文章快速检索    
  地质通报  2018, Vol. 37 Issue (5): 945-953  
0

引用本文 [复制中英文]

吴永亮, 陈建平, 贾志杰, 徐彬. 地质数据本体构建及其在数据检索中的应用[J]. 地质通报, 2018, 37(5): 945-953.
[复制中文]
Wu Y L, Chen J P, Jia Z J, Xu B. The construction of geological data ontology and its application to data retrieval[J]. Geological Bulletin of China, 2018, 37(5): 945-953.
[复制英文]

基金项目

国土资源部公益性行业科研专项项目《地质大数据技术研究与应用试点》(编号:201511079-02)

作者简介

吴永亮(1987-), 男, 在读博士生, 从事地球探测与信息技术、航天标准化技术研究。E-mail:andyloveti@163.com

文章历史

收稿日期: 2016-12-29
修订日期: 2017-03-20
地质数据本体构建及其在数据检索中的应用
吴永亮1,2,3 , 陈建平1,2 , 贾志杰1,2 , 徐彬1,2     
1. 中国地质大学(北京) 地球科学与资源学院, 北京 100083;
2. 北京市国土资源信息研究开发重点实验室, 北京 100083;
3. 中国航天标准化与产品保证研究院, 北京 100071
摘要: 针对传统以关键词、主题词等字符串匹配为核心的地质数据检索方法存在的查不全、查不准的问题,给出了基于地质数据本体的语义级检索解决方案。通过对地质数据的概念、属性、关系、规则及相应实例的详细表达,构建了地质数据本体(矿产资源预测部分),搭建数据检索系统并开展了应用实践。实验表明,引入地质数据本体后,检索结果在数据的查全率和查准率方面显著提高,并能智能推送相关联的数据信息。开发的地质大数据专题检索系统,实现了对局域网中多源异构地质数据的获取、半自动化标注和语义关联检索,满足地质大数据应用服务的需求,对于大数据时代背景下地质数据的精确发现、深层挖掘及共享有重要意义。
关键词: 地质数据    本体    检索系统    
The construction of geological data ontology and its application to data retrieval
WU Yongliang1,2,3, CHEN Jianping1,2, JIA Zhijie1,2, XU Bin1,2     
1. School of Earth Sciences and Resources, China University of Geosciences, Beijing 100083, China;
2. Beijing Key Laboratory of Development and Research for Land Resources Information, Beijing 100083, China;
3. China Academy of Aerospace Standardization and Product Assurance, Beijing 100071, China
Abstract: In view of the problem that the data retrieval by traditional searching methods based on keywords and topic words cannot satisfy the real needs that emerge in the geological data research, this study provides a solution for semantic level retrieval. A geological data ontology model related to mineral resource predication is built through a detailed expression of the concepts, characteristics, relationship and instances. The geological data linked retrieval system is established. By associating the geological data ontology, the experiment in this research proves that the proposed ontology shows a significant improvement in data discovery. The linked retrieval system could obtain the geological data in local area network and research relatively in semantic level to meet the requirement of big data application service. The application of geological data ontology in this paper will have an important significance for the accurate data discovery, data tapping and data sharing in the era of geological big data.
Key words: geological data    ontology    retrieval system    

地质学属于数据密集型科学[1],对地质数据的发现与研究是解决地质问题的重要途径[2]。随着地质信息时代的来临,地质数据已经呈现出爆炸式增长的趋势,面临着数据量巨大、挖掘效率低等问题。同时,地质大数据又区别于传统的互联网大数据,具有多源、多元、异构、时空性、相关性、非线性、随机性等特征[3]。如何在海量的地质数据中及时、准确地找到所需要的数据,挖掘蕴含在数据中的关联知识,适应多变的应用环境和专题检索的需求,成为当前地质学科发展亟待解决的难题。

目前,研究人员主要基于关键词的字符串匹配方法来检索相关的地质数据。这种检索方式存在一些问题:①检索者难以用简单的几个关键词来表达想要检索的内容;②自然语言在知识表达上并不严谨,导致自然语言与索引关键词产生差异,影响检索结果;③传统检索方法获取的信息关联性较弱,检索匹配方式单一,不能给检索者提供智能式推送服务(即无法获取与搜索关键词相关联的信息,并将其智能、有序地推送给用户)。根本原因是基于关键词的检索是在语法层次上的检索,检索者往往需要在语义层次上的检索结果。

