MineTRACE：一个基于证据的交互式矿产勘查潜力推理系统

# MineTRACE：基于证据的矿物成矿预测交互式推理系统
来源：https://arxiv.org/html/2609.02060
金文·刘<sup>1</sup><sup>1</sup> affiliations: 西澳大利亚大学 丹尼尔·苏<sup>1</sup><sup>1</sup> affiliations: 西澳大利亚大学 陈怡苏 affiliation: Wilfrid Laurier University [email protected], {wei.liu,yihao.ding}@uwa.edu.au 孙强 affiliation: 西澳大利亚大学 克里斯·冈萨雷斯 affiliation: 西澳大利亚大学 恩正·霍尔登 affiliation: 西澳大利亚大学 马可·菲奥伦蒂尼 affiliation: 西澳大利亚大学 刘伟 affiliation: 西澳大利亚大学 丁一浩 affiliation: 西澳大利亚大学

###### 摘要

矿物勘查需要整合异构的地球化学、地球物理和地质证据，但现有成矿预测系统往往只提供不透明的分数或热图。本文提出MineTRACE，一个基于网络的系统，用于铜、金、镍、钨、锡、钴、钽和锰八种矿种的证据导向勘查。用户可以探索成矿预测图，查询位置或区域，检查支持性证据，并通过自然语言进行交互。一个透明的专家决策树，结合地质知识和已知矿床，将多源证据整合为可解释的成矿预测分数。对于新位置，对话助手从分析管道中检索分数和支持性证据，并以自然语言呈现。评分器在不同测试场景下实现了高达0.917的空间AUC值，而端到端评估则评估了查询准确性和响应依据性。MineTRACE使公共地球科学数据更易于访问、解释和验证，支持更高效和透明的矿物勘查。我们的视频可通过https://geo.nlp-tlp.org/video观看，实时演示可通过https://geo.nlp-tlp.org/访问。

## 1 引言

参考标题图1：MineTRACE概览。公共地球化学、地球物理和地质证据由一个透明的专家决策树评分器整合，用于评估未知位置和区域的矿物成矿预测。该评分器返回统一的证据记录，为交互式地图工作区和基于证据的自然语言助手提供支持，帮助用户检查成矿远景区并做出基于证据的勘查决策。矿物勘查对于扩大资源基础至关重要，以确保为现代技术和经济发展提供关键矿产供应 (Müller et al., 2025 (https://arxiv.org/html/2609.02060#bib.bib2))。然而，识别成矿远景区目标需要地质学家在大面积且采样不均的区域整合异构的地球化学、地球物理和地质证据。矿物成矿预测制图有助于将此证据组织成空间分数或热图，但实际勘查决策需要的不仅仅是知道哪里分数高。地质学家还必须了解哪些证据支持该评估，不同证据来源是否一致，以及现有数据是否足以证明进一步调查的合理性。

现有方法仅支持该过程的部分环节。数据驱动的模型可以生成准确的成矿预测图 (Ding et al., 2026 (https://arxiv.org/html/2609.02060#bib.bib1))，但通常将证据隐藏在最终分数之后。知识驱动的方法更具透明度 (Dong and Zhang, 2024 (https://arxiv.org/html/2609.02060#bib.bib7))，但通常以静态地图或离线分析形式呈现。商业平台允许多用户查看多个数据层，而对话助手可以简化交互 (Liu et al., 2026 (https://arxiv.org/html/2609.02060#bib.bib16))，但这些组件很少连接起来。因此，用户仍然缺乏一个统一的工作流，将每个成矿预测评估与其支持性证据联系起来，并允许在同一界面内交互式检查结果。

我们提出MineTRACE，一个用户友好、以证据为中心的系统，旨在弥合成矿预测与实际勘查决策之间的差距。我们的目标是超越静态分数和热图，使成矿预测评估变得可交互、可解释和可追溯。为支持实际勘查工作流，该系统允许用户直接查询新位置或区域，检查每次评估背后的多源证据，比较成矿远景区目标，并通过自然语言获得基于证据的解释。

