基于pXRF 的蕎麥山銅多金屬礦床元素富集規律研究*

張明明，龍瑾瀟，周國玉，焦峻嵚，方紅東

（1 合肥工業大學資源與環境工程學院，安徽合肥 230009；2 合肥工業大學，礦床成因與勘查技術研究中心，安徽合肥 230009；3 合肥工業大學安徽省礦產資源與礦山環境工程技術研究中心，安徽合肥 230009；4 合肥工業大學空間信息集成與綜合分析平臺，安徽合肥 230009；5 安徽省地質測繪技術院，安徽合肥 230022；6 宣城市華通礦業有限公司，安徽宣城 242000）

在當前大數據的時代背景下，從數據出發，以數據驅動模式去分析、挖掘地學研究積累的大量數據，可以從另一側面觀察、研究地質問題，為地質研究開拓了新的思路(Armstrong et al.,2014;Chen et al.,2014;邵燕等,2016;張旗等,2017;翟明國等,2018)。隨著礦產勘查方法與儀器分析測試技術的不斷進步，地學研究已經從傳統的定性研究向定量化研究快速發展(趙鵬大,2011;2014;2015)。地質數據一般難以達到海量級數據的標準，但地學研究可以從數據出發，進行數據之間各類關系的分析，挖掘地質數據背后隱藏的信息，同樣是屬于大數據技術范疇(Li et al.,2009;Gantz et al.,2012;Carranza et al.,2015;Evans et al.,2016;Aryafar et al.,2017;Condie et al.,2017;Ernst et al.,2017;張旗等,2018a;2018b;2018c;Huang et al.,2021)。

通常，元素的遷移和富集規律研究、組合特征提取以及地化異常準確圈定對于找礦勘查有著重要的意義(Zhao et al.,2012;Li et al.,2015;Wang et al.,2016)，如何快速分析巖石樣品中的元素成分及其含量，以判斷研究區的成礦潛力是一個非常關鍵的問題。實驗室儀器分析方法由于測試的高精度使其在巖芯劈樣元素分析、礦石地化異常分析等分析中占據著主導作用，但實驗室分析方法一般需要經過“采集樣品-運輸樣品-樣品加工-化學分析”等過程之后才能得到測試結果，過程耗時長、費用昂貴且需要破壞樣品，無法滿足對研究區進行全數據采集(林延暢等,2002;Zhao et al.,2018;Cui et al.,2021)。便攜式X 射線熒光分析儀(pXRF)可以在野外快速、準確地獲取原位巖芯數據，為野外礦床全鉆孔的元素采集提供了技術支持(Kalnicky et al.,2001;Hall et al.,2014;McAlister,2019)。

蕎麥山銅多金屬礦床位于長江中下游成礦帶宣城礦集區內，是區內典型的矽卡巖型礦床(Mao et al.,2011;Pirajno et al.,2015;Nie et al.,2017;Liu et al.,2018)。前人對蕎麥山銅多金屬礦床的研究多從傳統地質實驗分析方面入手，采集礦床典型樣品進行成巖成礦分析，成礦元素富集的特征及規律研究受到數據量及分析方法的限制。本次研究旨在從數據出發，運用pXRF對蕎麥山銅礦床典型剖面進行全鉆孔元素測試，以各元素之間的協同關系為基礎，研究各元素在深度空間上的分布趨勢和富集、虧損規律，深入分析元素之間相關性對礦物的指示，圈定地化異常，探索相關元素對成礦的指示作用。研究結果可以揭示蕎麥山銅多金屬礦床的元素分布特征，促進對成礦過程中元素遷移、富集規律的認識，明確矽卡巖型礦床的成礦模式和成礦條件，對進一步的找礦勘查工作具有積極的指導意義(Gazley et al.,2014;Young et al.,2016;Bruno,2018;Perring et al.,2018;Gray et al.,2020)。

1 研究區地質背景

長江中下游成礦帶是中國最重要的銅鐵多金屬成礦帶之一，位于華北克拉通和揚子克拉通的匯聚地帶，成礦帶內有許多大規模、多類型的銅鐵多金屬礦床。蕎麥山銅多金屬礦床位于成礦帶內宣城礦集區內(圖1)。

