运用机器学习和锆石微量元素构建花岗岩成矿潜力判别图解：以东昆仑祁漫塔格为例

由于锆石在中酸性岩中广泛存在且成分稳定、不易受到后期热液活动的扰动,因此锆石成分可以有效记录成矿岩浆信息。其中,锆石的Ce4+/Ce3+、Ce/Ce*、Eu/Eu*和Ce/Nd值可以反映岩浆氧逸度和含水量等成矿信息,已被广泛用于花岗岩类成矿潜力评价。然而,随着研究的深入发现,这些地球化学指标并不完全具有普适性。此外,以往研究均是根据对成矿岩体的“已知认识”提出成矿潜力判别方法,但考虑到成矿过程的复杂性,许多反映岩浆成矿能力的地球化学信息可能均尚未被揭露。为此,笔者以东昆仑祁漫塔格成矿带为例,借助当前广泛应用的机器学习算法之一——支持向量机,对来自该成矿带斑岩−矽卡岩Cu−Fe−Pb−Zn多金属矿床成矿岩体和全球非成矿岩体的锆石数据开展机器学习训练,目的在于挖掘能够反映岩浆成矿能力的锆石微量元素特征,从而构建花岗岩成矿潜力判别图解。模型训练结果显示,在21个常见的锆石微量元素特征中,Gd、Dy、Yb、Y、Tm等5种元素特征对识别岩浆成矿能力最为重要。在此基础上,笔者新建立了10个二元判别图解,它们在识别成矿岩体和非成矿岩体时的准确率均接近1。研究表明,利用机器学习方法和地质大数据,可以挖掘传统研究方法难以发现的新的地球化学指标和图解,这对深入认识矿床成因、指导找矿勘查具有重要意义。     

锆石微量元素对成矿岩体的判别——来自大数据思维的应用

华南钦杭结合带燕山期岩浆活动异常活跃,且具有较明显的成矿专属性。近年来微区测试技术日益成熟,积累了大量锆石微量数据。通过全体数据挖掘的思维方法,对前人发表的数据进行了进一步数据挖掘,利用锆石稀土元素对岩体成矿潜力进行判别,探讨有效的找矿地球化学标志。利用Python语言编程,对采用的13种稀土元素及元素比值进行穷举式组合,获得了4095个二元图解及121485个三元图解,并设计筛选算法,自动筛选出能有效区分锆石母岩成矿类型的图解。结果表明,锆石稀土元素含量及比值图解对不同成矿类型岩体的区分程度各异:与Ce、Eu有关的地球化学指标可以较清晰地对斑岩铜矿和钨锡(锡)矿床进行判别,这可能与岩体的氧逸度和含水量有关。此外,还挖掘出一些新的元素组合图解,如Dy/Lu-Er/Lu、Gd/Dy-Er/Yb等,可以有效区分岩体成矿类型,其隐含的地球化学机制尚待进一步解释。地球化学数据挖掘结果可以作为找矿标志使用,为华南燕山期岩浆-热液矿床研究及找矿勘查提供了科学依据,也是大数据技术在矿床学方面应用研究的积极探索。     

石英Ti/Ge-P:基于机器学习的矿床类型判别新图解SCIEI北大核心CSCD

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Schr9n 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。     

内蒙古,河北高级变质岩中锆石的成因矿物学研究

本文对内蒙古上、下集宁群、河北桑干群紫苏花岗岩及麻粒岩中的锆石进行了形态、环带及成分分布的研究，发现这些岩石中存在岩浆成因和变质成因的锆石，论述了这两种锆石的成因矿物学特征，并对这些岩石的成因进行了探讨。     

中国38亿年古陆壳锆石的成因矿物学研究

本文从锆石晶体形态，环带及晶体从核部于边缘的成分演化等特点，论述了中国最老（３８亿年）两个锆石样品的岩浆成因属性，并发现它们的母岩在成因上存在差异，鞍山花岗靡棱岩是地幔或地幔来源为主的花岗质岩石，而冀东铬云母夕线石英岩中锆石的母岩则属壳源或壳幔混合型花风岩石，这些差别表明３８亿年华北石陆壳岩石类型具有多样性。     

