基于镁铁-超镁铁岩中单斜辉石主量元素含量的决策树集成算法对比

依靠岩浆构造环境的地球化学成分认识岩浆形成过程是岩石地球化学中的重要应用。当前利用岩石地球化学成分判别构造环境的工作还不够深入。用4种基于决策树的机器学习方法对来自全球新生代洋岛玄武岩(OIB)、岛弧玄武岩(IAB)及大洋中脊玄武岩(MORB)等镁铁-超镁铁岩中单斜辉石的13种主量元素构成数据集进行了岩浆构造环境判别和主要特征排序。通过对比4种基于决策树的机器学习方法,验证了树类算法对于地球化学成分识别问题的有效性,并总结出4种方法在处理岩浆构造环境判别问题时的优劣:决策树算法判别过程更易于理解,但是其准确率欠佳;boosting算法中的AdaBoost和GBDT对于岩浆构造环境的鉴别准确度较高,但构造过程复杂;bagging集成算法随机森林在权衡性能和模型可理解性时不失为一个良好的选择。此外,还通过4种算法的特征重要性排序得出Cr_2O_3,TFeO,TiO_2,FeO和Al_2O_3是进行岩浆构造环境判别的重要成分。     

大洋中脊、洋岛、岛弧玄武岩中橄榄石的对比研究

在岩浆结晶演化过程中,橄榄石是最早结晶的矿物之一,其化学成分不仅受到母岩浆成分的控制,而且还受到岩浆的结晶分异、部分熔融程度、压力、岩浆混合作用以及橄榄石与残余岩浆相互作用等因素的影响。学术界基本的认识是,橄榄石的成分主要与源区、分离结晶作用以及岩浆演化程度有关,是鉴别玄武岩是否为原始岩浆的重要证据,根据橄榄石的Fo值可以恢复岩浆是富镁还是富铁的。之前的学术界很少认为橄榄石与其形成的构造环境有关。本文在对全球大洋中脊玄武岩（MORB）、洋岛玄武岩（OIB）、岛弧玄武岩（IAB）中橄榄石主量元素特征进行了研究和对比后发现,橄榄石也有判断构造环境的功能,尤其OIB 橄榄石在许多元素含量上与MORB 和IAB 的橄榄石不同,可以通过Ni、P、Mg、Fe、K 和Mn等元素之间的关系进行较好的区分。目前的情况是,OIB 与IAB 中的橄榄石在某些情况下也能够区分开,但MORB 与IAB 中的橄榄石很难区分,这是需要进一步研究的。全球全体数据研究表明,OIB 的橄榄石富Ni是一个很重要的现象,本文认为,MORB 和IAB 来源于亏损的上地幔,故其橄榄石的Fo值高;OIB来源于富集的下地幔,可能Fe-Ni地核对OIB橄榄石化学成分有比较明显的影响,故导致OIB的橄榄石贫Fo和富Ni。     

全球岛弧玄武岩数据挖掘——在玄武岩判别图上的表现及初步解释

MORB(洋中脊玄武岩)、OIB(洋岛玄武岩)和IAB(岛弧玄武岩)是学术界最关心的3种玄武岩类型,其中尤以与板块消减作用有关的岛弧岩浆活动备受关注。岛弧可分为洋内岛弧和大陆边缘岛弧(活动陆缘弧)2类。对IAB进行讨论,重点探讨IAB的识别。IAT(岛弧拉斑玄武岩)和IAB是前弧、岛弧和后弧岩浆作用的产物,其中,后弧组分更具多样性,它不同于弧后玄武岩,前者属于弧的范围,而后者形成的动力学过程与俯冲系统有关,但其是独立的构造单元,尽管其岩浆作用可能仍受到俯冲流体的影响。前人对IAB进行了大量研究,提出了多种构造环境判别图解,并得到广泛应用。尝试应用全球玄武岩数据来验证上述判别图的可信度,研究发现,可信度高的判别图不多,且大多与Th、Ta(Nb)和Ti元素有关的,如Hf-Th-Ta(Nb)、TiZr-Sr和Th/Yb-Ta/Yb图,其余判别图的判别效果可信度低且具多解性,建议谨慎使用。IAB与MORB和OIB的区别主要体现在Nb-Ta亏损的特征上,是否受到俯冲流体的影响是区分IAB与MORB和OIB最重要的标志。     