大数据技术的高速发展及其在互联网领域的成功应用,为处理地质数据带来了新的思路与方法[4-5]。领域本体的构建能够为语义检索提供逻辑支撑,提高检索结果的质量,为该领域的研究者提供更加准确的知识反馈。本体是概念模型的形式化说明[6-8],利用抽象的概念,对地质领域涉及的知识进行明确表达和推理,可在语义层次上解释地质数据及其之间的关系,实现地质数据的关联检索与知识推送。

随着本体理论方法的不断成熟,国内外学者开展了大量的本体构建及应用研究。周树理等[9]构建了石油勘探开发领域本体三维模型,将石油勘探开发本体分为主题域、知识域和本体域;张莹等[10]分析了地理本体的特征和构建方法,将地理本体的空间特征区与属性特征相区分,并进行分别构建;李媛媛等[11]利用勘探开发领域业务模型形成的统一标准的数据资源,提出勘探开发领域的业务过程本体的构建方法;王东旭等[12]提出了地理空间本体构建框架,给出了地理空间数据表达方法,并建立了完整的地理数据空间本体。这些研究在地质领域应用依然存在问题:①仅针对各自特定的领域本体,没有针对地质数据本体构建的研究;②地质工作的概念知识体系不够全面,不能涵盖底层概念;③各类研究偏重于本体构建,缺乏基于本体模型实现地质大数据的关键检索的应用研究与效果评价。本文从地质数据的知识模型和本体基本元素入手,以矿产资源预测专题为例,建立地质数据本体模型,给出其涉及的概念、关系、属性描述方法,开发了地质大数据专题检索系统,实现地质数据的关联检索与智能推送。

1 地质知识模型

从现实世界到地质世界,人类对地质领域的认知是各类地质研究与地质工作的过程。地质知识模型如下:将地质对象及其相互之间的关系进行概括和抽象,形成地质概念或关系;将地质概念与关系进行定性和定量的表达形成属性信息;同时属性信息又是认识各种地质事物、地质现象或地质过程的描述,是区别不同地质概念和关系的依据。地质数据是整个地质知识模型的载体(图 1)。

图 1 地质知识模型 Fig.1 Model of geological knowledge

地质数据是地质研究和地质工作形成地质知识的形式化表达。描述地质数据的内容主要包括三部分:①对地质对象本身的描述;②对地质概念及其之间关系的描述;③对地质数据自身属性的描述,包括定性描述与定量数值表达。

2 地质知识本体 2.1 地质数据本体的基本元素 2.1.1 组成

构建地质数据本体的目标是获取、描述和表示地质领域知识,总结领域内共同认识的概念词汇,从不同层次以形式化方式给出概念与概念之间相互关系的明确定义,建立基于共同理解的地质领域知识体系。地质数据本体能够描述复杂的地质数据知识模型。

根据矿产资源预测的检索服务需求和专业知识,将与矿产资源预测相关的地质数据知识体系进行框架划分,对概念与实例进行分类,确定概念之间的关系,明确属性与规则,最终以地质概念、关系、属性、规则、实例等元素表达出来,见公式(1)。这些元素形成地质数据本体[13-14]

$ {\rm{GDO = < GDC, GDR, GDP, GDR}}, {\rm{ GDI, > }} $ (1)

式中,GDO(Geological Data Ontology)表示地质数据本体;GDC(Geological Data Concepts)表示地质数据概念的集合;GDR(Geological Data Relationships)表示关系的集合,代表地质概念之间的某种关系,包括语义关系、空间关系等;GDP(Geological Data Properties)表示属性的集合,代表地质数据本身的属性,用以全面描述地质数据的本质特征;GDR(Geological Data Rules)表示规则的集合,代表地质数据特殊的限制规则或关联规则;GDI(Geological Data Individuals)表示实例的集合,代表各类地质概念相应的具体实例。本体元素的描述示例见图 2

图 2 地质数据本体示例 Fig.2 The example of geological data ontology
2.1.2 地质数据本体的概念

地质数据概念集(包括实例集)是对地质本质的概括性描述,用来表达地质数据相关知识点。建立地质数据本体概念的方法主要有: ①自上向下法,即先定义领域中综合的、概括性的概念,然后逐步细化、说明;②自下向上法,即先定义具体的、特殊的概念,然后将这些概念泛化成综合性概念;③混合法,即将前2种方法结合[15-16]

