卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例

大数据人工智能地质学刚刚起步,基于大数据智能算法的地质研究是非常有意义的探索性实验。利用大数据和机器学习解决矿产预测问题,有助于人们克服不能全面考虑地质变量的困难及评估当前模型在已有数据中的可靠性。元素地表分布特征量主要受原岩成分、成矿作用影响和地表过程的影响,它们携带某些指示矿体就位的信息,即矿体在地下空间就位时在地表的响应,且未在地表过程中消失。以往的地球化学勘查工作仅仅识别异常,但未能发现矿体在地表响应的成矿特征量。本文以安徽省兆吉口铅锌矿床为例,通过机器学习,利用卷积神经网络算法,不断挖掘元素Pb分布特征与矿体地下就位空间的耦合相关性。经过1000次训练后,可以得到准确率0. 93,损失率0. 28的卷积神经网络模型。这种神经网络模型就是矿体在地下就位时元素在地表分布的响应,可以用来进行矿产资源预测。应用该模型对未知区进行预测,结果显示第53号区域具有很大概率存在尚未发现的矿体。     

大数据助地质腾飞:岩石学报2018第11期大数据专题“序”

文中提出,大数据有广义与狭义之分:狭义的大数据以4V特点为标志,而符合大数据三个技术取向的、采用全数据模式的、从数据出发的研究是广义的大数据研究。大数据为什么应运而生?是因为科学发展遇到了瓶颈,遇到了难以解决的问题,大数据不仅开辟了科学研究的新方法,新思路,还引发了对科学哲学的反思。文中强调从理论驱动模式到数据驱动模式的转变,是研究方法和研究思路一个巨大的转变,这种转变开辟了新的科学创新之路。文中指出,在大数据时代,凡是能够用数据化表述的学科才称之为科学,而不能用数据化表述的学科就不是科学,能否被数据化是科学与非科学的分水岭。文中讨论了矿床学研究的目的,认为矿床学研究应当专注于查明矿床形成的规律,指导矿床的找矿,提高经济价值。提出在矿床学研究中应当加强对相关关系的研究。一个矿床的成因大家究竟是如何关注的,与成矿有关的因素很多,成矿究竟与哪些因素有关,在许多情况下可能就是一个相关关系的命题,而大数据研究的就是相关关系。因此,大数据与矿床学研究的思路是天然相通的。     

大氧化事件在山西滹沱群中的记录:碳酸盐岩碳同位素资料分析

古元古代早期爆发了全球性大氧化事件（GOE）,诱发了休伦冰川事件（Huronian Glaciation Event,HGE）和2.3~2.06Ga的拉玛岗地-瓦图里碳酸盐碳同位素正漂移事件（Lomagundi-Jatuli Event,LJE）。滹沱群是华北克拉通最具代表性的古元古代沉积地层,变质程度最低,地层学研究程度高,是探索GOE以及HGE和LJE的理想研究对象。通过总结和分析滹沱群碳酸盐岩碳同位素研究结果,我们发现：（1）滹沱群主体未显示δ¹³C_carb正漂移现象,但下部大石岭组有高达3.5‰的δ¹³C_carb正异常;（2）显示δ¹³C_carb正异常的大石岭组可能形成于2.08Ga之前,未显示δ¹³C_carb正异常的东冶亚群可能形成于2.06Ga之后;（3）五台地区记录休伦冰川事件的冰碛岩应发育在大石岭组之下,即四集庄组砾岩。总之,滹沱群形成于2.3Ga之后,下部豆村亚群沉积于HGE或LJE期间,可能保留了更显著的δ¹³C_carb正漂移信息及冰川沉积记录,中部的东冶亚群沉积于LJE之后,不存在δ¹³C_carb正漂移。     