MineTRACE支持八种矿种，构建于来自西澳大利亚州的大规模公共地球化学、地球物理和地质数据之上。其核心是一个透明的专家决策树，将附近观测整合为一个结构化的证据记录，包含成矿预测分数、贡献信号、专家贡献、证据来源和局部样本覆盖范围。相同的记录在地图、证据面板、空间查询和对话界面中共享，确保所有系统输出与底层的成矿预测分析保持一致。本文的贡献总结如下：
- 一个用户友好且可解释的矿物成矿预测分析系统。MineTRACE集成了勘查、点和区域查询、目标比较、证据检查和自然语言交互，允许用户在一个工作流中获取成矿预测评估并理解其背后的证据。
- 一个可追溯的多源证据表示。MineTRACE使用透明的专家决策树将地球化学、地球物理和地质观测整合为结构化的证据记录，将每个成矿预测分数明确链接到其贡献信号、专家贡献、源数据和局部覆盖范围。
- 对成矿预测和交互质量的大规模评估。我们在八种矿种的约935万个样品分析和3,420个已知矿点上评估MineTRACE，同时评估成矿预测排序、空间泛化、多源证据融合、查询准确性和响应依据性。

## 2 相关工作

数据驱动方法将矿物成矿预测建模为异常检测问题，使用自编码器-高斯混合模型 (Wang and Chen, 2025 (https://arxiv.org/html/2609.02060#bib.bib3)) 和基于Transformer的模型 (Yu et al., 2026 (https://arxiv.org/html/2609.02060#bib.bib4)) 等方法来捕获复杂的地球化学模式并实现强大的预测性能；然而，它们仅为每个位置产生一个单一分数，并且缺乏对促成该分数的底层证据的可解释性。知识驱动方法则旨在通过结构化、基于树的模型 (Zhang et al., 2024 (https://arxiv.org/html/2609.02060#bib.bib5); Rai et al., 2026 (https://arxiv.org/html/2609.02060#bib.bib6); Dong and Zhang, 2024 (https://arxiv.org/html/2609.02060#bib.bib7)) 提高可解释性，这些模型为其预测提供特征重要性和决策规则，但这些方法通常限于单一数据模态，在不同区域泛化能力不佳，缺乏对多源证据的显式推理，并且未被设计为交互系统。在地球科学之外，最近的交互系统展示了如何以更透明的方式提取和检查领域特定信息，包括从领域特定文档中提取关键信息 (Ding et al., 2025 (https://arxiv.org/html/2609.02060#bib.bib14))、上下文感知的时空信息提取 (Zhang et al., 2026a (https://arxiv.org/html/2609.02060#bib.bib15)) 和多轮大语言模型推理的可视化检查 (Zhang et al., 2026b (https://arxiv.org/html/2609.02060#bib.bib20))，但这些系统都没有专门针对矿物成矿预测评估。商业平台如MINML<sup>1</sup><sup>1</sup> https://minml.co.uk/ 试图整合多源地球科学数据，并提供具有成矿预测排名的交互式界面，声称提供有证据支持的输出，但没有公开的定量评估。我们的MineTRACE提供了一个统一的、基于证据的系统，将多源数据、可解释的评分和交互式自然语言探索联系起来，所有输出均可追溯到底层证据并经过定量评估。

## 3 系统设计

本节介绍MineTRACE的设计。我们首先介绍整体系统架构，然后介绍数据与证据层、可解释的成矿预测引擎，以及交互式界面及其与系统的集成。

### 3.1 系统概述

图2：MineTRACE的架构设计。Django是一个Python Web框架；PostGIS是用于地理空间数据的数据库；ETL代表提取-转换-加载，用于数据准备；MCP（模型上下文协议）允许外部代理调用软件工具。MineTRACE被组织为一个围绕单一评分路径的Web系统（图2 (https://arxiv.org/html/2609.02060#S3.F2)）。用户通过一个结合了地图、证据面板和对话助手的浏览器工作区进行交互。用户请求通过平台后端路由到单独的评分服务，该服务应用专家决策树模型并返回成矿预测分数及其证据记录。评分服务从PostGIS存储中读取处理过的地球科学数据，并加载由离线训练和预处理作业产生的拟合专家权重。此设计使界面保持简单，同时确保每个地图结果和助手响应都由相同的评分路径生成。

### 3.2 数据与证据层

#### 数据来源.

MineTRACE使用西澳大利亚州地质调查局发布的三个开放数据产品。<em>CM02近地表地球化学 (Geochem.)</em> 提供来自五种采样介质的935万个样品分析：沉积物、岩屑、钻孔最高品位、浅钻和地表土壤。<em>CM01矿化点 (Sites)</em> 提供跨越八种矿种的3,420个已知矿山和矿床点，我们用其构建监督标签。<em>CM08关键矿产基础底图 (Basemap)</em> 提供七个地球物理栅格和五个地质矢量层，包括磁法、重力、放射性测量、地质年代学、断层、地质单元和新生代覆盖层。所有产品均注册至GDA2020坐标系，并覆盖西澳大利亚州约252万平方公里<sup>2</sup><sup>2</sup> 可通过DMIRS数据与软件中心获取：https://dasc.dmirs.wa.gov.au/。