玄武岩构造环境判别图评估——全体数据研究的启示

玄武岩作为一种大洋和大陆广泛分布的基性岩,其成因理论主要是在对大火成岩省研究的基础上奠定的,其构造环境判别的理论则主要是在板块构造理论的基础上创建的。本文利用GEOROC和Pet DB数据库对全球大洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB)进行了数据挖掘研究,发现早先的判别图判别效率不尽相同。部分判别图判别效率偏低的原因可能是早先的研究大多是以典型案例的研究为基础展开的,没有考虑到大数据给出的结果,说明典型和抽样的代表性可能不足。通过对判别图解的研究和比较,并对部分判别图进行了改进,发现许多图解可以把IAB与MORB、OIB分开,但MORB和OIB之间仍然有一些重叠不易区分,并借此推测MORB与OIB源区具有一定的相似性。所以,利用大数据研究可以使玄武岩构造环境判别的研究上升到一个新的层面。     

弧后盆地玄武岩(BABB)数据挖掘:与MORB及IAB的对比

弧后盆地玄武岩(BABB)全球分布有限,与板块俯冲有关,位于岛弧外侧,规模小,寿命短,现代BABB主要分布于西太平洋。通常认为,BABB地球化学成分变化较大,包括正常洋中脊玄武岩(N-MORB)、富集洋中脊玄武岩(E-MORB)、岛弧玄武岩(IAB)及少量洋岛玄武岩(OIB)组分。在玄武岩构造判别图中,BABB大多在洋中脊玄武岩(MORB)范围内,说明BABB类似MORB。新的全球MORB数据研究表明,MORB包含了从MORB到OIB及IAB的组分,而BABB相对于MORB更富集Cs,Rb,U,Ba,Th和Pb等不相容元素,有明显的Nb-Ta负异常,表明BABB兼具MORB和IAB的地球化学特征,是俯冲流体及沉积物参与其岩浆作用过程所致,大多是在湿的条件下部分熔融形成的。弧后盆地可分为初始弧后盆地和成熟弧后盆地,前者玄武岩具有明显的岛弧玄武岩的地球化学特征,而后者玄武岩更接近MORB的特征。     

火山作用对板块构造环境的判别方法

在系统收集相关资料的基础上,将火山作用对板块构造环境的判别方法进行综述。不同的火山岩出现于板块构造的不同单元,判别方法主要依靠岩石的常量元素、稀土元素、微量元素进行图解判别。对碱性系列、钙碱性系列的岩石,只需使用各种构造环境的判别图解。对拉斑系列的岩石,需要进一步对岛弧拉斑玄武岩(OIB)、洋中脊玄武岩(MORB)、洋岛玄武岩(IAT)、板内玄武岩(WPB)的环境判别。中酸性火山岩多见于岛弧和伸展盆地,判别图解较少。     

MORB数据挖掘:玄武岩判别图反思

板块构造学说推动了玄武岩理论的完善和进步,从20世纪70年代兴起的玄武岩构造环境判别方法成为学术界关注的热点,虽然现在逐渐降温了,但在国内仍然倍受青睐。大洋中脊玄武岩(MORB)是拥有数据最多、数据质量最好、研究得最详细的玄武岩类,是构建玄武岩理论的基石。本文利用Pet DB数据库资料(http://www.earthchem.org/petdb/search),对全球MORB数据进行了初步的挖掘,发现早先的玄武岩构造环境判别方法的理论、思路需要进一步的完善。早先研究认为,N-MORB是强烈亏损的。但本文研究却显示,MORB成分具有较宽的变化范围,包含了从MORB到OIB及IAB的组分,即部分MORB并不是亏损的,而是相对富集的。因此,玄武岩构造环境判别理论及方法有待进一步的完善。     

青藏高原双湖地区二叠系玄武岩地球化学及其大地构造意义

对青藏高原羌塘地块中部双湖地区发育的二叠系碱性系列和拉斑系列玄武岩进行了详细的地球化学研究。碱性系列玄武岩富集LILE和LREE,其La/Nb比值和OIB相近,Ti/V比值明显高于典型MORB,在微量元素构造环境判别图解上位于OIB区域。拉斑系列玄武岩具有相对平坦的稀土元素配分模式,和典型MORB相比,其Ti/V比值也明显偏高,在微量元素构造环境判别图解上位于MORB和OIB重合的区域,表明岩石起源于一个低度富集的地幔源区。结合区域地质背景,认为双湖二叠系拉斑系列-碱性系列玄武岩组合可能形成于陆间裂谷到小洋盆环境,这套玄武岩的产出可能代表古特提斯洋沿龙木错—双湖构造带在不同地区的发育程度不同,双湖地区在二叠纪应为一个陆间裂谷到小洋盆环境。     

