EJ T 909.5-1999 铀矿资源评价方法.专家系统法.pdf

《EJ T 909.5-1999 铀矿资源评价方法.专家系统法.pdf》由会员分享，可在线阅读，更多相关《EJ T 909.5-1999 铀矿资源评价方法.专家系统法.pdf（32页珍藏版）》请在麦多课文档分享上搜索。

1、E73.mD10 备案号：2.174-1”E.J 中华人民共和国核行业标准因IT则.5-1朔铀矿资源评价方法专家系统法lbe n班thod国ofunmi田nm田MllCe81!回回回回划饵”rtsy回:em9method Of 05二500070二1”8-12-30发布四”峭-01实施中国核工业总公司发布E.Jn咧渺.5-19”目次前言ill1 范围2 引用标准.3 专家系统法的原理4专家系统法的评价步骤.5 专家系统法的应用条件86 专家系统法中常用的数学方法.8 附录A（提示的附录）某区砂岩型铀矿专家系统应用实例.16 如寻t:t（提示的附录）某区人工神经网络综合评价系统应用实例.20F.

2、Jn咧”.5-1”前1991年核工业系统制定了囚IT55191铀矿资源评价规范，该规范规定了八种铀矿资源评价方法。为了使该规范得以顺利贯彻执行，核工业总公司地质总局提出了编制八种铀矿资源评价方法行业标准的规划，1993年至1996年完成以下四种铀矿资源评价方法的行业标准：日IT则.1-94铀矿资商、评价方法主观概率法日IT则.2-94铀矿资源、评价方法矿床规模频率法日IT则.3-94铀矿资源评价方法成矿成功树法因IT佣9.4-1996铀矿资源评价方法矿床模型法本标准是继上述四个标准后的又一种资源评价方法标准，按新颁布的国家标准GB/T1.1 -1 E;) O下面计算P(EIS）将用式（23）进

3、行。解题分两个步骤，第一步由根（H2）向叶节点计算先验12 EJ/T赏”.5-19”概率；第二步由叶节点到根作证据传播。a）由规则R1求P(H1），利用式（17）求得P(H2I H1) = 0.4, P(H2 I H) = 10-4，然后按式(20）可求得P(H1) = (P(H2)- P(H2 IH1)/(P(H2 IH1) - P(H2 IH1) =0.025 同理，由规则几求P(E3）可得P(H2I E3) = 0. 75, P(H2 I E3) = 10-6, P(E3) = 0.0133; 由规则几求P(E1），可得P（矶lE1) =0.05,P(H1 IE1) =2.5x 10-s

4、 ,P(E1) =0.5; 由规则几求P(E2），同上可得P(H1IE2) =0.71,P(H1 IE2) =2.5 10-s P(E2) =0.035; b）由规则几求。（H1I S2）：利用式（刀）和式（16）可求得P(H1IS2)=0.162,O(H1 I S2) =0.19 同理，由规则几求。（矶山I），可得P(H1IS1)=0.04,O(H1IS1)=0.040 规则几和民的合成，利用式(16）和式（21）可求得O(H1)=0.但坷，。（H1IS1ns2) =0.2964; 由规则Ri求。（矶山3），利用式（刀）和式(16）可得P(H2I S3) = 0.悦，O(H2 I S3) =

5、0.汤；由规则R1求。（H2I S1 n S2），利用式（16），先得P(H1I S1 n S2) =0.刀，后利用式(18)能得P(H2I S1门S2)= P(H2 I H1) + P( H2 I H1) - P( H2 I H1) P( H1 I S1 n S2) = O.o500平方公里），准平原化程度高（平原、高原或低山丘陵地貌），（可信度为100%);f)源区有铀矿床、矿（化）点产出，放射性异常点带较多（可信度为100%）。推理方式采用6.2中方法，结论H3的推导过程如下（以地质解释方式给出）：一一使用的第1条规则一一前提：E1盖层中有一定厚度的酸性火山岩的沉积物（100%)或者（O