本文以地质工作的类型、地质数据的应用及地质专业作为划分依据,并参考“地质资料服务产品体系划分”、“地质学汉语叙词表”等,采用自上向下法对地质数据中与矿产资源预测相关的概念表达进行划分。以矿床成因类型的矿种预测一般从岩浆条件、构造条件、地层条件、地球化学、地球物理、遥感地质等控矿因素进行分类分级,经过整理与分析,将矿产资源预测相关概念的顶层框架分为基础地质、海洋地质、矿产地质、地球物理勘查、地球化学勘查、地质遥感勘查等,然后逐级细分,最终形成矿产资源预测相关的知识体系。

2.1.3 地质数据本体的关系

关系用来描述概念之间的关联,是实现地质数据组织、分析、推理、关联检索、智能推送的基本依据。根据贾黎莉等[17]的研究,本体关系主要有12种,包括上下位关系、等同关系、与关系和交叉关系、或关系、矛盾关系、时间关系、空间关系等,这些关系类型能清楚地表达各类概念之间的关系。但是,在地质数据领域本体中不需要构建如此复杂的关系,只需满足能实现智能关联的专题检索即可。通过对上述关系类型进行分析,并结合Protégé软件中地质数据空间本体建模的实践,确定地质数据本体中主要的关系如下。

(1)上下位关系(Sub class of/Super class of),用来描述地理概念之间的层级关系,包括从属关系(即部分与整体之间的关系)、继承关系(也称父子关系,即类与子类之间的关系),如“基础地质”与“地层”。

(2)等同关系(Equivalent to),用来描述同级地质概念或实例之间的等价关系。等价关系主要情况如下:同一概念的不同命名,俗称与学名;同一概念的不同译名,简称与全称;全译名与外文缩写词等,如“铜陵”与“定陵”、“义安”。

(3)交叉关系(Crossing relations),有且只有部分内涵相同的2个概念之间的关系称为交叉关系,如“破碎带蚀变岩型金银矿”与“蚀变破碎岩型铅锌银矿”。

(4)概念实例关系(Members),用来描述地理概念与相应实例之间的关系,如“金属矿产”与实例“铜矿”。

(5)空间关系(Spatial relations),空间关系是指事物之间的位置关系。空间关系主要包括:相交、相接、相离、包含、被包含、覆盖、被覆盖、重合等拓扑关系。此外,空间关系中还有方位关系、距离关系等,但是与矿产资源预测相关的关系,不需要如此详细的表达。

2.1.4 地质数据本体的规则与属性

规则是针对建立的本体的特殊要求,如公理等。本文根据已有矿床预测模型的研究成果,引入相关数据建立规则关联,包含全国主要的矿床预测模型、预测种类、预测评价模型等数据。

属性是对地质对象的定量或定性表示,是对地质数据自身的描述,是当前数据检索的重要依据。根据TD/T 1016—2003 《国土资源信息核心元数据标准》,同时考虑地质行业背景和矿产资源预测的需求等因素,确定属性信息包括标识、数据质量、空间参照系统、分发信息等。

(1)标识信息主要包括数据集引用、摘要、数据内容的时间范围、表示方式、内容的专业类别、联系信息等必选元素,以及描述空间数据集的地理范围、地理描述、垂向范围、空间分辨率、影像轨道标识等条件必选或可选元素。

(2)数据质量主要包括概述和数据志。概述是对数据集质量的定性和定量信息的概括描述,并说明数据质量的保证措施。数据志是从数据源到数据集当前状态的演变过程说明。

(3)空间参照系信息是数据集使用的空间参照系统的说明,主要包括坐标类型、坐标系统名称、投影参数等。

(4)分发信息用于描述有关数据集的分发者和获取数据的方法,主要包括分发者、负责单位、生产者、各方联系方式等。

2.2 地质数据本体的构建

地质数据本体构建是一个系统化的过程,涉及海量的地质知识。根据矿产资源预测专题检索的需求,确定专题地质数据所涉及的概念、实例、属性、关系和规则,利用本体建模软件构建基于OWL文件格式的本体模型[18]。为了保证专题检索信息的准确性、全面性和可行性,在本体构建过程中仅针对矿产资源预测相关的专题知识,且提供可扩展、可更新的本体模型,从而在实际应用中可以不断修正、完善。根据地质数据本体框架(见图 3),在Protégé中构建相应本体模型:在Classes模块中建立地质数据对象的层级结构和关联关系;在Object properties中地质数据本体的关联关系类型及其层级结构,根据具体情况定义关系的属性,例如传递性(Transitivity)、对称性(Symmetry)、相似性(Similarity)等;在Individuals中构建相应概念的实例,并把不同实例的关系、属性,以及规则约束表达清楚。利用Protégé自带的推理机完成潜在关系推理,生成OWL格式的本体模型。

