典型文献
石英Ti/Ge-P:基于机器学习的矿床类型判别新图解
文献摘要：
石英的微量元素记录了石英生长的物理化学条件.通过微量元素对石英原岩进行分类的研究历史已久,经典工作是在以微量元素为坐标轴的图解上绘制各类型石英的分布范围,以区分石英类型.经典图解包括Rusk(2012)提出用于区分三种矿床类型石英的Al-Ti二元图解,和Schr?n et al.(1988)提出的用于判别不同岩浆岩类型石英的Ti-Al-Ge三元图解.越来越多的研究表明,上述图解不能满足对更多石英类型进行分类的需求,同时也出现与部分已知产状类型的石英微量元素判别相矛盾的情况.随着石英原位微区测试方法的成熟,高精度石英微量元素数据逐渐丰富为系统开展机器学习提供了大数据基础,为石英微量元素研究提供了新的角度和可能性.本研究运用机器学习分类方法对石英微量元素进行精确数学分析,提出Ti/Ge-P图解为石英成因研究提出新的地球化学指标.本文同时测试了六种经典机器学习分类算法,提高Ti/Ge-P图解在石英成因分类研究上的精度.此Ti/Ge-P图解适用于多种矿床研究,包括但不局限于斑岩型矿床、矽卡岩型矿床、浅成低温热液型矿床、卡林型矿床以及造山型矿床中的石英.这项工作是大数据技术与机器学习技术在地球化学研究中的积极探索.
文献关键词：
石英;微量元素;Ti/Ge-P判别图解;形成环境;大数据分析;机器学习
中图分类号：
作者姓名：
王瑀;邱昆峰;侯照亮;于皓丞
作者机构：
中国地质大学(北京)地球科学与资源学院,北京 100083;中国地质大学地质过程与矿产资源国家重点实验室,北京 100083;维也纳大学地质系,维也纳 1090
文献出处：
引用格式：
[1]王瑀;邱昆峰;侯照亮;于皓丞-.石英Ti/Ge-P:基于机器学习的矿床类型判别新图解)[J].岩石学报,2022(01):281-290
A类：
Rusk,产状类型,石英微量元素
B类：
Ti,Ge,基于机器学习,矿床类型,新图,物理化学条件,原岩,研究历史,已久,坐标轴,分布范围,解包,元图,Schr,et,al,岩浆岩,知产,原位微区,素数,大数据基础,研究运用,分类方法,精确数,数学分析,成因研究,地球化学指标,文同,六种,机器学习分类算法,分类研究,斑岩型矿床,矽卡岩型矿床,低温热液,热液型矿床,卡林型,造山型,机器学习技术,化学研究,判别图解,形成环境
AB值：
0.298174
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