6、R)（用户未作选择，可信度默认为0)民盖层岩石含铀丰度高，且活性铀多，U及民异常点带多，有Se、Mo、V、Sc、Re等元素异常。(100%)或者（OR)（提问得到的可信度为：100%)F，砂岩为长石砂岩或长石石英砂岩，含有丰富的有机质和黄铁矿（90%)或者（OR)（用户未作选择，可信度默认为0)L盖层氧化带地下水中铀、氢含量较高，异常点带多，分布面积大（80%)（提问得到的可信度为：100%)结论：H1盖层岩石含铀性好（推算得出的可信度为：100%)一一使用的第2条规则一一前提：民基底和蚀源区主要分布含铀丰度较高的中酸性岩类岩石（30%)并且(AND) （提问得到的可信度为：100%)Ee;源

7、区岩石总体上高U、高Th，高K或高Th/U比值和古铀场较高、活性铀高(40%) 并且（AND)（提问得到的可信度为：80%)Ei蚀源区面积大（划平方公里），准平原化程度高（平原、高原或低山丘陵地貌）（却%）并且（AND)（提问得到的可信度为：100%)马源区有铀矿床、矿（化）点产出，放射性异常点带较多（10%)（提问得到的可信度为：100%)结论：H2基底、蚀源区岩石对铀源的贡献大。（推算得出的可信度为：92%)17 E.J/T锁固.5-19911一一使用的第3条规则一一前提：H1盖层岩石含铀性好（50%)并且（AND)（推算得出的可信度为：100%)H2基底、蚀源区岩石对铀源的贡献大（50%

8、)（推算得出的可信度为：92%)结论：盹铀源条件。（推算得出的可信度为：96%)A3 层间氧化带型砂岩铀矿床矿产资源总量预测过程用户给出的证据：a）产铀砂岩氧化带（蚀变带）地下水中铀含量Cin(g/L）。（证据值为50)b）产铀砂岩还原带（未蚀变带）地下水中铀含量Cout（闯L）。（证据值为1)c）产铀砂岩的渗透系数K(m/d）。（证据值为1)d）产铀砂岩中地下水的压力梯度J（水力坡度）。（证据值为0.002)e）产铀砂岩氧化还原界面（砂岩层）的厚度M（米）。（证据值为5)f）产铀砂岩氧化还原界面走向的长度L（米）。（证据值为15削）g）铀成矿作用持续的时间t(Ma）。（证据值为6)h）成矿系

9、数（变化在0.1- 0. 75之间）。（证据值为0.35)预测结果：资源总量Qu= xx xx.xxt 推导过程如下：（算法、推理数学方法见6.2)一一使用的第1条规则一一前提：E1产铀砂岩氧化带（蚀变带）地下水中铀含量Cin（阅L)(l2.5%)并且(AND) （提问得到的证据值为：50)E产铀砂岩还原带（未蚀变带）地下水中铀含量Cout(g/L)( 12. 5%) 并且（AND)（提问得到的证据值为：1)E.i产铀砂岩的渗透系数K(m/d)(12.5%) 并且（AND)（提问得到的证据值为：1)E产铀砂岩中地下水的压力梯度J（水力坡度）(12.5%)并且（AND)（提问得到的证据值为：0.

10、002)民产铀砂岩氧化还原界面（砂岩层）的厚度M（米）(12.5%)并且(AND) （提问得到的证据值为：5)产铀砂岩氧化还原界面走向的长度L（米）（12.5%)并且（AND)（提问得到的证据值为：1细则）18 E.J/T珊一盟”E,铀成矿作用持续的时间t(Ma)(12.5%)并且（AND)（提问得到的证据值为：6)成矿系数（变化在0.10.75之间）(12 .59毛）（提问得到的证据值为：0.35)结论H：层间氧化带型砂岩铀矿床矿产资源总量预测。（推算得出的证据值为：）19 EJ/T剑”.S-19”附录B（提示的附录）某区人工棉经网络综合评价系统应用实例利用美国NeuralWorks Pro

11、臼sionalII （简称Nworks）软件包提供的FastBP网工具软件以及自行开发的动态评价系统（改进算法的FastBP网）完成了本区铀矿的综合评价。Bl 建立模糊神经网络专家系统传统专家系统的不精确推理直接或间接地采用了模糊数学，同样模糊技术与神经网络技术结合，可以构造模糊神经网络专家系统。此实例采用模糊系统与神经网络系统的串联方式建立知识应用系统，即作为输入神经网络输入层各神经元的数据，均为领域专家采用模糊数学处理原始数据和初始变量之后的输出值，它们均是成矿地质条件变量的成矿隶属度。以下简称这些进入神经网络系统的输入地质变量（模糊系统的输出变量）为模型变量。Bl.1 成矿远景单元模式识

