黄铁矿热电性测试方法改进及其在金矿找矿勘查中的应用-以辽宁五龙金矿为例

黄铁矿是重要的载金矿物,在各类金矿中普遍存在,其热电性特征是非常重要的找矿标型之一。传统的黄铁矿热电性测试方法需要挑选单矿物颗粒,这容易混淆黄铁矿的形成期次、阶段信息、信噪比低,从而影响信息的可信度,且单矿物挑选费用也较高。为此,将原单矿物颗粒的测试方法改为薄片原位测试法,即将含有黄铁矿的待测样品切磨成一定厚度的专用薄片,采用平行移动测笔原位点触测试,并利用同步影像观察甄别目标矿物接触关系,软件跟踪采集热电性特征数据信息。为检验该方法,选择辽宁五龙金矿三分矿不同标高的20件样品进行两种测试方法比较,结果显示,薄片原位测试法获取的热电系数相对误差小于5%,数据质量明显优于传统单矿物颗粒测试法。并且薄片法还提高了测试目标矿物的准确度,降低了成本,提高了效率。两种方法获得的五龙金矿三分矿黄铁矿热电性参数的垂向变化规律显示其深部具有较大的找矿潜力。

基于遗传算法的BP神经网络模型在地下水埋深预测中的应用——以蒙城县为例

地下水系统是一个高度复杂系统,针对地下水位与其影响因素之间的非线性映射关系,建立遗传算法优化BP神经网络浅层地下水埋深模型,对地下水埋深进行模拟和预测。使用RMSE、MAPE和NSE三种评价指标,将所得结果与BP神经网络和逐步回归模型进行对比。以蒙城县1974—1999年前期降雨量、前期地下水埋深和利辛县前期地下水埋深作为输入层,以当月地下水埋深作为输出层,将蒙城县2000—2010年地下水埋深作为检验样本,计算结果表明:遗传算法优化BP神经网络模型训练阶段和测试阶段RMSE分别为0.22和0.34、MAPE分别为7.6%和9.21%、NSE分别为0.89和0.85,泛化性能良好,有效规避了过拟合现象,且拟合和预测的精度较高。该模型可为地下水研究提供了一种有效浅层地下水埋深的预测方法,具有较好的应用前景。