论文部分内容阅读
[摘要]金达勘查区位于冈底斯-念青唐古拉复式岛弧板片中东部，介于狮泉河-永珠-嘉黎断裂（北界）和洛巴堆-工布江达断裂（南界）之间。通过针对金达勘查区内系统测定样品的8种元素的含量，采用R型聚类分析、因子分析的方法，对元素的相关性展开分析，理清不同元素的变化规律，确定了勘查区内找矿指示元素组合为本勘查区找矿指示元素组合为：①Ag-Cu-Pb-Zn；② W-Sn-Mo-Bi，从而为下一步的地球化学异常区的圈定提供依据。
[关键词]金达 勘查区 相关性分析 元素组合
[中图分类号]P59 [文献码] B [文章编号] 1000-405X（2015）-2-233-2
金达整装勘查区位于工布江达县金达镇亚贵拉—嘉黎县巴嘎拉一带，面积约9341km2。318国道从勘查区南部金达镇通过，勘查区内重点勘查靶区大多有简易公路相通，距拉萨约230km，是交通较为方便的矿集区之一。
本次研究的原始资料均以成都地质调查中心1：50万区域水系沉积物测试数据作为基础数据支撑。共针对409件水系沉积物样品， Ag、Bi 、Cu、Mo、Sn、Pb、W、Zn等8个元素从R型聚类分析以及因子分析两方面展开相关性分析。
1 R型聚类分析
聚类分析即用数学方法对元素进行分类。其主要是根据对象的不同，可分为Q型和R型聚类，R型聚类主要是针对变量进行分析，实现变量减少的方式，达到降维的目的。本次利用SPSS软件对勘查区8类元素数据进行R型聚类分析处理，获得结果发现（图1），当欧氏距离系数在20时，8种元素可以明显的分为两组： 第一组为Ag、Cu、Pb、Zn等四个元素，其主要为勘查区内的主要成矿元素，且Ag、Pb关系密切；而第二组为W、Sn、Mo、Bi等四个元素，其主要为高温成矿元素，W、Mo关系密切。
2因子分析
在地学数据分析法中用因子分析方法，需要将大量的数据资料进行分类组合，用变量的因子来表示地学数据的变化规律，就可以更加简洁、直观地总结和概括地质事实间的变化规律。
在地质学的数据方法研宄中，因子分析在地学数据方面主要是用于分析因子载荷矩阵，由于因子载荷是说明变量（样品）与公共因子之间的相关（相似）程度的。因此，如因子载荷越大，表明该变量与其公共因子之间的关系越密切。如果要进行因子旋转，则主要研宄的是还原后的因子得分矩阵；如果未进行因子旋转，分析研究的主要对象为初始因子载荷矩阵。
根据因子分析的方法，得出表1、表2：
从表1和表2可以明显观察出八个主因子中没有任何一个主因子初始特征值所占比例超过50%，可说明本区内数据的特征初始值的方差收敛较慢，也表示这八个元素的综合信息较分散，难以找到一个综合主因子来表明其特征，并且该勘查区各元素物质来源及成因较复杂。其中，成份1为Ag-Cu-Pb-Zn元素组合，是个较为典型的亲铜成矿元素组合，其异常表现明显，分布面积广，并且常受到不同岩性的接触带所控制；成份2为W-Sn-Mo-Bi四个元素组成的高温成矿元素组合，其异常不如前者明显，分布面积较前者少，常常沿着接触带分布。
根据Bartlett球形检验结果（表3）可看出，统计量Sig=0<0.01，可以认为各个变量之间存在明显相关性； KMO的值界于三个值之间，其效果是不同的：大于0.9时，其效果最佳；大于0.7时，其效果可以接受使用；小于0.5时，其效果不好，不适合用因子分析方法进行分析。从我们做出的Bartlett球形检验结果可以看出Sig和KMO的统计效果较好，并且认为此结果是可以被接受的。另结合旋转因子载荷图（图2）也证实了笔者用此法和聚类分析等方法所显示出来的结果都有一致性，有一定的可靠性。
3总结
通过对金达勘查区水系沉积物8类元素从R型聚类分析与因子分析两个角度展开元素相关性分析，发现区内元素的方差收敛较慢，元素的综合信息相对分散，但综合两种分析结果一致发现，区内元素主要为以亲铜的成矿元素为主的Ag-Cu-Pb-Zn元素组合，以及以高温元素为主体的W-Sn-Mo-Bi元素组合，其可为下一阶段的地球化学异常区的综合圈定提供基础依据。
参考文献
[1]侯景儒等.实用地质统计学空间信息统计学[M].北京市：地质出版社.1998.
