开展综合信息成矿定量预测是以已有的地质、矿产、物化探、遥感成果资料为基础，以基础地质原理推断结合数学方法为手段，以计算机为工具的一项将定性的地质研究工作推向了定性+定量地质研究的工作思路。计算机技术的快速发展，助推了地质大数据的发展，对数学地质找矿工作，尤其成矿定量预测与评价的方法得到不断丰富和应用(Agterberg and Kelly, 1971; Gorelov, 1982; Harris, 1984; Bonham-Carter et al., 1989; Agterberg and Cheng, 2002; Harris et al., 2003; Carranza, 2004; 罗建民等, 2006; 孙华山等, 2005; 成秋明, 2006; 陈建平等, 2008; 成秋明等, 2009; Porwal et al., 2010; Joly et al., 2012; 李晓辉等, 2015; 高乐等, 2017)。综合信息成矿定量预测是一种新的找矿方法，更是一种新的找矿思想，用数学方法解决地质问题，提高找矿靶区预测的准确性。成矿是在自然作用条件下，成矿元素迁移、变化、富集并被保存的随机事件，是适合于做统计分析。不同地质找矿时期，随着找矿环境、条件和找矿目标的变化，必须选择正确的找矿指导思想和有效的工作方法。随着矿产勘查程度不断提升，地质信息数据愈来愈丰富，在地质找矿工作中成矿定量预测研究的指导作用凸显，尤其勘查地球化学工作，为基于GIS的成矿定量预测提供了直接有效的数据(Bonham-Carter, 1994; Pan and Harris, 2000; Carranza, 2009; Wang et al., 2011)。

本文以敦煌地块作为研究对象，利用当前最新的地质矿产勘查成果，结合多元统计分析方法对研究区开展岩浆岩相关的金找矿靶区定量评价和优选，为区域矿产勘查工作提供依据。

1 研究区地质概况

敦煌地块处于一个特殊的大地构造位置，北接北山造山带，西北部接天山造山带，西南部接阿尔金造山带，东南部以阿尔金断裂与祁连造山带相隔。敦煌地块被认为是稳定克拉通前寒武纪变质基底的组成部分，由出露于塔里木东南缘阿尔金北部-敦煌地区的米兰杂岩和敦煌杂岩组成(许志琴等, 1999; Lu et al., 2008; 张建新等, 2011; 辛后田等, 2013; 赵燕等, 2015)。区内区域性构造线主要呈北东东-北东向延展，主要断裂包括三危山断裂和阿尔金北缘断裂，各个断裂的次级断裂较为发育，表现出多期次、多组的时空分布特征。

敦煌地块经历了太古宙-古元古代多阶段的地壳生长事件，全球Columbia超级大陆碰撞事件和裂解事件在该地块留下了丰富的信息，即在古元古代晚期的变质事件(Zhang et al., 2013)，随后发生了大规模的超大陆裂解事件(辛后田等, 2011; 王玉玺等, 2017b)。在经历了中新元古代持续隆升风化剥蚀后，进入了古生代多阶段强烈的构造岩浆活动阶段，早古生代敦煌地块南侧存在洋壳闭合和碰撞造山运动，形成了较大面积的侵入体(陈柏林等, 2005; 李月臣等, 2007; 张志诚等, 2009; 孟繁聪等, 2011; He et al., 2014; 王玉玺等, 2017a)。进入晚古生代后，敦煌地块发生了较大规模的构造岩浆活动，在蘑菇台地区发现430~440Ma的基性高压麻粒岩，认为敦煌地区的造山事件可能发生在志留纪-早泥盆世(440~400Ma)(Zong et al., 2013; He et al., 2014)。三危山发现的大洋斜长花岗岩被认为在晚泥盆世—早-中石炭世(370~330Ma)敦煌地区经历了洋盆扩张-俯冲过程(赵燕等, 2015)。党河水库地区发现的440Ma TTG质岩石(张志诚等, 2009)、三危山地区发现的400~435Ma斜长角闪岩(孟繁聪等, 2011)以及阿克塞县青石沟地区335Ma埃达克岩的发现(朱涛等, 2014)，均表明敦煌地块晚古生代的岩浆作用可能与中亚造山带的构造演化存在成因联系。晚古生代晚期至早中生代，敦煌地块已发现的侵入体有大红山地区发现的早二叠世(273.6±4.8Ma)具有岛弧地球化学特征的角闪石岩(刘东晓等, 2016)，是造山后伸展环境的产物。

