-
题名基于机器学习的榍石微量元素特征判别岩浆岩类型
- 1
-
-
作者
滕文航
潘增锋
王瑞
-
机构
中国地质大学(北京)地质过程与成矿预测全国重点实验室
中国地质大学(北京)地球科学与资源学院
-
出处
《成都理工大学学报(自然科学版)》
北大核心
2025年第5期873-887,共15页
-
基金
国家自然科学基金重大研究计划集成项目(92462304)
中国地质大学(北京)2025年大学生创新创业训练计划项目资助。
-
文摘
榍石作为岩浆岩中常见的副矿物,其矿物地球化学成分能够较为详细地记录岩浆演化过程,尤其是榍石的微量元素特征在寄主岩石的类型判别指示中具有重要潜力。传统的二元判别图虽然在利用榍石微量元素含量的判别中有所应用,但其在复杂岩石类型分类中的局限性也日益显现。近年来,随着地质数据的积累和机器学习技术的发展,大数据分析在地质学中得到广泛应用。利用全球公开的榍石微量元素数据库GEOROC汇编了8 721条岩浆岩中榍石微量元素数据,采用遗传编程符号回归方法构建了利用榍石成分判别岩浆岩岩性的数学表达式。通过4种机器学习算法(支持向量机、K最近邻、XGBoost和随机森林),建立了基于榍石微量元素的岩浆岩岩性分类模型,准确判别出超基性岩、基性岩、中性岩和酸性岩。利用SHAP分析揭示了榍石微量元素与岩浆岩类型之间的显著关联,表明榍石微量元素组合可以作为有效指标用于岩浆岩类型识别。
-
关键词
榍石
微量元素
岩浆岩
遗传编程符号回归
机器学习
-
Keywords
titanite
trace elements
igneous rocks
genetic programming symbolic regression
machine learning
-
分类号
P588.1
[天文地球—岩石学]
P578.94
[天文地球—矿物学]
-