洋岛和洋底高原玄武岩数据挖掘：地球化学特征及其与MORB的对比

本文集合了GEOROC和PetDB两个数据库的资料,对全球洋岛玄武岩(Ocean Island Basalt,OIB)和洋底高原玄武岩(Ocean Plateau Basalt,OPB)数据进行分析研究。OIB和OPB是板内岩浆活动的产物,其形成一般与地幔柱(热点)有关。OPB通常指示地幔柱的头部,温度相对较低;OIB代表地幔柱的尾部,温度较高。我们对OIB的数据研究表明,OIB中的不相容元素并非像先前认为的那么富集,在构造判别图中,OIB和洋中脊玄武岩(Mid Ocean Ridge Basalt,MORB)有很大一部分是重叠的,揭示OIB源区既有强烈富集不相容元素的,也有明显亏损的,甚至还有强烈亏损类似岛弧玄武岩(Island Arc Basalt,IAB)的。OPB是指发育在海洋和大陆边缘的来自地幔的巨量玄武岩,虽然与OIB同属于板内环境,但OPB的地球化学性质更接近富集型洋中脊玄武岩(Enrich Mid Ocean Ridge Basalt,E-MORB),可能具有OIB和MORB之间过渡的特征。研究表明,OIB和OPB的源区除了来自下地幔以外(地幔柱),部分可能来自上地幔,有些还可能与板块消减带物质的再循环作用有关。因此,OIB和OPB的成因不可能只用地幔柱一种模式予以解释,还应当考虑板块活动中其他因素(洋壳再循环、古老陆壳再循环、消减带物质以及水的加入,部分熔融程度、岩浆混合作用、不同地幔端元混合等)的影响。     

N-MORB和E-MORB数据挖掘——玄武岩判别图及洋中脊源区地幔性质的讨论

MORB分为N-MORB和E-MORB,二者的区分通常是以LREE亏损和富集为标志。玄武岩的基本理论主要是在MORB研究成果的基础上建立起来的。通常认为,N-MORB和OIB是两个独立的端元,E-MORB是N-MORB与OIB不同程度混合形成的。在20世纪70~80年代,玄武岩构造环境判别图的建立极大促进了玄武岩在地球动力学及大地构造背景研究的进展,其方法应用持续盛行了几十年。然而,国外学者现在已逐渐淡化玄武岩判别图解的应用,但在中国仍有方兴未艾之势。本文利用Pet DB数据库5万多个MORB数据的投图表明,全体样品投图的效果显然比抽样和典型样品得出的结果更扎实可靠,许多原先被广泛应用的主量、微量元素判别图无论从实践上还是理论上均存在一些问题。本文的研究结果进一步表明,MORB样品既有LREE亏损的,又有富集的,但亏损和富集程度与早先定义的差异较大,揭示了洋脊下地幔不均一性要比早先认识的更为复杂,成分范围变化更大,仅少数是强烈亏损的,部分可能是相当富集,甚至可以与OIB源区相类比;玄武岩构造环境判别图需要重新审视,基于岩浆成因机理的多维度、高置信度的判别体系有待于建立。     

大陆板内玄武岩数据挖掘:成分多样性及在判别图中的表现

通常认为,大陆溢流玄武岩(CFB)、裂谷玄武岩(CRB)、板内玄武岩(WPB)均产于板内构造环境,其地球化学特征与OIB类似,源于富集的下地幔,与地幔柱的活动有关。本文利用GEOROC数据库对全球CFB、CRB和WPB数据进行挖掘,发现上述三类玄武岩判别图投图几乎落入了全部的构造环境域,有些甚至主要落入MORB和IAB区,而不是落入WPB区。结果表明原先的玄武岩判别图的判别功能值得商榷,尤其对大陆玄武岩来说,许多判别图都存在问题。全体CFB、CRB和WPB的地球化学成分变化巨大,暗示其源区具有强烈的不均一性:部分CFB、CRB和WPB来自富集的地幔柱,仍然具有经典的OIB的特征;部分来自MORB的源区,与MORB的再循环作用有关;部分来自岛弧岩石圈之下的亏损地幔源区,以强烈亏损Nb-Ta为特征,类似岛弧玄武岩的地球化学特征。许多地区的大陆玄武岩可分为低钛和高钛两类,低钛玄武岩大多是亏损或强烈亏损的,而高钛玄武岩通常是富集型的。本文的研究表明,富集型大陆玄武岩可能来自富集的下地幔,而亏损的和强烈亏损的玄武岩可能来自具有MORB或岛弧特征的软流圈地幔。进一步指出,源区性质可能是大陆玄武岩多样性的主控因素,其次为部分熔融程度、熔融深度、结晶分离、陆壳混染以及AFC过程。     