長江中下游成礦帶主要受特提斯構造域、深部殼幔作用構造過程和古太平洋構造域的共同制約，經歷了復雜的大陸動力學過程和多階段的巖漿活動。諸多因素控制了本區的構造-巖漿-成礦作用，形成了許多大規模、多類型的銅鐵多金屬礦床(常印佛等,1991;翟裕生,1992;周濤發等,2008)。成礦帶自西向東主要包括鄂東南、九瑞、安慶-貴池、銅陵、廬樅、寧蕪和寧鎮7 個傳統的礦集區，以及近年來新增的宣城礦集區(圖1)(Pirajno et al.,2015;Nie et al.,2017;Liu et al.,2018)。

長江中下游地區出露有晚太古代和古、中、新元古代變質基底，前震旦系沉積變質巖出露極少，震旦系—早三疊統穩定沉積蓋層不整合覆蓋于揚子克拉通不同基底之上，構成了該區“一蓋多底”的地殼結構(常印佛等,1996;陳志洪等,2017;朱安冬等,2017)。

雙基底層位是長江中下游地區獨特的結構，表現為南部是以新元古代復理石建造為主的江南式基底，北部是以太古宙—古元古代TTG 巖系為特征的崆嶺-董嶺式基底，長江中下游成礦帶處于上述2種類型基底的邊界帶上(董樹文等,2011)。長江中下游成礦帶從震旦系—白堊系都有各種類型的礦床產出，其中以銅、鐵、金、鎢等多金屬礦床為主，銅、金礦床主要產出于3 個層位，分別為上石炭統黃龍組、二疊系和中、下三疊統(包括東馬鞍山組、大冶組)，礦體一般處于碎屑巖和碳酸鹽巖的接觸部位(常印佛等，1991)。

宣城礦集區位于長江中下游成礦帶東南側(圖1)。近年來，隨著區域找礦的進展，在該礦集區發現了許多礦床，如茶亭斑巖銅金礦床、蕎麥山銅多金屬礦床、劉家山硫鐵礦床和麻姑山銅鉬礦床等。這些礦床主要為斑巖-矽卡巖型礦床(Mao et al.,2006;Zhou et al.,2011;李躍等,2019;徐曉春等,2019)，處于長興-廣德凹斷褶束和寧蕪凹斷褶束2個Ⅳ級構造的結合部位，區內構造主要表現為褶皺構造、推覆體構造和斷裂構造(錢仕龍等,2017;徐曉春等,2019)，區內中部疊置有北東向的九連山-貍橋、敬亭山、麻姑山推覆體構造，亦為復背斜構造。其中，九連山-貍橋推覆體往北東延伸至江蘇境內為茅山推覆體(韓克從等,1985;朱志澄,1991;徐學思等,2001;黃潤生等,2010)，斷續綿延超過100 km，目前已將宣城礦集區列為長江中下游成礦帶的第八大礦集區(周濤發等，2017)。

圖1 長江中下游成礦帶礦集區分布圖(據周濤發等，2017修改)Fig.1 Distribution map of ore concentration areas in the metallogenic belt in the middle and lower reaches of the Yangtze River(modified after Zhou et al.,2017)

蕎麥山銅多金屬礦床是區內典型的矽卡巖型礦床，位于長山復背斜的次一級連續褶皺構造蕎麥山茶山倒轉背斜的南西傾伏端。礦床銅金屬量約5.9×104t、硫鐵礦礦石量約5×106t、鎢金屬量8.3×103t，為中型矽卡巖礦床(劉曉明等,2015)。礦區內地層(圖2)由古至新分別為泥盆系上統五通組、石炭系中上統黃龍船山組、二疊系下統棲霞組、二疊系下統孤峰組、二疊系上統龍潭組及第四系全新統。礦體主要賦存于石炭系黃龍船山組與侵入體接觸帶內。礦區侵入巖巖體平行于褶皺軸沿斷裂帶狹長狀分布，呈巖枝、巖株或巖脈狀產出，屬于中-淺成相中酸性侵入巖，主要侵入蕎麥山倒轉背斜核部和北西翼部，與圍巖接觸面較陡，傾角50°～80°，有的呈脈狀穿插在石英砂巖和石灰巖裂隙中，巖體為花崗閃長斑巖，多位于蕎麥山南坡超覆于石英砂巖之上。礦區內脈巖主要為石英斑巖，大致沿孤峰組和棲霞組之間分布，具有明顯的定向性，走向北東70°，厚約20 m，分布于礦區南部的茨山的東部的頂門山等地。

