摘要
黑龙江多宝山地区是我国重要的成矿区域之一，其成矿地质条件优越，包含了铜、钼、金、银、铁等多种丰富的矿产资源，现已发现多处大中型矿床与众多矿化点。然而，地质条件的复杂性和成矿作用的多期性增加了该区的勘查难度和不确定性，为进一步的找矿勘查工作带来了一定挑战。因此，本文主要对黑龙江多宝山地区开展了包括地质构造解译、遥感蚀变信息提取和化学异常信息提取等多项工作，并使用分形理论进行综合分析。建立了矿产预测多源信息数据库，最终构建了基于机器学习算法的找矿预测模型，综合圈定了成矿远景区。取得结论如下： （1）断裂构造解译与分形分析 基于Landsat-8OLI遥感影像，通过影像融合处理与最佳波段选取，根据解译标志解译地质构造，并计算区域构造分维值进行分形特征分析，结果表明，矿点多位于构造分维值1.4至1.8范围内，构造分形结果与成矿构造空间展布情况一致，高值区分布于永新金矿床东侧、霍龙门沟南山金矿点以及野猪沟钼矿点一带。 （2）遥感蚀变异常提取与分形分析 通过“去干扰+波段比值+主成分分析+分形阈值分割”进行蚀变异常信息提取分析，遥感蚀变信息也具有空间上的分形特征。铁染蚀变分维值位于0.9至1.7范围内与铁染蚀变存在一定的空间相关性，分维高值区与铁染蚀变信息密集区基本一致。羟基蚀变分维高值区与密集区分布相近，高值区主要出现在永新金矿床以及霍龙门一带。 （3）地球化学异常提取与分形分析 对土壤地球化学数据主要的成矿指示元素进行探索性数据分析，在等距对数比（ILR）变换的基础上运用稳健主成分分析（RPCA），结合主成分双标图解译的结果，探索了元素间的相关性和共伴生组合规律，明确了元素组合对成矿的指示意义，PC1和PC2主成分信息均反映出Au为该区主要致矿元素异常。采用能谱密度?面积（S-A）分形模型对稳健主成分分析组合进行复合异常分解，突出了多宝山地区致矿异常信息真实空间分布情况。 （4）基于机器学习的矿产资源预测 通过样本均衡处理，结合地质构造、蚀变分维信息与化探异常信息等结果构建多源信息数据库，通过网格搜索进行超参数寻优，最佳模型验证结果表明：随机森林与支持向量机模型均具有较高的预测精度。基于两者模型预测有利度、成矿地质背景、构造与遥感蚀变分维值信息以及地球化学异常等研究结果，利用含量–面积（C-A）分形模型进行成矿潜力评价划分，综合地质背景、构造与蚀变分形结果以及地球化学异常圈定了8个三级成矿远景区，得到A级成矿远景区2个，B级成矿远景区4个，C级成矿远景区2个。
NETL