文献类型：期刊文章

作　　者：周永章[1,2] 黎培兴[3,2] 王树功[1,2] 肖凡[1,2] 李景哲[1,2] 高乐[1,3,2]

机构地区：[1]中山大学地球环境与地球资源研究中心,广州510275 [2]广东省地质过程与矿床资源探查重点实验室,广州510275 [3]中山大学数学与计算科学学院,广州510275

出　　处：《矿物岩石地球化学通报》

基　　金：国家重点研发计划重点专项课题(2016YFC0600506)

年　　份：2017

卷　　号：36

期　　号：2

起止页码：327-331

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、核心刊

摘　　要：大数据是"未来的新石油",Nature和Science相继出版专刊来探讨大数据带来的挑战和机遇。大数据的特征是数据规模大,并经常呈异构多模态、复杂关联、动态涌现等特点,需要高效计算模型和方法。大数据-智能矿床研究刚刚起步,需对多维、异构、隐性大数据的高效存储、管理、集成、融合与深度挖掘,需人工智能方法——机器学习、深度学习、可视分析的应用。贝叶斯网络是成因建模的一个革命性工具,可以用来揭示矿床的成因机制及它们背后的规律。来自地质调查、监测数据获得的与"矿"有关的大数据,通过迭代计算,可以不断完善所建立的矿床模型,并且通过云计算技术,使得世界各地的矿床研究团队共同参与,引发矿床模型研究方式的变革。

关 键 词：大数据 智能矿床模型  机器学习  深度学习  贝叶斯网络

分 类 号：P628]