圖2 蕎麥山礦床地質圖(據劉曉明等，2014修改)1—第四系；2—二疊系上統龍潭組；3—二疊系下統棲霞組；4—石炭系中上統黃龍組、船山組；5—泥盆系上統五通組；6—花崗閃長斑巖；7—矽卡巖；8—砂巖；9—花崗斑巖；10—鐵帽；11—勘探線及編號；12—鉆孔及編號Fig.2 Geological map of the Qiaomaishan deposit(modified after Liu et al.,2014)1—Quaternary;2—Longtan Formation of Upper Permian;3—Qixia Formation of Lower Permian;4—Huanglong Formation and Chuanshan Formation of Middle and Upper Carboniferous;5—Wutong Formation of Upper Devonian;6—Granodiorite porphyry;7—Skarn;8—Sandstone;9—Granite porphyry;10—Gossan;11—Exploration line and number;12—Drill hole and number

2 數據采集

pXRF是最常見的野外巖芯原位元素測試儀器，其優點在于其輕巧、便攜、測試速度快、精度高，在野外可直接獲取目標物的元素含量，當前在環境監測、巖芯測試、分析沉積物序列等方面有著廣泛的應用(Peinado et al.,2010;Yuan et al.,2014;劉琦,2014;Mauriohooho et al.,2016;Al-Musawi et al.,2020)。在合理設置參數及模式的基礎上，pXRF技術被認為是一種滿足全數據采集要求、便捷有效的測試方法(Radu et al.,2009;Piercey et al.,2014;Perring et al.,2018;Zhou et al.,2018;Zhou et al.,2020)，如夏慶霖等運用pXRF 技術對安徽泥河鐵礦進行了巖芯礦化蝕變研究，獲得了元素組合異常，較好地指示了礦化(夏慶霖等,2011)；McNulty 等（2018）利 用pXRF 對加拿大溫哥華島上的邁拉瀑布火山巖礦床進行了巖性判別研究，分析礦床Ti/Zr 趨勢確定火山巖的類型。

基于pXRF 技術的巖芯測試可以最大限度保持樣本的完整性及連續性，可用于野外鉆孔現場原位分析，具有效率高、投入小的特點，大大提高了找礦勘查的效率。本文運用pXRF 技術在野外直接獲取鉆孔巖芯測試分析數據，并基于數據驅動思維，利用數據挖掘方法分析該礦床的元素空間分布規律。本研究所選擇的儀器是日本奧林巴斯(OLYMPUS)科技公司生產的VANTA 系列便攜式X 射線熒光分析儀，采取地球化學模式進行測量，在該模式下可測量元素包括P、Cl、Mg、Al、Si、Cr、K、Ca、S、Ti、Cu、V、Mn、Fe、As、Co、Ni、W、Bi、Zn、Th、Hg、Sr、Y、Pb、Se、Mo、U、Rb、Cd、Zr、Nb、Ag、Sn、Sb。

本文選取了蕎麥山銅多金屬礦床的代表性剖面16+線上的以銅硫礦石為主的3 個典型鉆孔，分別為ZK16+02、ZK16+03、ZK16+04(圖3)。在保持巖芯清潔、干燥的情況下，經過等間距單點測試、校準方程建立等步驟，獲得了測量有效的30 種元素Mg、Al、Si、P、S、Cl、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Se、Rb、Sr、Y、Zr、Nb、Mo、Ag、W、Hg、Pb、Th、U 并進行數據分析，測點間隔為1 m 左右，不同鉆孔不同深度位置間隔略有變化，每個點測試時間為60 s，累計測點433個(Bourke et al.,2016;周國玉,2021)。

圖3 16+線勘探剖面簡圖(據劉曉明等，2014)1—石炭系中上統黃龍組、船山組；2—泥盆系上統五通組；3—花崗閃長斑巖巖體；4—石英砂巖；5—大理巖；6—花崗閃長斑巖；7—鉆孔及孔號；8—銅硫礦石；9—銅礦石；10—鎢礦石Fig.3 Simplified cross section of exploration line 16+through the Qiaomaishan Cu deposit(after Liu et al.,2014)1—Huanglong Formation and Chuanshan Formation of Middle and Upper Carboniferous;2—Wutong Formation of Upper Devonian;3—Granodiorite porphyry;4—Quartz sandstone;5—Marble;6—Granodiorite porphyry;7—Drill hole and number;8—Copper-sulfur ore;9—Copper ore;10—Tungsten ore

