基于KNN算法的锡矿类型判别
摘要：
受成矿温度、流体性质和金属来源等因素综合影响,不同类型锡矿床中锡石常具有特征性的微量元素组合.利用锡石微量元素组成进行锡矿床类型判别具有长期的应用历史,但传统的判别图通常仅基于2～3 个维度,难以充分揭示锡石微量元素与锡矿床类型之间复杂的多元关系.本次研究旨在证明锡石微量元素可有效用于锡矿床类型分类,并应用机器学习方法从中提取关键判别因子.收集已发表文献中 661 件锡石样品的微量元素分析数据,涵盖石英脉型、矽卡岩型、云英岩型和伟晶岩型等4 类矿床,包含Sc、Ti、V、Mn、Fe、Zr、Nb、Sb、Hf、Ta、W和U共12 种微量元素,应用K最近邻(KNN)算法构建分类模型,再运用合成少数过采样技术(SMOTE)处理数据不平衡问题,运用KNN算法的特征重要性值来评估微量元素对分类的重要性,最后采用t分布随机邻域嵌入(t-SNE)可视化工具对分类和评估结果进行验证.研究结果表明,锡石微量元素组成可成功区分不同类型的锡矿床,Mn、Sb、Ta对锡矿床类型分类具有显著影响,V、Sc、Hf、Nb、Zr也具有相对重要的影响,证实了锡石微量元素对锡矿床类型判别的控制作用.
展开
-
作者：
周雨航,刘勇,吴鹏飞,李朋
-
刊名：
资源环境与工程
-
年期：
2025.5
在线阅读
收藏