文献类型：期刊文章

作　　者：周永章[1,2,3] 陈烁[1,2,3] 张旗[4] 肖凡[1,2,3] 王树功[1,2,3] 刘艳鹏[1,2,3] 焦守涛[1,2,3]

机构地区：[1]广东省地质过程与矿产资源探查重点实验室,广州510275 [2]中山大学地球环境与地球资源研究中心,广州510275 [3]中山大学地球科学与工程学院,广州510275 [4]中国科学院地质与地球物理研究所,北京100029

出　　处：《岩石学报》

基　　金：国家重点研发计划项目(2016YFC0600506);国家自然科学基金项目(41273040);中国地质调查局项目(12120113067600);高校基本科研业务费中山大学科研助手资助计划联合资助

年　　份：2018

卷　　号：34

期　　号：2

起止页码：255-263

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、GEOBASE、GEOREFPREVIEWDATABASE、IC、JST、PROQUEST、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：大数据与数学地球科学的核心应用技术包括高维数据降维、图像数据处理、无限数据流挖掘、机器学习、关联规则算法与推荐系统算法等。人工智能地质学,包括大数据-智能矿床成因模型与找矿模型的构建,是具有重要价值的研究方向。高维数据降维旨在从初始高维特征集合中选出低维特征集合,有效地消除无关和冗余特征,增强学习结果的易理解性。哈希算法、聚类分析、主成分分析等是较常用的数学降维工具。机器学习是人工智能的核心,是使计算机具有智能的根本途径。机器学习与人工智能各种基础问题的统一性观点正在形成。深度学习的训练模型往往需要海量数据作为支撑,因此迁移学习方法日益受到重视。图像模式识别是大数据挖掘的重要技术。网络中的社区结构识别对理解整个网络的结构和功能有重要价值,可帮助分析、预测网络各元素间的交互关系。沉浸式虚拟现实技术是实现大数据可视化的重要方向,对具有多元、异构、时空性、非线性、多尺度地质矿产勘查数据的展示要求有特别的价值。引入VR技术进行矿产地质大数据的可视化,可实现大数据时代矿产勘查数据的新认知。无限数据流在地质、地球化学、地球物理监测中大量存在,甚至可以持续自动产生。对数据流数据的计算包括对点查询、范围查询、内积查询、分位数计算、频繁项计算等。关联规则和推荐系统算法是大数据挖掘中的重要算法,其应用范围越来越广泛。贝叶斯原理在大数据时代有独特的价值,贝叶斯网络是成因建模的一个革命性工具。智能地质学研究刚刚起步,构建大数据-智能矿床成因模型与找矿模型是智能地质学研究的重要内容。矿床模型研究方式的变革,将出现于互联网、云计算技术环境下全球各地的矿床研究团队的共同参与。

关 键 词：大数据挖掘  高维数据降维  图像数据处理 无限数据流挖掘  机器学习  关联规则  人工智能地质学  智能矿床模型  贝叶斯网络  

分 类 号：P628.4]