面向矿产资源信息的空间关联性分析

关联性分析是综合多源、多类数据,发现和挖掘数据中潜在的相关关系,提取和挖掘数据之间的关联性。该方法对于充分利用地质大数据、发现地质要素之间的共生组合规律具有重要的意义。本文首先基于数据的空间位置,将不同类型的地质空间数据建立联系,形成空间属性数据库;其次应用统计方法,对不同来源数据中的属性特征进行分析,发现热液型金矿的形成与火山作用存在明显相关性;最后基于Apriori算法提取热液型金矿的伴生矿与侵入岩的频繁项集,发现伴生矿与侵入岩酸碱性二者密切相关。因此,在今后的工作中,有望应用空间关联性的方法对地球物理、地球化学、遥感等多源地质数据开展深入的研究分析。     

全球N-MORB和E-MORB分类方案对比

N-MORB与E-MORB是大洋中脊玄武岩常用的分类,二者地球动力学意义不同,备受学术界关注。对于N-MORB与E-MORB的分类识别标志,不同作者有不同的见解。MORB中可以根据Rb/Nd≤0.15、K/Ti≤0.11、(La/Sm)_N≤0.8、K_2O/TiO_20.09、ΔNb=1.74+lg(Nb/Y)-1.92lg(Zr/Y)0、(La/Sm)_N1、100K_2O/TiO_2≤13等7种指标来识别N-MORB,否则为E-MORB。究竟何种标志区分效果较好、比较适合大多数MORB的情况?学术界对此还较少有人讨论。为此,本文尝试利用大数据方法,采用全球全体扩张中心数据,对上述7种标志进行对比,发现(La/Sm)_N1的标志比较适合大多数MORB的情况。为此,我们将(La/Sm)_N1和(La/Sm)_N≥1的所有数据,选取La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Ba、Cs、Hf、K、Nb、Pb、Rb、Sc、Sr、Ta、Th、Ti、Tl、U、V、Y、Zr等31个元素,利用两两元素对数比值进行投图,并计算85%置信度的置信椭圆交叠率,共得出36856个元素对组合,根据最小交叠率的原则,得出使用稀土元素La、Ce、Pr、Sm和其他高场强元素Nb、Zr、Hf、Y之间的比值关系判别效果较好。我们又利用以上得出的8种元素进行投图判定,发现以La为分子或以La/Hf、La/Zr元素比值做为区分标志可以得出更好的结果。因此建议考虑应用以上元素之间的相关关系共同判定N-MORB与E-MORB。     

全球数据库数据研究的初步进展

人类已进入大数据和人工智能时代,其成果已惠及千家万户。然而,大数据和人工智能技术在科学研究领域的应用却相形见绌,还未真正得到重视。大数据和人工智能是一种方法,一种思路,它不同于传统的科学研究方法和思路。在科学研究中,什么是大数据研究呢?符合大数据3个技术取向的是大数据研究,采用全数据模式的是大数据研究,从数据出发的是大数据研究。文中介绍了我们利用全球数据库数据厘定的玄武岩、安山岩、大陆边缘弧玄武岩(CAB)构造环境判别图,其中安山岩判别图填补了学术界的空白。玄武岩(MORB、OIB、IAB)判别图也不同于学术界早先熟知的判别图,是根据元素之间的相关关系厘定的。文中还讨论了大数据研究带来的一些可能很有意义的科学问题。如:1.在判别图研究中发现了许多效果较好的图解,主要依赖的是主元素、过渡元素和金属元素之间的关系,上述关系有什么意义,为什么会起到判别的作用?2.数据挖掘发现,全球大洋中脊中酸性岩极度匮乏,是否说明上地幔严重缺水?3.研究发现,中新世是全球岩浆活动最发育的时期,这一时期全球还出现了许多重大地质事件,二者之间是否存在关联?4.中新世全球埃达克岩最发育,按照埃达克岩的出露,发现从青藏高原到喀尔巴阡可能存在一个巨型的欧亚高原;5.根据对新生代苦橄岩全球时空分布研究,提出了一个如何认识全球热点问题等。文中还提出了下一步研究的建议并强调指出,科学已经进入大数据和人工智能时代,在大数据和人工智能时代,科学划分的标准发生了变化:凡是能够用数据化表述的学科才称之为科学,而不能用数据化表述的学科就不是科学,看来,能否被数据化是科学与非科学的分水岭。在大数据和人工智能时代,地质学和矿床学遭遇了空前的危机。按照我们的预测,在可以预见的未来,地球物理学将远超地质学,空间科学将异军突起,而在地质学领域内地球化学一花独放的局面还将维系很长一段时间。文中最后还探讨了今后找矿靠什么的问题,认为物化探和钻探测试技术的进步非常重要,同时,发展人工智能技术也已迫在眉睫。     

