en
×

分享给微信好友或者朋友圈

使用微信“扫一扫”功能。

引用本文: 张志辉,左群超. 2024. 基于模型驱动和自动演进理论的矿集区找矿预测数据模型应用软件开发[J]. 矿产勘查,15(8):1478-1490.

Citation: Zhang Zhihui,Zuo Qunchao. 2024. Development of application softwares for data models for prospecting prediction in mineralization focused area based on model-driven and automatic evolution software theory[J]. Mineral Exploration,15(8):1478-1490.

作者简介:

张志辉,男,1980年生,正高级工程师,从事矿床学和矿产找矿预测理论研究工作,E-mail: zzh1102114@126.com。

通讯作者:

左群超,男,1964年生,正高级工程师,从事矿产地质调查与深部找矿预测、地质大数据建设与应用、计算机地质智能方法技术研究;E-mail: zuoqc163@163.com。

中图分类号:P628.1

文献标识码:A

文章编号:1674-7801(2024)08-1478-13

DOI:10.20008/j.kckc.202408012

参考文献
Beyreuther M, Barsch R, Krischer L, Megies T, Behr Y, Wassermann J. 2010. ObsPy: A Python toolbox for seismology[J]. Seismological Research Letters, 81(3): 530-533.
参考文献
Brown T H, Berman R G, Perkins E H. 1988. Ge0-Calc: Software package for calculation and display of pressure-temperature-composition phase diagrams using an IBM or compatible personal computer[J]. Computers & Geosciences, 14(3): 279-289.
参考文献
He X, Yu Q, Liu S, Yang M, Zhang D. 2021. Origin of the Erdaohe Ag–Pb–Zn deposit, central Great Xing’an Range, northeast China: Constraints from fluid inclusions, zircon U–Pb geochronology, and stable isotopes[J]. Ore Geology Reviews, 137: 104309.
参考文献
Janoušek V, Farrow C M, Erban V. 2006. Interpretation of whole-rock geochemical data in igneous geochemistry: Introducing geochemical data toolkit (GCDkit)[J]. Journal of Petrology, 47(6): 1255-1259.
参考文献
Kennedy M C, Hagan O. 2001. Bayesian calibration of computer models[J]. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 63(3): 425-464.
参考文献
Krieger L, Peacock J R. 2014. MTpy: A Python toolbox for magnetotellurics[J]. Computers & Geosciences, 40(2): 167-175.
参考文献
Petrelli M, Poli G, Perugini D, Peccerillo A. 2005. PetroGraph: A new software to visualize, model, and present geochemical data in igneous petrology[J]. Geochemistry, Geophysics, Geosystems, 6(7): 859-869.
参考文献
Qiu J, Song W, Jiang C, Wu H, Dong R M. 2013. CGDK: An extensible CorelDRAW VBA program for geological drafting[J]. Computers & Geosciences, 39(6): 34-48.
参考文献
Su Y, Langmuir C H, Asimow P D. 2003. PetroPlot: A plotting and data management tool set for Microsoft Excel[J]. Geochemistry, Geophysics, Geosystems, 4(3): 273-289.
参考文献
Verma S P, Torres-Alvarado I S, Velasco-Tapia F. 2003. A revised CIPW norm[J]. Schweizerische Mineralogische and Petrographische Mitteilungen, 83(2): 197-216.
参考文献
Wang X, Ma W, Gao S, Ke L. 2008. GCDPlot: An extensible microsoft excel VBA program for geochemical discrimination diagrams[J]. Computers & Geosciences, 34(12): 1964-1969.
参考文献
Yu Q Y, Bagas L, Yang P, Zhang D. 2019. GeoPyTool: A cross-platform software solution for common geological calculations and plots[J]. Geoscience Frontiers, 10(4): 1437-1447.
参考文献
Yu Q Y, Zhang X, Hu B, Zhang D. 2021. Separating volcanic rock groups: A novel method based on principal component analysis and a support vector machine[J]. Arabian Journal of Geosciences, 14(11): 1944-1959.
参考文献
Zhang Z, Zhang D, Xiang X, Zhu X, He X. 2022. Geology and mineralization of the supergiant Shimensi granitic-type W-Cu-Mo deposit in northern Jiangxi, South China: A review[J]. China Geology, 5: 1-18.
参考文献
Zhou J, Li X. 2006. GeoPlot: An Excel VBA program for geochemical data plotting[J]. Computers & Geosciences, 32(4): 554-560.
参考文献
陈建平, 李靖, 谢帅, 刘静, 胡彬. 2017. 中国地质大数据研究现状[J]. 地质学刊, 41(3): 353-366.
参考文献
成秋明. 2021. 什么是数学地球科学及其前沿领域?[J]. 地学前缘, 28(3): 6-25.
参考文献
董延涛, 邢万里, 王京. 2023. 社会资本支持矿产资源勘查开发的路径与举措[J]. 矿产勘查, 14(10): 1849-1855.
参考文献
方思源, 董少春, 胡欢. 2021. 基于大数据的元素协变图自动绘制软件的设计与实现[J]. 高校地质学报, 27(1): 73-77.
参考文献
路远发. 2004. GeoKit: 一个用VBA构建的地球化学工具软件包[J]. 地球化学, (5): 459-464.
参考文献
姚晓峰, 施俊法, 陈骥, 余韵, 张婷婷. 2024. 从“直接找矿”到“智能找矿”: 脉络与启示[J]. 矿产勘查, 15(4): 671-679.
参考文献
翟明国, 杨树锋, 陈宁华, 陈汉林. 2018. 大数据时代: 地质学的挑战与机遇[J]. 中国科学院院刊, 33(8): 825-831.
参考文献
张旗, 周永章. 2017. 大数据正在引发地球科学领域一场深刻的革命——《地质科学》2017 年大数据专题代序[J]. 地质科学, 52(3): 637-648.
参考文献
张志辉, 胡擘捷, 张达, 熊光强, 祝新友, 贾文彬, 巩小栋. 2020a. 赣北石门寺花岗斑岩锆石U-Pb年龄、岩石地球化学、Hf同位素特征及其对成矿的制约[J]. 地质通报, 39(8): 1267-1284.
参考文献
张志辉, 张达, 胡擘捷, 贾宏翔, 贾儒雅, 耿林. 2020b. 广东天堂山锡多金属矿床成矿物质来源及就矿找矿思路[J]. 地质通报, 41(10): 1887-1898.
参考文献
张志辉, 叶天竺, 祝新友, 巩小栋, 贾文彬, 熊光强, 贺晓龙, 胡擘捷. 2023. 赣北石门寺钨矿找矿预测地质模型[J]. 地质通报, 42(6): 921-930.
参考文献
张志辉, 张达, 贺晓龙, 胡擘捷, 祝新友, 杜泽忠, 贾文彬, 巩小栋. 2021. 江西九岭杂岩体中黑云母花岗闪长岩年龄及对扬子和华夏板块碰撞拼合时间限定[J]. 中国地质, 48(5): 1562-1579.
参考文献
张志辉, 左群超. 2024a. 矿集区找矿预测理论方法技术体系框架[J/OL]. 中国地质. https: //link. cnki. net/urlid/11. 1167. P. 20240523. 0846. 002.
参考文献
张志辉, 左群超.2024b. 矿集区找矿预测大数据实体数据模型的界定与构建[J/OL].中国地质. https: //link. cnki. net/urlid/11. 1167. P. 20240702. 1551. 011.
参考文献
赵鹏大. 2019. 地质大数据特点及其合理开发利用[J]. 地学前缘, 26(4): 1-5.
参考文献
赵鹏大, 陈建平, 张寿庭. 2003. “三联式”成矿预测新进展[J]. 地学前缘, 10(2): 455-463.
参考文献
赵鹏大, 孟宪国. 1992. 地质学的定量化问题[J]. 地球科学, (S1): 51-56.
参考文献
周继彬, 曾佐勋, 袁金荣. 2003. 构造地质学软件包——StrucKit的设计与开发[J]. 吉林大学学报(地球科学版), (3): 276-281.
目录contents

