中国铜矿数字矿床模型评价系统以经验模型法的多元信息综合评价为基础，同时参考澳大利亚地调局及美国地调局有关研究成果的基本研究思路，综合经验模型法及成因模型法特点，以矿床模型及勘查数据共同驱动，完成矿产资源评价。本系统最大特点是通过建立数字矿床模型计算机智能推理网络系统，进行实测多源地学数据的客观综合分析，推理判别预测区可能产出的矿床类型，然后利用地学综合信息空间数据库中可用于定位的GIS地学图层数据，在GIS软件平台上进行多元信息综合处理，圈定可能赋存该类矿床的地质找矿可行地段。最后，选取适当定量分析方法，完成预测区的定位及远景区级别优选等区域成矿潜力的综合定量评价。以上几步工作是在统一的计算机软件平台上，通过一体化系统处理完成。此外，系统在运用数据分析方法综合、发掘、提取各种成矿潜力定量预测信息时，整个评价过程始终围绕“矿床模型”这个核心，强调矿床成因的重要作用，真正达到模型驱动和数据驱动的统一。
一、原始描述性矿床模型研究
中国铜矿数字矿床模型评价系统以我国现有典型铜矿床描述性模型研究成果为基础，对我国铜矿典型矿床描述性模型进行概括和总结，分析研究矿床描述性模型中所涉及的有关地质、构造、地球化学、地球物理和矿物学等诸学科的有关概念的内涵和外延及其自然语言描述方式，抽取其中最能概括并区分各种矿床类型的内容，把这些用自然语言描述的项目转化成数据和符号，建立我国铜矿主要典型矿床成因模型的数字矿床模型原始数据库。在此基础上，通过解决描述矿床模型的自然语言与计算机可以识别和处理的符号集合之间的对应关系，建成矿床类型计算机专家推理系统知识规则库，实现矿床模型智能推理。按照《中国铜矿床》(黄崇轲主编，2001)的划分方法，我国铜矿床按矿床成因类型归类划分为10种典型类型，它们是岩浆熔离铜镍硫化物型、斑岩型、接触交代(矽卡岩)型、海相火山气液型、陆相火山气液型、热液型、海相沉积型、陆相沉积型、受变质型和表生(风化壳)型。本论文采用这10种铜矿类型为原始描述性矿床模型分类依据，通过分析、研究、对比大量典型矿床实例，概括总结出每一类矿床的综合地质特征及标志组合，建立了10个中国铜矿床地质找矿概念模型。然后，从中抽取可用于推理判类、并能把10个铜矿模型区分开的地质特征，用来建立相应的计算机推理网络模型，作为系统进行推理判类的依据。
建立矿床地质描述模型，首先必须确定模型研究依据哪些成矿地质内容，称为基本建模要素。通过参考查阅国内外大量矿床模型建模理论著作和文献，进行分析、研究、对比，经过专家咨询、审核，最终确定基本建模要素。在具体建模过程中，各种铜矿床类型的典型矿床实例是获取矿床地质描述模型的直接依据。通过分析对比，我们选择73个典型铜矿床作为本研究建立10个类型矿床地质描述模型的参考实例，依此建立我国10类典型铜矿原始矿床描述模型。
二、数字矿床模型专家系统建立
矿床地质描述模型数字化(计算机化)的过程包括建立矿床地质知识模型、建立矿床模型计算机推理网络模型、形成矿床找矿模型专家系统知识推理规则、建立地质专家系统四个阶段。
1)根据基本建模要素建立的各种类型铜矿床地质描述模型中，存在着可用于判别不同矿床类型的特别建模要素，称为特征地质标志。通过进一步分析上述矿床地质描述模型，从中归纳、抽取可用于推理判类、能够把10类铜矿模型区分开的特征地质标志(包括从宏观大地构造背景到微观岩矿镜下特征)，由此建立起不同类型铜矿床的矿床地质知识模型。
2)建立矿床地质知识模型的目的是为了建立矿床模型专家系统的计算机推理网络模型。为此，对矿床地质知识模型进一步抽取、归纳，通过研究专家系统中建立推理机的技术和方法，采用树状结构图表示矿床地质知识模型，得出不同矿床类型的推理网络结构图，建立矿床找矿模型的计算机推理网络模型。
3)从计算机推理网络模型中抽取、产生矿床模型的计算机推理规则，并由此形成矿床模型专家系统推理知识规则库。
矿床找矿模型计算机推理网络模型对网络中的每个结点给出先验概率，以反映每个结点对该矿床模型的相对重要性，同时对模型的每条规则分别给出充分性量度值LS和必要性量度值LN，用以反映该条规则的可信度，这三个参数反映了领域专家的知识和经验。为了获取三个参数值，确保计算机推理网络模型的权威性、代表性及保证专家系统最终推断结果真实、可靠，我们聘请了10位国内知名矿产资源评价及矿床地质学领域专家，分别对各种不同类型矿床计算机推理网络模型的三个参数独立打分，然后对打分结果进行统计处理，最终得出每类矿床计算机推理网络模型的三个参数值。
