智能矿产预测 栏目所有文章列表
(按年度、期号倒序)
    一年内发表的文章 |  两年内 |  三年内 |  全部
Please wait a minute...
选择: 显示/隐藏图片
1. 知识-数据联合驱动的可解释智能矿产预测研究:以四川可尔因矿集区为例
李楠, 尹世滔, 柳炳利, 肖克炎, 王成辉, 代鸿章, 宋相龙
地学前缘    2025, 32 (4): 60-77.   DOI: 10.13745/j.esf.sf.2025.4.63
摘要96)   HTML18)    PDF(pc) (12642KB)(148)    收藏

随着人工智能和大数据技术的迅速发展,基于机器学习的矿产资源智能预测已成为当前研究热点。然而,部分机器学习模型嵌套的复杂非线性网络结构和抽象表达,具有高度不透明的黑盒属性,导致智能预测结果与成矿作用之间缺乏相关解释,降低了预测模型的泛化能力和预测结果的可靠程度。为解决以上问题,本研究提出了知识-数据联合驱动的可解释矿产资源智能预测方法。首先,采用最佳-最差法(BWM)建立了融合先验地质特征权重的集成学习智能预测模型,以强化模型预测效果。之后,使用从全局到局部,从特征到样本的多尺度多维度可解释性方法,解构预测结果,定量评价预测指标重要程度。最后,结合野外验证后的专家指导校正,实现地质找矿知识更新迭代,形成矿床知识嵌入和矿床知识发现完整闭环,进而提升矿产资源智能预测决策过程的透明性和预测结果的可靠性。以四川可尔因矿集区为例进行实验,圈定A类高潜力靶区8处,占总面积的6.58%,其中84%的矿床样本位于高潜力靶区,表明预测方法的稳定性。钠长石频谱、Na2O+K2O、环形构造、Li/La和二云母花岗岩依次成为关键预测特征,呈现出明显的有序性,经野外验证,证实其与可尔因伟晶岩型锂矿找矿模型密切相关。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
2. 面向人类智能与人工智能融合的矿产资源预测新范式
成秋明
地学前缘    2025, 32 (4): 1-19.   DOI: 10.13745/j.esf.sf.2025.7.20
摘要226)   HTML42)    PDF(pc) (10190KB)(401)    收藏

矿产资源是支撑社会经济发展的关键物质基础,其形成和分布受控于地球深部过程与浅表环境的复杂相互作用。随着全球矿产资源需求持续增长,传统矿产资源预测方法在覆盖区、深部隐伏矿及非传统找矿区域的应用面临巨大挑战。近年来,大数据和人工智能(AI)技术的快速发展为矿产资源研究提供了重要机遇,为矿产资源预测与评价提供了变革性的技术手段。本文系统梳理了矿产资源预测的理论演进历程,深入探讨了大数据与AI赋能的矿产资源预测新范式,包括“矿床”概念的拓展、地球系统-成矿系统-勘查系统-预测评价系统的多系统关联建模、地质调查数据与科研长尾数据的智能集成,以及人类智能(HI)与人工智能(AI)的深度融合。通过作者团队近年来完成的覆盖区矿产综合预测、深部矿产资源定量预测及全球斑岩铜矿知识图谱构建等研究项目的典型案例解剖,展示了非线性理论与AI技术在解决矿产资源预测关键科学问题中的创新应用。在此基础上,文章展望了未来数据驱动与智能协同将彻底改变矿产资源预测范式,显著提升矿产资源预测的精度和效率,推动矿产资源预测从传统经验模式向智能化、定量化方向转变,为新一轮找矿突破战略行动提供重要的理论和技术支撑。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
3. 大数据智能预测评价
肖克炎, 李程, 唐瑞, 王瑶, 孙莉, 柳炳利, 樊铭静
地学前缘    2025, 32 (4): 20-37.   DOI: 10.13745/j.esf.sf.2025.4.58
摘要148)   HTML11)    PDF(pc) (7552KB)(184)    收藏

