地质大数据、机器学习、人工智能研究进展
地质大数据是一客观存在,并正在以指数形式增长.它们大量产生于基础地质、矿产地质、水文地质、工程地质、环境地质、灾害地质的调查勘查和相应的地质科学研究过程中,能源、矿产的开发利用和环境、地灾的监测、防治过程中,以及各类天基、空基对地遥感观测活动中.地质大数据获得的途径包括地球物理、地球化学、钻探测井、遥感遥测、传感监测,还可以来自各种拓展应用,如图件编绘、分析计算、模拟仿真、预测评价、智能管控等.机器学习是应对大数据超常增长、开展大数据信息挖掘的重要选项。它被认为是人工智能的核心，是使计算机具有智能的根本途径。机器学习可以分为有监督学习和无监督学习。本研究实现了基于深度学习算法的镜下矿石矿物自动识别与分类。实验结果显示，训练出的模型对测试集的显微镜镜下矿石矿物照片的识别成功率均高于90%，说明实验所建立的模型具有很好的图像特征提取能力，能完成镜下矿石矿物智能识别的任务。地质大数据挖掘和机器学习、人工智能研究中，计算机硬件、软件的迭代升级是至关重要的。超级计算机为快速、高效处理大数据提供了良好的技术支持。
地质大数据 机器学习 人工智能
周永章 肖凡 沈文杰 陈川 王树功 王俊
中山大学地球科学与工程学院,广州510275;中山大学地球环境与地球资源研究中心,广州510275;广东省地质过程与矿产资源探查重点实验室,广州510275 广东省地质过程与矿产资源探查重点实验室,广州510275
国内会议
杭州
中文
1244-1245
2019-04-19（万方平台首次上网日期，不代表论文的发表时间）