12、别神经网络模型模型1)将第一组模型单元（39个）作为训练样本。已知模型单元分为两类，故令输出层PEio= d, ,PEi, = d2决定成矿远景单元的地质因素有14项（第一组模型变量）故令该模型的输出层PEi ,PE_i，PE1s分别对应于这14个模型变量。设隐蔽层PE数4，利用Nworks软件包提供的FastBP网，可构成一个具有三层结构，自定义20个PE的应用模型，因此有矿单元与元矿单元的期望输出向量D= (d1, d2）分别等于(1,0）和（0,I)。用第一组模型单元的输入和输出模式对训练该网络，通过学习，使模型单元的所有计算向量逐步逼近它们各自的期望输出向量，直到满足允许误差为止。回忆

13、时的输出结果表明39个模型单元的回忆值与期望值非常接近，最大绝对和相对误差分别小于0.02和1.9%,说明识别结果完全正确且质量可靠，成矿有利度（亦可称为成矿隶属度或成矿置信度）在989毛以上（见表Bl)。Bl.2 花岗岩型铀矿各类型远景单元模式识别BP模型模型2)将第二组模型单元（14个）作为训练样本，已知有矿模型单元分为四类，故令输出层PEi.i = d1; PEis = d2; P = d3; PEz, 。决定远景单元成矿类型的类型变量有18项（第二组模型变量），故令该模型的输入层PE2,PE3，PE19分别对应于这18个模型变量。设隐蔽层PE数4，采用FastBP网，可构成一个具有三层

14、结构，自定义26个PE的应用模型，因此，四类矿床各有矿模型单元（12个）的期望输出向量D= （码，d2d3 d4）分别等于（1,0,0,0) (0, 1,0,0)(0,0, 1,0）和（0,0,0,1），而两个理论元类型单元（非已知类型单元）的期望输出向量D-1s= D_16 = (0,0,0,0）。（见表82）。20 E.J/T剑”.5-1999表Bl模型1模型单元检验单元回忆（回判）结果表 回忆（实际）输出期望输出相对误差绝对误差H与（有矿）PEi1 （元矿）PE:i, （有矿）PEi1 （元矿）q也1但50.9986 0.0013 1 。0.Y17 0.3 1)2 0.9986 0.00

15、13 。0.)27 0.3 676 0.9984 0.0014 1 。0.)30 0.3 656 0.9984 0.0015 。0.0031 0.3 653 0.9986 0.0013 1 。0.Y17 0.3 633 。”790.)20 。0.)41 0.4 实588 0.9985 0.0014 。0.)29 0.3 际模589 。”790.泣。0.)41 0.4 379 0.9985 0.0013 1 。0.)28 0.3 型380 0.9985 0.0013 1 。0.)28 0.3 单280 。”记80.)22 1 。0.)45 0.5 7G 却5。”770.0031 1 。0.仪)6

16、30.6 173 。”“0.)22 。0.)45 0.5 81 0.9954 0.)44 。0.00佣1.0 65 。.99710.)28 。0.0057 0.6 50 0.9985 0.0013 。0.0028 0.3 51 0.9985 。.0013。0.)28 0.3 ll (I 0011 0 ml!R 。Cl 0177 1且+01 0.9985 0.0014 1 。0.)29 0.3 理但0.9985 0.0014 1 。0.)29 0.3 论有+ 03 0.9978 0.)21 1 。)430.4 矿单+04 0.9986 0.0013 。0.Y17 0.3 +05 0.”73 0.

17、)25 。0.)52 0.5 7G 俑0.9980 0.0018 。0.0038 0.4 7 0 00且，。“】n。口70.3 -01 0.（则）（）1.(以）（）。1 0.（削）（）0.0 但0.泣。0.” 79 。1 0.)41 0.4 -03 0.（则）（）1.(则）（）。I 0.（则）（）0.0 -04 0.（以）（）1.0000 。1 0.（则）（）0.0 理-05 0.（以）（）1.(则）（）。1 0.（以）（）0.0 论俑0.)25 。甥74。I 0.0051 0.5 无-07 0.)31 0.现KJ7。0.0064 0.6 矿-08 0.仪)290.现KJ9。0.0060 0.

