共查询到16条相似文献,搜索用时 218 毫秒
1.
大数据背景下地质云的构建与应用 总被引:8,自引:3,他引:5
地质学属于数据密集型科学,并与地球科学面临的问题息息相关。已经收集的和将要收集的大量数字国土相关数据,由于科学研究的需要,正在不断加以检验和扩充。大数据时代背景下,中国国土资源数字化、信息化的战略行动具有深远意义,大数据的相关技术应用为实现地质工作的现代化和信息化提供了有效的支撑。重点介绍大数据背景下的"地质云"构建理念与方法,以及大数据在地学领域的应用。大数据为非结构化、半结构化的地质数据带来了新的处理方法与理念。地质云的构建旨在探索以需求带动的地质核心数据的应用,挖掘非结构化数据的新数据信息,以支撑国土资源管理决策。 相似文献
2.
3.
人类已经进入大数据时代,大数据研究的思想、方法在地学领域也备受关注。笔者认为,大数据研究的对象是数据,研究的工具是计算机,研究的方法、手段是查明数据间相关关系,研究的特点是取向高概率做出决策。大数据是通过对大量数据的挖掘,查明数据间的相关关系,研究问题并做出正确决策的思想、方法。本文提出大数据是应用“归纳法”开展科学研究的思想、方法,以及高性能计算机和大数据计算技术使“归纳法”得以升华的观点。文章通过对统计学、机器学习算法的深入探讨,得出大数据将改变人们对自然的理解和认知方式,改变科学研究的思想和方法,改变长期以来人们通过查找因果关系开展科学研究的习惯。大数据必将开创一条跨越复杂的因果关系、直接获得研究结果的全新的科学研究途径。随着数据爆发式增长,随着高性能计算机的普及和计算技术的迅猛发展,统计分析方法将很大程度地突破数据体量的限制,统计分析预测模型以其真实可靠的处理结果、对条件和结果良好的解释能力、结合机器学习算法对半结构化与非结构化数据的处理优势,将推动地质科学进入定量化研究的新高度。 相似文献
4.
5.
《地质科技情报》2020,(4)
三维地学建模的理论与方法在大数据时代该如何发展,是当下这一领域研究人员非常关注的问题。从现代三维地学建模的重要方法——隐式建模的角度,对三维地学建模方法与地质大数据系统的有机集成、以及如何利用大数据技术提高地学建模的效率和质量等问题进行了探讨。初步提出了一套基于地质科学大数据的三维地学建模方法和流程,包括:地质大数据的搜集、主题大数据系统的搭建、地质特征要素的深度挖掘和三维地学模型的动态构建。同时,也指出了大数据背景下高质效三维地学建模的关键在于:研究实现充分顾及地质对象和地质科学大数据特点的地学人工智能、机器学习、数据挖掘及空间推断方法。通过一个典型矿体建模的应用实例对所提方法的可行性进行了验证。 相似文献
6.
7.
服务于大型综合地学科研项目的在线数据支撑平台 总被引:1,自引:0,他引:1
大型综合地学科研项目产生的数据既是项目研究成果的组成部分, 又是科技创新的重要基础。面向复杂地学信息资源汇交、管理和共享的需要, 有必要建立针对项目自身运行管理和数据产出特色的在线数据支撑平台。本文以973项目“白垩纪地球表层系统重大地质事件与温室气候变化”为例, 研究并应用 Web Services技术与地理信息技术建立服务于特定项目的数据支撑平台。论文阐述了项目数据的分类方法和数据汇交机制, 并基于“数据-功能-用户”视图理念, 设计实现了提供数据汇交、管理和共享功能的数据服务门户以及对WebGIS的集成。应用结果表明: 在线数据支撑平台对发挥多源、复杂、高成本的地学科研数据共享利用价值具有良好的支撑作用; 同时, 具有一定通用性的平台框架对同类项目数据成果的归档管理以及验收汇报演示具有示范意义。 相似文献
8.
