【每日一读】人工智能在地质领域的应用与展望

人工智能在地质领域的应用与展望

李灿锋，周德坤，杨克好，刘达中国地质调查局昆明自然资源综合调查中心

导读：

面对地质专业发展需求，地质学者必须主动求变，要把握“地质+人工智能”发展的重大历史机遇，引领世界地质领域人工智能技术发展新潮流，服务经济社会发展，支撑国家能源、矿产、水、生态环境安全。

李灿锋等针对“地质+人工智能”的特点，分析了“地质+人工智能”国内文献情况，详细介绍了其发展脉络，阐述了人工智能在基础地质、能源矿产、地质灾害、水工环等方面研究与进展。

本文属于中国地质调查局地质调查项目（DD20208075）成果，李灿锋等根据中国地质调查局职能使命，提出了“地质+人工智能”未来发展方向、发展重点。很有启示意义！

——内容提纲——

0 引言1 人工智能在地质领域的发展现状2 人工智能在地质领域的应用现状3 人工智能在地质领域面临的问题和挑战4 展望人工智能在地质领域未来发展5 结语

—————

0 引言

人类社会正经历着一次巨大的技术变革———第四次工业革命，人工智能技术则是这场革命的推进器、加速器。目前，人工智能在工业、医学等领域都有着广泛应用。同样，人工智能在地质领域也有着巨大的应用潜力，如智能装备、智能地质填图、成矿预测、地灾智能监测预警等。随着人口增长，能源短缺、环境恶化、水资源不足、全球气候变暖等问题日益突出，人类活动受到资源环境的影响越来越严重，地球的局限性越来越明显。因此，人类期望通过新技术新方法解决地球所面临的资源环境等一系列问题。在地球科学领域中，如何做到有效的监测、预测、预警，保持人类社会可持续发展，实现人与自然和谐共生，将是一项十分具有挑战的课题。目前由于地质领域新技术新方法新工艺的不断应用，相关的地质数据成指数级增加，其涵盖学科门类众多，也带来了地质数据来源广、规模大、时间尺度长、复杂性高等问题。地球科学家面临的首要挑战之一是如何从海量数据中提取尽可能多的有用信息并获得新发现新认识，以期待在学科领域获得新突破。有理由相信，人工智能将在数据存储、数据处理、数据挖掘、分析预测等方面提供新的解决办法，为地球科学家提供新的解决问题的途径。

目前国内地质领域科技创新能力不足，缺乏新技术、新方法、新设备的自主创新和应用，信息化程度不高，部分先进装备靠进口，如地质岩心钻探技术与装备，智能化装备不足。全球科技正朝着数字化、信息化、智能化方向迅速发展，地质智能化已成为行业前沿热点和发展趋势，有望大幅度提高地质勘查效率和质量，降低成本和风险，减轻地质工作者繁琐的脑力劳动和繁重的体力劳动，提升深地深海开发水平，拓展海洋探索开发深度和广度，维护和保障国家的经济稳定和能源安全。本文根据中国地质调查局职能使命，改变以往以学科为主线的科学研究，调整为以国家重大需求为主线，以问题为导向的科研模式，并且许多重大科学问题都具有复杂性，需要通过学科交叉融合来研究解决。以此为指导思想，本文从基础地质、能源矿产、地质灾害、水工环等方面阐述相关领域研究。通过研究人工智能技术在地质领域的研究现状，结合实际需求，阐述人工智能技术在上述4个方面的研究进展与应用情况，探索并展望人工智能技术应用重点与发展趋势。

1 人工智能在地质领域的发展现状

1.1 “地质+人工智能”国内文献检索情况

根据Gartner的2018年技术趋势调查，AI被列为第一大战略技术，相信在不久的未来，人工智能将会给地质行业带来实质性变革。通过对学术期刊上发表的相关文献检索，回顾“地质+人工智能”历史和发展。以CNKI中的期刊数据为来源，对术语“人工智能”和“智能”进行全文搜索，以及与地质领域相关的12个术语———地质、矿物、矿床、矿产、岩石、地球化学、地球物理、遥感、水、环境、工程勘察、能源；与AI相关的23个具体的术语———计算机视觉、盲目搜索、启发式搜索、数据挖掘、智能Agent、专家系统、模糊语言建模、模拟退火算法、遗传算法、图像识别、仿生模型、混合模型、混合模型、机器视觉、自然语言处理、神经网络、模式识别、知识表示、粒子群优化、k-均值、支持向量机、知识图谱、深度学习。根据蔡自兴等（2016）人工智能类别选择了一些术语。排除了那些不特定的人工智能词汇，如可视化、生物信息学、计划和调度。通过篇名搜索相关论文，选择契合性最高的篇名进行搜索，最能体现最新研究动态，清晰地把握“地质+人工智能”发展的基本脉络，较好的梳理出发展进程。

