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

• 作者: 刘洁 洪瑾 甘成势
• 来源期刊: 地质科学
• 学科: 地球科学
• 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
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 纪念孙枢先生地质大数据专题
• 页码范围: 1285-1299
• 页数: 15页
• 分类号: P588
• 字数: 9143字
• 语种: 中文
• DOI: 10.12017/dzkx.2018.074

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘洁	中山大学地球科学与工程学院	31	228	6.0	14.0
3	洪瑾	中山大学地球科学与工程学院	2	1	1.0	1.0
4	甘成势	中山大学地球科学与工程学院	3	10	1.0	3.0