地球科学领域处在信息科学与信息化社会时代,基于大数据战略驱动的现代地球科学正在蓬勃兴起。诞生于近代的地球化学具有天然的结构化信息科学属性。提出建立从信息化、模式化到智能化的地球化学大数据信息科学应用研究总体思路,即基于地球化学大数据首先建立信息化系统,运用地球系统科学方法理论建立成矿地球化学分带富集模式与生态地球化学累积效应模式,采用智能系统与智能技术按照模式化思维方式分析、判别和预测大量地质地球化学非线性现象,通过地球化学理论研究和应用评价解决影响国家经济社会发展重要资源环境问题。大数据与地球系统科学构成地球化学应用研究的两大支柱。本文针对目前存在的主要问题,从地球化学大数据信息化、信息模式化及模式智能化等方面进行论述。重要的是以地学模型为主体构建智能化系统,研究成矿系统与生态系统科学问题。世界经济社会发展与资源环境问题处在全球化时代,必须从全球资源配置与全球环境变化高度审视成矿地球化学和生态地球化学问题。地球化学结构化大数据属性的巨大优势,现代计算机关键技术日益成熟及智能化前缘理论研究的不断突破,预示实现地球化学大数据信息科学条件已经具备,可能从地球科学领域脱颖而出,成为具有广博视野和不断进取的新兴科学研究范式。 相似文献
9.
10.
11.
基于深度学习的地质找矿信息挖掘与集成已经成为数学地球科学的前沿领域.深度学习作为一种具有多级非线性变换的层级机器学习算法,在地质找矿大数据挖掘与集成中仍处于探索阶段,还有一系列问题亟需解决.以卷积神经网络为例,探讨了基于深度学习的地质找矿大数据挖掘与集成过程中两大挑战:训练样本不足和深度学习网络模型构建困难,重点分析了基于复制和添加噪声的地质找矿数据增强技术并开展了多组对比实验,构建了适用于地质找矿大数据挖掘与集成的训练样本和卷积神经网络模型.该模型对闽西南铁多金属成矿区的地质、地球物理和地球化学等多源数据进行了特征提取与集成融合,圈定了找矿远景区,为该区进一步找矿提供了科学依据. 相似文献
12.
大数据科学研究范式是大数据时代的必然结果。在大数据时代,地质学研究正面临着前所未有的挑战与机遇,亟需地质大数据分析的基础支撑。本文介绍若干种有价值的地质大数据分析工具及其应用。知识图谱以其强大的语义处理能力和开放组织能力,为大数据时代信息的知识化组织和智能应用提供了有效工具。它旨在描述真实世界中存在的各种实体或概念及其关系,构成一张巨大的语义网络图,以节点表示实体或概念,边则由属性或关系构成。机器学习与卷积神经网络模型仍然是当前地质大数据研究的热点。演化算法借鉴了自然界中生物进化与自适应过程的思想,是一种基于种群的元启发式最优化算法。它具有无需先验知识、能在全局范围内进行隐并行搜索的优点,可以用来精确地获取大数据中隐含的演化趋势与时空特征。图形社区发现技术将网络划分为若干个内部节点相似社区,为分析和理解网络提供有力的技术支持。随着空间分辨率、时间分辨率和辐射分辨率不断提高,遥感技术已广泛成为地质数据获得的主要技术手段。遥感大数据的数据存取和智能处理是最重要的发展方向。这些地质大数据分析方法已有成功的应用案例,并将广泛用于各种地质研究,如城市土壤污染智能监测、模拟、管控与预警研究,得益于地质大数据研究支撑系统的恰当选择以及地质大数据技术的强力支持,建立了可解释的多源多层城市土壤污染知识图谱,源于多源异构大数据有效融合的主要障碍正在去除。 相似文献
13.