研究区内多期次不同成因的侵入岩可能对金矿床(点)的形成具有一定影响，因此，定量查明研究区内岩浆岩与金矿床(点)的相关关系，是提高区域找矿靶区预测精度的有效途径。

2 综合信息成矿定量预测模型 2.1 岩浆岩(氧化物)信息成矿预测模型 2.1.1 基本数据

敦煌地块面积约46390km²，出露侵入体91处(图 1)，按照传统分类，其中超基性岩体2个，比例为2%，基性岩体7个，比例为8%，中性岩体20个，比例为22%，酸性岩体62个，比例为68%(图 2)。区内发现金矿床(点)11处(其中中型矿床两个，矿(化)点9个)，以岩体内或其周围5km范围内有金矿床(点)产出的岩体为“Au相关岩体”，全区有9个金矿床(点)(占总矿床(点)数82%)分布在11个“Au相关岩体”5km范围内(占岩体总数12%)，岩体平均见矿率为12%。由此，敦煌地块金矿床(点)与岩浆岩相关关系较为密切。

搜集敦煌地块分布在60个岩体内的氧化物测试样本168件，有样岩体占总岩体数66%。其中“Au相关岩体”内样本43件(占样本总数26%，为“Au相关样本”)。以各样本11个氧化物(SiO₂、TiO₂、Al₂O₃、Fe₂O₃、FeO、MnO、MgO、CaO、Na₂O、K₂O、P₂O₅)测试结果为变量构成定量分类基本数据库。

2.1.2 金找矿靶区定量模型构建

以岩浆岩氧化物基本数据库中43件“Au相关样本”为已知有矿样本，其余125件样本为找矿性质不明样本预测数据库，以SPSS(Statistical Product and Service Solutions)软件做两类判别处理，建立甘肃敦煌地块基于岩浆岩(氧化物)的Au找矿靶区定量优选模型，见表 1。

2.1.3 Au找矿靶区定量优选模型评述

敦煌地块岩浆岩(氧化物)与区内金矿床(点)共构建起三个预测模型(认为敦煌地块9个金矿床(点)在11个岩浆岩氧化物构成的11维空间可明显分为三类)，模型Ⅰ、模型Ⅱ(F_n1.n2>F_0.05)，模型Ⅲ(F_n1.n2 < F_0.05)，但其有矿正判率高达90.9%，1、2预测分级的有矿样本频率远高于样本平均有矿率(26%)，认为三个预测模型均有较高的预测效果。

模型Ⅰ由Na₂O、CaO、MnO和FeO四个变量所控制，其中Na₂O相关系数1.03，单独贡献高达83.87%，认为该模型确定的金及相关岩体与Na₂O高度正相关。模型Ⅱ前四个氧化物累积贡献达78.88%，其中SiO₂单独贡献41.25%，认为由模型Ⅱ型确定的金及相关岩体与SiO₂正相关关系明显。模型Ⅲ前五个氧化物累积贡献达83.58%，其中FeO相关系数-0.8，单独贡献35.59%，认为由模型Ⅲ型确定的金及相关岩体与FeO负相关关系明显。

2.1.4 Au找矿靶区定量预测结果

找矿靶区预测步骤：

(1) 以本文3.1.2确定的三个模型分别对全区168件岩浆岩氧化物进行计算，分别以各模型临界值(R₀)分选出预测的“Au相关样本”，模型Ⅰ确定“Au相关样本”20件，模型Ⅱ确定“Au相关样本”40件，模型Ⅲ确定“Au相关样本”58件，筛选出至少有一个模型判定为“Au相关样本”的样本共计82个(部分样本被两个或三个模型同时判定为“Au相关样本”)。

(2) 经投影成图，上述82个样本预测的“Au相关样本”分布于36个岩体中(预测的“Au相关岩体”)。选择岩体内判别得分高的样本代表该岩体对寻找Au矿的判别得分，以此判别得分由大到小排序，以“黄金分割法则”将36个预测的“Au相关岩体”分为三级(一级7个岩体，二级11个岩体，三级18个岩体)。

(3) 统计各分级预测的“Au相关岩体”分布特征，一级中“Au相关岩体”所占比率44%，二级36%，三级11%。选取一、二级“Au相关岩体”共18个岩体，所占比率远高于岩体平均见矿率(12%)，是寻找金矿有利岩体。