[2]戴慧敏，宫传东，鲍庆中等.区域化探数据处理中几种异常下限确定方法的对比--以内蒙古查巴奇地区水系沉积物为例[J].物探与化探，2010，06：782-786.
[关键词]金达 勘查区 相关性分析 元素组合
[中图分类号]P59 [文献码] B [文章编号] 1000-405X（2015）-2-233-2
金达整装勘查区位于工布江达县金达镇亚贵拉—嘉黎县巴嘎拉一带，面积约9341km2。318国道从勘查区南部金达镇通过，勘查区内重点勘查靶区大多有简易公路相通，距拉萨约230km，是交通较为方便的矿集区之一。
本次研究的原始资料均以成都地质调查中心1：50万区域水系沉积物测试数据作为基础数据支撑。共针对409件水系沉积物样品， Ag、Bi 、Cu、Mo、Sn、Pb、W、Zn等8个元素从R型聚类分析以及因子分析两方面展开相关性分析。
1 R型聚类分析
聚类分析即用数学方法对元素进行分类。其主要是根据对象的不同，可分为Q型和R型聚类，R型聚类主要是针对变量进行分析，实现变量减少的方式，达到降维的目的。本次利用SPSS软件对勘查区8类元素数据进行R型聚类分析处理，获得结果发现（图1），当欧氏距离系数在20时，8种元素可以明显的分为两组： 第一组为Ag、Cu、Pb、Zn等四个元素，其主要为勘查区内的主要成矿元素，且Ag、Pb关系密切；而第二组为W、Sn、Mo、Bi等四个元素，其主要为高温成矿元素，W、Mo关系密切。
2因子分析
在地学数据分析法中用因子分析方法，需要将大量的数据资料进行分类组合，用变量的因子来表示地学数据的变化规律，就可以更加简洁、直观地总结和概括地质事实间的变化规律。
在地质学的数据方法研宄中，因子分析在地学数据方面主要是用于分析因子载荷矩阵，由于因子载荷是说明变量（样品）与公共因子之间的相关（相似）程度的。因此，如因子载荷越大，表明该变量与其公共因子之间的关系越密切。如果要进行因子旋转，则主要研宄的是还原后的因子得分矩阵；如果未进行因子旋转，分析研究的主要对象为初始因子载荷矩阵。
根据因子分析的方法，得出表1、表2：
从表1和表2可以明显观察出八个主因子中没有任何一个主因子初始特征值所占比例超过50%，可说明本区内数据的特征初始值的方差收敛较慢，也表示这八个元素的综合信息较分散，难以找到一个综合主因子来表明其特征，并且该勘查区各元素物质来源及成因较复杂。其中，成份1为Ag-Cu-Pb-Zn元素组合，是个较为典型的亲铜成矿元素组合，其异常表现明显，分布面积广，并且常受到不同岩性的接触带所控制；成份2为W-Sn-Mo-Bi四个元素组成的高温成矿元素组合，其异常不如前者明显，分布面积较前者少，常常沿着接触带分布。
根据Bartlett球形检验结果（表3）可看出，统计量Sig=0<0.01，可以认为各个变量之间存在明显相关性； KMO的值界于三个值之间，其效果是不同的：大于0.9时，其效果最佳；大于0.7时，其效果可以接受使用；小于0.5时，其效果不好，不适合用因子分析方法进行分析。从我们做出的Bartlett球形检验结果可以看出Sig和KMO的统计效果较好，并且认为此结果是可以被接受的。另结合旋转因子载荷图（图2）也证实了笔者用此法和聚类分析等方法所显示出来的结果都有一致性，有一定的可靠性。
3总结
通过对金达勘查区水系沉积物8类元素从R型聚类分析与因子分析两个角度展开元素相关性分析，发现区内元素的方差收敛较慢，元素的综合信息相对分散，但综合两种分析结果一致发现，区内元素主要为以亲铜的成矿元素为主的Ag-Cu-Pb-Zn元素组合，以及以高温元素为主体的W-Sn-Mo-Bi元素组合，其可为下一阶段的地球化学异常区的综合圈定提供基础依据。
参考文献
[1]侯景儒等.实用地质统计学空间信息统计学[M].北京市：地质出版社.1998.
[2]戴慧敏，宫传东，鲍庆中等.区域化探数据处理中几种异常下限确定方法的对比--以内蒙古查巴奇地区水系沉积物为例[J].物探与化探，2010，06：782-786.