基于TPE-SVM模型和SHAP解释的闪锌矿微量元素特征识别铅锌矿床类型
陈忠元
任涛
赵冻
昆明理工大学国土资源工程学院,云南 昆明 650093
摘要：为了解闪锌矿微量元素特征对不同成因矿床类型是否能够进行有效判别,系统收集了全球典型的沉积喷流型(SEDEX)、密西西比河谷型(MVT)、火山块状硫化物型(VMS)、矽卡岩型(skarn)和浅成低温热液型(epithermal)铅锌矿床中 3 117 条闪锌矿的 12 种微量元素含量数据(Mn、Fe、Co、Cu、Ga、Ge、Ag、Cd、In、Sn、Sb、Pb),使用基于Tree-structured Parzen Estimator(TPE)优化的支持向量机机器学习算法建立了闪锌矿微量元素分类模型,并使用 SHAP(SHapley Additive exPlanations)方法进行特征重要性分析.结果表明,经优化的 TPE-SVM模型在测试集上展现出优异的分类能力,准确率、召回率和 F1 值均超过 0.97.通过 SHAP解释发现闪锌矿中 Mn、Ge、Co为矿床成因类型判别三大关键元素.本文建立的闪锌矿微量元素判别指标体系,不仅为矿床成因鉴定提供了新的技术手段,更可为复合成矿系统解析、隐伏矿体预测等复杂地质问题提供创新解决方案.
关键词：闪锌矿微量元素机器学习TPE优化算法SHAP算法矿床地质
分类号：P595(地球化学)
资助基金：国家自然科学基金(No.42163005)云南省基础研究计划重点项目(No.202501AS070050)
论文发表日期：2025-11-30
在线出版日期：2025-12-15（本平台首次上网日期，不代表文献的发表时间）
页数：15( 4355-4369 )
英文信息