三类构造背景辉长岩单斜辉石主量元素和微量元素的数据分析研究

论文摘要

判别岩浆岩产出的构造环境已经成为岩石学、地球化学及其地球动力学研究的重要内容。作为岩浆岩中的一种喷出岩,玄武岩被视为判别构造环境的最佳成员。对其中单斜辉石的研究,由于其数据本身的利用程度有限而效果欠佳。理论上,不同构造环境的辉长岩也会存在一定差异。为此,利用机器学习算法研究全球新生代辉长岩的单斜辉石势在必行。本文主要针对岛弧（IAB）、洋岛（OIB）及大洋中脊（MORB）3种构造背景辉长岩的单斜辉石进行特征筛选和数据分类。从GEOROC数据库中,经数据收集与清洗,我们分别获得岛弧辉长岩单斜辉石数据385条,洋岛辉长岩单斜辉石数据756条,大洋中脊辉长岩单斜辉石数据5 500条。其中绝大部分为主量元素数据,其余为微量元素数据。在特征提取部分,我们选用卡方检验判断特征独立性,F检验估计两个随机变量之间的线性依赖程度,互信息法捕获其他种类的统计相关性。3种检验方法互相印证,得出了统计学可靠的重要分类特征。在数据分类过程中,本文对比了K-近邻、决策树和支持向量机3种主流机器学习分类算法在辉长岩数据上的表现。研究表明,对于上述3种构造背景,Al2O3、TiO2为最有区分度的辉长岩单斜辉石主量元素成分,Sr为最有区分度的微量元素成分。另外,对于3种构造背景的辉长岩单斜辉石主量元素和微量元素数据,机器学习模型分类准确率均达94%。

论文目录

• 0 引言
• 1 研究方法
•   1.1 数据提取与筛选
•   1.2 数据预处理
•   1.3 特征分析
•   1.4 交叉验证
•   1.5 数据分类
•   1.6 分类评价
• 2 不同构造背景辉长岩单斜辉石主量元素和微量元素的特征分析和3分类效果
•   2.1 不同构造背景辉长岩单斜辉石按主量元素特征分析
•   2.2 不同构造背景辉长岩单斜辉石按主量元素3分类效果
•     2.2.1 决策树算法
•     2.2.2 K-近邻算法
•     2.2.3 支持向量机
•   2.3 不同构造背景辉长岩单斜辉石按微量元素特征分析
•   2.4 不同构造背景辉长岩单斜辉石按微量元素3分类效果
•     2.4.1 决策树算法
•     2.4.2 K-近邻算法
•     2.4.3 支持向量机
• 3 讨论
•   3.1 不同算法在辉长岩单斜辉石主量元素数据3分类问题中的表现
•   3.2 不同算法在辉长岩单斜辉石微量元素数据3分类问题中的表现
•   3.3 主量元素、微量元素和全数据模式
•   3.4 机器学习应用于构造背景分类的优势与展望
• 4 结论

文章来源

类型: 期刊论文

作者: 章宝月,孙建鹍,罗熊,金维浚,王龙,杜雪亮,陈万峰,杜君,张旗,朱月琴

关键词: 单斜辉石,辉长岩,岛弧,洋岛,大洋中脊,机器学习

来源: 地学前缘 2019年04期

年度: 2019

分类: 基础科学

专业: 地质学

单位: 北京科技大学计算机与通信工程学院,中国科学院地质与地球物理研究所,兰州大学地质科学与矿产资源学院甘肃省西部矿产资源重点实验室,中国地质调查局发展研究中心

基金: 国家重点研发计划项目“基于‘地质云’平台的深部找矿知识挖掘”(2016YFC0600510)

分类号: P588.124

DOI: 10.13745/j.esf.sf.2019.7.8

页码: 33-44

总页数: 12

文件大小: 1386K

下载量: 292