成矿预测作业.docx

中 国 地 质 大 学
研 究 生 课 程 论 文

课程名称 成矿规律与成矿预测
教师姓名 曹新志、张均
研究生姓名 崔凤霞
研究生学号 120091628
研究生专业 地质工程
所在院系 资源学院
类别: B.硕士
日期: 2010 年 6 月 10 日

评 语
对课程论文的评语:

平时成绩：
课程论文成绩：
总 成 绩：
评阅人签名：

注：1、无评阅人签名成绩无效；
2、必须用钢笔或圆珠笔批阅，用铅笔阅卷无效；
3、如有平时成绩，必须在上面评分表中标出，并计算入总成绩。

GIS在成矿预测中的应用研究
资源学院地质工程专业 崔凤霞（120091628）
摘要：GIS作为一种先进技术，以其强大的制图和空间分析功能，以及空间数据和属性数据的双向查询功能，在成矿预测研究中得到了广泛应用，并已开发出大量矿产预测评价专用软件系统，GIS工具的应用为成矿预测提供了又一条有效的途径。本文主要介绍了GIS在成矿预测中的现状、所使用的主要方法、需处理的主要成矿信息、步骤、存在问题以及应用前景。
关键字：GIS、成矿预测
1、GIS在成矿预测中的应用现状
1.1 成矿预测研究现状
20世纪80年代以后，随着科学技术的进步和生产节奏的加快，世界各国对矿产资源需求与日俱增，但随着地表露头矿、易识别矿越来越少，找矿难度越来越大，日益严峻的矿产资源短缺形势推动了成矿预测的研究。这一时期GIS高新技术进入成矿预测领域，产生了立足于GIS的成矿预测方法。这表明，随着地球科学的发展和新理论、新技术的应用，成矿预测已经开始经历从简单到复杂，由粗略到精细，由抽象到具体的转变。主要表现为：从单纯定性预测到定性和定量预测结合，再到定量预测；由单一信息预测，逐步转变为多源信息综合预测；由经验式类比预测，发展到模式类比、多元统计方法预测，以及科学化、系统化、动态化和可视化预测。在这一转变过程中，GIS的出现和发展，无疑起了推波助澜的作用。
国内外的实践证明，GIS的应用彻底改变了传统成矿预测的方法体系，极大提高了预测效率和水平，简化了预测过程。“八五”期间，GIS技术被列为地矿勘查关键技术，进人90年代以后，GIS矿产资源预测研究展示出广阔的应用前景，并得到越来越多的国内外地质学家的重视，成为地质学家不可缺少的工具。可以预料，随着GIS和成矿预测理论的发展以及二者的结合运用，对地质工作者的找矿思维方式必将产生深远的影响, 在未来一定时期内，借助GIS技术，实现系统化、信息化和可视化的多源信息综合成矿预测以及深部隐伏矿(床)体的“定位”预测，将成为研究的主要方向。
1.2 GIS应用于成矿预测具有一定的必然性
80年代发展起来的地理信息系统(GIS)技术以其高水平的数据管理、强大的空问分析及高质量高效率的成图技术等优点，为信息找矿提供了一个有力的工具，极大地提高了找矿预测的工作效率。GIS在成矿预测方面的应用主要有如下优点：
(1)先进的数据库和图库管理使得对于各种地学图件和数据的长期保存和修改变得容易。
(2)能提供集成管理多源地学数据(包括以文字、数字为主的属性信息和以图形图像为主的空间信息)，具有方便建立模型及进行空间模拟分析的能力，使数据的分析更有效和定量化。
(3)与传统的方法相比，GlS可以更加迅速地对大量数据进行对比和分析，大大节约了时间，缩短了研究周期。
(4)能够弥补一些人工方法的缺陷(如对于断裂控矿影响宽度带的确定，GIS可以很容易得到，而人工方法很困难)。
(5)GIS吸取专家的经验及知识较容易，并且进行成矿预测具有空间直观性，避免了预测中的人为因素。
(6)GIS能够提供高质量的预测成果图件，直观清晰、一目了然。
所以说，GIS的出现为成矿预测提供了最佳的工具和手段，将GIS应用于成矿预测具有一定的必然性。
