中国水银洞超大型金矿床周围的三维矿物预测建模——基于3D CNN–CBAM–Transformer

《Natural Resources Research》：Three-Dimensional Mineral Prospectivity Modeling Around the Shuiyindong Super-Large Gold Deposit in China Using a 3D CNN–CBAM–Transformer

　　右江盆地位于中国南方，拥有世界上仅次于美国内华达州的第二大卡林型金矿床集群，目前亟需深部矿产资源勘查。水银洞超大型矿床是该地区一个完全隐伏的代表性矿床，已探明金资源量约300吨，但在深部及外围仍存在寻找盲矿体的巨大潜力。然而，该区域特有的复杂地层-构造耦合控矿特征给深部矿体靶区预测带来了挑战。三维成矿有利度建模为识别有利隐伏区提供了有力工具，但传统的基于单元体的方法将体素视为独立属性，难以充分刻画这种耦合结构。针对这一局限，我们提出了一种可解释的基于面块的三维成矿有利度评价方法，该方法集成三维CNN–CBAM–Transformer模型，并建立在高分辨率三维地质模型之上。该算法学习局部三维邻域内控矿因素的空间组合模式，而非孤立地评价各因素。该方法表现出强劲的性能，受试者工作特征曲线下面积约为0.92，平均精度约为0.90，在采用前5%有利体素时成功捕获了超过85%的已知矿体体素。此外，SHapley Additive exPlanations分析识别出金矿化的最重要预测因子，包括构造蚀变体、龙潭组含矿第二段以及粉砂质泥岩。基于所得矿化概率图，圈定了三个优先勘查靶区，为未来深部矿产勘查工作提供了宝贵指导。