3 蕎麥山銅多金屬礦床元素富集規律分析方法研究

3.1 主成分分析

主成分分析法(PCA)對元素數據進行降維可以除去一些重復變量因素的影響，將信息進行壓縮，建立盡可能少的新變量，使相關元素之間的關系更加明了(成秋明等,2007;韓小孩等,2012)。本文利用SPSS統計軟件對蕎麥山銅多金屬礦床16+線所測的30 種有效元素進行全鉆孔主成分分析，最終將30 個元素壓縮得到8 個主成分信息，累計方差貢獻率達到70.576%，保留了鉆孔中元素含量的主要信息，其中第一主成分累計方差貢獻率達到27.079%，所得成分中包含了蕎麥山銅多金屬礦床成礦元素Cu、Fe、S、W 在內的14 個正載荷元素（Cl 元素由于得分過低，暫不考慮）。主成分分析結果見表1。

在此基礎上利用全數據主成分分析得到的結果分別計算ZK16+02、ZK16+03、ZK16+04 深部空間的成分得分值，成分得分結果的可視化顯示能夠直觀反映各成分所包含的信息與鉆孔巖芯成分之間的對應關系（圖4）。

蕎麥山銅多金屬礦床16+線主成分分析反映了如下特征（表1，圖4）：

圖4 蕎麥山銅多金屬礦床16+線主成分得分圖Fig.4 Principal component score of exploration line 16+through the Qiaomaishan Cu polymetallic deposit

表1 蕎麥山銅多金屬礦床16+線鉆孔主成分方差及成分載荷表Table 1 Principal component variance and component load of boreholes on exploration line 16+through the Qiaomaishan Cu polymetallic deposit

（1）綜合主成分得分（PCA）包含了全數據70.576%的信息在內，高值區主要出現在包括銅硫礦石和鎢礦石在內的礦化區，是對鉆孔主要信息的集中反映，計算公式如下：

（2）第一主成分(PC1)的高值富集區域與綜合主成分高度相似，與鉆孔的礦化區域明顯對應，顯然PC1代表了富含元素Cu、Fe、S、W在內的礦化信息，且伴隨有非成礦元素Mg、Ca、Mn、Co、Zn、As、Se、Ag、Hg、U。

（3）第二主成分(PC2)具有除Mg、Si、Rb、Sr在內的較多的正載荷元素，結合主成分得分圖可以看出第二主成分信息并不具備有類似于第一主成分具有明顯礦化特征的元素組合，但高值區也多靠近礦石周圍，在偏向石英砂巖的區域有著較強的反映，總體上具有更為復雜的表現。

（4）第三主成分（PC3）具有正載荷元素Mg、S、Ti、V、Cr、Mn、Zn、Rb、Sr、Y、Nb、Mo、W、Hg，主成分得分高值區呈現出以銅硫礦石和鎢礦石為中心向兩側逐漸降低輻散的趨勢，結果表明，PC2 在一定程度上能夠反映銅硫礦石和鎢礦石附近復雜多樣的圍巖蝕變現象。

（5）第四主成分（PC4）所表現的不具備明顯特征，但總體上表現出主成分得分值由礦石位置向非礦石位置由高到低（ZK16+02、ZK16+03）或由低到高(ZK16+04)的現象。

（6）第五主成分（PC5）表現出得分值由石英砂巖段到銅硫礦石段、鎢礦石段再到花崗閃長巖段逐漸降低變化的現象，反映出自淺向深得分值由高向低的變化。

（7）第六主成分（PC6）在銅硫礦石所對應的位置表現出低值特征，而在鎢礦石所對應的位置表現出高值特征。

（8）第七主成分（PC7）和PC6特征一致。

（9）第八主成分（PC8）所表現的特征與PC6、PC7 的特征相反，在銅硫礦石所對應的位置表現為高值特征，在鎢礦石所對應的位置表現出低值特征。

3.2 多元逐步線性回歸分析

主成分分析能夠保留諸多變量的主要信息，將30 種有效元素壓縮為8 個變量，能夠定性的反映元素富集規律與鉆孔巖芯之間的對應關系。而多元逐步線性回歸分析方法能夠反映多個變量對一個因素的影響，能夠從大量可供選擇的變量中選取最重要的變量，以保證最后保留在模型中的解釋變量多重共線性降到最低，從而建立“最優”的多元線性回歸方程，得到回歸分析的預測模型（Closs et al.,1975;付勇等,2009;Nazarpour et al.,2016;Ali et al,.2017），從而定量的反映元素的富集關系，量化礦化信息。為探究蕎麥山銅多金屬礦床中成礦元素Cu、Fe、S、W 與非成礦元素之間的富集伴隨關系，筆者利用SPSS 軟件將蕎麥山銅多金屬礦床16+線鉆孔的成礦元素與26 種非成礦元素進行多元逐步線性回歸分析，并建立預測模型，以達到進一步提取主要相關元素的目的。

