-
0 引言
-
矿产资源是人类赖以生存、社会赖以发展的物质基础，是现代社会工业与经济发展的基石。社会工业化进程以矿产资源的大量消耗为基础。中国是全球最大的矿产消费国，预计至 2035 年，中国矿产需求量仍将总体呈现持续上升趋势（文博杰等， 2019）。庞大的能源和矿产资源需求使中国的资源安全乃至于经济安全一直备受关注。随着矿产资源消耗量的增加和找矿难度的增大，中国矿产资源的保证程度呈明显下降趋势，使得中国大部分矿产资源供需形势较为严峻，保障中国矿产资源尤其是战略性矿产资源的安全，对中国经济安全具有特殊必要性。然而，随着浅部矿产资源的长期开采，中国主要矿产后备资源不足，危机矿山问题已成为矿产资源可持续发展的最突出问题（赵鹏大等， 2004）。因此，开展矿山深边部（及外围）接替资源找矿预测研究显得异常重要。对此，中国推行了 《全国危机矿山可接替资源找矿计划纲要（2004— 2010 年）》，国务院《国家中长期科学和技术发展规划纲要（2006—2020 年）》提出了资源勘探增储要求，国土资源部《找矿突破战略行动纲要（2011— 2020 年）》亦做出了深部找矿科技的战略部署。为贯彻落实国家重大需求和战略部署，科技部制定了国家重点研发计划“深地资源勘查开采”重点专项实施方案（樊俊等，2019），提出形成 3000 m 以浅矿产资源勘探成套技术能力的攻关目标。
-
科学的成矿规律研究和矿产资源预测评价理论与方法是确保矿产勘查成功率的关键因素（赵鹏大等，1993）。矿产资源预测与评价不仅是矿产勘查工作的先行，还贯穿于矿产勘查全过程。矿产资源预测与评价已进入科学化、定量化和数字化阶段，体现在基于现代成矿理论和矿产勘查新技术，综合运用各种定量化方法、信息提取技术、数字化技术和计算机工具，为矿产勘查提供矿产资源数量、位置和质量的预测评价结果和决策依据（毛先成，2006）。矿产资源预测与评价的定量化，开始于区域矿产资源评价工作，并随着统计分析方法和计算机技术的深入应用得到大力发展；到 20 世纪 80 年代，逐步形成了完善的定量预测与评价理论和方法体系；如今，地质调查与矿产勘查工作进入全面数字化阶段，并逐步向智能化方向发展。矿产资源定量预测与评价的发展过程大致可以划分为4个阶段：第一阶段（20世纪50年代至70年代末），矿产资源定量预测评价理论方法创立和形成阶段（Allais， 1957；Singer，1976）；第二阶段（20 世纪 80 年代至 90年代中期），矿产资源定量预测评价全面发展和应用阶段（赵鹏大等，1983）；第三阶段（20世纪90年代中期至 21 世纪 10 年代中期），基于 GIS 等数字化技术的矿产资源数字化与定量化预测评价阶段（肖克炎等，2000；左仁广等，2007；夏庆霖等，2009；陈建平等，2011；毛先成等，2014）；第四阶段（21 世纪 10 年代中期至今），基于大数据人工智能技术的矿产资源定量预测阶段（Carranza and Laborte，2015；Liu et al.，2018a；周永章等，2018，2021；成秋明，2022； Chen et al.，2022；Chen and Sui，2022；Zhao et al.， 2022；Zuo et al.，2023；于立红等，2023）。
-
上述矿产资源定量预测与评价方法形成和发展主要源于中小比例尺的全球性和区域性矿产预测评价，相关技术及软件属于 2维或 2.5维，难以完全适应和满足危机矿山可接替资源找矿向深边部三维空间发展的要求。为了将矿产资源定量评价理论和方法有效地应用于危机矿山深部找矿预测，需要对矿产资源定量预测与评价理论和方法进行针对性创新，以便支持矿山真三维空间下的隐伏矿体立体定位定量预测要求（毛先成和戴塔根， 2010）。为此，国内外相关团队先后开展了矿产资源三维预测的研究探索工作（毛先成，1986；毛先成和陈国珖，1988a，1988b；毛先成等 2011；肖克炎等， 2012；Yuan et al.，2014；王功文等，2021；徐萍等， 2024；贾慧敏等，2024）。
-
矿山深部找矿预测面临着矿床深部结构不清、深部控矿规律隐蔽、深部矿体空间定位难度大等问题，为解决这些问题，需要突破浅部成矿信息难利用、深部成矿信息难识别、深部矿体定位规律难发现等技术难题。同时，危机矿山及老矿山在历年的勘探和开发过程中，积累了大量勘探和生产地质数据与资料，这些数据和资料为矿山深部找矿突破提供了信息准备。因此，为实现矿山深部隐伏矿体定位定量预测并取得深部找矿突破，我们亟须发展可充分利用矿山勘查资料、可有效解决上述问题与技术难题的新理论、新技术、新方法。
-
针对矿山深边部找矿预测迫切需求，笔者于20 世纪80年代开始研究，提出隐伏矿体立体定量预测理论与方法，实现了深部隐伏矿体预测的立体化与定量化（毛先成，1986；毛先成和陈国珖，1988a，1988b；毛先成和戴塔根，2010）。在此基础上，历经 30余年持续研发创新，逐步形成了金属矿山深部资源三维智能预测理论与关键技术方法体系。该理论与技术体系的形成和发展，大致可划分为 3 个阶段：（1）隐伏矿体立体定量预测阶段。形成于 20 世纪80年代中期，该理论与方法首次将矿产资源定量预测发展至矿床三维地质空间，回答了如何在三维地质空间开展隐伏矿体立体预测的问题，实现矿产深边部隐伏矿体预测的立体化与定量化（毛先成， 1986；毛先成和陈国珖，1988a，1988b；毛先成和陈国珖，1993；Mao and Chen，1991；Liu and Mao，1991；毛先成，2006；毛先成等，2009；Mao et al.，2009；毛先成和戴塔根，2010）。该方法先后在湖南香花岭锡多金属矿、湖南清水塘铅锌矿、广西大厂锡多金属矿等开展应用并取得深部找矿突破（毛先成和陈国珖，1988a；宋宏邦和毛先成，1993；邹艳红等，2008； 毛先成等，2009）。（2）深部资源三维可视化预测阶段。形成于2010年前后，随着三维地质建模与可视化技术的发展成熟，针对隐伏矿体三维预测中所遇到的矿床地质结构建模、成矿信息提取、矿体定位规律表达等问题，提出了三维地质建模、三维空间分析、非线性预测建模预测方法与技术体系，将隐伏矿体三维预测提升至数字化、可视化层次，形成了矿床深部资源三维可视化预测理论与方法（毛先成等，2010，2011，2012，2016）。该方法先后在安徽铜陵凤凰山铜矿（毛先成等，2010，2016；Mao et al.，2018）、福建丁家山铅锌矿（樊俊昌等，2012； Huang et al.，2019）、广西下雷锰矿（Wang et al.， 2020）、山东大尹格庄金矿（Mao et al.，2019b）、新疆阿希金矿（林玉婷等，2016；Mao et al.，2020）等矿山应用，在矿区深边部探获了隐伏矿体。（3）深部资源三维智能预测阶段。形成于2015—2020年，中国找矿工作进一步向地壳深部进军，深部资源勘查开采成为国家重点研发专项。针对深部资源三维预测的深部结构不清、深部控矿规律隐蔽、深部矿体定位规律不明等难题，应用成矿系统理论和数据科学思维，充分利用矿集区和矿田、矿区多年勘探开采积累的大量数据，重点突破解决“矿床深部三维结构重建的地质-地球物理-地球化学约束”、“矿床深部三维结构对矿化空间定位的控制机制”两大关键科学问题，创立了金属矿山深部资源三维智能预测理论与关键技术，形成了包括矿床地质结构与矿化时空演化解析方法与成矿时空分布模式（Liu et al.