中国地质科学院矿产资源研究所矿产资源规划室研究员孙莉主要从事地球科学和数据科学交叉领域研究工作，她近年来采用机器学习、深度学习算法探索流体包裹体物理化学参数与主成矿元素之间的非线性数值关系，构建三维流体场，并结合矿区控矿要素，开展三维成矿定量预测研究。现已主持、参与国家重点研发计划课题、国家973课题、自然科学基金项目、地质调查项目等国家级项目近30项，取得了一系列创新性的科研成果，为我国矿产资源的勘查和开发作出了重要贡献，同时也推动了矿产资源的合理利用和保护。

今天，就让我们走近孙莉，去深入了解她充满探索发现与先进成果的科研世界。

结缘地球科学 创新评价技术

孙莉2006年获中国地质大学（北京）矿物学、岩石学、矿床学专业硕士学位，2017年以访问学者身份赴美国爱达荷大学研习数据科学，将国外先进理念引进国内并融入自身研究。

她深耕矿产资源预测与数据科学交叉领域，近年来专注运用机器学习、深度学习算法，探索流体包裹体物理化学参数与主成矿元素间的非线性数值关系，构建三维流体场。该模型与矿区控矿要素相结合，成为三维成矿定量预测研究的关键支撑。

作为常年奋战在地质勘探一线的科研工作者，孙莉以巾帼担当、坚韧毅力、严谨态度与奉献精神，用实际行动诠释地质人的执着与热爱，展现出别样的科研风采。截至目前，她现已发表（含合作发表）论文138篇，其中以第一作者（含通讯作者）发表论文32篇，出版专著5部；第一发明人授权国家发明专利6项；荣获省部级科技奖12项，包括自然资源科技进步奖一等奖和二等奖、发明创业奖成果奖等。

科研喜结硕果 逐梦引领未来

芳华铸就科研路，硕果累累创新高。在孙莉的科研履历中，主持国家重点研发计划课题、国家自然科学基金项目、地质调查项目及企业项目等近30项。其中一些项目成果意义非凡，比如，她成功构建了特定地区三维流体场模型，为成矿预测指明了方向。该模型为后续的矿产勘查工作提供了极为重要的参考依据，它的价值不仅仅在于学术研究上的突破，更在于对实际矿产资源开发的深远影响。

科技创新点一：研发多模态地学数据智能融合技术与成矿信息提取方法

研发基于地质成因的数据集统一规范：针对1:5万地质填图、可控源音频大地电磁测深、土壤地球化学采样、Landsat 8遥感等不同类型数据，通过坐标匹配、精度校准、单位统一等预处理，结合“基于机器学习的成矿预测系统V1.0”的数据清洗模块，剔除异常值与系统偏差，数据有效性提升至92%以上。同时创新数据正则化算法，通过对数变换、正态分布检验等手段，将Au、REE、WO₃等非正态分布的化探元素数据，转化为符合预测模型需求的标准化数据，解决传统数据量纲不一、分布不均导致的融合偏差问题。

突破单一数据独立分析局限，基于区域成矿理论（如熊耳山矿集区“构造—岩浆—矿化”耦合理论、微山稀土矿“碱性岩体—断裂带—稀土异常”成矿模式），建立多源数据与成矿要素的关联规则。例如，将物探重力高异常与深部隐伏岩体、化探稀土元素组合异常与矿体赋存层位、遥感羟基蚀变信息与矿化带边界分别关联；通过主成分分析、因子分析等方法，提取构造控矿强度、岩浆活动频率、元素异常规模等核心成矿指标，形成量化的成矿信息矩阵，为后续预测模型提供高质量、高关联性数据输入，成矿信息提取准确率较传统方法提升40%。