2、基于GIS的成矿预测的主要方法
基于GIS的成矿预测的各个方法的主要目的都是定量地表示相关的专题关系，最后对若干个专题关系进行综合分析生成一幅预测结果图。因此，GIS成矿预测方法的区别主要表现为综合分析方法的区别。多数以GIS为基础的矿产资源预测，研究的侧重点在于对多个专题关系进行综合分析的方法。对多个专题关系进行综合分析，也就是将多个输入图层相叠加并通过某种空间关系运算得到一个输出图层，也可称为叠加分析。现将几种基于GIS的成矿预测方法的要点简单叙述如下。
2.1 模糊逻辑法
模糊逻辑法是基于模糊关系值进行模糊代数运算来对多个专题关系进行综合的方法。模糊关系值反映模糊集合中的成员的重要性程度，是位于[0,1]范围内的一个数值，0意味着完全无关(即低significance)，1意味着完全相关(即高significance)。它的大小可以基于模糊关系的隶属函数来确定，也可以基于人的主观判断给定。模糊逻辑法比较适合于成矿预测这类难以精确定量的问题。使用模糊逻辑法进行成矿预测的基本工作流程如下：
根据工作区的地质条件和已获取的数据等情况，由领域专家和GIS技术人员共同选择确定预测因子。如地层、断层、化探异常等。同时确定每个因子的数据级别，例如，将地层划分为若干个地层单位，以地层单位作为地层因子的数据级别；将断层按产状、性质、规模等特征分为若干组，以组作为断层因子的数据级别。
GIS技术人员为每个预测因子建立一个或多个图层，并在每个图层中根据数据级别建立数据对象，或者建立数据对象与数据级别之间的对应关系。利用专家系统中的某种方法，例如发放专家打分表的方法，请领域专家给出各预测因子之间的相对重要性，同时给出同一个因子的各个数据级别之间的相对重要性。
GIS技术人员对收回的专家打分表进行整理，得到图层权重和数据级别分数，并将它们赋给各个图层和各个数据对象。将各图层叠加，经过模糊数学运算，得到工作区中每个任意给定的预测空间单元的模糊关系组合值。模糊关系组合值综合反映了成矿条件的优劣，将其变换为成矿有利度，以合适的表达形式作为结果图层输出，用于选择找矿靶区的辅助决策。
2.2 证据加权法
证据加权法用条件概率和贝叶斯规则相结合来实现二元模式图的综合。它通过直接复合地质信息、地球化学信息、以及遥感信息等进行成矿预测。其基本原理是把各种专题关系作为预测的证据因子，首先根据已知矿点与证据因子之间的统计关系赋予各证据因子统计权重。然后用贝叶斯条件概率理论对不同证据因子按其权重值进行综合分析，生成预测结果图。这种方法输出概率结果，考虑了不同空间关系对成矿的不同作用。但是，应用该方法的统计假设条件并不是总成立的，而且矿床的大小没有考虑。用证据加权法进行成矿预测的基本步骤如下：
(1)各证据因子的二值图像化处理，即把所有的专题关系转化为二值图像。
(2)先验概率估算。据各因子与已知矿点的统计关系计算各证据因子在各单元内的成矿概率。
(3)计算证据因子的权重值，即计算每个证据因子在因子存在、因子不存在及不知道因子是否存在的情况下的权重值。
(4)计算预测图像。首先进行证据因子的相对矿点条件独立检验，剔除一些相关的预测因子，然后用叠加的方法计算每个单元的最终权重值。
2.3 神经网络法
随着人工智能在地学中的应用不断深入，人们把人工神经网络引入到矿产资源预测中。人工神经网络的神经元具有学习、记忆、归纳等功能，能在大量的实际数据中灵活地进行挑选，从中发现模糊的偶然联系，并形成一个方法的综合体，在一定程度上能代替人脑的思维和判断能力。在成矿预测中，人工神经网络并不是用于直接将相关的专题关系综合为一幅预测结果图，而是用于对信息进行分类并建立信息与预测目标之间的联系。用神经网络法进行成矿预测的基本工作流程如下：