18、6 单 0.0078 0.现m.。I 0.0156 1.6 7G -10 0.（削）（）1.(以）（）。1 0.）（）（） 0.0 -11 0.（则）（）1.0000 。I 0.（则）（）0.0 -12 0.（则）（）1.0000 。I 0.（以）（）0.0 -13 0.（以）（）0.9饵”。I 0.xn 0.0 -14 0.)31 0.现KJ7。1 0.0064 0.6 检单验254 o.mo 0.但26271 0.9882 0.0116 357 0.99自0.0013 7G 5面0.8452 0.1531 注：PE:m输出值实际为成矿有利度，或称之为成矿隶属度，成矿置信度。21 E.J/T

19、剑”.5-19”表B2花岗岩铀矿单元各类型预测模型（模型2）已知单元回忆（回判或预测）结果表拉T l 2 3 4相对误差自色对误差已知类型回忆类型PE细PEis FPEz, % 1但50.)61 0.0058 0.锐问90.XH 0.0171 1.7 3 1)2 0.万40.)36 0.现)430.0004 0.0131 1.3 3 676 0.)26 0.0015 0.现主220.0014 0.0133 1.3 3 653 0.0030 0.)28 0.9)38 0.则)60.0126 1.3 3 实模型际633 0.0033 0.)29 o.oc脱0.现如450.01妇1.2 4 379

20、0.0075 0.9881 0.0036 0.0013 0.0243 2.4 2 3回0.0053 0.9886 0.0018 0.m 0.0188 1.9 2 单81 0.)35 0.则)60.以后0.现B90.0108 1.1 4 Y巳“ 0.)87 0.（以）（）0.仪陇80.现）（）30.0212 2. I 4 50 0.9872 O.OC阮0.记50.混60.0345 3.5 1 51 0.9898 0.)69 0.0077 0.涉20.0340 3.4 1 33 0.)4() 0.)22 0.削)40.现范60.0140 1.4 4 理- 15 0.仪泣20.)2 0.0013 0

21、.即70.创)630.6 理论无矿醒论无矿-16 0.）（） 0.)48 0.Y70 。850.0155 1.6 理论无矿田里论无矿254 0.0000 O.OC削0.0030 0.1742 水口山271 0.以）（）0.以）（）0.0030 0.1742 柏坊357 0.2013 0.7217 0.)67 0.)98 庙冲预5“ 0.0000 0.)22 0.0179 0.0133 6测单656 0.（则)40.XH 0.1n 0.9391 5 588 0.)61 0.0031 0.0188 0.1637 6)JG 589 0.）（）3 0.（以）（）0.9597 0.臼126 2舶0.则）

22、（）0.到050.3245 0.0012 7却50.（刚到0.2148 0.（以万0.锁l38173 0.（以)20.X3 0.以）（）0.51货i89注：l、2、3、4、5、6、7、8、9为已知类型。一一预测为已知19类；此处四回忆值实际为类型相似程度，也可称相似类型置信度。用此第二组模型单元的输人和输出模式对训练该网络，共学习2万次，各连接权趋于稳定，回忆时的输出结果表明这14个模型单元的回忆值与期望值很接近，各类型值最大绝对误差与相对误差分别小于0.035和3.6%，说明识别结果正确且质量可靠（置信度达98%以上，见表B2）。Bl.3 碳硅泥岩型铀矿备类型远景单元模式识别BP模型模型3)

23、将第三组模型单元（8个）作为训练样本，已知有矿模型单元分为五类，故令输出层PE与= d1 ;PEi1 = d2 ;PEn = d3 ;PE与：PEiA= dso决定远景单元成矿类型的类型变量（第三组22 EJ/T剑”.5一四”模型变量）有14项，采用FastBP网，可构成一个具有三层结构，自定义23个PE（其中PEiPE1s对应第三组模型变量，为输人层，PEi6-PEi9为隐层PE）的应用模型，因此，五种类型矿床的有矿模型单元（6个）的期望输出向量D= （矶，d2d3 d4，出）分别等于（l,0,0,0,0),(0,1,0,0,0) (0,0, 1,0,0) (0,0,0, 1,0）和（0,0

