基于机器学习和全岩成分识别东昆仑祁漫塔格斑岩–矽卡岩矿床成矿岩体和贫矿岩体

东昆仑祁漫塔格成矿带是中国西北地区重要的铜钼铁铅锌多金属成矿带,发育卡尔却卡、野马泉、维宝、乌兰乌珠儿等许多与花岗岩类有关的斑岩−矽卡岩矿床。随着新一轮找矿突破战略行动的开展,进一步加强对祁漫塔格成矿带花岗岩成矿潜力的研究,已成为推动该地区金属矿产储量增长的重要突破口。为此,笔者在系统收集祁漫塔格成矿带典型斑岩−矽卡岩多金属矿床成矿岩体和贫矿岩体（即非成矿岩体）的全岩主量和微量元素数据基础上,选取28种常见的全岩地球化学特征,借助机器学习算法——随机森林,开展机器学习模型训练,建立能够识别该地区斑岩−矽卡岩多金属矿床成矿岩体和非成矿岩体的新方法。
根据模型评价指标,笔者训练得到的随机森林分类模型准确率为0.90,证明该方法能够有效识别成矿岩体和非成矿岩体。该研究为祁漫塔格成矿带斑岩−矽卡岩多金属矿床的找矿勘查提供了新思路,将极大地提高找矿效率、降低找矿经济和人力成本,从而更好的服务新一轮找矿突破战略行动。相关机器学习代码已上传至GitHub,地址为https://github.com/ShihuaZhong/2023-Qimantagh-RF-whole-rock-classifier。