地質大數據分析的若干工具與應用

作者：周永章,陳川,張旗,王功文,肖凡,沈文杰,卞靜,王亞,楊威,焦守濤,劉艷鵬,韓楓

摘要：大數據科學研究范式是大數據時代的必然結果。在大數據時代,地質學研究正面臨著前所未有的挑戰與機遇,亟需地質大數據分析的基礎支撐。本文介紹若干種有價值的地質大數據分析工具及其應用。知識圖譜以其強大的語義處理能力和開放組織能力,為大數據時代信息的知識化組織和智能應用提供了有效工具。它旨在描述真實世界中存在的各種實體或概念及其關系,構成一張巨大的語義網絡圖,以節點表示實體或概念,邊則由屬性或關系構成。機器學習與卷積神經網絡模型仍然是當前地質大數據研究的熱點。演化算法借鑒了自然界中生物進化與自適應過程的思想,是一種基于種群的元啟發式最優化算法。它具有無需先驗知識、能在全局范圍內進行隱并行搜索的優點,可以用來精確地獲取大數據中隱含的演化趨勢與時空特征。圖形社區發現技術將網絡劃分為若干個內部節點相似社區,為分析和理解網絡提供有力的技術支持。隨著空間分辨率、時間分辨率和輻射分辨率不斷提高,遙感技術已廣泛成為地質數據獲得的主要技術手段。遙感大數據的數據存取和智能處理是最重要的發展方向。這些地質大數據分析方法已有成功的應用案例,并將廣泛用于各種地質研究,如城市土壤污染智能監測、模擬、管控與預警研究,得益于地質大數據研究支撐系統的恰當選擇以及地質大數據技術的強力支持,建立了可解釋的多源多層城市土壤污染知識圖譜,源于多源異構大數據有效融合的主要障礙正在去除。

發文機構：中山大學地球環境與地球資源研究中心 廣東省地質過程與礦產資源探查重點實驗室 中國科學院地質與地球物理研究所 中國地質大學 中山大學地球科學與工程學院 廣東高質資源環境研究院

關鍵詞：地質大數據知識圖譜機器學習演化算法圖形社區發現遙感大數據多源異構大數據融合geological big dataknowledge graphmachine learningevolutionary algorithmgraphic communities detectionremote sensing datamultisource heterogeneous data fusion

分類號： P628[天文地球—地質礦產勘探][天文地球—地質學]