大数据环境下内蒙古浩布高地区铅锌多金属矿智能矿产预测研究

传统机器学习算法已广泛应用于矿产预测,但面对地质大数据的高维稀疏、不平衡小样本等特性仍缺乏有效处理和分析的方法,设计适合地质大数据特点的机器学习算法是智能矿产预测亟需解决的新问题。本文以内蒙古浩布高地区的铅锌多金属矿产预测为例,提出了一种面向地质大数据的半监督协同训练矿产预测模型。首先对研究区地质找矿信息和地球化学异常信息进行定量分析,提取断裂构造、二叠系地层、燕山期侵入岩、地层与岩体接触带、围岩蚀变及Pb、Zn、Sn、Cu地球化学异常共9种找矿因子。然后利用递归特征消除法优选找矿因子组合,不包括Sn异常在内的8个找矿因子组合被选为最优组合。最后,利用支持向量机和随机森林算法作为基分类器进行半监督协同训练矿产预测,绘制成矿概率分布图。ROC曲线和预测度曲线分析结果表明,半监督协同训练模型的AUC值和预测效率都高于随机森林和支持向量机模型。研究结果也为大数据环境下的智能矿产预测提供了一种新的思路。     

基于高分二号卫星数据的煤矿区地质灾害信息提取研究

随着遥感数据获取技术和能力的全面提高,遥感数据呈现出明显的大数据特征。发展适应于遥感大数据的智能分析和信息挖掘技术,成为当前遥感技术研究的前沿。高分二号（GF-2）卫星数据是我国首颗自主研发的亚米级高分辨率卫星数据,具有观测幅宽、重访周期短、高辐射精度、高定位精度等优势,为未来我国地质灾害的长期、动态地监测和研究提供了高精度、稳定可靠的数据源。本文选取安徽谢桥煤矿2015年1月8日的GF-2卫星影像为研究数据,在对煤矿区主要地质灾害遥感地学分析的基础上,采用面向对象的影像分析方法对研究区由采煤活动所诱发的地质灾害信息进行自动提取。结果表明：利用GF-2卫星数据能够有效地识别地质灾害体的位置、范围、形态等空间分布特征;面向对象的自动提取方法对于煤矿区大面积的积水塌陷盆地、小规模的塌陷坑和线性的地裂缝都有很高的提取精度,识别精度达90% 以上;基于逐层剔除的思路构建的提取规则,为GF-2数据在地质灾害调查和大数据分析中的应用提供了很好的技术支持,也为其它地物目标的提取提供了参考,但在特征的选择和阈值的设定上需要具体分析。     

基于断层滑动数据古应力反演的影响因素及其误差分析

古构造应力场是构造动力学研究中的一个重要内容,且断层滑动数据古应力反演已经成为古构造应力场恢复研究中比较常用的重要方法之一。近年来,断层滑动数据古应力反演方法研究和应用取得了一系列重要进展,但有关反演结果的解释仍存歧义,反演结果的影响因素及其误差范围等并未得到深入研究与定量分析。本文总结指出,影响断层滑动数据古应力反演结果的主要因素包括变形体制、剪切破裂面类型、断层面的形态以及地质体内薄弱面的存在等。在此基础上,分别对新生断层和先存薄弱面滑动数据的古应力反演综合误差进行了定量分析。研究指出,在可以大致厘定变形体制或误差在允许范围内的前提下,将断层滑动数据反演结果解释为应力状态是合理可行的。各种因素导致的反演误差定量分析表明,同一期构造应力场形成的破裂面滑动数据的古应力方位反演误差最大不超过35°。换言之,在没有证据表明存在不同期次的应力作用情况下,主应力方位变化小于35° 的应力状态,可以划归同一期应力场。     

基于主成分分析的青藏高原多年冻土区高寒草地土壤质量评价

土壤质量评价是提高对土壤质量理解的关键环节。为了了解青藏高原多年冻土区高寒草地土壤质量的基本情况,在青藏高原腹地西大滩至安多地区,根据不同海拔梯度和植被盖度共采集了154个土壤样品。通过主成分分析（PCA）法确定了影响青藏高原多年冻土区高寒草地土壤质量的最小数据集（MDS）：全氮、全磷、全钾。根据影响土壤质量的最小数据集对青藏高原多年冻土区高寒草地土壤质量进行评价,得出了不同海拔、不同植被盖度下的土壤质量指数（SQI）。通过对不同海拔、不同植被盖度的土壤质量指数进行对比研究表明：随着海拔的升高,SQI呈增加的趋势,即海拔4 300～4 600 m（0.270±0.043） < 海拔4 600～4 900 m（0.326±0.061） < 海拔4 900～5 200 m（0.410±0.075）;随着植被盖度的增加,SQI也呈现增加的变化趋势,即植被盖度小于50%（0.262～0.265） < 植被盖度大于50%（0.336～0.344）。在分别考虑了有机质、盐分、土壤水分对土壤质量的影响下得出的土壤质量指数值与基于最小数据集得到的土壤质量指数相一致,说明基于主成分分析的最小数据集可以对青藏高原多年冻土区高寒草地土壤质量做出较准确的评价。     

2000-2014年西藏雅鲁藏布江流域积雪时空变化分析及对气候的响应研究

利用2000-2014年MODIS逐日无云积雪产品对雅鲁藏布江流域积雪特征的空间分布及变化、积雪随高程变化的规律进行了分析,并采用被动微波数据SMMR （1979-1987年）和SSM/I （1988-2008年）以及中国地面降水和气温0.5°×0.5°日值格点数据集,研究了雅鲁藏布江流域关键积雪参数对气候要素的响应等。结果表明：流域下游积雪日较大且变化剧烈;流域整体上呈显著减少的趋势;积雪日随高程的上升而增加;流域内降水呈不显著的增加趋势,而气温呈显著的增加趋势,最高气温对积雪变化影响最大;气温对积雪终日的影响明显高于积雪初日;在积雪消融期降水的增多促进了积雪的消融。     

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。     

基于Hyperion高光谱数据和随机森林方法的岩性分类与分析

探索利用高光谱数据的岩性填图新方法是遥感地质应用领域的重要需求之一。本文运用随机森林方法和EO-1Hyperion高光谱数据,对新疆塔里木西北部柯坪地区的局部区域进行岩性分类,并对相关问题进行分析。分别利用光谱特征以及加入光谱一阶导数特征进行岩性分类,并对不同特征对岩性分类的重要性进行分析,同时与现有的基于光谱角制图方法(SAM)进行比较。结果表明,与SAM方法相比,随机森林方法得到了更高精度的岩性分类结果,是一种有效可行的岩性分类方法。根据特征重要性的排序,蓝绿光波段、短波红外波段以及相应的一阶导数特征对研究区Hyperion数据的沉积岩岩性分类贡献更大。     

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。