?173. HAN Chunming. The application of fuzzy discrimination to locate east junger gold ore advantageous prognostic region[J]. Journal of Xinjiang Institute of Technology, 1996, 17(3): 168?173.

Metallogenic prediction based on meta-analysis in Zaduo, Qinghai Province

PAN Yong1, 3, PENG Shenlin1, PENG Guangxiong1, 2

(1. School of Geosciences and Info-Physics, Central South University, Changsha 410083, China; 2. State Key Laboratory for Continental Tectonics and Dynamics, Beijing 100037, China; 3. College of Tan Kah Kee, Xiamen University, Xiamen 363105, China)

To reduce the uncertainty of weight determination, meta-analysis of evidence-based medicine was used in the quantitative prediction of mineral resource in Zaduo, Qinghai Province. Based on the analysis of the regional metallogenic regularity and ore controlling factors, 11 predictors of six elements such as formation, structure, magmatite, geomagnetic anomaly, geochemical anomaly and remote sensing alteration were selected to construct the index system of quantitative prediction. Based on grid unit, more than 50 deposits and ore occurrences in study area were used as test samples to count the superposition of the spatial position between 11 predictors and deposits. According to the statistic results, the non-quantitative geological data could be converted to quantitative information required by meta-analysis and the odds ratio (O) of 11 predictors could also be derived. Through the analysis of the difference of odds ratio value of 11 predictors, their weights for metallogenic prediction could be calculated based on fuzzy analytical hierarchy process (FAHP). Combined the above weights with fuzzy comprehensive appraisement (FCA), a quantitative prediction model of Pb-Zn deposits in Zaduo, Qinghai Province, could be constructed. Three classes’ favorable areas of ore-forming were zoned based on the ore-forming favorability derived from FCA model. 5 mineralization prospecting zones have been schemed, which includes 5 of A-grade exploring targets, 10 of B-grade exploring targets and 20 of C-grade exploring targets. The results show that the prospecting effectiveness of this quantitative prediction model based on meta-analysis is higher 36% than that of comprehensive geochemical anomaly model.

meta-analysis; concealed orebody; fuzzy comprehensive appraisement; quantitative prediction

10.11817/j.issn.1672-7207.2016.09.025

P612；P208

A

1672?7207(2016)09?3093?08

2016?02?10；

2016?04?15

國家自然科學基金資助項目(41403035)；中國博士后科學基金資助項目(2012T50832)；大陸構造與動力學國家重點實驗室開放基金資助項目(K201504) (Project(41403035) supported by the National Natural Science Foundation of China; Project(2012T50832) supported by the China Postdoctoral Science Foundation; Project(K201504) supported by the Open Foundation of State Key Laboratory of Continental Tectonics and Dynamics)

彭光雄，博士，講師，從事遙感地質與成礦預測研究；E-mail: pgxcsu@csu.edu.cn

(編輯 陳燦華)