24、,0,0,1)，而两个理论无矿类型单元期望输出向量D_ 17 = ( 0, 0, 0, 0, 0) = D 川见表83）。表83碳硅泥岩铀矿单元各类型预测模型（模型3）已知单元回忆（回判或预测）结果表 l 2 3 4绝对相对读已知回忆PE与因与1PE;组盹3p 误差差（%）类型类型656 0.9910 0.)46 0.（则）（）0.)45 0.)38 0.但192.2 5 模实际型588 0.0039 0.9935 0.)32 0.（则）（）0.)34 0.0170 1. 7 6 589 0.0035 0.9939 0.0035 0.（以）（）0.0033 0.0164 1.6 6 280 0

25、.0000 0.)44 0.9911 0.)42 0.)41 0.但162.2 7 t监JU 2臼0.即710.0077 0.)74 0.0073 0.9890 0.俐。54.1 9 173 0.0050 0.（则）（）0.)47 0.9911 0.0050 0.但362.4 8 理论模型-17 。)24。)240.)25 0.0032 0.Xl 0.0105 1. 1 理论无矿理论无矿单- 18 0.0031 0.)37 0.0035 0.)37 0.Xll 0.0141 1.4 理论无矿理论元矿7. 254 0.m 0.（则）（）0.0595 0.6080 0.2289 水口山271 o.

26、c刚强0.（刚）（）0.0595 。“览。0.2289 柏坊357 0.仪i97o.c以）（）0.（以)20.自860.0002 庙冲 5“ 0.2。”200.0030 o.c削）（）0.)42 6 1但50.0123 0.2049 0.Xl5 0.0000 0.0000 31)2 0.)31 0.0127 0.)21 0.即7o.c以）（）3预676 0.0123 0.2049 0.m 0.0000 o.c以）（） 3测单653 0.4922 0.0114 o.c以Xl0.0013 o.c以）（）3633 0.8筑”0.)21 0.（以）（）0.0071 0.（剧)24 JG 379 0.0

27、012 o.c刚）（）0.0110 0.回到0.Xll 2380 0.0072 o.c以）（）0.仪)290.9436 0.0015 2 81 0.0109 0.（贼”0.)33 0.（蚓)40.7现画。465 0.0372 0.（肌）（）0.)()5 0.跑450.（刚到4 50 0.0882 o.c以Xlo.c削)20.8702 0.0014 1 51 0.0169 0.（蚓）（）0.0013 0.9722 0.0015 1 33 0.但100.（以Xl0.（刚到0.货1J7o.c以)44 注：1、2、3、4、5、的、7、8、9为已知类型：一一预测为己知19类：此处四回忆值实际为类型相似程

28、度，也可称相似类型置信度。用此第三组模型单元的输入和输出模式对训练该网络，共学习2万次，各连接权趋于稳23 EJ/T剑”.5-1”定，回忆时的输出结果表明这8个模型单元的回忆值与期望值很接近，其输出的类型分量值最大绝对误差与相对误差分别小于0.041和4.2%，说明识别结果正确且质量可靠（可信度在98%以上）（见表B3）。B2 资洒的定位预测与远景单元分级按所建好的模型1对1刷个预测单元进行回忆（预测），四个检验单元的成矿隶属度依次为0.977,0.9882,0.9985和0.84520以5俑单元最低值0.8452为准，凡大于此值的预测单元划为远景单元，共计244个；小于此值的判为无矿单元，共

29、计842个；由于输出层p输出值所代表的地质意义是综合成矿有利度（亦可称为成矿置信度），因此，将此值大于989毛的预测单元初步划为一级成矿远景单元；小于98%，且大于95%的作为二级成矿远景单元；其余则为大于84.52%小于95%的三级远景单元。然后，采用改进算法建立FastBP模型（推理网络与网络拓扑结构同模型1)。该模型动态建立了8次，8次模型单元的回忆误差均普遍小于上述利用美国Nworks软件包进行评价的结果，学习建模速度也明显地成倍甚至十几倍地提高；检验单元仅有两次全部预测正确，说明这两次所建模型的泛化能力（预测外推能力）高于其余6次。由于检验单元是非学习样本，且它们的信息强度本身比学习

