《华南花岗岩型铀矿成矿机制与潜力评价》介绍了将流体动力学数值模拟与机器学习应用到华南花岗岩型铀矿成矿机制与潜力评价研究的过程及成果。华南花岗岩型铀矿作为热液矿床，其成矿过程涉及“源、运、储”等多个环节，成矿流体活动与多种驱动力（如重力、变形、热）具有密切关系，构造在成矿流体运移与汇聚中起到关键作用。在研究方法上，运用热-流体耦合、构造-流体耦合、构造-热-流体耦合等多种数值模拟方法，深入研究不同地质过程中流体运移规律和控制因素，探讨赋矿花岗岩中的构造如何控制矿体的空间定位。此外，利用已有岩石地球化学数据，选择随机森林、卷积神经网络等机器学习算法，对华南桃山-诸广山成矿带的九峰岩体、红山岩体以及茶山岩体的含矿潜力进行评价，并取得较好的预测结果。《华南花岗岩型铀矿成矿机制与潜力评价》不仅丰富了对华南花岗岩型铀矿成矿规律的认识，也为矿田外围找矿提供了重要的科学依据和技术支撑。

第1章 绪 论
　　1.1研究背景及意义
　　铀是国民经济建设和**发展的战略资源矿产，也是实现碳达峰、碳中和目标的重要发展资源（张金带等， 2019）。依靠核能发电实现“双碳”目标，铀矿资源需求量高达 18800 t（陈军强等，2021）。然而，由于我国国内铀矿资源储量（已探明储量）小（蔡煜琦等， 2015；Xu et al.， 2021），现阶段掌握海外铀矿权数量少以及相应产能差，以及当前国内铀矿资源和国外所持有铀资源的开采速度逐渐不能满足未来社会发展对铀矿资源的需求（张金带等，2019；陈军强等，2021），因此进一步完善热液型铀矿成矿理论和强化铀矿资源勘探技术，将成为扩充国内铀矿资源储量，提升海外铀矿资源开采能力的*要目标。
　　花岗岩型铀矿床是典型的热液铀矿床，也是我国*重要的铀矿床类型之一，该类型铀矿资源约占我国已查明铀矿资源总量的 20%，且集中分布在我国华南中生代印支期和燕山期花岗岩中，矿床以中小型（300～ 3000 t U）和中低品位（0.05%～0.2% U）为主（张龙等，2021）。花岗岩型铀矿床作为一种金属热液矿床，它的形成必定经历“源、运、储”三个过程，即源区成矿物质溶解和萃取、含矿流体运移，以及在合适的场所沉淀富集成矿的复杂地质过程，而这些过程都与流体的活动有着密切的联系（於崇文， 1994；翟裕生， 1999，2003；Cox，2005；Cuney， 2014）。流体的活动取决于流体流动驱动力，一个金属矿床的形成往往需要稳定的驱动力来驱动大量的成矿流体流经矿化点，驱动力持续存在的时间也会影响成矿规模的大小（ Chi and Xue，2011）。重力、变形和热已被认为是热液矿床形成过程中的三种重要的负责驱动成矿流体流动的驱动力，它们或单*作用或耦合作用于流体流动，这取决于当时的地质环境（Chi and Xue，2011；Chi et al.，2022）。此外，对于许多热液矿床来说，构造在成矿流体的运移与汇聚过程中扮演着重要的角色（ Sibson，2001；Micklethwaite and Cox，2004；Hayward and Cox， 2017；Chi et al.，2022）。先存断裂作为构造框架中*薄弱的部位，在新的构造事件中，它们通常会被重新活化（ Holdsworth et al.，1997； Sibson，2001；Li et al.，2018）。构造活化会使断层或其周围岩石变形，导致扩容区发育，它们为流体运移提供了有利通道同时也是流体汇聚的场所（Holdsworth et al.，1997；Sibson，2001；Cox，2005；Gessner， 2009；Zhang et al.，2011；Li et al.，2018；Igonin et al.，2021）。因此，扩容区与矿化的空间定位之间存在密切联系（ Oliver et al.，1999；Zhang et al.，2008，2011；Li et al.，2017，2018；Eldursi et al.，2021；Chi et al.， 2022）。
