Integration of Deep-time Digital Data for Mapping Clusters of Porphyry Copper Mineral Deposits

1 Introduction PCDs are generated in continental arcs in response to plate converging processes(subduction and collision)(Hou et al.,2009;Richards,2013).It is generally accepted that the formation of PCDs is associated with igneous activities either originating from lower crust or upper mantle,with contributions of crusts during the evolution of continental lithosphere.

大数据驱动下的国家矿产资源管理:赋能机理与模式创新

传统矿产资源管理模式面临着国内国际复杂形势和资源安全上升国家战略地位的双重压力。大数据作为信息时代的基础资源,为国家治理现代化提供了技术支撑。探讨大数据驱动下国家矿产资源管理新模式不仅是解决当下管理困境的应有之义,更是在新时代全球资源竞合中占据优势的主动之举。基于“需求锚定—结构赋能—平台接榫”三维分析框架,界定目前我国矿产资源管理中存在的职能、体制、决策、监管四个维度的现实问题;在此基础上,针对性地分析大数据技术从虚拟治理空间、多源数据聚合、数据情报智慧、全程动态留痕四个维度赋能国家矿产资源管理的机理;围绕大数据平台支撑下的职责分配明确、体制层级交错、智能情报决策和动态全景监管四个功能,提出构建国家矿产资源管理新模式的实现路径。

全球矿床数据库建设现状、应用与展望

基于大数据和人工智能技术的数据驱动科学范式推动地球科学研究发生了变革。作为地球科学的重要分支,现代矿床学经历了百余年的发展,已经积累了海量的数据资料,这些数据的流通和共享是发挥其资源价值的关键。文章介绍了中国“地质云”与全球矿产资源储量动态评估数据库、澳大利亚深部地球探测计划AuScope、美国矿产资源在线空间数据库、国际经济地质学家学会(SEG)Geofacets数据库、美国标准普尔公司SNL Metals&Mining数据库等国际主要矿床数据库的情况;同时,列举了应用大数据思维和人工智能方法在区域成矿规律、矿床成因机制、矿床类型判别、资源潜力评价、战略咨询等方面取得的若干重要进展。文章提出,未来在深时数字地球国际大科学计划的平台下,整合全球海量矿床数据,建设开放、共享、统一的矿床大数据平台势在必行。

基于模型驱动和自动演进理论的矿集区找矿预测数据模型应用软件开发

本文旨在构建一个系统而全面支持矿集区找矿预测数据模型应用的软件体系架构。采用模型驱动和自动演进的软件研发理论,服务和支持矿集区找矿预测数据模型应用。研发工作主要集中在3类核心应用软件的研发:数据模型管理类软件、数据模型使用类软件和数据质量控制类软件,推出这些软件将有效地管理数据模型,提高矿集区找矿效率,并确保数据质量可靠性和准确性。提出了一个包含9个层次且完备的支持软件体系架构,全面覆盖数据模型从需求、设计到实际应用和用户层面各个环节。通过构建和研发支持矿集区找矿预测数据模型应用的软件体系架构及一套核心应用软件,成功为矿集区找矿预测提供了有效信息技术支持。这项工作不仅提高了找矿预测理论方法研究层次,还显著提升了软件技术应用水平,并可推广使用,具有重要的找矿指导意义。

信息化技术在安徽省矿产品价格监测体系中的应用研究

为提升矿产品价格监测的质量和效率,本文立足于安徽省矿产品价格监测工作现状、存在问题以及监测实际需求分析,构建了一套基于大数据和云计算等信息化技术集数据采集、数据管理、综合分析和数据发布为一体的系统化、半自动化、全程可追溯的“安徽省矿产品价格监测信息系统平台”。该平台将数据采集、数据应用分析和成果展示等有效融合,解决了当前矿产品价格监测技术落后、监测数据时效性差和数据分析水平低等问题,补齐了安徽省矿产品价格监测体系信息化建设的短板,实现监测技术信息化、监测数据可视化的目标。