图 3 地质数据本体框架(矿产资源预测相关) Fig.3 The overall framework of geological data ontology

在实际的本体建模中,构建的关系及其属性越多,知识体系描述越全面,基于本体的推理能力就越强,但同时建模工作量也越大。因此,根据实际需求建立并不断改进关系描述,可提升建模效率与检索性能指标。

通过C#语言搭建检索系统,利用XML文件解析模块读取导入的OWL格式本体模型,从而获取地质数据本体中的知识[12, 18]。这种模型应用方法比传统基于Jena的本体查询方法更加便利,可以同时读取多个不同内容的本体模型,便于本体模型的构建与应用。本文根据矿产资源预测专题检索的需求,同时构建并应用了地质数据本体(矿产资源预测相关内容)和地理数据本体(全国主要矿产勘查相关内容)。

3 地质数据本体在矿产资源预测专题检索中的应用 3.1 检索系统设计

由于信息密集、资料保密等原因,核心的地质数据主要存储于内部局域网中。这类数据蕴涵大量的地质工作成果与经验实践,包括各类文档、模型、物化遥勘查等多元异构数据。但局域网数据存储分散,数据量巨大且不断增长。因成本、管理等问题,难以通过一台服务器建立关系数据库,解决数据统一管理的问题。另一方面,若每次检索任务都通过局域网访问各计算机进行全盘扫描,则数据的检索效率低下,难以便捷、高效且全面获取到需求数据。

本文针对局域网地质数据,利用C#开发语言和MySQL数据库,集成了Nherbinate框架工具,采用较成熟的C/S体系结构及目录服务器搜索模式,开发了地质大数据专题检索系统,实现了地质数据精确发现与信息挖掘。系统主要功能模块如下。

(1)数据发现与标注模块:通过调用Everything. dll的方法实现局域网络内计算机本地数据的全盘搜索、排序、全路径获取等;对获取的数据进行分类梳理、清洗,按照地质数据本体的关联项将地质数据进行规范化的语义标注,形成统一的元数据存入数据库。此外,未经标注的数据信息也可存入数据库,但仅能根据文件名称被检索[19]

(2)数据库模块:在服务器中建立地质数据目录索引,通过Nherbinate框架工具把地质数据对象映射到MySQL数据库中。客户应用程序访问索引目录并检索到需要的地质数据信息后,采用自动的P2P在线或FTP离线传输方式下载需要的地质数据。此数据管理方式可使服务器运行数据负荷较轻,对数据库存储容量要求极低,可高效地对局域网内全部计算机数据进行检索并获取目标数据,极大地提高了地质数据检索的响应速度。

(3)数据检索模块:该模块用于获取与检索目标相关联的数据,检索原理如图 4所示。通过程序实现关联检索过程如下:①当检索词汇进入检索系统时,通过分词功能进行语义分析、分词;②确定划分的词汇在本体模型中的位置,获取与其相关的概念、关系、属性等作为关联项;③对每一个关联项,根据推理规则获取与检索词汇相关联的内容集;④根据关联内容集,再分别进行检索,依次循环,最终获取全部关联数据。通过控制推理、关联规则可以保证关联数据收敛,修正返回结果,完善检索应用服务[20-21]

图 4 数据检索系统原理 Fig.4 Principles of the data retrieval system
3.2 案例分析

以“铜陵铜矿”数据为例,通过构建与“铜陵铜矿”相关联的内容集并检索对应数据,实现基于地质数据本体的关联检索[22]。首先通过分词得到“铜陵”和“铜矿”,再通过本体进行关联推理,获取与其对应的关联项,包括铜陵的空间关联、铜矿的语义关联、对应矿床预测评价模型的规则关联等。根据关联项形成关联内容集,通过搜索引擎进行检索,获取数据库中的关联数据。例如,空间关联内容有拓扑关系的“铜官山矿田”等,相接关系的“华北地块”等,被包含关系的“安徽”等;语义关联内容有等同关系的“定陵”等;规则关联内容有矿床预测评价模型是“斑岩型铜钼金银矿床”,预测类型是“舒家店式”,同类型还有“玉龙式”等;按照概念实例关联铜陵斑岩型铜矿等。具体关联示例见图 5

