地质科学
     首页 | 过刊浏览 |  本刊介绍 |  编委会 |  投稿指南 |  期刊征订 |  留言板 |  批评建议 |  联系我们 |  English
地质科学  2018, Vol. 53 Issue (4): 1285-1299    DOI: 10.12017/dzkx.2018.074
论文 最新目录 | 下期目录 | 过刊浏览 | 高级检索  |   
基于机器学习的岩石微量元素与主量元素关系初探:以洋岛玄武岩中锆元素为例
洪    瑾1    甘成势1    刘    洁1,2
  1. 中山大学地球科学与工程学院  广州    510275
  2. 广东省地质过程与矿产资源探查重点实验室  广州    510275
Preliminary study on the relationship between trace and major elements in rocks based on machine learning:A case study of Zr in OIB
null
  1. School of Earth Sciences and Engineering, Sun Yat-Sen University, Guangzhou  510275
  2. Guangdong Provincial Key Laboratory of Mineral Resources & Geological Processes, Guangzhou  510275
 全文: PDF (1401 KB)   HTML( )   输出: BibTeX | EndNote (RIS)      背景资料
摘要 

本文尝试利用机器学习的随机森林算法分析岩石主量元素与微量元素之间的关系。大洋玄武岩几乎不受混染作用影响,各元素成分之间的关系相对稳定,其中微量元素Zr是一种稳定的高场强元素。本文采用随机森林算法对洋岛玄武岩中Zr元素和主量元素的关系进行探索。利用算法中变量重要性度量判断各个主量元素与Zr元素之间关系的强弱,结合Pearson相关性分析,选择出5种主量元素(TiO2、CaO、MgO、Na2O 和P2O5)作为预测变量。由这5种元素确定了共1 000棵,每棵决策树含3个特征的随机森林模型,该模型对Zr元素的预测效果优于普通多变量回归方法。随后还探索了Zr元素与这5种主量元素的经验公式,得到的经验公式对Zr元素的预测结果也较好。本文更重要的意义是为拥有海量数据的地球化学领域引入一种用于数据挖掘的机器学习方法,并提出一套具有启发性的数据分析方案。

 

服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
洪 瑾 甘成势 刘 洁
关键词机器学习   随机森林方法   洋岛玄武岩   微量元素   主量元素     
Abstract

We propose to investigate the relationships between major and trace elements by using the random forest algorithm of machine learning. The relationship between Zr and major elements in ocean island basalts(OIB)is selected as an example because:1)OIB are hardly affected by crust contamination and the relationship between the elements is relatively stable;2)the trace element Zr is a high field strength element and is chemically stable. Five major elements(TiO2, CaO, MgO, Na2O and P2O5)are selected as predictors based on the variable importance measurements of random forest method combining with the results of Pearson correlation analysis. A random forest model containing a thousand decision trees with three features in each tree is determined by these five elements, and the predictive result of this model to the Zr is superior to the general multivariable regression method. Furthermore, the empirical formula between Zr and these five major elements is analyzed and the fitted formula is also good for the prediction of Zr. By providing a demonstrating example, this study introduces a machine learning method to the research discipline of geochemistry which owns massive data and requires new techniques of data mining.

 

Key words:   
收稿日期: 2018-02-05;
基金资助:

国家自然科学基金项目(编号:41574087)和国家重点研发计划项目(编号:2016YFC0600506)资助。

通讯作者: 刘 洁, 女, 1967 年8 月生, 博士, 教授, 固体地球物理学专业。     E-mail: liujie86@mail.sysu.edu.cn
作者简介: 洪 瑾,男,1991年12月生,博士研究生,构造地质学专业。E-mail:hongj5@mail2.sysu.edu.cn
引用本文:   
洪 瑾 甘成势 刘 洁. 2018, 基于机器学习的岩石微量元素与主量元素关系初探:以洋岛玄武岩中锆元素为例. 地质科学, 53(4): 1285-1299.
Hong Jin Gan Chengshi Liu Jie. Preliminary study on the relationship between trace and major elements in rocks based on machine learning:A case study of Zr in OIB[J]. Chinese Journal of Geology, 2018, 53(4): 1285-1299.
 
