本文主要研究内容
作者洪瑾,甘成势,刘洁（2019）在《基于机器学习的洋岛玄武岩主量元素预测稀土元素》一文中研究指出：地学共享数据库(如GEOROC、PetDB等)可为地球科学研究提供重要基础数据。然而,这些数据库均存在一个明显缺陷:样品的9种主量元素(SiO2、TiO2、Al2O3、CaO、MgO、MnO、K2O、Na2O和P2O5)均有准确数据,但稀土元素(rare earth elements,REE)数据大量缺失。鉴于REE在地球化学领域的重要作用,我们尝试为数据库缺失的REE值提供一个补全方案,即利用机器学习中的随机森林方法实现由9种主量元素预测REE值。以洋岛玄武岩(ocean island basalt,OIB)为例,把从GEOROC库中搜集到的1 283组OIB数据按8∶2的比例分为两组,其中80%的数据作为训练数据集用于建模,20%的数据作为测试数据集验证模型。比较了随机森林和多元线性回归方法对相同数据进行建模和预测的效果差异,发现无论是回归建模还是预测,随机森林方法都优于多元线性回归,且随着输入参数与输出参数之间关系的复杂化,这种优势更加明显。随机森林对测试数据集的预测效果整体较好,只是随着REE原子序数的增大,预测效果逐渐减弱。这一方面可能是因为原子序数大的REE与主量元素的关系更弱;另一方面可能是由于原子序数大的REE与主量元素的关系更加复杂。其次,随机森林方法预测的REE配分曲线与实际配分曲线吻合度较高,且预测所得配分曲线的区分能力较强,能够反映实际配分曲线之间的相对差异,这一点对推断地球化学过程尤为重要。随机森林方法随着训练数据的增多,其建立的模型也将越稳定,预测结果也会更精确。因此,随着数据库的不断完善,对数据库中REE值的预测也将更为可信、可行。
Abstract
de xue gong xiang shu ju ku (ru GEOROC、PetDBdeng )ke wei de qiu ke xue yan jiu di gong chong yao ji chu shu ju 。ran er ,zhe xie shu ju ku jun cun zai yi ge ming xian que xian :yang pin de 9chong zhu liang yuan su (SiO2、TiO2、Al2O3、CaO、MgO、MnO、K2O、Na2Ohe P2O5)jun you zhun que shu ju ,dan xi tu yuan su (rare earth elements,REE)shu ju da liang que shi 。jian yu REEzai de qiu hua xue ling yu de chong yao zuo yong ,wo men chang shi wei shu ju ku que shi de REEzhi di gong yi ge bu quan fang an ,ji li yong ji qi xue xi zhong de sui ji sen lin fang fa shi xian you 9chong zhu liang yuan su yu ce REEzhi 。yi xiang dao xuan wu yan (ocean island basalt,OIB)wei li ,ba cong GEOROCku zhong sou ji dao de 1 283zu OIBshu ju an 8∶2de bi li fen wei liang zu ,ji zhong 80%de shu ju zuo wei xun lian shu ju ji yong yu jian mo ,20%de shu ju zuo wei ce shi shu ju ji yan zheng mo xing 。bi jiao le sui ji sen lin he duo yuan xian xing hui gui fang fa dui xiang tong shu ju jin hang jian mo he yu ce de xiao guo cha yi ,fa xian mo lun shi hui gui jian mo hai shi yu ce ,sui ji sen lin fang fa dou you yu duo yuan xian xing hui gui ,ju sui zhao shu ru can shu yu shu chu can shu zhi jian guan ji de fu za hua ,zhe chong you shi geng jia ming xian 。sui ji sen lin dui ce shi shu ju ji de yu ce xiao guo zheng ti jiao hao ,zhi shi sui zhao REEyuan zi xu shu de zeng da ,yu ce xiao guo zhu jian jian ruo 。zhe yi fang mian ke neng shi yin wei yuan zi xu shu da de REEyu zhu liang yuan su de guan ji geng ruo ;ling yi fang mian ke neng shi you yu yuan zi xu shu da de REEyu zhu liang yuan su de guan ji geng jia fu za 。ji ci ,sui ji sen lin fang fa yu ce de REEpei fen qu xian yu shi ji pei fen qu xian wen ge du jiao gao ,ju yu ce suo de pei fen qu xian de ou fen neng li jiao jiang ,neng gou fan ying shi ji pei fen qu xian zhi jian de xiang dui cha yi ,zhe yi dian dui tui duan de qiu hua xue guo cheng you wei chong yao 。sui ji sen lin fang fa sui zhao xun lian shu ju de zeng duo ,ji jian li de mo xing ye jiang yue wen ding ,yu ce jie guo ye hui geng jing que 。yin ci ,sui zhao shu ju ku de bu duan wan shan ,dui shu ju ku zhong REEzhi de yu ce ye jiang geng wei ke xin 、ke hang 。
论文参考文献
论文详细介绍
论文作者分别是来自地学前缘的洪瑾,甘成势,刘洁，发表于刊物地学前缘2019年04期论文，是一篇关于机器学习论文,随机森林论文,洋岛玄武岩论文,主量元素论文,稀土元素论文,地学前缘2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自地学前缘2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。