一种矿山勘查及评价分析方法与流程

本发明涉及矿山勘查相关领域，尤其涉及一种矿山勘查及评价分析方法。

背景技术：

1、矿山勘查是研究矿产形成与分布的地质条件、矿床赋存规律、矿体变化特征及工业矿床最有效查明和评价方法的实用地质学，具有较强的综合性、实践性、经济性和政策性，属经济地质学的范畴，是地质科学与经济科学的综合体现，利用有关地质科学、技术科学和经济科学的成就，直接服务于国民经济建设。

2、目前对于矿山的勘测方法主要有以下几种：地质填图法：通过野外点、线、面观察﹐圈定与矿有关的地质体；地球物理方法(物探)：包括磁法、电法、放射性测量、人工地震等，圈定异常；地球化学找矿(化探)：通过岩石、土壤、水系沉积物获得区域地质体的物质成分变化，圈定异常；钻探：通过钻机钻进取得岩矿心；山地工程：通过坑探、槽探、浅井取样获取成分。

3、现今矿产资源埋藏地下，具有稀少、隐蔽和复杂的特点，因而对于矿山矿产勘查是一项具有风险性的工作，需要大量资金的投入，矿产勘查的最终目的是为矿山建设设计提供矿产资源/储量和开采技术条件等必须的地质资料，以减少开发风险和获得最大的经济效益，根据明义兴寨地区矿产及地化异常区的实际地质情况，急需一种高效地质勘查与分析方法，来满足该矿区的勘查的需要，减少工作量，提高工作效率。

技术实现思路

1、因此，为了解决上述不足，本发明提供一种矿山勘查及评价分析方法。

2、为了实现上述目的，本发明采取以下技术方案：一种矿山勘查及评价分析方法，包括如下步骤：

3、s1：资料收集与二次开发

4、在这一步骤中，通过收集现有的调查或科研资料，配合人工智能算法进行辅助，调查或科研资料可分为已有区域地质矿产调查报告，矿山勘探、储量核实、三维建模资料与成果报告及已发表的文献、论文等资料，进行二次开发和整合，形成一个成果图集，这些资料可以包括以前的矿山调查报告、地质图、探矿工程记录；

5、s2：野外地质调查

6、进行野外地质调查，包括地质修测、已有探矿工程和生产巷道的调查与编录、钻孔岩芯的观察与编录、化探剖面的测制与野外样品标本的采集，通过这些调查工作，可以获取矿区的地质信息、岩石性质以及可能存在的矿化迹象；

7、s3：分析测试

8、利用合适的分析测试方法和手段，对采集的矿石进行内部主微量成分分析以及流体包裹体成分和温度测试，这些测试可以帮助确定矿石的成分、矿化流体的性质以及可能的成矿温度条件；

9、s4：总结

10、在这一步骤中，根据野外地质调查成果和基本分析数据，进行整理和分析，确定控矿构造特征，明确矿化分带，根据矿化分带以及钻孔、坑道工程的结果，建立矿区的三维地质模型，根据地质关系和年龄测试方法，确定成矿时代，根据s-pb同位素组成、流体包裹体成分等，确定成矿物质的来源，根据矿物组合、特征性单矿物的主微量成分以及流体包裹体的测温结果，探讨物理化学条件的变化，在以上基础上，总结成矿规律，理清成矿机制，并建立成矿模型。

11、优选的，所述在s1中采用机器学习算法，对大量的文献和地质资料进行自动化的处理和分析，挖掘出有价值的信息，具体步骤如下：

12、a.数据收集和预处理：收集大量的地质文献和资料，并对其进行预处理，包括去除特殊字符、停用词和标点符号，进行分词操作；

13、b.特征提取：使用tf-idf特征提取方法将文本数据转化为特征向量表示；

14、c.标注数据集：为了训练朴素贝叶斯分类器，需要为一部分文本数据构建一个标注的训练数据集，将每个文本向量与对应的分类标签进行关联；

15、d.模型训练：使用标注数据集训练朴素贝叶斯分类器，朴素贝叶斯分类器是一种基于贝叶斯定理和特征条件独立性假设的概率分类器，在训练过程中，朴素贝叶斯分类器会学习各个类别的文本特征分布；

16、e.模型评估：使用验证数据集对训练好的朴素贝叶斯分类器进行评估，将验证数据集中的文本向量输入到模型中，模型会预测出文本所属的分类标签，通过与真实标签进行比较，计算分类的准确性、精确度、召回率等指标；

17、f.模型调优：根据评估结果，对朴素贝叶斯分类器进行调优，实现调整模型的超参数，如平滑参数，以提高模型的性能；

18、g.自动分类和整理：使用经过训练和调优的朴素贝叶斯分类器对未标注的文本数据进行分类，将待分类的文本向量输入到模型中，模型会预测出文本所属的分类标签，根据预测结果，将文献和资料按照分类进行整理和存档。

