浅析大数据在地质矿产中的应用

汪雷

摘要：在计算机性能大幅提升和地质矿产类数据大量积累的情况下已经具备了数据挖掘技术在地质矿产领域中进行应用的基础条件。目前在地质矿产中的信息可以分为遥感信息和非遥感信息两类，对于矿化蚀变信息而言可以综合利用这两个方面的信息来进行数据挖掘从而实现对于矿靶区划定的目的。为此本文以大数据在地质矿产中的应用研究为题进行研究，首先对于数据挖掘技术进行简要介绍，而后结合地质矿产专业特点进行分别的论述。期望通过本文的研究为大数据和数据挖掘技术在地质矿产专业中的应用提供一定参考。

关键词：浅析；大数据；地质矿产；应用

1、数据挖掘技术简介

1.1数据挖掘技术的目的

采用数据挖掘分析数据的原因。目前在人们对于数据进行统计和分析的过程中发现，数据中存在一定的关联，但是这种关联性需要定量的分析通过推导的方式来进行科学说明显得相对困难，其主要体现在两个方面的问题，第一数据之间的关联性较为复杂，特别是用于解释现实事件数据中间的关联性较为复杂，其建模和分析过程相对较难，第二则是由于数据本身的量比较大。在具体实施的过程中进行逐步的推理显得较为复杂。因此研究人员基于此种考虑，提出了采用数据挖掘的方法来研究数据之间的关联性。其基本模式是直接用数据来进行模型的训练，通过将大量的数据带入到解释模型中对于模型进行训练和辨识模型中的参数，最终使得模型能够表示数据之间的关联。

1.2据挖掘技术的方法

数据挖掘的方法可以分别聚类分析、关联分析几个方面，由于篇幅有限本文将着重介绍聚类和关联分析两种方法。聚类分析方法。所谓聚类分析则是在对数据大量统计的基础上采用对应的算法进行聚类分析，目前最为常见的算法是K-means算法。其原理是采用对应的特征向量度量方法对于样本进行度量得到每个样本的特征向量，而后通过设定初始簇的方式将新的样本不断加入到对应的簇中，一边进行分类一边不断修正簇的中心特征向量。采用这样逐步修正的方式让分类的标准更加准确。聚类分析一般用于分类、预测等领域。例如对于文档的分类，描述同一主题的文档其题目可能存在巨大的差异，而聚类分析则可以通过关键词的统计以及对应词、短语出现的频率等来对于文档的主体进行辨识，从而实现分类的作用。

2、在矿山地质工作中可应用数据挖掘技术的领域

2.1成矿模式的建立和矿区深部或外围盲矿体的探找

由于一个矿床的产出与其周围地质环境必然有一定的内在联系，所以相似的矿床或成因上有联系的矿床，常常在一个地区内有成群出现的特点。因而，就矿找矿已成为行之有效的方法。就矿找矿的实例己屡见不鲜，据统计世界己探明的矿床80%分布在矿田范围内。正由于如此，许多矿山投产后，其继续所发现的矿体和储量都可能大大超过勘探阶段所探明的矿体和储量，不仅国外有许多实例，我国也不乏实例，如有色金属的华铜铜矿和水口山铅锌矿、江西的许多钨矿、黑色金属中的利国铁矿以及许多金矿等等。生产矿山积累有比勘探时期多得多的地质信息，这就为成矿规律的研究提供了非常有利的条件。

2.2矿石质量的控制

在某些矿山，矿石的质量控制对矿山生产的经济效益和资源回收效益有重大的影响。例如，我国某铁矿出售的主要商品矿是高炉矿，用户对这类矿石的要求很高，不仅铁的品位要达到一定要求，而且硫等有害杂质还不能超标，否则就要降低价格甚至作为废品处理。又如有个地下开采的铁矿，要求采出矿石中磷的含量不能超标。可是，众所周知，任何矿床中不同地段的原始的品位和杂质含量都不是均匀的，这就需要通过矿石质量控制加以解决。但是，从采出矿石到输出商品矿，其间有许多环节，要使商品矿符合用户的要求，是个非常复杂的過程。好在凡是要进行质量控制的矿山都积累有海量的人工质量控制的信息，既有成功經验的信息，又有失败教训的信息，但是其间的关系有许多是模糊的；而有些数据挖掘的软件就带有专门用于质量控制的软件，如果能用数据挖掘技术建立起一个综合优化质量控制模型，则必然将使质量控制的效果比人工控制大大提高。

2.3围岩和矿石稳定性的分类、评估和应用

围岩和矿石的稳定性既影响地下开采矿山的支护和开采方法，又影响露天矿山的边坡的维护；如果解决不好，不仅可能影响生产的经济效益，甚至可能造成冒顶、片帮或边坡垮落等事故。但是，岩矿的稳定性涉及许多因素，除了其物理机械性质外，还涉及其中的结构面的类型、产状、密度以及水对岩石强度的影响、周围地应力的大小、方向及其与采掘工程方向的相对关系等。如果能利用矿山所积累的大量信息对其进行分类，并进而对各个地段的岩矿进行稳定性的评估，对于地下矿山采矿法的选择、巷道的支护和露天矿山边坡的维护等，肯定也是有很大意义的。

2.4矿山经营参数的优化

这是矿产经济学在矿山开采中的主要应用。所谓矿山经营参数，是指在矿山生产经营中可以人工加以调控，以调整生产的经济效益和资源回收等效益的参数，包括矿床工业指标、采矿中的损失率与贫化率的合理匹配、选矿中的选比、回收率和精矿品位等。尽管目前己有许多对这些参数优化的方法，但如果应用数据挖掘技术，对生产中己积累的海量数据，建立起从入选矿石的各个变量直接求各种精矿产品的数量和品位的数模，那么肯定要大大简化优化的过程，而且可减少优化结果的误差。

总而言之，目前随着大数据技术的发展以及地质矿产方面的数据日趋完善，大数据在地质矿产方面的应用条件越来越完备。所谓大数据技术就是利用大量的历史数据进行分析和数据挖掘从而获得数据中的关联，从而实现对信息的分析和数据的预测。

参考文献：

[1]杨晓敏.当前地质矿产勘查及找矿技术探讨[J].科技创新与应用，2016，04：73.

[2]范松梅，沙景华，张艳芳，车超.地质矿产科技创新促进矿业经济增长的理论与实证研究[J].中国矿业，2016，03：47-52.

[3]齐维维.试论新形势下地质矿产勘查及找矿技术[J].建材与装饰，2016，06：216-217.

[4]薛秀荣，冯永玉，姜慧.国外重要地质矿产信息集成与共享服务平台研究[J].信息技术与信息化，2016，07：99-101.