GeoChemAD：基于地球化学异常检测的无监督基准数据集
机器学习
2026-03-16 v1 人工智能
摘要
地球化学异常检测在矿物勘探中发挥关键作用，因为偏离区域地球化学基线的异常值可能指示矿化现象。现有研究存在两个关键局限：(1)单一区域场景限制了模型的可推广性；(2)专有数据集使得结果复现困难。本文我们引入\textbf{GeoChemAD}，一个来自政府主导的地质调查项目编译的开源基准数据集，涵盖多个区域、不同的取样来源和目标元素。该数据集包含八个子数据集，代表不同空间尺度和取样条件。为建立强基准，我们复现并评估了various无监督异常检测方法，包括统计模型、生成模型和基于transformer的方法。此外，我们提出\textbf{GeoChemFormer}，一个基于transformer的框架，利用自监督预训练学习目标元素感知的地球化学表示，以适应空间样本。广泛的实验表明，GeoChemFormer在所有八个子数据集上 consistently 获得优越且稳健的性能，凌越现有无监督方法在异常检测准确率和推广能力方面的表现。该提出的数据集和框架为可重复的研究及未来发展提供了基础。
引用
@article{arxiv.2603.13068,
title = {GeoChemAD: Benchmarking Unsupervised Geochemical Anomaly Detection for Mineral Exploration},
author = {Yihao Ding and Yiran Zhang and Chris Gonzalez and Eun-Jung Holden and Wei Liu},
journal= {arXiv preprint arXiv:2603.13068},
year = {2026}
}
备注
Work in progress