數(shù)學(xué)地球科學(xué)跨越發(fā)展的十年大數(shù)據(jù)、人工智能算法正在改變地質(zhì)學(xué)

　　摘要:近十年是科學(xué)研究從問(wèn)題驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)變的轉(zhuǎn)折時(shí)期,科學(xué)研究的第四范式—數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)應(yīng)勢(shì)而生。這期間,大數(shù)據(jù)與人工智能算法的引入使數(shù)學(xué)地球科學(xué)實(shí)現(xiàn)跨越式發(fā)展,并正在改變地質(zhì)學(xué)。機(jī)器學(xué)習(xí)是使計(jì)算機(jī)具有智能的根本途徑。深度學(xué)習(xí),即多層神經(jīng)網(wǎng)絡(luò)的方法,是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù),是過(guò)去幾年大數(shù)據(jù)與數(shù)學(xué)地球科學(xué)研究的最重要的熱點(diǎn)。貝葉斯網(wǎng)絡(luò)是貝葉斯公式和圖論結(jié)合的產(chǎn)物,可用來(lái)建立礦床地質(zhì)的成因網(wǎng)絡(luò),進(jìn)而理解礦床成因。地質(zhì)大圖形問(wèn)題可以轉(zhuǎn)化為大型的復(fù)雜網(wǎng)絡(luò)空間問(wèn)題和社區(qū)結(jié)構(gòu)問(wèn)題,社區(qū)分析技術(shù)可用于地震預(yù)報(bào)、地質(zhì)網(wǎng)絡(luò)分析、特殊地質(zhì)現(xiàn)象識(shí)別、礦床預(yù)測(cè)。關(guān)聯(lián)規(guī)則和推薦系統(tǒng)算法在地質(zhì)研究中已有成功的應(yīng)用實(shí)例�；�探數(shù)據(jù)及其異常經(jīng)常包含復(fù)雜和非線性模式,深度學(xué)習(xí)在智能識(shí)別與提取復(fù)雜地質(zhì)條件下地球化學(xué)異常具有優(yōu)異的能力,卷積神經(jīng)網(wǎng)絡(luò)、堆疊自編碼機(jī)等是較為常用和有效的方法。非線性礦產(chǎn)資源預(yù)測(cè)、基于GIS和三維地質(zhì)建模的三維成礦預(yù)測(cè)及相應(yīng)的軟件系統(tǒng)得到持續(xù)改進(jìn)。三維虛擬仿真建模技術(shù)的應(yīng)用實(shí)現(xiàn)了多模態(tài)、跨尺度地學(xué)虛擬現(xiàn)實(shí)與多維交互,地質(zhì)過(guò)程數(shù)值模擬等已有創(chuàng)新性進(jìn)展。區(qū)塊鏈技術(shù)以及OneGeology、玻璃地球、深時(shí)數(shù)字地球等大地質(zhì)科學(xué)計(jì)劃,將在整合全球地質(zhì)大數(shù)據(jù)、共享全球地學(xué)知識(shí)、推動(dòng)數(shù)學(xué)地球科學(xué)學(xué)科發(fā)展方面起到重大的推動(dòng)作用。

　　關(guān)鍵詞:地質(zhì)大數(shù)據(jù);深度學(xué)習(xí);人工智能算法;區(qū)塊鏈;深時(shí)數(shù)字地球;礦產(chǎn)資源預(yù)測(cè);數(shù)學(xué)地球科學(xué)

　　0引言

　　最近十年,數(shù)學(xué)地球科學(xué)的最顯著發(fā)展是大數(shù)據(jù)與人工智能算法的引入�？梢哉f(shuō),地質(zhì)大數(shù)據(jù)與人工智能時(shí)代已經(jīng)在這期間開啟。地質(zhì)數(shù)據(jù)以指數(shù)形式增長(zhǎng),這是不容忽視的現(xiàn)實(shí)�；�礎(chǔ)地質(zhì)、礦產(chǎn)地質(zhì)、水文地質(zhì)、工程地質(zhì)、環(huán)境地質(zhì)、災(zāi)害地質(zhì)調(diào)查、勘查,產(chǎn)生大量的數(shù)據(jù)。各類天基、空基對(duì)地遙感觀測(cè),更產(chǎn)生了大量的數(shù)據(jù)。圖件編繪、分析計(jì)算、模擬仿真、預(yù)測(cè)評(píng)價(jià)、管控調(diào)控,同樣產(chǎn)生大量的數(shù)據(jù)。