建立一个数据库，其中包括与某种类型的已知矿床有关的各种信息。除了地层、构造等信息外，还包括矿床的规模、矿床距断层的距离、矿体的产状、矿体的围岩、成矿母岩等信息。将这些信息交给人工神经网络处理，经过学习和训练，人工神经网络建立起信息与矿床之间的关联。
将工作区的信息输入人工神经网络，人工神经网络可以根据已建立的关联给出工作区任何一点的成矿有利度。
2.4 代数法
代数法是布尔逻辑法的扩展。它不是将专题关系定量为二值，而是多值。代数法中与每个专题关系相对应的数据图层都与一系列的分数相连，这些分数可以是每个图层中的各个数据级别的专家评分，也可以是按照某一特定规则所划分的数据级别所对应的级别分数。在给定各数据图层的同时，还可以根据各图层之间的相对重要性，给定各个图层的权重值。将各数据图层的级别分数和图层权重值给定后，就可对多个专题关系对应的数据图层进行综合分析。
对不同类型数据层之间的综合分析而言，代数法较布尔逻辑法具有更大的灵活性。对于某一图层来说，其权重和数据级别分数可以被不断地调整，以便图层能够有效地反映应用领域专家在研究中的各种判断。图层级别分数可以是负数或者实数。如果各个图层之间对于表达级别分数的范围没有要求，那么，级别分数的数据范围可以没有要求。使用代数法进行成矿预测的基本工作流程如下：
(1)根据工作区的地质条件和已获取的数据等情况，由领域专家和G1S技术人员共同选择确定预测因子，如地层、断层、化探异常等。同时确定每个因子的数据级别，例如，将地层划分为若干个地层单位，以地层单位作为地层因子的数据级别；将断层按产状、性质、规模等特征分为若干组，以组作为断层因子的数据级别。
(2)GIS技术人员为每个预测因子建立一个或多个图层，并在每个图层中根据数据级别建立数据对象，或者建立数据对象与数据级别之间的对应关系。
(3)利用专家系统中的某种方法，例如发放专家打分表的方法，请领域专家给出各预测因子之间的相对重要性，同时给出同一个因子的各个数据级别之间的相对重要性。
(4)GIS技术人员对收回的专家打分表进行整理，得到图层权重和数据级别分数，并将它们赋给各个图层和各个数据对象。
(5)将各图层叠加，经过代数运算，得到工作区中每个任意给定的预测空间单元的关系组合值。关系组合值综合反映了成矿条件的优劣，将其变换为成矿有利度，以合适的表达形式作为结果图层输出，用于选择找矿靶区的辅助决策。
2．5 多因素套合分析法
多因素套合分析法是一种简便易行的基于GIS 的成矿预测方法，可以快速地将研究区域缩小，锁定找矿靶区。该方法的核心是对两个以上因素的空间关系进行分析，提取有用信息，快速缩小靶区。该方法包括6个主要步骤：
①数据准备，收集整理研究区所有有关的资料；②找出用于研究的主要因素，主要因素可以是与成矿有关的任何条件，如物化探异常、地层、构造、矿产地等；③运用GIS软件的空间分析功能，分析这些因素在空间上的相互关系，求出相互套合的部分；④讨论各种因素相互套合的区域(称为套合异常)分布规律；⑤确定靶区；⑥靶区验证。
不同地区、不同预测对象，应选择的套合分析的主要因素也是不同的。如果研究对象与某一时代的地层有关，则应以该时代的地层为主要因素，然后将其与其他因素，如断裂带、岩体边界、物化探异常等进行套合分析。在求出套台异常后，要参照原始资料研究其意义。套合分析时用的因素越多，对矿床的指示作用越明显，靶区越小。但也不是越多越好，若使用的因素过多，反而会丢失有用信息。
2.6 GIS下找矿有利度分析方法
找矿有利度分析主要是利用GlS空间叠加分析和缓冲区分析，将矿点图层与证据图层(岩石地层图层、特殊岩性图层、断裂构造图层及物、化、遥感图层)相关联，通过评价异常在预测中的必要性（从图层是否有大量的矿点出现来评价)和有效性(以计算异常的单位矿产当量来评价)，筛选出最有利的找矿异常。简要归纳该方法如下：
