 |
 |
 |
 |
 |
 |
||
 |
 |
 |
 |
 |
| 1 | 1/1 | 返回列表 |
| 查看: 705 | 回復: 0 | ||
yexuqing木蟲之王 (文學泰斗)
太陽系系主任
|
[交流]
李恒旭：基于統(tǒng)計分析和機器學習方法的不同礦床類型黃鐵礦地球化學判別
|
|
李恒旭：基于統(tǒng)計分析和機器學習方法的不同礦床類型黃鐵礦地球化學判別【AM，2024】 2024-06-03 閱讀：264次 黃鐵礦普遍存在于多種礦床和巖石類型中，并且不易受到后期風化和蝕變作用的影響，可以保存相對完整的地球化學信息。黃鐵礦內可以賦存多種微量元素，這些微量元素組成可以反映黃鐵礦形成時的物理化學環(huán)境，包括流體的溫度、氧逸度、水逸度、pH值及流體成分等，進而用來判斷礦床的形成過程和礦床的類型。傳統(tǒng)的黃鐵礦微量元素二元圖可以在一定程度上判斷礦床的類型，但當?shù)V床種類超過三種時，二元圖上不同種類的黃鐵礦會具有很大范圍的重合，很容易造成對礦床類型的誤判。 針對上述科學問題，我校2019級博士研究生李恒旭在“巖漿-熱液演化與金屬成礦”求真群體張招崇教授的指導下，收集了前人報道的來自基魯納型礦床（或IOA型）、鐵氧化物-銅-金礦床（IOCG型）、矽卡巖型銅-（鐵）礦床、斑巖型銅-鉬礦床、造山型金礦床、塊狀硫化物礦床（VMS型）、噴流-沉積型礦床（SEDEX型）中的黃鐵礦和與礦床無關的沉積型黃鐵礦的微量元素數(shù)據，通過對這些數(shù)據進行統(tǒng)計分析和機器學習（包括神經網絡、支持向量機和隨即森林），取得以下認識。 不同礦床類型中的黃鐵礦在某些微量元素含量上有比較明顯的差異（圖1）。比如，IOA型礦床和IOCG型礦床的Co和Ni含量都非常高，幾乎比其他類型的黃鐵礦高出一個數(shù)量級；VMS礦床中的黃鐵礦Ag、Se、Te、Bi含量相對更高；斑巖型銅-鉬礦床中的黃鐵礦As、Pb、Sb含量相對更低；而那些與成礦作用無關的沉積型黃鐵礦，Cu、Zn、Pb的含量則相對較高。因此，黃鐵礦的微量元素含量具有一定的潛力對不同類型的礦床進行分類。 圖1 不同類型礦床中黃鐵礦微量元素箱線圖 將上述八種來源的黃鐵礦先分為兩個大類：第一大類包括IOA型礦床、IOCG型礦床、矽卡巖型銅-（鐵）礦床、斑巖型銅-鉬礦床中的黃鐵礦，第二大類包括造山型金礦床、VMS型礦床、SEDEX型礦床中的黃鐵礦和與礦床無關的沉積型黃鐵礦。再通過判別分析的方法對這兩大類分別提出了基于黃鐵礦Co、Ni、Cu、Zn、As、Se、Ag、Sb、Te、Au、Pb、Bi這12種元素的礦床類型判別圖（圖2）。兩個判別圖均可以較好的區(qū)分各類礦床，總體的準確度可以達到90%左右。其中，矽卡巖型銅-（鐵）礦床和斑巖型銅-鉬礦床在判別圖上具有一定范圍的重合，可能與兩種礦床具有相似的成礦流體和成礦物質來源有關；SEDEX型礦床和不含礦的沉積型黃鐵礦具有小范圍的重合可能是因為二者都與沉積作用有密切的關系。因此，在判別那些落在重合范圍的黃鐵礦的類型時，需要結合區(qū)域地質背景、礦床地質特征等多個方面進行分析，以免造成誤判。 為了進一步改善分類的效果，避免對礦床類型的誤判，提高判別的準確率。在人為地將八種來源的黃鐵礦分為上述兩個大類后，應用神經網絡、支持向量機和隨機森林這三種機器學習的方法對黃鐵礦進行分類。結果表明每種方法的準確率都可以達到95%以上（圖3）。在這三種機器學習的方法中，支持向量機的分類效果最好，對IOA型礦床、IOCG型礦床、矽卡巖型銅-（鐵）礦床、斑巖型銅-鉬礦床中黃鐵礦的分類準確率可以達到98%，對造山型金礦床、VMS型礦床、SEDEX型礦床中黃鐵礦和不含礦的沉積成因黃鐵礦的分類準確率可以達到97%（圖4），證明了黃鐵礦的微量元素數(shù)據結合支持向量機是一種非常有效的對礦床類型進行判別的方法。 這項研究的創(chuàng)新之處在于通過高效的統(tǒng)計分析和機器學習技術，成功實現(xiàn)了對不同礦床類型中黃鐵礦的準確鑒別，為資源勘探和相關領域的研究和實踐提供了有力支持。 