版权说明 操作指南
首页 > 成果 > 详情

基于机器学习的埃达克质岩构造背景判别研究

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
张焕宝;贺海洋;杨仕教;李亚林;毕文军;...
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
[张焕宝; 杜青; 郭钦鹏; 贺海洋; 韩世礼; 杨仕教] 南华大学资源环境与安全工程学院
[毕文军] 太原理工大学矿业工程学院
语种:
中文
关键词:
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
期刊:
地学前缘
ISSN:
1005-2321
年:
2024
卷:
31
期:
04
页码:
417-428
基金类别:
2023JJ30507:湖南省自然科学基金面上项目 2023JJ30506:湖南省自然科学基金面上项目 202103021223120:山西省自然科学基金青年项目 22B0433:湖南省教育厅科学研究项目
机构署名:
本校为第一机构
院系归属:
环境与安全工程学院
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...
摘要(英文):
Adakitic rocks hold significant geodynamic and metallogenic implications,and accurately determining their tectonic setting is crucial for understanding regional tectonic-magmatic evolution.However,due to the diverse sources,heat regimes,and magma generation mechanisms of adakitic rocks,conventional low-dimensional geochemical methods face limitations in tectonic setting identification.With the exponential growth of geoscience data and advancements in artificial intelligence,machine learning offers a novel approach to address this challenge.In this study,we integrate machine learning with geolo...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com