(1)GIS线型异常找矿有利度分析方法
在GIS成矿预测中，线型地质异常分析，主要是分析线型地质异常与矿点间的关系．最典型的就是断裂构造图层与矿床(点)图层的关系．一般步骤是：先利用GIS的检索和相关分析得到直观的断裂与矿床关系图。通过统计分析，得到矿床距断层间距统计直方图和相应表格．然后可获得研究区内矿床与其最近断裂间的距离单位，根据该距离判断该范围是否是最有利于成矿的区间．根据所得结果，通过GIS的空间分析功能，就可以得出断裂影响带，成为研究区内寻找矿床的有利构造地段．
(2)面型异常的找矿有利度分析方法
面状图层包括地层、特殊岩层、侵入岩层、地球化学图层、物化探异常等图层．对于这一类型的找矿有利度分析方法，是要解决必要性和有效性两方面的问题．最后得到的结果是面型异常作为矿床预测的各证据层。
（3）组合异常找矿有利度及空间相关性分析
组合异常有3种形式：线异常与面异常组合、面异常与线异常组合及面异常与面异常的组合。基于GIS空间分析的成矿预测中采用的图层组合异常有：
①应用岩石地层图层、特殊岩性图层与矿点图层、地球化学元素图层相关联，了解地层的含(赋)矿性，确定主要含(赋)矿层位；
②应用断裂(带)及其它构造图层与岩浆岩、矿产关联，解释构造与岩浆岩、矿产的关系，认识矿化与构造的关系，厘定控矿、容矿构造；
③应用侵入岩图层与构造图层及物、化、遥图层相关联，推测隐伏侵入体，再同地球化学图层进行叠加关联，了解岩浆作用与成矿的关系，确定岩浆岩成矿专属性及成矿成岩系列；
④应用地质、矿产信息图层与重砂、物化遥异常图层叠加，分析总结成矿规律和成矿模式，结合地质调查实际进行成矿预测。
由此可见，在GIS中组合异常图层也是通过找矿有利度的分析而得到的，并且组合异常有浓缩找矿信息的作用．另外，对于组合异常，只有两种具有强相关性的面异常，才能加以组合．因此，必须研究它们的空间相关性(一般通过计算其空间相关系数)．从以上论述可以看出，对各类异常找矿有利度的空间分析是应用GIS进行成矿预测的关键。
3、GIS在成矿预测中需处理的主要成矿信息
信息是用数字、图形、影像、文字、符号及介质来表达事物、事件、现象的内容、数量或特征，信息来自未加工的原始资料数据。成矿信息是指指示和识别某种矿床条件和赋存方式的地质信息总和，可分描述性、事实性成矿信息，及通过深加工才能获取的加工型数据。随着找矿技术的发展、成矿信息的来源和种类也越来越多，目前应用GIS处理的主要成矿信息有遥感信息、地质信息、物探信息和化探信息。下面对其进行简单的说明：
（1）遥感信息
遥感信息是指在远距离、高空和外层空间的各种平台上，运用各种传感器来获得的地表信息，它通过数据的转换、传输和处理，从而实现研究地面物体形状、大小、位置、性质及其环境的相互关系。近年来GIS和遥感的紧密结合，不仅有助于提高数据自动分类的精度以及空间定位和信息复合，而且可促进空间信息的专题制图、动态监测和信息更新自动化。在成矿预测方面，通过对遥感图像变换及方向滤波等图像处理，可了解地层、岩浆岩及构造等控矿条件，来作为在大范围内进行成矿预测的依据。
（2）地质信息
众所周知，要对某地进行成矿预测，首先要寻找相关的地质信息，如预测区已经知晓的矿床、矿点分布情况-预测区的地层分布情况-预测区的构造分布情况，以及岩浆岩分布情况。在这些地质信息的基础之上才有可能开展下一步的成矿预测工作。
（3）物探信息
