13季斌-地质科学.PDFVIP

季 斌 1347 地 质 科 学 2018年10月 CHINESE JOURNAL OF GEOLOGY 53（4）：1347—1360 DOI：10.12017/dzkx.2018.078 大数据环境下内蒙古浩布高地区铅锌 多金属矿智能矿产预测研究* 季 斌1，2，3 周涛发1，2，3 张达玉1，2，3 李晓晖1，2，3 袁 峰1，2，3 （1.合肥工业大学资源与环境工程学院 合肥 230009；2.合肥工业大学矿床成因与勘查技术研究中心 合肥 230009；3.安徽省矿产资源与矿山环境工程技术研究中心 合肥 230009） 摘 要 传统机器学习算法已广泛应用于矿产预测，但面对地质大数据的高维稀疏、不平衡 小样本等特性仍缺乏有效处理和分析的方法，设计适合地质大数据特点的机器学习算法是智 能矿产预测亟需解决的新问题。本文以内蒙古浩布高地区的铅锌多金属矿产预测为例，提出 了一种面向地质大数据的半监督协同训练矿产预测模型。首先对研究区地质找矿信息和地球 化学异常信息进行定量分析，提取断裂构造、二叠系地层、燕山期侵入岩、地层与岩体接触 带、围岩蚀变及Pb、Zn、Sn、Cu地球化学异常共9种找矿因子。然后利用递归特征消除法优 选找矿因子组合，不包括Sn异常在内的8个找矿因子组合被选为最优组合。最后，利用支持 向量机和随机森林算法作为基分类器进行半监督协同训练矿产预测，绘制成矿概率分布图。 ROC曲线和预测度曲线分析结果表明，半监督协同训练模型的AUC值和预测效率都高于随机 森林和支持向量机模型。研究结果也为大数据环境下的智能矿产预测提供了一种新的思路。 关键词 地质大数据 机器学习 半监督协同训练 矿产预测 浩布高地区 中图分类号：P612，P618.4 文献标识码：A 文章编号：0563-5020（2018）04-1347-14 随着矿产勘查工作逐渐由浅部矿、易识别矿向隐伏矿、难识别矿转变，找矿难度 日益增大，矿产勘查工作亟待成矿理论和勘查技术的创新应用。近年来，随着地质信 息技术的发展，地质数据呈现出爆炸式增长态势，地质行业已进入地质大数据时代。 在大数据背景下，美国地质调查局发布了 《美国地质调查局核心科学体系科学战略 （2013-2023）》，试图通过对海量数据的整合分析实现科学技术的新发现，从而提高解 决复杂问题的能力，代表了地球系统科学未来发展的新方向（Bristoletal.，2012）。赵 鹏大（2015）认为，地质学属于数据密集型科学，尤其是矿产资源预测、勘查与评价更 是数据密集的分支学科和应用领域，大数据应用让 “智慧找矿”的实现成为可能。周 永章等（2017）提出，大数据时代必须对多维、异构、隐性大数据进行高效存储、管理、 集成、融合与深度挖掘，加强机器学习、深度学习、可视分析等人工智能方法在智能 矿床模型中的应用，从而引发地质—矿床模型研究方式的变革。随着大数据技术的发 * 国家重点研发计划项目（编号：2016YFC0600209）、中央高校基本科研业务费专项资金、国家自然科学基金 项目（编号和中国地质调查局地质调查项目（编号：12120115033801）资助。 季 斌，男，1979年11月生，博士，讲师，数学地质学专业。E⁃mail：jibin79@hfut.edu.cn 2018-03-10收稿，2018-07-06改回。 季 斌 1348 1348 地 质 科 学 2018年 展，基于大数据的智能化矿产预测已逐渐成为矿产勘查领域的重要研究方向之一。 目前，人工智能的相关算法已广泛应用于矿产预测。诸如人工神经网络（Brownet al.，2000；Harrisetal.，2003；LeiteandDeSouzaFilho，2009；Izadietal.，2013）、支 持向量机（ZuoandCarranza，2011；Abedietal.，2012；Geranianetal.，201