    摘要

    本文旨在构建一个系统而全面支持矿集区找矿预测数据模型应用的软件体系架构。采用模型驱动和自动演进的软件研发理论,服务和支持矿集区找矿预测数据模型应用。研发工作主要集中在3类核心应用软件的研发:数据模型管理类软件、数据模型使用类软件和数据质量控制类软件,推出这些软件将有效地管理数据模型,提高矿集区找矿效率,并确保数据质量可靠性和准确性。提出了一个包含9个层次且完备的支持软件体系架构,全面覆盖数据模型从需求、设计到实际应用和用户层面各个环节。通过构建和研发支持矿集区找矿预测数据模型应用的软件体系架构及一套核心应用软件,成功为矿集区找矿预测提供了有效信息技术支持。这项工作不仅提高了找矿预测理论方法研究层次,还显著提升了软件技术应用水平,并可推广使用,具有重要的找矿指导意义。

    Abstract

    This paper aims to establish a software architecture that systematically and comprehensively supports the implementation of prospecting prediction data models in mineralization focused area. The software development approach of model-driven and automatic evolution is employed to facilitate the application of prospecting prediction data models in mineralization focused area. Research and development efforts are primarily focused on creating three core application software types: data model management software, data model usage software, and data quality control software. The utilization of these software tools will aid in the efficient management of data models, enhancing the effectiveness of prospecting activities in mineralization focused area, and ensuring the reliability and accuracy of data quality. A detailed nine-level supporting software architecture is proposed, encompassing all stages of the data model lifecycle from requirements and design to practical application and user interaction. Through the development of a software architecture and essential application software supporting the application of prospecting prediction data models in mineralization focused area, effective information technology support has been successfully provided for prospecting predictions in mineralization focused area.

  • 0 引言

  • 数学地球科学是一个融合了数学和地球科学的交叉学科领域,被称为地质科学的“数据科学”,该领域采用定量方法深入研究地球特征和地质过程(赵鹏大,2019成秋明,2021)。地质大数据具备传统大数据的4个基本特征,即“4V”特征,这包括大量(Volume)、高速(Velocity)、多样(Variety)和价值 (Value),在当今的地球科学研究中,基于知识驱动的地球科学大数据分析已成为一个备受关注的研究热点(Kennedy and Hagan,2001陈建平等,2017翟明国等,2018)。“矿集区找矿预测”是介于“1∶5万区域地质调查”和“矿产勘查”之间的工作,由1∶5万比例尺区域矿产预测和大于等于1∶1万大比例尺找矿预测序次组成,属于“矿产预测”范畴。这项工作涉及多个学科领域,包括地质、数学和技术等交叉研究(赵鹏大等,2003)。

  • 传统地质学一直被认为是一门定性、推理性和历史性学科。然而,随着科技的发展和研究方法的改变,地质学正逐渐从定性转向定量。研究者们越来越倾向于利用定量数据对地质体进行分类和判断,标志着地质学依赖定量数据进行分析和研究的发展方向(赵鹏大等,2003)。中国矿产资源也面临着机遇和风险并存的局面(董延涛等,2023)。随着一系列超大型矿床的发现为矿集区找矿预测研究提供了更好的研究靶区(张志辉等,2020a2020b20212023Zhang et al.,2022),找矿思路和技术方法在找矿中也具有重要作用(张志辉等,2020a),找矿也在从直接找矿发展为智能找矿(姚晓峰等, 2024)。为了有效地进行找矿工作,信息技术和定量方法成为了必不可少的工具,通过可视化和网络化展示矿化特征和分布情况,方便我们更直观地理解和做出决策。综合运用信息技术和定量方法,多方面处理矿集区的成矿要素,数字找矿的应用将能够实现更准确、高效的找矿预测(赵鹏大和孟宪国, 1992)。地球科学领域中仍然存在有关大数据应用性的争议,其中地质大数据的积累和共享意识不足,缺乏统一平台和标准,有必要进一步探索大数据在地球科学领域的实际应用案例,同时建立一个开放的共享平台和统一的标准是推动地质大数据研究和发展的关键。通过共享数据和经验,可以加快地质大数据的研究进程,为地球科学领域的发展提供更多支持和洞察(张旗和周永章,2017)。