斯里兰卡猫眼锆石的研究

本文介绍斯里兰卡的猫眼锆石,描述了“天然”锆石和热处理浩石的猫眼特征，研究了这两类猫眼锆石的宝石学特性和化学性质，探讨并确定了猫眼锆石的成因。     

西藏甲玛铜多金属矿床斑岩锆石成因研究

阴极发光(CL)成像可以揭示锆石的化学分带现象以及它们的内部生长结构(Pidgeon,1996;Poller,2001)。锆石的化学成分、Hf和O同位素组成广泛应用于岩石成因、壳幔相互作用、区域地壳演化等方面的研究,对锆石微量元素和同位素组成的分析,可以判断锆石的成因和来源。     

锆石微区喇曼光谱研究及成因标型意义

通过对岩浆和变质成因锆石的微区喇曼光谱研究,揭示出岩浆和变质成因锆石从晶体核部至边缘在喇曼光谱峰强度上存在不同的变化趋势,即岩浆成因锆石由晶体核部至边缘喇曼峰强度逐渐减弱,而变质成因锆石则相反或不变化。这是由于它们形成时晶体中的U、Th分带趋势不同造成,具有重要的成因标型意。     

江西大岭上钨矿花岗斑岩锆石特征、成因及意义

锆石特征较好地记录了形成环境,可以指示其成因类型,反演寄主岩石岩浆的演化过程。本文利用阴极发光和LA-ICPMS技术获得了江西大岭上钨矿区花岗斑岩锆石的阴极发光图像、微量元素数据。研究表明该花岗斑岩中的锆石包括无核燕山期岩浆锆石、继承锆石和被捕获锆石。无核锆石阴极发光图像暗黑,Th/U<0.1,LREE/HREE比值高,Ce弱正异常,平均锆石Ti温度计地质温度为872℃,兼具岩浆锆石和热液锆石的特征,为形成于伟晶岩阶段之前的富含热液的岩浆晚期阶段的岩浆锆石。捕获锆石整体具灰白阴极发光,其裂隙中见暗黑阴极发光,Th/U>0.4,LREE/HREE值低,Ce正异常,锆石Ti温度计地质温度为766℃,为典型的岩浆锆石。继承锆石的核具有灰白色阴极发光,其边缘阴极发光暗黑,锆石微量元素特征值介于前两类锆石之间,其核部为形成于燕山期之前的岩浆锆石,其边部为与无核锆石同时形成的锆石边。区域上形成于燕山期之前的岩浆岩仅有晋宁期花岗闪长岩,因此捕获锆石和继承锆石核可能来源于晋宁期花岗闪长岩。晋宁期花岗闪长岩可能是黑云母花岗斑岩的一种源岩。无核锆石特征说明,该类锆石结晶时,寄主岩石岩浆处于富含高温热液、压力降低的环境中,岩浆演化处于伟晶岩阶段之前的岩浆晚期阶段。该阶段的这种富含热液的岩浆具有很强的金属运载能力,值得进一步研究。     

Metamorphic zircon formation by solid-state recrystallization of protolith igneous zircon

Protolith zircon in high‐grade metagranitoids from Queensland, Australia, partially recrystallized during granulite‐grade metamorphism. We describe the zircon in detail using integrated cathodoluminescence, U–Pb isotope, trace element and electron backscatter diffraction pattern (EBSP) analyses. Primary igneous oscillatory zoning is partially modified or obliterated in areas within single crystals, but is well preserved in other areas. A variety of secondary internal structures are observed, with large areas of transgressive recrystallized zircon usually dominant. Associated with these areas are recrystallization margins, interpreted to be recrystallization fronts, that have conformable boundaries with transgressive recrystallized areas, but contrasting cathodoluminescence and trace element chemistry. Trace element analyses of primary and secondary structures provide compelling evidence for closed‐system solid‐state recrystallization. By this process, trace elements in the protolith zircon are purged during recrystallization and partitioned between the enriched recrystallization front and depleted recrystallized areas. However, recrystallization is not always efficient, often leaving a ‘memory’ of the protolith trace element and isotopic composition. This results in the measurement of ‘mixed’ U–Pb isotope ages. Nonetheless, the age of metamorphism has been determined. A correlation between apparent age and Th/U ratio is indicative of incomplete re‐setting by partial recrystallization. Recrystallization is shown to probably not significantly affect Lu–Hf ages. Recrystallization has been determined by textural and trace element analysis and EBSP data not to have proceeded by sub‐grain rotation or local dissolution/re‐precipitation, but probably by grain‐boundary migration and defect diffusion. The formation of metamorphic zircon by solid‐state recrystallization is probably common to high‐grade terranes worldwide. The recognition of this process of formation is essential for correct interpretation of zircon‐derived U–Pb ages and subsequent tectonic models.     