　　科學(xué)論文投稿刊物：地球科學(xué)進(jìn)展是在1986年創(chuàng)刊，成立至今已經(jīng)發(fā)展成為綜合性學(xué)術(shù)性刊物。曾用名《地球科學(xué)信息》。雜志評(píng)述國(guó)內(nèi)外地球科學(xué)最新研究進(jìn)展，介紹全球變化的研究、可持續(xù)發(fā)展研究等綜合性跨學(xué)科重大研究領(lǐng)域發(fā)展態(tài)勢(shì)，報(bào)道邊緣學(xué)科、交叉學(xué)科最新研究成果，推動(dòng)高新技術(shù)在地球科學(xué)領(lǐng)域的應(yīng)用。

　　并且這些數(shù)據(jù)可以是結(jié)構(gòu)化的,如地球化學(xué)分析和地球物理探查獲得的數(shù)據(jù);更多是非結(jié)構(gòu)化的、半結(jié)構(gòu)化的。在現(xiàn)實(shí)面前,大數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)是地質(zhì)學(xué)科跨越的必須選項(xiàng)。否則,就如同人用腿跟汽車、飛機(jī)、火箭賽跑,越往前走,與大數(shù)據(jù)時(shí)代的要求差距越大,最終被先進(jìn)的工具所被拋棄。盡管依托大數(shù)據(jù)的人工智能地質(zhì)學(xué)還遠(yuǎn)不成熟,但已儼然成為這個(gè)時(shí)代的絢麗浪花。最近幾年,國(guó)際數(shù)學(xué)地球科學(xué)協(xié)會(huì)、國(guó)際數(shù)字地球?qū)W會(huì)、中國(guó)地質(zhì)學(xué)會(huì)、中國(guó)礦物巖石地球化學(xué)學(xué)會(huì)每屆年會(huì)都有專題和較大篇幅的主題報(bào)告涉及地質(zhì)大數(shù)據(jù)和人工智能分析。

　　2016年,中國(guó)礦物巖石地球化學(xué)學(xué)會(huì)大數(shù)據(jù)與數(shù)學(xué)地球科學(xué)專業(yè)委員會(huì)正式成立,這是一個(gè)里程碑的事件。大數(shù)據(jù)專委會(huì)自成立以來(lái),堅(jiān)持每年召開一次“中國(guó)大數(shù)據(jù)與數(shù)學(xué)地球科學(xué)學(xué)術(shù)討論會(huì)”,而且與會(huì)人數(shù)逐年增加,同時(shí)專委會(huì)還相繼在《巖石學(xué)報(bào)》《地學(xué)前緣》《大地構(gòu)造與成礦學(xué)》《地質(zhì)通報(bào)》《礦物巖石地球化學(xué)通報(bào)》組織專輯,介紹地質(zhì)大數(shù)據(jù)分析與機(jī)器學(xué)習(xí)的探索性研究成果。2018年,周永章所著的《地球科學(xué)大數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)》出版,這是國(guó)內(nèi)外相同領(lǐng)域首部研究型教材,它啟迪一代新人,引領(lǐng)他們更多關(guān)注和投身地質(zhì)大數(shù)據(jù)和人工智能研究(翟明國(guó),2018;Jiaoetal.,2018)。本文試圖對(duì)最近十年地質(zhì)大數(shù)據(jù)與人工智能領(lǐng)域的研究做一粗略回顧,不可能系統(tǒng)和全面。作者期望讀者能從中窺視到大數(shù)據(jù)與人工智能的價(jià)值,引發(fā)對(duì)地質(zhì)大數(shù)據(jù)與人工智能發(fā)展的思考。

　　1深度學(xué)習(xí)與人工智能地質(zhì)學(xué)

　　1.1機(jī)器學(xué)習(xí)、深度學(xué)習(xí)

　　機(jī)器學(xué)習(xí)被認(rèn)為是人工智能的核心,是使計(jì)算機(jī)具有智能的根本途徑。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的子集,即多層神經(jīng)網(wǎng)絡(luò)的方法,是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù),是過(guò)去幾年大數(shù)據(jù)與數(shù)學(xué)地球科學(xué)研究的最重要熱點(diǎn)之一。2006年,加拿大多倫多大學(xué)GeoffreyHinton和RuslanSalakhutdinov在Science上發(fā)表論文,開啟了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的浪潮(Hintonetal.,2006,2012;Lakeetal.,2015;LeCunetal.,2015;Schmidhuber,2015;Karpatneetal.,2019)。