初步筛选删除了“智能”一词与人工智能无关的文献，以及被发现的“智能”一词只出现在引用的参考文献中，而引用的内容并未涉及人工智能任何方面的文献。从中筛选出从1982年到2020年所发表的关于“地质+人工智能”文献总共有1162篇。

1982年利用模式识别方法处理地球物理问题，1984年真正意义上的“地质+人工智能”出现，开始了地质领域人工智技术的摸索。从1982—2010年，发表的文献数量逐年增加，其中实质性的人工智能文献不到一半。随着人工智能的不断发展，从2010—2020年发表的文献数量大幅增加，约占全部文献的56%，更为重要的是这些文献中很多都是实质性“地质+人工智能”文献，这清楚的表明，随着大数据、云计算、5C+、区块链、物联网等发展，促进了人工智能研究快速发展，催生出地质领域新的研究方向（图1）。

图1 按年度在期刊上发表的“地质+人工智能”文献

1.2 发展现状

地质领域行业单位通过跨专业、跨学科、跨领域融合交叉，取得了初步应用成果。一是智能设备初步应用，无人机、地灾预警装备等代替了人工操作，应用在遥感解译、矿体预测、地质灾害监测预警等场景中；二是许多单位已经意识到了数据共享的重要性，研发了一体化平台、智能软件等；三是大数据、云计算、5C+、区块链、物联网、人工智能等技术应用到了地质数据的分析处理。目前，人工智能技术在一些领域运用较广，如矿物识别、灾害预警、智能填图等，但是某些领域还处在初步探索，如资源环境承载力评价。现阶段地质领域人工智能应用大多是单学科、单领域的应用，尚未能在多领域、跨学科上推广。

人工智能技术主要采用数据驱动和超级计算的方法，其中数据就显得尤为重要，其也被誉为“未来的新石油”、战略资源、战略高地。大数据作为人工智能发展的三个重要基础（数据、算法、算力）之一，本身与人工智能就存在紧密的联系，正是基于大数据技术的发展，人工智能技术才在应用方面获得了诸多突破。地质领域正处在大数据高速发展时期，国内外相关行业协会产生了众多专题数据库和一批大数据集成平台（图2）。

图2 地质专题数据库和共享平台

数据库建设由此成为大数据发展和推广的基础工作，不同学科、不同类型、不同层次数据库的建设，促进了地质学科的发展，极大推动了地球系统科学进步，真正做到了让数据“发声”“说话”，人工智能反过来促进了大数据挖掘、分析、预测等作用，如数据降维、加快基于数据驱动决策。未来将会有更多的全球地学研究者从事大数据、人工智能研究工作，但目前地质大数据仍存在许多问题，如数据冗余、数据类型复杂、存储空间不足、统计错误、反馈信息慢，等等。人工智能技术为解决地质数据爆炸提供了新思路、新方法、新技术，即从传统的以地质工程师、科学家为主导，分析数据、总结规律的研究过程，转变为以人工智能技术从大数据中挖掘信息、分析数据、发现新规律的过程，做到有精度的预测。

中国地质调查局在人工智能方面取得了可喜的进步，在地质智能领域迈出了关键的一步（表1）。

表1 地质调查局近五年来人工智能进展

2 人工智能在地质领域的应用现状

人工智能在基础地质、能源矿产、地质灾害、水工环等方面均开展了一些探索性研究，取得了重要进展。

2.1 基础地质

2.1.1 传统地质领域

岩矿鉴定：通过人工智能技术手段，能够实现智能化识别，减少鉴定者劳动强度，增加结果的准确性、客观性、稳定性。用深度学习建立相关模型，对于岩石薄片镜下矿石矿物识别准确率超过90%，达到分类准确。