序言:特提斯构造域岩浆作用与成矿

斑岩矿床是全球铜钼的主要来源,其形成与中酸性岩体的浅成侵位有关。斑岩矿床形成的精细过程与斑岩体成矿潜力判别,一直是新世纪以来矿床学研究的重要前沿。作为中酸性岩体中最常见且化学性质较为稳定的副矿物,锆石和磷灰石矿物化学近年来在岩浆作用与斑岩成矿作用研究中得到广泛应用。一方面,这是得益于近年来以LA-ICP-MS为代表的原位分析技术的快速进步及普及,使得精确获取矿物组分信息、特别是微量组分信息成为可能;另一方面,锆石和磷灰石的化学成分中蕴含丰富的成岩成矿信息,包括年龄、温度、氧逸度、含水量、S和Cl含量等,综合这些指标可以揭示岩浆-成矿演化规律及精细过程。为此,本文详细综述了近年来利用锆石和磷灰石约束斑岩矿床形成过程及成矿潜力评价等方面的主要进展,特别是在判断岩石类型、岩石成因、岩浆源区、反演母岩浆成分、区分矿床类型、示踪成矿流体来源、揭示流体交代作用与斑岩矿床蚀变分带、评价矿床剥蚀与保存情况等方面的进展;同时也梳理了研究中存在的主要问题与挑战,在此基础上,对未来锆石和磷灰石在斑岩矿床领域的应用研究提出一些建议。     

Polyphase zircon in ultrahigh-temperature granulites (Rogaland, SW Norway): constraints for Pb diffusion in zircon

SHRIMP U–Pb ages have been obtained for zircon in granitic gneisses from the aureole of the Rogaland anorthosite–norite intrusive complex, both from the ultrahigh temperature (UHT; >900 °C pigeonite‐in) zone and from outside the hypersthene‐in isograd. Magmatic and metamorphic segments of composite zircon were characterised on the basis of electron backscattered electron and cathodoluminescence images plus trace element analysis. A sample from outside the UHT zone has magmatic cores with an age of 1034 ± 7 Ma (2σ, n = 8) and 1052 ± 5 Ma (1σ, n = 1) overgrown by M1 metamorphic rims giving ages between 1020 ± 7 and 1007 ± 5 Ma. In contrast, samples from the UHT zone exhibit four major age groups: (1) magmatic cores yielding ages over 1500 Ma (2) magmatic cores giving ages of 1034 ± 13 Ma (2σ, n = 4) and 1056 ± 10 Ma (1σ, n = 1) (3) metamorphic overgrowths ranging in age between 1017 ± 6 Ma and 992 ± 7 Ma (1σ) corresponding to the regional M1 Sveconorwegian granulite facies metamorphism, and (4) overgrowths corresponding to M2 UHT contact metamorphism giving values of 922 ± 14 Ma (2σ, n = 6). Recrystallized areas in zircon from both areas define a further age group at 974 ± 13 Ma (2σ, n = 4). This study presents the first evidence from Rogaland for new growth of zircon resulting from UHT contact metamorphism. More importantly, it shows the survival of magmatic and regional metamorphic zircon relics in rocks that experienced a thermal overprint of c. 950 °C for at least 1 Myr. Magmatic and different metamorphic zones in the same zircon are sharply bounded and preserve original crystallization age information, a result inconsistent with some experimental data on Pb diffusion in zircon which predict measurable Pb diffusion under such conditions. The implication is that resetting of zircon ages by diffusion during M2 was negligible in these dry granulite facies rocks. Imaging and Th/U–Y systematics indicate that the main processes affecting zircon were dissolution‐reprecipitation in a closed system and solid‐state recrystallization during and soon after M1.     

