用户专区

下载专区

排行榜

友情链接

微信公众号

期刊搜索

当前目录

2019年第38卷第12期

(下载当期目录)

  • 论传统研究与大数据研究的关系(代序)
    张旗,朱月琴,焦守涛
    2019  .  38(12):    1939-1942    [摘要](88)    [PDF](68)
  • 在大数据背景下看TAS分类的不足及可能的解决方案
    张旗,葛粲,焦守涛,袁峰,张明明,刘惠云
    火山岩TAS分类是国际地质科学联合会在1989年第28届国际地质大会上通过的,迄今已经40年了。该分类对推进岩石学和地球化学的研究起了积极的作用,规范了岩石(尤其火山岩)的命名,方便了学术界的交流。但是,不能不承认,早先的研究,由于分析方法、分析技术以及数据量的限制,是存在某些局限性的。现在,全球已积累了海量的数据,应当有条件对火山岩的分类做一个新的探讨了。文中讨论了TAS分类的初衷、分类的原则及存在的问题,推出了新的TAS分类方案。早先的分类一共划分了15个岩区,新的方案压缩为10个,其中9个保留了早先的命名,新增一个碱流岩区。新的TAS图最大的变化在碱性岩系列,在新的TAS图中,碱性岩系列呈"人"字形分布,把粗玄岩系列封闭起来,弥补了早先的TAS分类在酸性岩部分的不足,还发现TAS图理论上可能存在的一些问题。本文的探讨是初步的,只是抛砖引玉,希望能够引起学术界的关注,开启利用大数据方法对TAS分类的新的研究。
    2019  .  38(12):    1943-1954    [摘要](101)    [PDF](78)
  • 碱性岩及碱性与亚碱性岩系列的界线——基于全球火山岩数据的探讨
    焦守涛,张旗,葛粲,朱月琴,袁玲玲,邵葆蓉,凌晓,袁峰,周永章
    国际地球科学联合会规定,碱性岩必须要有实际碱性矿物和/或似长石出现作为标志,但同时又同意TAS图中B区的玄武岩可以细分为碱性玄武岩和亚碱性玄武岩,取决于它们是否有标准矿物霞石出现。有标准矿物霞石出现的玄武岩归入碱性玄武岩,夏威夷岩有霞石标准矿物出现,是碱性玄武岩。碱性玄武岩和夏威夷岩分别出现在TAS图上的两个区(碱性玄武岩在B区,夏威夷岩在S1区),这是否存在概念上的混乱?早先学术界关于碱性和碱性岩的定义并不完美,由许多学者厘定的碱性-亚碱性的界线区分的不是拉斑与碱性系列,而是正常系列与粗玄岩系列。采用全球火山岩数据考察TAS图及碱性-亚碱性界线,发现碱性与碱性岩在术语的解释上存在瑕疵并提出解决的方案。
    2019  .  38(12):    1955-1962    [摘要](64)    [PDF](61)
  • 基于大数据方法建立大洋安山岩构造环境判别图
    刘欣雨,张旗,张成立
    岩浆岩的地球化学元素往往对其构造环境具有一定的指示作用,前人使用构造环境判别图描述二者之间的关联关系。然而,安山岩因其岩石成因的复杂性和构造环境的"单调性",在判别图研究领域并未受到重视。收集了GEOROC和PetDB两个数据库中的全球新生代洋中脊安山岩(MORA)、洋岛安山岩(OIA)和岛弧安山岩(IAA)。使用43个元素组成的924个比值建立超过42万个直角坐标系,将三类安山岩数据投入坐标系中,并通过MATLAB计算三者之间的交叠率筛选出4个最佳判别图:lg(Ga/Cs)-lg(Ba/Nb)、lg(TFeO/Ga)-lg(Eu/Pb)、lg(K2O/Nb)-lg(Ga/Cs)和lg(MnO/Pb)-lg(Cs/Nb)。利用核密度曲线对比图分析判别图中的元素及元素比值,结果表明:①LILE(大离子亲石元素)与HFSE(高场强元素)的比值关系能有效区分MORA和IAA;②LILE与其他元素的比值关系则更有利于从三者中识别出OIA;③LILE在一定程度上比HFSE更易于判别大洋安山岩的构造环境。研究表明,安山岩可以成为一种使用范围更广泛的构造环境指示剂,其判别效果甚至优于玄武岩判别图。这也进一步说明,安山岩的成因虽然比玄武岩复杂,但是大数据方法是提取出具有构造环境指示意义的相关关系的有效途径。
    2019  .  38(12):    1963-1970    [摘要](71)    [PDF](79)
  • 科马提岩与苦橄岩的区别及对若干晚古生代“科马提岩”的质疑