智能地质填图：通过影像建模和人工智能、深度算法改进地调方法流程，减少了大比例尺填图的内业工作量，自动填图正确率达到88.7%，省时省力精度高，大幅度减少对环境的扰动。通过融合数据库、CIS、智能算法、专家知识等跨学科跨领域技术与方法，创建了基于地质图综合智能地质编图方法，可“一键式”完成地质体各功能性环境，至少节省70%的编图时间。开发了多款智能移动终端和软件，如RG-Map，DGSInfo，DGSGIS，其准确性、便利性均取得较好的效果；利用钻孔数据，基于循环神经网络的机器学习，较为准确地模拟地层情况，地层层厚度预测准确率达71.43%，在较小规模语料库的情况下，利用深度信念网络模型，可有效识别地质实体信息。

2.1.2 地球化学领域

耦合灰狼优化算法(CW0)和支持向量机(SVM)耦合判别方法在判别玄武岩构造环境方面准确率超过85%。通过机器学习，利用地球化学数据的统计建模，实现地球化学异常识别。在基于机器学习和深度学习模型开展勘查地球化学大数据挖掘与一次提取方面获得较大进步。

2.1.3 地球物理勘探领域

运用机器学习预测实验室地震方法，连续地震数据可能会在识别当前未知信号、提供断层物理的新见解以及确定断层失效时间界限方面取得重大进展，把人工智能用于从单一波形进行地震探测和定位，该算法比现有的方法快几个数量级，人工神经网络(ANN)、卷积神经网络(CNN)对断层进行识别，取得较好的效果，基于人工神经网络方法对于复杂层状电阻率结构的探测具有更快的速度和更高的精度和分辨率。

2.2 能源矿产

现今矿产勘查面临“难识别、难发现、难利用”的局面，由于地球深部不可直接观测，深部能源矿产勘探、开发面临巨大风险与挑战，并且将来依旧如此，能源开发利用难度增大，关键矿产面临“卡脖子”问题，亟需在方法、理论、技术上实现突破。

2.2.1 深部成矿预测

目前已有学者利用大数据+深度学习方法进行了成矿预测，王语等(2020)利用计算机数值模拟方法和机器学习结合对粤北凡口铅锌矿进行深部成矿预测，张亚光等(2019)通过RNN分类算法研究，利用模型计算匹配结果进行数据分析，实现了找矿模型构建与矿产资源的预测评价和分析，Geranian等(2016)利用支持向量机对伊朗的Sari-Gunay金矿具有开采潜力区域进行了预测分析。Hariharan等(2017)利用随机森林的方法对澳大利亚Tanami地区离散金矿成矿数据进行了分析预测。周永章等(2021)运用知识图谱构建了具备基本应用功能的斑岩铜矿床知识图谱，形成了更加庞大的“地球系统-成矿系统-勘查系统-预测评价系统”。随着海量数据的累计，“人工智能+”代替人工预测分析的方向越来越清晰。

2.2.2 能源开发利用

人工智能技术在岩石识别、曲线重构、储集层参数预测、油藏工程、产量预测、钻完井、地面工程等领域初步得到应用。

2.2.3 关键矿产（战略性矿产资源）

关键矿产（战略性矿产）在国际上并无统一的定义，可简单理解为关键时刻发挥关键作用（战略作用）的矿产资源。相对大宗商品，关键矿产成矿机理研究较少，认知程度低，大数据、人工智能在数据挖掘分析方面具有明显优势，可以助力摸清关键矿产资源“家底”，在成矿机制、创新成矿理论、采选冶技术突破、挖掘重点矿集区、时空分布规律、矿床结构透明化、突破关键矿产分析测试技术等方面实现新的突破）。

2.3 地质灾害

地质灾害监测预警。北斗GNSS“感、传、智、用”全业务链地质预测系统，利用多回路双备份通信机制和基于多学科交叉的智能灾变监测预警评估模型，实现灾害全过程监测预警、应急救援。许强等（2019）提出基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警，通过“三查”体系，建立分级综合预警体系，逐步实现地质灾害预警的实用化与业务化运行。黄永刚等（2016）采用BP神经网络和模糊综合判别法，结果表明BP神经网络评判结果精度更高。2016、2017和2020年，中国地质调查局地质科技十大进展的智能灾害预警项目，经过不断努力，开发了智能滑坡监测预警系统研发，实现了人机综合判别，可靠性不断提升，达到95%优秀级，智能预警系统多级应用成效显著。张茂省等（2019）提出了基于人工智能的地质灾害防控体系建设方案，为“地灾预防+人工智能”提供了理论依据。

