基于机器学习的埃达克质岩构造背景判别研究

作     者：张焕宝 贺海洋 杨仕教 李亚林 毕文军 韩世礼 郭钦鹏 杜青 ZHANG Huanbao;HE Haiyang;YANG Shijiao;LI Yalin;BI Wenjun;HAN Shili;GUO Qinpeng;DU Qing

作者机构：南华大学资源环境与安全工程学院湖南衡阳421001 中国地质大学(北京)地球科学与资源学院北京100083 太原理工大学矿业工程学院山西太原030024 

出 版 物：《地学前缘》 (Earth Science Frontiers)

年 卷 期：2024年第31卷第4期

页      面：417-428页

核心收录：

学科分类：12[管理学] 0709[理学-地质学] 07[理学] 08[工学] 0711[理学-系统科学] 1205[管理学-图书情报与档案管理] 070904[理学-构造地质学] 070902[理学-地球化学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 070901[理学-矿物学、岩石学、矿床学] 0828[工学-农业工程] 081104[工学-模式识别与智能系统] 0708[理学-地球物理学] 0901[农学-作物学] 0835[工学-软件工程] 0714[理学-统计学（可授理学、经济学学位）] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖南省自然科学基金面上项目(2023JJ30507,2023JJ30506) 山西省自然科学基金青年项目(202103021223120) 湖南省教育厅科学研究项目(22B0433) 

主　　题：埃达克质岩 构造背景 判别图解 主、微量元素 大数据分析 机器学习 

摘      要：埃达克质岩具有重要的地球动力学和金属成矿意义,其构造背景的准确识别为探讨区域构造-岩浆演化过程提供了重要依据。由于埃达克质岩源区、热源和岩浆产生机制的多样性,传统低维度地球化学手段在识别构造背景时存在局限性。随着地学数据的指数增长和人工智能的发展,机器学习为解决该问题提供了新方法。因此,本文将机器学习与地质大数据相结合,构建高精度埃达克质岩构造背景判别模型和可视化图解。文中收集了1 075条全球埃达克质岩主、微量地球化学数据,使用主成分分析和t分布-随机近邻嵌入等无监督学习方法进行高维数据降维,采用随机森林、支持向量机、人工神经网络和K近邻等机器学习方法进行数据训练,得出准确率为98.5%的高斯核支持向量机埃达克质岩构造背景判别器,并提出Ba-Sr/Nd图解,为汇聚板块边缘、板内火山活动和太古宙克拉通(包括绿岩带)3种构造背景判别提供依据。这项工作将拓展机器学习在埃达克质岩构造背景研究中的应用,为构造-岩浆作用研究带来新的思路。