    李振焕,刘学龙,朱月琴,张旗,罗应,张昌振,陈建航,王帅帅,杨富成
    以往学术界更多的关注科马提岩和苦橄岩的相似性,忽略其差异。通过全数据模式,采集数据库内全球的太古宙科马提岩、后太古宙低/高钛苦橄岩数据,对比三者之间的差异发现,科马提岩更富MgO、Cr、Ni、Cs、Pb、Co和Zn,其次为低钛苦橄岩(除Co和Zn),其余主量、微量元素的含量由高至低依次为高钛苦橄岩、低钛苦橄岩、科马提岩。依据元素间的差异(如Cr/Ga、MgO/Ga、MnO/Zr、Cr/Zr等),采用密度分布函数(Density Distribution)在Matlab软件中绘制出可有效区分3类岩石的等密度判别图,并用该图对若干晚古生代"科马提岩"的岩性重新厘定。结合岩相学和地球化学特征研究表明,晚古生代"科马提岩"中,印度东部为高钛苦橄岩,越南为化学成分与科马提岩类似的低钛苦橄岩,印度拉达克地区为低钛苦橄岩。
    2019  .  38(12):    1971-1980    [摘要](60)    [PDF](61)
  • 基于镁铁-超镁铁岩中单斜辉石主量元素含量的决策树集成算法对比
    孙建鹍,杜雪亮,章宝月,王龙,金维浚,张旗,罗熊,朱月琴
    依靠岩浆构造环境的地球化学成分认识岩浆形成过程是岩石地球化学中的重要应用。当前利用岩石地球化学成分判别构造环境的工作还不够深入。用4种基于决策树的机器学习方法对来自全球新生代洋岛玄武岩(OIB)、岛弧玄武岩(IAB)及大洋中脊玄武岩(MORB)等镁铁-超镁铁岩中单斜辉石的13种主量元素构成数据集进行了岩浆构造环境判别和主要特征排序。通过对比4种基于决策树的机器学习方法,验证了树类算法对于地球化学成分识别问题的有效性,并总结出4种方法在处理岩浆构造环境判别问题时的优劣:决策树算法判别过程更易于理解,但是其准确率欠佳;boosting算法中的AdaBoost和GBDT对于岩浆构造环境的鉴别准确度较高,但构造过程复杂;bagging集成算法随机森林在权衡性能和模型可理解性时不失为一个良好的选择。此外,还通过4种算法的特征重要性排序得出Cr2O3,TFeO,TiO2,FeO和Al2O3是进行岩浆构造环境判别的重要成分。
    2019  .  38(12):    1981-1991    [摘要](53)    [PDF](51)
  • 锆石微量元素对成矿岩体的判别——来自大数据思维的应用
    耿厅,周永章,李兴远,王俊,陈川,王堃屹,韩紫奇
    华南钦杭结合带燕山期岩浆活动异常活跃,且具有较明显的成矿专属性。近年来微区测试技术日益成熟,积累了大量锆石微量数据。通过全体数据挖掘的思维方法,对前人发表的数据进行了进一步数据挖掘,利用锆石稀土元素对岩体成矿潜力进行判别,探讨有效的找矿地球化学标志。利用Python语言编程,对采用的13种稀土元素及元素比值进行穷举式组合,获得了4095个二元图解及121485个三元图解,并设计筛选算法,自动筛选出能有效区分锆石母岩成矿类型的图解。结果表明,锆石稀土元素含量及比值图解对不同成矿类型岩体的区分程度各异:与Ce、Eu有关的地球化学指标可以较清晰地对斑岩铜矿和钨锡(锡)矿床进行判别,这可能与岩体的氧逸度和含水量有关。此外,还挖掘出一些新的元素组合图解,如Dy/Lu-Er/Lu、Gd/Dy-Er/Yb等,可以有效区分岩体成矿类型,其隐含的地球化学机制尚待进一步解释。地球化学数据挖掘结果可以作为找矿标志使用,为华南燕山期岩浆-热液矿床研究及找矿勘查提供了科学依据,也是大数据技术在矿床学方面应用研究的积极探索。
    2019  .  38(12):    1992-1998    [摘要](77)    [PDF](75)
  • 基于卷积神经网络模型划分成矿远景区——以甘肃大桥地区金多金属矿田为例
    蔡惠慧,徐永洋,李孜轩,曹豪豪,冯雅兴,陈思琼,李永胜