随着大数据时代的到来,大数据技术在矿产勘查中的应用已成为未来发展的趋势。本文系统梳理了大数据找矿和综合信息预测理论的发展历程,探讨了大数据在矿产预测中的关键技术,并结合实际案例,得出以下主要结论:首先,大数据找矿能够有效应对数据量和复杂性增加的问题,提供更准确的数据解读和预测支持;其次,大数据找矿作为一种技术手段,必须依赖于坚实的矿产找矿理论,特别是综合信息预测理论,后者不仅为大数据方法提供理论支撑,还能提高矿产资源预测的精度和效率;最后,基于综合信息预测理论,结合卷积神经网络(CNN)模型对内蒙古白音查干东山-毛登地区进行成矿预测,展示了其在矿产资源预测中的应用潜力。研究成果为大数据找矿的应用和理论发展提供了重要的参考和实践经验。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
4. 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
王永志, 温世博, 李博文, 陈星宇, 董宇浩, 田江涛, 王斌, Muhammed Atif BILAL, 纪政, 孙丰月
地学前缘    2025, 32 (4): 38-45.   DOI: 10.13745/j.esf.sf.2025.7.1
摘要126)   HTML11)    PDF(pc) (3906KB)(122)    收藏

矿产资源预测是数学地球科学领域的一项重要研究内容,需使用多种软件处理跨专业地学数据,面临处理过程复杂、工作量巨大、语义难对齐等诸多问题,给研究人员带来巨大挑战。随着新一代生成式人工智能的大模型、智能体等出现,极大地推动了各行业的变革性发展,亦赋能矿产资源预测向智能预测跨越。本文提出一种大模型驱动的矿产资源智能预测超级智能体方法,以多模态大模型(如DeepSeek、通义千问)为基础底座,依托通用智能体技术创建由管理智能体和智能体群构成的超级智能体。智能体群包括地质智能体群、地球物理智能体群、地球化学智能体群、遥感智能体群等,每个智能体群含有多个单一智能体或小型智能体群,每个智能体访问具体的工具(本地自定义、网络及自动生成)、数据等。智能预测超级智能体自动感知外界发送的预测要求,由管理智能体串行或并行调用多个智能体群、单一智能体(如生成二维图)、工具(如插值)、访问数据等完成矿产资源智能化预测任务。以地球化学图生成为例,深度剖析通过智能体与大模型交互完成任务的内部运行机制,一键式智能生成一种或多种地球化学图,证明智能计算方法的有效性。通过将大模型、智能体与矿产资源预测业务三者深度融合,在输入为文字或语音时即可完成零代码的预测任务,为创建矿产资源智能预测新范式提供有益探索。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
5. 数据驱动斑岩型矿床时空预测模型
陈国雄, 张越鹏, 罗磊, 夏庆霖, 成秋明
地学前缘    2025, 32 (4): 46-59.   DOI: 10.13745/j.esf.sf.2025.2.5
摘要139)   HTML15)    PDF(pc) (8216KB)(177)    收藏