  • 长期以来,矿床研究相关的各种已有软件更多关注具体的研究细节而非矿集区层面(Brown et al., 1988Su et al.,2003Verma et al.,2003周继彬等,2003路远发,2004Petrelli et al.,2005Janoušek et al.,2006Zhou and Li,2006Wang et al.,2008Beyreuther et al.,2010Qiu et al.,2013Krieger and Peacock,2014方思源等,2021),后续的若干研究提出了一些集成化的设计思路,但仍未能够在更广的尺度上、更高的抽象层次上建立开放平台和统一标准,因此其研究效用在具体的地质工作中往往局限于特定的空间范围(Yu et al.,20192021He et al.,2021)。

  • 传统的软件研发、生存及演进方式是基于用户需求驱动的。然而,用户需求是不断变化的,这就要求软件必须具备适应能力和演进方式。软件的存活时间、适应能力和演进方式依赖于多个因素,包括经费支持、人工维护、软件补丁和更新,以及用户满意度等。然而,传统的软件演进方式存在一系列问题,包括易出错、效率低、响应慢、不规范等。这些问题使得软件在面对用户需求的变化时变得不够灵活和可靠。更严重的是,颠覆性的技术变化可能会对软件的生存造成巨大灾难,使其无法适应新的环境和需求。因此,需要改变传统的软件研发、生存及演进方式,以适应持续变化的用户需求,并避免出现易出错、低效、不规范等问题。在面对技术变化时,软件的演进方式也需要灵活应对,以确保其生存和发展。为了解决上述问题,国际OMG 组织在21世纪初提出了模型驱动的解决方案,即软件模型驱动和自动演进理论。本文在矿集区找矿预测理论方法技术体系框架和大数据实体数据模型的基础上(张志辉和左群超,2024a2024b),进一步开发支持矿集区找矿预测数据模型的软件体系架构及系列软件,其设计和开发以模型驱动和自动演进理论为指导思想。

  • 1 核心应用软件

  • 系列软件设计与开发以模型驱动和自动演进的软件研发理论为指导,涉及3类核心应用软件,即数据模型使用软件、数据模型管理软件和数据质量控制软件。

  • “矿集区找矿预测数据模型应用软件”的英文名称为“GeoMap By Models(简称 GeoMapBM)”。 GeoMapBM 软件是使用 MS C++、Visual C++语言、 MapGIS 6.7 SDK、MS Office Access、MS Office Excel 开发的,并且还使用了矿集区找矿预测数据模型字典数据库(GeoMAD. mdb)。该软件可以在 MS Windows 7、MS Windows 10 等操作系统上运行。截至 2021 年 12 月 31 日,当前最新版本是 GeoMapBM V2.5。

  • “矿集区找矿预测数据模型管理软件”的英文名称为“GeoMgr By Models(简称为 GeoMgrBM)”。 GeoMgrBM软件是使用MS C#语言、MS Office Access 和 MS Office Excel 开发的,该软件可以在 MS Windows 7、MS Windows 10 等操作系统上运行。截至 2021 年 12 月 31 日,当前最新版本为 GeoMgrBM V2. 0。

  • “矿集区找矿预测数据质量控制软件”英文名称为“GeoDQC By Models(简称为 GeoDQCBM)”。 GeoDQCBM 软件是使用 MS C++、Visual C++语言、MapGIS 6.7 SDK、MS Office Access 和 MS Office Excel开发的,并且还使用了矿集区找矿预测数据模型字典数据库(GeoMAD. mdb)。该软件可以在 MS Windows 7、MS Windows 10 等操作系统上运行。截至 2021 年 12 月 31 日,当前最新版本为 GeoDQCBM V2.5。

  • 2 软件原理、操作流程、主要功能

  • 2.1 数据模型使用软件

  • 2.1.1 概要说明

  • 矿集区找矿预测数据模型使用类软件是一种旨在支持矿集区找矿预测编图与建库工作的软件或系统,并遵循矿集区找矿预测数据模型规范。

  • GeoMapBM软件支持基于矿集区找矿预测数据模型的编图和建库规范。具体包括矿集区找矿预测预研究、矿集区找矿预测野外地质专项调查、矿集区比例尺区域矿产预测、重点区或勘查区大比例尺找矿预测,以及勘探工程验证等全过程的矿集区找矿预测编图和建库工作。

  • 矿集区找矿预测数据模型字典数据库 (GeoMAD. mdb)包含了矿集区找矿预测研究、野外地质调查、区域矿产预测、大比例尺找矿预测以及勘探工程验证等全过程所需的各类图件数据模型、表格数据模型以及数据质量模型的字典内容。作为 GeoMapBM 软件后台支持数据模型字典数据库, GeoMAD. mdb控制并驱动GeoMapBM软件支持矿集区找矿预测数据模型的应用功能。

  • 2.1.2 基本原理

  • GeoMapBM软件采用分层设计思想和模型驱动理论,适度处理数据实体、数据模型和软件功能之间的复杂联系,三者之间既相对独立又相互依赖,并有效控制了矿集区找矿预测的需求变化、数据模型的不断完善变化以及软件技术实现之间的复杂度。实现了基于矿集区找矿预测数据模型规范进行编图和建库。

