-
题名面向人类智能与人工智能融合的矿产资源预测新范式
- 1
-
-
作者
成秋明
-
机构
中国地质大学(北京)地质过程与成矿预测全国重点实验室
中国地质大学(北京)教育部深时数字地球前沿科学中心
-
出处
《地学前缘》
北大核心
2025年第4期1-19,共19页
-
基金
国家自然科学基金重点项目(42050103)
高等学校学科创新引智计划项目(B25052)
+1 种基金
广东省珠江人才创新团队资助项目(2021ZT09H399)
教育部DDE前沿科学中心资助项目(2652023001)。
-
文摘
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。
-
关键词
大数据
大模型
人工智能
矿产资源预测
非线性理论
知识图谱
深部与覆盖区找矿
-
Keywords
big data
large language model(LLM)
artificial intelligence
mineral resource prediction
non-linear theory
knowledge graph
mineral exploration in deep and covered areas
-
分类号
P612
[天文地球—矿床学]
P628
[天文地球—地质矿产勘探]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名洋中脊动力学与俯冲带地震-岩浆-成矿事件远程效应
被引量：3
- 2
-
-
作者
成秋明
-
机构
中国地质大学(北京)地质过程与矿产资源国家重点实验室
中国地质大学(北京)教育部深时数字地球前沿科学中心
中山大学地球科学与工程学院
-
出处
《地学前缘》
EI
CAS
CSCD
北大核心
2024年第1期1-14,共14页
-
基金
国家自然科学基金项目(42050103)
教育部前沿科学中心项目(2652023001)
广东省珠江创新团队项目(2021ZT09H399)。
-
文摘
板块俯冲带和大陆岩浆弧的深部过程与极端地质事件之间存在密切的关系。板块俯冲与造山过程会导致地震、岩浆活动和成矿等事件的发生。这些极端事件的发生与俯冲过程中的壳幔相互作用、地幔楔形成、岩石圈部分熔融、构造-岩浆活动等因素密切相关。然而,人们对洋中脊新生地壳的不均匀性或先天“缺陷”对以上的极端事件的长远影响和远程效应了解甚少。在洋中脊新的地壳形成过程中,由于受到板块扩张、压力降低、软流圈物质上涌等因素的作用,导致新生地壳温度升高、孔隙度和裂缝发育、密度降低、结构复杂的正反馈过程。因此,新生地壳在密度、强度、温度、厚度等方面存在非均质性。这些地壳的差异性将影响和决定板块在扩张和俯冲过程中的行为,并对板块俯冲作用形成的地震、岩浆和成矿等事件产生远程影响。以太平洋俯冲和安第斯造山带为例研究发现,板块运动速度、板块俯冲角度、板片撕裂、岩石圈厚度、Moho面深度等的突变与地震、火山和斑岩矿床的时空分布存在远程关联效应,这些认知对预测板块俯冲-碰撞带发生的极端地质事件的时空分布具有重要意义。
-
关键词
洋中脊
板块俯冲
地震
火山
成矿
远程关联
-
Keywords
mid-ocean ridges
plate subduction
earthquakes
volcanoes
mineralization
long-range effects
-
分类号
P541
[天文地球—构造地质学]
P542.2
[天文地球—构造地质学]
P588.1
[天文地球—岩石学]
P611.1
[天文地球—矿床学]
-
-
题名数据驱动斑岩型矿床时空预测模型
- 3
-
-
作者
陈国雄
张越鹏
罗磊
夏庆霖
成秋明
-
机构
中国地质大学(武汉)地质过程与成矿预测全国重点实验室
-
出处
《地学前缘》
2025年第4期46-59,共14页
-
基金
国家自然科学基金重点项目(42430111)。
-
文摘
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。
-
关键词
数据驱动
人工智能
斑岩型矿床
成矿预测
地球系统科学
-
Keywords
data-driven discovery
artificial intelligence
porphyry ore deposits
mineral resource prediction
Earth system science
-
分类号
P628
[天文地球]
-