　　过去的几十年里，众多学者对华南花岗岩型铀矿床进行了大量的研究，且多采用传统实验室和野外结合的定性或非连续性定量的研究方法，主要注重于岩石矿物特征、矿物组成、控矿构造、流体包裹体、围岩蚀变、地球化学特征、同位素年龄等方面（ Hu et al.，2008；Gessner， 2009；杜乐天， 2011；Chi and Zhou，2012；Zhao et al.，2016；Zhang et al.，2017，2018，2019a，2019b；Bonnetti et al.，2018；Chi et al.，2020；Zhong et al.，2023a，2023b），针对我国华南花岗岩型铀矿成矿机制方面的研究结果证明，该类矿床的成矿过程主要包括铀的预富集、萃取、迁移、氧化还原、沉淀成矿等环节，并提出了相应的成矿模式，如“表生汲取成矿模式”（周维勋，1979）、“地幔流体成矿理论”（杜乐天，1996）、“热点铀成矿理论”（李子颖，2006）及“深源矿化剂成矿理论”（胡瑞忠等，2007）。这些研究加深了对该类型矿床成因的理解，但是对于参与了白垩纪—古近纪华南大规模花岗岩型铀矿化的流体时空动态运移过程的研究并不多，对于不同地质过程中流体运移的情况，以及它是如何主导铀元素的迁移和沉淀的机制尚不清晰，不同地质过程的相互作用对流体运移的影响也不明确，对于矿田内赋矿花岗岩中大量发育的构造是如何控制矿体的空间定位的也缺乏清晰的认识。因此，研究成矿流体在各种地质环境中的运移过程和构造变形过程中扩容区的发育过程将进一步地帮助我们深入理解矿床形成和空间定位的机制、完善成矿理论、建立成矿模式，并为深部找矿提供一定的理论依据。
　　自 2000年以来，我国各行各业都在快速发展，特别是地质矿产领域，积累了海量的地质数据和资料（黄少芳和刘晓鸿， 2016）。随着社会的快速发展，人工智能、机器学习等技术在各个方面都表现出了很大的发展前景，因此，将机器学习、大数据挖掘等技术运用到矿产资源预测中是目前的一个重要方向之一（吕岩，2021）。随着人工智能与矿产勘探的结合，地学研究将进入一个新的阶段，有望改变地球科学传统的研究形式，为地球科学的基础研究和应用研究带来新的发展机遇和挑战张旗和周永章，2018）。机器学习对于解决海量地球化学数据，发现规律具有重要的作用（周永章等，2018）。机器学习与矿产勘探的有效结合能极大地提高地质勘探工作的效率和质量，降低成本和风险，减少地质工作人员复杂的脑力工作和繁杂的体力劳动，提高深部矿产的开发水平，扩大矿产勘探开发的深度和广度，有利于维护和保障国家的经济稳定增长和矿产能源的安全。因此，通过对前人积累的海量地球化学数据进行深度的挖掘，利用机器学习方法进行成矿潜力评价，为矿产勘查提供了新方向（周永章等， 2017，2018；郝慧珍等， 2021；左仁广等， 2021b；周永章和张旗，2017）。
　　1.2成矿过程数值模拟技术研究现状
　　随着计算机科学技术的发展，数值模拟方法理论和技术从早期的单场单维度的模拟发展到现在的二维/三维可自定义的多场耦合模拟，已逐渐趋于完善。相应的地质模拟软件也如雨后春笋般应运而生，例如 FLAC2D/3D、FEFLOW、MODFLOW、Basin2、TOUGH2等（黄沁怡等，2021；陈伟林和肖凡，2022）。时至今日，该方法已在不同尺度的构造变形、流体运移、热量传递等多个地质过程模拟中得到广泛应用，并取得了丰硕成果。