科技创新点二：构建融合主成分分析与线性回归的地球化学数据处理技术

针对传统地球化学分析“单一元素驱动、成矿关联弱”的局限，创新通过主成分分析对30余项地球化学元素（Au、Mo、Pb、REE等）进行降维处理，提取累计方差贡献率≥85%的核心成矿元素组合因子（如Au-As-Sb、REE-Ga-Th，因子载荷量＞0.6），明确元素间协同成矿关联；再将目标成矿元素（如WO₃、REO）含量与主成分因子得分构建线性回归模型，计算实际含量与理论预测值的残差值，该残差值可有效剥离地层岩性干扰，与深部隐伏矿体空间分布呈强相关性。在山东微山稀土矿中，通过主成分分析提取“REE-Ga-Th”成矿元素组合，结合线性回归残差定位3处稀土富集异常、3处钻探获工业矿体，为微山稀土矿成为华东最大稀土基地提供关键技术支撑。

摒弃传统异常下限“正态分布假设不符实际”的缺陷，创新采用浓度—面积分形法对线性回归残差数据进行处理：通过绘制残差“浓度—面积”双对数图，依据图中直线段拐点确定残差背景值，如山东微山稀土矿REE残差背景值确定为1.2；结合岩体接触带、断裂破碎带等地质背景，将残差异常区重分为高异常区（残差值＞背景值1.5倍）、中异常区（残差值1.0～1.5倍背景值）、低异常区（残差值0.8～1.0倍背景值），高异常区即为优先勘查的高精度找矿靶区，实现数据异常与地质意义的深度耦合。

科技创新点三：构建模糊逻辑—机器学习耦合的智能预测技术

前端借助模糊逻辑应对地质知识的不确定性：以矿床模型为基础，广泛汇集地质、地球物理、地球化学等多源数据，依据数据的地质意义，运用模糊化技术将定性地质信息转化为定量模糊值。针对地层、构造、岩体等地质要素，结合矿床与地层的空间关系采用专家赋值法模糊化；对矿产地与构造、岩体的距离等参数，按空间关系选用对应模糊算子处理；地球化学数据经模糊化后生成单元素、单因子地球化学图模糊图层，既有效保留数据地质语义，又增强了可解释性。

后端通过随机森林、证据权法、3D卷积神经网络等机器学习算法，处理多源数据的量化关系，将模糊隶属度与成矿信息矩阵、三维模型参数等数据特征相结合，构建成矿概率预测模型。在山东微山稀土矿预测中，该算法成功圈定6处找矿靶区，经钻探验证5处发现工业矿体，预测准确率达83%，较单一机器学习算法提升25%。

基于上述算法，团队开发“基于机器学习的成矿预测系统V1.0”，集成四大功能模块：阈值判别模块以成矿概率阈值（如0.6）划分找矿靶区等级（A类≥0.8、B类0.6-0.8、C类0.4～0.6）；趋势分析模块模拟矿体延深方向与规模变化；理论反演模块结合成矿机理验证预测结果的地质合理性；仿真模拟模块通过数值模拟再现成矿过程（如成矿流体运移路径、矿体富集过程），并解析致灾机理（如矿体与围岩的稳定性关系）。在河北崇礼赤城金矿集区预测中，该平台圈定20处靶区，其中9处A类靶区经地表工程查证，发现金铜矿体2条、金矿体2条，金最高品位达9.93g/t，为深部勘查提供了精准靶区指导。

近年来，孙莉重点深耕地球科学与数据科学交叉前沿领域，主要开展AI驱动的海底热液系统中矿物—微生物相互作用耦合成矿机制及预测模型研究、AI驱动的火星宜居性选址研究等工作。

“心若有所向往，何惧道阻且长。”对科研的热爱与激情，是孙莉前行的不竭动力。作为青年科研人员，她的科研之路仍漫长，未来将以坚定意志与饱满热情，开拓创新、拼搏奋进，与团队携手攻克科研难关。她愿做矿产资源科研海洋中的勇敢领航员，破浪前行、绽放芳华，为我国矿产事业倾尽智慧与力量，也为后来者照亮前行之路。