    大数据和高性能计算使得地质学可能突破种种主客观因素的限制,从传统的定性描述和不确定性作为特点转变为更全面的定量化发展阶段,即地质学更加注重通过挖掘复杂的多元地学数据间的关联关系来探究地质成因过程。为了厘清研究区多元化地质数据并划分成矿远景区,结合现代信息化新方法新技术,智能高效地帮助地学工作者提供辅助决策依据。以甘肃省大桥金矿为研究区,提出了利用一维卷积神经网络替代传统的人工计算,通过对研究区金多金属矿的地球化学元素及地球物理元素数据进行训练,挖掘研究区综合成矿信息,依据训练结果划分出4类成矿远景区。研究结果表明,地质成矿过程复杂,每一个成矿预测要素在地质成矿过程中均发挥重要的作用。在大比例尺度上,应用深度学习网络模型划分成矿远景区能客观地反映多元化地质数据本身的非线性特征,识别地质要素的空间特征,深层次提取和挖掘成矿异常信息,实现矿产资源智能化预测评价。
    2019  .  38(12):    1999-2009    [摘要](61)    [PDF](60)
  • 基于机器学习的三维矿产定量预测——以四川拉拉铜矿为例
    向杰,陈建平,肖克炎,李诗,张志平,张烨
    在大数据蓬勃发展的时代背景下,矿产资源定量预测作为地质大数据的核心部分,其综合分析挖掘多元信息的基本思路与大数据的理念不谋而合。以四川拉拉铜矿为例,开展基于机器学习的三维矿产资源定量预测。通过建立三维地质模型,提取成矿有利信息,构建研究区定量预测模型;基于"立方块预测模型"找矿方法,采用机器学习随机森林算法,计算出研究区成矿概率分布,以此圈定出5个找矿远景区。结果表明,随机森林具有更高的预测准确度与稳定性,且能够对控矿要素重要性做出定量评价。该研究成功地将机器学习应用于三维矿产定量预测,为今后的矿产资源预测评价做出了积极的探索。
    2019  .  38(12):    2010-2021    [摘要](53)    [PDF](61)
  • 基于AlexNet网络的二维找矿预测——以松桃—花垣地区沉积型锰矿为例
    李诗,陈建平,向杰,张志平,张烨
    在大数据的时代背景下,地质大数据逐渐趋于复杂化的模式与其间的空间关联性为基于机器学习算法的矿产资源定量预测带来了更大的挑战。利用深度卷积网络算法优异的分析性能来提取不同成矿条件下多种二维要素图层的空间分布特征与关联性是一项非常有意义的探索性实验。以松桃-花垣地区沉积型锰矿为例,利用深度卷积神经网络模型AlexNet挖掘Mn元素、沉积相、大塘坡组出露、断裂及水系的空间分布与锰矿矿床的就位空间的耦合相关性,以及不同的控矿要素之间的相关性,以此训练出二维矿产预测分类模型。经过训练后,可以得到验证准确率88.89%,召回率为66.67%,损失值0.08的深度卷积神经网络分类模型。应用该模型对未知区进行二维成矿预测,共圈定出91、96、154、184号4个成矿远景区,其中91号和154号的区域含矿概率为1,96号含矿概率为0.5。由此可见,预测区具有很大概率存在尚未发现的矿床。
    2019  .  38(12):    2022-2032    [摘要](48)    [PDF](52)
  • 基于循环神经网络的找矿模型构建与预测
    张亚光,陈建平,贾志杰,李诗,刘苏庆,张志平,张烨
    在大数据和人工智能背景下,基于已有的传统地质找矿模型建立与应用基础,提出基于循环神经网络的找矿模型构建与预测方法,实现对地质数据的深入分析和理解。针对地质找矿模型构建与预测的需求,结合数据清洗理论,对传统地质找矿模型进行归纳与总结,建立地质找矿知识库,为深度学习算法提供训练数据。通过分类算法研究,综合对比结果的准确率与分类所用时间,最终选用RNN分类算法对找矿概念模型进行分类。在建立研究区找矿模型中,通过关键词与控矿要素完成模型匹配,利用模型计算对模型匹配结果进行数据分析,实现区域地质找矿模型的构建与矿产资源的预测评价和分析。以大水金矿为例,快速准确地实现了找矿模型的构建,有效地对矿产资源预测工作提供了指导,验证了该方法的可行性。
    2019  .  38(12):    2033-2042    [摘要](50)    [PDF](55)
  • 一维到三维密度分布函数及其可视化在大数据分析中的应用——以苦橄质玄武岩等为例
    葛粲,张旗,李修钰,孙贺,顾海欧,李伟伟,袁峰