矿产资源预测与评价一直是大数据和人工智能在地球科学研究中的重要应用领域。自20世纪60年代,人工智能的研究浪潮和技术革命深刻影响和推动着矿产资源预测领域的发展,催生了重大理论突破和方法技术创新,有效支撑了找矿勘查实践。在当前地球系统科学研究的主旋律下,矿产资源定量预测亟需跳出“静态控矿要素空间相关分析”的思维惯性,考虑成矿系统“源-运-储-变-保”深时动态演化历史,向“全要素跨尺度动态综合预测”方向延伸,进而发展时空数据耦合的矿产资源智能预测评价理论和方法。斑岩型矿床作为全球铜、钼、金等矿产的重要来源,记录了板块构造运动驱动的地球层圈相互作用和物质循环的关键信息;无论是斑岩型矿床勘查还是板块构造重建,都积累了大量相关的全球地学时空数据。本文主要介绍了时空耦合的数据驱动斑岩型矿床成矿预测研究思路,包括深时数据集构建、机器学习模型开发及其应用实践案例;提出了融合深时岩浆岩地球化学特征和俯冲板块动力学参数的斑岩型矿床时空预测机器学习模型;通过大数据分析揭示了俯冲碳酸盐岩通量是决定岩浆成矿禀赋的关键动力学参数,为沉积物俯冲在大规模岩浆成矿中的关键作用提供了地球动力学证据;定量评价了安第斯成矿带斑岩矿床时空分布规律及其资源潜力。因此,发展时空耦合的成矿预测理论和方法可为理解深时物质循环和资源效应、揭示矿产资源时空分布规律以及指导矿产勘查提供重要思路和独特视角。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
6. 基于多重分形与随机森林的新疆哈巴河金矿成矿预测
简富源, 张子鸣, 董岳霖, 张文璟, 郝风云, 王一鸣, 王宇, 张振杰
地学前缘    2025, 32 (4): 78-94.   DOI: 10.13745/j.esf.sf.2025.4.62
摘要103)   HTML9)    PDF(pc) (14278KB)(139)    收藏

大数据时代,基于机器学习的矿产智能预测方法得到了广泛的应用。基于分形与多重分形的非线性理论技术与矿产资源智能预测研究相结合,可以为矿产预测提供新思路与技术支撑。本文以新疆哈巴河金矿基地为研究对象,建立了以区域构造-矿化蚀变-磁异常-激电异常为基础的四要素信息找矿模型,实现了一种基于多重分形与随机森林算法的智能预测流程。运用S-A多重分形滤波技术和局部奇异性分析方法,分离区域物化数据变化背景与叠加异常,提取隐蔽的深部致矿弱信息;通过C-Nsum多重分形模型揭示钻孔Au指标含量隐藏的非线性特征,标定异常下限;使用随机森林与SHAP方法进行综合信息集成与特征贡献评价,实现了金矿产资源定量预测,圈定了3个成矿靶区且得到钻探验证,证明了多重分形理论在哈巴河金矿区矿产定量预测中的有效性,为后续的矿产勘查提供一定的依据。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
7. 基于样本扩充的黔西北垭都-蟒硐矿区铅锌矿成矿预测研究
徐凯, 徐城阳, 吴冲龙, 蔡婧云, 孔春芳
地学前缘    2025, 32 (4): 95-107.   DOI: 10.13745/j.esf.sf.2025.4.55
摘要71)   HTML4)    PDF(pc) (2735KB)(89)    收藏

黔西北拥有丰富的铅锌矿资源,但由于矿体埋藏较深,找矿难度大。利用机器学习进行的数据驱动的成矿预测正在成为深部隐伏铅锌矿找矿勘探的有力工具。然而,基于机器学习的找矿预测面临着一些普遍的问题,特别是成矿样本少导致训练样本不足和训练样本不平衡等问题。为此,本文提出了一种K均值聚类(K-means Clustering)改进条件表格生成对抗网络(Conditional Tabular Generative Adversarial Network,CTGAN)的见矿样本扩充方法来解决这些问题。具体来说,首先根据K均值聚类后各簇集样本间欧氏距离判断其疏密情况,在稀疏簇集扩充更多的样本以增加其密度实现见矿样本集的扩充。然后,对抗网络生成具有高度抽象的新类别标签,并将新类别标签用于条件生成,从而提高扩充样本的质量。最后,利用扩充后的正样本和随机欠采样的负样本建立数据量充足且平衡的有标签样本集,训练和验证Category Boosting(CatBoost)分类器,建立基于KC-CTGAN-CatBoost成矿预测模型。实验结果表明,相比于未经过KC-CTGAN见矿样本扩充的数据集构建的成矿预测模型,在准确度、召回率、精度和F1-score上分别提高了8.7%、7.4%、10.2%和8.8%,证明KC-CTGAN见矿样本扩充方法的有效性,并提高了成矿预测模型的性能。预测结果将更好地为深部隐伏铅锌矿体的找矿勘探提供更精确的靶区。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
8. 样本不平衡条件下的甘南地区金矿定量预测方法
谢淼, 柳炳利, 李芸和, 王政尧, 曹昌杰, 吴艺骁
地学前缘    2025, 32 (4): 108-121.   DOI: 10.13745/j.esf.sf.2025.4.73
摘要78)   HTML4)    PDF(pc) (4795KB)(112)    收藏