夏威夷玄武岩中同位素亏损的组分来自于地幔柱内部

<正>洋岛玄武岩(OIB)和洋中脊玄武岩(MORB)的组成能够用来了解地球的内部演化。亏损强不相容元素的MORB被认为起源于上地幔。而一些来自地幔柱的OIB被认为起源于下地幔,这为我们了解地球长期的地球化学分异以及下地幔的组成提供了难得的机会。尽管大多数OIB相比MORB具有较为富集的同位素与不相容元素     

三类构造背景辉长岩单斜辉石主量元素和微量元素的数据分析研究

判别岩浆岩产出的构造环境已经成为岩石学、地球化学及其地球动力学研究的重要内容。作为岩浆岩中的一种喷出岩,玄武岩被视为判别构造环境的最佳成员。对其中单斜辉石的研究,由于其数据本身的利用程度有限而效果欠佳。理论上,不同构造环境的辉长岩也会存在一定差异。为此,利用机器学习算法研究全球新生代辉长岩的单斜辉石势在必行。本文主要针对岛弧(IAB)、洋岛(OIB)及大洋中脊(MORB)3种构造背景辉长岩的单斜辉石进行特征筛选和数据分类。从GEOROC数据库中,经数据收集与清洗,我们分别获得岛弧辉长岩单斜辉石数据385条,洋岛辉长岩单斜辉石数据756条,大洋中脊辉长岩单斜辉石数据5 500条。其中绝大部分为主量元素数据,其余为微量元素数据。在特征提取部分,我们选用卡方检验判断特征独立性,F检验估计两个随机变量之间的线性依赖程度,互信息法捕获其他种类的统计相关性。3种检验方法互相印证,得出了统计学可靠的重要分类特征。在数据分类过程中,本文对比了K-近邻、决策树和支持向量机3种主流机器学习分类算法在辉长岩数据上的表现。研究表明,对于上述3种构造背景,Al2O3、TiO2为最有区分度的辉长岩单斜辉石主量元素成分,Sr为最有区分度的微量元素成分。另外,对于3种构造背景的辉长岩单斜辉石主量元素和微量元素数据,机器学习模型分类准确率均达94%。     

全球大陆弧玄武岩（CAB）的特征——与岛弧玄武岩（IAB）和弧后玄武岩（BAB）的对比

活动陆缘玄武岩（CAB）主要出现在安第斯,早先大多认为CAB 大体相当于IAB,在许多判别图中, CAB 基本上与IAB 在一起, 只是LILE 富集和HFSE 亏损的程度略有差别而已。本文的研究表明,尽管CAB 富集LILE,但是,Nb-Ta 亏损不是非常明显。在最新的采用大数据方法厘定的判别图中,CAB 不同于IAB,不是落在IAB 区,而是位于IAB 与OIB 的过渡区域。CAB 中保留了很多OIB 的印记,说明板块俯冲时伴随有来自地幔深部的岩浆的加入,故CAB 中保留了OIB 的印记。我们的研究还发现, 在安第斯弧后盆地玄武岩具有OIB 的印记,而非MORB 的特征。本文按照大数据的思路,讨论了CAB 的特征,并与IAB、BAB 进行了初步的对比。研究表明,CAB 明显不同于IAB,CAB 兼具IAB 和OIB 的特征,但对其深度的认识还有待于今后进一步的研究。     

新疆东准噶尔阿尔曼太蛇绿岩中玄武岩地球化学特征及其地质意义

阿尔曼太蛇绿岩带位于新疆东准噶尔地区,蛇绿岩中变质橄榄岩、堆晶岩、基性火山岩较发育,层序组合虽受构造破坏,但从总体来看仍是一套组合比较完整的蛇绿岩,岩石变形变质强烈,普遍发生绿泥石化、绿帘石化。蛇绿岩中基性熔岩可分为3种类型,即洋岛玄武岩(OIB)、洋中脊玄武岩(MORB)和岛弧玄武岩(IAT)。其中洋岛玄武岩不属于蛇绿岩成分,是后期卷入蛇绿岩带随其他组分一同构造就位而成;基性熔岩主量和微量元素特征揭示岩浆源于亏损的地幔源区,且存在消减组分加入的交代作用,表明其成因与俯冲作用有关。结合岩石地球化学特征和构造环境判别图解,基性熔岩显示出IAT和MORB兼具并呈现过渡的特点,推断该蛇绿岩的形成与岛弧相关,其形成可能介于洋脊到海沟之间的偏海沟区域。     