融合知识图谱的矿产资源定量预测

大数据和人工智能极大地促进了矿产勘查的发展,创新了矿产预测研究范式,提升了地质找矿大数据的挖掘与集成能力。在资源定量预测领域,知识-数据联合驱动的综合信息智能预测已逐渐成为行业共识,如何实现数据和知识联合驱动是目前亟待解决的问题。知识图谱可以整合多源、异构的地质找矿大数据,其中蕴含的知识和规则在驱动地球科学领域的知识发现方面具有重要的发展潜力。本文针对大数据和人工智能时代对资源定量预测智能化和自动化的需求,结合知识图谱相关技术的特点,探讨融合知识图谱技术的矿产资源定量预测智能化和自动化的可行性和技术方法路线。重点剖析面向矿产预测的成矿-勘查系统多时序全要素知识图谱构建和基于知识图谱从“求同”和“求异”的角度建立找矿预测模型,知识图谱中的知识嵌入到地物化遥异常信息提取的方法,以及融合知识图谱的资源定量预测工作的机遇和挑战。拟希望将知识图谱中知识表达和推理融入到矿产资源定量预测技术方法流程中,协助地质专家来确定矿产预测模型,提高矿产预测的自动化和智能化。

大数据找矿信息平台建设及其在新一轮找矿突破战略行动中的应用

充分利用信息化手段支撑地质工作是地学研究的前沿领域.随着新一轮找矿突破战略行动的逐步展开,大数据信息技术对于开展地质找矿工作、构建地质信息数据库有重要意义.本文探讨了大数据在地质找矿行动中的作用与优势,并总结归纳了数据平台建设研究方法.大数据找矿信息平台的建设将为进一步找矿工作提供科学依据.借助大数据、云计算等现代信息技术为新一轮找矿突破战略行动赋能,这为找矿工作数据库体系的智能化建设提供了全新的思路.

新时代下大数据助推新一轮找矿行动应用的研究

探讨在大数据技术发展中更好的开展地质找矿活动,通过大数据平台分析大量的地质、地球物理、空间和环境数据,更科学的确定找矿靶区,综合分析矿床数据,提高找矿成功率,为矿业领域的发展提供新的思路和方法。

基于矿工大数据的不安全行为主题挖掘与语义分析

为科学防控煤矿安全事故,深度挖掘不安全行为数据隐藏的信息和知识;基于Python算法、LDA主题模型和NetDraw工具,选取2017—2021年陕西省某大型煤矿集团的44 069条不安全行为数据进行分词处理、主题提取,绘制矿工不安全行为语义网络图并对矿工不安全行为语义网络的中心性进行分析;研究得出5个矿工不安全行为高频主题和3个矿工不安全行为高发地点。

矿产资源安全巨系统理论方法与实践

矿产资源的自然属性、经济属性和社会属性,决定了矿产资源安全涉及众多资源类型、宏大空间分布、超长产业链条、巨大产业规模、跨越时空配置、复杂因素影响、层次纷繁多样。矿产资源安全规模之大、层次之多、影响因素之复杂难以穷尽,是一个复杂巨系统。如何使矿产资源安全巨系统高效运转以服务经济社会发展,是一项复杂性科学难题。本文引入系统科学的研究思路,提出了矿产资源安全巨系统概念,刻画了矿产资源安全巨系统的结构和组成,揭示了自然资源、经济、社会等因素对矿产资源安全巨系统的驱动机理,形成了矿产资源安全巨系统理论。在此基础上,建立了涵盖以系统思维研究构建矿产资源安全保障的理论知识模型、构建基于大数据平台的仿真实验系统、积极推动政府决策与反馈三大环节的矿产资源安全系统工程学研究新方向,提出了建立矿产资源安全的总体设计部的战略思想。研究成果已应用于国家资源安全保障工作实践,有效支撑了国家矿产资源安全保障工作。

矿产资源国情调查数据库设计实现与大数据集成平台建设

矿产资源国情调查数据库建设工作贯穿整个矿产资源实地调查、测量、核实、三维建模、报告编制等流程,需要实现国情调查工作全程信息化、智能化,制定国情调查数据库技术要求,建立一套先进的多维时空数据采集入库、实时校验、人机交互质检、汇交、集成管理、动态更新的技术体系。开发国情调查时空数据管理云平台,实现地学时空数据等结构化数据、非结构化数据集成管理、知识图谱构建、智能分析等功能。研究成果为全面掌握我国矿产资源家底、保障国家矿产资源安全供应与经济可持续发展、对矿产资源有效实施保护监督与合理利用提供了坚实的数据基础。

大数据驱动下国家矿产资源安全现代化治理:逻辑理路与模式构建

国家矿产资源安全管理现代化是国家治理体系与治理能力现代化的重要议题构成,大数据作为驱动国家治理现代化的重要引擎,在新时代国家矿产资源安全管理中如何发挥其价值及效能是一个亟待探讨的学术话题。大数据与国家矿产资源安全管理的有效结合,能够形成以信息流动和交换为基础的新型工作方式和治理形态,从根本上改变传统经验主导的安全风险管理的基本流程和管理形式。大数据驱动国家矿产资源安全管理的内在核心可解释为技术嵌入与制度调试间的互动耦合,通过业务流程智能化、组织形态新型化、治理价值多元化推动治理关系的重构。为实现有效防控国家矿产资源安全风险目标,政府主导下的多元治理主体要基于风险防范和价值彰显的双重治理目标,搭建科层集中式向网络化转型的扁平治理结构,运用“人-机”交互的智慧+智能化管理手段,推动管理模式从“经验管理”向“循数治理”的科学化转变。

