期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于大数据和机器学习方法的含铈矿物生态学研究
1
作者 古丽妮尕尔 邢介奇 +8 位作者 康石长 席佳鑫 林枭举 杨宜坪 杨莉 杨波 孟文祥 鲜海洋 朱建喜 《地球化学》 北大核心 2025年第4期575-584,I0009-I0012,共14页
稀土是发展能源转换、超导和量子工程等高新技术领域不可替代的战略性矿产资源。然而,对于稀土矿物分布、多样性和共生规律的认识极为不足。前人通过大数据和机器学习方法对Be、B和C等矿物生态学和矿物共生网络的研究,识别矿物共生组合... 稀土是发展能源转换、超导和量子工程等高新技术领域不可替代的战略性矿产资源。然而,对于稀土矿物分布、多样性和共生规律的认识极为不足。前人通过大数据和机器学习方法对Be、B和C等矿物生态学和矿物共生网络的研究,识别矿物共生组合隐藏的规律,预测总矿物种数、可能的化学组分和成矿环境,为寻找新矿物以及有效利用矿产资源提供新方向。本文立足于Mindat和RRUFF数据库提供的地球近地表166种含Ce矿物的矿物学信息,通过大量罕见事件(LNRE)模型预测:地球近地表至少存在223±3种含Ce矿物,还有57±3种含Ce矿物尚未被发现,包括39±3种含O矿物、36±11种含H矿物、50±1种含Si矿物、45±22种含Ca矿物、39±5种含Na矿物、28±5种含C和23±2种含F矿物。这些尚未被发现的矿物多数与碳酸盐岩演化的不同阶段相关。此外,Ce的矿物网络分析结果表明,含Ce矿物被划分为4种不同的成矿环境,暗示新的含Ce矿物成矿环境。本研究为开展其他稀土元素的矿物生态学和矿物共生网络研究提供研究思路和方法,对发现稀土新矿物以及有效利用稀土矿产资源具有重要指导意义。 展开更多
关键词 含Ce矿物 大数据 机器学习 大量罕见事件频率分布 矿物共生网络分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部