为了进一步促进地质大数据关键技术研究，近日，地调局发展研究中心、国土资源部地质信息技术重点实验室邀请美国纽约州立大学徐金辉教授作“真相发现问题的全局最优算法及应用”学术报告。

徐金辉教授首先阐述了对大数据的理解，分析了大数据在大数据量、高维、约束、可靠性、分布式、非结构等方面存在的挑战，引出了通过“计算几何＋机器学习”方法解决大数据的思路；接着，总结了几种大数据挖掘中基于计算几何的机器学习方法，涵盖聚类、分类、回归、关联分析、真相分析等方面；接下来，重点介绍了所带领团队研究提出的真相发现算法，即从多来源数据（具有不同的可信度）中找到真相，介绍了算法的应用背景、设计思想和若干核心策略，重点分析了信息熵感念的引入、高维几何模型在真相发现中的应用等内容；最后，徐教授介绍了“计算几何＋机器学习”方法在生物学中的应用，通过识别正常和病态染色体的空间几何拓扑模式，进行疾病识别和治疗。报告会后，与会人员围绕真相发现技术在地质资料用户真实需求发现、矿产资源定量评价、地质资料之间的关联分析等领域的潜在应用进行了热烈讨论。

本次报告是国土资源部地质信息技术重点实验室进入建设期以来举办的第33次学术报告会，也是今年举办的第７场，促进了ＩＴ领域新方法、新技术在地质调查行业的应用。

来自地调局发展研究中心、地调局资源所、中国测绘科学研究院、中国地质大学（武汉）、北京大学、中国矿业大学（北京）、北京师范大学等单位的40余人参加了会议。

近年来，自然资源部地质调查主流程信息化创新团队（中国地质调查局发展研究中心）基于“AI+大数据+云计算”等新一代技术，开展了地质调查全流程知识+认知智能化为核心的新一代泛数字地质调查技术体系、方法和流程的研究。在地质填图方面，经过近5年的攻关与试验，基本形成了基于填图单位、地质路线（PRB）数据深度学习地质图预测技术、方法、流程和软件系统和应用平台。为检验地质路线（PRB）数据深度学习地质图预测技术方法及应用能力水平，该团队与自然资源部中国地质调查局沈阳地质调查中心正在开展奈玛拉吉、巨里河及荷叶哈达等1:5万图幅填图工作的野外项目组，开始同步野外示范应用、验证与评价工作。

正在开展的3幅1:5万区域地质调查工作工作区，地处内蒙古自治区东部，行政区属通辽市西北部的扎鲁特旗。其主要目标任务重点查明扎鲁特盆地北部晚古生代及中生代地层层序特征及时空演化规律；查明火山岩岩相及火山构造特征，探讨构造岩浆作用及其与成矿作用的关系；查明与探讨环境演化及生态景观变迁特征。目前，工作区内共划分14个岩石地层单位和7个成因类型填图单位，涉及大于162种不同填图单位的岩性。

基于地质路线（PRB）数据深度学习地质图预测是在该项目三幅图幅区域有近45%左右未跑路线的空白区工作程度基础上开展完整三幅预测地质图验证与评价工作的。通过地质路线知识的学习，采用深度学习，提取以地球化学、地球物理、不同成像方式的遥感数据（含SAR数据）、数字高程模型，约50种数据特征，在确保地质对象分类识别正确率最大化的基础上再开展地质图预测。模型计算精度达98%以上，地质对象的测试样本预测准确率超过95%，不同填图单位的岩性测试样本平均召回率超过92%以上。

2020年9月18日至22日，自然资源部地质调查主流程信息化创新团队（中国地质调查局发展研究中心）联合福建地质调查院相关项目合作组与沈阳地调中心该图幅1:5万图幅填图工作的野外项目组一起通过野外实地验证、室内讨论等形式对于地质路线（PRB）数据深度学习地质图预测模型、预测结果从以下8个方面进行了验证和评价：预测准确的地质体评价；预测新的出露位置并准确的地质体评价分析（指原地质草图未体现）；预测与认识不同的地质体评价；浅覆盖地区揭露预测评价；一定深度预测地质对象的评价；地质体相邻关系准确度的评价；火山机构反映程度与准确度评价；总体构造反映程度与准确度评价。

目前实验效果表明，预测图有效兼顾了地质体宏观特征的表达及地质体预测的准确性。从宏观来看已经比较接近一名野外技术人员进行实际填绘的地质图。预测的地质图基本与目前工作阶段人工填绘出的地质图中地质体的分类及地质体的形态均展现较好的一致性；预测地质填图单位在新的出露位置通过野外调查得到验证。在火山机构反映程度与准确度评价方面，预测地质图中共有5处以得到验证，确定在该处存在火山构造。另外，SAR数据的加入展现了所预测的地质图具有浅覆盖地区揭露预测地质体的能力，可以预测出第四系覆盖下的地层展布。

地质图深度学习预测地质图模型核心就是把近百年来地质人员填图的方法、经验和知识形成可计算的知识库，通过人工智能将各种原始数据转化为高维特征表达，最大化去发现和融合相关填图单位及岩性与多专业（涉及地物化遥）、多模态（矢量数据、栅格数据或空间数据和属性数据）、多尺度数据（最高精度0.8米，一般精度为10-2000米之间）、可反映地表及一定深度下（去部分掩盖层）等地质特征的数据特点，精度最大化地预测地质填图单位及岩性，最终使地质图最基本的地质对象---填图单位及岩性在空间的分布形态和展布方向、分布位置、地质对象之间的相邻关系等指标可以准确性最大化的体现和表达。这项技术突破后，将进一步变革现有地质调查工作模式，变地质填图为优化地质路线+地质知识图谱+地质大数据+深度学习算法为一体的新型地质填图模式。