為了避免不相關元素的干擾，在多元逐步回歸之前對所測得的30 種有效元素進行相關性分析，結果見表2，相關性分析結果可知，與蕎麥山銅多金屬礦床與成礦元素Cu、Fe、S、W 具有正相關性元素主要有Mg、Ca、Mn、Co、As、Se、Ag、Hg、U。而由上述主成分分析表明，第一主成分集中反映了鉆孔礦化信息，并且從主成分載荷表中可以看出元素非成礦元素Mg、Ca、Mn、Co、Zn、As、Se、Ag、Hg、U均具有較高的正載荷系數，與相關性分析相比僅多出元素Zn，且載荷系數最小，因此，相關性分析與主成分分析所得出的結論具有高度一致性。

表2 蕎麥山銅多金屬礦床16+線鉆孔成礦元素相關性分析表Table 2 Correlation analysis of ore-forming elements in boreholes on exploration line 16+through the Qiaomaishan Cu polymetallic deposit

結合主成分分析和相關性分析的結果，可以初步反映出與成礦元素Cu、Fe、S、W 富集伴隨的正相關元素?；诖?，利用所測433 個數據點對成礦元素進行多元逐步線性回歸，無差別的將全部鉆孔數據步入模型，以分析元素Mg、Ca、Mn、Co、As、Se、Ag、Hg、U 與成礦元素的量化關系，建立擬合模型，以探究諸多元素的富集成礦規律，分析結果見表3。

表3 多元逐步線性回歸分析系數表Table 3 Multiple stepwise linear regression analysis coefficient table

雖然Zn 元素在主成分分析中反映為低正載荷，但在初步的相關性分析中（表2），該元素與成礦元素并非均反映為顯著相關性，因此并未作為變量步入回歸模型。盡管在相關性分析中，元素Mg、Ca、Mn、Co、As、Se、Ag、Hg、U 對成礦元素Cu、Fe、S、W 均各自呈現出正相關關系，但在多元素共同作用的前提下，元素自身之間也存在相互作用即多重共線性作用，因此逐步回歸模型在回歸過程中對變量進行邊引入邊剔除，直到既無新變量的引入也無舊變量的剔除，以建立“最優”的多元線性回歸模型。從分析結果中可以看出，對于不同的成礦元素所保留的元素及系數也有所不同，模型R2系數為分別為0.589、0.888、0.624、0.340，且各元素的系數均在滿足顯著性檢驗條件，因此，可以認為模型具有較好的擬合效果。此外，各模型VIF 均小于5，即擬合模型中不具有多重共線性影響，說明對于各成礦元素所保留下來的元素之間不存在明顯相互作用，且其共同的富集對銅多金屬礦床的形成產生著正向作用。逐步線性回歸分析反映出Cu 元素的富集伴隨著元素Mg、Co、As、Se、Ag、Hg、U；Fe 元素的富集伴隨著元素Ca、Mn、Ag、Se；S 元素的富集伴隨著元素Mg、Ca、Mn、As、Se、Ag、Hg；W 元素的富集伴隨著元素Mn、Hg。

此外，通過上述逐步線性回歸分析系數表建立多元逐步線性回歸擬合模型，對蕎麥山銅多金屬礦床ZK16+02、ZK16+03、ZK16+04 鉆孔中成礦元素進行擬合，以Cu為例，建立擬合模型如下：

