大数据与数学地球科学研究进展——大数据与数学地球科学专题代序

• 作者: 刘艳鹏 周永章 张旗 焦守涛 王树功 肖凡 陈烁
• 来源期刊: 岩石学报
• 学科: 地球科学
• 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
• 年，卷（期）: 2018,（2）
• 页码范围: 255-263
• 页数: 9页
• 分类号: P628.4
• 语种: 中文

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.