    提出不同维度的密度分布函数的计算方法和可视化方案,以解决不同数量级和不同测量误差的岩石样本数据分析对比困难的问题。通过SiO2、全碱和MgO指标的三维密度分布函数和t-分布随机邻域嵌入可视化方法对GEOROC和PETDB数据库进行发掘,发现大洋岩(oceanite)和富辉橄玄岩(ankaramite)与苦橄质玄武岩(basalt,picritic)成分相近,而铁质苦橄岩(picrite,ferro)与侵入的橄榄辉长岩和苦橄岩(picrite)成分相似。利用二维密度分布函数和可视化技术,对比分析了不同岩石在TAS图解和硅镁图上的数据分布状态和数据集中核心区域。发现总体分布上,更富镁的苦橄岩的SiO2含量高于苦橄质玄武岩,超基性的苦橄岩(picrate)核心区域主要分布在TAS图解的B区,这与以SiO2=45%划分基性岩和超基性岩界线的观点矛盾。
    2019  .  38(12):    2043-2052    [摘要](49)    [PDF](53)
  • 基于VGG模型的岩石薄片图像识别
    白林,魏昕,刘禹,吴崇阳,陈立辉
    岩石薄片图像的复杂性和多解性,导致岩石薄片分类难度较大。尝试将深度学习方法应用于岩石薄片图像分类。实验选取了安山岩、白云岩、花岗岩等6种常见岩石种类的薄片图像,每类1000张图像作为实验数据,建立了岩石薄片分类的VGG模型,经过9万次训练后,测试集识别准确率达到了82%。对实验结果进行了分析,发现相似组成成分的岩石图像容易混淆,如白云岩与鲕粒灰岩均属于碳酸盐岩,容易相互误判。在安山岩特征图中提取出了斜长石斑晶和微晶及隐晶质或玻璃质基质,在鲕粒灰岩特征图中提取了鲕粒及填隙物中的亮晶方解石,也验证了方法的可靠性。
    2019  .  38(12):    2053-2058    [摘要](55)    [PDF](55)
  • 基于改进InceptionV3模型的常见矿物智能识别
    彭伟航,白林,商世为,唐小洁,张哲远
    以常见的16类矿物作为研究对象,收集每一类矿物约1000张图像,按比例划分为训练集、验证集和测试集,通过图像随机选取增加数据的多样性,建立矿物识别InceptionV3模型,训练7万次在测试集上获得81%的识别正确率。通过对损失函数的改进,引入Center Loss损失函数,训练40万次识别准确率提高到86%。对分类的混淆矩阵分析发现,孔雀石等外观特征明显的矿物识别正确率很高,而闪锌矿等与其他矿物容易混淆导致正确率较低。从特征图分析看出,模型很好地提取了孔雀石的放射状特征,矿物图像特征向量聚集程度很高,也说明了模型的可靠性。
    2019  .  38(12):    2059-2066    [摘要](49)    [PDF](44)
  • 基于空间数据和专家知识驱动的地质编图技术研究与应用
    王杨刚,郝丽荣,黄辉,李玉嵩,张大可,张庆合,李丽,张琳,蒋作瑞
    地质图编制专业性强、工作量大,编图环节繁琐,而人工智能、大数据等新一代信息技术的快速发展,为中国地质图的编图技术发展提供了支撑。在地质大数据环境下,提出基于地质知识驱动的地质编图技术,通过构建地质编图时空综合模型和地质代号智能识别模型,可以对多图幅的沉积岩、侵入岩、火山岩、变质岩、构造等地质要素进行人机交互式、自动化、智能化地图元综合、断层简化、线形圆滑、图幅接边等。近年来,基于该技术在青海东部地区、河南洛阳、郑州地区及京津冀多地区开展的编图实践表明,该编图技术能够显著提高地质编图工作效率,具有实际应用意义。
    2019  .  38(12):    2067-2076    [摘要](55)    [PDF](56)
  • 基于邻域约束聚类的地球化学异常提取
    杨昭颖,冯磊,姜德才,朱月琴,余先川
    通过分析地球化学数据的元素值属性和空间位置,提出一种基于邻域约束聚类的方法,使用该方法对地球化学元素聚类后,能提取矩形、环状、半环状等特殊形状,进而提取地球化学异常。选取河南崤山地区2个实验区的地球化学数据进行实验,实验一的结果表明,出现矩形的位置与已知钨矿矿点位置一致;实验二的结果表明,出现环形的位置与已知铜矿矿点位置一致。实验证明了基于邻域约束聚类的方法在提取地球化学异常方面的有效性。
    2019  .  38(12):    2077-2084    [摘要](43)    [PDF](50)
  • 《地质通报》2019年第38卷1~12期总目次
    2019  .  38(12):    2085-2102    [摘要](74)    [PDF](63)

信息公告

更多>>

期刊检索

引用排行

更多>>

在线期刊