淺析大數據在地質礦產中的應用

汪雷

摘要：在計算機性能大幅提升和地質礦產類數據大量積累的情況下已經具備了數據挖掘技術在地質礦產領域中進行應用的基礎條件。目前在地質礦產中的信息可以分為遙感信息和非遙感信息兩類，對于礦化蝕變信息而言可以綜合利用這兩個方面的信息來進行數據挖掘從而實現對于礦靶區劃定的目的。為此本文以大數據在地質礦產中的應用研究為題進行研究，首先對于數據挖掘技術進行簡要介紹，而后結合地質礦產專業特點進行分別的論述。期望通過本文的研究為大數據和數據挖掘技術在地質礦產專業中的應用提供一定參考。

關鍵詞：淺析；大數據；地質礦產；應用

1、數據挖掘技術簡介

1.1數據挖掘技術的目的

采用數據挖掘分析數據的原因。目前在人們對于數據進行統計和分析的過程中發現，數據中存在一定的關聯，但是這種關聯性需要定量的分析通過推導的方式來進行科學說明顯得相對困難，其主要體現在兩個方面的問題，第一數據之間的關聯性較為復雜，特別是用于解釋現實事件數據中間的關聯性較為復雜，其建模和分析過程相對較難，第二則是由于數據本身的量比較大。在具體實施的過程中進行逐步的推理顯得較為復雜。因此研究人員基于此種考慮，提出了采用數據挖掘的方法來研究數據之間的關聯性。其基本模式是直接用數據來進行模型的訓練，通過將大量的數據帶入到解釋模型中對于模型進行訓練和辨識模型中的參數，最終使得模型能夠表示數據之間的關聯。

1.2據挖掘技術的方法

數據挖掘的方法可以分別聚類分析、關聯分析幾個方面，由于篇幅有限本文將著重介紹聚類和關聯分析兩種方法。聚類分析方法。所謂聚類分析則是在對數據大量統計的基礎上采用對應的算法進行聚類分析，目前最為常見的算法是K-means算法。其原理是采用對應的特征向量度量方法對于樣本進行度量得到每個樣本的特征向量，而后通過設定初始簇的方式將新的樣本不斷加入到對應的簇中，一邊進行分類一邊不斷修正簇的中心特征向量。采用這樣逐步修正的方式讓分類的標準更加準確。聚類分析一般用于分類、預測等領域。例如對于文檔的分類，描述同一主題的文檔其題目可能存在巨大的差異，而聚類分析則可以通過關鍵詞的統計以及對應詞、短語出現的頻率等來對于文檔的主體進行辨識，從而實現分類的作用。

2、在礦山地質工作中可應用數據挖掘技術的領域

2.1成礦模式的建立和礦區深部或外圍盲礦體的探找

由于一個礦床的產出與其周圍地質環境必然有一定的內在聯系，所以相似的礦床或成因上有聯系的礦床，常常在一個地區內有成群出現的特點。因而，就礦找礦已成為行之有效的方法。就礦找礦的實例己屢見不鮮，據統計世界己探明的礦床80%分布在礦田范圍內。正由于如此，許多礦山投產后，其繼續所發現的礦體和儲量都可能大大超過勘探階段所探明的礦體和儲量，不僅國外有許多實例，我國也不乏實例，如有色金屬的華銅銅礦和水口山鉛鋅礦、江西的許多鎢礦、黑色金屬中的利國鐵礦以及許多金礦等等。生產礦山積累有比勘探時期多得多的地質信息，這就為成礦規律的研究提供了非常有利的條件。

2.2礦石質量的控制

在某些礦山，礦石的質量控制對礦山生產的經濟效益和資源回收效益有重大的影響。例如，我國某鐵礦出售的主要商品礦是高爐礦，用戶對這類礦石的要求很高，不僅鐵的品位要達到一定要求，而且硫等有害雜質還不能超標，否則就要降低價格甚至作為廢品處理。又如有個地下開采的鐵礦，要求采出礦石中磷的含量不能超標。可是，眾所周知，任何礦床中不同地段的原始的品位和雜質含量都不是均勻的，這就需要通過礦石質量控制加以解決。但是，從采出礦石到輸出商品礦，其間有許多環節，要使商品礦符合用戶的要求，是個非常復雜的過程。好在凡是要進行質量控制的礦山都積累有海量的人工質量控制的信息，既有成功經驗的信息，又有失敗教訓的信息，但是其間的關系有許多是模糊的；而有些數據挖掘的軟件就帶有專門用于質量控制的軟件，如果能用數據挖掘技術建立起一個綜合優化質量控制模型，則必然將使質量控制的效果比人工控制大大提高。

2.3圍巖和礦石穩定性的分類、評估和應用

圍巖和礦石的穩定性既影響地下開采礦山的支護和開采方法，又影響露天礦山的邊坡的維護；如果解決不好，不僅可能影響生產的經濟效益，甚至可能造成冒頂、片幫或邊坡垮落等事故。但是，巖礦的穩定性涉及許多因素，除了其物理機械性質外，還涉及其中的結構面的類型、產狀、密度以及水對巖石強度的影響、周圍地應力的大小、方向及其與采掘工程方向的相對關系等。如果能利用礦山所積累的大量信息對其進行分類，并進而對各個地段的巖礦進行穩定性的評估，對于地下礦山采礦法的選擇、巷道的支護和露天礦山邊坡的維護等，肯定也是有很大意義的。

2.4礦山經營參數的優化

這是礦產經濟學在礦山開采中的主要應用。所謂礦山經營參數，是指在礦山生產經營中可以人工加以調控，以調整生產的經濟效益和資源回收等效益的參數，包括礦床工業指標、采礦中的損失率與貧化率的合理匹配、選礦中的選比、回收率和精礦品位等。盡管目前己有許多對這些參數優化的方法，但如果應用數據挖掘技術，對生產中己積累的海量數據，建立起從入選礦石的各個變量直接求各種精礦產品的數量和品位的數模，那么肯定要大大簡化優化的過程，而且可減少優化結果的誤差。

總而言之，目前隨著大數據技術的發展以及地質礦產方面的數據日趨完善，大數據在地質礦產方面的應用條件越來越完備。所謂大數據技術就是利用大量的歷史數據進行分析和數據挖掘從而獲得數據中的關聯，從而實現對信息的分析和數據的預測。

參考文獻：

[1]楊曉敏.當前地質礦產勘查及找礦技術探討[J].科技創新與應用，2016，04：73.

[2]范松梅，沙景華，張艷芳，車超.地質礦產科技創新促進礦業經濟增長的理論與實證研究[J].中國礦業，2016，03：47-52.

[3]齊維維.試論新形勢下地質礦產勘查及找礦技術[J].建材與裝飾，2016，06：216-217.

[4]薛秀榮，馮永玉，姜慧.國外重要地質礦產信息集成與共享服務平臺研究[J].信息技術與信息化，2016，07：99-101.