机器学习算法在地球物理测井中的适用性及应用

机器学习,特别是深度神经网络学习算法的发展,正在改变人们发现知识的方式。目前油气工业正在向转向非常规和深海的油气勘探和开发。基于有限岩石物理参数建立的评价解释模型难以满足反映非常规储层复杂的岩性和结构,这使传统测井评价技术受到了很大的挑战。以油气大数据为基础、机器学习算法为核心、油气大数据云计算为动力以及油气应用场景为源泉的油气人工智能（Oil & Gas AI）极大地改变传统的油气工业各个领域。笔者以地球物理测井为研究对象,依据数据驱动的地球物理知识发现原理和机器学习属性,按照“数据–算法–平台–知识–应用场景”研究思路,开展机器学习算法在测井技术中的适用性研究。对机器算法的内在特性、原理、质量控制、硬件要求,学习模型选择、测试以及性能评价实现过程进行分析。笔者梳理和总结了机器学习算法在测井中适用性的树状图,尤其是在油气测井的方法研究、数据处理以及地层评价中的应用潜力与机器学习算法对应关系,其中包括数据校正的模拟方法、数据标定的岩石物理分析、测井数据质量控制、综合评价以及油藏评价监测。研究表明,机器学习算法在岩性识别与储层分类、力学评价、以及油藏评价等方面应用有明显的优势,贯穿于测井方法、仪器设计、测井作业及测井解释中。机器学习算法相对于传统的岩石物理建模方法,以数据为纽带综合评价岩石物理的多重属性。这从数据科学角度突破了实验条件和物理属性的限制,具有跨学科、综合性的特点。     

机器学习在岩矿地球化学研究中的应用——综述与思考

岩石与矿物的地球化学成分数据具有高维度特征。传统的岩矿地球化学成分研究主要采用二元/三元图解判别法,准确率不高,在数理统计方法上有欠缺。机器学习方法非常适用于对大样本高维度的岩矿成分数据进行数理统计处理。本文在介绍机器学习常见算法基本原理的基础上,总结近5年来国内外学者将机器学习方法应用于岩石矿物成分数据研究的实例,包括：① 根据矿物成分溯源其母岩（源岩）、判别矿床类型,② 新生代火山岩溯源,③ 判别变质岩原岩,④ 依据岩浆岩成分判别大地构造环境等。已有的研究实例显示,机器学习方法的准确度明显优于传统的低维度判别法。机器学习本质是分析大样本数据的高维度变量之间的相关、归类等多元统计问题。推广机器学习的应用需要建设开放获取（Open Access）的矿物、岩石成分数据库,同时全面实施开放研究（Open Research）的发表策略。     

机器学习在岩矿地球化学研究中的应用——综述与思考

岩石与矿物的地球化学成分数据具有高维度特征。传统的岩矿地球化学成分研究主要采用二元/三元图解判别法,准确率不高,在数理统计方法上有欠缺。机器学习方法非常适用于对大样本高维度的岩矿成分数据进行数理统计处理。笔者等在介绍机器学习常见算法基本原理的基础上,总结近5年来国内外学者将机器学习方法应用于岩石矿物成分数据研究的实例,包括：(1)根据矿物成分溯源其母岩(源岩)、判别矿床类型,(2)新生代火山岩溯源,(3)判别变质岩原岩,(4)依据岩浆岩成分判别大地构造环境等。已有的研究实例显示,机器学习方法的准确度明显优于传统的低维度判别法。机器学习本质是分析大样本数据的高维度变量之间的相关、归类等多元统计问题。推广机器学习的应用需要建设开放获取(Open Access)的矿物、岩石成分数据库,同时全面实施开放研究(Open Research)的发表策略。