基于流域盆地方法与Apriori算法的华北新堡地区水系沉积物地球化学异常识别与成矿预测研究

《Applied Geochemistry》：Stream Sediment Geochemical Anomaly Identification and Mapping in the Xinbo Area, Northern China: Using a Catchment Basin Approach and the Apriori Algorithm

本文创新性地融合流域盆地方法（CBA）与Apriori机器学习算法，对华北新堡地区1:50000水系沉积物地球化学数据进行了深度挖掘。研究通过构建流域盆地模型、挖掘元素高阶关联规则，成功识别出Pb-Zn-Ag-Au矿化关联模式，精准定位已知矿床并发现两处新靶区（CAVZ-1、CAVZ-2）。该方法显著提升了地球化学异常识别精度，为覆盖区隐伏矿体勘探提供了突破性技术方案。

　　

Highlight

本研究通过流域盆地方法（CBA）与Apriori算法的创新融合，揭示了复杂地质背景下元素的高阶关联规律，为隐伏矿床勘探提供了新的数据挖掘范式。

Section snippets

Geological background

新堡地区位于华北地块中央造山带北缘（图1a, b），地层以早白垩世火山-沉积序列（张家口组、大北沟组、义县组）为主，上覆新近纪汉诺坝组玄武岩及第四纪风成、残坡积物（图1c）。构造体系以NE向断裂为主导，NW向断裂为辅助。

Dataset

本研究重新分析了2019年河北省地质矿产局第四地质大队采集的1:50000化探数据（以水系沉积物为主，土壤地球化学数据为辅）。在水系发育中等-良好区域采集水系沉积物样品，其余区域补充土壤样品。

Singl-element anomaly characteristics

通过K-means算法分级元素含量与流域盆地空间分布，在ArcGIS 10.8中生成单元素地球化学图（图4）。研究发现：（1）CBA使大多数元素的强异常区（7级盆地）空间范围显著收缩，通过客观划定样品影响区域提升了源区识别能力。

Discussion

本节系统探讨了CBA、K-Means与Apriori算法衍生的关联规则，揭示了复杂地质环境中多元素的高阶相关性。通过与主成分分析（PCA）对比，证明了该方法在圈定水系沉积物异常方面的实用价值。

Apriori算法生成的关联规则在元素组合类型数量上存在差异。由2-4种元素构成的规则（如Pb-Zn-Au、Ag-Au-Cu）展现出显著的地质指示意义，其支持度>0.3且置信度>0.8，显著优于传统统计方法。

Conclusions

通过对华北新堡地区1:50000化探数据的挖掘处理，建立流域盆地模型并应用Apriori算法识别地球化学异常，得出以下结论：

（1）利用流域盆地方法构建了1133个流域盆地模型