大数据赋能国家矿产资源安全事件预警管理研究

[研究目的]国家矿产资源安全管理是“总体国家安全观”和“国家治理现代化”的内生发展要义,如何运用大数据赋能国家矿产资源安全管理迈向现代化,已然成为当前理论界探讨的具有前沿性的学术话题。国家矿产资源安全管理的前沿关口即对安全事件的预测和预警,而大数据的核心功能则在于此,能够为矿产资源安全事件预警提供强大的技术支持。[研究方法]研究针对当前国家矿产资源安全事件预警面临的现实困境,旨在分析大数据技术、大数据资源和大数据思维赋能矿产资源安全事件预警的运作机理,并提出大数据赋能下国家矿产资源安全事件预警管理的有效实现路径。[研究结论]大数据赋能国家矿产资源安全事件预警管理可以为决策的制定提供全新的支持,是对传统预警管理的一场深刻变革,也是未来预警范式的重要转向。

基于大数据挖掘的露天非金属矿产资源定量预测模型构建

为实现露天非金属矿产资源定量预测,以地质理论为指导,在计算机技术基础上,将理论分析与大数据挖掘算法相结合,建立三维非金属矿产资源定量预测模型。收集地质资料,通过二项分布模型模拟资源分布状态,统计期望矿点数量及对应函数关系式,提取数据特征,完成数据关联分析,构建空间属性数据库,分幅平差处理数据,消除信息误差、减少数据丢失,基于训练样本数据计算定量预测模型先验概率,获得控矿要素及重要性评估指标,得到最终的定量预测结果。实验部分证明了所提模型预测精度高,三维可视化结果能够清晰呈现存在矿产资源的位置,可应用价值高。

1982~2022年《矿床地质》载文分析与趋势展望

《矿床地质》是中国报道矿产资源最新研究成果的代表性刊物,同时也是汇集矿床学领域重要研究进展及成果的学术交流平台,对其载文热点追踪及期刊量化评价有助于梳理国内矿床学领域的研究进展,探究未来发展趋势,并为学科相关研究人员提供借鉴和参考。文章基于文献计量学研究、借助大数据和机器学习等手段,分析了1982~2022年《矿床地质》刊载论文的内容与信息,揭示矿床学40年的研究热点及主题演化情况,并通过与国际同领域知名期刊的对比,系统性地总结和讨论其展现的研究领域的进展和发展趋势。该刊主要聚焦于地球科学领域,热点关键词主要包括:流体包裹体、成矿作用、矿床成因、成矿流体和地质特征等。历年刊文可归纳为5个研究主题,包括区域成矿规律、成矿背景与构造环境、成矿流体和矿化特征、成岩成矿年龄和岩浆热液成矿作用以及元素富集成矿。热门地区主要是内蒙古、新疆和西藏等中西部省区。未来矿床学研究将会更加注重新技术和新方法的宏观和微观应用、多学科交叉融合对矿床成因机制和成矿规律的揭示,以及矿产勘查的综合指导等方面。

机器学习在岩矿地球化学研究中的应用——综述与思考

岩石与矿物的地球化学成分数据具有高维度特征。传统的岩矿地球化学成分研究主要采用二元/三元图解判别法,准确率不高,在数理统计方法上有欠缺。机器学习方法非常适用于对大样本高维度的岩矿成分数据进行数理统计处理。笔者等在介绍机器学习常见算法基本原理的基础上,总结近5年来国内外学者将机器学习方法应用于岩石矿物成分数据研究的实例,包括:①根据矿物成分溯源其母岩(源岩)、判别矿床类型,②新生代火山岩溯源,③判别变质岩原岩,④依据岩浆岩成分判别大地构造环境等。已有的研究实例显示,机器学习方法的准确度明显优于传统的低维度判别法。机器学习本质是分析大样本数据的高维度变量之间的相关、归类等多元统计问题。推广机器学习的应用需要建设开放获取(Open Access)的矿物、岩石成分数据库,同时全面实施开放研究(Open Research)的发表策略.

