机器学习在黔北地区含铝岩系伴生锂富集程度预测中的应用

摘要

黔北地区含铝岩系普遍伴生锂元素的富集，由于锂原子质量过低，野外探矿设备很难快速检测到其含量，为加快野外工作效率，本研究系统收集并整理已发表的相关数据，采用随机森林算法训练并建立能够快速预测未知样品锂含量的方法。结果表明，含量最高的主微量元素为氧化铝（Al₂O₃）和二氧化硅（SiO₂）,锂含量波动较大。随机森林分类模型准确度达0.92,曲线下面积达0.96,可以有效预测未知样品锂元素的富集程度，尤其在低锂富集潜力样品预测中颇具潜力。特征重要性结果表明，锂元素与铝硅酸盐紧密相关，特别是富集Mg、Fe、K元素的矿物。在避免偶然因素的前提下，本模型在黔北地区含铝岩系伴生锂的野外找矿领域具有广阔应用前景。本研究作为机器学习在地球化学勘查领域的积极探索，可为黔北地区沉积型锂矿的找矿勘查工作提供新思路。

关键词

机器学习 / 随机森林 / 黔北地区 / 伴生锂 / 含铝岩系 / 预测