#### 数据到证据的处理.

原始数据首先被协调为一个统一的全州范围证据存储。地球化学样品分析经过清洗，映射到固定的元素方案，并按采样介质分离；地球物理栅格对齐到共同的空间参考；地质、构造和已知矿床层进行空间索引，并转换为可查询的属性和距离特征。对于每个查询位置或区域，系统从该存储中检索附近的观测值，并组装一个结构化的<em>证据记录</em>，包含多尺度地球化学统计、地球物理值、地质和构造背景、与已知矿床的邻近性以及局部样本覆盖范围。缺失的证据被显式处理：当10公里范围内少于三个样品分析时，地球化学组件会弃权，而不是从不足的观测中进行外推。该记录为下游评分、可视化检查和直接的对话交互提供了共享的证据表示。完整的预处理细节见附录A (https://arxiv.org/html/2609.02060#A1)。

参考标题 (a) 交互界面和训练后的金矿项目。 (b) 训练后的金矿项目详情。图3：MineTRACE中的交互界面和训练后的金矿项目案例研究。(a) 界面展示了第3.4节 (https://arxiv.org/html/2609.02060#S3.SS4) 中的交互模式：矿种切换、证据层切换、地图点击成矿预测查询、证据检查和与助手的自然语言交互。六个编号点标记了模型训练截止日期后公开的金矿项目。(b) 这六个点的项目摘要。如第5节 (https://arxiv.org/html/2609.02060#S5) 所述，它们被用作定性案例研究，而非正式基准：它们不是训练正样本，它们的分数和全州百分位数展示了MineTRACE如何评估近期的金矿目标。

### 3.3 可解释的成矿预测引擎

可解释的成矿预测引擎将查询位置周围的证据系统地转换为成矿预测分数和可追溯、可审计的解释。它包含三个阶段：证据表示、专家评分和分数聚合。

#### 证据表示.

对于每个查询点，空间索引检索5公里、10公里和50公里范围内的附近样本。针对固定的14种目标和指示元素面板，它在对数空间计算稳健统计量，包括局部富集、高百分位异常、局部与区域对比、元素比值、空间一致性和样本覆盖范围。通过栅格值、映射属性和到相关构造的距离添加地质和地球物理背景。附近观测不足的位置被标记为低覆盖，而不是被处理为置信预测。详细的特征目录见附录B (https://arxiv.org/html/2609.02060#A2)。

#### 专家评分.

所得特征由命名的专家进行评估，每个专家代表一个固定的勘查启发式方法，并在[0,1]范围内产生分数。此设计保留了每个证据来源的含义，并允许将最终分数归因于清晰的地质论证。<em>地球化学专家</em>评估目标元素富集、指示元素富集和相关元素异常。<em>地球物理专家</em>评估磁法、重力、放射性测量和地质年代学响应。<em>地质专家</em>评估断层邻近性、地球物理虫图、有利赋矿岩性和新生代覆盖背景。特定矿种的指示元素列表和专家定义见附录C (https://arxiv.org/html/2609.02060#A3)。

#### 透明的分数聚合.

最终的成矿预测分数是活动专家分数的加权平均值。专家权重根据每个专家区分已知矿床与背景位置的效果在线下进行拟合。没有所需证据的专家弃权并被排除在聚合之外，而一个单独的覆盖度值表示有多少局部证据支持该分数。没有训练端到端的神经模型。线下拟合估计专家和来源权重、用于z评分的背景统计量，以及每个特征的有利方向。指示元素定义基于领域知识保持固定。每个预测都存储为一个证据记录，包含贡献特征、z分数、专家分数、专家权重、活动来源、覆盖信息和最终的矿种分数。拟合参数在部署时被冻结，部署的评分器与参考实现的匹配度在固定黄金测试集上达到10<sup>-6</sup>以内。这确保了线下评估和交互式查询使用相同的审计评分过程。

### 3.4 交互式界面

该界面通过三种互补的交互模式暴露相同的证据记录。

#### 直接空间查询.

用户选择一种矿种，并通过点击点或绘制区域对任何位置进行评分。系统返回一个成矿预测值、一个层级、局部样本覆盖、最近已知矿床背景和一个证据面板。该面板呈现模型自身的分解：排序的特征信号、z分数、来源介质、贡献