没有本文参考文献
[1] 李玉琼 杜雪亮 金维浚 杜 君 张 旗 王金荣 马 蓁. 大洋中脊、洋岛、岛弧玄武岩中橄榄石的对比研究[J]. 地质科学, 2018, 53(4): 1228-1239.
[2] 李志辉 赵 萍 李晓晖 袁 峰 周宇章. 基于CART算法的三维成矿预测研究——以安徽白象山矿区为例[J]. 地质科学, 2018, 53(4): 1314-1326.
[3] 季 斌 周涛发 张达玉 李晓晖 袁 峰. 大数据环境下内蒙古浩布高地区铅锌多金属矿智能矿产预测研究[J]. 地质科学, 2018, 53(4): 1347-1360.
[4] 陶辉飞 邱振 吉鸿杰 邱军利. 西准噶尔晚石炭世哈拉阿拉特山组烃源岩发育沉积环境与有机质富集因素分析[J]. 地质科学, 2017, 52(1): 79-92.
[5] 杨高学 李永军 佟丽莉 李甘雨 沈 锐. 西准噶尔晚泥盆世碱性玄武岩的地球化学特征及其与塔里木大火成岩省岩浆岩对比[J]. 地质科学, 2017, 52(1): 285-300.
[6] 叶甜, 李诺. 黄铁矿原位LA-ICP-MS微量元素分析在金矿床中应用[J]. 地质科学, 2015, 50(4): 1178-1199.
[7] 李振生, 牛浩, 田晓莉, 张文俊. 大别造山带东缘韧性剪切带中构造岩的构造地球化学分析[J]. 地质科学, 2014, 49(2): 472-493.
[8] 赖小东1,2 杨晓勇1,2 高鹏1 吴柏林3 刘池洋3 孙卫东1,4. 鄂尔多斯盆地南部延长组富铀凝灰岩地球化学特征及形成机制[J]. 地质科学, 2010, 45(03): 757-776.
[9] 李开开1,2 蔡春芳1 蔡镠璐1,2 姜 磊1,2. 塔河油田下古生界溶洞充填巨晶方解石流体来源分析 [J]. 地质科学, 2010, 45(02): 595-605.
[10] 刘文元1,2,3 刘景波1 柳小明2. 大别山高压?超高压片麻岩核?边结构锆石成因探讨*[J]. 地质科学, 2009, 44(3): 966-982.
[11] 李宏涛, 蔡春芳, 罗晓容, 孙希勇. 内蒙古东胜地区中侏罗统砂岩沉积物源的地球化学证据[J]. 地质科学, 2007, (2): 353-361.
[12] 李厚民, 沈远超, 毛景文, 刘铁兵, 朱和平. 石英黄铁矿中群体包裹体微量元素研究——以胶东焦家式金矿床为例[J]. 地质科学, 2004, (3): 320-328.
[13] 顾雪祥, 刘建明, Oskar Schulz, Franz Vavtar, 郑明华. 湖南沃溪钨锑金建造矿床同生成因的微量元素和硫同位素证据[J]. 地质科学, 2004, (3): 424-439,415.
[14] 赖绍聪, 刘池阳, 伊海生, S.Y.O’Reilly, 张明. 北羌塘新生代火山岩长石矿物激光探针原位测试及其微量元素特征初探[J]. 地质科学, 2003, (4): 539-545.
[15] 李献华, 周汉文, 李正祥, 刘颖. 川西新元古代双峰式火山岩成因的微量元素和Sm-Nd同位素制约及其大地构造意义[J]. 地质科学, 2002, (3): 264-276,287.
 
版权所有 © 2009-2017 《地质科学》编辑部
地址:北京9825信箱  邮政编码:100029
电话:010-82998109  010-82998115