基于Hadoop分布式系统的地质环境大数据框架探讨

在分析目前地质环境数据现状基础上,结合大数据特点,分析了地质环境大数据特征,并结合目前地质环境应用情况,设计了地质环境大数据框架。该框架包括对地质环境大数据的数据进行清洗与转换、分布式数据存储管理、数据挖掘、文本检索、大数据可视化等功能。该框架对于后续实现地质环境大数据分析应用具有指导意义。     

月表构造与深部构造的关系

地球和月球很可能是通过大撞击形成的。在行星地质学中,研究月球的地质-构造现象,对了解月球、地球乃至太阳系的形成与演化历史都有很大帮助。月球的构造分为深部构造与月表构造,寻找它们在分布或成因上的关系,可以为月球甚至地月系的起源和演化历史提供重要参考。利用LROC的宽视角影像数据以及LOLA数据提取解译月表构造,结合深大断裂进行观察分析,并对月球的撞击盆地进行统计,最后以静海地区为例分析构造分布特征,发现月球的质量瘤盆地中具有环状分布的月岭,外侧具有近环状分布的深大断裂,自前酒海纪至酒海纪,具备上述特征的质量瘤盆地占总撞击盆地的比例突然有一个很大的提升,且静海地区西部具有该构造分布特征。推测该特征与撞击、月海沉降等有关,且在酒海纪与雨海纪期间月球有较多的月海玄武岩分布,由此判断静海西部存在质量瘤,发生过撞击与月海沉降。     

大数据量机载LiDAR点云的快速区域分割处理

针对大数据量机载LiDAR点云数据整体处理时效率低下、分块处理时容易破坏地物空间结构特征的问题,提出了一种顾及点云覆盖区域地形地貌特征的快速区域分割方法。首先构建离散点云的虚拟格网,利用格网邻域内的高程突变实现区域边界上的各类障碍物自动检测;其次为提高分割处理效率,在点云覆盖区域矩形初始分割的基础上,利用流水模型及坐标轴向的方向约束对矩形分割边界线进行自动更新;最终实现了大数据量点云的快速区域分割处理。实验证明,该算法能够合理避开各类典型地形及地物障碍,实现区域分割边界线的自动化生成,算法的适应性与处理效率较高,能够较好地应用于大数据量点云数据的快速处理与应用。     

融合线上线下轨迹的景观热度评价

人们在线上网络空间和线下现实空间活动时, 会产生大量线上线下的痕迹(轨迹), 这种轨迹作为一种讯息会影响其他人的活动。现有研究大多单一地采用问卷调查、网络数据、GPS轨迹等方法, 忽略了移动互联时代线上线下空间活动的关联性以及历史活动足迹对日后活动的影响。基于对搜索量、签到和照片等网络大数据与线下GPS轨迹大数据的融合, 对人们线上线下活动进行时空行为模式分析, 建立基于信息素和回归分析的计算模型, 实现了对景观休憩空间的吸引力评价。以采样接近5 a的181个用户轨迹数据及相应时间段的网络大数据, 对北京28个景观进行实验, 并与单一线上或线下数据的研究方法进行比较, 结果表明所提方法不仅综合体现了景观热度, 且能够对未来的潜在游憩价值进行估计。