30、样本（模型单元）低，因此，凡能正确预测它们的模型，预测外推能力必然强些，故它们报漏矿的可能性相对比其余6次要小些。另一方面检验单元成矿有利度的最低值，分别为0.9488和0.99611，又远大于Nworks的预测结果（0.8452），说明这两次动态评价报漏矿的可能性又相对大于原结果。虽然8次动态评价报漏矿的可能性比原结果大，但它们的回忆精度远高于原结果，大多为1或接近1。因此，远景单元的确定仍以原结果为准，但成矿级别则依据8次动态评价结果作适当调整：以动态评价中的多数票作为远景单元级别升降的依据，调整结果见表B4。调整后I级远景单元162个，E级31个，皿级51个。B3 资源的定质评估远景单元

31、类型预测）采用前述所建模型2和模型3，实现了对预测资源在定位基础上的定质评估。模型2和模型3的预测单元，除244个远景单元外，还含它们各自非模型的有矿单元，故模型2和模型3除可预测远景单元类型外，还可预报各自非模型的有矿单元的新类型资源潜力，为已知区寻找其他类型矿床提供决策依据（见表血，表B3）。定义类型输出分量值80%的为相似该类型的远景单元，各分量值均小于此值的为混合模型单元类，也即模糊的新类型（简称新类）。BP网是一种高精度的非线性模型模式识别器，其学习样本（模型单元）的回忆（回判）值均与原值（期望值）几乎一样，即误差很小，模型2和模型3也如此，因此，与回忆正确的最小值0.98%相比，将

32、预测输出值朋%定为非类型单元（属于新类）的界限是合理的。具备成矿条件，有成矿远景，但类型不定的新类是超大型矿床或矿田的重要靶区，从而为该区带来了新希望。24 EJ/T赏”.5-19”模型2和模型3，在244个远景单元中，共预测各已知单元类171个（其中具两类以上的单元有43个，这是因为有2个以上预测分量值80%的缘故），另有73个为新类；在22个已知有矿单元中，预报具有寻找其他已知类型（单元本身目前无此类型）资源潜力的单元有9个：50、5L380、357,33、633、65、656和589（见表BS）。25 囚厅咧目.5-19”表B4八次动态评价后远景单元级别调整表文件名E哧尬m制rm制rxn

33、gbdr xngl:比bm酬rg略目xngbdr 扩展名001 )2 )3 )4 l6 )C) 014 018 悖悖习习误次差翻0.)5 0.01 0.05 2.0 0.8 0.1 0.则0.12() 2货i59518 “刃15433 330 3017 715 1001 远景第一次第二次第2次第四次第五次第六次第七次第八次Nworks 调整后单元号有利度有利度有利度有利度有利度有利度有利度有利度有利度级另l级别226 1.XX 1.XX 1.XX 0.9饵”0.9饼”0.9602 l.C削:x1.XX 0.9296 3 2 246 0.饵”80.现）（）10.9847 0.饵”80.9阴间0.

34、（以XI0.现40.9453 0.9453 3 2 18 1.(以Xl1.(削Xll.C刚到0.7753 0.9988 0.9987 1.(刚到0.9饵”0.9708 2 1 58 1.(削XI1.(涮Xl1.(以XI1.0000 0.9饵”0.9886 1.(蚓Xl0.叨叨0.9735 2 1 2A7 0.9饼”0.饵”50.9982 0.现阴0.9904 0.9981 1.(则XI0.9977 0.9583 2 1 326 1.(则XI1.XX 1.(则XI1.(则Xl0.现n90.饵”1l.C则Xl0.9饵”0.9779 2 1 586 l.C削Xll.C则Xll.C则Xl1.侃朋0.现

35、90.饵”1l.C则XI0.” 99 0.9779 2 1 658 l.C以Xl1.XX 1.0000 1.(刚Xl0.现n90.饵”11.【则XI0.现阴0.9779 2 1 31 0.XX 0.（刚Xl0.（蚓XI0.【以XI0.0015 0.9977 0.（以XI0.（以Xl0.” 34 1 3 0.（则Xl0.（则Xl0.（则XI0.0000 0.2213 0.9现n0.（则Xl0.Xll 0.9918 1 3 76 0.（削Xl0.（则Xl0.（则XI0.（则Xl0.1250 0.9973 0.)2 0.（则Xl0.9898 3 90 0.四360.0019 0.5945 0.026

