基于机器学习的高镁安山质岩石类型的多元判别分析

高镁安山质岩石具有多种不同成因的亚类,这些亚类反映了板块构造学中不同的地质背景。因此,对高镁安山质岩石进行快速且准确的分类具有重要的地质意义。然而,现有的传统判别方法在区分赞岐岩型、玻安岩型和埃达克型高镁安山质岩石时存在一定的局限性。为此,基于全球范围内2167组高镁安山质岩石的全岩主微量元素数据,应用线性多元回归分析的机器学习原理,开发了新的多元判别图解,旨在提升高镁安山质岩石分类的准确性。结果表明,对高镁安山质岩石的判别,新图解显著提高了对玻安岩型的辨识精度(高达90%),并在赞岐岩型和埃达克型的区分中达到了70%以上的成功率。改进的判别方法不仅可以准确和高效地区分3种主要类型的高镁安山质岩石,还扩展了传统地球化学判别方法的应用范围。基于新的判别图解,对西藏班公湖—怒江缝合带的中—晚侏罗世高镁闪长岩进行了独立的判别分析,结果显示其属于典型的赞岐岩型和玻安岩型高镁安山岩,指示了同期的初始洋壳俯冲事件,有效约束了中特提斯洋的演化过程。

资料为PDF文档格式.

本文档关键词:岩石,多元,机器,类型,学习