4. 数据准备与质量检查

交叉验证的结论是否可信，首先取决于进入验证流程的两套数据是否“同源、同尺度、同口径”。如果原始钻孔数据库存在坐标错位、样品重叠、品位单位混用，或者组合样品与特高品位处理方式在资源模型与验证数据集之间不一致，那么后续的偏差诊断很可能把数据问题误判为方法问题。本节围绕交叉验证前的数据准备，梳理从钻孔数据库到可对比数据集的完整链条。

一、钻孔数据库：验证的“底账”

钻孔数据库通常由孔口表（collar）、测斜表（survey）、化验表（assay）和岩性/矿化表（geology）构成，四类表通过孔号（HoleID）关联。交叉验证前应逐项核查：孔口坐标的坐标系与高程基准是否与模型一致；测斜数据是否覆盖全孔、有无缺失段导致深部位置漂移；化验表是否存在样品区间重叠、间隔或超出孔深；品位单位（g/t、%、ppm）与检测限（低于检出限记为0还是半检出限）是否统一。一个常见隐患是测斜缺失：某孔设计倾角-60°，实际终孔偏差可达数十米，若未按测斜计算三维轨迹，样品空间位置就会系统性偏移，验证时表现为“模型在空间上错位”而非品位估计偏差。

建议在数据库中保留质量标记字段，例如样品是否超长（大于最大允许样长）、是否跨岩性边界、是否为重复样或标准样。这些标记在后续组合与验证样本筛选中直接决定取舍。

二、样品组合：把不等长样品变成等长支撑

金刚石钻孔样品长度常为0.5～2.0 m不等，而资源模型块体尺寸通常为5～10 m，交叉验证需要将样品组合到与块体尺度可比的长度（如2 m或5 m）。组合必须沿孔轴按固定长度切分，采用长度加权平均：

组合品位 = Σ(样长i × 品位i) / Σ(样长i)

组合时需明确三条规则：组合起点从孔口还是从矿化段起算；跨越岩性边界或矿化边界时是否强制断开；残余短样（不足一个组合长度）是并入上一段还是单独保留。若资源模型采用“按矿化域内组合”，而验证数据集采用“全孔连续组合”，两者在边界附近的品位支撑不同，交叉验证会出现虚假偏差。因此组合参数必须在模型与验证数据集之间完全一致，并在报告中记录组合长度、边界处理方式和残余样处理规则。

三、特高品位处理：同一规则贯穿两端

特高品位（极端值）会显著拉高局部均值，若模型端做了顶切（capping）而验证端未做，或两端采用不同阈值，对比结果将不可解释。常见处理方式包括：全局固定阈值顶切、按矿化域分别顶切、以及将超出阈值部分按距离分配（cut and spread）。无论采用哪种，都应在数据准备阶段确定阈值来源（如品位累积分布的第99百分位、概率图拐点或邻近样品影响分析），并将同一阈值、同一作用域同时应用于组合样品和验证样本。

四、数据分布检查与一致性核对

组合完成后，应对品位分布做基本检查：直方图是否呈明显双峰（提示混合了不同矿化域）、累积概率曲线尾部是否过长（提示极端值未处理）、对数变换后是否接近正态（许多地质品位近似对数正态）。同时核对样品数量、平均品位、方差、变异系数在模型数据集与验证数据集之间是否处于同一量级。若验证样本是从组合样品中随机抽取的，应确认抽样前后分布形态一致；若验证样本来自独立通道或不同批次化验，则需说明其系统偏差可能来源。

上图的核对链条说明：数据库核查、组合、顶切、分布检查四步并非各自独立，而是共同决定“模型数据集”与“验证数据集”是否可比。任何一步在两端不一致，都会在交叉验证中表现为系统性偏差，掩盖真实的估计方法问题。

五、交叉验证前的数据一致性要求

综合起来，进入交叉验证前应满足以下一致性条件：其一，空间参照一致，两套数据使用同一坐标系、同一高程基准，且钻孔轨迹按测斜计算；其二，支撑尺度一致，组合长度与块体尺寸的关系明确，验证样本的支撑与模型块体可比；其三，极端值规则一致，顶切阈值、作用域和施加顺序在两端相同；其四，域划分一致，矿化域或岩性域的边界定义不因数据集不同而改变；其五，样本独立性可说明，验证样本与估计样本的重叠关系（是否使用同一批组合样品）应明确记录，避免“自己验证自己”。

实际操作中，可先建立一张数据一致性核对表，逐项记录组合长度、顶切阈值、域数量、样品总数、均值与方差，由模型人员与验证人员分别确认后再启动交叉验证。这样，后续若出现偏差，才能有把握地区分是数据口径问题还是估计方法问题，使交叉验证真正服务于资源估算质量的诊断与改进。