地科學院碩士研究生趙麗芳在《Atmosphere》上發表題為“Leveraging Deep Learning for Automated Experimental Semivariogram Fitting”的論文，永利6774app手机版官网為論文第一署名單位，研究生趙麗芳為第二作者，其導師喻思羽副教授為該論文的第一作者和通訊作者。

在地質勘探與資源評估中，變差函數拟合精度關乎空間數據預測與建模準确性。但傳統最小二乘法、加權多項式回歸等方法，在處理複雜地質結構、非平穩空間數據時，存在模型适配性差、拟合效果不穩定等難題。為解決這一問題，将深度學習引入地統計學，提出基于全連接神經網絡（FCNN）的實驗變差函數自動拟合方法。該方法通過挖掘數據非線性特征、優化拟合誤差，經大量數據訓練驗證，能靈活适配不同類型變差函數，顯著提升拟合穩定性與準确性。新方法不僅提高了變差函數拟合的精度和穩定性,而且為地質統計學中的變差函數自動拟合提供了新的思路和解決方案。該成果拓寬了深度學習在地統計學的應用邊界，為地質建模、資源評估提供可靠技術支撐，也為自然資源勘探、環境監測等領域的精準分析開辟了新路徑。

（文章鍊接：https://doi.org/10.3390/atmos16020191）

圖1 論文首頁