  • GeoMapBM软件主要用于支持矿集区找矿预测项目。该软件严格按照矿集区找矿预测数据模型规范开展矿集区找矿预测编图与建库工作。其目的是使得矿集区找矿预测编制的图件数据符合矿集区找矿预测图件类数据模型规定,包括编图比例尺、坐标类型、地图参数、图件分层结构、图层对应特征分类、特征分类的属性数据表、属性数据表结构、数据项定义和数据项填写约定规则,以及图件图层应遵循拓扑规则。同时,该软件还能使采集的表格数据符合矿集区找矿预测表格类数据模型规定,包括采集比例尺、坐标类型、地图坐标参数、数据表关联结构、数据表对应特征分类、特征分类的属性数据表、属性数据表结构、数据项定义和数据项填写约定规则,以及表格数据表应遵循空间约束。图1展示了GeoMapBM软件的基本原理。

  • 图1 GeoMapBM软件基本原理

  • 2.1.3 操作流程

  • GeoMapBM软件是一款主要用于支持矿集区找矿预测项目的软件,遵循矿集区找矿预测数据模型规范,用于进行编图和建库工作。通过使用该软件,可以确保矿集区找矿预测编辑的图件和采集的数据符合相关规范。该软件提供了规范图件模块、规范表格模块、录入数据模块、检查质量模块和元数据模块,用于处理矿集区找矿预测产生或形成的各种图件类数据集和表格类数据集。一般情况下,使用该软件有两个主要操作流程(图2)。

  • 2.1.4 软件主要功能

  • GeoMapBM软件基于矿集区找矿预测数据模型数据字典库,主要支持矿集区找矿预测项目或任务基于矿集区找矿预测数据模型技术规范进行编图和建库工作。该软件提供了以下主要功能模块:规范图件模块、规范表格模块、录入数据模块、检查质量模块、元数据模块、辅助编图模块和辅助建库模块。图2 中的 GeoMapBM 软件登录主界面和图3 中的GeoMapBM软件功能模块。

  • 2.2 数据模型管理软件

  • 2.2.1 概要说明

  • 矿集区找矿预测数据模型管理类软件是一种旨在设计、维护、管理和发布矿集区找矿预测数据模型及其基础、规范、标准模型要素的软件或系统。其目的是构建并提供矿集区找矿预测数据模型字典数据库或字典库。

  • 矿集区找矿预测数据模型管理类软件旨在支持矿集区找矿预测数据模型的使用、质量控制、资料管理、应用以及用户需求。该软件与系统能够通过多种表达形式的矿集区找矿预测数据模型字典库,为相关人员提供研究、编图、建库、查询、处理、分析、统计、管理、服务以及成果交流等方面的辅助。

  • GeoMgrBM 软件负责支持矿区找矿预测数据模型的设计、维护、管理和发布等工作。该软件主要管理以下数据模型内容:矿区找矿预测的预研究、野外地质专项调查、比例尺区域矿产预测、重点区或勘查区大比例尺找矿预测,以及勘探工程验证。其中包括各种图件类数据模型、表格类数据模型、质量类数据模型、专业划分与专业划分谱系、特征分类与特征分类体系、图层类、数据表类、特征类属性定义、数据项定义、数据下属词规定等基础、规范或标准模型要素。

  • 图2 GeoMapBM软件登录界面与操作流程

  • 图3 GeoMapBM软件功能模块

  • GeoMgrBM软件通过导出MS Office Access格式的矿集区找矿预测数据模型字典库(GeoMAD. mdb) 作为后台数据模型字典数据库来支持、控制和驱动 GeoMapBM、GeoDQCBM 软件的矿集区找矿预测数据模型应用功能。字典数据库 GeoMAD. mdb 内包含了矿集区找矿预测各个阶段的不同类型的数据模型,包括矿集区找矿预测预研究、矿集区找矿预测野外地质专项调查、矿集区中比例尺区域矿产预测、重点区或勘查区大比例尺找矿预测以及勘探工程验证等全过程所需要的图件类数据模型、表格类数据模型以及图件类与表格类数据质量类数据模型的内容。

  • 2.2.2 基本原理

  • GeoMgrBM 软件采用分层设计思想和数据库字典技术。它有效地解决了计算机辅助数据模型建设人员在设计、维护、管理、发布和应用矿集区找矿预测数据模型时的问题。该软件实现了对多领域、多层次、多尺度、专业性强、综合性强和动态性强的矿集区找矿预测数据模型的计算机管理和应用。此外,它还有效地控制了矿集区找矿预测工作的需求变化与数据模型之间的复杂性。

  • GeoMgrBM 软件的定位主要体现在 2 个方面: (1)采用了软件工具和数据库手段,辅助矿集区找矿预测数据模型建设人员进行繁重的工作,包括设计、修改、增加、更新、检查、管理、导入和导出等。这样做既减轻了数据模型建设人员的劳动强度,又提高了矿集区找矿预测数据模型的研制水平。(2) 采用数据库字典技术,将庞大、复杂和抽象的矿集区找矿预测数据模型内容字典化和数据库化,用于驱动和控制前端矿集区找矿预测数据模型应用软件(例如:GeoMapBM、GeoDQCBM 等软件)。通过自动执行矿集区找矿预测数据模型规范,促进了矿集区找矿预测数据模型的推广应用。GeoMgrBM 软件的基本原理如图4所示。

  • 图4 GeoMgrBM软件基本原理

  • 2.2.3 操作流程

  • GeoMgrBM 系统是用于辅助支持矿集区找矿预测数据模型建设人员的工具。它可以帮助人员进行矿集区找矿预测数据模型的设计、修改、增加、更新、检查、管理、导入和导出等繁重工作。通过使用该系统,可以提高矿集区找矿预测数据模型的研制水平,并支持使用基于该模型的软件或系统(如 GeoMapBM软件)的数据模型使用类、数据质量控制类、数据资料管理类、数据资料应用类和数据资料用户类等功能。目前,GeoMgrBM 系统的主要功能是辅助矿集区找矿预测数据模型的设计操作,包括新增、修改、删除和调整,以及管理操作,如浏览、查询、统计、检查和导出(图5)。