Cu=35.736×Co+23.277×As+61.993×Se+0.012×Mg+681.668×Ag+22.317×U-7.788×Hg-0.0045

各成礦元素模型建立同理，利用擬合結果對比鉆孔柱狀圖以及元素實測值，以此驗證模型的準確性（圖5）。從對比結果中可以看出，成礦元素的預測高值區與銅硫礦石和鎢礦石的位置均具有較好的對應關系，并且以非成礦元素Mg、Ca、Mn、Co、As、Se、Ag、Hg、U 所建立的預測模型與實測值也和銅硫礦石和鎢礦石具有高度的吻合現象。由此可見，相關性分析及多元逐步線性回歸分析將26 種元素提取出了最為關鍵的相關元素以量化了元素富集信息，通過對成礦元素正相關元素進行多元逐步線性回歸能夠進一步提取對蕎麥山銅多金屬礦床具有正向影響的元素組合，并建立量化模型，定量反映了元素富集規律以及礦化信息。

圖5 蕎麥銅多金屬礦床16+線成礦元素擬合對比圖Fig.5 Fitting comparison of metallogenic elements in boreholes on exploration line 16+through the Qiaomaishan Cu polymetallic deposit

4 討論

4.1 區別于實驗室方法的全數據分析

當前便攜式X 射線熒光分析技術的發展已經取得了很大的進步，測試檢出限也提高了很多，但是pXRF 數據精度與傳統實驗室分析精度之間仍然有一定的差距，pXRF 分析總體來看屬于半定量分析。本研究并非脫離于實驗室方法完全基于pXRF 的數據采集，為了提高pXRF 數據的可信度，以更好地反映研究區的元素富集分布情況，本研究選擇了以實驗室數據為標準來校準pXRF 數據。在數據采集的預處理階段，選取了蕎麥山銅多金屬礦床采集樣品中13 塊具有代表性的巖芯樣品進行實驗室全巖主微量元素測試，樣品分別位于礦床的不同深度（深度從10～140 m），并且樣品巖性從淺到深包含了蕎麥山銅多金屬礦床4 種主要巖性在內的石英砂巖、矽卡巖型礦體、大理巖和花崗山長斑巖。研究發現pXRF 分析結果與實驗室分析結果之間具有較好的正相關關系，對于不同樣品中元素含量的高值、低值反映結果是一致的（周國玉,2021）。在巖芯數據采集中，對蕎麥山銅多金屬礦床16+線主要以銅硫礦石為主的3 個典型鉆孔進行等間距連續單點測試，累計測點達到433 個，各點采集有效元素30 種，在獲取豐富數據的前提下最大限度地保持了巖芯的完整性以及測試樣本的連續性，這是實驗室測樣難以做到的。

雖然，pXRF 化學分析是一種半定量、半定性的分析過程，但是其具有連續性測試、分析密度大、測驗樣品多的特性。并且，pXRF可以在無需樣品制備的情況下很容易地在現場使用（Pinto,2018），其提供快速、實時分析的能力有助于收集適合地統計分析的有針對性的高數據密度讀數（Lemiere,2018），盡管不具備實驗室方法的高精度特征，與地球化學分析值存在本質區別，但能一定程度上能夠反映出某區域樣品的連續性特征與相關性特征，可以獲取更全面的巖性信息，突出相對變化，相比實驗室測樣能夠更廣泛便捷地分析巖芯巖性變化趨勢特征，有助于全面反映礦化特征和蝕變現象，因此并不會降低用于勘探過程中元素分布、遷移、富集規律研究的數據價值。

4.2 元素富集規律與礦化、蝕變

作者通過利用pXRF 對蕎麥山銅多金屬礦床16+線3個典型鉆孔（ZK16+02、ZK16+03、ZK16+04）進行連續、高密度的主微量元素全數據采集，運用多元數據主成分分析法、多元逐步線性回歸法對各主微量元素的空間分布規律、元素異常組合情況和成礦指示元素等進行了詳細分析。

本文對上述3 個鉆孔元素進行主成分分析（圖4），研究結果表明，在蕎麥山銅多金屬礦床16+線鉆孔的主成分分析中，將30 種元素信息壓縮為8個主成分，每個主成分均代表了鉆孔的不同信息：①以正載荷元素Cu、Fe、S、W、Mg、Ca、Mn、Co、Zn、As、Se、Ag、Hg、U 為主的PC1 元素組合代表著蕎麥山銅多金屬礦床的礦化信息，研究結果從元素分布的角度細化了前人的研究；②PC2、PC3 反映了蕎麥山銅多金屬礦床中花崗閃長斑巖、石英砂巖、大理巖相互接觸帶之間復雜多樣的蝕變信息及變化趨勢（劉曉明等,2015;2016）；③PC6、PC7、PC8 主成分信息一定程度上蘊含了鎢礦石、銅硫礦石的礦化信息。