，2018b，2020，2021a；Mao et al.，2019a； Li et al.，2023）、矿床深部结构贝叶斯数据同化精细重建理论与方法（Wang et al.，2023；Huang et al.， 2023a，2023b；陈进等，2018；Chen et al.，2020； Mao et al.，2023a）、矿床深部结构几何-物质三维分析与成矿信息提取技术（Mao et al.，2016，2018；毛先成等，2012，2013，2019，2020；邓浩等，2016； Liu et al.，2021b； Deng et al.，2022a，2024； Xie et al.， 2022）、深部资源三维智能预测与矿化定位规律域自适应学习预测方法（陈进等，2020；邓浩等，2020； Mao et al.，2020，2023b，2023c；Deng et al.， 2022b；Chen et al.，2023；Liu et al.，2023，2024； Zheng et al.，2023，2024；Wang et al.，2024）等理论方法与技术体系，实现了矿床深部结构三维重建的自动化与精细化、深部控矿规律提取的定量化与透明化、深部成矿空间矿体定位的精准化与智能化。该理论与方法先后在山东胶西北金矿集区、甘肃金川铜镍矿取得成功应用，在矿区深部探获厚度大、高品位矿体，实现了深部找矿重大突破。
-
本文提出的金属矿山深部资源三维智能预测理论与方法，是在隐伏矿体立体定量预测理论的基础上不断发展完善形成的，构建了“地质解剖—精细建模—三维分析—智能预测”的技术架构，涵盖成矿系统分析与找矿概念模型构建、矿床深部结构贝叶斯数据同化三维精细重建、矿床深部结构几何-物质三维分析与成矿信息提取，以及深部矿体空间定位规律域自适应学习与三维智能预测4个方面的理论与关键技术。该理论与方法着重突破了 “矿床深部三维结构重建的地质-地球物理-地球化学约束”、“矿床深部三维结构对矿化空间定位的控制机制”两大关键科学问题，初步实现了矿床深部三维结构重建的自动化与精细化、深部结构控矿规律表征的定量化与透明化、深部成矿空间矿体定位的精准化与智能化，为危机矿山深部找矿、“深地” 资源勘查开采提供理论、方法、技术支持，对缓解中国矿产资源自主保障能力的现实紧迫性及支撑矿山企业可持续发展和技术升级具有理论与现实意义。
-
1 隐伏矿体立体定量预测
-
隐伏矿体立体定量预测理论与方法，以矿床实际勘探资料原始数据为基础，以控矿地质条件定性分析为指导，以地质条件控矿作用定量化为导向，以三维数字矿床理论为方法论，通过地质体和地质场三维数字化建模，提取地质控矿作用定量化指标，建立地质控矿作用指标变量到矿化分布指标变量映射关系的矿化数学模型，对矿区深边部等未知区的矿化分布进行定量推断和预测（毛先成和戴塔根，2010）。
-
该理论与方法针对隐伏矿体立体定量预测中地质对象控矿作用定量化难题，从控矿地质条件与控矿作用出发，提出了可宏观地描述或反映成矿物理化学作用在地质空间中的综合分布与控矿作用效果的地质场，给出了地质场的数字化建模方法和空间分析方法，建立了矿化分布场、断层控矿作用场、地层岩性控矿作用场、褶皱控矿作用场等场模型，实现了场模型的数字化表达。利用空间分析和统计分析等手段，对断层控矿作用场、地层岩性控矿作用场、褶皱控矿作用场与矿化分布场的空间关联关系进行分析，提取可定量地度量地质控矿作用的成矿有利指标，获取成矿有利指标与矿化指标之间的定量空间相关关系，以实现地质条件控矿作用在三维地质空间中的定量表征，为开展隐伏矿体立体定位预测提供重要而关键的成矿信息和科学依据。该理论与方法不仅实现了从小比例尺区域矿产资源定量平面预测到大比例尺隐伏矿体立体定量预测的理论突破与技术跨越，首次将矿产资源定量预测推广至三维立体空间，也为后来发展至矿床深部矿体三维可视化预测与三维智能预测奠定了坚实的理论基础与技术支撑。
-
2 矿床深部结构贝叶斯数据同化精细重建
-
2.1 贝叶斯数据同化三维精细建模
-
矿床的形成、改造和保存明显受矿床地质结构控制，地质结构对矿床的分布和矿体的聚集具有显著的控制和指示作用。重建矿床深部地质结构，建立准确可靠的三维结构模型，有助于查明矿床深部地质结构对矿化空间定位的控制机制，保证三维成矿信息获取的有效性，提高深部隐伏矿体三维预测的准确性。深部地质信息获取难度大、数据信息量少，现有的矿床深部地质结构三维重建方法，主要是参考稀疏的深部地质勘查资料，并依据矿床浅部控制结构模型进行趋势外推，通过构建矿床深部外推结构模型描述矿床深部地质结构的整体趋势形态（毛先成等，2020）。但是，矿床的深部外推结构模型存在两方面的问题：其一，外推结构模型的可靠性会随着深度增加而逐渐降低；其二，外推结构模型为光滑的趋势模型，无法呈现深部的精细结构 （产状陡缓变化、形态多级起伏、主裂面距离场等）。构建矿床深部可靠并具有精细结构的三维模型，是矿床深部地质结构三维重建的重要科学问题。
-
按照上述思路，提出矿床深部地质结构贝叶斯精细重建理论与方法（Wang et al.，2023；Huang et al.，2023a，2023b），将多源、异构、多尺度的勘查数据纳入统一的贝叶斯数据同化框架，在已有的地质经验及知识的支撑下，按照“粗略初建-精细重建” 的递进方案，以矿床三维地质结构初始模型作为出发点，开展矿床深部地质结构三维结构的迭代推断与重建。通过贝叶斯同化算法得到矿床深部地质 “最优结构”，并同时利用贝叶斯推断获得表征矿床深部地质结构不确定性的“分布概率”，分别获得高可靠性的矿床深部地质结构后验概率分布模型和三维精细结构模型。
-
2.2 贝叶斯数据同化模型
-
深部地质结构贝叶斯数据同化模型，是参考贝叶斯理论提出的。贝叶斯理论涉及两个非常重要的部分（即先验分布和似然函数），根据先验分布和似然函数能够得到较为可靠的后验概率分布。先验分布表示已知参数的概率分布，通常取决于相关经验知识，不依赖直接的观测数据，而似然函数通常被用于统计参数，表达参数之间的似然性，即已知矿床深部地质结构观测结果的前提下，对物性参数进行估计。因此，在构建贝叶斯数据同化模型时，将地质经验和主观认识作为模型的先验分布，将实际地质-地球物理观测数据作为贝叶斯数据同化模型的似然函数，求解矿床深部地质结构三维模型正演值与实际观测值之间的相关性，寻求与实际数据拟合度最好的模型。矿床深部地质结构的表达式为隐函数F（x），其贝叶斯数据同化模型可表示为（Huang et al.，2023a，2023b）：
-
式（1）中，E = {E1，E2，…，EN}为勘查已知的观测数据，P （E）与勘查观测数据集相关，在此视为常数。 P（F（x））为先验分布，主要包括了地质经验及知识， 即平滑信息、模型一致性信息以及产状信息，以表达矿床深部地质结构形态和产状的地质先验信息。P（E|F（x））为为似然函数，通过结合多种地质-地球物理勘查数据（包括深钻数据、重力异常数据、地震数据等）进行构建。
-
2.2.1 似然函数模型
-
似然函数可通过利用重力数据、地震数据以及深钻数据进行构建，以描述矿床深部地质结构的位置及形态等参数与实测数据之间的拟合度。结合勘查数据的似然函数可表示为：
-
