登录
注册
高级检索
邮件订阅
RSS
随着大数据、人工智能等新一代信息技术的快速发展，矿产预测正加速由传统的经验驱动模式向智能计算驱动模式转型。在地学数据体量激增、问题复杂性不断提升的背景下，融合大模型、知识图谱等先进技术，构建具备高通用性与强可解释性的智能化预测框架，已成为当前地学领域的研究前沿。为推动矿产勘查领域的理论创新与技术突破，促进智能化预测方法的深入发展与实际应用，服务国家新一轮找矿突破行动，《地球科学》（EI收录）拟组织出版“大数据与人工智能矿产预测”专辑，诚挚邀请各位同行投稿。
一、专辑主题与征稿方向
本专辑聚焦大数据、人工智能、大模型和知识图谱等技术在矿产预测中的创新应用，重点关注（但不限于）以下研究方向：
（1）矿产预测大数据理论与方法
■ 多源地学数据采集、挖掘、集成的智能化方法；
■ 面向地质大数据的高性能计算架构与分布式存储关键技术；
■ 地学时空数据的不确定性建模与多尺度综合表征方法。
（2）智能矿产预测模型与应用
■ 矿产预测垂直大模型构建及应用；
■ 矿产预测知识图谱构建及应用；
■ 可解释性矿产预测人工智能模型开发及应用；
■ 三维地质结构建模与隐伏矿体智能预测；
■ 面向深部与复杂地质条件的预测模型不确定性评估。
（3）智能勘查技术与示范
■ 无人机、LiDAR、高光谱遥感等新型勘查数据智能处理及其在矿产勘查中的应用；
■ 数字孪生地质系统的构建技术及其在勘查流程模拟与调控中的应用；
■ 典型矿集区智能勘查和找矿案例研究。
（4）矿产资源绿色智能开发与可持续发展
■ 矿区环境监测与生态修复智能感知建模与风险评估方法；
■ 绿色低碳矿山的智能开发路径优化与全流程智能决策支持系统；
■ 面向“双碳”目标的矿产-能源协同预测模型与综合评估框架。
二、征稿要求及注意事项
（1）投稿题目汇总：2025年9月30日（汇总于专辑联系人张振杰副教授）
（2）投稿截止日期：2025年12月31日
（3）投稿方式：通过《地球科学》编辑部投稿系统http://mc03.manuscriptcentral.com/es进行投稿，选择“大数据与人工智能矿产预测专辑”。
（4）论文格式：按照《地球科学》最新的投稿要求，参考投稿指南http://www.earth-science.net/news/tougaozhinan.htm。
（5）录用稿件版面费，作者自理。
（6）本专辑为正刊出版发行，所有稿件编辑部严格按程序执行，不符合送审要求的稿件将在初审时退回。接收后的文章会优先在线出版。
（7）涉及敏感的重大工程名称等时，须回避具体名称。
三、专辑召集人和联系人
（1）特约主编：
左仁广 教 授，中国地质大学（武汉），E-mail：zrguang@cug.edu.cn
毛先成 教 授 中南大学，E-mail：mxc@csu.edu.cn
袁 峰 教 援 合肥工业大学，E-mail：yf_hfut@163.com
张振杰 副教授 中国地质大学（北京），E-mail：zjzhang@cugb.edu.cn
孙 涛 副教授 江西理工大学，E-mail：suntao@jxust.edu.cn
（2）专辑联系人：
张振杰 副教授 中国地质大学（北京），E-mail：zjzhang@cugb.edu.cn
