·1604 工程科学学报，第42卷，第12期 的应用.矿产期查，2019,10(4)：929) [21]Wei Z Q,He G W,Deng X G,et al.The progress in the study and [15]Ye SS,Zhou DD,Wang S C.Integrated mineral information survey of oceanic cobalt-rich crust resources.Geol China,2017, forecasting system//Proceedings of the 7th National Conference on 44(3):460 Mathematical Geology and Geoscience Information.Kunming, (韦振权，何高文，邓希光，等.大洋富钴结壳资源调查与研究进 2005:59 展.中国地质，2017,44(3)：460) (叶水盛，周东岱，王世称.综合信息矿产预测系统第七届全国 [22]Jiao D F,Jin X L,Chu F Y,et al.Formation conditions and control 数学地质与地学信息学术会议.昆明，2005：59) factors of thick Co-rich ferromanganese crusts.Miner Deposits. [16]Li X Z.Development of an Expert System for Statistical Prediction 2007.26(3):296 of Medium and Large Scale Deposits[Dissertation].Wuhan:China (矫东风，金翔龙，初凤友，等.厚结壳的形成条件及控制因素分 University of Geosciences,2004 析.矿床地质，2007,26(3)：296) (李新中，中、大比例尺矿床统计预测专家系统的研制[学位论 [23]Yan S J.Du D W.Song Q L,et al.Synergy Creg estimation of 文].武汉：中国地质大学，2004) cobalt-rich crusts and spatial distribution of regional elements in [17]Xu S T,Zhou Y Z.Artificial intelligence identification of ore Magellan Seamounts.Acta Mineral Sin,2013(Suppl 2):674 minerals under microscope based on deep learning algorithm.Acta (月仕娟，杜德文，宋庆磊，等，麦哲伦海山富钻结壳及区域要素 Petrol Sin,2018,34(11):3244 空间分布的协同克里格估计.矿物学报，2013（增刊2少674） (徐述腾，周永章.基于深度学习的镜下矿石矿物的智能识别实 [24]Chu F Y,Sun G S,Li X M,et al.The growth habit and controlling 验研究.岩石学报，2018,34(11)：3244) factors of the cobalt-rich crusts in Seamount of the Central Pacific. [18]Liu Y P,Zhu L X,Zhou Y Z.Application of convolutional neural J Jilin Univ Earth Sci Ed,2005,35(3):320 network in prospecting prediction of ore deposits:taking the (初凤友，孙国胜，李晓敏，等，中太平洋海山富钴结壳生长习性 Zhaojikou Pb-Zn ore deposit in Anhui Province as a case.Acta 及控制因素.吉林大学学报：地球科学版，2005,35(3)：320) Petrol Sin,2018,34(11):3217 (刘艳鹏，朱立新，周永章.卷积神经网络在矿床找矿预测中的 [25]Wang S,Yang K J.An image scaling algorithm based on bilinear 应用一以安徽省兆吉口铅锌矿床为例.石油学报，2018， interpolation with VC++.Tech Autom Appl,2008,27(7):44 34(11):3217) (王森，杨克俭.基于双线性插值的图像缩放算法的研究与实现 [19]XiaoZ,Luo B.Liu YM.Research on prospecting of ductile shear 自动化技术与应用，2008,27(7)：44) zone in mining area based on deep learning.World Nonferrous [26]Zhang QQ,Liu Y,Pan J L,et al.Continuous speech recognition Me1,2019(21):46 by convolutional neural networks.Chin J Eng,2015,37(9):1212 (肖壮，罗彬，刘友明.基于深度学习的矿区韧性剪切带找矿研 (张晴晴，刘勇，潘接林，等.基于卷积神经网络的连续语音识别. 究.世界有色金属，2019(21)：46) 工程科学学报，2015,37(9：1212) [20]Ma W L.Study on Relation between Seamounts Type and Crusts [27]Xie Z H,Jiang P,Yu X H,et al.Hyperspectral face recognition Mineralization[Dissertation].Hangzhou:Zhejiang University system based on VGGNet and multi-band recurrent network.J 2006 Comput.4ppl,2019,39(2):388 (马维林.海山类型与结壳成矿的关系研究学位论文】.杭州：浙 (谢志华，江鹏，余新河，等.基于VGGNet和多谱带循环网络的 江大学，2006) 高光谱人脸识别系统.计算机应用，2019,39(2)：388)的应用. 矿产勘查, 2019, 10（4）：929） Ye  S  S,  Zhou  D  D,  Wang  S  C.  Integrated  mineral  information forecasting system//Proceedings of the 7th National Conference on Mathematical Geology and Geoscience Information.  