由于地球物理勘查方法种类较多，如重力、磁法、电法、地震、放射性测量等，因而导致物探信息的多样化。目前"在固体矿产找寻方面"重力、磁法及放射性测量的物探信息相对应用较多，而在石油的勘探过程中"地震及电法的应用相对要多一些。地球物理勘查主要是以地质体的物理性质差异为直接观测对象"并通过观测地球物理场的变化"来进行地质解释。因此物探方法是一种间接的找矿方法，其成矿信息的提取主要侧重于发挥物探深源性的探测优势以及对深部构造的认识。
（4）化探信息
地球化学成矿信息的提取主要是从区域地球化学场角度出发，研究区域地球化学元素的物质结构与空间结构性特征，它主要涉及到区域化探异常的圈定与识别，而因子分析法、判别分析法、聚类分析法等传统的数学地质方法在这方面一直发挥着重要的作用。这些方法能够有效地研究元素的相关关系，找出与成矿作用相关的地球化学元素组合。
4、GIS成矿预测的步骤
地质异常矿体定位预测的基础是查明地质异常，目标是圈定“5P”地段。依据此基础和目标，结合他人的研究成果，现将GIS成矿预测的步骤分为以下几步：
①收集研究区内与成矿有关的资料，如地质、矿点分布、地下岩性和构造、航磁及重力等相关资料；
②建立空间数据库，利用GIS软件平台为收集到的各种地学信息建立空间拓扑关系；
③研究成矿规律、控矿条件及找矿标志，对收集到的物探、化探、地质进行解译，总结出区域性找矿标志组合，或通过对地质、物、化探数据进行成矿信息的提取，总结出直接、间接的找矿标志；
④建立找矿模型。在对区域成矿规律、控矿条件及找矿标志的研究基础上结合GIS技术建立找矿模型；
⑤最后圈定找矿靶区，根据总结的成矿规律和综合信息找矿模型，利用GIS的制图功能圈定成矿靶区。
5、GIS在成矿预测中存在的问题及其应用前景
5.1 GIS在成矿预测中存在的问题
GIS在矿产资源预测中的应用发展迅速，但尚存在一些关键问题：
①利用GIS进行矿产资源预测的成功与否，在很大程度上取决于对研究区域成矿规律的认识程度和预测方法的合理应用。传统地质科学对成矿规律的研究已有较成熟的方法体系，但是利用GIS的空间分析功能以及结合预测模型的矿产资源预测还存在一些缺陷，如忽略各种地质变量之间的关系、各种地质变量与成矿作用的关系，以及地质结构、构造特征等，同时预测模型本身尚不成熟。
②矿产地质数据是基于GIS的矿产资源预测的基础，但是目前地矿行业矿产地质数据不仅是多来源、多学科的，而且还依各个部门的任务、内容不同而不同，包括地质、构造、地层、岩石、矿体、钻孔、物探、化探等数据及与地质矿产有关的各项研究成果数据。因此如何高效地组织和管理这些数据使之适于GIS矿产资源预测是急待解决的问题。
③基于GIS的矿产资源预测需要采集大量的矿产地质数据，其中一种重要的获取方式是地图数字化，而目前采用数字化仪或基于GIS平台的屏幕数字化均存在工作量大、精度控制难等问题。虽然一些GIS平台如ARCGIS、ARCINFO、MAPGIS等提供了自动数字化功能，另外还有一些专门的矢量化软件如R2V、VPStudio、GcoScan等也具有自动矢量化功能，但是其自动化效果均不理想，这一问题还有待进一步研究。
④矿产资源预测中领域专家的知识是任何技术手段以及数学模型无法替代的，在基于GIS的矿产资源预测中如何考虑专家意见以及GIS矿产资源预测系统如何与专家系统结合等问题仍在探索之中。
5.2 GIS在成矿预测中的应用前景
GIS在区域地质调查、成矿规律及成矿预测研究中的应用也将在GIS总体发展趋势下，预计在未来会有以下几方面的发展趋势。
(1)GIS在成矿规律及成矿预测研究中的应用将继续得到推广，随着遥感数据、物化探数据的获取技术和数据质量的迅速提高，研究预测将由中小比例尺向中大比例尺推进。
(2)基于各种GIS平台的单矿种、多矿种的预测评价专用软件系统将会进一步得到开发和应用，矿产资源预测评价将会更加科学和便利。
