秦耀祖，吴伟成，谢丽凤，欧鹏辉，黄小岚

(1.东华理工大学 江西省数字国土重点实验室，江西 南昌 330013；2.东华理工大学 地球科学学院，江西 南昌 330013)

随着地质勘查技术的发展和数据采集手段的更新，人们在矿产资源勘查开发过程中获取的地质信息量越来越丰富。通过地理空间数据挖掘，提取与地质找矿相关的多源地质空间信息，并揭示其与矿体之间的空间相关性，是开展地质找矿工作的一个重要前提(Agterberg et al.，1999；Yousefi et al.，2016；Qin et al.，2018)。这些多源空间信息可以分成两类：一类是与矿体形成及分布具有成因联系的地质体要素，如地层、岩体等地质实体和断层、褶皱等构造要素；另一类是有利于找矿的勘探数据和研究成果，包括地球物理、化学和遥感等探测数据，温度、应变和元素含量等场数据。从数据特征方面来看，包含这些信息的数据虽然很难满足狭义大数据的5V特征(Variety、Volume、Value、Veracity和Velocity)，但其符合重全体不重抽样、重效率不重精确和重关联不重因果三个广义大数据的技术取向(张旗等，2017)。因此可将其归为地质大数据，可以利用大数据挖掘思维开展空间信息挖掘和资源预测评价(周永章等，2017，2018)。

在不同研究程度和信息结构的工作区，对于地质大数据的挖掘处理、空间相关性的定量分析以及矿产资源的预测评价，一般可通过知识驱动、数据驱动和混合驱动中一种或多种数学地质方法来实现(Yousefi et al.，2017)。如利用超平面进行数据分割分析的支持向量机(SVM，Boser et al.，1992)，在地理空间相关性分析和成矿潜力图绘制中得到了广泛的应用(Smirnoff et al.，2008；……