机器学习与大陆板内玄武岩构造环境判别

坤 刘(山东省鲁南地质工程勘察院)

摘要

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。

关键词

机器学习；大陆板内玄武岩；构造环境；大数据

参考

CABANIS B,THIEBLEMONT D. Discrimination of Continental Tholeiites and Backarc Basin Basalts Using a ThTbTa Diagram [J].Chemical Geology, 1988,70(1/2):5.

Cortes C, Vapnik V.Support-vector networks [J]. Machine Learning, 1995,20(3):273-297.

Hinton G E, Osindero S.A Fast Learning Algorithm for Deep Belief Nets[J]. Neural Computation, 2006,18(7):1527-1554.

Komac M. IGCP 624﹣OneGeology[J]. Project Report, 2015(3):5.

Li C, Arndt N T, Tang Q, etc. Trace element indiscrimination diagrams[J]. Lithos, 2015(23):76-83.

Loubet M, Sassi R, Donato G D. Mantle heterogeneities: a combined isotope and trace element approach and evidence for recycled continental crust materials in some OIB sources [J]. Earth & Planetary Science Letters, 1988, 89(3-4):299﹣315.

PEARCE J A, CANN J R.Tectonic Setting of Basic Volcanic Rocks Determined Using Trace Element Analyses[J]. Earth and Planetary

Science Letters, 1973,19(2):290-300.

Pearce J A. An expert system for the tectonic characterization of ancient volcanic rocks[J]. Journal of Volcanology & Geothermal Research,

,32(1-3):51-65.

Pearce J A. Trace element characteristics of lavas from destructive plate boundaries[J]. Andesites, 1982(8):528-548.

Rumelhart D E, Hinton G E, Williams R J. Learning internal representations by error propagation[J]. MIT Press, 1986(4):318-362.

Sarbas B, Nohl U. The GEOROC database as part of a growing

geoinformatics network[J]. Geoinformatics Poster Session, 2008(6):3.

Sch·lkopf B, Platt J, Hofmann T. Efficient Learning of Sparse

Representations with an Energy-Based Model[J]. Advances in Neural Information Processing Systems, 2006(5):1137-1144.

Sch·lkopf B, Platt J, Hofmann T. Greedy Layer-Wise Training

of Deep Networks[J]. Advances in Neural Information Processing Systems,2007(19):153-160.

Vose R S, Arndt D, Banzon V F. NOAA's Merged Land–Ocean

Surface Temperature Analysis[J]. Bulletin of the American Meteorological

Society, 2012,93(11):1677-1685.

Wood D A, Joron J L, Treuil M. A re-appraisal of the use of

trace elements to classify and discriminate between magma series erupted in different tectonic settings [J]. Earth & Planetary Science Letters,1979,45(2):326﹣336.

WOOD D A, JORON J L, TREUIL M. A Reappraisal of the Use

of Trace Elements to Classify and Discriminate Between Magma Series

Erupted in Different Tectonic Setting [J]. Earth and Planetary Science

Letters, 1979,45(2):326-336.

李曙光.蛇绿岩生成构造环境的 Ba-Th-Nb-La 判别图[J].岩石学报,1993(2):146﹣157.

刘树春.基于支持向量机和深度学习的分类算法研究[D].上海:华东师范大学,2015.

孙书勤,张成江,黄润秋.板块汇聚边缘玄武岩大地构造环境的Th、Nb、Zr 判别[J].地球科学进展,2006,21(6):593﹣598.

唐发明,王仲东，陈绵云.支持向量机多类分类算法研究[J].控制与决策,2005,20(7):746﹣749.

汪云亮,张成江.玄武岩类形成的大地构造环境的 Th/Hf—Ta/Hf 图解判别[J].岩石学报,2001,17(3):413﹣421.

王金荣,潘振杰,张旗,等.大陆板内玄武岩数据挖掘:成分多样性及在判别图中的表现[J].岩石学报,2016,32(7):1919﹣1933.

吴泰然.玄武岩的构造环境判别[J].岩石学报,1991(3):83﹣89.

夏林圻,夏祖春,徐学义,等.利用地球化学方法判别大陆玄武岩和岛弧玄武岩[J].岩石矿物学杂志,2007,26(1):77﹣89.

肖龙,徐义刚,梅厚钧,等.云南宾川地区峨眉山玄武岩地球化学特征:岩石类型及随时间演化规律[J].地质科学,2003,38(4):478﹣494.

徐夕生,谢昕.中国东南部晚中生代-新生代玄武岩与壳幔作用[J].高校地质学报,2005,11(3):318﹣334.

杨祝良.Pearce 型构造岩浆地球化学判别图评述——以玄武岩为例[J].资源调查与环境,1992(3):80﹣86.

余凯,贾磊,陈雨强,等.深度学习的昨天、今天和明天[J].计算机研究与发展,2013,50(9):1799﹣1804.

张伯友,张海祥,赵振华,等.两广交界处岑溪二叠纪岛弧型玄武岩及其古特提斯性质的讨论[J]南京大学学报自然科学,2003,39(1):46-54.

张旗.如何正确使用玄武岩判别图[J].岩石学报,1990,6(2):87-94.

赵振华.关于岩石微量元素构造环境判别图解使用的有关问题[J].大地构造与成矿学,2007,31(1):92﹣103.

朱律运.利用 LA-ICP-MP 快速准确分析火山岩全岩常、微量元素的方法研究[D].武汉:中国地质大学,2011.

DOI: http://dx.doi.org/10.26549/gcjsygl.v1i2.556