2.2 地球化学找矿模型及靶区分级

敦煌地块1:20万水系沉积物测试样本共13380件，成图样品间距2km×2km，每件样本分析化学元素39种构成基本数据库。用自主研发的“分区、分幅平差处理模型”，对研究区不同时期的化探原始数据做分区、分幅平差处理，消除原始数据因系统误差对定量处理结果产生的影响。以基本数据库为基础，将全区以5km间距绘制正方形网格，计算各网格范围内所有样本39个化学元素的平均值，构建起规格单元“建模数据库”。以“SPSS”软件对“建模数据库”做两类判别分析，建立起甘肃敦煌地块基于化探信息的Au找矿靶区定量预测模型。

研究区共构建起基于地球化学资料的Au矿找矿定量预测模型三个，经处理全区定量圈定金(地球化学)找矿靶区123个，以“黄金分割法则”将找矿靶区分为三级，其中Ⅰ级靶区23个，Ⅱ级靶区39个，Ⅲ级靶区61个。

3 综合信息找矿靶区优选

以金(地球化学)找矿靶区与寻找金矿有利岩体相交或分布于找金矿有利岩体周围5km范围内为筛选条件，全区共筛选出27个综合信息(综合岩浆岩和地球化学信息)Au矿定量优选靶区，其中Ⅰ级靶区5个，Ⅱ级靶区9个，Ⅲ级靶区13个，所有靶区面积均小于50km²，其中81.5%的靶区面积小于20km²。优选的27个靶区的见矿率见表 2所示。

4 预测结果及讨论

综合信息成矿定量预测方法常被用于综合找矿标志信息，进行成矿远景区的定量预测和评价(李晓辉等, 2015)，预测面积偏大，单个预测区面积多在数百平方千米，甚至上千平方千米，对地质找矿或矿产查证工作不利，耗时、耗力、耗财。基于多元统计方法，本次开展找矿靶区定量优选，81.5%的靶区面积小于20km²，为进一步矿产查证工作提供便利。

通过岩浆岩信息优化敦煌地块化探找矿靶区27处(表 3、图 3、图 4)，其中5个Ⅰ级找矿靶区中有2个为化探Ⅰ级靶区，占40%，3个为化探Ⅲ级靶区60%；9个Ⅱ级找矿靶区中5个化探Ⅱ级靶区，占55.6%，3个化探Ⅰ级靶区，占33.3%，1个化探Ⅲ级靶区11.1%；13个Ⅲ级找矿靶区中10个化探Ⅲ级靶区，占76.9%，3个化探Ⅱ级靶区23.1%。

综合信息找矿预测靶区见矿率提升幅度较大，其中Ⅰ级找矿靶区的见矿率由38.8%，提升为58.2%，提升1.5倍；Ⅱ级找矿靶区的见矿率由22.2%，提升为33.3%，提升1.5倍；Ⅲ级找矿靶区的见矿率由7.4%，提升为14.8%，提升2倍。显示出岩浆岩信息在敦煌地块化探金矿找矿靶区优选上具有明显效果，表明该区金矿成矿与部分岩浆岩关系较为密切，找矿预测靶区的可信度得到提升。

5 结论

(1) 定量预测模型是已有地质信息通过统计学软件处理，建立地质信息与已有矿床(点)的相关关系，处理过程不受任何地质理论和个人主观因素限制，完全由地质信息自身特征和其相关关系所决定，其预测结果更加精准、真实。

(2) 借助计算机强大的计算处理能力，运用多元统计方法，构建了基于岩浆岩氧化物信息的Au矿找矿靶区定量预测模型和基于化探信息的Au矿靶区定量预测模型，利用岩浆岩信息优化了化探找矿靶区，综合定量优选的Au找矿靶区具有面积小、见矿率高的优点。

(3) 综合岩浆岩定量预测结果和化探定量预测结果，最终在敦煌地块优选出金找矿预测靶区27处，其中Ⅰ级靶区5个，Ⅱ级靶区9个，Ⅲ级靶区13个。综合优选靶区中Ⅰ级找矿靶区见矿率达58.2%，共5个，待验靶区2个；Ⅱ级找矿靶区见矿率为33.3%，共9个，待验靶区5个。所有找矿靶区面积均小于50km²，其中81.5%的找矿靶区面积小于20km²，为区域地质找矿工作提供了便利和可靠信息。