Kunming, 2005: 59 （叶水盛, 周东岱, 王世称. 综合信息矿产预测系统//第七届全国 数学地质与地学信息学术会议. 昆明, 2005: 59） [15] Li X Z. Development of an Expert System for Statistical Prediction of Medium and Large Scale Deposits[Dissertation]. Wuhan: China University of Geosciences, 2004 （李新中. 中、大比例尺矿床统计预测专家系统的研制[学位论 文]. 武汉: 中国地质大学, 2004） [16] Xu  S  T,  Zhou  Y  Z.  Artificial  intelligence  identification  of  ore minerals under microscope based on deep learning algorithm. Acta Petrol Sin, 2018, 34（11）: 3244 （徐述腾, 周永章. 基于深度学习的镜下矿石矿物的智能识别实 验研究. 岩石学报, 2018, 34（11）：3244） [17] Liu Y P, Zhu L X, Zhou Y Z. Application of convolutional neural network  in  prospecting  prediction  of  ore  deposits:  taking  the Zhaojikou  Pb−Zn  ore  deposit  in  Anhui  Province  as  a  case. Acta Petrol Sin, 2018, 34（11）: 3217 （刘艳鹏, 朱立新, 周永章. 卷积神经网络在矿床找矿预测中的 应用——以安徽省兆吉口铅锌矿床为例. 石油学报, 2018, 34（11）：3217） [18] Xiao Z, Luo B, Liu Y M. Research on prospecting of ductile shear zone  in  mining  area  based  on  deep  learning. World Nonferrous Met, 2019（21）: 46 （肖壮, 罗彬, 刘友明. 基于深度学习的矿区韧性剪切带找矿研 究. 世界有色金属, 2019（21）：46） [19] Ma W L. Study on Relation between Seamounts Type and Crusts Mineralization[Dissertation].  Hangzhou:  Zhejiang  University, 2006 （马维林. 海山类型与结壳成矿的关系研究[学位论文]. 杭州: 浙 江大学, 2006） [20] Wei Z Q, He G W, Deng X G, et al. The progress in the study and survey  of  oceanic  cobalt-rich  crust  resources. Geol China,  2017, 44（3）: 460 （韦振权, 何高文, 邓希光, 等. 大洋富钴结壳资源调查与研究进 展. 中国地质, 2017, 44（3）：460） [21] Jiao D F, Jin X L, Chu F Y, et al. Formation conditions and control factors  of  thick  Co-rich  ferromanganese  crusts. Miner Deposits, 2007, 26（3）: 296 （矫东风, 金翔龙, 初凤友, 等. 厚结壳的形成条件及控制因素分 析. 矿床地质, 2007, 26（3）：296） [22] Yan  S  J,  Du  D  W,  Song  Q  L,  et  al.  Synergy  Creg  estimation  of cobalt-rich  crusts  and  spatial  distribution  of  regional  elements  in Magellan Seamounts. Acta Mineral Sin, 2013(Suppl 2): 674 （闫仕娟, 杜德文, 宋庆磊, 等. 麦哲伦海山富钴结壳及区域要素 空间分布的协同克里格估计. 矿物学报, 2013(增刊 2): 674） [23] Chu F Y, Sun G S, Li X M, et al. The growth habit and controlling factors of the cobalt-rich crusts in Seamount of the Central Pacific. J Jilin Univ Earth Sci Ed, 2005, 35（3）: 320 （初凤友, 孙国胜, 李晓敏, 等. 中太平洋海山富钴结壳生长习性 及控制因素. 吉林大学学报: 地球科学版, 2005, 35（3）：320） [24] Wang S, Yang K J. An image scaling algorithm based on bilinear interpolation with VC++. Tech Autom Appl, 2008, 27（7）: 44 （王森, 杨克俭. 基于双线性插值的图像缩放算法的研究与实现. 自动化技术与应用, 2008, 27（7）：44） [25] Zhang Q Q, Liu Y, Pan J L, et al. Continuous speech recognition by convolutional neural networks. Chin J Eng, 2015, 37（9）: 1212 （张晴晴, 刘勇, 潘接林, 等. 基于卷积神经网络的连续语音识别. 工程科学学报, 2015, 37（9）：1212） [26] Xie  Z  H,  Jiang  P,  Yu  X  H,  et  al.  Hyperspectral  face  recognition system  based  on  VGGNet  and  multi-band  recurrent  network. J Comput Appl, 2019, 39（2）: 388 （谢志华, 江鹏, 余新河, 等. 基于VGGNet和多谱带循环网络的 高光谱人脸识别系统. 计算机应用, 2019, 39（2）：388） [27] · 1604 · 工程科学学报，第 42 卷，第 12 期