19、所述s2中的地质修测主要是调查次火山岩、断裂、角砾岩等空间分布特征及其与金矿化产出关系等，并相对应开展专项路线调查。

20、所述s3中流体包裹体成分及温度测试操作由冷热台完成。

21、优选的，所述在s1中的野外样品标本采集操作由采样设备完成，采样设备包括采集箱、紧固于采集箱顶部的把手、套接于把手中部外侧的橡胶套、分别转动连接于采集箱两侧的第一箱门与第二箱门以及设于采集箱右侧内部的多样采集装置。

22、优选的，所述多样采集装置包括设于采集箱右侧内部的集合箱、分别开设于集合箱前侧左右两端的第一存放槽与第二存放槽、设于第一存放槽内部的夹持组件、安装于第二存放槽内部的钻孔取样组件以及设于集合箱后侧的可调承接组件，所述集合箱下端与采集箱内部滑动插接。

23、优选的，所述夹持组件包括设于第一存放槽内部的支撑板、安装于支撑板上端的夹持结构以及插接于支撑板后侧并与第一存放槽侧面相插接的调整结构。

24、优选的，所述钻孔取样组件包括固设于第二存放槽内部的固定板、设于固定板上端的电动推杆、相接于电动推杆底部的钻孔电机、相接于钻孔电机下端的钻杆、紧固于钻杆外侧的采集筒、套接于采集筒上端外侧的限位板、插接于限位板左右两侧的立柱、相接于立柱下端的定位杆以及安装于立柱外侧的助力弹簧。

25、优选的，所述开设于采集箱后侧的收集槽以及相接于收集槽内部的承接结构。

26、优选的，所述承接结构包括内置于收集槽内部的承接板、固设于承接板前侧的手柄、插接于手柄中部并延伸至承接板内部的顶杆、相接于顶杆后侧的第一弹簧、紧固于顶杆中部外侧的压板、相对设于压板左右两侧的转板、转动连接于压板前侧的滚轮、传动连接于转板后侧的插接杆以及安装于插接杆外侧的第二弹簧，所述转板通过前侧所述滚轮与压板外表面相抵，所述插接杆外端插入收集槽侧壁内部。

27、本发明的有益效果：

28、可在资料收集与二次开发阶段采用机器学习算法，对大量的文献和地质资料进行自动化的处理和分析，这可以帮助挖掘出更多有价值的信息，并加快整合和处理的速度；并且利用tf-idf特征提取方法，通过tf-idf向量化，文本数据被转化为数值特征向量，从而可以应用于机器学习算法进行文本分类和自动整理，这种方法可以提取关键词的重要性，更好地表示文本数据，并提高分类的准确性和整合的效率；再将朴素贝叶斯分类器应用于模型训练与评估，适用于处理大规模的文本数据，它基于概率模型，具有较快的训练和预测速度，并且在某些场景下展现出良好的分类性能，通过训练和评估朴素贝叶斯分类器，可以实现文本数据的自动分类和整理。

29、本发明通过在野外样品标本采集中采用采样设备，即采集箱内部右侧所设多样采集装置，可通过第一存放槽内部所设的夹持组件，实现矿石的稳定夹持剖面取样，而受支撑板后侧所设调整结构作用，可进行支撑板支撑角度的便捷调整，来应对不同情况，且设置了钻孔取样组件，即在电动推杆下推与钻孔电机驱动下，钻杆与采集筒可相配合，实现钻孔取样活动，而配合集合箱后侧所设的收集槽与承接结构，将对采集样品高效承接收集，提高样品收集量，从而达到了样品辅助采集配合，便捷钻孔取样配合以及采集样品便捷存放的优点。

30、夹持组件的设置，即配合支撑板可实现加工样品的辅助承接，而配合支撑板底部所设的夹持结构，可对样品实现便捷夹持稳固配合，来提高后续样品切割剖面稳定性；

31、限位板、立柱、定位杆与助力弹簧的设置，即在采集筒旋转下移过程中，可使限位板带动两侧所设的立柱下推定位杆，使两侧所设定位杆预先与地面插接，实现定位支撑配合，其次，设于立柱外侧的助力弹簧，将受挤压，实现弹性挤压助力，提高定位插接支撑牢固性；

32、调整结构的设置，即通过便捷调整齿环与齿槽啮合锁定状态，可使支撑板配合转轴，实现转动调整，应对不同剖面加工角度需求；

33、可调承接组件的设置，即收集槽可与承接结构相配合，来实现多数量采集样品的承接收集；

34、承接结构的设置，即通过顶杆后顶与压板后压下，两侧所设转板可同时转动，进行插接杆的横拉，使插接杆与收集槽内部所开设凹口快速解锁，如此，承接板就可沿收集槽内部上下调整锁定，来应对不同承接收集情况。