机器学习与大陆板内玄武岩构造环境判别

Abstract

大数据时代的到来为地质领域很多基于地球化学数据的判别打开了新的“窗口”，机器学习为充分利用这些数据并获取更加反映实际情况的事实而提供了新的“工具”。论文以大陆板内玄武岩构造环境判别为分析对象，对在 GEOROC 和 PetDB 数据库中筛选挖掘出的 4558 条有效数据进行了机器学习研究。基于传统分类方法进行数据分析，显示不存在一种线性模式能够在全部玄武岩空间有效地识别构造环境，这对目前广泛使用的线性判别图解产生了冲击。基于非线性组合的方式进行重新判别，显示决策树、支持向量机算法可使大陆板内玄武岩的构造环境识别率提高至 90%左右。此次研究对大数据时代地球化学数据判别大陆板内玄武岩构造环境，乃至判别其他地质属性等研究工作具有重要启示意义。