基于数据和知识驱动的澳大利亚铁氧化物铜金（IOCG）矿床潜力评价及成矿机制研究（2025年第20期）

编者按：研究通过数据和知识混合驱动的方法对澳大利亚IOCG矿床潜力进行了全国范围的评估，成功揭示了一些先前未被识别的IOCG成矿远景区，取得了良好的预测效果。在建模过程中，对于数据与已识别IOCG矿床和矿点的统计关系筛选使用的是传统柯尔莫哥洛夫检验（Kolmogorov-Smirnov）而非机器学习方法，并认为该方法能够根据其自身优点评估每个数据集的预测能力，以指导未来的数据采集和处理。大数据人工智能找矿的兴起，一定程度提高了找矿效率和精度。但是在实际操作过程中，也面临模型选择和数据筛选的过程，以及数据的制约。该研究为大数据人工智能找矿提供了一种范式，强调先验知识介入形式，即通过可解释性强的模型对所用数据进行筛选，最大程度的降低数据的“噪声”，提高模型的预测效果。同时，澳大利亚地球科学局提供的丰富的统一标准的数据也为该研究提供了重要支撑。该研究对单类型矿床的潜力评价模式值得参考和借鉴。