王建邦,薛林福*,于晓飞,李永胜,张运杰,冉祥金,丁 可

(1.吉林大学地球科学学院; 2.中国地质调查局发展研究中心;3.自然资源部矿产勘查技术指导中心; 4.中国石油新疆油田分公司采油一厂)

引 言

人工智能是引领未来的战略性技术,以深度学习为代表的新一代人工智能在医疗、自动驾驶等领域得到了广泛应用,基于深度学习方法的找矿预测已成为当前战略性矿产资源勘查领域的研究热点之一[1-2]。中国已积累了海量矿产地质数据[3],深度学习方法处理这些高维、异构、多属性数据具有独特优势,能够更有效地从中挖掘矿床与数据之间的深层次相关性[4],研究如何利用深度学习方法来组织和处理这些数据并进行找矿预测具有十分重要的意义。

首先,利用地质数据进行找矿预测主要集中在化探异常识别和利用物探、化探数据进行找矿远景区圈定等方面。例如:CHEN等[5]提出了采用一种空间约束自动编码器(SCMA)方法来处理多元地球化学异常识别问题。LI等[6]利用元素地球化学数据二维卷积神经网络进行金矿找矿预测。WU等[7]采用迁移学习和孪生神经网络相结合的方法提高了提取多元地球化学异常的能力。其次,综合利用多种地质数据进行找矿远景区预测越来越受到专家和学者的重视。例如,李忠潭等[8]提出一种将航磁和地球化学数据输入卷积神经网络模型进行铜矿找矿预测的方法。

相比传统的机器学习方法,深度学习方法具有特征工程自动化的优点,模型经过大量原始数据的训练就可达到特征自动提取并实现分类、预测等目的[9]。……