因此，通過主成分分析16+線鉆孔數據，將30 種元素壓縮為包括礦化信息、蝕變信息、銅硫礦石、鎢礦石、巖石信息等在內的8 個主成分信息，并且綜合得分結果能夠包含并解釋70.576%的鉆孔信息，通過主成分分析確定的，以Cu、Fe、S、W、Mg、Ca、Mn、Co、Zn、As、Se、Ag、Hg、U 為正相關關系變化的元素組合，可輔助確定蕎麥山銅多金屬礦床的多樣性礦化。分析表明，礦床復雜多樣的礦化、蝕變是造成主成分分析中正載荷元素集中出現的主要原因，反過來多種類元素不同主成分中出現的正載荷現象也能夠一定程度上反映巖體多樣的礦化、蝕變特征，兩者之間相互佐證。

主成分分析側重于將諸多變量進行壓縮合并、整合歸類，最大程度上保留原有信息，而多元逐步線性回歸側重于將諸多變量進行對比、剔除、保留，減少變量的同時，建立最優擬合方程，以提取相關信息。

在對蕎麥山銅多金屬礦床成礦元素Cu、Fe、S、W 進行相關性分析發現，對成礦元素起正相關性影響的元素包括Mg、Ca、Mn、Co、As、Se、Ag、Hg、U，這一結果與主成分分析得出的結論大同小異，因此，可以進一步判斷這些元素與成礦元素具有明顯的富集特征，可作為礦化指示元素?；谙嚓P性分析和主成分分析結果進行多元逐步線性回歸分析并建立擬合模型，對比驗證表明，盡管擬合R2系數大小不一，但都對礦化位置具有較好的反映效果。ZK16+02由于具有更為復雜的地質環境，無論是實測元素值還是擬合值，都綜合反映了銅硫礦石和鎢礦石的整體礦化特征；ZK16+03、ZK16+04 中4 種成礦元素的擬合效果與實測值具有高度吻合的特征，并且對銅硫礦石的反映也十分顯著，甚至Cu 元素擬合值對銅硫礦石位置的指示效果比Cu 元素的實測值更好，盡管W 元素的R2系數只有0.34，但整體上對于鎢礦床也具有大致的反映?？梢?，多元回歸分析能夠從諸多元素中提取與成礦元素具有最優相關性的成礦指示性元素，與主成分分析對比研究共同指示出與成礦元素Cu、Fe、S、W 伴隨富集的元素組合為Mg、Ca、Mn、Co、As、Se、Ag、Hg、U。

筆者主要選擇了研究區代表性剖面的3 個鉆孔進行研究，雖然數據涵蓋了礦床的主要巖層，但鉆孔數量相對于整個礦床來說還是偏少，還有一些礦石類型如銅硫鎢組合礦石、銅鎢礦石、銅礦石未能全部覆蓋。在分析方法上主要選擇了主成分分析、相關性分析、多元逐步線性回歸分析，如若加入一些數據算法分析、機器學習分析，將提升數據分析的科學性及有效性。

5 結論

（1）蕎麥山銅多金屬鉆孔主成分分析結果顯示，綜合得分PCA、PA1 集中反映了元素礦化信息；PC3反映了礦石與接觸帶圍巖的蝕變信息；PC5一定程度上反映了巖芯中石英砂巖的成分；PC6、PC7 對鎢礦石具有一定的指示作用；PC8 對銅硫礦石具有一定的指示作用。

（2）多元逐步線性回歸分析提取了具有成礦指示作用的相關富集元素，結果表明，蕎麥山銅多金屬礦床成礦元素Cu 伴隨著元素Mg、Co、As、Se、Ag、Hg、U 的富集；成礦元素Fe 伴隨著元素Ca、Mn、Ag、Se 的富集；成礦元素S 伴隨著元素Mg、Ca、Mn、As、Se、Ag、Hg 的富集；成礦元素W 伴隨著元素Mn、Hg的富集。

（3）主成分分析和多元逐步線性回歸分析共同反映蕎麥山銅多金屬礦床中元素Mg、Ca、Mn、Co、As、Se、Ag、Hg、U 和成礦元素Fe、S、Cu、W 存在正相關關系，并且伴隨成礦元素呈現富集特征，對蕎麥山銅多金屬礦床銅硫礦石具有礦化指示作用。