朱飛燕

(西安航空職業(yè)技術(shù)學(xué)院，陜西 西安 710089)

全球經(jīng)濟(jì)一體化戰(zhàn)略的深入推進(jìn)為我國(guó)工業(yè)發(fā)展帶來(lái)前所未有的機(jī)遇，作為工業(yè)生產(chǎn)的主要原料，金屬礦產(chǎn)資源受到來(lái)自于各領(lǐng)域的密切與廣泛關(guān)注[1]。當(dāng)前，我國(guó)礦產(chǎn)資源短缺，供不應(yīng)求，因此，國(guó)家戰(zhàn)略明確提出要實(shí)施地質(zhì)找礦戰(zhàn)略工程，加強(qiáng)勘察，進(jìn)行金屬礦等重要礦產(chǎn)資源儲(chǔ)備體系的建立，取得地質(zhì)找礦重大突破。然而，面對(duì)國(guó)家地質(zhì)數(shù)據(jù)爆炸式增長(zhǎng)態(tài)勢(shì)的出現(xiàn)，我國(guó)金屬礦勘察工作由原來(lái)的淺部、易識(shí)別逐漸轉(zhuǎn)變?yōu)殡[伏、難識(shí)別，從而加大了找礦難度，因此，勘察工作的成功需要依靠新理論、新技術(shù)方法的提高。積極研究新的更有效的金屬礦產(chǎn)資源信息采集與分析方法，有效提高找礦效率。

大數(shù)據(jù)技術(shù)包括對(duì)海量數(shù)據(jù)的獲取、存儲(chǔ)、計(jì)算、分析及可視化技術(shù)，是現(xiàn)階段第4范式的主要工具，正引發(fā)地球科學(xué)領(lǐng)域的深刻變革。數(shù)據(jù)的大并非大數(shù)據(jù)的關(guān)鍵，其關(guān)鍵應(yīng)當(dāng)是思維的新，他從數(shù)據(jù)出發(fā)，讓數(shù)據(jù)說(shuō)話，以人工智能方法為支持，逐漸讓機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、可視分析等技術(shù)成為必需[2]。怎樣從數(shù)據(jù)抽象出模型，并對(duì)模型進(jìn)行分析。從理論層面看，只要具備代表性足夠的樣本，便可采取數(shù)學(xué)方法確定一個(gè)或一組模型的組合，使其與真實(shí)情況相類似。計(jì)算機(jī)技術(shù)的進(jìn)步、大數(shù)據(jù)的普及使基于大數(shù)據(jù)的模型構(gòu)建與分析得以實(shí)現(xiàn)。以大數(shù)據(jù)的發(fā)現(xiàn)與挖掘?yàn)槿胧贮c(diǎn)，進(jìn)行多金屬礦綜合信息找礦模型的建立，并基于大數(shù)據(jù)機(jī)器學(xué)習(xí)完成找礦模型預(yù)測(cè)，為礦產(chǎn)資源大數(shù)據(jù)的發(fā)現(xiàn)與挖掘、找礦模型建立與預(yù)測(cè)工作的開(kāi)展提供可借鑒的方法。

1 大數(shù)據(jù)處理流程

圖1為大數(shù)據(jù)的處理流程[3]。從數(shù)據(jù)源處獲取的數(shù)據(jù)，在結(jié)構(gòu)上存在結(jié)構(gòu)、半結(jié)構(gòu)、非結(jié)構(gòu)的不同，需采用特殊的方法進(jìn)行相應(yīng)的處理與集成，使其轉(zhuǎn)變?yōu)闃?biāo)準(zhǔn)統(tǒng)一的數(shù)據(jù)格式，為后期的處理工作提供便利；之后，運(yùn)用恰當(dāng)?shù)臄?shù)據(jù)分析方法處理與分析這些數(shù)據(jù)，在可視化技術(shù)支持下將結(jié)果呈現(xiàn)給用戶。