2.4 水工环

2.4.1 智能水文

薛俊杰等（2020）利用物联网、北斗系统等技术手段，基于神经网络的深度学习技术开发一款基于北斗定位的人工智能水文环境信息监测系统，实现了水位预警、水位监测等各项功能。水利部减灾中心基于人工智能和大数据技术开发的新一代分布式水文模型在河南山洪灾害预警实践中，预报精度提高了70%。

2.4.2 城市地质

城市化迅猛发展，规模不断扩大，面临水资源短缺、环境恶化、灾害频发等巨大挑战，迫切需要开展“智慧城市”+全息三维地质建模对地质大数据深入挖掘，进行智能预警和管控。根据城市群地质环境演化大数据，提出了城市群多目标应用的地质环境演化空间信息智能服务框架。

2.4.3 水污染治理

传统的水污染治理污染物去除效率低、成本高、监测滞后，利用人工智能技术较好的克服了上述问题，具有较好的推广价值。人工神经网络与遗传算法和粒子群优化算法的混合模型可以成功地应用于水处理领域，并具有较高的精度。人工智能系统长-短期记忆网络（LSTM）用于识别水污染物的特征和追踪污染物的工业点源。人工神经网络在模拟水质变量方面有很大的潜力，一个经过训练的人工神经网络模型可能会提供所需位置的模拟值。

人工智能除了在上述地质领域的应用外，还广泛运用于地球科学相关学科。如测绘遥感的数据处理，工程勘查中复杂地层可钻性场智能建模与钻速优化，为复杂地层钻进过程智能控制奠定基础，等等，这些学科的应用促进了地质学的发展，加快了学科的交叉融合，为实现“地质+人工智能”奠定良好基础。

3 人工智能在地质领域面临的问题和挑战

当前，地质领域的人工智能应用还比较少，尚未有颠覆性成果产生。“地质+智能”涉及多学科、跨领域交叉，囊括的学科范围广、研究领域多。同时，其技术需建立在大数据、云计算、5G+、物联网、区块链等基础上，对于技术间对应关系要求明确清晰，而地质的不确定性、复杂性、精确性差、多解性，加之已有的数据存在分散、割裂，部分甚至缺失等问题，这导致了人工智能技术在地质领域的应用困难。现阶段主要是开展探索性研究相对容易，但大规模应用仍面临重重困难。地质数据获取成本往往较高，因而获取的数据大多碎片化，数据量无法满足深度学习的要求；由于地质数据具有极强的专业性，通用人工智能算法无法直接使用，地质调查应用的特殊性、不确定性，无法在已有的资源库中寻找到核实的预训练模型和先验知识。这些都在很大程度上阻碍了人工智能在地质行业的应用、推广。一方面，受制于数据分散、专业分散等方面的影响，人工智能落地见效难。目前，人工智能在矿物识别研究呈现快速增长，实现了矿物的智能识别、岩性识别（张涛，2016），部分实验准确度均超过90%，但是其识别为单矿物或者单一岩石，缺乏综合性梳理，在一定程度上造成了资源浪费、重复研究；地质数据标准不一致、数据质量参差不齐、行业协会分散、数据共享性差，这导致人工智能应用缺乏数据基础。同时，人工智能在地质行业的应用存在不确定性、系统性差，“地质+智能”的关键基础理论薄弱。因此，人工智能应用如何实现对地质领域提质增效降本的助推作用，是行业面临的巨大挑战。

另一方面，地质行业建立较多专业数据库，从全国来看，建立了综合数据库，如中国科学院“地球科学大数据”，中国地质调查局“地质云”等等，从行业领域来看，建立了专业数据库，如由中国科学院南京地质古生物研究所于2006年开始创建的地球生物多样性数据库等等。地质数据来源广泛，既有政府部门、也有矿山企业、行业协会的；地质资料存储分散，存于不同地质单位、各级地质资料馆、行业协会、企业单位，甚至部分在地质工作者手中；我国地质行业协会众多，如地质，煤炭，黄金，有色，冶金等，导致“数据孤岛”与“信息烟囱”等老大难问题突出，甚至有些资料还没有信息化、数据化，数据之间缺乏基本的互联互通共享，不同行业拥有自己的数据格式，格式不统一，阻碍了数据的串联融通，也为机器学习、深度学习、数据挖掘设置了障碍。

