引言：随着对于地质学不断地学习和了解，系统这个概念越来越清晰明了。越来越多的新的勘探方法和技术则是依赖于对于矿化系统的认知和梳理，比如说模糊推理系统（人工智能）在勘探靶区预测领域的应用就是建立在对于矿化系统的研究之上的。那么今天，就以密西西比河谷型(MVT)铅锌矿床为例，探索一下如何用模糊推理系统（Fuzzy Inference System) 来减少勘探面积。
图片1：地图展示了MVT类型矿床的世界分布，由加拿大地质调查所提供（开放文件2915d, 1995. http://gsc.nrcan.gc.ca/mindep/maps/index_e.php）
历史
从勘探历史上来看，最早的基于石油系统的概念是在1970年被提出的。1994年Magoon和Dow把石油系统定义为”一个包含了活跃烃源岩和所有关于石油和天然气的必要的元素和过程的自然系统”，同年，鉴于石油系统对于行业的指导意义和所取得的大量的成功，Wyborn et al.(1994) 正式的提出了矿化系统（mineral System），一个建立在传统经验和思考之上，却又超越了区域尺度（矿物源-运输-捕获），更加侧重矿化过程（构造-地球物理-地球化学）的系统。这一理论的研究推进极大的促成了矿业行业的进步和发展。但是，对于一个复杂的系统，人的判断和分析能力很快就触碰到了瓶颈，地质学家面对大量的数据时很容易出现遗漏或者对于不同数据的权重极难进行把握。这些不确定的，模糊的概念导致了地质工作中大量的失误和争议性内容。而使用人工智能取代部分人力劳动，减少人为误差的方法则是本文中介绍的模糊推理系统（FIS）。
应用
一直需要明确的概念便是，人工智能可以提高数据处理的效率以及减少人为误差，但最核心的经验以及知识的重要性反而被放大了。矿化系统包括构造，地球物理以及地球化学的模块，那么对于密西西比河谷型铅锌矿床而言，首先需要明确的则是矿化模型，按照矿化模型的分类，来简单描述一下MVT矿床的特征：(1)来源（source）：沉积碳酸盐（sedimentary carbonate）(2)热液通道（Pathway）：主要是断层和剪切带，构造图基于磁异常图来制作 (3)物理圈闭（Physical trap）：构造复杂密度和地质复杂密度 (4) 化学圈闭（Chemical Trap）：各种相关的化学异常图，本文中仅简单的使用Zn Pb Sb Ba Ag 五种元素异常。
图片2：MVT矿床模型，基于Ward.D.1989年提交的Knob Peaks区域地质普查报告制作，用于FIS进行分析。黑色箭头标注了热液流通轨迹。模型制作：Terrence.R.Brown，2019）
MVT系统
(1)来源，这里主要设定为西澳金伯利区域的沉积碳酸盐岩石：Nigbing Group, Elgee siltstone, 和 Goose Hole Group。这些岩石组可能会包含矿化。(2)热液通道：利用磁异常图可以构建构造图，即便是岩体上面覆盖了厚厚的土壤以及沉积岩，构造活动导致的磁异常依旧清晰可见，此外，地下的断层可以作为热液流通的通道，这些构造具备时期性，与MVT类型矿床矿化时间相近或者一致的构造则是被认为具备矿化的可能性。
图片3：理想的位置可以容纳MVT类型的矿化(Evans, 1993)
(3)物理圈闭：密集的构造无疑提供了更多的矿化概率，也可以增强一些矿化过程比如热液与围岩的化学反应等。所以构造与岩石边界的密度图则是反应了矿化可能性高低。这里可以建立一个简单的模糊逻辑（Fuzzy Logic）：如果构造密度高，那么矿化可能性高，如果构造复杂度高，那么矿化可能性高。(4)化学闭圈：MVT类型矿床相关的元素异常有Zn，Pb，Ag等，这里简单的使用五种，实际模拟中需要更多。所有的需要的证据图层被总结到了表1中。
图表1：需要模拟的证据图层，重新划分类型以及FIS逻辑使用 （基于地理信息系统GIS）,图片4：用于FIS系统GIS模型设计的流程图
合并图层
经典逻辑中，所有事物（陈述）都可以用二元项（0或1，黑或白，是或否）来表达，反之模糊逻辑则是用真实度替代了确定值。这些陈述更加接近于日常人们的问题和語意陈述，人们的口头表述经常会出现，大概，可能，基本上，不确定等语言，而当这些语言被转化为数字值的时候，则是介于0到1之间的某一个数值，比如说，0.9意味着极大的可能性这里有铅锌矿脉分布。基于这种转化，合并图层便可以使用数学的方法来进行了，不同的模糊逻辑算子（and，or，product），它们通常定义为最小、最大和相乘，算子的功能是使用数学对模糊语言进行表达和分析。比如Fuzzy And 叠加类型将返回单元位置所属集合的最小值。例如，在叠加化学圈闭和物理圈闭图层时，使用and算子则只需要选择符合所有准则的概率大于或等于 0.5 的那些位置。合并过程则是如图5所示。
图片5：合并图层，物理圈闭和化学圈闭使用and算子，最终的合并则是使用叠加相乘，以便于使数据便于区分。
靶区预测
最终的结果如图6所示，金色五角星为目前已经发现的矿化点，6个矿化点分布在模糊值0.82 到 0.912的范围里，如果只关注这一区域，那么需要进行勘探的区域已经被减少了84%，这样可以极大的提高勘探效率。
图片6：靶区预测地图，红色区域为靶区，建议优先分配资源进行勘探。（Bowen，2019）
讨论
(1)模糊逻辑系统的输出结果非常依赖于数据的准确度，如果数据选择错误，或者不精确，那么最终结果可以完全是无效的。
(2)模糊逻辑在地质学上的应用是被知识和经验所驱动的，比如说构造特征，围岩特征等，只有在深度的学习后，才能让模拟结果具备实际意义。
(3)因为使用矿化点以及线索进行修正，所以模拟结果可能会过于适应已知类型的矿床，这意味着一些未知类型的矿床会被忽略，而大自然依旧充满着太多的未知。
(4)矿化系统依旧在推进，目前对于源的模拟依旧粗糙，未来关于地球动力学/热力学的研究和发展或可以进一步提高模拟精度。
(5)以后会发布更多关于地球动力学，矿化系统以及构造方面的文章，模拟只需要2天，但是背后的知识积累则是越多越好。
参考资料：
Goodfellow, W.D., 2007, Base metal metallogeny of the Selwyn Basin, Canada, in Goodfellow, W.D., ed., Mineral deposits of Canada: A synthesis of major deposit-types, district metallogeny, the evolution of geological provinces, and exploration methods: Geological Association of Canada, Mineral Deposits Division, Special Publication No. 5, p. 553-579.
Porwal, A., Das, R., Chaudhary, B., Gonzalez-Alvarez, I., & Kreuzer, O. (2015). Fuzzy inference systems for prospectivity modeling of mineral systems and a case-study for prospectivity mapping of surficial Uranium in Yeelirrie Area, Western Australia. Ore Geology Reviews, 71, 839–852. https://doi.org/10.1016/j.oregeorev.2014.10.016
Hagemann, S., Lisitsin, V., & Huston, D. (2016). Mineral system analysis: Quo vadis. Ore Geology Reviews, 76, 504–522. https://doi.org/10.1016/j.oregeorev.2015.12.012