1.1 數(shù)據(jù)采集

大數(shù)據(jù)之“大”，本就是數(shù)量多、種類復(fù)雜的體現(xiàn)，采用多種方法獲取數(shù)據(jù)甚為關(guān)鍵。在大數(shù)據(jù)處理流程中，最基礎(chǔ)的就是數(shù)據(jù)采集，目前較為常用的數(shù)據(jù)采集手段是：傳感器收取、視頻識(shí)別、數(shù)據(jù)檢索分類等。隨著智能手機(jī)、平板電腦等移動(dòng)設(shè)備的普及，越來(lái)越多的移動(dòng)軟件被開(kāi)發(fā)應(yīng)用，社交網(wǎng)絡(luò)不斷擴(kuò)大，在加快信息流通速度的同時(shí)亦提高了數(shù)據(jù)的采集精度。

1.2 數(shù)據(jù)處理與集成

主要是處理、清洗已采集到的數(shù)據(jù)，并對(duì)其進(jìn)行進(jìn)一步的集成與存儲(chǔ)。經(jīng)各種渠道獲取的數(shù)據(jù)種類與結(jié)構(gòu)十分復(fù)雜，需將其轉(zhuǎn)換為單一或便于處理的結(jié)構(gòu)，為后期的數(shù)據(jù)分析打基礎(chǔ)。這些數(shù)據(jù)中可能摻雜一些噪音與干擾項(xiàng)，故還需對(duì)他們進(jìn)行“去噪”與清洗，確保數(shù)據(jù)可靠性。常用的數(shù)據(jù)清洗去噪方法是進(jìn)行一些數(shù)據(jù)過(guò)濾器的設(shè)計(jì)，采用聚類或關(guān)聯(lián)分析等規(guī)則方法過(guò)濾無(wú)用或錯(cuò)誤的離群數(shù)據(jù)。另外，數(shù)據(jù)的集成與存儲(chǔ)亦十分重要，如果隨意放置已整理好的數(shù)據(jù)，會(huì)影響其后期的取用。目前常用的數(shù)據(jù)集成與存儲(chǔ)方法為建立專門的數(shù)據(jù)庫(kù)，對(duì)類型不同的數(shù)據(jù)信息進(jìn)行類放置，以此減少數(shù)據(jù)查詢與訪問(wèn)時(shí)間，提高提取效率。

圖1 大數(shù)據(jù)處理基本流程

1.3 數(shù)據(jù)分析

在整個(gè)大數(shù)據(jù)處理流程中，數(shù)據(jù)分析最為核心，可發(fā)現(xiàn)數(shù)據(jù)的價(jià)值所在。傳統(tǒng)數(shù)據(jù)處理分析方法有數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、智能算法以及統(tǒng)計(jì)分析等，隨著進(jìn)一步的發(fā)展，云計(jì)算技術(shù)得以出現(xiàn)，分布式文件系統(tǒng)GFS、分布式數(shù)據(jù)庫(kù)BigTable、批處理技術(shù)MapReduce、開(kāi)源實(shí)現(xiàn)平臺(tái)Hadoop等均以云計(jì)算為依托，共同為大數(shù)據(jù)的處理與分析提供良好手段。

1.4 數(shù)據(jù)解釋

大數(shù)據(jù)分析結(jié)果的解釋與展示是數(shù)據(jù)信息用戶最關(guān)心的內(nèi)容。隨著數(shù)據(jù)量的不斷增大，數(shù)據(jù)分析結(jié)果愈發(fā)復(fù)雜，采用傳統(tǒng)數(shù)據(jù)顯示方式已難以對(duì)數(shù)據(jù)分析結(jié)果的輸出需求予以滿足。為了增強(qiáng)數(shù)據(jù)解釋與展示能力，數(shù)據(jù)可視化技術(shù)(基于集合、基于圖標(biāo)、基于圖像、面向像素等技術(shù))得以出現(xiàn)并得到了快速的發(fā)展，他能形象地展示數(shù)據(jù)分析結(jié)果，為用戶理解與接受提供便利。