4 展望人工智能在地质领域未来发展

4.1 发展方向

通过学科交叉、新技术应用，传统地质学正在向地球系统科学、“地质+”方向发展，结合地质行业开发需求及人工智能研究现状，未来发展与应用主要包括以下方面。

（1）研发智能装备。随着美国工业互联网、德国工业4.0、中国制造2025等战略规划实施，加之人工智能、物联网等技术日趋成熟，智能装备逐步成熟。越来越多的地质领域开始使用智能设备代替地质工程师部分作业，研发如防冲防突钻孔机器人，地质岩心智能提取设备，煤矿井下瓦斯抽采钻孔机器人，智能煤矿开采设备，等等，可以有效提高安全保障，促进高效生产，改善工作环境，减轻地质工作者繁重的劳动。（2）开发智能软件。软件是各种硬件设施之间的桥梁、纽带，其本身也会替代很多其它设备的功能，并且还会衍生出许多科技。智能软件是专家智慧的结晶和成果，是地质行业的核心竞争力，随着人工智能在地质行业各领域拓展应用，进一步提高了智能软件服务于地质工作，实现人机协同发展，解决地质问题，节省人力成本，提升地质工作效率，减少人为错误，解决数据非结构化，构建全国统一的地质信息平台，消除信息孤岛、数据孤岛等问题，实现数据共融共享。开发智能化薄片鉴定、成矿预测、智能填图、智慧编录等方面软件，提升软件稳定性和准确性。

4.2 发展重点

人工智能在地质领域的应用，应该以专业学科为突破，逐步实现地质领域推广，最后实现地球系统科学智能化。结合地质领域业务实际需求，未来人工智能应用的重点发展方面包括智能绘图、智能地球物理、智能地球化学、智能深部找矿、智能水文、智能城市、智能地质装备、智能矿山修复等。国外地质行业借助“数字地球”“透明地球”概念的推动，已经完成传统地质相关工作，建立不同类型专业数据库，近年来的研究以环境科学、生态、水资源等新型地球科学学科为主，未来几年，利用云计算、大数据、区块链、5C等技术，基于国内地质行业已有成果，对国家需求进行分析预测，推进智能专家系统研发，指导行业服务国家重大需求和国家战略，明确工作重点和目标。

4.3 发展建议

人工智能应用应采取近期发展规划和中长期发展战略相结合，以点带线，点线面相结合，顶层设计、数据共享、研发布局、人才培养等方面统筹考虑，建立技术思路、体系建设、方法研究，开展“地质+人工智能”规划建议研究，实现协同发展。近期规划重点发展基础研究，强化交叉学科研究，加强业务应用，通过局部应用，逐渐推广；中长期远景战略着重确定重点发展方向，制定配套制度建设，构架科学完善的人工智能应用体系。

(1)做好顶层设计。一是行业层面，地质主管部门、行业协会应根据2017年国务院颁布的《新一代人工智能发展规划的通知》要求，制定“地质+人工智能”发展规划，充分发挥主管部门、行业协会的领头羊作用，分学科、分领域论证，集思广益，集中优势资源、力量，解决“地质+人工智能”最迫切的行业需求；二是坚持问题导向，一体化设计、组织、推进，打通从区块链、物联网、5C+、云计算、大数据到智能化道路，实现“地质+人工智能”的发展创新；三是专业层面，通过学科融合发展，以建推用、以用促建、建用结合，实现学科跨越式发展、提升。

