陆缘造山带地壳厚度演化预测：大数据驱动的人工智能方法

摘要

地壳厚度是理解大陆构造演化的关键参数。然而，在陆缘造山带中对其进行定量预测一直受到数据匮乏的阻碍。尽管利用地球化学数据的人工智能方法有所进步，但成分数据固有的“闭合效应”对模型性能的根本影响往往被忽视。为了解决这个问题，我们开发了一种将等距对数比(ILR)变换与随机森林算法相结合的新方法，以减轻数据偏差并提高预测准确性。用全球岩石地球化学数据库训练所得的ILR-RF模型在测试中取得了出色的准确率，并且显著优于比较的主流模型。应用该模型，我们重建了东北亚小兴安岭—张广才岭山脉以及东部吉林-黑龙江地区的中生代地壳演化历史。此次重建揭示了一个由地壳增厚随后变薄所构成的动态过程：在早三叠世(约2.5亿年前),地壳厚度达到峰值约60 km;到晚三叠世(约2.2亿年前),厚度减至约45 km;在中侏罗世(约1.7亿年前),地壳再次增厚；最终在早白垩世(约1.1亿年前),厚度稳定在约43 km。值得注意的是，显著的早白垩世变薄事件与该地区大规模金矿化活动的高峰期高度相关。这一发现为理解东亚大陆边缘的中生代构造动态提供了关键约束，并为探索重大成矿事件的深层驱动因素提供了新的视角。

关键词

大数据 / 人工智能 / 陆缘造山带 / 地壳厚度演化 / 古太平洋板块俯冲 / 成矿作用