4)以美国地质调查局开发的PROSPECTORⅡ地质专家系统为主要参考模式，采用面向对象的C++语言实现矿床模型计算机推理网络模型及成矿知识规则的推理过程，并首次将神经网络BP模型方法引入专家系统，作为矿床类型判别证据之一，建立数字矿床模型专家系统。
三、数字矿床模型评价系统研究
中国铜矿数字矿床模型矿产资源评价系统软件将以数字矿床原始数据库和数字矿床模型推理网络为基础，以现代GIS高新技术工具为支撑平台，将数字矿床模型专家系统与MRAS矿产资源GIS评价系统有机地结合，通过矿床模型专家系统判别预测区可能存在的矿床类型，借助MRAS系统中定量资源评价工具及人工神经网络模型，利用该类矿床模型中可用于定位的地质要素专题图层，在GIS一体化软件平台上，完成远景区定位及远景区成矿级别优选。软件研究的关键是以数字矿床模型推理网络为理论框架开发数字矿床模型智能软件系统，并建立起数字矿床模型原始数据库与数字矿床模型智能软件系统之间的信息交换机制。
1)以1∶20万地质、地球物理、地球化学、遥感空间数据库为支撑，并建立起与数字矿床模型专家系统的有机联系，分析铜矿床知识模型建模要素特征，确定各类模型中可作为GIS定位图层的地质特征标志，在此基础上开发基于GIS的数字矿床模型定位评价系统，完成远景区定位。
2)开发专家系统与MRAS矿产资源GIS评价软件平台接口程序，实现专家系统与GIS技术融合；分析、研究不同神经网络模型的算法、功能和用途，研制算法软件，用于成矿远景区级别优选，同时也用于专家系统中矿床类型判别。开发的神经网络模型包BP模型、Hopfield模型、Kohonen模型和ART1模型。
四、研究思路及技术路线
建立数字矿床模型的总体研究思路为：以“矿床模型”为核心，建立数字矿床模型专家系统，用以推断评价区的矿床类型；把数字矿床模型专家系统与MRAS矿产资源GIS评价系统有机融合，利用被判定矿床类型中可用于定位的成矿地质要素专题图层，借助MRAS系统中定量资源评价工具及人工神经网络模型，在GIS软件平台上完成成矿远景区定位及远景区级别优选。
本系统三步评价步骤构成三级推理网络(图2-1)：第一级推理网络确定区域内可能存在的矿床类型；第二级推理网络确定可能的成矿远景区位置及成矿概率；第三级推理网络进行成矿远景区级别优选。综合起来有如下具体特点：
图2-1 中国铜矿数字矿床模型三级推理网络
1)系统总体框架按矿种、类型、位置及远景区优选顺序进行设计。矿床类型的确定通过数字矿床模型专家推理系统实现。推理过程采用传统的专家系统对话提问方式进行，用户通过屏幕直接选择并辅以输入相关数据完成提问。
2)数字矿床模型知识库中每条规则包含表示该条规则充分性度量和必要性度量的贡献权重概率估值，对于叶子结点(端点证据)，则直接由用户对这些地质证据在野外观测时的存在程度(如很可能存在、不大可能存在、不确定等)结果给出可信度值，这些概率估值在系统推理过程中全程参加计算，并最终确定推理得出的可能矿床类型的归类概率。另外，数字矿床模型知识库的知识做到可以随时更新和添加。
3)模型推理机由规则推理网络构成，推理采用正反向混合不确定模糊推理方法，其推理控制策略划分为两个阶段：在第一阶段中，用户首先向系统提供一批原始观测证据，系统将观测证据与系统中存储的各种矿床模型的规则集依次相匹配，找出匹配最好的矿床模型，作为第二阶段考查目标。本阶段的推理方法为从证据到结果的正向推理方法。第二阶段控制策略的目的是为上述己确定的模型寻找用户尚未提供但却最有效的证据。其基本方法是，考查目标模型下那些尚未确定的前提断言，寻找对结论影响最大的前提断言，反向考查对应次级前提断言，直至端点(叶子)前提断言，通过人机交互方式向用户询问，以便从用户处获得新证据；之后，系统再在该结论下面找下一个次大的前提断言，然后再重复调用这一过程。显然，新证据的获得将改变结论目标模型的可信度概率值。第二阶段采用的推理方法为从目标到证据的反向推理方法。
4)成矿位置的定位：在GIS平台上，通过对用户提供的可用于成矿有利地段定位的地学GIS专题图层数据进行数据综合处理，圈定成矿远景地段。具体做法是先将与矿床成矿模型有关的找矿标志地学图层专题提取、圈定出来，并对该研究区生成统一大小的网格单元，然后通过GIS信息查询，获取每个单元中含有的找矿标志信息，找出那些包含全部标志的单元，作为最后的成矿预测有利单元。
5)成矿远景区优选：以自主开发的矿产资源GIS评价系统软件MRAS为辅助工具，在获取空间定位单元的基础上，利用人工神经网络模型，进行进一步的靶区优选，确定成矿远景区级别。