图 5 地质数据本体对象表达——以铜陵铜矿为例 Fig.5 The expression of geological data ontology object with the Tongling Cu deposit in Anhui as an example
3.3 实验分析

北京市国土资源信息研究开发重点实验室多年来开展了大量矿产资源预测评价工作,积累了海量的地质数据,以及矿产资源预测工作成果与经验。据不完全统计,实验室局域网含有全国各主要矿产资源预测区域的报告、矿产三维模型、物化遥勘探等各类数据约15TB。本文以该实验室局域网的地质数据资料为基础,随机选择局域网内一台计算机的数据作为检索数据源(约2000条,数据索引生成时间3s)。按照地质数据本体内容项,标注其中具有代表性的230条地质数据,开展文件名检索、关键词匹配检索和基于本体关联检索的对比实验。

当检索“城门山矿床”时(人工确认相关数据共有28条),结果如下:①通过操作系统自带的文件名检索功能,共搜索到5条数据,该方法查全率仅为17.9%,且需要在计算机本地操作。②通过检索系统以传统关键词匹配的搜索方法(可检索元数据信息),共检索到14条数据(含2条无关数据)。在检索结果中有“江西九江城门山铜矿三维地质地球化学特征与成矿预测”等名称相关数据5条,“地球化学异常(元数据标注城门山)”等元数据相关数据7条,其查全率有所提升(为42.9%)。③通过地质数据本体的检索方法得到的数据(图 6)共有34条,除直接搜索得出上述11条描述“城门山矿床”的数据外,还通过推理搜索得出关联的“九江”、“矽卡岩矿床”、铜等相关数据。此外,关联检索还可智能指导用户搜索相关联的矿床数据。经过计算,其查全率和查准率分别为100%和71.8%。

图 6 基于地质数据本体检索结果展示 Fig.6 The searching results based on geological data ontology

分别选取矿物、矿产地质中构建的实例,进行基于关键词和地质数据本体的检索对比实验,得到的统计结果如表 1所示。

表 1 基于关键词和地质数据本体检索结果 Table 1 The table of retrieval results based on keywords and geological data ontology

经过反复实验,对系统关联规则进行如下优化:①地质数据的属性内容繁多、关系复杂,在专题检索应用中,过多关联会造成检索范围过大,对查准率有一定的影响。因此仅保留属性中的地区等关键内容项的关联,降低关系的复杂程度,可以提升查准率。②系统引入的本体模型主要针对矿产预测,对于矿产预测相关的数据进行关联推理,推理深度越高,与检索数据关联内容集的内容就越多。经过实验发现,随着推理深度的增加,系统检索计算量呈指数级增长,导致检索时长剧增。通过设置推理深度阀值可提升系统的运行效率,避免循环检索,实现数据收敛。③同一数据可能与检索目标词汇有多重关联关系,即同一数据在不同的检索深度或者被不同的关联项检索时会被多次检索到。因此,检索系统增加了关联权重计算及重复数据优化功能。对与检索目标词关联关系数越多的数据,认为其与检索目标越相关。

通过以上2种检索方法的对比,可以得出以下结论:基于地质数据本体的搜索方法,在数据查准率和查全率上相较于以字符串匹配为核心的搜索方法有较大优势;经过语义标注的数据,可以提供更多关联信息,提升数据被挖掘的效率与可能性;基于地质数据本体的检索方法还能智能推荐用户搜索与目的信息相关联的数据,提供启发式服务,促进地质数据的共享与重用率,发掘出已有数据的潜在价值。

4 结论与建议

通过对地质的概念、属性、关系、规则及相应实例的详细表达,提出了地质本体构建框架,并在此基础上构建了较完整的地质数据本体(矿产资源预测部分),以实现地质数据的智能关联,最后开发了地质大数据专题检索系统。对北京市国土资源信息研究开发重点实验室局域网数据进行应用实验,证明了基于地质数据本体的检索方法在查全率和查准率方面具有明显优势,既实现了关联检索,又可智能推送关联信息,对地质大数据技术应用具有重要意义。

