矿床大数据及智能矿床模型研究背景与进展 - 矿物岩石地球化学通报.pdfVIP

矿物岩石地球化学通报 ·综　述 · ＢｕｌｌｅｔｉｎｏｆＭｉｎｅｒａｌｏｇｙ，ＰｅｔｒｏｌｏｇｙａｎｄＧｅｏｃｈｅｍｉｓｔｒｙ Ｖｏｌ３６Ｎｏ２，Ｍａｒ．，２０１７ 矿床大数据及智能矿床模型研究背景与进展 １，３ ２，３ １，３ １，３ １，３ １，２，３ 周永章 ，黎培兴 ，王树功 ，肖凡 ，李景哲 ，高乐 １．中山大学 地球环境与地球资源研究中心，广州 ５１０２７５；２．中山大学 数学与计算科学学院，广州 ５１０２７５ ３．广东省地质过程与矿床资源探查重点实验室，广州 ５１０２７５ 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 中图分类号：Ｐ６２８　　文章编号：１００７２８０２（２０１７）０２０３２７０６　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７２８０２．２０１７．０２．０１６ ＲｅｓｅａｒｃｈＰｒｏｇｒｅｓｓｏｎＢｉｇＤａｔａａｎｄＩｎｔｅｌｌｉｇｅｎｔＭｏｄｅｌｌｉｎｇｏｆＭｉｎｅｒａｌＤｅｐｏｓｉｔｓ １，３ ２，３ １，３ １，３ １，３ １，２，３ ＺＨＯＵＹｏｎｇｚｈａｎｇ ，ＬＩＰｅｉｘｉｎｇ ，ＷＡＮＧＳｈｕｇｏｎｇ ，ＸＩＡＯＦａｎ ，ＬＩＪｉｎｇｚｈｅ ，ＧＡＯＬｅ １．ＣｅｎｔｅｒｆｏｒＥａｒｔｈＥｎｖｉｒｏｎｍｅｎｔ＆Ｒｅｓｏｕｒｃｅｓ，ＳｕｎＹａｔｓｅｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃａｌ Ｓｃｉｅｎｃｅ，ＳｕｎＹａｔｓｅｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｃｈｉｎａ；３．ＧｕａｎｇｄｏｎｇＰｒｏｖｉｎｉｃａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭｉｎｅｒａｌＲｅｓｏｕｒｃｅｓ 　　　　　　　 ａｎｄＧｅｏｌｏｇｉｃａｌＰｒｏｃｅｓｓｅｓ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｃｈｉｎａ Ａｂｓｔｒａｃｔ：Ｂｉｇｄａｔａｉｓｔｈｅｋｅｙｒｅｓｏｕｒｃｅｉｎｔｈｅｆｕｔｕｒｅ．ＢｏｔｈＮａｔｕｒｅａｎｄＳｃｉｅｎｃｅｈａｖｅｐｕｂｌｉｓｈｅｄｓｐｅｃｉａｌｉｓｓｕｅｓｔｏ ｄｉｓｃｕｓｓｔｈｅｃｈａｌｌｅｎｇｅａｎｄｏｐｐｏｒｔｕｎｉｔｙｂｒｏｕｇｈｔｂｙｂｉｇｄａｔａ．Ｂｉｇｄａｔａａｒｅｃｈａｒａｃｔｅｒｉｚｅｄｂｙｌａｒｇｅｓｃａｌｅ，ａｓｗｅｌｌａｓｂｙ ｈｅｔｅｒｏｇｅｎｅｏｕｓｍｕｌｔｉｍｏｄａｌ，ｃｏｍｐｌｉｃａｔｅｄｉｎｔｅｒａｃｔｉｏｎ，ｄｙｎａｍｉｃｅｍｅｒｇｅｎｃｅａｎｄｏｔｈｅｒｓ，ｓｏｔｈａｔｈｉｇｈｌｙｅｆｆｉｃｉｅｎｔｃｏｍ ｐｕｔｉｎｇｍｅｔｈｏｄｓａｎｄｍｏｄｅｌｓａｒｅｒｅｑｕｉｒｅｄ．Ｓｔｕｄｙｏｎｂｉｇｄａｔａｂａｓｅｄｉｎｔｅｌｌｉｇｅｎｔｍｉｎｅｒａｌｄｅｐｏｓｉｔｈａｓｊｕｓｔｓｔａｒｔｅｄ， ｐｕｓｈｉｎｇｆｏｒｅｆｆｉｃｉｅｎｔｓｔｏｒ