基于时空大数据的矿产资源产业链平台构建与智能分析研究

doi:10.13745/j.esf.sf.2025.4.69

地学前缘 ›› 2025, Vol. 32 ›› Issue (5): 484-492.DOI: 10.13745/j.esf.sf.2025.4.69

基于时空大数据的矿产资源产业链平台构建与智能分析研究

刘超¹^,²(), 赵汀¹^,²^,^*(), 王安建¹^,², 代涛¹^,², 闫强¹^,², 杨振山³, 王永志⁴

1.中国地质科学院矿产资源研究所自然资源部成矿作用与资源评价重点实验室, 北京 100037
2.中国地质科学院, 北京 100037
3.中国科学院地理科学与资源研究所, 北京 100101
4.吉林大学地球探测科学与技术学院, 吉林长春 130061

收稿日期:2025-05-15 修回日期:2025-09-12 出版日期:2025-09-25 发布日期:2025-10-14
通信作者: 赵汀
作者简介:刘超(1986—),女,博士研究生,高级工程师,研究方向为矿产资源战略研究及信息化。E-mail: 1971076064@qq.com
基金资助:
深地国家科技重大专项(2025ZD1007005);深地国家科技重大专项(2025ZD1007000);深地国家科技重大专项(2025ZD1007904);深地国家科技重大专项(2025ZD1007900);中国地质调查局地质调查项目“全球矿产资源储量动态评估(DD20230564)”

Construction and intelligent analysis research of mineral resource industry chain platform based on spatiotemporal big data

LIU Chao¹^,²(), ZHAO Ting¹^,²^,^*(), WANG Anjian¹^,², DAI Tao¹^,², YAN Qiang¹^,², YANG Zhenshan³, WANG Yongzhi⁴

1. MNR Key Laboratory of Metallogeny and Mineral Assessment, Institute of Mineral Resources, Chinese Academy of Geological Sciences, Beijing 100037, China
2. Chinese Academy of Geological Sciences, Beijing 100037, China
3. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
4. College of Geo-exploration Science and Technology, Jilin University, Changchun 130061, China

Received:2025-05-15 Revised:2025-09-12 Online:2025-09-25 Published:2025-10-14
Contact: ZHAO Ting

摘要/Abstract

摘要：

本文针对我国作为全球矿产资源消费与贸易大国所面临的供应链管理信息化问题,提出构建一个基于时空大数据的矿产资源产业链智能分析平台,并以铁矿石为例展开实证研究。我国矿产资源需求持续高位运行,但国内供应波动、国际市场环境多变等因素加剧供应链风险,亟需通过智能技术提升产业链协同管理与风险应对能力。本文系统阐述了平台构建的理论基础与技术路径,集成多源异构数据,结合空间分析、时间序列分析及时空联动方法,建立涵盖“数据融合—机制解析—方案输出”的全流程分析模型。平台引入人工智能、云计算、复杂网络和遥感等技术,支持多情景仿真与动态预警,具备应对市场价格波动等突发情况的能力。实证部分通过模拟铁矿石价格大幅上涨情境,验证了平台在影响评估与策略生成方面的有效性。最后,本文展望未来研究方向,包括拓展至有色金属与能源矿产领域、优化算法模型,以及响应新能源转型对资源需求结构的影响。该平台为提升国家矿产资源安全保障和决策科学化提供了重要技术支撑。

关键词: 时空大数据, 矿产资源产业链, 智能分析平台, 铁矿石

Abstract:

China’s demand for mineral resources remains persistently high; however, factors such as fluctuations in domestic supply and the volatile international market environment have exacerbated supply chain risks. It is therefore urgent to enhance the collaborative management of the industrial chain and risk response capabilities through intelligent technologies.This paper systematically elaborates on the theoretical foundation and technical pathways for building the platform. It integrates multi-source heterogeneous data, combines spatial analysis, time series analysis, and spatiotemporal linkage methods, and establishes a full-process analysis model covering “data fusion-mechanism analysis-solution output”. The platform incorporates technologies including artificial intelligence, cloud computing, complex networks, and remote sensing, supports multi-scenario simulation and dynamic early warning, and is capable of responding to emergencies such as market price fluctuations.In the empirical section, by simulating the scenario of a sharp surge in iron ore prices, the effectiveness of the platform in impact assessment and strategy formulation is verified. Finally, the paper looks ahead to future research directions, which include expanding the application to the fields of non-ferrous metals and energy minerals, optimizing algorithm models, and responding to the impact of the new energy transition on the resource demand structure.This platform provides crucial technical support for enhancing national mineral resource security guarantees and the scientific nature of decision-making.

