基于机器学习和全岩成分识别东昆仑祁漫塔格斑岩-矽卡岩矿床成矿岩体和贫矿岩体

作     者：刘嘉情 钟世华 李三忠 丰成友 戴黎明 索艳慧 郭广慧 牛警徽 薛梓萌 黄宇 LIU Jiaqing;ZHONG Shihua;LI Sanzhong;FENG Chengyou;DAI Liming;SUO Yanhui;GUO Guanghui;NIU Jinghui;XUE Zimeng;HUANG Yu

作者机构：中国海洋大学深海圈层与地球系统教育部前沿科学中心山东青岛266100 中国海洋大学海底科学与探测技术教育部重点实验室山东青岛266100 中国海洋大学海洋地球科学学院山东青岛266100 青岛海洋科学与技术国家实验室海洋矿产资源评价与探测技术功能实验室山东青岛266100 中国地质科学院勘探技术研究所河北廊坊065000 

出 版 物：《西北地质》 (Northwestern Geology)

年 卷 期：2023年第56卷第6期

页      面：41-56页

学科分类：081801[工学-矿产普查与勘探] 0709[理学-地质学] 070901[理学-矿物学、岩石学、矿床学] 07[理学] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：国家自然科学青年基金项目(42203066) 山东省自然科学青年基金项目(ZR2020QD027)联合资助 

主　　题：成矿潜力 全岩主微量元素 随机森林 机器学习 祁漫塔格 东昆仑 

摘      要：东昆仑祁漫塔格成矿带是中国西北地区重要的铜钼铁铅锌多金属成矿带,发育卡尔却卡、野马泉、维宝、乌兰乌珠儿等许多与花岗岩类有关的斑岩-矽卡岩矿床。随着新一轮找矿突破战略行动的开展,进一步加强对祁漫塔格成矿带花岗岩成矿潜力的研究,已成为推动该地区金属矿产储量增长的重要突破口。为此,笔者在系统收集祁漫塔格成矿带典型斑岩-矽卡岩多金属矿床成矿岩体和贫矿岩体(即非成矿岩体)的全岩主量和微量元素数据基础上,选取28种常见的全岩地球化学特征,借助机器学习算法——随机森林,开展机器学习模型训练,建立能够识别该地区斑岩-矽卡岩多金属矿床成矿岩体和非成矿岩体的新方法。根据模型评价指标,笔者训练得到的随机森林分类模型准确率为0.90,证明该方法能够有效识别成矿岩体和非成矿岩体。该研究为祁漫塔格成矿带斑岩-矽卡岩多金属矿床的找矿勘查提供了新思路,将极大地提高找矿效率、降低找矿经济和人力成本,从而更好的服务新一轮找矿突破战略行动。相关机器学习代码已上传至GitHub,地址为https://***/ShihuaZhong/2023-Qimantagh-RF-whole-rock-classifier。