可解释性矿产预测人工智能模型

扫码查看

原文链接

万方数据

中文摘要：矿产资源潜力评价主要目的之一是通过整合和分析地质找矿大数据以缩小找矿区域.地质找矿大数据具有数据量大、结构复杂等特征,常常无法对其进行有效地处理和解释.人工智能算法是挖掘地质找矿大数据中潜在非线性矿化模式的有效工具,已经在矿产预测领域表现出优越性能.然而,人工智能驱动的矿产预测目前面临一些挑战,如可解释性差、泛化能力弱、预测结果与物理规律不一致等.本文在前人研究的基础上,将领域知识嵌入人工智能驱动的矿产预测全过程,建立了更加透明和可解释的矿产预测人工智能模型.该模型提供了强大的成矿知识和专家经验指导矿产预测人工智能模型训练的全过程,包括数据输入、模型设计及模型输出等环节,从而提高矿产预测人工智能模型的可解释性和预测性能.总体而言,可解释性矿产预测人工智能模型实现了整个建模过程中先验知识和专家经验的嵌入,为未来矿产预测研究提供了一个有价值和前景的方向.

外文标题：Explainable artificial intelligence models for mineral prospectivity mapping

作者：

左仁广、成秋明、许莹、杨帆帆、熊义辉、王子烨、Oliver P.KREUZER

展开 >

作者单位：

中国地质大学(武汉)地质过程与矿产资源国家重点实验室,武汉 430074

中山大学地球科学与工程学院,珠海 519000

Corporate Geoscience Group(CGSG),PO Box 5128 Rockingham Beach,WA 6969,Australia

Economic Geology Research Centre(EGRU),College of Science and Engineering,James Cook University,Townsville,QLD 4811,Australia

展开 >

关键词：

人工智能矿产预测地质找矿大数据领域知识可解释性

基金：

国家自然科学基金项目国家自然科学基金项目湖北省自然科学基金项目

项目编号：

42321001421723262023AFA001

出版年：

2024

DOI：

10.1360/N072024-0018

中国科学(地球科学)

中国科学院

中国科学(地球科学)

CSTPCD北大核心

影响因子：1.828

ISSN：1674-7240

年,卷(期)：2024.54(9)