Key words: spatio-temporal big data, mineral resource industry chain, intelligent analysis platform, iron ore

中图分类号:

刘超, 赵汀, 王安建, 代涛, 闫强, 杨振山, 王永志. 基于时空大数据的矿产资源产业链平台构建与智能分析研究[J]. 地学前缘, 2025, 32(5): 484-492.

LIU Chao, ZHAO Ting, WANG Anjian, DAI Tao, YAN Qiang, YANG Zhenshan, WANG Yongzhi. Construction and intelligent analysis research of mineral resource industry chain platform based on spatiotemporal big data[J]. Earth Science Frontiers, 2025, 32(5): 484-492.

图/表 4

图1 矿产资源产业链时空大数据模型

Fig.1 Spatio-temporal big data model of the mineral resource industry chain

图2 矿产资源产业链智能分析平台技术路线图

Fig.2 Technical roadmap of the intelligent analysis platform for mineral resource industry chain

图3 分析平台架构图

Fig.3 Architecture diagram of the intelligent analysis platform

图4 市场价格分析方法流程

Fig.4 Flowchart of market price analysis method

参考文献 33

[1]	朱清, 朱海碧, 邹谢华. 全球战略性矿产产业链供应链分析[J]. 中国国土资源经济, 2024, 37(7): 4-13, 28.
[2]	左更, 李晓杰, 陈甲斌, 等. 我国金属矿产资源保供体系布局的思考[J]. 中国国土资源经济, 2023, 36(12): 4-9, 59.
[3]	王安建, 高芯蕊. 中国能源与重要矿产资源需求展望[J]. 中国科学院院刊, 2020, 35(3): 338-344.
[4]	王安建, 王春辉. 国际动荡局势对我国能源资源安全的挑战与应对策略[J]. 中国科学院院刊, 2023, 38(1): 72-80.
[5]	陈甲斌, 刘超, 聂宾汗, 等. 矿产资源安全需要重点关注十种矿产[J]. 中国国土资源经济, 2023, 36(5): 14-21, 41.
[6]	李文昌, 李建威, 谢桂青, 等. 中国关键矿产现状、研究内容与资源战略分析[J]. 地学前缘, 2022, 29(1): 1-13.
[7]	盛明坤. 我国地质找矿与矿产资源的综合利用探究[J]. 世界有色金属, 2023(9): 67-69.
[8]	唐珏. 浅谈当前我国矿产资源与矿业经济可持续发展[J]. 国有资产管理, 2022(10): 47-51.
[9]	朱学红, 张宏伟, 黄健柏, 等. 突发事件对国家金属资源安全的冲击影响[J]. 资源科学, 2018, 40(3): 486-497.
[10]	邱志明, 李恒, 周玉芳, 等. 分析仿真技术及其在训练领域的应用综述[J]. 平台仿真学报, 2023, 35(6): 1131-1143.
[11]	吕欣, 蔡梦思, 陈彬. 桌面分析技术前沿及发展趋势[J]. 中国科学基金, 2021, 35(5): 742-751.
[12]	JANET K B, RICHARD A, STEVEN A, et al. Created for use in National, Federal, State, and local homeland security preparedness activites[M/OL]. Washington DC: National Planning Scenarios, 2025[2025-01-01]. https://publicintelligence.net/national-planning-scenarios/.
[13]	GLASS A, Army lab fights coronavirus and its own demons[EB/OL]. Roll Call, 2020[2020-04-21]. https://rollcall.com/2020/04/21/army-lab-fights-coronavirus-and-its-own-demons/.