(3)多源地学信息的仿真模拟，即在GIS技术、仿真模拟技术和数据库技术的支持下，为研究者创建和谐的人机交互界面，模拟成矿地质过程，以提高成矿规律的认识，进行成矿预测评价。
(4)构建矿产资源“数字勘查区”，即在成矿规律及成矿预测研究的基础上，基于GIS技术，将矿产资源预测区的具不同来源、不同类型、不同分辨率的地学数据信息，由传统的文字和图表为载体，按地理坐标进行整合，变为以数字为载体，形成具有信息集成、三维可视化显示和分析应用功能的数据库系统，最终建立矿产资源数字勘查的完整的信息模型。

参考文献：
[1]朱裕生，肖克炎．成矿预测方法[M]，北京：地质出版社，1997．
[2]姜作勤. 地理信息系统在矿产资源评价中的应用现状[A].当代矿产资源勘查评价的方法[c]，北京：地震出版社．1999．
[3]唐永成，曹静平，高章红. 安徽东部地区金矿资源GIS评价[J],安徽地质，2000.
[4]YANG W, LIU X. Integration of multi-geoscience data for mineral resources prediction using GIS methodology. Computers, Environment and Urban Systems, 1992, 16(4).
[5]矫东风,吕新彪.基于GIS空间分析成矿预测[J],地质找矿论丛，2003,18(4).
[6]廖崇高，杨武年，刘静忠等.基于GIS空问分析进行多源信息成矿预测[J],物探化探计箅技术，2002, 24(2).
[7]薛顺荣，胡光道等.成矿预测研究现状及发展趋势[J].云南地质，2001,20(4).
[8] Wright D J,Cnmd child M E Proctor J D．Demystifying the Persistent Ambiguity of GIS as‘"Tool” versus Science [J].Anna’s of the Association of Araerican Geographers．1997，87(2).
[9]贾宝华．区域构造分析与GIS技术在湘中地区锑矿成矿预测中的应用[J]．湖南地质，1999，18(4)．
[10]曹瑜，胡光道．圈定“5F’找矿地段的GIS成矿预测空间模型及其应用[J]．地球科学——中国地质大学学报，1999，24(4)．
[11]池顺都，吴新林．云南元江地区铜矿GIS预测时的找矿有利度和空问相关性分析[J]．地球科学——中国地质大学学报，1998，23(1)．
[12]杨学善，秦德先，陈耀光，张义林，李峰，吴志亮．地理信息系统(GIS)支撑下的综合信息成矿预测——以云南易门铜矿区为例．地质与勘探，2004，40(2).
[13]邓吉秋，鲍光淑，刘斌．基于GIS的湘东北万古地区金矿床靶区预测．矿床地质，2002，21(增刊).
[14]朱大明，秦德先，方源敏．基于GIS的数字矿区与矿产资源预测方法．地矿测绘，2003，19(4).
[15]海峰，姚书振,丁振举．基于GIS的证据权重法在成矿预测中的应用．地质科技情报，2003，22(3).
[16]景刚，薛春纪．基于GIS的区域成矿规律及成矿预测研究．矿床地质，2002，21(增刊).
[17]朱创业.地理信息系统在矿产预测中的应用[J]．成都大学学报(自然科学版)，1999，18(4).
[18]池顺都，周顺平，吴新林. GIS支持下的地质异常分析及金属矿产经验预测[J]．地球科学——中国地质大学学报，1997，22(1)．
[19]胡光道.陕西勉略宁地区戚矿丽测研究工作方法及思路[J]. 地球科学——中国地质大学学报，1999，24(增刊).