　　此前,美國(guó)心理學(xué)家McCulloch和數(shù)學(xué)家Pitts聯(lián)合提出了形式神經(jīng)元的數(shù)學(xué)模型———MP模型,證明了單個(gè)神經(jīng)元能執(zhí)行邏輯功能,從而開創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)研究時(shí)代。由于超大規(guī)模集成電路、腦科學(xué)、生物學(xué)、光學(xué)的迅速發(fā)展,人工神經(jīng)網(wǎng)絡(luò)的發(fā)展進(jìn)入興盛期。在分類與預(yù)測(cè)中,δ學(xué)習(xí)規(guī)則(誤差校正學(xué)習(xí)算法)是使用最廣泛的一種,但在人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過(guò)程中,沒(méi)有一種特定的學(xué)習(xí)算法適用于所有的網(wǎng)絡(luò)結(jié)構(gòu)和具體問(wèn)題。Hinton和RuslanSalakhutdinov倡導(dǎo)的深度學(xué)習(xí)概念源于人工神經(jīng)網(wǎng)絡(luò)的研究,可以理解為神經(jīng)網(wǎng)絡(luò)的發(fā)展,其實(shí)質(zhì)是通過(guò)構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù),來(lái)學(xué)習(xí)更有用的特征,從而最終提升分類或預(yù)測(cè)的準(zhǔn)確性。

　　“深度模型”是手段,“特征學(xué)習(xí)”是目的。被用于圖像識(shí)別和語(yǔ)音分析。在地質(zhì)領(lǐng)域,徐述騰和周永章(2018)以吉林夾皮溝金礦和河北石湖金礦的黃鐵礦、黃銅礦、方鉛礦、閃鋅礦等硫化物礦物為例,設(shè)計(jì)了有針對(duì)性的Unet卷積神經(jīng)網(wǎng)絡(luò)模型,實(shí)現(xiàn)了基于深度學(xué)習(xí)算法的鏡下礦石礦物自動(dòng)識(shí)別與分類。在Unet模型結(jié)構(gòu)中一共涉及到五種操作。其中紫色向右箭頭為3×3卷積操作(conv3×3)和歐拉激活函數(shù)(ReLU)轉(zhuǎn)換;灰色向右箭頭為圖像復(fù)制(copy)和截取(crop)操作;紅色向下箭頭表示2×2的最大池化(maxpool2×2),綠色向上箭頭表示2×2的上卷積(up-conv2×2),藍(lán)色箭頭表示1×1的卷積(conv1×1)。

　　2大數(shù)據(jù)挖掘

　　2.1高維數(shù)據(jù)

　　真實(shí)的世界是一個(gè)高維空間的世界。如何快速、有效地從高維空間獲得有價(jià)值的信息或發(fā)現(xiàn)相關(guān)目標(biāo),一直是科學(xué)家研究的目標(biāo)。高維特征集合存在以下幾方面問(wèn)題:大量的特征;存在許多與類別僅有微弱相關(guān)度的特征;特征相互之間存在強(qiáng)烈的相關(guān)度;噪聲數(shù)據(jù)。解決這些問(wèn)題的基本途徑是降維(dimensionreduction),從初始高維特征集合中選出低維特征集合,以有效地消除無(wú)關(guān)和冗余特征,改善預(yù)測(cè)精確性等學(xué)習(xí)性能,增強(qiáng)學(xué)習(xí)結(jié)果的易理解性。聚類分析、主成分分析等多元統(tǒng)計(jì)分析方法仍然是較常用的數(shù)學(xué)降維工具(Leskovecetal.,2014)。

　　子空間聚類是實(shí)現(xiàn)高維數(shù)據(jù)集聚類的有效途徑,它是在高維數(shù)據(jù)空間中對(duì)傳統(tǒng)聚類算法的一種擴(kuò)展,其思想是將搜索局部化在相關(guān)維中進(jìn)行。此外,還有哈希算法等。它將任意長(zhǎng)度的二進(jìn)制值映射為較短的固定長(zhǎng)度的二進(jìn)制值(哈希值)。哈希函數(shù)可以將任意長(zhǎng)度的輸入經(jīng)過(guò)變化以后得到固定長(zhǎng)度的輸出,這種單向特征和輸出數(shù)據(jù)長(zhǎng)度固定的特征使得它可以生成消息或者數(shù)據(jù)。

