地球化学异常识别在矿产勘查中至关重要。然而，有限的样本量、高维混杂的地球化学信息使识别地球化学异常成为一项挑战。本研究提出了一种非监督空-谱双分支自编码架构（dual-AE），并在模型中添加了关键控矿要素作为软约束以提高地球化学异常识别的准确性和可解释性。
近日，国际地球化学协会（IAGC）期刊《Applied Geochemistry》发表了中国地质大学（武汉）左仁广团队在矿产资源潜力智能评价方面的研究成果：“Geologically constrained unsupervised dual-branch deep learning algorithm for geochemical anomalies identification”。论文第一作者为地质过程与矿产资源国家重点实验室博士研究生许莹。
由于地质系统的复杂性和成矿过程的多样性，地球化学模式往往复杂多样，主要反映在地球化学元素的组成和空间分布上。此外，矿化是一种稀有地质事件，正样本（矿床）的数量远小于负样本，导致正负样本标签不平衡。非监督模型因其不需要标签进行模型训练，已被广泛用于地球化学异常识别。然而，常用的非监督深度学习方法通常只考虑地球化学数据立方体的谱（元素含量和元素组合）或空间特征信息，忽略了另一种重要信息。考虑地球化学数据立方体空间特征和谱信息的双分支非监督深度学习模型在缓解数据缺失或不准确的影响，以及解决训练样本不足问题方面具有较大的潜力。此外，非监督深度学习算法仅从数据中学习特征，可能会导致识别出矿化无关的异常（与地质事实不一致）。
图1 (a) dual-AE，(b)图解码层和(c)LSTM模型结构图
基于此，本研究提出了一种基于自编码（AE）结构的非监督双分支深度学习模型，dual-AE，包括空间自编码器和谱自编码器两个分支（图1a）。其中，空间自编码器由图卷积层和图解码层（图1b）组成，简称GCN-AE，可以有效地捕捉地球化学空间模式并提取相邻像素之间的空间关系。谱自编码器由长短期记忆网络层（图1c）组成，简称LSTM-AE，可以刻画单个像素内的地球化学元素含量及其元素组合特征。此外，将地质知识添加到该模型中，提出了地质约束非监督双分支深度学习模型（图2），以提高模型的准确性和可解释性。
以闽西南地区为例，使用dual-AE，地质约束dual-AE（dual-AE_L），GCN-AE和LSTM-AE识别与铁多金属矿相关的地球化学异常（图3）。4种模型圈定的地球化学异常空间模式与研究区的燕山期侵入岩空间分布范围一致，高异常区包含了绝大多数已发现的铁多金属矿床。LSTM-AE获得的地球化学异常主要强调了单个像素内的谱特征，异常结果显示出大量孤立的点异常（图3d），这种现象在GCN-AE，dual-AE和地质约束dual-AE的异常识别结果中得到了改善（图3a，b，c）。此外，地质约束dual-AE的异常识别结果显著提高了燕山期侵入体附近异常的概率，得到了更符合地质实际的结果（图3a、3b）。
图3 地球化学异常识别结果(a) dual-AE、(b) 地质约束dual-AE、(c) GCN-AE、(d) LSTM-AE
使用成功率曲线和ROC曲线定量评价模型的性能（图4），发现地质约束模型的性能优于无约束模型，表明地质约束可以提高地球化学异常识别效果。该研究还通过使用卷积自编码网络（CAE）和前馈神经网络（FNN）来分别替换dual-AE中的空间分支和谱分支，构建了3个模型dual-AE（CAE），dual-AE（FNN）和dual-AE（CAE_FNN）以检验本研究提出的无监督图谱合一架构的有效性。成功率曲线和ROC曲线的结果表明：（1）非监督空-谱双分支深度学习模型是一种有效的地球化学异常识别方法，使用GCN-AE和LSTM-AE分支的模型具有更好的异常识别效果；（2）地质约束的无监督空-谱双分支模型可以提高模型的性能，得到更符合地质认知的结果。
图4 不同模型的(a)ROC曲线和(b)成功率曲线
论文链接
Xu, Y., Shi, L., Zuo, R., 2024. Geologically constrained unsupervised dual-branch deep learning algorithm for geochemical anomalies identification. Applied Geochemistry 174, 106137. https://doi.org/10.1016/j.apgeochem.2024.106137
——————————————————————————
会议通知
Applied Geochemistry创刊于1986年，由Elsevier出版，是国际地球化学协会（IAGC）的会刊。顾问委员会主任/名誉主编：王焰新（中国科学院院士），Philippe Van Cappellen（加拿大皇家学会院士） 执行主编：王梓萌（复旦大学教授）