本文构建的地质数据本体涉及矿产资源预测领域相关的各个方面,内容繁多且关系复杂。引入本体关系后,检索返回结果数明显提升,但对查准率有一定的影响。随着关联推理深度的增加,系统的计算量呈指数级增长。如何利用关联关系数进行结果筛选与排序,优化权重计算方法,提升系统查准率和检索效率是下一步研究的重点。

致谢: 感谢成文过程中中国地质科学院矿产资源研究所肖克炎研究员的帮助。

参考文献
[1] 陈建平, 李婧, 崔宁, 等. 大数据背景下地质云的构建与应用[J]. 地质通报, 2015, 34(7): 1260–1265.
[2] 赵鹏大. 数学地质与矿产资源评价[J]. 地质学刊, 2012, 3: 225–228. DOI:10.3969/j.issn.1674-3636.2012.03.225.
[3] 李婧, 陈建平, 王翔. 地质大数据存储技术[J]. 地质通报, 2015, 34(8): 1589–1594.
[4] Manegold S, Kersten M. Big Data[J]. ERCIM News, 2012, 89: 33–36.
[5] 赵国栋, 易欢欢, 糜万军, 等. 大数据时代的历史机遇[M]. 北京: 清华大学出版社, 2013.
[6] Gruber T R. Toward principles for the design of ontologies used for knowledge sharing[J]. International Journal of Human and Computer Studies, 1995, 43(5): 907–928.
[7] Navigli R, Velardi P. Learning domain ontologies from document warehouses and dedicated web sites[J]. Association for Computational Linguistics, 2004(2): 151–179.
[8] Liu B S, Gao J. General ontology learning framework[J]. Journal of Southeast University, 2006, 22(3): 381–384.
[9] 周树理, 严建文, 包红林, 等. 石油勘探开发领域本体构建及应用[J]. 计算机系统应用, 2015, 24(5): 172–176.
[10] 张莹, 陈衡军, 张智. 地理本体研究综述——构建方法与技术[J]. 测绘标准化, 2015, 31(1): 21–24.
[11] 李媛媛, 陈长胜. 基于井位部署业务的勘探开发领域业务过程本体构建[J]. 东北石油大学学报, 2016, 40(2): 64–70.
[12] 王东旭, 诸云强, 潘鹏, 等. 地理数据空间本体构建及其在数据检索中的应用[J]. 地球信息科学学报, 2016, 18(4): 443–452.
[13] 杨月华, 杜军平, 平源. 基于本体的智能信息检索系统[J]. 软件学报, 2015, 26(7): 1675–1687.
[14] 杜小勇, 李曼, 王珊. 本体学习研究综述[J]. 软件学报, 2006, 17(9): 1837–1847.
[15] 陈建军, 周成虎, 王敬贵. 地理本体的研究进展与分析[J]. 地学前缘, 2006, 13(3): 81–90.
[16] 王洪伟, 吴家春, 蒋馥. 基于描述逻辑的本体模型研究[J]. 系统工程, 2003, 21(3): 101–106.
[17] 贾黎莉. Ontology构建中概念间关系的研究[D]. 中国农业科学院硕士学位论文, 2007. http://cdmd.cnki.com.cn/article/cdmd-82101-2007156188.htm
[18] 孙凯, 诸云强, 潘鹏, 等. 形态本体及其在地理空间数据发现中的应用研究[J]. 地球信息科学学报, 2016, 18(8): 1011–1021.
[19] 廖述梅. 基于本体的语义标注原型评述[J]. 计算机工程与科学, 2006, 28(9): 123–125.
[20] 颜端武, 丁晟春, 李岳蒙, 等. 基于语义Web和Jena插件的语义检索系统实验研究[J]. 情报理论与实践, 2006, 29(3): 349–352.
[21] 田宏, 马朋云. 基于Jena的城市交通领域本体推理和查询方法[J]. 计算机应用与软件, 2011, 28(8): 57–59.
[22] 向杰, 陈建平, 胡桥, 等. 基于矿床成矿系列的三维成矿预测——以安徽铜陵矿集区为例[J]. 现代地质, 2016, 30(1): 230–237.