2 多金屬礦找礦模型及預(yù)測(cè)技術(shù)方法

針對(duì)多金屬礦找礦需求，基于傳統(tǒng)的多金屬礦綜合信息找礦數(shù)據(jù)應(yīng)用，對(duì)大數(shù)據(jù)技術(shù)加以運(yùn)用，進(jìn)行找礦專題信息數(shù)據(jù)的采集與處理，之后，在大數(shù)據(jù)分析與解釋方法的支持下開(kāi)展多金屬礦綜合信息找礦模型的預(yù)測(cè)工作[4]，實(shí)現(xiàn)大數(shù)據(jù)相關(guān)技術(shù)在多金屬綜合信息找礦領(lǐng)域的應(yīng)用，圖2為其技術(shù)方法。

圖2 模型構(gòu)建與預(yù)測(cè)技術(shù)方法

1)多金屬礦綜合信息數(shù)據(jù)采集與處理主要通過(guò)爬蟲(chóng)與正則表達(dá)式爬取與抽取公域網(wǎng)數(shù)據(jù)，借助Everything.dll方法全盤搜索與獲取局域網(wǎng)絡(luò)內(nèi)的計(jì)算機(jī)本地?cái)?shù)據(jù)，之后，按照統(tǒng)一的清洗與存儲(chǔ)標(biāo)準(zhǔn)執(zhí)行對(duì)所采集到的數(shù)據(jù)的處理操作，得到多金屬礦綜合信息找礦專題大數(shù)據(jù)。

2)數(shù)據(jù)分析與解釋是在獲取的研究區(qū)金屬礦綜合信息找礦專題大數(shù)據(jù)基礎(chǔ)之上，與人工選擇確認(rèn)的方式相結(jié)合對(duì)數(shù)據(jù)進(jìn)行整理，系統(tǒng)歸納并總結(jié)傳統(tǒng)的多金屬礦綜合信息找礦模型，得到研究區(qū)的控礦要素，執(zhí)行對(duì)統(tǒng)一找礦模型數(shù)據(jù)庫(kù)的建立操作。之后，采用大數(shù)據(jù)機(jī)器學(xué)習(xí)方法中的支持向量機(jī)算法分析研究區(qū)數(shù)據(jù)模型，完成找礦模型預(yù)測(cè)。進(jìn)一步地，在原數(shù)據(jù)中添加得到驗(yàn)證的找礦模型，將其作為之后機(jī)器學(xué)習(xí)的訓(xùn)練樣本，豐富數(shù)據(jù)—信息—知識(shí)—價(jià)值服務(wù)—再數(shù)據(jù)的大數(shù)據(jù)應(yīng)用鏈。

3 找礦模型構(gòu)建與預(yù)測(cè)

3.1 模型構(gòu)建

找礦模型構(gòu)建即以多金屬礦綜合信息大數(shù)據(jù)為基礎(chǔ)，進(jìn)行找礦模型及找礦模型數(shù)據(jù)庫(kù)的建立，提供重要數(shù)據(jù)基礎(chǔ)于后期的機(jī)器學(xué)習(xí)。模型構(gòu)建工作主要涉及數(shù)據(jù)整理與模型數(shù)據(jù)庫(kù)建立兩項(xiàng)工作。

1)數(shù)據(jù)整理：①對(duì)典型礦床式命名與抽象總結(jié)式命名兩類模型名稱進(jìn)行整理，出于對(duì)兩者無(wú)法統(tǒng)一的考慮，將模型中的關(guān)鍵詞統(tǒng)一即可；②整理控礦要素，在模型數(shù)量不斷增加的過(guò)程中，同一控礦要素會(huì)重復(fù)出現(xiàn)，然而，不同多金屬礦綜合信息數(shù)據(jù)資料中控礦要素文本數(shù)據(jù)并不嚴(yán)格一致，為了使計(jì)算機(jī)可對(duì)控礦要素進(jìn)行準(zhǔn)確的識(shí)別，需確保同一控礦要素文本數(shù)據(jù)的惟一性。

