我院楊洋教授（空間所團隊）、許強教授（碳酸鹽巖研究團隊）近日在地熱期刊《Geothermics》發表了題目為《A sparrow search algorithm optimized GAN-stacking model for the evaluation of geothermal resource potential assessment》 的研究論文，提出了一種基于麻雀搜索算法（SSA）優化的GAN-stacking模型，用于評估中國四川省地熱資源潛力。第一作者為我院2021級研究生李海濱，通訊作者為楊洋教授。
該研究將生成對抗網絡引入地熱資源預測場景，通過對抗訓練機制生成具有地質意義的合成樣本，有效解決了訓練數據不足的瓶頸問題。通過SHAP可解釋性分析技術，不僅驗證了生成數據的可靠性，更揭示了各特征變量對預測結果的貢獻度，為模型決策提供了透明化解釋。在模型架構設計上，研究創造性地采用Stacking集成策略，通過層次化特征重構與概率融合，顯著提升了模型對復雜地質特征的表征能力。
研究最具突破性的貢獻在于將仿生智能算法與機器學習模型深度融合。通過麻雀搜索算法的群體智能優化機制，系統性地解決了集成模型超參數調優的難題。這一創新不僅體現在算法性能的突破，更開創了智能優化算法在地學建模中的工程化應用范式。
在多源數據融合方面，研究整合了地質、地球物理、遙感等多維度空間數據，運用地理探測器和頻率比分析等先進的空間統計方法，定量揭示了各環境因子與地熱資源分布的空間耦合關系。這種數據驅動的研究思路不僅提升了預測精度，更為理解地熱系統的形成機制提供了新的科學認知。
該方法可精準識別優質靶區該成果不僅限于地熱領域，其提出的“生成-集成-優化”技術框架對礦產資源預測、地質災害評估等地球科學問題具有普適性指導意義，展現了人工智能與地球科學深度交叉融合的巨大潛力。未來研究將通過跨學科團隊合作研究，將探索進一步探索跨尺度建模、動態預測等方向，推動地熱資源評估向更精準、更智能的方向發展。
論文信息：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.
論文鏈接：https://doi.org/10.1016/j.geothermics.2025.103398
算法流程示意圖
不同算法的ROC曲線比較
算法解釋模型
地熱甜點空間分布預測對比