大数据与数学地球科学研究进展——大数据与数学地球科学专题代序 总被引:12,自引:9,他引:3
大数据与数学地球科学的核心应用技术包括高维数据降维、图像数据处理、无限数据流挖掘、机器学习、关联规则算法与推荐系统算法等。人工智能地质学,包括大数据-智能矿床成因模型与找矿模型的构建,是具有重要价值的研究方向。高维数据降维旨在从初始高维特征集合中选出低维特征集合,有效地消除无关和冗余特征,增强学习结果的易理解性。哈希算法、聚类分析、主成分分析等是较常用的数学降维工具。机器学习是人工智能的核心,是使计算机具有智能的根本途径。机器学习与人工智能各种基础问题的统一性观点正在形成。深度学习的训练模型往往需要海量数据作为支撑,因此迁移学习方法日益受到重视。图像模式识别是大数据挖掘的重要技术。网络中的社区结构识别对理解整个网络的结构和功能有重要价值,可帮助分析、预测网络各元素间的交互关系。沉浸式虚拟现实技术是实现大数据可视化的重要方向,对具有多元、异构、时空性、非线性、多尺度地质矿产勘查数据的展示要求有特别的价值。引入VR技术进行矿产地质大数据的可视化,可实现大数据时代矿产勘查数据的新认知。无限数据流在地质、地球化学、地球物理监测中大量存在,甚至可以持续自动产生。对数据流数据的计算包括对点查询、范围查询、内积查询、分位数计算、频繁项计算等。关联规则和推荐系统算法是大数据挖掘中的重要算法,其应用范围越来越广泛。贝叶斯原理在大数据时代有独特的价值,贝叶斯网络是成因建模的一个革命性工具。智能地质学研究刚刚起步,构建大数据-智能矿床成因模型与找矿模型是智能地质学研究的重要内容。矿床模型研究方式的变革,将出现于互联网、云计算技术环境下全球各地的矿床研究团队的共同参与。 相似文献
14.
15.
大数据是海量、高增长率和多样化的信息资产,是未来找矿靶区预测的不可或缺的技术。大数据-三维成矿预测研究面临机遇与挑战,其涉及的地学大数据除了数据来源众多、比例尺不同、数据量大、非结构化管理、时效性强、空间数据与非空间数据协同管理等复杂特点外,还必须具有适应进行三维建模及空间分析的数据结构。本文分析了地学空间大数据的特点,对多源地学综合信息的管理需求进行研究,参考国家及行业标准,建立了可满足三维成矿预测需求的多源地学空间数据库模型,并依据实际划分为勘查控制钻孔地质数据库、空间属性数据库和地球物理数据库,各数据库可在多源地学空间索引库的支持下协同工作。本文以大数据应用的典型实例--钟姑矿田作为研究对象,系统收集了矿田内勘查成果资料,建立了钟姑矿田多源地学空间数据库,并在此基础上进行了控矿要素的有效提取,可进一步支持三维成矿预测。研究结果表明,本文提出的多源地学空间数据库可有效管理地学空间大数据,是大数据-三维成矿预测的重要解决方案,是进行三维成矿预测的重要数据支持。 相似文献
16.
After long-term development, mathematical geology has today become an independent discipline. Big Data science, which has become a new scientific paradigm in the 21 st century, gives rise to the geological Big Data, i.e. mathematical geology and quantitative geoscience. Thanks to a robust macro strategy for big data, China’s quantitative geoscience and geological big data’s rapid development meets present requirements and has kept up with international levels. This paper presents China’s decade-long achievements in quantitative prediction and assessment of mineral resources, geoscience information and software systems, geological information platform development, etc., with an emphasis on application of geological big data in informatics, quantitative mineral prediction, geological environment and disaster management, digital land survey, digital city, etc. Looking ahead, mathematical geology is moving towards "Digital Geology", "Digital Land" and "Geological Cloud", eventually realizing China’s grand "Digital China" blueprint, and these valuable results will be showcased on the international academic arena. 相似文献