　　在成矿动力学的数值模拟研究中，根据需要解决的科学问题的不同，所采用的模拟方法也有所差异，主要可分为热-流体耦合模拟、构造-流体耦合模拟、构造-热-流体耦合模拟等。热-流体耦合模拟多用于与地形或热浮力驱动的流体流动相关的成矿体系研究。例如， Garven和 Freeze（1984）以密西西比河谷型碳酸盐岩铅锌矿床为基础，建立了流体流动-热耦合数学模型并对盆地内重力驱动下的地下水流体系统进行模拟，结果表明重力驱动的地下水流动系统能够维持盆地边缘附近地下水排泄区的有利流体流速和温度，证明重力驱动下的地下水流体系统对层控矿床的形成有重要意义。Bethke（1985）对沉积盆地演化过程中的压实驱动的地下水流动和传热进行了二维模拟，模拟结果表明沉积盆地的演化基本没有受到流体超压的影响，浅层沉积物中的流体倾向于向地表流动而深部流体则横向流动，系统内的流体流速整体较小而难以对地温梯度产生影响。该结果重新评估了克拉通沉积盆地内压实驱动流在次生石油运移、盆地卤水渗透浓缩以及密西西比河谷型矿床形成过程中的作用。Chi等（2013）模拟了加拿大阿萨巴斯卡（ Athabasca）盆地演化过程中的流体压力变化，模拟结果揭示盆地在整个沉积过程中没有产生显著的流体超压，这种近静水压力状态的发展可能促进了浅部盆地氧化流体向基底的渗透，有利于不整合型铀矿床的形成。Cui等（2010）对加拿大努纳武特塞隆（ Thelon）盆地不整合型铀矿床形成过程中的流体流动和热传递进行了耦合模拟，结果表明在 25℃/km至 35℃/km的地温梯度下砂岩中发育的自由热对流，很可能是一种高效的铀输送机制，促进了该地区不整合面型铀矿床的形成。Eldursi等（2009）针对岩浆侵入体周围的流体循环进行了数值模拟，结果表明侵位深度控制了有效热对流的范围，侵入体的顶端通过汇聚对流流体改变了流体流动模式，主要的流体对流阶段很可能发生在岩浆结晶之前而非冷却阶段，拆离断层能够抑制或改变同时代岩体侵入引起的**流体流动模式，该结果对受侵入体周围断裂蚀变晕控制的矿床有重要意义。采用热流耦合数值模拟对云南个旧超大型锡多金属矿田的成矿过程进行了研究，结果表明温度梯度是驱动孔隙流体流动的主要因素，断层、水平地层或断层与围岩的相交处是成矿流体有利的汇聚区，从而验证了典型岩浆热液矿床的主要控矿因素。

目录
前言
第1章绪论1
11.1研究背景及意义1
11.2成矿过程数值模拟技术研究现状4
1.3基于机器学习的成矿潜力评价现状8
第2章华南花岗岩型铀矿研究现状11
2.1构造背景11
2.2矿体赋存特征12
2.3产铀岩体特征15
2.4矿物组合和围岩蚀变特征16
2.5成矿流体特征16
2.6成矿时代19
第3章华南典型花岗岩型铀矿田地质特征20
3.1苗儿山铀矿田20
3.2鹿井铀矿田29
第4章苗儿山铀矿田构造活化数值模拟34
4.1模型建立34
4.2参数设置34
4.3初始条件和边界条件36
4.4模拟结果36
第5章鹿井铀矿田构造活化数值模拟42
5.1模型建立42
5.2参数设置47
5.3初始条件和边界条件48
5.4模拟结果49
第6章华南花岗岩型铀矿床流体动力学数值模拟65
6.1模型建立65
6.2参数设置66
6.3初始条件和边界条件67
6.4模拟结果68
第7章基于机器学习的诸广山铀矿潜力评价76
7.1花岗岩地球化学数据集76
7.2机器学习方法79
7.3特征变量与模型评价准则83
7.4结果与讨论86
7.5成矿潜力评价分析93
7.6本章小结94
参考文献95