圖2 基于黃鐵礦微量元素的礦床類型判別圖 圖3 兩個大類黃鐵礦的混淆矩陣，上面三個是大類A（包括IOA型礦床、IOCG型礦床、矽卡巖型銅-（鐵）礦床、斑巖型銅-鉬礦床中的黃鐵礦）的混淆矩陣，下面三個是大類B（包括造山型金礦床、VMS型礦床、SEDEX型礦床中的黃鐵礦和與礦床無關的沉積型黃鐵礦）的混淆矩陣 圖4 各個類型黃鐵礦的接受者操作特性曲線，其中藍色線條代表隨機森林，綠色線條代表神經網絡，紅色線條代表支持向量機 上述成果受國家重點研發(fā)項目（2022YFC2903705）資助，發(fā)表在國際礦物學領域權威期刊《American Mineralogist》上，論文信息Hengxu Li, Zhaochong Zhang*, Ruixuan Zhang, Qiuhong Xie, Lei Zhang, M. Santosh, Geochemical discrimination of pyrite in diverse ore deposit types through statistical analysis and machine learning techniques, American Mineralogist, 2024, 109, 846-857。 全文鏈接：https://doi.org/10.2138/am-2023-8976 |
回復此樓
相關版塊跳轉
我要訂閱樓主 yexuqing 的主題更新
| 1 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 材料學碩318求調劑 +11 | February_Feb 2026-03-01 | 11/550 |
|
|---|---|---|---|---|
|
|
[考研] 284求調劑 +6 | 天下熯 2026-03-02 | 6/300 |
|
|
|
[考研] 268求調劑 +6 | 好運連綿不絕 2026-03-02 | 6/300 |
|
|
|
[考研] 281電子信息求調劑 +3 | jhtfeybgj 2026-03-02 | 6/300 |
|
|
[考研] 沒上岸的看過來 +3 | tangxiaotian 2026-03-01 | 3/150 |
|
|
|
[考研] 課題組接收材料類調劑研究生 +6 | gaoxiaoniuma 2026-02-28 | 9/450 |
|
|
|
[考研] 321求調劑一志愿東北林業(yè)大學材料與化工英二數(shù)二 +5 | 蟲蟲蟲蟲蟲7 2026-03-01 | 9/450 |
|
|
|
[考研] 295求調劑。一志愿報考鄭州大學化學工藝學碩，總分295分 +8 | yl1 2026-03-02 | 9/450 |
|
|
|
[考研] 085600求調劑 +4 | LRZZZZZZ 2026-03-02 | 5/250 |
|
|
|
[考博] 26超級電容器申博 +3 | dhdjdjend 2026-02-25 | 3/150 |
|
|
|
[考研] 材料085601調劑 +5 | 多多子. 2026-03-02 | 5/250 |
|
|
|
[考研] 0703 總分319求調劑 +3 | Xinyuu 2026-03-02 | 3/150 |
|
|
|
[考研] 調劑 +3 | 13853210211 2026-03-02 | 4/200 |
|
|
|
[基金申請] 成果系統(tǒng)訪問量大，請一小時后再嘗試。---NSFC啥時候好哦，已經兩天這樣了 +4 | NSFC2026我來了 2026-02-28 | 4/200 |
|
|
|
[考研] 299求調劑 +3 | Y墨明棋妙Y 2026-02-28 | 5/250 |
|
|
|
[考研] 化工299分求調劑 一志愿985落榜 +5 | 嘻嘻(*^ω^*) 2026-03-01 | 5/250 |
|
|
|
[考研] 328求調劑 +3 | aaadim 2026-03-01 | 5/250 |
|
|
|
[考研] 313求調劑 +3 | 水流年lc 2026-02-28 | 3/150 |
|
|
|
[論文投稿]
Optics letters投稿被拒求助
 30+3
|
luckyry 2026-02-26 | 4/200 |
|
|
|
[考研] 307求調劑 +4 | 73372112 2026-02-28 | 6/300 |
|