新疆东天山彩霞山铅锌矿三维流体场模拟关键技术研究

Caixiashan Pb-Zn deposit is the only large hydrothermal Pb-Zn deposit in Eastern Tianshan ,Xinjiang Region.The modelling of ore-forming fluids could provide indication for ore genesis and mineral potential assessment. Collecting fluid inclusion samples and modelling the physical and chemical variables such as homogeneous temperature, pressure, salinity, and anion and cation concentration. Using machine learning algorisms such as supportive vector machine and genetic programming, each parameter is trained to obtain more robust and accurate three-dimensional numerical model. The optional programs will be selected by comparing different modelling results.Ore fluids transporting traces will be determined by analysising the models.Through the collection of geologic data, the three-dimensional geological block models and main ore-forming elements interpolating models will be built.By comparing the models with ore-forming fluid parameters models, the new prediction indexes related with hydrothermal fluids will be selected.The new mineralization prospective zones could be identified through the study on the spatial distribution of the favorable temperature, salinity, pressure and newly selected prediction indexes.

彩霞山铅锌矿为新疆东天山地区唯一的大型热液型铅锌矿，对成矿流体场进行模拟，可为矿床成因研究和矿产预测提供参考依据。本申请拟通过采集流体包裹体样品，建立流体包裹体丰度、大小、温度、盐度、压力、阴阳离子成分等参数三维模型。通过机器学习算法（主要是支持向量机技术或遗传算法），对各参数进行训练模拟，得到较为稳健和准确的各参数的三维数值模型。对比不同方法的模拟结果，优选模拟算法。根据流体场模拟结果，识别成矿流体运移途径。收集研究区地质资料，建立三维地质模型和主成矿元素品位插值模型。将基于成矿流体各参数的成矿流体场模型与品位插值模型进行空间对比分析，识别与主成矿元素关系密切的成矿流体参数，构建新的成矿预测指标变量。通过研究有利的成矿温度、压力、盐度及新的预测指标的分布，指出已知矿体深部及外围的找矿方向。

彩霞山铅锌矿产于卡瓦布拉克群沉积变质地层第一岩性段，主要容矿围岩为含石墨大理岩和硅质大理岩。控矿构造为近东西向的阿其克库杜克断裂的压扭性或张扭性的次级断裂或派生分支断裂。彩霞山Ⅱ号矿体包裹体观察及测试结果表明，包裹体以富液相包裹体为主，气液比5-40%。均一温度主要分布在100-280℃之间，盐度WNaCl为 2-10%NaCl 之间，彩霞山成矿流体为中低温、中低盐度流体。成矿有利的温度范围为 140-240℃，适宜的盐度范围为 3-10%NaCl 。因此，认为成矿流体具有岩浆流体特征，可能与盆地流体叠加。围岩也为矿化提供了部分物质来源，华力西期岩体为矿化提供了物质来源和热能来源。断裂构造和硅钙面是最直接的赋矿空间。彩霞山铅锌矿为典型的中低温热液型矿床。所有样品微量元素数据的相关性分析表明，主成矿元素Pb、Zn与Cu、Cd的相关性较强，与其他元素的相关性较弱；Pb、Zn与流体包裹体参数变量的相关性分析表明，Pb、Zn与流体包裹体的均一温度、盐度、冰点温度、气相组成、液相阴阳离子组成均无明显相关性。此外，采用了支持向量机（SVM）、决策树（CART）、随机森林法（Random Forest）、人工神经网络（NNET）、最临近数据法（KNN）等五种机器学习算法对流体包裹体参数数据进行建模，并采用RMSE对建模结果进行比较，支持向量机（SVM）被认为是最优的建模方法。基于该算法，对均一温度、盐度、冰点温度等参数进行三维数值模拟，建立彩霞山Ⅱ号矿体三维流体场。通过对模型的分析，认为均一温度、盐度、冰点温度由东向西、由下至上，逐渐降低。根据成矿有利温、盐度范围，结合矿区地质特征，对Ⅱ号矿体进行了三维成矿预测。预测结果表明：Ⅱ号矿体南部（3061440以北）和东部（4618400以东至4618800），海拔800米以下仍是找矿有利区。因此，彩霞山Ⅱ号矿体深部和外围仍有良好的找矿前景。