2)模型數(shù)據(jù)庫(kù)建立，在多金屬礦綜合信息大數(shù)據(jù)的機(jī)器學(xué)習(xí)中，應(yīng)進(jìn)行統(tǒng)一的、對(duì)全部金屬礦床成礦模式或礦床式均有適用性的找礦概念模型數(shù)據(jù)結(jié)構(gòu)的建立。受資料來(lái)源不同、資料記載的成礦地質(zhì)條件與礦產(chǎn)勘察程度存在差異等因素的影響，致使在建立找礦模型時(shí)，對(duì)其理解與具體操作并不統(tǒng)一，同一名稱屬不同概念、不同名稱又屬同一內(nèi)涵的情況時(shí)常出現(xiàn)于不同資料中。所以需根據(jù)多金屬礦綜合信息大數(shù)據(jù)建立起找礦模型同控礦要素的對(duì)應(yīng)關(guān)系。

3.2 模型預(yù)測(cè)

運(yùn)用大數(shù)據(jù)機(jī)器學(xué)習(xí)理論進(jìn)行多金屬礦綜合信息找礦模型預(yù)測(cè)，即進(jìn)行能夠讓計(jì)算機(jī)自動(dòng)“學(xué)習(xí)”的算法的設(shè)計(jì)，使其自動(dòng)分析多金屬礦綜合信息大數(shù)據(jù)，從中獲取隱含的內(nèi)在數(shù)據(jù)規(guī)律，利用規(guī)律預(yù)測(cè)未知的多金屬礦數(shù)據(jù)[5]。

1)支持向量機(jī)原理。在機(jī)器學(xué)習(xí)方法中，支持向量機(jī)是一種以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)的監(jiān)督分類算法，在模式識(shí)別、圖像分類等諸多領(lǐng)域均有應(yīng)用。支持向量機(jī)從線性可分情況下的最優(yōu)分類面演化而來(lái)，目的在于按風(fēng)險(xiǎn)最小化原理進(jìn)行目標(biāo)函數(shù)的構(gòu)造，盡可能區(qū)分兩類模式，亦即得到一個(gè)最優(yōu)分類超平面。圖3所示為其基本思想。

設(shè)樣本集為(xi,yi),i=1,…,n,x∈Rd,y∈{+1,-1}。在線性可分的條件下，存在一個(gè)能夠?qū)深悩颖就耆珠_(kāi)的超平面w·x+b=0，他是分類距離最大時(shí)的平面，滿足條件yi[(w·x)+b]≥1,i=1,2,…,n，且分類間隔2/‖w‖最大。

圖3 SVM的基本思想

在線性不可分條件下，SVM經(jīng)非線性映射Φ:Ra→H將樣本映射至高維特征空間，采用原空間的函數(shù)進(jìn)行內(nèi)積運(yùn)算，并在這一高維特征空間執(zhí)行線性分析任務(wù)。以泛函理論為依據(jù)，只要一種核函數(shù)符合Mercer條件，他便與某一空間中的內(nèi)積相對(duì)應(yīng)。故在最優(yōu)分類上對(duì)適當(dāng)核函數(shù)予以采用便可完成此種線性不可分的分類問(wèn)題。

2)基于支持向量機(jī)的模型預(yù)測(cè)。應(yīng)用R語(yǔ)言包e1071包含的SVM模型進(jìn)行多金屬礦綜合信息找礦模型預(yù)測(cè)，需按以下步驟執(zhí)行。

①優(yōu)化SVM參數(shù)。采用網(wǎng)格尋優(yōu)法對(duì)樣本集進(jìn)行參數(shù)優(yōu)化，明確懲罰因子C與核函數(shù)參數(shù)G的搜索范圍，計(jì)算各樣本集SVM模型的最優(yōu)參數(shù)。之后分別選擇線性核函數(shù)、多項(xiàng)式核函數(shù)、徑向基核函數(shù)以及神經(jīng)網(wǎng)絡(luò)核函數(shù)參與SVM模型的訓(xùn)練，以已知的樣本組合作為測(cè)試集，按照預(yù)測(cè)到的樣本組合個(gè)數(shù)進(jìn)行最優(yōu)模型的選擇。