  • 图5 GeoMgrBM系统登录界面与操作流程

  • 2.2.4 软件主要功能

  • GeoMgrBM 软件数据字典库技术主要用于矿集区找矿预测数据模型的设计、维护、管理、发布和应用。它提供了以下主要功能模块:系统设置、用户管理、模型管理、专业特征、字段基元、模型设计、模型检查、导入导出和代码管理等。

  • 模型设计模块主要包括以下功能:图件类别设计、图层类别设计、子图类别设计、图件与图层的关联、子图与图层的关联、图层类别与特征分类的对应、表格类别设计、数据表类设计、子表格类别设计、表格与数据表的关联、数据表类与特征分类的对应等。此外,GeoMgrBM 软件系统仍在不断完善中,参考图5 GeoMgrBM 软件的登录主界面,以及图6 GeoMgrBM软件的主要功能模块。

  • 2.3 数据质量控制软件

  • 2.3.1 概要说明

  • 矿集区找矿预测数据质量控制类软件,是指利用矿集区找矿预测图件和表格的数据质量模型作为质量控制原则的数据质量检查与评价软件。该软件旨在辅助数据库建设人员、数据质量检查人员、管理人员、监督人员和检查验收专家,对矿集区找矿预测工作或项目中生成的图件和表格数据进行自检、互检、专检、督检、验收检查(包括初审、终审和复核)及质量评价。

  • GeoDQCBM 软件基于矿集区找矿预测图件和表格数据质量模型,用于辅助相关人员对矿集区找矿预测数据的质量进行检查与评价。具体包括对矿集区找矿预测的相关研究、野外地质调查、区域矿产预测、重点区或勘查区的大比例尺找矿预测以及勘探工程验证等各个阶段所形成的图件和表格数据的质量检查与评价。

  • 矿集区找矿预测图件类和表格类数据质量模型字典内容是矿集区找矿预测数据模型字典数据库(GeoMAD. mdb)的一个重要子库。矿集区找矿预测数据模型字典数据库(包含数据质量模型字典数据库子库)作为GeoDQCBM 软件的后台字典数据库被调用,用于控制和驱动 GeoDQCBM 软件,以支持检查和评价矿集区找矿预测数据的质量功能。

  • 图6 GeoMgrBM软件功能模块

  • 2.3.2 基本原理

  • GeoDQCBM 软件采用分层设计思想和模型驱动理论,有效处理数据实体、数据质量模型和质量检查与评价软件功能之间的复杂联系,使得三者之间既相对独立又彼此依赖,能够高效地完成关于矿集区找矿预测图件类和表格类数据的自检、互检、专检、督检和验收检查(初审、终审、复核)以及质量评述等工作任务。该软件能够提高计算机辅助数据建库人员、质量检查人员、管理人员、监督人员和检查验收专家的工作效率。

  • GeoDQCBM 软件的定位主要是为了高效地辅助数据建库人员、质量检查人员、管理人员、监督人员或检查验收专家开展对矿集区找矿预测图件类和表格类数据进行自检、互检、专检、督检、验收检查(包括初审、终审和复核)以及质量评述工作。这样可以确保矿集区找矿预测图件类和表格类数据成果既符合矿集区找矿预测数据模型规范,又符合 《数字地质数据质量检查与评价》(DZ/T0268-2014) 的质量要求。GeoDQCBM 软件的基本原理如图7 所示。

  • 2.3.3 操作流程

  • GeoDQCBM 软件主要用于支持数据建库人员、质量检查人员、管理人员、监督人员或检查验收专家进行矿集区找矿预测图件类和表格类数据的质量检查与评价工作。根据矿集区找矿预测工作形成的图件类数据集和或表格类数据集,以及具体的质量目标或其他质量需求情况,可以使用 GeoDQCBM 软件的图件数据质检模块、批量图件质检模块、图件子集质评模块、图件集合质评模块、表格数据质检模块、批量表格质检模块、表格子集质评模块、表格集合质评模块、图件表格质评模块、导出质检记录模块、导出质评报告模块、辅助质检质评模块等来进行质量检查与评价工作。GeoDQCBM 软件的操作流程(图8)。

  • 图7 GeoDQCBM软件基本原理

  • 图8 GeoDQCBM软件登录界面与操作流程

  • 借助矿集区找矿预测数据质量控制软件 GeoDQCBM,项目组内的数据生产人员、质检人员、项目承担单位的质量管理部门以及检查验收专家组都可以制定适合具体数据种类和质量目标的质量控制方案、技术要求和操作流程。

  • 为了改进矿集区找矿预测项目研究工作所形成的数据库数据种类特点(主要包含图件类数据集和表格类数据集)以及矿集区找矿预测项目研究工作技术要求等主要因素,应制定合理、科学且有效的矿集区找矿预测数据库质量检查验收技术要求、质量检查验收实施方案以及技术实施流程(图9)。矿集区找矿预测数据库质量检查验收工作技术实施流程主要以矿集区找矿预测数据模型规范要求为核心,辅助使用数据质量检查与评价软件,由数据库验收专家组执行图件类数据集和(或)表格类数据集的质量检查、复核、评价等关键过程。

  • 图9 矿集区找矿预测数据库质量验收工作技术实施流程

  • 2.3.4 软件主要功能

  • GeoDQCBM 软件是基于矿集区找矿预测图件类和表格类数据质量检查与评价模型字典库的。它的主要功能是协助数据建库人员、质量检查人员、管理人员、监督人员或检查验收专家高效开展矿集区找矿预测图件类和表格类数据的自检、互检、专检、督检和验收检查(包括初审、终审和复核),以及质量评述工作。该软件提供了以下主要功能模块:系统设置管理模块、图件数据质检模块、批量图件质检模块、图件子集质评模块、图件集合质评模块、表格数据质检模块、批量表格质检模块、表格子集质评模块、表格集合质评模块、图件表格质评模块、导出质检记录模块、导出质评报告模块、辅助质检质评模块等。登录主界面的示意图(图8),软件的功能模块图(图10)。