[14]	李昕蕾, 刘倩如. 全球清洁能源转型中关键矿产的大国博弈及中国应对[J]. 当代世界社会主义问题, 2023(4): 127-141, 164-165.
[15]	邢萌, 杨朝红, 毕建权. 军事领域知识图谱的构建及应用[J]. 指挥控制与仿真, 2020, 42(4): 1-7.
[16]	赵汀, 刘超, 王安建, 等. 全球不确定情景下铁矿石资源安全数字沙盘分析与对策分析[C]// 中国地球物理学会. 2023年中国地球科学联合学术年会论文集——专题一百二十六百年未有之大变局下的中国能源资源安全、专题一百二十七矿产资源高质量发展战略. 2023: 32.
[17]	刘超, 赵汀, 王安建, 等. 基于时空大数据的铁矿石沙盘分析平台建设[C]// 中国地球物理学会. 2023年中国地球科学联合学术年会论文集——专题一百二十六百年未有之大变局下的中国能源资源安全、专题一百二十七矿产资源高质量发展战略. 2023: 41.
[18]	周永章, 肖凡. 管窥人工智能与大数据地球科学研究新进展[J]. 地学前缘, 2024, 31(4): 1-6. DOI: 10.13745/j.esf.sf.2024.6.99.
[19]	成秋明. 面向人类智能与人工智能融合的矿产资源预测新范式[J]. 地学前缘, 2025, 32(4): 1-19. DOI: 10.13745/j.esf.sf.2025.7.20.
[20]	赵汀, 刘超, 李厚民, 等. 矿产资源国情调查中数据挖掘创新应用与知识图谱构建[J/OL]. 地学前缘. https://doi.org/10.13745/j.esf.sf.2024.11.66
[21]	王永志, 温世博, 李博文, 等. 大模型驱动的矿产资源智能预测超级智能体构建方法探索[J]. 地学前缘, 2025, 32(4): 38-45. DOI: 10.13745/j.esf.sf.2025.7.1.
[22]	周圣荃, 李以科, 王永志, 等. 生成式AI技术在地学研究中的应用现状及发展趋势[J]. 地学前缘, 2025, 32(4): 303-316. DOI: 10.13745/j.esf.sf.2025.4.68.
[23]	肖克炎, 李程, 唐瑞, 等. 大数据智能预测评价[J]. 地学前缘, 2025, 32(4): 20-37. DOI: 10.13745/j.esf.sf.2025.4.58.
[24]	肖克炎, 樊铭静, 孙莉, 等. 矿床成矿系列综合信息预测理论方法及其应用[J]. 地球学报, 2023, 44(5): 769-780.
[25]	王永志, 包晓栋, 缪谨励, 等. 基于大数据的地质云监控平台建设与应用[J]. 地球物理学进展, 2018, 33(2): 850-859.
[26]	赵黎冬, 王德利, 王永志, 等. 基于时空大数据的石油安全智能分析方法研究[J]. 地球物理学进展, 2023, 38(2): 958-966.
[27]	周永章, 陈川, 张旗, 等. 地质大数据分析的若干工具与应用[J]. 大地构造与成矿学, 2020, 44 (2): 173-182.
[28]	肖克炎, 孙莉, 李楠, 等. 大数据思维下的矿产资源评价[J]. 地质通报, 2015, 34(7): 1266-1272.
[29]	邬群勇, 孙梅, 崔磊. 时空数据模型研究综述[J]. 地球科学进展, 2016, 31(10): 1001-1011.
[30]	赵汀, 王安建, 刘超. 基于国情调查大数据的矿产资源保障程度动态分析平台设计与实现[J]. 地质通报, 2020, 39(增刊1): 400-405.
[31]	王功文, 张智强, 李瑞喜, 等. 华北重点矿集区大数据三维/四维建模与深层次集成的资源预测评价[J]. 中国科学: 地球科学, 2021, 51(9): 1594-1610.
[32]	常力恒, 朱月琴, 张戈一, 等. 面向矿产资源信息的空间关联性分析[J]. 岩石学报, 2018, 34 (2): 314-318.
[33]	王功文, 张寿庭, 燕长海, 等. 栾川矿集区地学大数据挖掘和三维/四维建模的资源-环境联合预测与定量评价[J]. 地学前缘, 2021, 28(3): 139-155.

基于时空大数据的矿产资源产业链平台构建与智能分析研究

Construction and intelligent analysis research of mineral resource industry chain platform based on spatiotemporal big data

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 33

相关文章 0

编辑推荐

Metrics

本文评价