深度学习模型因其在数据特征提取方面的强大能力而在成矿预测领域得到了广泛应用。然而,基于监督学习的深度学习方法常常面临着训练样本不足和正负样本不均衡的问题,尤其是成矿事件的稀有性易导致模型的稳健性与泛化能力不足。为了解决这一问题,本文使用了3种不同的数据增强方法:一是使用滑动窗口的数据增强方法,以“已知正负样本”为中心,采用多次滑动的方式完成增强;二是使用生成式模型,如生成对抗网络(generative adversarial networks,GAN);三是带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP),利用真实样本训练网络,基于训练完备的生成器实现增强。3种不同的数据增强方法能够在样本量扩充的同时,尽可能地保留地质意义。为了验证数据增强的有效性,本文使用真实样本与生成样本之间的FID(Frechet inception distance)值和卷积神经网络(convolutional neural network,CNN)进行评估。结果表明,基于WGAN-GP增强后的数据集在CNN模型具有更强的泛化能力,绘制的甘南地区金矿成矿远景图为未来的矿产资源勘查工作提供了重要的启示。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
9. 基于集成学习模型与贝叶斯优化算法的成矿预测
孔春芳, 田倩, 刘健, 蔡国荣, 赵杰, 徐凯
地学前缘    2025, 32 (4): 122-139.   DOI: 10.13745/j.esf.sf.2025.4.66
摘要78)   HTML10)    PDF(pc) (6144KB)(116)    收藏

全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一个非常耗时的过程,需要繁琐的计算和足够的专家经验。本文提出了一种基于多源地学知识与贝叶斯优化算法的集成学习模型来解决上述问题。具体来说,首先,基于多源地学知识,构建锰矿成矿预测数据库;其次,基于自适应提升模型(Adaptive Boosting,AdaBoost)和随机森林(Random Forest,RF)模型,建立黔东北锰矿成矿预测模型;然后,采用贝叶斯优化算法(Bayesian Optimization,BO),通过5倍交叉验证的辅助,寻找BO-AdaBoost和BO-RF模型最合适的超参数组合;最后,利用精度、准确率、召回率、F1分数、kappa系数、AUC值等参数及已有成果检测模型的性能。实验结果发现,BO-AdaBoost和BO-RF模型的AUC值都得到了显著的提高,表明BO是一个强大的优化工具,优化结果为集成学习模型的超参数设置提供了参考。同时,实验结果也表明:BO-AdaBoost模型(92.8%)比BO-RF模型(89.9%)具有更高的预测精度和地质泛化能力,在成矿预测方面具有巨大潜力。基于BO-AdaBoost模型的预测图为黔东北隐伏锰矿矿床的勘探提供了重要线索,并可以指导未来的矿产勘探与开发。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
10. 胶西北蚀变岩型金矿构造控矿机制与三维深部定位预测
王斌, 周明岭, 丁正江, 张琪彬, 刘向东, 吕军阳, 周晓萍
地学前缘    2025, 32 (4): 140-154.   DOI: 10.13745/j.esf.sf.2025.4.61
摘要78)   HTML5)    PDF(pc) (9265KB)(124)    收藏