  • 3 数据模型作用和软件体系架构

  • 3.1 数据模型作用

  • 数据库数据模型是数据库管理系统设计的核心。而矿集区找矿预测数据模型,则是矿集区找矿预测理论方法技术体系的核心。类似于矿集区找矿预测方法规范或技术要求是矿集区找矿预测野外调查与测量、专题分析与综合研究的根本规范,矿集区找矿预测数据模型则是矿集区找矿预测工作各个环节信息流或数据流的基本骨架。

  • 矿集区的找矿预测数据模型规范在数据层面上,对采用的两套矿产预测理论方法进行了无缝贯通和融合的数据集成。这两套方法分别是“矿床模型综合地质信息预测理论方法”和“成矿地质体找矿预测理论方法”。同时,矿集区的找矿预测数据模型支持软件在软件层面上,为采用的两套矿产预测理论方法提供了有效支撑和无缝衔接的技术实现。

  • 以矿集区找矿预测技术要求为根本规范,以矿集区找矿预测数据模型为基本骨架,以矿集区找矿预测数据模型支持软件为信息手段,通过系统、深入、贯通、融合、集成矿床模型综合地质信息预测理论方法与成矿地质体找矿预测理论方法,构建并形成了覆盖从中比例尺区域矿产预测到大比例尺找矿预测全过程的矿集区找矿预测理论方法技术体系。

  • 3.2 软件体系架构

  • 矿集区找矿预测数据模型应用支持软件,无缝衔接并分层支撑矿集区找矿预测工作的各个环节。这些软件还用于研究和处理矿集区找矿预测数据。

  • 矿集区找矿预测数据模型应用支持软件是一个由多类软件或系统构成的体系架构。它不是一个单独的软件或系统,也不是一类软件或系统。该体系架构包含多个层次和多个软件或系统。

  • 图10 GeoDQCBM软件功能模块

  • 图11 矿集区找矿预测数据模型应用支持软件体系架构

  • 矿集区找矿预测数据模型应用支持软件体系通常包括以下几个层次的软件或系统构成(图11):数据模型需求层、数据模型要素层、数据模型字典层、数据模型管理层、数据模型使用层、数据质量控制层、数据资料管理层、数据资料应用层、数据资料用户层。

  • 4 结论

  • (1)构建了矿集区找矿预测数据模型应用支持软件体系架构,研发了矿集区找矿预测数据模型的核心应用软件系列,提供了支撑矿集区找矿预测理论方法技术体系全面应用的信息技术手段。

  • (2)采用模型驱动和自动演进软件研发理论构建的矿集区找矿预测数据模型应用支持软件体系架构,可分为 9 个层次,即数据模型需求层、数据模型设计层、数据模型字典层、数据模型管理层、数据模型使用层、数据质量控制层、数据资料管理层、数据资料应用层和数据资料用户层,全面服务和系统支持矿集区的找矿预测数据模型应用。

  • (3)通过采用模型驱动和自动演进软件研发理论,研发并实现了支持矿集区找矿预测数据模型应用的3类核心应用软件。这些软件包括矿集区找矿预测数据模型管理软件(GeoMgrBM 软件),矿集区找矿预测数据模型使用软件(GeoMapBM软件)以及矿集区找矿预测数据质量控制软件(GeoDQCBM 软件)。

  • 致谢 感谢中国地质大学(武汉)汪新庆教授对研究提供的技术支持和贡献。对两位匿名审稿人对文章提出的许多有价值的建议表示感谢。

  • 参考文献

    • Beyreuther M, Barsch R, Krischer L, Megies T, Behr Y, Wassermann J. 2010. ObsPy: A Python toolbox for seismology[J]. Seismological Research Letters, 81(3): 530-533.

    • Brown T H, Berman R G, Perkins E H. 1988. Ge0-Calc: Software package for calculation and display of pressure-temperature-composition phase diagrams using an IBM or compatible personal computer[J]. Computers & Geosciences, 14(3): 279-289.

    • He X, Yu Q, Liu S, Yang M, Zhang D. 2021. Origin of the Erdaohe Ag–Pb–Zn deposit, central Great Xing’an Range, northeast China: Constraints from fluid inclusions, zircon U–Pb geochronology, and stable isotopes[J]. Ore Geology Reviews, 137: 104309.

    • Janoušek V, Farrow C M, Erban V. 2006. Interpretation of whole-rock geochemical data in igneous geochemistry: Introducing geochemical data toolkit (GCDkit)[J]. Journal of Petrology, 47(6): 1255-1259.

    • Kennedy M C, Hagan O. 2001. Bayesian calibration of computer models[J]. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 63(3): 425-464.

    • Krieger L, Peacock J R. 2014. MTpy: A Python toolbox for magnetotellurics[J]. Computers & Geosciences, 40(2): 167-175.

    • Petrelli M, Poli G, Perugini D, Peccerillo A. 2005. PetroGraph: A new software to visualize, model, and present geochemical data in igneous petrology[J]. Geochemistry, Geophysics, Geosystems, 6(7): 859-869.

    • Qiu J, Song W, Jiang C, Wu H, Dong R M. 2013. CGDK: An extensible CorelDRAW VBA program for geological drafting[J]. Computers & Geosciences, 39(6): 34-48.

    • Su Y, Langmuir C H, Asimow P D. 2003. PetroPlot: A plotting and data management tool set for Microsoft Excel[J]. Geochemistry, Geophysics, Geosystems, 4(3): 273-289.

    • Verma S P, Torres-Alvarado I S, Velasco-Tapia F. 2003. A revised CIPW norm[J]. Schweizerische Mineralogische and Petrographische Mitteilungen, 83(2): 197-216.

    • Wang X, Ma W, Gao S, Ke L. 2008. GCDPlot: An extensible microsoft excel VBA program for geochemical discrimination diagrams[J]. Computers & Geosciences, 34(12): 1964-1969.