36、2 0.9织活0.9镜泊1.(则XI0.3577 0.现4I 2 111 0.1”。0.（则)60.1152 0.6542 0.)28 0.9现nl.C则XI0.0327 0.” 42 2 161 0.5“5 0.5497 0.1950 0.9915 OJJ766 0.2613 0.（削XI0.5193 0.9822 I 2 186 0.但570.（以Xl0.xn 0.4臼70.饵”30.99：盯0.（刚XI0.0069 0.9898 I 2 194 0.XII 0.（以Xl0.（则Xl0.0676 0.9825 0.9)73 0.（则Xl0.（以)20.9888 I 2 231 0.0003

37、 0.（则Xl0.（则Xl0.2932 0.1007 0.饵”30.（刚到0.m 0.现如49I 3 318 0.0000 0.（以Xl0.（则Xl0.9172 0.（泪却0.9977 0.（则XI0.【以Xl0.9950 3 335 0.Xl3 0.（则Xl0.（则Xl0.1026 0.1筑施0.饵”50.（则Xl0.m 0.”问6I 3 356 0.0003 0.（以Xl0.（以XI。.29320.1007 0.现阴0.（以Xl0.m 0.现)493 始8o.oc削0.0011 0.712 0.朋0.饵”80.9863 0.（则Xl0.4l()C) 0.9倒32 416 0.（则Xl0.（

38、以Xl0.（则Xl0.m 0.4736 0.9752 0.（则Xlo.c肌XI0.9853 I 3 444 0.0017 0.XX 0.m 0.29:回0.现n90.9就说0.（则Xl0.0071 0.9950 I 2 478 0.（则)50.（则Xl0.（则Xl0.0634 0.锦40。.88240.（则Xl0.)58 0.” ()4 I 3 500 0.X)5 0.XX 0.（则XI0.0634 0.6制。0.槌24 O.IXXX 0.)58 0.（则)4I 3 523 0.0017 0.0000 0.（则)20.29：朋0.” 79 0.9以刘0.（则Xl0.0071 0.9950 2

39、564 o.c阳XI0.（则Xl0.0011 0.m 0.9到）（）0.9759 0.（以XI0.0587 0.现1242 585 0.（则Xl0.（削Xl。.（以XI0.m 0.0066 0.9987 0.0000 o.c以XI0.9815 3 5佣0.0000 0.（则Xlo.c则Xl0.m 0.4736 0.9752 0.0000 0.（以XI0.9自33 “l6 0.（阳刀0.（则Xl0.（以XI0.m 0.4736 0.9752 0.0000 0.（则Xl0.9臼3I 3 608 0.（以)20.【则Xlo.c则Xl0.9578 0.0017 。.99760.（则Xlo.c则)20.

40、” 78 I 2 701 o.元30.归770.7724 0.0070 0.0310 0.饵”30.0172 0.7410 0.镜泊4I 2 720 o.c以XI0.（则Xl0.（则XI0.（则Xl0.36到0.9428 o.c则Xl0.）（)1 0.9891 3 765 0.（削)40.XII 0.3384 0.（则Xl0.9饵”0.9986 l.C以XI0.6017 0.9976 2 869 0.0017 0.0000 0.m 0.2980 。.99790.9864 0.（则Xl0.0071 0.9950 I 2 盯O0.（剧Xl0.（以Xl0.（以XI0.m 0.4736 。.97520

41、.（则Xlo.c则Xl0.9自33 8但0.（则Xl0.（则Xlo.c肌m0.（则Xl0.9824 0.9715 0.（则Xl0.）（)1 0.9914 2 1)3 0.XII 0.（则Xl0.郑50.lOl 0.1799 0.9977 l.C以XI0.0010 0.9984 3 1)6 0.（则Xl0.0000 0.即74o.c则Xl0.饵”80.9740 0.（则Xl0.0715 0.9975 1 2 1011 0.（则Xl0.0000 0.（以JO0.（则Xl0.9届80.”却0.（则Xl0.（则Xl0.9锁1 3 1015 0.0000 0.（则Xl0.（刚Xl0.（以JO0.（则)4