　　3地球化學(xué)異常識(shí)別與提取

　　全球已積累了海量的巖石地球化學(xué)數(shù)據(jù),并建立了多個(gè)相關(guān)的數(shù)據(jù)庫(kù),如GEOROC-大陸和海洋巖石的地球化學(xué)數(shù)據(jù)庫(kù)、PetDB-海底巖石學(xué)數(shù)據(jù)庫(kù)、SedDB-沉積巖成分分析數(shù)據(jù)庫(kù)、NAVDAT-北美火成巖成分分析數(shù)據(jù)庫(kù)和Geochron-地質(zhì)年代學(xué)數(shù)據(jù)庫(kù)等。復(fù)雜地質(zhì)條件下地球化學(xué)異常的識(shí)別與提取是地質(zhì)大數(shù)據(jù)和人工智能算法研究應(yīng)用的熱點(diǎn)領(lǐng)域之一(CarranzaandLaborte,2015;AryafarandMoeini,2017)。

　　目前在地球化學(xué)研究中應(yīng)用的算法主要包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林、決策樹、極限學(xué)習(xí)機(jī)等(TahmasebiandHezarkhani,2012;Izadietal.,2013;Chenetal.,2014;Rodriguez-Galianoetal.,2014;CarranzaandLaborte,2015;HarrisandGrunsky,2015;Geranianetal.,2016;ChenandWu,2017;Yuetal.,2019;Zuoetal.,2019;余曉彤等,2019;陳麗蓉,2019)。機(jī)器學(xué)習(xí)的各種算法不僅能夠處理大量的與礦產(chǎn)預(yù)測(cè)相關(guān)的證據(jù)圖層,還具有識(shí)別已知礦床與證據(jù)圖層之間非線性關(guān)系的潛力(Rodriguez-Galianoetal.,2015;向杰等,2019)。復(fù)雜化探數(shù)據(jù)及其異常經(jīng)常包含復(fù)雜和非線性模式,深度學(xué)習(xí)在智能識(shí)別與提取復(fù)雜地質(zhì)條件下的地球化學(xué)異常具有優(yōu)異的能力。從已發(fā)表的文獻(xiàn)可見,卷積神經(jīng)網(wǎng)絡(luò)是較為常用和有效的方法(劉艷鵬等,2018;周永章等,2018b;左仁廣,2019)。

　　這些深度學(xué)習(xí)方法將輸入的數(shù)據(jù)映射到少數(shù)深層次特征中,有利于保留與復(fù)雜地質(zhì)過(guò)程及其相互作用有關(guān)的深層次結(jié)構(gòu)表征,最終達(dá)到提高異常識(shí)別的效果。在傳統(tǒng)地球化學(xué)研究中,利用Pearce圖解和判別巖石的構(gòu)造源區(qū)是流行的方法(Pearceetal.,1984;Vermaetal.,2006;Vermeesch,2006;趙振華,2007)。但受時(shí)代、研究區(qū)域、研究思路以及研究手段、分析技術(shù)、樣本數(shù)量的限制,導(dǎo)致部分研究中經(jīng)常出現(xiàn)一些困惑。大數(shù)據(jù)思維為研究巖石構(gòu)造判別提供了新的思維模式:由理論驅(qū)動(dòng)轉(zhuǎn)變?yōu)閿?shù)字驅(qū)動(dòng)(張旗和周永章,2018;葛粲等,2019),成功的案例如:利用GEOROC數(shù)據(jù)庫(kù)數(shù)據(jù)判別輝長(zhǎng)巖、玄武巖、安山巖的構(gòu)造環(huán)境等(杜雪亮等,2017;王金榮等,2017;韓帥等,2018;焦守濤等,2018;張旗等,2019;劉欣雨等,2019;耿廳等,2019)。

　　4礦產(chǎn)資源預(yù)測(cè)與評(píng)價(jià)

　　4.1非線性礦產(chǎn)資源預(yù)測(cè)

