我校地球科学学院青年教师张智强在国际数学地球科学学会期刊《Natural Resources Research》上发表三维成矿预测不确定性评价方面研究成果

近日，国际数学地球科学学会期刊《Natural Resources Research》在线发表了我校地球科学学院青年教师张智强在三维成矿预测不确定性评价方面的研究成果：“An uncertainty-quantification machine learning framework for data-driven three-dimensional mineralprospectivitymapping”。

三维成矿预测是多阶段的复杂工程，每个阶段不同类型的不确定性复合叠加导致成矿预测结果存在不确定性。三维成矿预测的偶然不确定性和认知不确定性分别与三维地质模型精度和成矿预测算法有关，评价三维成矿预测偶然不确定性和认知不确定性对降低深部找矿风险具有重要意义。本研究以不确定性感知随机森林算法为核心，结合“拒绝率—准确率”曲线及概率—面积（P—A）图，构建了一套三维成矿预测不确定性评价技术框架（图1）。

图1基于机器学习的三维成矿预测偶然不确定性和认知不确定性评价流程图：（a）三维建模及成矿信息提取；（b）不确定性感知随机森林算法；（c）贝叶斯超参数优化；（d）通过概率和不确定性圈定找矿靶区。

图2：预测结果：（a）不确定性感知随机森林预测结果及其（b）概率—体积（P—A）图。

为验证上述技术框架的有效性，本次研究以辽东五龙金矿集区为例，通过不确定性感知随机森林完成研究区三维成矿预测（图2）及不确定性建模，不确定性建模指出表明五龙金矿集区三维成矿预测的偶然不确定性明显高于认知不确定性（图3），Sobol敏感性分析发现偶然不确定性与三维脉岩模型关联较大，因此下一步应重点优化三维脉岩模型；基于“拒绝率—准确率”曲线和P—A图圈定的靶区指出研究区五龙大型金矿和杨家中型金矿深部具有较大找矿潜力（图3）。

图3不确定性及靶区圈定：（a）总不确定性“拒绝率—准确率”曲线；（b）偶然不确定性“拒绝率—准确率”曲线；（c）认知不确定性“拒绝率—准确率”曲线；（d）基于预测概率和不确定性的靶区圈定。

上述成果受我校2023年度河北省战略性关键矿产研究协同创新中心基金开放课题(No. HGUXT-2023-13)、2023年度河北省青年基金(No. D2023403051)及自然资源部战略性金属矿产找矿理论与技术重点实验室开放基金（No. D202405）共同资助。

原文链接：Zhang, Z., Wang, G., Carranza, E.J.M., Du, J., Li, Y., Liu, X., & Su, Y.An Uncertainty-Quantification Machine Learning Framework for Data-Driven Three-Dimensional Mineral Prospectivity Mapping. Natural Resources Research (2024)(IF=5.4).https://doi.org/10.1007/s11053-024-10349-x