式（2）中，σ 为常数，El（F（x））表示不同数据类型共同构成的似然函数，即：
-
式（3）中，Egrav（F（x））表示重力约束，Eseis（F（x））表示地震剖面约束，Edril（F（x））表示深钻约束。
-
2.2.2 先验分布模型
-
在贝叶斯数据同化模型构建的过程中，将平滑约束和附加地质约束作为先验分布，对于所有先验函数均可采用以下形式进行表达：
-
式（4）中，Z 为恒定常数，Ep（F（x））为多种数据共同构成的先验约束函数，即：
-
式（5）中，Einit（F（x））表示初始模型一致性约束，Eiter（F（ x））表示迭代模型一致性约束，Estri（F（x））表示产状约束，Esmoo（F（x））表示轮廓线的平滑约束。
-
3 矿床几何-物质三维分析及成矿信息提取
-
矿床地质结构是控制矿床（体）形成、改造、形态、产状和分布的地质构造几何与物质等因素的总和（翟裕生和林新多，1993）。在深部资源三维预测中，从矿床深部地质结构获得显著表征矿化定位规律的三维成矿信息，是揭示深部矿化空间定位规律的关键所在。然而，已有的地质结构分析方法，大多局限于单一因素或定性分析，手段大多基于经验驱动，难以获得成矿构造三维结构制约矿化空间定位的深层次规律。如何系统地实现矿床深部结构的三维定量分析及三维成矿信息提取，是开展深部资源定量预测中亟待解决的重要问题。
-
在成矿过程中，构造变形过程中释放的能量是影响成矿作用发生的关键因素。构造活动形成的断裂、节理、孔隙等三维结构的几何形态与样式，不仅影响流体的活动路径，也为成矿流体汇聚和矿质的沉淀和堆积提供有利的场所。矿床深部三维结构中的几何与物质控矿因素深入影响成矿过程源、运、储、变、保等多个环节。
-
矿床几何-物质三维分析及成矿信息提取以成矿系统的思想为主导，围绕矿床深部三维结构中几何与物质这一相互制约的成矿系统耦合结构，从几何（深部结构形态及样式）与物质（深部流体及其活动路径）分析的角度，集局部形态与整体样式、控矿构造与成矿流体、静态结构与动态过程、定位规律与有利部位分析于一体，通过成矿构造三维形态特征提取与控矿分析、三维结构样式分析和控矿作用力-热-流耦合分析，建立矿床深部三维结构几何-物质成矿信息多元表达，突破了深部控矿因素的表征难和关键成矿信息提取难的技术障碍，实现了深部控矿规律表征的定量化与透明化。
-
3.1 成矿构造三维形态特征提取方法
-
成矿学研究表明，含矿物质的运移、聚集和就位受地质体形态和分布控制。地质异常理论（赵鹏大等，1996）同样发现，地质体形态和分布对矿床 （体）产出具有匹配关系和控制作用。然而，成矿地质体和成矿构造对成矿物质溶解、聚集、运移、沉淀、保存的控制作用极为复杂（翟裕生和林新多， 1993；裴荣富等，2011）。成矿信息提取是成矿构造三维分析与建模预测工作的核心环节（毛先成等， 2011），现有成矿信息提取方法虽取得一定成果，但主要依赖单一特征刻画形态控矿作用，缺乏系统性的定量化表征；对于控矿作用规律的分析也多基于经验驱动，缺乏深层次表达。如何发现全面、客观、深层次的地质体形态控矿规律，已成为隐伏矿体三维预测中亟待解决的关键问题。
-
成矿构造三维形态特征提取理论与方法，采用起伏程度、产状、陡缓变换等因素构建构造形态特征，以表征构造形态对矿化定位的控制作用（表1），以表达构造形态特征及其控矿影响，从而发现全面、客观、深层次的地质体形态控矿规律（毛先成等，2012，2019；Mao et al.，2016，2019；Deng et al.， 2022a）。
-
3.2 成矿构造三维结构控矿样式分析方法
-
成矿学研究表明，成矿构造三维结构对应力空间分布、裂隙构造发育、含矿流体运移的影响极为复杂，其控矿规律具有典型的非线性、非平稳性、非对称性特征。现有研究虽然取得了一定成果，但尚缺乏有效的定量表征体系，以及对控矿样式的深层次解剖。如何从这种复杂的现象出发，全面、客观、定量还原构造控矿规律，寻找非线性之中的相关性与有序性，探索空间非平稳性之中的聚集性与分带性，揭示成矿构造三维结构控矿样式，建立矿床深部三维结构对矿化空间定位的控制机制之重要问题。
-
成矿构造三维结构控矿样式分析方法以数据驱动为思想，深度学习为工具，特征解构为手段，利用深度网络模型提取构造控矿内在特征，使用注意力机制模块引导网络提炼具有显著矿化指示性特征，建立构造控矿规律的定量表征，解构深度网络特征发现深层次成矿规律，从而定量分析成矿构造控矿样式，从而为建立矿床深部三维结构对矿化空间定位的控制机制提供科学依据、模型参考和数据支持（邓浩等，2021）。
-
3.3 构造控矿作用力-热-流耦合分析方法
-
成矿过程本质是在特殊的地质作用下，有用元素在地质体中富集成矿，涉及热力学和流体动力学。现有矿床深部结构构造-流体研究理论与方法大多局限于数据图解与定性模式，对于成矿期构造应力背景、流体活动规律、矿质沉淀机制等方面未给出充分可靠的定量证据。
-
构造控矿作用力-热-流耦合分析理论与方法基于变形-热-流动耦合三维动力学模型，通过模拟获得矿床深部结构中的应力场、流场、热力场参数，实现力-热-流耦合的成矿动力学三维模拟。该方法基于达西定理（孔隙流体流动）、傅里叶定律（热传输）、质量守恒（流体质量守恒）、能量守恒（热能-流体动能）、动量守恒（应力-应变）及力-热-流耦合方程，建立变形-热-流动耦合三维动力学模型。根据模拟结果与实际地质情况，迭代调整模型中的边界条件参数和物性参数，采用 FLAC 3D软件有限差分程序或自主开发三维模拟等实现模型的求解，表达成矿过程中的应力场、流场、热力场信息。在此基础上，分析深部成矿地质构造的演变过程，构建成矿-构造序列及成矿过程动力学制约，查明力-热-流耦合作用下矿化空间定位机制，提取矿床深部结构制约下成矿信息，能为三维成矿预测提供知识驱动和数据驱动（Xie et al.，2022；Mao et al.，2024）。
-
4 深部矿体空间定位规律深度学习与三维预测
-
成矿系统是复杂的非线性系统，成矿作用具有复杂的非线性动力学机制。成矿学研究发现，在不同的成矿深度下，矿床的物质组成和三维结构可能发生明显变化，岩石和流体可能具有显著不同的岩石应力、流体压力、温度、岩石渗透率、pH、Eh 等物理化学性质，从而导致在不同埋藏深度下产出的矿体形成于不同的成矿条件和成矿机制。不同深度下三维地质结构控矿特征和矿体定位机制的差异性，导致了矿化空间分布规律的差异性。此外，由于地质勘查手段的局限性，在信息不对称的深部弱信息环境下，矿床深部成矿信息和矿化信息相较于浅部具有高度的稀缺性和非对称性。现有三维成矿预测建模理论与方法，难以顾及深部与浅部成矿规律的差异性和信息的非对称性，严重限制了深部资源预测的准确性与可靠性。
-
针对现有深部矿体三维预测模型难以精确表达深部矿体定位规律的问题，提出深度卷积网络的预测建模技术（Deng et al.，2022b；Zheng et al.， 2024）。通过建立卷积神经网络深度学习模型，学习表述已知矿体分布的勘查大数据，利用卷积神经网络深层网络结构，借助网络对输入特征的非线性传递机制，实现对输入特征的逐层提取与精炼，自动提取对成矿具有高度指示性的深层次特征，建立成矿信息指标到矿化定位的非线性关联，实现三维预测从单层非线性映射到深层神经网络关联的跨越。
-
