融合知识图谱的矿产资源定量预测

王成彬; 王明果; 王博; 陈建国; 马小刚; 蒋恕

doi:10.13745/j.esf.sf.2024.5.3

地学前缘 ›› 2024, Vol. 31 ›› Issue (4) : 26 -36. DOI: 10.13745/j.esf.sf.2024.5.3

知识图谱与智能推理

融合知识图谱的矿产资源定量预测

王成彬 ¹^,³ ,
王明果 ¹^,² ,
王博 ¹ ,
陈建国 ¹^,³ ,
马小刚 ⁴ ,
蒋恕 ³

作者信息 +

Knowledge graph-infused quantitative mineral resource forecasting

Chengbin WANG ¹^,³ ,
Mingguo WANG ¹^,² ,
Bo WANG ¹ ,
Jianguo CHEN ¹^,³ ,
Xiaogang MA ⁴ ,
Shu JIANG ³

Author information +

文章历史 +

PDF (6206K)

摘要

大数据和人工智能极大地促进了矿产勘查的发展,创新了矿产预测研究范式,提升了地质找矿大数据的挖掘与集成能力。在资源定量预测领域,知识-数据联合驱动的综合信息智能预测已逐渐成为行业共识,如何实现数据和知识联合驱动是目前亟待解决的问题。知识图谱可以整合多源、异构的地质找矿大数据,其中蕴含的知识和规则在驱动地球科学领域的知识发现方面具有重要的发展潜力。本文针对大数据和人工智能时代对资源定量预测智能化和自动化的需求,结合知识图谱相关技术的特点,探讨融合知识图谱技术的矿产资源定量预测智能化和自动化的可行性和技术方法路线。重点剖析面向矿产预测的成矿-勘查系统多时序全要素知识图谱构建和基于知识图谱从“求同”和“求异”的角度建立找矿预测模型,知识图谱中的知识嵌入到地物化遥异常信息提取的方法,以及融合知识图谱的资源定量预测工作的机遇和挑战。拟希望将知识图谱中知识表达和推理融入到矿产资源定量预测技术方法流程中,协助地质专家来确定矿产预测模型,提高矿产预测的自动化和智能化。