新特提斯演化的热点与洋脊相互作用:西藏南部晚侏罗世-早白垩世岩浆作用推论

雅鲁藏布蛇绿混杂岩代表了新特提斯洋盆闭合的地表残余。本文在测试数据基础上,综合分析了目前雅鲁藏布江蛇绿混杂岩研究中取得的比较可信的晚侏罗世-早白垩世玄武岩的地球化学数据,并对其进行了较为详细的区域对比分析以讨论涉及新特提斯演化的地球动力学过程。结果表明:(1)雅鲁藏布蛇绿混杂岩带吉定洞拉村玄武岩、错拉山口北部玄武岩为大洋中脊玄武岩(MORB)型,错拉山口南部玄武岩为洋岛玄武岩(OIB)型,萨嘎桑单林玄武岩既包括OIB型,又包括MORB型;(2)在东西延伸约1500km的雅鲁藏布蛇绿混杂岩带中,至少可能存在OIB、MORB(包括N-MORB、E-MORB)和岛弧玄武岩IAB三种类型的晚侏罗世-早白垩世玄武岩。不活动的高场强元素比值(如Nb/Y,Zr/Y等)指示雅鲁藏布蛇绿混杂岩带中部仁布、杯玛让、吉定洞拉村和错拉山口北部地区以及中西部萨嘎地区的MORB型玄武岩中的亏损组分很可能来源于深部亏损的地幔柱源区。微量元素地球化学模拟表明,雅鲁藏布蛇绿混杂岩带OIB型玄武岩可能主要来源于石榴石二辉橄榄岩源区中等程度(10%～20%)的部分熔融,而MORB型玄武岩主要来源于尖晶石二辉橄榄岩源区中等程度(7%～25%)的部分熔融,IAB型玄武岩所代表的源区熔融深度以中部较浅而东西两端较深为特点,其中中部得几、杯玛让、吉定等地的IAB很可能与尖晶石二辉橄榄岩源区的部分熔融有关,而东部和西部达几翁IAB的熔融源区可能残留有石榴石。结合该带报道的He同位素数据和矿物学观察,以及在喜马拉雅带新获得的古地磁数据,可以认为热点与洋脊的相互作用是对晚侏罗世-早白垩世新特提斯演化的一种很可能的地球动力学解释。需要强调,虽然该模式可以较好地解释目前在藏南观察到的晚侏罗世-早白垩世岩浆作用特点和性质,但因资料有限,还需要做许多非常细致的工作来证实或否定。     

基于大数据方法的玄武岩大地构造环境智能挖掘判别与分析

通过玄武岩判别图推断其所形成的大地构造环境的方法由来已久,自1971年Pearce提出了构造-岩浆判别图解法之后,已涌现出了几十种不同的判别图。然而,判别图的制作过程中使用的元素的信息量少,数据样本量少,缺乏代表性,以至于其适用范围有限,且准确率不够。为提高构造环境判别过程的效率和准确性,本文提出以大数据智能挖掘方法建立判别模型,通过玄武岩的化学成分,迅速准确地对其大地构造环境进行判别。所用到的玄武岩包括三类:洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB),样品总量为755个。首先,本文分别利用主量元素判别图和微量元素判别图对三类数据的大地构造环境进行判别,包括Ti O_2-MnO-P_2O_5、Fe O~T-MgO-Al_2O_3、Ti-Zr-Y、Zr/Y-Zr和Ti-Zr判别图。由于判别图法针对的是特定的元素或化合物,而有些样品的成份记录不完善或没有测量到有指定物质,导致无法对该样品在判别图中绘制,因此在绘制不同的判别图之前,需要筛选掉一部分数据。判别结果表明,在不考虑无效数据的情况下,Zr/Y-Zr判别图的准确率最高,可达90%以上。但如果考虑到已筛选掉的数据,上述五种图对三种岩石的判别准确率均低于75%。在利用数据挖掘算法进行判别的过程中,本文分别试验了朴素贝叶斯(NB)、K邻近(KNN)、支持向量机(SVM)和随机森林(RF)四种算法。为达到较好的识别效果,本文将所有的化合物和微量元素组成51维的参数组用于训练模型,并且不会进行任何的数据筛选,即全部被视作有效数据。训练结果表明,NB的分类结果最差,但也超过了75%,而RF训练准确率高达100%。在算法的进阶分析中,测得RF算法验证准确率可达88.46%;为提升智能算法的实用性,本文利用贝叶斯定理对算法的判别结果求逆概率,以实现"由果及因"的合理推断;同时,本文通过人为模拟数据缺失,进一步验证不同的算法的鲁棒性,并认为RF和NB是应该被优先考虑的两种算法;最后,通过提取RF中的决策树,本文对样本中元素的重要性进行了分析,并找到了对判别效果影响最大的几个主量元素和微量元素。综上所述,利用数据挖掘算法判别大地构造环境要比判别图法更为准确、迅速且功能多样,可在该领域做进一步推广应用。     