针对深部规律差异性、深部信息不对称性和深部数据稀缺性等难题，提出矿化定位规律深度域自适应学习模型与学习模型（图1）及算法，建立浅部和深部矿化定位规律差异性的空间关联极大均值间隔（Spatial associated maximum mean discrepancy， SAMMD）函数（Zheng et al.，2023），该函数能够有效度量浅部和深部矿化信息分布的差异性。在 SAMMD 引导下，利用网络对特征的逐层提取和精炼机制，逐步提取浅部和深部共享的高层次成矿信息，完成浅部成矿信息到深部成矿信息的正向迁移，实现了直接由统计浅部信息推断深部矿体到深度学习域自适应特征智能定位深部矿体的跨越。
-
图1 基于深度自适应网络的深部资源三维预测模型
-
深部矿体空间定位规律深度学习与三维预测方法是在深部成矿时空分布模式引导下，基于矿床深部三维结构几何-物质成矿信息，利用深度神经网络，表达成矿信息到矿化定位的复杂非线性关联，特别针对深部规律差异性与信息不对称性，创新矿化定位规律域自适应学习算法，提炼浅部与深部共享的高层次成矿特征，突破现有预测模型低知识驱动、高数据依赖的局限，有效克服深部规律差异性与信息不对称性的技术障碍，实现了深部成矿空间矿体定位的精准化与智能化。
-
5 应用实例
-
本文以山东胶西北矿集区金矿床和甘肃金川铜镍硫化物矿床为研究对象，给出金属矿山深部资源三维智能预测理论与方法在矿山深部资源三维智能预测的应用实例。
-
5.1 山东胶西北矿集区金矿床深部资源三维智能预测
-
胶东半岛位于华北克拉通东部，是中国最大的金成矿省，金资源量超过5000 t，其中超过90%的金资源集中产于莱州—招远金矿整装勘查区。莱州 —招远金矿整装勘查区产出三山岛金矿、焦家金矿、大尹格庄金矿等30余个超大型—大型金矿床，这些矿床多数属于细脉浸染状蚀变岩型矿床，金矿化具有显著的构造控矿特征，表现为矿化主要赋存在区域NE-NEE断层内脆韧性剪切带及其相关的次级构造。
-
对山东胶西北金矿集区深部矿体开展三维智能预测化研究，重建区域控矿断裂（招平断裂、焦家断裂、三山岛断裂）3000 m以浅深部精细三维结构，图2展示了焦家断裂带三维精细结构模型及钻孔验证结果。在三维精细结构模型基础上，开展三维结构分析，提取几何-物质成矿信息（断裂面距离场、断裂面起伏、断裂面坡度以及断裂面陡缓转换等），系统化定量表征深部控矿规律，建立三维智能预测模型，圈定矿床深部立体找矿靶区（图3）。其中，在焦家矿田圈定了3个深部找矿靶区，选择Ⅲ号靶区进行钻探验证，在2308~2379 m埋深揭露多层矿体。
-
图2 胶西北焦家断裂带3000 m深度三维精细模型（a）及钻孔（352ZK03）验证结果（b）
-
5.2 甘肃金川铜镍硫化物矿床深部资源三维智能预测
-
金川铜镍硫化物矿床位于华北克拉通阿拉善地块西南缘的龙首山隆起带中，赋矿的超基性岩体呈不规则岩墙状产出。金川超基性岩体自西向东被划分为 III、I、II、IV 矿区 4 个部分，其中以 F16−1 断层为界，将其分为东岩体（II矿区和 IV矿区）和西岩体（III矿区和I矿区）。金川岩浆铜镍硫化物矿床是为“岩浆通道系统成矿的产物”，一种成因观点认为矿体形成于动态的岩浆通道系统中，富含硫化物的岩浆持续流动并伴随硫化物沉积（Duan et al.， 2016）；另一种则认为深部岩浆房发生预富集，然后富含硫化物和橄榄石晶粥侵位成矿（Song et al.， 2012）。尽管两种成矿模型的内涵不同，但反映出岩浆源区对于浅部的矿化定位的直接控制并不显著，而岩浆沿通道上侵进入成矿空间时，岩浆通道的入口位置、岩浆途径路径、岩浆通量的大小以及特定的岩浆通道形态是寻找岩浆通道型铜镍矿的有利信息（Mao et al.，2019a，2023a）。
-
根据金川矿床地质背景和成矿概念模型，选取深部地质结构形态和岩浆通道相关指标（断层距离场、顶底板相对距离比、到底板的绝对距离、到顶板的绝对距离、底板一级起伏、顶板一级起伏、岩浆通道优益度）作为三维成矿预测模型的控矿因素。通过重建矿区深部岩浆通道精细三维结构（Mao et al.，2023a； Deng et al.，2024），还原了金川多岩浆通道系统结构特征（图4），重建金川岩体侵位形成机制，提取金川岩浆硫化物矿床几何-物质成矿信息，系统化定量表征深部控矿规律，建立三维智能预测模型，预测深度达 3000 m，圈定深部立体找矿靶区（图5）。在预测的 I 号靶区（Ⅲ矿区 1430 水平及以下）、II 号靶区（Ⅰ矿区 8 行-Ⅱ矿区 6 行 980-650 水平）、Ⅲ号靶区（I 矿区 21-24 行 1160-980 水平），经探矿工程验证，均发现新的隐伏矿体，探获了推断级以上镍、铜资源量。
-
图3 焦家矿带深部立体找矿靶区空间分布图
-
图4 金川矿床西岩体（a）和东岩体（b）岩浆通道优益度可视化表达
-
6 结论
-
金属矿山深部资源三维智能预测理论与方法，是经历隐伏矿体立体定量预测、三维可视化预测、三维智能预测等阶段逐步发展形成的。该理论与方法在山东胶西北金矿集区、甘肃金川铜镍矿等大中型矿山取得成功应用，得到系列研究成果与科学认识，主要包括：
-
（1）隐伏矿体立体定量预测理论与方法，在 20 世纪 80 年代计算机性能和信息化水平有限的条件下，将矿产资源定量预测从二维扩展至三维，实现了矿床深边部隐伏矿体预测的立体化与定量化。
-
（2）矿床深部结构贝叶斯数据同化精细重建理论与方法，在贝叶斯数据同化框架下，建立矿床深部三维精细结构，能够有力支撑基于地质结构模型的成矿分析与预测，更好地揭示与成矿作用密切相关的有利部位。
-
（3）矿床几何-物质三维分析及成矿信息提取理论与方法，从矿床深部结构形态及样式（几何）、流体及其活动路径（物质）等综合视角，系统表征了矿床深部结构对深部成矿空间的控制作用。
-
（4）深部矿体空间定位规律深度学习与三维预测理论与方法，提出矿化定位规律域自适应学习算法及深部资源三维智能预测模型，实现矿床深部三维结构到矿化空间定位的非线性关联，显著提升了深部资源三维预测的准确性与可靠性。
-
图5 金川铜镍矿深部三维靶区空间分布图
-
参考文献
-
Allais M. 1957. Method of appraising economic prospects of mining exploration over Large Territories［J］. Management Science. 3（4）： 285-347.
-
Carranza E J M， Laborte A G. 2015. Data-driven predictive mapping of gold prospectivity， Baguio district， Philippines： Application of Random Forests algorithm［J］. Ore Geology Reviews， 71： 777-787.
-
Chen G， Huang N， Wu G， Luo L， Wang D， Cheng Q. 2022. Mineral prospectivity mapping based on wavelet neural network and Monte Carlo simulations in the Nanling W-Sn metallogenic province［J］. Ore Geology Reviews， 143： 104765.
