2. 矿产资源估算基础回顾
交叉验证之所以不能简单理解为“两个数字比大小”，根源在于被比较的对象本身是由一组参数和一套估算方法共同构造出来的。如果对品位、吨位、密度这些基础量的定义与统计口径没有统一认识，后续的偏差诊断很容易把方法差异误判为数据错误。本节先把估算结果的“构成要素”梳理清楚，再说明不同估算方法为何会系统性地影响交叉验证的结论。
一、三个基础参数：品位、吨位、密度
品位是矿石中有用组分含量的度量，通常以百分比（如 Cu 0.8%）、g/t（如 Au 1.2 g/t）或 ppm 表示。品位估算的本质是空间插值：样品品位是点支撑（point support）数据，而估算对象是块体（block）支撑，二者之间存在支撑效应（support effect）。块体品位是块内无数点的平均，其方差必然小于样品品位方差，这就是交叉验证中“估算值分布比样品值更集中”的常见原因，属于正常现象而非错误。
密度（体重）是把体积换算为吨位的桥梁。吨位 = 体积 × 密度，因此密度的系统偏差会以相同比例直接传递到吨位，进而影响金属量。实践中密度常按岩性、氧化带/原生带、品位区间分域赋值，例如某示例矿山假设：氧化矿 2.1 t/m³、原生矿 2.7 t/m³、断层泥带 1.9 t/m³。若密度分域与品位估值域不一致，金属量就会在域边界处产生系统性偏差。
吨位由矿体几何形态（边界品位圈定、外推距离、夹石处理）与密度共同决定。需要强调的是，品位与吨位存在此消彼长的关系：边界品位下调，吨位上升而平均品位下降，金属量变化方向取决于品位-吨位曲线的具体形状。交叉验证若只比较平均品位而不比较吨位与金属量，就无法发现这类边界品位敏感性带来的偏差。
二、估算方法分类及其统计特性
常用估算方法可按其数学本质分为三类，它们对交叉验证的影响各不相同。
- 距离反比法（IDW）：以距离幂次（常用 p=2）加权邻近样品。它是确定性插值，不提供误差估计，且具有明显的“平滑”倾向——高品位被拉低、低品位被抬高，估算值方差偏小。用 IDW 结果与克里金结果对比时，若差异集中在高品位段，往往反映的是平滑效应而非数据问题。
- 普通克里金（OK）：基于变异函数模型，按最优无偏估计求解权重，并给出克里金方差作为局部不确定性度量。OK 的权重依赖样品构型与变异函数参数（块金、基台、变程），因此对变异函数拟合质量高度敏感。交叉验证中若 OK 在短变程方向上系统性高估，应优先复查各向异性椭球与变程设定。
- 条件模拟（SGS/SSG）：生成多个等概率实现的品位场，保持直方图与变异函数结构，用于评估全局不确定性、储量区间与风险。单个实现与 OK 结果不应逐点比较，正确做法是比较实现的统计分布（均值、方差、分位数）与 OK 或 IDW 结果是否一致。
此外还有最近邻法（NN），它不做平滑、保留原始样品方差，常被用作“无偏参照系”来检验其他方法是否过度平滑。这一特性使 NN 在交叉验证中具有特殊地位：当 OK 与 NN 的均值差异显著时，提示可能存在平滑过度或样品分布不均。
三、方法选择如何影响交叉验证结论
不同方法对同一数据给出不同结果，本身并不说明哪一方“错”。交叉验证的关键是判断差异是否落在方法特性可解释的范围内。以下三类情形在实务中最常见。
平滑导致的系统性偏差。IDW 与 OK 都会压低高品位、抬高低品位。若用 OK 结果去检验 IDW 结果，二者在高品位段可能同时偏低，差异反而很小，形成“互相印证”的假象。此时应引入 NN 作为参照：若 NN 的高品位段均值明显高于 OK，说明平滑效应显著，需在报告中说明，而非直接判定 OK 有误。
变异函数失配导致的局部偏差。OK 的权重由变异函数决定。假设某示例矿区的变异函数拟合为块金 0.15、基台 0.85、主变程 120 m、次变程 45 m，若实际矿化在次变程方向连续性更强而模型未体现各向异性，则 OK 会在该方向过度依赖近邻样品，出现条带状高估或低估。诊断方法是按方向分组统计交叉验证残差，观察残差是否随方向呈系统性偏移。
条件模拟与确定性结果的比较误区。条件模拟的单个实现带有随机性，逐点与 OK 比较会产生大量“假偏差”。正确做法是：抽取若干实现（如 50 个），统计每个实现的全局均值与方差，形成分布，再看 OK 结果是否落在该分布的合理区间内。若 OK 均值落在实现分布的 5% 分位之外，才提示存在系统性差异。
四、参数口径一致性检查清单
在进入具体偏差诊断之前，建议先完成一次口径核对。以下清单可直接用于项目自查，字段按实际项目填写。
| 检查项 | 核对内容 | 常见问题 |
|---|---|---|
| 品位单位 | Cu 用 %、Au 用 g/t，换算系数是否统一 | g/t 与 % 混算导致金属量差 10000 倍 |
| 统计域 | 估值域、密度域、验证域是否同一套边界 | 密度按岩性分域，品位按氧化带分域，边界错位 |
| 支撑 | 比较对象是块体还是样品，块体尺寸是否一致 | 用样品品位直接检验块体估值 |
| 边界品位 | 两套结果是否采用相同边界品位与夹石规则 | 一方含夹石、一方剔除，吨位不可比 |
| 密度赋值 | 缺失密度样品的处理方式是否一致 | 一方用区域均值、一方用岩性均值 |
| 误差度量 | 克里金方差是否被当作真实误差 | 克里金方差仅反映构型，不含趋势误差 |
把上述参数与方法特性放在一起看，交叉验证的逻辑就清晰了：先确认被比较的两个结果在品位单位、密度分域、吨位口径上同源，再依据方法本身的统计特性（平滑性、方差保持能力、是否提供误差度量）解释差异的方向与量级，最后才把无法解释的残差归入数据质量或地质解释问题。这一顺序决定了后续偏差诊断能否真正定位到根因，而不是在方法之争上反复消耗。