真人线上娱乐

我院杨洋教授（空间所团队）、许强教授（碳酸盐岩研究团队）近日在地热期刊《Geothermics》发表了题目为《A sparrow search algorithm optimized GAN-stacking model for the evaluation of geothermal resource potential assessment》 的研究论文，提出了一种基于麻雀搜索算法（SSA）优化的GAN-stacking模型，用于评估中国真人线上娱乐地热资源潜力。第一作者为我院2021级研究生李海滨，通讯作者为杨洋教授。

该研究将生成对抗网络引入地热资源预测场景，通过对抗训练机制生成具有地质意义的合成样本，有效解决了训练数据不足的瓶颈问题。通过SHAP可解释性分析技术，不仅验证了生成数据的可靠性，更揭示了各特征变量对预测结果的贡献度，为模型决策提供了透明化解释。在模型架构设计上，研究创造性地采用Stacking集成策略，通过层次化特征重构与概率融合，显著提升了模型对复杂地质特征的表征能力。

研究最具突破性的贡献在于将仿生智能算法与机器学习模型深度融合。通过麻雀搜索算法的群体智能优化机制，系统性地解决了集成模型超参数调优的难题。这一创新不仅体现在算法性能的突破，更开创了智能优化算法在地学建模中的工程化应用范式。

在多源数据融合方面，研究整合了地质、地球物理、遥感等多维度空间数据，运用地理探测器和频率比分析等先进的空间统计方法，定量揭示了各环境因子与地热资源分布的空间耦合关系。这种数据驱动的研究思路不仅提升了预测精度，更为理解地热系统的形成机制提供了新的科学认知。

该方法可精准识别优质靶区该成果不仅限于地热领域，其提出的“生成-集成-优化”技术框架对矿产资源预测、地质灾害评估等地球科学问题具有普适性指导意义，展现了人工智能与地球科学深度交叉融合的巨大潜力。未来研究将通过跨学科团队合作研究，将探索进一步探索跨尺度建模、动态预测等方向，推动地热资源评估向更精准、更智能的方向发展。

论文信息：Li H,Yang Y*, Xu Q. A sparrow search algorithm optimized GAN-stacking model for the evaluation of geothermal resource potential assessment[J]. Geothermics, 2025, 131: 103398.

论文链接：https://doi.org/10.1016/j.geothermics.2025.103398

算法流程示意图

不同算法的ROC曲线比较

算法解释模型

地热甜点空间分布预测对比