文献类型：期刊文章

作　　者：周永章[1] 左仁广[2] 刘刚[2] 袁峰[3] 毛先成[4] 郭艳军[5] 肖凡[1] 廖杰[1] 刘艳鹏[1]

ZHOU Yong-zhang;ZUO Ren-guang;LIU Gang;YUAN Feng;MAO Xian-cheng;GUO Yan-jun;XIAO Fan;LIAO Jie;LIU Yan-peng(Center for Earth Environment&Resource,Sun Yat-sen University,Guangzhou 510275,China;China University of Geology(Wuhan),Wuhan 430074,China;School of Resources and Environmental Engineering,Hefei University of Technology,Hefei 230009,China;School of Geosciences and Info-Physics,Central South University,Changsha 410083,China;School of Earth and Space Science,Peking University,Beijing 100871,China)

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]中国地质大学(武汉),武汉430074 [3]合肥工业大学资源与环境工程学院,合肥230009 [4]中南大学地球科学与信息物理学院,长沙410083 [5]北京大学地球与空间科学学院,北京100871

出　　处：《矿物岩石地球化学通报》

基　　金：国家自然科学基金重点项目(U1911202);国家重点研发计划项目(2016YFC0600506);广东省重点领域研发计划项目(2020B1111370001);广东省地质过程与矿产资源探查重点实验室基金项目。

年　　份：2021

卷　　号：40

期　　号：3

起止页码：556-573

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、GEOBASE、IC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：近十年是科学研究从问题驱动向数据驱动转变的转折时期,科学研究的第四范式—数据密集型科学发现应势而生。这期间,大数据与人工智能算法的引入使数学地球科学实现跨越式发展,并正在改变地质学。机器学习是使计算机具有智能的根本途径。深度学习,即多层神经网络的方法,是一种实现机器学习的技术,是过去几年大数据与数学地球科学研究的最重要的热点。贝叶斯网络是贝叶斯公式和图论结合的产物,可用来建立矿床地质的成因网络,进而理解矿床成因。地质大图形问题可以转化为大型的复杂网络空间问题和社区结构问题,社区分析技术可用于地震预报、地质网络分析、特殊地质现象识别、矿床预测。关联规则和推荐系统算法在地质研究中已有成功的应用实例。化探数据及其异常经常包含复杂和非线性模式,深度学习在智能识别与提取复杂地质条件下地球化学异常具有优异的能力,卷积神经网络、堆叠自编码机等是较为常用和有效的方法。非线性矿产资源预测、基于GIS和三维地质建模的三维成矿预测及相应的软件系统得到持续改进。三维虚拟仿真建模技术的应用实现了多模态、跨尺度地学虚拟现实与多维交互,地质过程数值模拟等已有创新性进展。区块链技术以及OneGeology、玻璃地球、深时数字地球等大地质科学计划,将在整合全球地质大数据、共享全球地学知识、推动数学地球科学学科发展方面起到重大的推动作用。

关 键 词：地质大数据  深度学习  人工智能算法  区块链 深时数字地球  矿产资源预测 数学地球科学  

分 类 号：P632]