西藏东巧地区玄武岩地球化学特征及构造环境分析

东巧蛇绿岩出露于班公湖-怒江缝合带中段,是蛇绿岩组合单元出露较完整的地区。微量(稀土)元素分析结果表明,蛇绿岩中的玄武岩具有轻稀土元素(LREE)显著富集的右倾稀土元素配分模式。(La/Yb)N=7.05~12.02,Th、Nb、Ta、Zr和Hf略具有正异常的微量元素组成特征,属于典型的洋岛玄武岩(OIB),与洋中脊玄武岩(MORB)和板块汇聚环境下的岛弧玄武岩(IAB)存在明显差异。通过对其构造环境的判别,并结合蛇绿岩与相邻地质体的关系分析,认为东巧蛇绿岩中的玄武岩形成于大洋板内岩石圈上隆减压的洋岛环境,代表班公湖-怒江洋盆形成和发展阶段洋岛环境的大洋岩石圈残片。     

镁铁质-超镁铁质岩浆岩中单斜辉石的智能分析研究

区分不同构造环境中岩浆作用是认识地幔中岩浆形成过程的基本手段。目前较为成熟的是利用全岩去区分判别,而利用造岩矿物去判别构造环境、演绎岩浆演化的研究还不够深入。本文运用机器学习的方法,以全球新生代大洋中脊、洋岛以及岛弧构造背景中的镁铁质-超镁铁质岩浆岩中单斜辉石的地球化学数据为研究对象,试图区分这3 种不同构造环境的单斜辉石。通过机器学习方法中K-邻近（K-Nearest Neighbor,KNN）和随机森林（Random Forest,RF）的计算和比较,认为RF 是一种有效的地球化学区分方法,它的结果不仅可用来判别构造环境,同时还能够提取特征元素。同时我们发现,在镁铁质-超镁铁质岩浆岩单斜辉石构造环境判别图解中,Rb、La、Ba、Cr、Sr、Yb、V、Ti、Nd、Eu、Gd等微量元素具有较高的贡献率,而主量元素贡献率较低。在此基础上,我们结合前人的对单斜辉石的构造环境判别图的研究成果,提出几个判别效果较好的判别图解。但是整个研究由于缺少进一步可视化的成果,限制了机器学习方法的推广,这也是今后需要进一步研究的课题。     

基于改进遗传算法一神经网络的玄武岩构造环境判别及对比实验

通过岩浆岩的地球化学特征判别岩浆形成的大地构造环境和岩浆源区的化学性质是地球化学全岩分析最重要的应用之一。该方法利用全岩地球化学数据,包括主量元素、微量元素和同位素组成数据,对给定岩浆岩(玄武岩、花岗岩等)的大地构造环境进行判别。作为人工智能技术在地球化学研究领域中的新尝试,机器学习判别方法逐渐成为经典判别图解法的补充研究手段。然而,高维数据特征筛选和繁多未知参数确定是影响算法分类准确性的两个主要因素。为此,提出一种遗传算法优化神经网络耦合判别方法(GA-NNDM)。该方法利用特征选择、参数确定和分类性能之间的反馈联系,将分类准确率、所选特征数量和特征代价作为适应度函数,通过迭代演化寻求最佳特征子集和未知参数,从而达到减少特征、优化参数和提高性能的目的。此外,根据公开玄武岩样品地球化学数据,通过K折交叉验证等方法设置纵向、横向比较实验来验证GA-NNDM在玄武岩构造环境判别方面的准确性、稳定性和外延性。仿真实验结果表明,GA-NNDM具有优良的判别效果和泛化能力,其总体分类准确率能达到90%。因此,GA-NNDM值得在地球化学领域做进一步推广应用。