[20]贾宝华．区域构造分析与GIs技术在湘中地区锑矿成矿预测中的应用[J]．湖南地质．1999,18(4)．
[21]唐宾.GIS支持下的金属矿产成矿预测简介[J]. 广西地质13(1)．
[22]余生晨，叶水盛，刘光胜，壬世称．利用地理信息系统(GIS)进行综合信息矿产资源预测[J]．世界地质，1996，(3)．
[23]刘荫椿董晓辉，刘志杰．基于GIS的金矿多源地学信息复合处理及应用[J]．黄金地质，1997，(1)．
[24]刘治国，池顺都，周顺平．成矿预测中应用GIS的主要步骤明．地质找矿论丛,2002，(2)．
[25]李双成，郑度．人工神经网络模型在地学研究中的应用进展田．地球科学进展，2003，(1)．
[26]海峰．GIS在成矿预测中的应用[J]．甘肃地质学报，2002，(1)．
[27]阳正熙．西方国家的“成矿规律和成矿预测”的发展和现状[J]．成都理工学院学报，2000，(S1)．
[28]袁峰，周涛发等．GIS矿产资源预测中的证据权重法．黄金地质,2003，(3)．
[29]杨茂森，黎清华，张淑珍．GIS技术在山东胶东地区金矿预测中的应用[J]．山东师范大学学报(自然科学版),2005，(3)．
[30]付海涛，王恩德．GIS技术在成矿预测中的应用实例——以杨家杖子矿田为例[J]．矿床地质,2005，(6)．
[31]张晓军，张均.基于GIS的川西地区金矿初步预测[J].地球科学——中国地质大学学报,1999，24:(增刊).
[32]MacIntyer DG．Sedes—sedimentary— exhalative deposit，ore deposits，tectonics and metallogeny in the Canadian Cordillers．Ministry of Energy.Mines and Petroleum Resources，British Columbia，Queen’s Printer for British Columbia[M]．Victoria：1995．
[33]王世称，陈永良,夏立显．综合信息矿产预测理论与方法[M]．北京：科学出版社，2000．
[34]梁红莲,刘登忠.GIS 应用现状及发展趋势探讨[J].物探化探计算技术,2001,23(1).
[35]胡小红, 黄临平.地理信息系统在矿产行业的应用[J].科技广场,2006,(2).
[36]F. P. BIERLEIN1*, H. J. NORTHOVER1, D. I. GROVES1, R. J. GOLDFARB2 AND E. E. MARSH2.Controls on mineralisation in the Sierra Foothills gold province, central California, USA: a GIS-based reconnaissance prospectivity analysis.
[37]Wei Zhou,, Gang Chen, Hui Li, Huayang Luo and Scott L. Huang. GIS application in mineral resource analysis—A case study of offshore marine placer gold at Nome, Alaska. June 2007.
[38] D. Cassard a, M. Billa a, A. Lambert a, J.-C. Picot a, Y. Husson a, J.-L. Lasserre a, C. Delor Gold predictivity mapping in French Guiana using an expert-guided data-driven approach based on a regional-scale GIS.
[39] Zamaraev RY (Zamaraev, R. Yu.)1, Oparin VN . GIS-technologies for integrated assessment of the productive mining areas. MAY-JUN 2008.
[40] Cherkasov S (Cherkasov, Sergei)1, Cassard D (Cassard, Daniel). Modeling of paleo heat-and-mass trasport for prognosys of mineral deposts using GIS. MEXICO, OCT 22-26, 2007.
[41]曹静平, 谢兰芳, 张晓黎. 矿产资源GIS评价预测中的若干技术问题探讨. 合肥2007.
[42]张万良, 刘德长, 张静波. GIS在成矿规律和成矿预测中的应用分析. 南京2005.
[43]王敏.应用GIS技术进行成矿预测的基本步骤及主要内容.山东地质,2002,18(1).
[44]郝俊杰, 郭海全, 赖燕玲. 基于GIS技术的成矿综合预测评价方法——以河北省测鱼-桃园地区为例. 北京2007.