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

摘要：

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Cr2O3,TFeO,TiO2,FeO和Al2O3是进行岩浆构造环境判别的重要成分.

关键词：树算法、bagging算法、boosting算法、单斜辉石、岩浆构造环境判别、地球化学特征

所属期刊栏目：38

分类号：P578.594;P628(矿物学)

资助基金：国家重点研究开发计划《基于"地质云"平台的深部找矿知识挖掘》;国家自然科学基金项目《大数据环境下的滑坡危险性评估模型构建方法研究》;国土资源部地质信息技术重点实验室课题《基于知识图谱深度优化技术的地质大数据智能检索服务应用研究》;中国地质调查局项目《国家地质大数据汇聚与管理》;《资源环境重大问题综合区划与开发保护策略研究》

在线出版日期：2020-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1981-1991