-
Chen J， Mao X C， Deng H， Liu Z K， Wang Q. 2020. Three-dimensional modelling of alteration zones based on geochemical exploration data： An interpretable machine-learning approach via generalized additive models［J］. Applied Geochemistry， 123： 104781.
-
Chen Y， Sui Y. 2022. Dictionary learning for integration of evidential layers for mineral prospectivity modeling［J］. Ore Geology Reviews， 141： 104649.
-
Chen J， Jiang L Q， Peng C， Liu Z K， Deng H， Xiao K Y， Mao X C. 2023. Quantitative resource assessment of hydrothermal gold deposits based on 3D geological modeling and improved volume method： Application in the Jiaodong gold province， Eastern China［J］. Ore Geology Reviews， 153： 105282.
-
Deng H， Huang X F， Mao X C， Yu S Y， Chen J， Liu Z K， Zou Y H. 2022a. Generalized mathematical morphological method for 3d shape analysis of geological boundaries： Application in identifying mineralization-associated shape features［J］. Natural Resources Research， 31（4）： 2103-2127.
-
Deng H， Zheng Y， Chen J S， Yu S Y， Xiao K Y， Mao X C. 2022b. Learning 3D mineral prospectivity from 3D geological models using convolutional neural networks： Application to a structure-controlled hydrothermal gold deposit［J］. Computers & Geosciences， 161： 105074.
-
Deng H， Huang J X， Liu Z K， Li L J， Liu X Y， Wang X， Chen J， Wu Z Q， Mao X C. 2024. Hidden Markov model for spatial analysis of three-dimensional mineralization distribution： Insights into magma flow and mineral exploration targets in the Jinchuan Ni-Cu-（PGE） sulfide deposit， China［J］. Applied Geochemistry， 162： 105911.
-
Duan J， Li C， Qian Z， Jiao J， Ripley E M， Feng Y. 2016. Multiple S isotopes， zircon Hf isotopes， whole-rock Sr-Nd isotopes， and spatial variations of PGE tenors in the Jinchuan Ni-Cu-PGE deposit， NW China［J］. Mineralium Deposita， 51（4）： 557-574.
-
Huang J X， Mao X C， Chen J， Deng H， Dick J M， Liu Z. 2019. Exploring spatially non-stationary relationships in the determinants of mineralization in 3D geological space ［J］. Natural Resources Research， 29（5）： 439-458.
-
Huang J X， Deng H， Mao X C， Chen G H， Yu S Y， Liu Z K. 2023a. 3D modeling of detachment faults in the Jiaodong gold province， eastern China： A Bayesian inference perspective and its exploration implications［J］. Ore Geology Reviews， 154： 105307.
-
Huang J X， Deng H， Chen J， Li N， Wang J L， Liu Z K， Mao X C. 2023b. Assessing geometrical uncertainties in geological interface models using Markov chain Monte Carlo sampling via abstract graph［J］. Tectonophysics， 864： 230032.
-
Li L J， Li D X， Mao X C， Liu Z K， Lai J Q， Su Z， Ai Q X， Wang Y Q. 2023. Evolution of magmatic sulfide of the giant Jinchuan Ni-Cu deposit， NW China： Insights from chalcophile elements in base metal sulfide minerals［J］. Ore Geology Reviews， 158： 105497.
-
Liu S N， Mao X C. 1991. The principle and application of geological-geometric method in three dimension prognosis［J］. Journal of Central-South Institute of Mining and Metallurgy， 22（4）： 341-50.
-
Liu Y， Zhou K， Xia Q. 2018a. MaxEnt model for mineral prospectivity mapping［J］. Natural Resources Research， 27： 299-313.