    • Yu Q Y, Bagas L, Yang P, Zhang D. 2019. GeoPyTool: A cross-platform software solution for common geological calculations and plots[J]. Geoscience Frontiers, 10(4): 1437-1447.

    • Yu Q Y, Zhang X, Hu B, Zhang D. 2021. Separating volcanic rock groups: A novel method based on principal component analysis and a support vector machine[J]. Arabian Journal of Geosciences, 14(11): 1944-1959.

    • Zhang Z, Zhang D, Xiang X, Zhu X, He X. 2022. Geology and mineralization of the supergiant Shimensi granitic-type W-Cu-Mo deposit in northern Jiangxi, South China: A review[J]. China Geology, 5: 1-18.

    • Zhou J, Li X. 2006. GeoPlot: An Excel VBA program for geochemical data plotting[J]. Computers & Geosciences, 32(4): 554-560.

    • 陈建平, 李靖, 谢帅, 刘静, 胡彬. 2017. 中国地质大数据研究现状[J]. 地质学刊, 41(3): 353-366.

    • 成秋明. 2021. 什么是数学地球科学及其前沿领域?[J]. 地学前缘, 28(3): 6-25.

    • 董延涛, 邢万里, 王京. 2023. 社会资本支持矿产资源勘查开发的路径与举措[J]. 矿产勘查, 14(10): 1849-1855.

    • 方思源, 董少春, 胡欢. 2021. 基于大数据的元素协变图自动绘制软件的设计与实现[J]. 高校地质学报, 27(1): 73-77.

    • 路远发. 2004. GeoKit: 一个用VBA构建的地球化学工具软件包[J]. 地球化学, (5): 459-464.

    • 姚晓峰, 施俊法, 陈骥, 余韵, 张婷婷. 2024. 从“直接找矿”到“智能找矿”: 脉络与启示[J]. 矿产勘查, 15(4): 671-679.

    • 翟明国, 杨树锋, 陈宁华, 陈汉林. 2018. 大数据时代: 地质学的挑战与机遇[J]. 中国科学院院刊, 33(8): 825-831.

    • 张旗, 周永章. 2017. 大数据正在引发地球科学领域一场深刻的革命——《地质科学》2017 年大数据专题代序[J]. 地质科学, 52(3): 637-648.

    • 张志辉, 胡擘捷, 张达, 熊光强, 祝新友, 贾文彬, 巩小栋. 2020a. 赣北石门寺花岗斑岩锆石U-Pb年龄、岩石地球化学、Hf同位素特征及其对成矿的制约[J]. 地质通报, 39(8): 1267-1284.

    • 张志辉, 张达, 胡擘捷, 贾宏翔, 贾儒雅, 耿林. 2020b. 广东天堂山锡多金属矿床成矿物质来源及就矿找矿思路[J]. 地质通报, 41(10): 1887-1898.

    • 张志辉, 叶天竺, 祝新友, 巩小栋, 贾文彬, 熊光强, 贺晓龙, 胡擘捷. 2023. 赣北石门寺钨矿找矿预测地质模型[J]. 地质通报, 42(6): 921-930.

    • 张志辉, 张达, 贺晓龙, 胡擘捷, 祝新友, 杜泽忠, 贾文彬, 巩小栋. 2021. 江西九岭杂岩体中黑云母花岗闪长岩年龄及对扬子和华夏板块碰撞拼合时间限定[J]. 中国地质, 48(5): 1562-1579.

    • 张志辉, 左群超. 2024a. 矿集区找矿预测理论方法技术体系框架[J/OL]. 中国地质. https: //link. cnki. net/urlid/11. 1167. P. 20240523. 0846. 002.

    • 张志辉, 左群超.2024b. 矿集区找矿预测大数据实体数据模型的界定与构建[J/OL].中国地质. https: //link. cnki. net/urlid/11. 1167. P. 20240702. 1551. 011.

    • 赵鹏大. 2019. 地质大数据特点及其合理开发利用[J]. 地学前缘, 26(4): 1-5.

    • 赵鹏大, 陈建平, 张寿庭. 2003. “三联式”成矿预测新进展[J]. 地学前缘, 10(2): 455-463.

    • 赵鹏大, 孟宪国. 1992. 地质学的定量化问题[J]. 地球科学, (S1): 51-56.

    • 周继彬, 曾佐勋, 袁金荣. 2003. 构造地质学软件包——StrucKit的设计与开发[J]. 吉林大学学报(地球科学版), (3): 276-281.

图1 GeoMapBM软件基本原理
图2 GeoMapBM软件登录界面与操作流程
图3 GeoMapBM软件功能模块
图4 GeoMgrBM软件基本原理
图5 GeoMgrBM系统登录界面与操作流程
图6 GeoMgrBM软件功能模块
图7 GeoDQCBM软件基本原理
图8 GeoDQCBM软件登录界面与操作流程
图9 矿集区找矿预测数据库质量验收工作技术实施流程
图10 GeoDQCBM软件功能模块
图11 矿集区找矿预测数据模型应用支持软件体系架构

相似文献

  • 参考文献

    • Beyreuther M, Barsch R, Krischer L, Megies T, Behr Y, Wassermann J. 2010. ObsPy: A Python toolbox for seismology[J]. Seismological Research Letters, 81(3): 530-533.

    • Brown T H, Berman R G, Perkins E H. 1988. Ge0-Calc: Software package for calculation and display of pressure-temperature-composition phase diagrams using an IBM or compatible personal computer[J]. Computers & Geosciences, 14(3): 279-289.

    • He X, Yu Q, Liu S, Yang M, Zhang D. 2021. Origin of the Erdaohe Ag–Pb–Zn deposit, central Great Xing’an Range, northeast China: Constraints from fluid inclusions, zircon U–Pb geochronology, and stable isotopes[J]. Ore Geology Reviews, 137: 104309.

    • Janoušek V, Farrow C M, Erban V. 2006. Interpretation of whole-rock geochemical data in igneous geochemistry: Introducing geochemical data toolkit (GCDkit)[J]. Journal of Petrology, 47(6): 1255-1259.

