基于机器学习的绿泥石微量元素判别矿床类型

摘要

为了解绿泥石微量元素对不同成因矿床类型是否能够进行有效的分类判别，收集了13个来自斑岩型、矽卡岩型和浅成低温热液型3种类型矿床中的2 928条绿泥石微量元素数据，采用随机森林、支持向量机和人工神经网络3种不同的机器学习算法对矿床成因类型建立了分类模型并进行特征重要性分析.结果表明，依据Ni、Cr、Co、Sr、V、Zn 6种微量元素所建立的支持向量机模型分类效果最优，其Kappa系数最高为0.89，准确率、召回率和F1值的加权平均得分为0.96,Ni、V、Co为最关键的3个判别元素.基于绿泥石矿物微量元素结合机器学习方法能够实现对矿床类型的判别，对于区域尺度找矿勘查快速评价具有重要的指示意义.

关键词

绿泥石 / 微量元素 / 矿床成因类型 / 机器学习 / 矿床学