②評(píng)價(jià)不同樣本集下SVM模型的預(yù)測(cè)效果。作為模型評(píng)價(jià)的一個(gè)重要指標(biāo)，分類精度評(píng)價(jià)主要對(duì)測(cè)試樣本中正確分類的個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，得到分類誤差矩陣，并對(duì)其他分類的精度判斷參數(shù)進(jìn)行進(jìn)一步計(jì)算。針對(duì)二分類問(wèn)題，給出一個(gè)分類器與訓(xùn)練樣本集，前者將后者映射至預(yù)測(cè)類別，這時(shí)可能的輸出包括4類，可通過(guò)混淆矩陣來(lái)表示，如表1所示。

表1 混淆矩陣

表1中的主對(duì)角線給出了每一類正確分類的樣本個(gè)數(shù)，非對(duì)角線上的元素表示的則是沒(méi)有被正確分類的樣本個(gè)數(shù)。以該矩陣為基礎(chǔ)對(duì)模型進(jìn)行預(yù)測(cè)的參數(shù)包括以下幾類：敏感性=TP/(TP+FN)；特異性=TN/(FP+TN)；總體精度=(TP+TN)/(TP+FP+FN+TN)；誤分類率=(FP+FN)/(TP+FP+FN+TN)；假正率=FP/(FP+TN)；假負(fù)率=FN/(TP+FN)。

③預(yù)測(cè)制圖。選擇具有代表性的樣本集作為訓(xùn)練樣本，利用SVM回歸方法得到各統(tǒng)計(jì)單元的預(yù)測(cè)概率，進(jìn)行預(yù)測(cè)概率與累計(jì)面積變化曲線的繪制。根據(jù)研究區(qū)域面積的10%、50%與80%分級(jí)預(yù)測(cè)概率，一、二、三級(jí)分別與高、中、低潛力區(qū)對(duì)應(yīng)，高與中潛力區(qū)即成礦有利區(qū)。

4 多金屬礦找礦模型構(gòu)建與預(yù)測(cè)實(shí)例

以內(nèi)蒙古浩布高地區(qū)為例進(jìn)行分析，主要流程含數(shù)據(jù)采集、控礦要素選取、機(jī)器學(xué)習(xí)、模型計(jì)算以及找礦模型輸出。區(qū)域內(nèi)礦床以高鉛鋅多金屬礦床為主，有多處已知多金屬礦點(diǎn)。

4.1 控礦要素分析與模型數(shù)據(jù)庫(kù)建立

基于成礦帶范圍內(nèi)資料解釋，以金屬礦的控礦條件、礦化現(xiàn)象為目標(biāo)，建立起各類信息的系統(tǒng)關(guān)聯(lián)性，對(duì)他們之間的相關(guān)關(guān)系進(jìn)行探討[6]，建立內(nèi)蒙古浩布高成礦帶的金屬礦綜合信息找礦模型。主要控礦要素包括：①控礦構(gòu)造：以北東向斷裂構(gòu)造為主，礦體的賦存位置在構(gòu)造的疊加復(fù)合處；②含礦地層：二疊系中通大石寨組；③控礦巖體：燕山晚期花崗巖；④接觸帶：燕山晚期花崗巖與二疊系中通大石寨組地層接觸帶；⑤圍巖蝕變：主要是綠泥石化、螢石化等矽卡巖化蝕變；⑥物探：航磁異常在整體上呈低緩之勢(shì)，礦化區(qū)以低緩正磁異常為主；⑦區(qū)域化探：水系沉積物Ag、Pb、Zn異?？傮w上呈現(xiàn)出北東向展布，有較高吻合度，另外，還有As、Sb、Sn、W等元素異常。