    • Kennedy M C, Hagan O. 2001. Bayesian calibration of computer models[J]. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 63(3): 425-464.

    • Krieger L, Peacock J R. 2014. MTpy: A Python toolbox for magnetotellurics[J]. Computers & Geosciences, 40(2): 167-175.

    • Petrelli M, Poli G, Perugini D, Peccerillo A. 2005. PetroGraph: A new software to visualize, model, and present geochemical data in igneous petrology[J]. Geochemistry, Geophysics, Geosystems, 6(7): 859-869.

    • Qiu J, Song W, Jiang C, Wu H, Dong R M. 2013. CGDK: An extensible CorelDRAW VBA program for geological drafting[J]. Computers & Geosciences, 39(6): 34-48.

    • Su Y, Langmuir C H, Asimow P D. 2003. PetroPlot: A plotting and data management tool set for Microsoft Excel[J]. Geochemistry, Geophysics, Geosystems, 4(3): 273-289.

    • Verma S P, Torres-Alvarado I S, Velasco-Tapia F. 2003. A revised CIPW norm[J]. Schweizerische Mineralogische and Petrographische Mitteilungen, 83(2): 197-216.

    • Wang X, Ma W, Gao S, Ke L. 2008. GCDPlot: An extensible microsoft excel VBA program for geochemical discrimination diagrams[J]. Computers & Geosciences, 34(12): 1964-1969.

    • Yu Q Y, Bagas L, Yang P, Zhang D. 2019. GeoPyTool: A cross-platform software solution for common geological calculations and plots[J]. Geoscience Frontiers, 10(4): 1437-1447.

    • Yu Q Y, Zhang X, Hu B, Zhang D. 2021. Separating volcanic rock groups: A novel method based on principal component analysis and a support vector machine[J]. Arabian Journal of Geosciences, 14(11): 1944-1959.

    • Zhang Z, Zhang D, Xiang X, Zhu X, He X. 2022. Geology and mineralization of the supergiant Shimensi granitic-type W-Cu-Mo deposit in northern Jiangxi, South China: A review[J]. China Geology, 5: 1-18.

    • Zhou J, Li X. 2006. GeoPlot: An Excel VBA program for geochemical data plotting[J]. Computers & Geosciences, 32(4): 554-560.

    • 陈建平, 李靖, 谢帅, 刘静, 胡彬. 2017. 中国地质大数据研究现状[J]. 地质学刊, 41(3): 353-366.

    • 成秋明. 2021. 什么是数学地球科学及其前沿领域?[J]. 地学前缘, 28(3): 6-25.

    • 董延涛, 邢万里, 王京. 2023. 社会资本支持矿产资源勘查开发的路径与举措[J]. 矿产勘查, 14(10): 1849-1855.

    • 方思源, 董少春, 胡欢. 2021. 基于大数据的元素协变图自动绘制软件的设计与实现[J]. 高校地质学报, 27(1): 73-77.

    • 路远发. 2004. GeoKit: 一个用VBA构建的地球化学工具软件包[J]. 地球化学, (5): 459-464.

    • 姚晓峰, 施俊法, 陈骥, 余韵, 张婷婷. 2024. 从“直接找矿”到“智能找矿”: 脉络与启示[J]. 矿产勘查, 15(4): 671-679.

    • 翟明国, 杨树锋, 陈宁华, 陈汉林. 2018. 大数据时代: 地质学的挑战与机遇[J]. 中国科学院院刊, 33(8): 825-831.

    • 张旗, 周永章. 2017. 大数据正在引发地球科学领域一场深刻的革命——《地质科学》2017 年大数据专题代序[J]. 地质科学, 52(3): 637-648.

    • 张志辉, 胡擘捷, 张达, 熊光强, 祝新友, 贾文彬, 巩小栋. 2020a. 赣北石门寺花岗斑岩锆石U-Pb年龄、岩石地球化学、Hf同位素特征及其对成矿的制约[J]. 地质通报, 39(8): 1267-1284.

    • 张志辉, 张达, 胡擘捷, 贾宏翔, 贾儒雅, 耿林. 2020b. 广东天堂山锡多金属矿床成矿物质来源及就矿找矿思路[J]. 地质通报, 41(10): 1887-1898.

    • 张志辉, 叶天竺, 祝新友, 巩小栋, 贾文彬, 熊光强, 贺晓龙, 胡擘捷. 2023. 赣北石门寺钨矿找矿预测地质模型[J]. 地质通报, 42(6): 921-930.

    • 张志辉, 张达, 贺晓龙, 胡擘捷, 祝新友, 杜泽忠, 贾文彬, 巩小栋. 2021. 江西九岭杂岩体中黑云母花岗闪长岩年龄及对扬子和华夏板块碰撞拼合时间限定[J]. 中国地质, 48(5): 1562-1579.

    • 张志辉, 左群超. 2024a. 矿集区找矿预测理论方法技术体系框架[J/OL]. 中国地质. https: //link. cnki. net/urlid/11. 1167. P. 20240523. 0846. 002.

    • 张志辉, 左群超.2024b. 矿集区找矿预测大数据实体数据模型的界定与构建[J/OL].中国地质. https: //link. cnki. net/urlid/11. 1167. P. 20240702. 1551. 011.

    • 赵鹏大. 2019. 地质大数据特点及其合理开发利用[J]. 地学前缘, 26(4): 1-5.

    • 赵鹏大, 陈建平, 张寿庭. 2003. “三联式”成矿预测新进展[J]. 地学前缘, 10(2): 455-463.

    • 赵鹏大, 孟宪国. 1992. 地质学的定量化问题[J]. 地球科学, (S1): 51-56.

    • 周继彬, 曾佐勋, 袁金荣. 2003. 构造地质学软件包——StrucKit的设计与开发[J]. 吉林大学学报(地球科学版), (3): 276-281.