期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
S型和I型锆石的机器学习划分及其在超大陆演化中的应用
1
作者 孙之晗 张毅刚 《中国科学院大学学报(中英文)》 北大核心 2025年第2期209-220,共12页
使用堆叠思想和框架融合常见的8种机器学习方法,并采用曲线下面积和正确率指标,建立碎屑锆石的S(sedimentary)型和I(igneous)型分类模型。将该模型应用于碎屑锆石数据集,获得S型和I型锆石随时间的分布。与古地磁和地质记录对比显示,S型... 使用堆叠思想和框架融合常见的8种机器学习方法,并采用曲线下面积和正确率指标,建立碎屑锆石的S(sedimentary)型和I(igneous)型分类模型。将该模型应用于碎屑锆石数据集,获得S型和I型锆石随时间的分布。与古地磁和地质记录对比显示,S型锆石的年龄峰同时对应着上一个超大陆裂解的终点和下一个超大陆聚合的起点,S型锆石的年龄谷(也是I型锆石的小年龄峰)对应超大陆最聚合的状态和其裂解的起始。根据S型锆石年龄峰与整体锆石大年龄峰,以及S型锆石的年龄谷与整体锆石小年龄峰的对应关系,提出整体锆石随时间分布图上的大年龄峰代表板块比较离散的状态,这时岩浆活动多,I型和S型花岗岩均有产出,板块移动速度快;而小年龄峰代表板块比较聚合的状态,这时板块比较稳定,岩浆活动少,产出以I型为主,板块移动速度慢。最后,给出一个更高准确率的判断S型和I型的决策函数和分类图解,可直接应用于相关研究工作。 展开更多
关键词 机器学习 s型和i型碎屑锆石 超大陆演化 堆叠 主成分分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部