数智时代沉积学问题之思考

于兴河, 李胜利, 李顺利, 谭程鹏, 付超

古地理学报 ›› 2026, Vol. 28 ›› Issue (2) : 429 -446.

PDF
古地理学报 ›› 2026, Vol. 28 ›› Issue (2) : 429 -446.

数智时代沉积学问题之思考

    于兴河, 李胜利, 李顺利, 谭程鹏, 付超
作者信息 +

Author information +
文章历史 +
PDF

摘要

数智时代背景下,人工智能、大数据等颠覆性技术正驱动沉积学经历第4次研究范式转型。这场转型深刻重塑了学科研究理念与方法体系,不仅关乎沉积学自身理论技术革新,更紧扣国家能源安全、生态环境治理等重大战略需求。为厘清学科发展脉络、明确核心挑战与迎变路径,作者系统梳理沉积学数智化演进、问题类型、技术革新及应用拓展。研究表明,沉积学数智化可分为萌芽与探索期、机器学习兴起期等4个发展时期,其本质是从经验驱动向数据与知识协同驱动转变;借鉴自然科学4大问题类型,沉积学面临灵魂之问、奥秘之问等核心命题,“物-坡”耦合、陆相储集层非均质性等是沉积地质研究的关键突破点。当前,人工智能在沉积学应用中仍存在方法论冲突、数据碎片化、理论滞后等挑战,对此,学科自身需主动打破传统思维定式,摒弃跟随性研究与概念堆砌,树立“理论—技术—数据”融合的全新思维,积极调整发展策略以主动迎接智能化转型。其中,AI大数据模型的部署与优化是数智化转型的核心关键,其重点在于“落地应用、实时监控、持续迭代”全过程,通过模型落地适配现场实际需求、实时监控规避数据漂移隐患、结合新数据持续迭代优化,让AI技术真正服务于学科核心研究。作者提出,唯有立足沉积学学科本体,强化AI模型部署与优化,深度融合人工智能与沉积动力学机制,构建“数据—模拟—验证”闭环,深化学科交叉、拓展深地深海勘探、碳中和等新兴领域应用,推动新质油气的发展,才能推动沉积学从“分析解释”向“模拟生成”跨越,实现更精准、更可预测的高质量发展,从而为国家能源安全与生态文明建设提供坚实科学支撑。

关键词

沉积学 / 数智时代 / 研究范式转型 / AI(人工智能) / 数据碎片化 / 学科交叉

Key words

引用本文

引用格式 ▾
数智时代沉积学问题之思考[J]. 古地理学报, 2026, 28(2): 429-446 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/