实现矿集区“透明化”一直是发现更多矿床的关键所在，这需要精准识别地下岩性的三维分布，清晰查明控矿地质体的三维结构，为找矿预测开辟新路径。

为了攻克准确识别地下岩性这一关键难题，中国地质科学院“深部矿产资源探测与评价创新团队”开发了一种基于机器学习的地下岩性识别方法及系统，涉及机器学习技术领域。本方法包括对研究区域进行网格划分，得到多个地下网格单元；获取每一地下网格单元中地下岩矿石的各物理属性的空间物性特征；对于每一地下网格单元，将地下网格单元中地下岩矿石的所有物理属性的空间物性特征输入至训练好的地下岩性识别模型中，得到地下网格单元的地下岩性。本方法采用研究区域的密度、磁化率与电阻率三种物理属性进行地下岩性的识别，提高了岩性识别的准确性。本方法采用机器学习算法进行地下岩性的识别，通过机器学习多种物性与不同岩性的对应关系的规律，具有很强的客观性，进一步提高岩性识别与填图的准确性。相关成果于2024年12月获批国家发明专利，该技术将有力促进地质填图从传统的二维模式向三维模式转变，为深地国家科技重大专项“矿集区立体‘透明化’填图与资源增储”项目的顺利推进提供强大助力，也为新一轮找矿突破行动提供了坚实有效的技术支撑。

专利授权信息：

一种基于机器学习的地下岩性识别方法及系统. ZL 202410302601.1[P]. 2024-12-17.