3. 交叉验证在资源估算中的定位

矿产资源估算从来不是“算完一个模型就结束”的工作。地质统计学的插值方法、搜索椭球参数、块体尺寸、边界品位假设，任何一项选择都会让吨位与品位结果发生偏移。交叉验证（cross validation）在资源估算中的根本定位，是为估算结果建立一套独立于主估算路径的参照系，用来回答三个问题：估算结果是否在合理区间内、偏差出现在哪里、这种偏差是否会影响资源分类与公开报告。它不产生新的资源量，而是对已有资源量施加“可信度约束”。

需要先厘清一个常见误解：交叉验证不等于“再算一遍”。如果第二次估算仍使用同一套样品、同一变异函数、同一搜索参数，只是换了软件或换了操作人员，那只是复现性检查，无法揭示方法本身的系统偏差。真正有价值的交叉验证，必须在数据子集、估算方法、空间尺度或信息来源上与主估算形成差异，差异才是信息的来源。

交叉验证的三类目的

第一类是精度检验，即估计值与真实值（或更可信参照值）的偏离程度。常用指标包括平均误差（ME）、平均绝对误差（MAE）、均方误差（MSE）以及 kriging 方差与实测误差的匹配度。第二类是偏差诊断，关注误差是否随空间位置、品位高低、矿化域边界呈系统性变化，例如高品位段是否被系统性低估（条件偏倚）。第三类是分类支撑，即验证结果能否支撑“探明/控制/推断”资源量的划分，以及是否需要在报告中披露不确定性范围。

内部验证、外部验证与独立验证

内部验证发生在同一数据集内部，典型做法是留一法交叉验证（leave-one-out）或 k 折交叉验证：依次剔除部分样品，用剩余样品估算被剔除位置，再比较估计值与实测值。它检验的是变异函数模型与搜索参数是否“自洽”，成本低、可批量执行，但存在明显局限——被剔除样品与参与估算的样品空间相关性很强，容易给出偏乐观的误差统计，且无法发现原始数据本身的采样偏倚。

外部验证引入主估算未使用的信息，例如后期加密钻孔、生产探矿样品、采矿台阶取样或选厂实际回收数据。它检验的是“模型对未来的预测能力”，是最有说服力的验证形式，但受制于数据可得性与时间滞后。实践中常把加密孔数据先“冻结”，待主模型完成后作为盲样使用，这是较规范的做法。

独立验证由未参与建模的第三方（如合资格人以外的技术团队、独立实验室或评审机构）执行，可采用不同软件、不同方法（如距离反比、最近邻、指示克里格）重新估算并对比。它的价值在于排除建模者的路径依赖，通常用于符合 JORC、NI 43-101 等规范的公开报告前。

在资源分类与报告中的作用

交叉验证结果直接支撑资源量分类的“置信度”论证。以常见的分类逻辑为例：若某矿化域在留一法验证中 ME 接近 0、MAE 小于该域平均品位的 15%，且外部验证的加密孔对比未出现系统性高估，则该域可较有把握地划为“控制”资源量；若外部验证显示高品位段被系统性低估 20% 以上，则即使内部验证指标良好，也应将该域降级为“推断”，或在报告中明确披露低估风险。这里的关键是用验证指标设定可核查的判据，而不是凭经验拍板。

在公开报告层面，JORC 与 NI 43-101 都要求披露估算方法与验证过程。交叉验证记录（验证类型、样本数、误差统计、偏差分布图、处理措施）是合资格人签署的技术依据之一。缺少外部验证或独立验证时，报告应说明原因及其对分类的影响，而不是隐去不提。

一个可操作的验证判据示例

下表给出一组教学示例判据（参数为合理假设，非实测结果），用于说明如何把验证指标转化为分类决策。实际项目中阈值应结合矿种、品位变异系数与采样网度调整。

最后要强调定位上的边界：交叉验证是诊断工具而非修正工具。它指出偏差，但修正偏差仍需回到变异函数拟合、域划分、搜索参数或采样设计本身。把验证误差直接“加回”模型，或用验证结果反向调参直到指标好看，都会破坏验证的独立性，使交叉验证退化为自我确认。保持验证数据与建模数据的隔离、保持判据在验证前设定，才是交叉验证真正发挥作用的制度前提。