青岛海洋地质研究所实现基于机器学习的深海多金属结核与富钴结壳分布精准预测

近日，中国地质调查局青岛海洋地质研究所深海沉积与环境研究团队基于机器学习方法成功实现了深海海山区多金属结核与富钴结壳分布的高精度预测，相关成果以“Machine learning analysis of polymetallic nodules and cobalt-rich ferromanganese crusts distribution: A case study from the 16°30′N seamounts region of the Kyushu-Palau Ridge”为题发表于国际海洋学重要期刊《Deep Sea Research Part I》。 

传统深海矿产勘探依赖有限地质采样，存在成本高、效率低等问题。该研究创新性地结合多波束测深与后向散射强度数据，引入坡度、地形崎岖度、水深位置指数等多种地形因子，构建了包含13种机器学习算法的集成分类模型。研究团队使用堆叠集成学习方法，将CHAID、CART和人工神经网络等表现最佳的模型进行融合，最终对于多金属结核、富钴结壳或海底沉积物的识别分类准确率达到94.8%，显著优于单一模型。模型还通过SHAP分析揭示出水深、坡度和地形崎岖度是影响两类矿产分布的最关键地形因素。 

该成果实现了深海矿产资源的高效预测，并显著提升了矿产预测的精准度，也为未来深海勘探靶区优选提供了科学依据。研究团队指出，下一步将结合近海底摄像与自主水下机器人技术，进一步验证并拓展该模型的应用范围，推动深海资源勘探走向系统化与智能化。该研究得到中国地质调查局项目、崂山国家实验室项目、自然资源部海底科学重点实验室基金等联合资助。 

多金属结核和富钴结壳分布预测技术流程