基于大数据的铌钽矿物全球时空分布特征分析

铌钽是发展电子、航空、医疗、机械、原子等新型产业的关键性稀有金属,随着我国对铌钽资源的需求持续性增长,增大铌钽矿产出是当务之急,因而开展铌钽成矿机制和富集规律的研究尤为重要。前人对铀、汞、铍、硼、锂等矿物多样性和时空分布特征的研究表明,基于大数据的矿物演化研究能够为矿物的富集和成矿机制提供新的思路,为找矿预测提供新的方向。本文从全球矿物综合数据库(RRUFF)中获取了全球含铌钽矿物的大数据,对全球含铌钽矿物的种类(179种)、数量(1 488个)以及地理空间分布在地质历史时期变化的特征和规律进行了分析。研究结果表明,含铌钽矿物的种类和数量随着地球演化过程不断累积增长,且增长具有明显的阶段性,在基诺兰超大陆聚合期、潘基亚超大陆聚合期和潘基亚超大陆裂解期均存在明显的增长高峰。铌钽矿物演化的重要时期与超大陆形成、裂解的时间具有良好的耦合性,暗示了铌钽金属的富集与超大陆旋回存在内在的联系,这种内在联系还需要进一步挖掘。

智能技术在矿物加工领域中的应用进展

智能技术作为引领性的高新技术,包含许多发展快速的新兴领域,具有自感知、自学习、自决策、自适应的能力,可以适应复杂多变的工业环境,已经在工业领域中解决了许多传统方法难以解决的问题。矿物加工领域作为人员密度大、劳动力强、工艺过程复杂的传统基础工业,在企业精细化管理和安全高效生产等方面具有很大提升空间。随着全球各行业智能技术的不断发展和迭代,未来传统选矿领域必将朝着高效、智能化和可持续的方向发展。目前,针对矿物加工过程智能化的研究取得了一定进展,但各种智能技术的应用处于初步探索和验证阶段,不同矿物加工过程的相关智能技术和数据分析方法研究较为分散和杂乱,缺乏系统性总结。为此,在详细分析了智能技术在矿物加工工艺流程中的应用原理和方式的基础上,首次依据智能化差异及数据复杂程度将矿物加工领域的智能技术归纳为自动化控制、神经网络、大数据开发三大类。系统性总结了各智能技术在破碎、磨矿、浮选、磁选等矿物加工过程的研究和应用发展现状,揭示了矿物加工过程中智能技术对品位提高、指标预测和流程稳定的重要意义,可为矿物加工领域的智能化、自动化、信息化研究提供一定帮助。

大数据和机器学习在矿物学研究中的应用

矿物的形成演化史和时空分布伴随着地球从星云阶段演化至今的46亿年地质历史,其形成过程受控于一系列物理、化学、生物过程,是地球多圈层耦合演化的产物。矿物大数据催生了矿物演化和矿物生态学概念,使我们以系统的眼光看待矿物形成和演化历史、矿物分布和矿物多样性,并可以据此更好的理解地球多圈层演化。应用统计方法和网络分析方法研究矿物大数据,可以帮助我们预测新矿物的数量、可能的结构和可能出现的地点,以及深入理解复杂矿物共生网络中矿物的成因联系和演化趋势。机器学习算法在矿物化学数据方面的应用,有助于解析高维矿物化学数据蕴含的物理化学控制因素,以及用于定量估计难测元素的含量、建立温度压力计和判别源区类型等任务。以数据驱动的矿物学研究必将成为反演地球演化历史的有力工具。

基于大数据的黄土覆盖区下伏多金属矿产资源定量预测高精度模型

为降低黄土覆盖区下伏多金属矿的开采难度,提出基于大数据的黄土覆盖区下伏多金属矿产资源定量预测高精度模型,合理预测隐伏矿区的金属矿产资源分布情况。构建矿产资源定量预测模型,向模型中输入二维GIS图层与三维实体地质模型,从输入的海量数据中提取成矿有利信息,利用主成分分析算法将多类型的成矿有利信息并行处理为统一格式,并按照数据类别依次存放在相应的分布式数据库中,通过非负矩阵分解算法向数据库中的数据增加非负约束条件,实现矿产资源数据分解,利用基于NMF算法的模糊C均值分类器对该数据进行分类,获得最佳矿产资源样本数据,完成黄土覆盖区下伏多金属矿产资源定量预测。经试验验证:该模型可精准预测黄土覆盖区下伏多金属矿区每个测点的金属量与金属密度,还可按照总金属量划分靶区规模,并能够预测出每个测点下的金属矿产储量以及成矿有利度。