42、0.9货且B0.（刚XI0.（浏览0.9973 1 3 1017 0.0000 。.00000.【刚XI0.（则Xl。.03000.叙i520.创朋0.（则Xl0.现如i11 3 1019 0.0671 0.（则Xl0.)42 0.1454 0.0000 0.700 。但530.1283 0.现回1 2 1:?9 o.c以XI0.0000 0.（以JO0.（则)20.饵”50.师560.（削Xl0.0000 0.”n5 2 注：未调整远景级别的单兀不倒入本表。26 EJ/T剑”.S-19”表B5远景单元类型与成矿级别汇总表单元类型成矿级别单元号 I 38 39 52 I 358 359 400

43、 4-01 953 112 II 275 978 皿1011 1臼8I 44 45 58 59 136 210 584即7612 630 632 654 ! 589 I 655 658 672 673 674 675 活697698 721 951 安4965货如(j989 89。”11001 1M 1013 1014 1但6II 589 (i()8 皿72IJ 1003 I 37 49 “ 74 96 139 14-0 189 192却8却8269 !656f 285 3但319336 347 348 369 391 587 “) 610 611 657 678 695 725 954 96

44、7 II 191 368 已模知型皿25 32 80 303 32IJ 656 I 36 125 384 586 635 6n 679 680 694 100. ! 633 f 单 718 723 724 952 1016 7类G II 111 529 564 722 765 1006 1019 1但9田633 74-0 1017 1018 I 110 650 皿5佣I 127 I佣却7229 230 262 279 II 226 皿627 I 34 46 65 169 172 174 1盯188301 3()1) 338 378 3佣！5133 357 3回6550f II 5190186

45、892 m 33 50 155 170 318 335 356 357 377 380 416 530盯OI 119 154 175 206 223 242 243 284 II 289 290 352 373制4m 163 164 222 260 328 329 350 443 470 I 18 63 64 95 1臼114134 135 141 142 143 147 149 156 159 160 195 2()1) 211 224 227 228 244 247组8未类知249 263 264篇5267 282 283施621归3263但522634 651 652 699 700 7

46、86 1）（） 1005 94 100 150 161 194 246 523 701 869 II 31 60 67 75 76 78 212羽12502612“ 4()1) 478 m 500 585 “M“)6 649 1015 注：中的单元为已知有矿单元，6剧表示成矿类型具有两种以上的单元。27 副厅栅.5-19”B4预测资源的定量估算B4.1 用铀矿床品位吨位模型估算全区平均G级铀矿资源量作花岗岩型铀矿床品位吨位模型图。从图中可知平均吨位及平均品位；前面已定质预测了花岗岩型远景单元87个，因此，可得G级花岗岩型平均铀资源量。同理可求得碳硅泥岩型G级平均铀资源量以及G级新类型平均预测资

47、源量。由此，求得全区平均G级预测铀矿资源量。B4.2按式(1）和式（2）估算全区G级预测资源量将式（2）代人式(1），化简得限。Gi = (S。SJt1M/(nS0)=7归（S。SJ（Bl)式（Bl）即为全区G级预测资源量的估算公式。依据式（Bl），可求得各远景单元G级预测资源量，汇总后得全区G级预测资源量的下B4.3按单元类型估算全区G级资源量以往多采用蒙特卡洛模拟方法估算资源量，是因为难以直接按单元类比，然而基于已完成的全区资源定位和定质预测，使我们可以按单元类型统计比较，即令类型单元的资源量等于该类模型单元（含类型明确的检验单元）的平均资源量，这样可以获得各远景单元的G级预测资源量；对于类型不定的混合模型类（新类）单元，则以各模型单元类（含检验通过的检验单元）的平均资源量作为新类型单元的G级预测资源量。由于资源的定质预测，不仅包含了成矿类型的预测，也包含了成矿规模的预测，因此类比求得的预测资源量所代表的规模含义十分清楚：该远景单元可能产出类比单元平均矿床个数的G级预测资源量。由模型单元和远景单元