基于深度学习的深层次矿化信息挖掘与集成

• 作者: 左仁广
• 来源期刊: 矿物岩石地球化学通报
• 学科: 地球科学
• 关键词: 矿产预测 深层次矿化信息 大数据 深度学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 候德封获奖者论文
• 页码范围: 53-60,前插3
• 页数: 9页
• 分类号: P628+.1|TP311.12
• 字数: 9305字
• 语种: 中文
• DOI: 10.19658/j.issn.1007-2802.2019.38.026

摘要

矿产预测的核心是对地学空间数据进行特征提取与集成融合, 当前的研究热点和前沿聚焦于深层次矿化信息特征提取与集成.进入大数据时代, 如何基于机器学习开展深层次矿化信息挖掘与集成是当前矿产预测的前沿领域.本文介绍了基于机器学习的矿产预测与评价研究的主要内容, 深度学习的基本原理, 以及深度学习在地球化学异常识别和多源找矿信息集成融合中的应用.研究结果表明, 深度学习可有效识别和提取地球化学异常, 并能对地质、地球物理、地球化学等多源地学数据进行特征提取、集成融合及找矿远景区圈定.尽管如此, 如何把深度学习与地质约束有机结合, 使其既能有效挖掘与集成深层次矿化信息, 又符合地质认知, 还需要更加深入的研究.