原文配图

数据共享鼓励发展更价值的工作

这项工作基本上延伸到地质学家和矿物学家已经完成的工作，但规模要大得多。

“实际上，我们不只是看两个参数，而是数万个影响系统的参数 - 这对任何人类大脑来说都很难在电子表格中看到甚至使用标准的统计方法，”莫里森说。

然而，对于先进的机器学习，使用多变量技术，系统可以以极其多变化和多维的方式表征。

“没有人能够理解所有系统并在眨眼之间完成所有数据，”她补充道。

通过使用这些技术，最终希望矿业公司能够更快更容易地找到商业上可行的存款，并帮助他们知道他们肯定不应该在哪里寻找。

虽然算法可以确定某些存款可能存在的概率，但它们还不能确定它们的大小。

这是莫里森说他们希望将来做的事情，但他们需要更多的数据。

“现在的问题是缺乏地球表面材料数量的数据，”她说。 “矿业公司拥有大量信息，但通常是私有化的。”

出于竞争原因，数据共享通常被认为是矿业公司的禁区。然而莫里森认为，如果所有数据都被分享，它可以“提升每个人”的工作能力。

“矿业公司仍将具备竞争优势，无论是购买力还是运营效率或位置，”她补充道。 “数据就是力量，如果我们真的想要了解在哪里探索，哪些不需要量化一切。”

深入地壳

美国地质勘探局的科学家们也在做类似的工作。该机构的Gilpin R. Robinson Jr.称USGS正在“不断寻找改进数据集成和解释方法的方法，以便更好地进行资源评估工作。”

该机构拥有大型区域沉积物和土壤化学数据库，地球物理数据，一些通过卫星和机载方法生成的数据库，以及关于航磁，辐射和地区重力变化的区域数据集。

利用这些数据集，它正在努力确定地壳深层元素中的矿物质，这可能是某些矿床类型的潜在目标。

罗宾逊解释说：“地球表面的大量矿物勘探取得了成功，未来最大的边界之一是识别隐藏在沉积物或其他某些深度岩石单元下的沉积物。”

“这需要对地下特征进行成像和建模，因此我们对这些大数据集的一些分析试图解释地下单位是什么。”

科学家们知道，矿藏通常形成于地壳中存在一些有趣元素的地方。这通常涉及通过火山系统中的岩浆或穿过地壳并溶解和输送金属的地壳流体来运输或移动这些元素的过程或事件。

某些结构有助于集中这些运输机制，然后流体最终被捕获和集中。

罗宾逊解释说：“我们正在努力了解这些数据，并将其全部用于确定可能发生的区域目标。”

美国地质勘探局正在使用各种规模的地质图，这些地图可以使用机器学习和数据科学集成在一起，以便更快，更便宜地获得洞察力。

这项工作尤其适用于沙子覆盖矿物的沙漠地区，并且未来可以为深度超过地表一或两公里的商业矿床确定昂贵勘探工作的高概率目标。

为了进一步开展这项研究，美国地质勘探局已经开始与澳大利亚地球科学公司合作，该组织对这项研究特别感兴趣，因为该国有大量的沙地，它想要绘制地图和模型。

返回搜狐，查看更多

责任编辑：