　　國(guó)際地科聯(lián)IGCP98計(jì)劃曾推出6種礦產(chǎn)資源定量預(yù)測(cè)評(píng)價(jià)方法,包括礦床統(tǒng)計(jì)預(yù)測(cè)理論及方法(Agterberg)、“三部式”資源評(píng)價(jià)法(Singer)、基于GIS的礦產(chǎn)資源評(píng)價(jià)(Bonham-Carter)、綜合信息預(yù)測(cè)(王世稱等,2000)、致礦異常預(yù)測(cè)與“三聯(lián)式”預(yù)測(cè)(趙鵬大,2007)、非線性成礦預(yù)測(cè)(成秋明,2007)等。分形、多重分形理論所提供的尺度不變性、廣義自相似性及奇異性等概念和相關(guān)模型,可以較好地描述成礦過(guò)程的奇異性、成礦元素分布不均勻性及礦床空間聚散性等成礦復(fù)雜系統(tǒng)和礦產(chǎn)資源分布規(guī)律,是定量模擬、識(shí)別與提取復(fù)雜成礦異常方法之一(Chengetal.,1994;Zhouetal.,1994;成秋明,2007;趙鵬大和夏慶霖,2009;Agterberg,2014)。這是中國(guó)和國(guó)際數(shù)學(xué)地質(zhì)界對(duì)非線性礦產(chǎn)資源預(yù)測(cè)研究的重大貢獻(xiàn)。這一領(lǐng)域的研究始于20世紀(jì)90年代,初步成熟于21世紀(jì)初期,在最近十年仍有顯著發(fā)展。

　　上述對(duì)數(shù)學(xué)地球科學(xué)的簡(jiǎn)略回顧,盡管不是很全面,但足以看到,最近十年是數(shù)學(xué)地球科學(xué)跨越發(fā)展的時(shí)期,大數(shù)據(jù)、人工智能算法正在改變地質(zhì)學(xué)。這種改變契合了數(shù)據(jù)密集型科學(xué)的出現(xiàn),科學(xué)研究從問(wèn)題驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)變的轉(zhuǎn)折時(shí)期。大數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)代表了科學(xué)研究范式的變革。梳理科學(xué)發(fā)展紋理可見,人類經(jīng)歷過(guò)四次重要的范式變革:第一范式的核心是歸納法;第二范式的核心是以演繹法理性為主;第三范式主要針對(duì)復(fù)雜性系統(tǒng)進(jìn)行模擬;對(duì)大數(shù)據(jù)的有效分析澤成為當(dāng)前第四范式的主要訴求,它形成了科學(xué)研究的第四范式。

　　大數(shù)據(jù)是一種思維和認(rèn)知論的革命,它開啟了一次重大的時(shí)代轉(zhuǎn)型,因果關(guān)系不再是研究的必要前提。大數(shù)據(jù)挖掘特別適合于窺探具有高維度、全維度空間的現(xiàn)實(shí)世界。關(guān)聯(lián)性思維作為大數(shù)據(jù)的核心思維之一,它可以從很多看似支離破碎的信息中復(fù)原一個(gè)事物的全貌,并進(jìn)而能夠預(yù)測(cè)或判斷出尚未觀察到的事物的現(xiàn)象。大數(shù)據(jù)思維和大數(shù)據(jù)挖掘算法在地球資源、環(huán)境、災(zāi)害中的應(yīng)用將是未來(lái)相當(dāng)一個(gè)時(shí)期內(nèi)數(shù)學(xué)地球科學(xué)的主要發(fā)展方向。

　　參考文獻(xiàn)(References):

　　AfzalP,AlghalandisYF,KhakzadA,MoarefvandP,OmranNR.2011.DelineationofmineralizationzonesinporphyryCudepositsbyfractalconcentration-volumemodeling.JournalofGeochemicalExploration,108(3):220-232

　　AgrawalR,SrikantR.1994.Fastalgorithmsforminingassociationrules.In:Proceedingsofthe20thVLDBConference.Santiago,Chile,487-499AgterbergF.2014.

　　Geomathematics:Theoreticalfoundations,applicationsandfuturedevelopments.Switzerland:SpringerAllardD,ComunianA,RenardP.2012.

　　Probabilityaggregationmethodsingeoscience.MathematicalGeosciences,44(5):545-581AryafarA,MoeiniH.2017.

　　ApplicationofcontinuousrestrictedBoltzmannmachinetodetectmultivariateanomaliesfromstreamsedimentgeochemicaldata,Korit,EastofIran.JournalofMiningandEnvironment,8(4):673-682

　　BagasL,XiaoKY,MarkJ,LiN.2017.QuantitativeassessmentofChina’smineralresourcesPart1.OreGeologyReviews,91:1081-1083

　　作者：周永章1,左仁廣2,劉剛2,袁峰3,毛先成4,郭艷軍5,肖凡1,廖杰1,劉艷鵬1

轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jzlw/26410.html