-
Liu Z K， Mao X C， Ackerman L， Li B， Dick J M， Yu M， Peng J T， Shahzad S M. 2020. Two-stage gold mineralization of the Axi epithermal Au deposit， Western Tianshan， NW China： Evidence from Re-Os dating， S isotope， and trace elements of pyrite［J］. Mineralium Deposita， 55（5）： 863-880.
-
Liu Z K， Mao X C， Deng H， Li B， Zhang S G， Lai J Q， Bayless R C， Pan M， Li L J， Shang Q H. 2018b. Hydrothermal processes at the Axi epithermal Au deposit， western Tianshan： Insights from geochemical effects of alteration， mineralization and trace elements in pyrite［J］. Ore Geology Reviews， 102： 368-385.
-
Liu Z K， Mao X C， Wang F Y， Tang L， Chen G H， Chen J， Deng H. 2021a. Deciphering the anomalous Ag enrichment in the Dayingezhuang Au（-Ag） deposit， Jiaodong Peninsula， Eastern China using texture， geochemistry and in-situ Pb isotope of galena ［J］. Transactions of Nonferrous Metals Society of China， 31（12）： 3831-3846.
-
Liu Z K， Chen J， Mao X C， Tang L， Yu S Y， Deng H， Wang J L， Liu YQ， Li S L， Bayless R C. 2021b. Spatial association between orogenic gold mineralization and structures revealed by 3D prospectivity modeling： A case study of the Xiadian Gold Deposit， Jiaodong Peninsula， China［J］. Natural Resources Research， 30（6）： 3987-4007
-
Liu Z K， Guo Z Y， Wang J L， Wang R C， Shan W F， Zhong H T， Chen Y D， Chen J， Deng H， Mao X C. 2023. Three-dimensional mineral prospectivity modeling with the integration of ore-forming computational simulation in the Xiadian Gold Deposit， eastern China［J］. Applied Science， 13（18）： 10277.
-
Liu Z K， Yu S Y， Deng H， Jiang G P， Wang R C， Yang X Q， Song J X， Chen J， Mao X C. 2024. 3D mineral prospectivity modeling in the Sanshandao goldfield， China using the convolutional neural network with attention mechanism［J］. Ore Geology Reviews， 164： 105861.
-
Mao X C， Chen G G. 1991. The Three-dimensional Mathematical Models of Xianghualing Tin Deposit and the Prediction of Outside-and-deep-seated Blind Ore Bodies ［J］. Journal of Central-South Institute of Mining and Metallurgy， 22（4）： 360-365.
-
Mao X C， Zou Y H， Lu X Q， Wu X B， Dai T G. 2009. Quantitative analysis of geological ore-controlling factors and stereoscopic quantitative prediction of concealed ore bodies ［J］. Journal of Central South University of Technology， 16（6）： 987-993.
-
Mao X C， Zhang B， Deng H， Zou Y H， Chen J. 2016. Three-dimensional morphological analysis method for geologic bodies and its parallel implementation［J］. Computers & Geosciences， 96： 11-22.
-
Mao X C， Zhao Y， Deng H， Zhang B， Liu Z K， Chen J， Zou Y H， Lai J Q. 2018. Quantitative analysis of intrusive body morphology and its relationship with skarn mineralization--A case study of Fenghuangshan copper deposit， Tongling， Anhui， China ［J］. Transactions of Nonferrous Metals Society of China， 28（1）： 151-162.
-
Mao X C， Li L J， Liu Z K， Zeng R Y， Dick J M， Yue B， Ai Q X. 2019a. Multiple magma conduits model of the Jinchuan Ni-Cu-（PGE） Deposit， northwestern China： Constraints from the geochemistry of platinum-group elements［J］. Minerals， 9（3）： 187.
-
Mao X C， Ren J， Liu Z K， Chen J， Tang L， Deng H， Bayless R C， Yang B， Wang M J， Liu C M. 2019b. Three-dimensional prospectivity modeling of the Jiaojia-type gold deposit， Jiaodong Peninsula， eastern China： A case study of the Dayingezhuang deposit［J］. Journal of Geochemical Exploration， 203： 27-44.
-
Mao X C， Zhang W， Liu Z K， Ren J， Bayless R C， Deng H. 2020. 3D mineral prospectivity modeling for the low-sulfidation epithermal gold deposit： A case study of the Axi Gold Deposit， Western Tianshan， NW China［J］. Minerals， 10（3）： 233.
-
Mao X C， Liu P， H. Deng， Liu Z K， Li L J， Wang Y S， Ai Q X， Liu J X. 2023a. A novel approach to three-dimensional inference and modeling of magma conduits with exploration data： A case study from the Jinchuan Ni-Cu Sulfide Deposit， NW China［J］. Natural Resources Research， 32（3）： 901-928.
-
Mao X C， Wang J L， Deng H， Liu Z K， Chen J， Wang C T， Liu J X. 2023b. Bayesian decomposition modelling： An interpretable nonlinear approach for mineral prospectivity mapping［J］. Mathematical Geosciences， 55（7）： 897-942.
-
Mao X C， Su Z， Deng H， Liu Z K， Li L J， Wang Y Q， Wang Y C， Wu L X. 2023c. Three-dimensional mineral prospectivity modeling with geometric restoration： Application to the Jinchuan Ni-Cu-（PGE） Sulfide Deposit， northwestern China［J］. Natural Resources Research， 33（1）： 75-105.
-
Mao X C， Zhong H T， Liu Z K， Zhong L Z， Chen Y D， Shahzad S M， Chen J， Deng H. 2024. 3D numerical modeling for investigating structural controls on orogenic gold mineralization， Sanshandao Gold Belt， eastern China［J］. Natural Resources Research， 33： 1413-1437.
-
Singer D A. 1976. RESIN， a FORTRAN IV program for determining the area of influence of samples or drill holes in resource target search［J］. Computers & Geosciences， 2（2）： 249-260.
-
Song X Y， Danyushevsky L V， Keays R R， Chen L M， Wang Y S， Tian Y L， Xiao J F. 2012. Structural， lithological， and geochemical constraints on the dynamic magma plumbing system of the Jinchuan Ni-Cu sulfide deposit， NW China［J］. Mineralium Deposita， 47（3）： 277-297.
-
Wang F， Mao X， Hao D， Zhang B. 2020. Manganese potential mapping in western Guangxi-southeastern Yunnan （China） via spatial analysis and modal-adaptive prospectivity modeling［J］. Transactions of Nonferrous Metals Society of China， 30（4）： 1058-1070.
-
Wang J L， Mao X C， Peng C， Chen J， Deng H， Liu Z K， Wang W S， Fu Z K， Wang C T. 2023. Three-dimensional refined modelling of deep structures by using the level set method： Application to the Zhaoping detachment fault， Jiaodong Peninsula， China［J］. Mathematical Geosciences， 55（2）： 229-262.
-
Wang J L， Mao X C， Liu Z K， Deng H， Chen J， Wang C T， Chen Y D. 2024. Three-dimensional mineral prospectivity mapping considering structural restoration in the Dayingezhuang gold deposit， eastern China［J］. Ore Geology Reviews， 165： 105860.