基于GIS進(jìn)行綜合信息找礦專題數(shù)據(jù)庫(kù)的建立，該數(shù)據(jù)庫(kù)包含的數(shù)據(jù)有：①地層、巖漿巖、構(gòu)造、巖脈、蝕變等基礎(chǔ)地質(zhì)；②重力異常與航磁異常的物探數(shù)據(jù)；③Ag、Pb、Zn與相關(guān)元素地區(qū)化學(xué)異常的化探數(shù)據(jù)；④已知礦床與多金屬礦化點(diǎn)等信息標(biāo)志。

4.2 基于支持向量機(jī)的多金屬礦預(yù)測(cè)

根據(jù)已明確的控礦要素與模型數(shù)據(jù)庫(kù)，按照100 m×100 m的網(wǎng)格單元對(duì)研究區(qū)進(jìn)行劃分，一個(gè)統(tǒng)計(jì)單元中包含的已知礦點(diǎn)數(shù)量最大為1，對(duì)各單元中10種控礦要素進(jìn)行統(tǒng)計(jì)。經(jīng)處理，確定20個(gè)訓(xùn)練樣本集。

1)SVM參數(shù)優(yōu)化。采用網(wǎng)格尋優(yōu)法優(yōu)化20個(gè)樣本集，明確C與G的范圍為[2-4,24]，得到各樣本集最優(yōu)參數(shù)。將已知的礦組合作為測(cè)試集，明確4種函數(shù)下SVM正確預(yù)測(cè)的已知礦組合個(gè)數(shù)。結(jié)果顯示，徑向基核函數(shù)的適應(yīng)性較好，模型訓(xùn)練統(tǒng)一對(duì)該核函數(shù)予以選用。

2)預(yù)測(cè)效果評(píng)價(jià)。以確定的優(yōu)化參數(shù)C與G為基礎(chǔ)，對(duì)徑向基核函數(shù)予以選用，就20個(gè)樣本集作SVM訓(xùn)練，結(jié)合混淆矩陣評(píng)價(jià)分類精度，五五為一組，樣本T1～T5、T6～T10、T11～T15、T16～T20的評(píng)價(jià)分類精度分別為75.03%、81.81%、83.49%、85.08%，標(biāo)準(zhǔn)差分別為3.12%、3.88%、2.68%、2.03%。總體而言，樣本集訓(xùn)練數(shù)量一致，分類精度較為穩(wěn)定。另外，在訓(xùn)練樣本集中樣本個(gè)數(shù)的不斷增加，總體分類精度亦有所上升，意味著訓(xùn)練樣本的個(gè)數(shù)在一定程度上影響模型預(yù)測(cè)效果。

3)多金屬礦預(yù)測(cè)制圖。選擇樣本個(gè)數(shù)最多的T20，利用SVM模型進(jìn)行多金屬礦預(yù)測(cè)，結(jié)果顯示研究區(qū)的中東部區(qū)域與西北角區(qū)域?yàn)槌傻V的有利區(qū)域。

5 結(jié) 語(yǔ)

分析以大數(shù)據(jù)為基礎(chǔ)的多金屬礦綜合信息找礦模型的構(gòu)建與預(yù)測(cè)方法，明確了多金屬礦綜合信息找礦專題數(shù)據(jù)的自動(dòng)采集與處理、分析與解釋具體方案，是大數(shù)據(jù)技術(shù)在礦產(chǎn)領(lǐng)域的應(yīng)用與實(shí)踐。研究過(guò)程中，提出了多金屬礦綜合信息找礦模型的具體建立思路，并對(duì)大數(shù)據(jù)機(jī)器學(xué)習(xí)算法中的支持向量理念加以應(yīng)用進(jìn)行相應(yīng)的預(yù)測(cè)。模型的基礎(chǔ)是地質(zhì)信息與工作程度，這決定多金屬礦綜合信息找礦模型的建立與預(yù)測(cè)具有階段性。在工作程度不斷提高的進(jìn)程中，信息源與信息量均會(huì)對(duì)模型產(chǎn)生影響，通過(guò)建立此模型，可為今后找礦工作提供一定的理論指導(dǎo)。