胶西北金矿集中区以产出蚀变岩型金矿床为主,矿床产出严格受断裂构造控制,三山岛、焦家和招远-平度断裂带控制了胶东80%以上的金资源量,断裂构造控矿规律一直是地质工作者勘查和研究的焦点问题。本文基于胶西北金矿集中区大量勘查资料,剖析总结了断裂形态变化与矿体空间分布耦合关系,揭示了断裂控矿规律。蚀变岩型金矿体(群)严格受区域性NE-NNE向脆-韧性构造控制,绝大多数矿体圈闭赋存于主裂面之下。矿体产出空间受控矿构造成矿期活动制约,成矿前构造活动形成的波状结构形态明显控制了矿体(群)空间形态和富集。典型蚀变岩型金矿体(群)的空间分布上具有明显的规律性,表现为明显的倾伏和斜列产出特征,说明它们是在共同的、统一的构造应力场中形成的;矿床的倾伏和斜列同样受控矿构造产状控制,且具有合理的力学协调关系。蚀变带厚度与控矿构造含矿率表现为明显的正相关,相关性系数为0.73,为较显著相关,反映出蚀变带规模与金矿化关系较密切。胶西北典型蚀变岩型矿床研究发现,诸矿床富集带内主要矿体沿倾伏方向矿化强度表现为强矿化段和弱矿化段(无矿段)交替出现,可称为沿倾伏方位的分段富集规律。上述规律性认识可以为深部矿体定位预测提供重要依据。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
11. 基于大模型与GraphRAG的胶东金矿智能搜索技术
李博文, 王永志, 丁正江, 王斌, 温世博, 董宇浩, 纪政
地学前缘    2025, 32 (4): 155-164.   DOI: 10.13745/j.esf.sf.2025.4.77
摘要87)   HTML4)    PDF(pc) (4218KB)(88)    收藏

胶东金矿是我国东部重要的金矿资源集中区,其地质信息复杂、知识体系庞大,传统的信息检索方式难以满足矿产勘查中对语义理解与知识推理的高阶需求。为提升地质知识服务效率,本文基于GraphRAG(知识图谱增强型检索生成)技术,构建了面向胶东金矿领域的智能搜索问答系统。研究以知网上胶东金矿相关的论文为语料来源,利用OCR与大语言模型(LLM)技术进行文本解析与语义标准化处理,形成覆盖矿化类型、控矿构造、矿物组合等核心概念的本体知识体系。系统通过提示工程驱动的大模型实现实体与关系自动抽取,构建结构化知识图谱,并集成于图数据库Neo4j中。进一步融合语义嵌入与社区聚类算法,构建知识索引网络,支持自然语言问答、语义扩展与知识溯源等功能。评估结果表明:该系统在回答准确性、上下文精度与知识可解释性等方面优于传统RAG方法及ChatGPT-4o等通用模型,具备更高的专业适应性和推理能力。研究结果可为金矿领域的智能化信息服务提供新型技术路径,也为图谱增强语言模型在地学知识管理中的应用探索提供理论支持。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0
12. 胶西北金矿成矿模式及找矿技术方法演变
冯雅杰, 王永志, 丁正江, 王斌, 何云龙, 安钊锋, 刘得辉
地学前缘    2025, 32 (4): 165-181.   DOI: 10.13745/j.esf.sf.2025.4.74
摘要82)   HTML3)    PDF(pc) (5816KB)(112)    收藏

胶西北金矿集中区具有资源储量大,成矿类型多样的特点。近年来,随着找矿突破战略行动的深入,胶西北金矿成矿理论研究和深部找矿工作取得了巨大进展。本文系统研究胶西北金矿研究成果,深入分析区域地质背景、矿床分布规律、典型矿床特征以及区域成矿模式,重点讨论了胶西北的金矿成矿模式。通过对主要矿床类型形成机制及差异的分析,揭示了构造活动、岩浆侵入和流体运移在成矿过程中的耦合机制。经系统梳理近年来金矿找矿技术方法方面的研究进展,本文强调了综合地质、地球物理、地球化学、遥感等技术手段在矿产预测方面作用,同时探讨了逐步演化到数据驱动找矿预测方法。针对当前胶西北金矿找矿工作面临的主要问题(如多源数据融合不足、找矿模型偏重地质调查勘探为主、智能找矿方法待加强等),提出以数据驱动等作为胶西北地区未来找矿的关键研究方向,为提高胶西北金矿找矿效率和革新找矿方法提供理论基础和研究思路。

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论0