-
Xie S F， Mao X C， Liu Z K， Deng H， Chen J， Xiao K Y. 2022. Determining the paleostress regime during the mineralization period in the Dayingezhuang orogenic gold deposit， Jiaodong Peninsula， Eastern China： Insights from 3D numerical modeling ［J］. Minerals， 12（5）： 505.
-
Yuan F， Li X H， Zhang M M， Jowitt S M， Jia C， Zheng T K， Zhou T F. 2014. Three-dimensional weights of evidence-based prospectivity modeling： A case study of the Baixiangshan mining area， Ningwu Basin， Middle and Lower Yangtze Metallogenic Belt， China ［J］. Journal of Geochemical Exploration， 145： 82-97.
-
Zhao J， Chi H Q， Shao Y Q， Peng X D. 2022. Application of AdaBoost algorithms in Fe mineral prospectivity prediction： A case study in Hongyuntan Chilongfeng mineral district， Xinjiang Province， China ［J］. Natural Resources Research， 31（4）： 2001-2022.
-
Zheng Y， Deng H， Wu J J， Wang R S， Liu Z K， Wu L X， Mao X C， Chen J. 2023. Space-associated domain adaptation for three-dimensional mineral prospectivity modeling［J］. International Journal of Digital Earth， 16（1）： 2885-2911.
-
Zheng Y， Deng H， Wu J， Xie S， Li X， Chen Y， Li N， Xiao K， Pfeifer N， Mao X. 2024. Deep multimodal fusion for 3D mineral prospectivity modeling： Integration of geological models and simulation data via canonical-correlated joint fusion networks［J］. Computers & Geosciences， 188， 105618.
-
Zuo R G， Xiong Y H， Wang Z Y， Wang J， Kreuzer O P. 2023. A new generation of artificial intelligence algorithms for mineral prospectivity mapping［J］. Natural Resources Research， 32（5）： 1859-1869.
-
陈建平， 陈珍平， 史蕊， 王丽梅. 2011. 基于GIS技术的陕西潼关县金矿资源预测与评价［J］. 地质学刊， 35（3）： 268-274.
-
陈进， 毛先成， 刘占坤， 邓浩. 2020. 基于随机森林算法的大尹格庄金矿床三维成矿预测［J］. 大地构造与成矿学， 44（2）： 231-241.
-
陈进， 毛先成， 杨斌， 邓浩. 2018. 基于构造地球化学异常的金矿床蚀变带深部推断三维建模——以山东夏甸金矿为例［J］. 地质学刊， 42（3）： 379-385.
-
成秋明. 2022. 极端地质事件定量模拟与预测［J］. 中国科学： 地球科学， 52（6）： 975-991
-
邓浩， 魏运凤， 陈进， 刘占坤， 喻姝研， 毛先成. 2021. 基于注意力卷积神经网络的焦家金矿带三维成矿预测及构造控矿因素定量分析［J］. 中南大学学报（自然科学版）， 52（9）： 3003-3014.
-
邓浩， 刘晓霞， 赵莹， 张苗苗， 毛先成. 2016. 基于Markov链的金川铜镍矿床超基性岩体侵位过程模拟及找矿启示［J］. 地质学刊， 40（3）： 477-485.
-
邓浩， 郑扬， 陈进， 魏运凤， 毛先成. 2020. 基于深度学习的山东大尹格庄金矿床深部三维预测模型［J］. 地球学报， 41（2）： 157-165.
-
樊俊， 郭源阳， 成永生. 2019. 国家重点研发计划“深地资源勘查开采”攻关目标与任务剖析［J］. 中国地质， 46（4）： 919-926.
-
樊俊昌， 毛先成， 赵莹， 唐艳华， 单文法， 陈进. 2012. 隐伏矿体立体预测的体元模型及其磁法正演模型［J］. 中国有色金属学报， 22（1）： 239-250.
-
贾慧敏， 周学明， 王潇洒， 郭爱锁， 李重阳， 朱静， 任婧文， 王红军. 2024. 河南省崤山东部银多金属矿集区深部三维可视化找矿预测［J］. 矿产勘查， 15（2）： 292-302.
-
林玉婷， 毛先成， 刘晓霞， 任佳， 刘占坤， 潘敏， 罗丹， 邓浩， 朱佳玮， 张苗苗， 夏芳， 肖飞， 魏清峰， 韩建民， 樊红喜， 饶文天， 黄悠悠. 2016. 新疆阿希金矿控矿因素三维定量分析与提取［J］. 地质学刊， 40（3）： 477-485.
-
毛先成. 1986. 香花岭锡矿矿床数学模型与立体定量预测初探［D］. 长沙： 中南矿冶学院.
-
毛先成. 2006. 三维数字矿床与隐伏矿体立体定量预测研究［D］. 长沙： 中南大学.
-
毛先成， 陈国珖. 1988a. 香花岭锡矿床数学模型及立体定量预测初探［J］. 地质与勘探， 24（10）： 25-31.
-
毛先成， 陈国珖. 1988b. 香花岭锡矿田隐伏矿床的立体定量预测［J］. 桂林冶金地质学院学报， 8（1）： 15-22.
-
毛先成， 陈国珖. 1993. 断层波状构造及其控矿规律的定量研究［J］. 中南矿冶学院学报， 24（1）： 8-13.
-
毛先成， 邹艳红， 陈进， 赖健清， 彭省临. 2011. 隐伏矿体三维可视化预测［M］. 长沙： 中南大学出版社.
-
毛先成， 唐艳华， 邓浩. 2012. 地质体的三维形态分析方法与应用 ［J］. 中南大学学报（自然科学版）， 43（2）： 588-595.
-
毛先成， 戴塔根， 吴湘滨， 邹艳红. 2009. 危机矿山深边部隐伏矿体立体定量预测研究——以广西大厂锡多金属矿床为例［J］. 中国地质， 36（2）： 424-435.
-
毛先成， 戴塔根. 2010. 隐伏矿体立体定量预测［M］. 北京： 地质出版社.
-
毛先成， 邹艳红， 陈进， 赖健清， 彭省临， 邵拥军， 疏志明， 吕俊武， 吕才玉. 2010. 危机矿山深部、边部隐伏矿体的三维可视化预测——以安徽铜陵凤凰山矿田为例［J］. 地质通报， 29（Z1）： 401-413.
-
毛先成， 赵莹， 唐艳华， 彭正林， 陈进， 邓浩. 2013. 基于TIN的地质界面三维形态分析方法与应用［J］. 中南大学学报（自然科学版）， 44（4）： 1493-1499.
-
毛先成， 周尚国， 张宝一， 李腊梅. 2014. 锰矿GIS分析与评价——以桂西—滇东南地区为例［M］. 北京： 地质出版社.
-
毛先成， 张苗苗， 邓浩， 邹艳红， 陈进. 2016. 矿区深部隐伏矿体三维可视化预测方法［J］. 地质学刊， 40（3）： 363-371.
