地质领域机器学习、深度学习及实现语言

摘要：

地质大数据正在以指数形式增长.只有发展智能数据处理方法才有可能追上大数据的超常增长.机器学习是人工智能的核心,是使计算机具有智能的根本途径.机器学习已成为地质大数据研究的前沿热点,它将让地质大数据插上翅膀,并因此改变地质.机器学习是一个源于数据的模型的训练过程,最终给出一个面向某种性能度量的决策.深度学习是机器学习研究中的一个重要子类,它通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性.卷积神经网络算法是最为常用的一种深度学习算法之一,它广泛用于图像识别和语音分析等.Python语言在科学领域的地位占据着越来越重要.其下的Scikit-Learn是一个机器学习相关的库,提供有数据预处理、分类、回归、聚类、预测、模型分析等算法.Keras是一个基于Theano/Tensorflow的深度学习库,可以应用来搭建简洁的人工神经网络.

关键词：地质大数据、机器学习、深度学习、人工神经网络、智能地质学、Python

所属期刊栏目：34

分类号：P628(地质、矿产普查与勘探)

资助基金：国家重点研发计划重点专项项目2016YFC0600506;国家自然科学基金项目41273040;中国地质调查局项目12120113067600;广东省地质过程与矿产资源探查重点实验室基金联合资助

在线出版日期：2018-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3173-3178