摘要
研究目标
- 利用 WebGIS 和数据库等技术方法全面地将海量、多源、异构的数据进行集成管理，建立成果数据库及相应的元数据库，研发潜力评价成果数据管理共享系统，实现科学地管理和共享成果数据，为政府部门、地质工作者及社会大众提供数据支撑和地质数据信息服务。同时，研究深度学习方法在成矿预测中的应用，为矿产资源潜力评价提供新的思路。
研究内容
- 数据管理共享系统的存储结构
- 元数据库
- 空间数据共享与发布
- 研究基于深度学习的矿产资源预测方法
研究方法
结论
解决的问题
- 矿产资源潜力评价原始图件资料目前管理和共享机制不健全，基础资料仅简单集中存放，容易形成“数据孤岛”且不便于管理与共享；
- 矿产资源潜力评价数据缺少深入的整合，集成度整体水平偏低，缺少良好的统一集成方案来实现对各级、各专题、各类数据的统一标准的存储和管理；
正文
- 同时随着人类已经进入了“大数据”时代，数字地球也发展到了“智慧地球”（陈建平等，2015；2017；肖克炎等，2013；2015）。
- 来源广泛、数据内容多源、数据结构各异、存储形式繁多等特点。
- 目前这些数据中所隐含的有用的，有价值的知识还没有得到充分的挖掘和利用，导致出现了数据冗余但是可利用的知识匮乏的问题，所以管理、研究、分析上述数据具有重要意义。
- 随着大数据人工智能时代的到来，将新的技术方法引入到地学领域的研究工作中，弥补创痛定性找矿的缺陷，对矿产预测做出科学的定量评价与分析，是未来发展的必然趋势（赵鹏大, 2015；翟明国等, 2018）。
- 深度学习地学应用
- 将深度自动编码应用在地球化探异常提取方面
- 高光谱影像分类与异常检测
- 地震波降维
- 土地利用
- 将卷积神经网络应用于找矿预测
- 地质、地球物理、地球化学等信息都是地质单元集合体在不同测量手段下获取的不同形式的空间信息
- 必须依赖多学科交叉技术，并采用先进的计算机技术、智能计算技术、统计分析技术等进行各类模型和成果数据的管理与分析。
- OOC（Out Of Core）算法的核心思想是，当客户端需要进行场景渲染的时候，在内存中加载的数据永远是部分瓦片数据，而其他剩余的数据保留在远程服务器端或者硬盘中，提高应用的响应速度，节省客户端的内存资源占用率。
思考
思考
- Cesium实现数据加载
- 论文结构、目录参考
- 驴友地质帮 三维地质体加载（地震数据 3D模型）