(2)加强数据共享。地质领域积累了海量数据，为人工智能的发展奠定了坚实基础。一方面人工智能的“思考”和“决策”需要海量数据，另一方面地质大数据也需要人工智能技术进行数据挖掘。地质领域数据巨大，但是不等于“大数据”，虽符合大数据“4V”(海量化、多样化、快速化、价值化)特点和规模大、价值高、交叉利用、全息可见的特征，但是其规范性、普适性较差，非结构化数据较多，许多数据无法直接用于人工智能训练，因此，需要加强数据管理，重点突出数据结构化，推进数据互联互通共享。(3)培养复合型创新型人才。人才是“地质+人工智能”赖以发展的强化剂和助推器，是实现学科融合创新的基础，也是保证行业可持续发展的根本。一是加强“地质+人工智能”教育，人才是行业发展壮大的基础，重中之重，从发展规划、关键技术、推广应用都需要复合型创新型人才去实现，探索设立相关学科专业，培养交叉学科专业人才，为未来行业创新、融合发展奠定人才基础。二是多途径培养人才，从政府、行业、学校、企业探索多模式多渠道培养交叉学科人才。建立相关激励机制，支持学生和地质工作者进行人工智能科技创新，重点解决“说不清、道不明、听不懂”现象，避免行业的“高投入、低产出、高重复、低能力”的问题。三是培育“地质+人工智能”文化，人工智能技术极大地解放地质工作者的双手，减轻了工作量，改善了工作环境。积极营造智能文化，加强“地质+人工智能”普及工作，一方面向地质工作者传播智能基础知识，另一方面做好广大青少年智能知识科普，培养兴趣爱好。

(4)推进融合共建。“地质+人工智能”是一项全新的、探索性的、开拓性工作，涉及自然科学与社会科学的交叉融合，是国内外十分关注、地球科学与可持续发展的重大科学前沿问题。“地质+人工智能”有着丰富的研究内容，包括机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、虚拟现实/增强现实、生物特征识别等。重视前瞻性基础研究，鼓励学科交叉创新，需要不断探索建立“跨学科、跨领域、跨行业、跨区域”的创新合作体，推进行业之间、不同学科之间的跨界互动融合，实现边界拓展，建立健全地质行业智能技术研发体系(如图3)。

图3 “地质+人工智能”融合发展

(5)构筑发展平台。建设开放共享“地质+人工智能”创新发展平台，实现地质领域人工智能共建、共享、开放，做到平台简单化、标准化和易参与，降低参与成本、参与难度。经过数字化建设，地质行业已经形成且不断产生的海量数据，成本越来越低，通过云计算、5G、大数据、超级计算机等自主技术，原来不能实现的智能化手段现已能够初步实现。

5 结语

人工智能技术经过60多年发展业已取得巨大进步，当前正呈爆发增长。近年来，许多专家学者对“地质+人工智能”进行了有益探索，取得了可喜进步，人工智能的需要已经从最好具备发展到必须拥有，在许多相关学科获得了成功，如地质智能化绘图、深部找矿预测、地灾智能化监测预警系统等，各种智能化技术，初步形成了智能化人才队伍。但总体来看，“地质+人工智能”仍处于萌芽阶段，远不足以进行大规模应用、生产，但是它对整个行业的影响应当得到高度重视。作为第四次工业革命关键技术，其必将成为行业发展引擎，必将对地质领域产生深刻影响。应当以《新一代人工智能发展规划》和“中国制造2025”等国家战略为契机，抓住历史发展机遇，大力发展“地质+人工智能”，为地质行业发展注入新方法、新技术，为地质科学研究提供新范式。面对地质专业发展需求，地质学者必须主动求变，以应对现今人类发展面临的资源环境问题，把握“地质+人工智能”发展的重大历史机遇，引领世界地质领域人工智能技术发展新潮流，服务经济社会发展，支撑国家能源、矿产、水、生态环境安全。

人工智能技术推动地质领域快速发展，能够达到地质科学家无法做到的极限，拓展学科领域的深度、广度、精度。在能源转型、气候变化、土地利用、自然灾害、碳中和等方面均可发挥重要作用，促使地球科学发挥更大更重要作用。当前，世界各国地质调查机构均把跨学科融合、大数据应用和智能技术作为新的发展机遇，制定了相应的发展战略，积极推动地质领域创新发展，这为“地质+”发展提供了难得发展机遇，为人类社会资源环境可持续发展注入了新的活力。

—–END—–

来源：地质杂事说

【每日一读】人工智能在地质领域的应用与展望

相关推荐

评论抢沙发

归档

分类目录

相关推荐

评论 抢沙发

归档

分类目录

评论抢沙发