近日，我校地质过程与矿产资源国家重点实验左仁广教授团队的最新研究成果在Earth-Science Reviews刊 发——Deep learning and its application in geochemical mapping。论文第一和通讯作者为左仁广教授。

进入大数据时代，如何利用机器学习尤其是深度学习方法对多源地学空间数据进行挖掘与集成是当前的研究热点与前沿。我国积累了大量高质量、多元素、多尺度的地球化学数据，为矿产勘查与环境评价提供了有效的数据支撑。如何对这些数据进行二次开发和再利用，提取有价值的地球化学异常并带动找矿突破是当前矿产勘查的重点研究内容之一。

基于此，左仁广团队分析了当前勘查地球化学数据处理研究进展，总结了勘查地球化学数据处理的三大类方法；系统的介绍了机器学习尤其是深度学习模型的原理及在勘查地球化学数据处理中的构建过程与应用进展，并以闽西南为例，对比分析了深度学习在地球化学异常识别和多源地学信息融合与集成效果，研究结果表明深度学习可有效地对勘查地球化学数据进行特征提取与信息融合集成，但如何研发基于地质约束的深度学习模型及如何优化与选取深度学习模型中的参数还有待深入研究。

该研究受国家自然科学基金面上项目的资助。

论文信息：

Title：Deep learning and its application in geochemical mapping

Authors：Renguang Zuo, Yihui Xiong, Jian Wang, Emmanuel John M. Carranza

Sources：Earth-Science Reviews, 192, 1-14

Published：May 2019

论文链接：https://doi.org/10.1016/j.earscirev.2019.02.023