在双碳目标的背景下，地热能已经成为应对气候变化、建设脱碳社会的重要能源。大地热流是地热勘探开发的关键指标之一，但实测热流数据获取难度大、成本高，导致全球很多地区热流数据稀疏且分布不均。传统热流预测方法存在准确性差、难以整合多种参数以及操作繁琐等局限性。尽管机器学习技术在该领域取得了一定的进展，但仍存在准确性有限、多源异构数据尺度优选困难及模型解释性不足等问题。本报告将围绕机器学习驱动的大地热流智能预测展开，系统介绍在提升模型预测准确性、优选建模数据尺度及增强模型可解释性等方面的系列方法，有效解决传统预测方法所面临的问题，为区域地热“甜点”识别与指导未来地热勘探工作提供技术支撑。

报告人简介：陈阳，2001年生，安徽省太湖人，中国地质大学（北京）2023级资源与环境（地质工程）专业在读硕士生，师从李克文教授，主要从事AI+地热的研究。曾获国家奖学金、校一等奖学金、三好学生等。以第一作者在Renewable Energy、Natural Resources Research等期刊发表论文多篇。