-
毛先成， 王迷军， 刘占坤， 陈进， 邓浩. 2019. 基于勘查数据的胶东大尹格庄金矿床控矿地质因素定量分析［J］. 地学前缘， 26（4）： 84-93.
-
毛先成， 王琪， 陈进， 邓浩， 刘占坤， 王金利， 陈建平， 肖克炎. 2020. 胶西北金矿集区深部成矿构造三维建模与找矿意义［J］. 地球学报， 41（2）： 166-178.
-
裴荣富， 李进文， 王永磊， 王浩琳. 2011. 长江中下游成矿带构造岩浆侵位的接触构造体系与成矿［J］. 地质与资源， 20（6）： 401-412.
-
宋宏邦， 毛先成. 1993. 清水塘多因复成铅锌矿床地质特征及深边部盲矿体立体定量预测［J］. 矿产与地质， 7（3）： 190-193.
-
王功文， 张智强， 李瑞喜， 李俊建， 沙德铭， 曾庆栋， 庞振山， 李大鹏， 黄蕾蕾. 2021. 华北重点矿集区大数据三维/四维建模与深层次集成的资源预测评价 ［J］. 中国科学： 地球科学， 51（9）： 1594-1610.
-
文博杰， 陈毓川， 王高尚， 代涛. 2019. 2035年中国能源与矿产资源需求展望［J］. 中国工程科学， 21（1）： 68-73.
-
夏庆霖， 成秋明， 左仁广， 张生元， 陈志军. 2009. 基于 GIS 矿产勘查靶区优选技术 ［J］. 地球科学（中国地质大学学报）， 34（2）： 287-293.
-
肖克炎， 李楠， 孙莉， 邹伟， 李莹. 2012. 基于三维信息技术大比例尺三维立体矿产预测方法及途径 ［J］. 地质学刊， 36（3）： 229-236.
-
肖克炎， 朱裕生， 宋国耀. 2000. 矿产资源GIS定量评价［J］. 中国地质， 27（7）： 29-32.
-
徐萍， 宦长明， 贾磊， 丁海红， 陈鹏超， 林迎洁. 2024. 基于地质三维建模的矿床蚀变带深部资源预测方法［J］. 矿产勘查， 15（6）： 1025-1031.
-
于立红， 张善良， 王国君. 2023. 基于多源地学数据的找矿预测应用研究［J］. 矿产勘查， 14（8）： 1432-1439.
-
翟裕生， 林新多. 1993. 矿田构造学［M］. 北京： 地质出版社.
-
赵鹏大， 胡旺亮， 李紫金. 1983. 矿床统计预测的理论与实践［J］. 地球科学—武汉地质学院学报， （4）： 107-121
-
赵鹏大， 胡旺亮， 李紫金. 1993. 矿床统计预测［M］. 北京： 地质出版社.
-
赵鹏大， 池顺都， 陈永清. 1996. 查明地质异常： 成矿预测的基础［J］. 高校地质学报， 2（4）： 2-14.
-
赵鹏大， 张寿庭， 陈建平. 2004. 危机矿山可接替资源预测评价若干问题探讨［J］. 成都理工大学学报（自然科学版）， 31（2）： 111-117.
-
周永章， 张良均， 张奥多， 王俊. 2018. 地球科学大数据挖掘与机器学习［M］. 珠海： 中山大学出版社.
-
周永章， 左仁广， 刘刚， 袁峰， 毛先成， 郭艳军， 肖凡， 廖杰， 刘艳鹏. 2021. 数学地球科学跨越发展的十年： 大数据、人工智能算法正在改变地质学［J］. 矿物岩石地球化学通报， 40（3）： 556-573.
-
邹艳红， 戴塔根， 毛先成. 2008. 广西大厂矿田铜坑深部隐伏矿体立体定量预测建模与可视化研究［J］. 地质与勘探， 44（2）： 62-66.
-
左仁广， 夏庆霖， 谭宁， 郑有业. 2007. 西藏冈底斯斑岩铜矿综合信息预测［J］. 中南大学学报（自然科学版）， 38（2）： 368-373.
-
摘要
当前，中国主要矿产大多面临后备资源不足问题，在大中型矿山深部寻找可接替资源已成为保障主要矿产的战略措施。然而，金属矿山深部找矿预测面临着矿床深部结构不清、深部控矿规律隐蔽、深部矿体空间定位难度大等关键问题，亟须建立适应矿山真三维空间要求的矿产资源预测与评价新理论并取得关键技术突破。针对这些问题，自 20世纪 80年代开始，笔者通过持续的探索和研究创新，先后提出隐伏矿体立体定量预测、深部资源三维可视化预测，最终提出并建立深部资源三维智能预测理论与方法，实现了矿床深部三维结构重建的自动化与精细化、深部控矿规律表征的定量化与透明化、深部成矿空间矿体定位的精准化与智能化。该理论与方法主要包括成矿系统分析与找矿概念模型构建、矿床深部结构贝叶斯数据同化三维精细重建、矿床深部地质结构三维几何-物质分析与成矿信息提取、深部矿体空间定位规律深度学习与三维预测等重要方法与关键技术。该理论与方法先后在山东胶西北金矿集区、甘肃金川铜镍矿等地取得成功应用，在矿区深部探获厚度大、高品位矿体，取得深部找矿突破。
Abstract
At present， China is facing a severe shortage of backup mineral resources. Finding replaceable resources in the deep parts of large and medium-sized mines has become a strategic measure to ensure major mineral supplies. However， the deep mineral prospectivity mapping faces key challenges such as unclear deep orebody structures， hidden deep ore-controlling patterns， and significant difficulties in spatial positioning of deep orebodies. There is an urgent need to establish new theories for mineral prospectivity mapping and evaluation that meet the requirements of true three-dimensional （3D） spatial modeling in mining， and to achieve key technological breakthroughs. To address these issues， starting from the 1980s， the author has proposed and developed innovative approaches through continuous exploration and research. These include the stereoscopic quantitative prediction of concealed orebodies and the visualization of deep 3D mineral prospectivity mapping. Ultimately， the theory and methods for 3D intelligent prospectivity mapping of deep metal mine resources were proposed and established. These methods have automated and refined the 3D reconstruction of deep orebody structures， quantified and made transparent the representation of deep ore-controlling patterns， and enabled precise and intelligent spatial localization of deep mineralization zones. The theory and methods for deep 3D intelligent mineral prospectivity mapping mainly include： analysis of metallogenic systems and construction of ore-finding conceptual models， Bayesian data assimilation for 3D detailed reconstruction of deep orebody structures，3D geometric-material analysis of deep geological structures and extraction of metallogenic information， deep learning and 3D prospectivity mapping of spatial localization rules for deep orebodies. These theories and methods have been successfully applied in areas such as the Jiaodong Peninsula in Shandong and the Jinchuan copper-nickel mine in Gansu， achieving significant breakthroughs in deep prospecting by discovering thick， high-grade orebodies in deep mining areas.
