基于机器学习的造山带岩浆铜镍硫化物矿床含矿潜力分析:以北山地区为例OA

造山带型岩浆铜镍硫化物矿床是重要的铜、镍及相关关键金属资源类型,其形成与幔源岩浆演化及壳幔相互作用密切相关。北山造山带位于中亚成矿域关键构造部位,发育大量后碰撞伸展阶段的镁铁质–超镁铁质岩体,并伴随不同程度的铜镍矿化,但成矿与非成矿岩体判别及含矿潜力评价仍存在不确定性。为此,笔者基于已发表文献系统收集北山造山带镁铁质–超镁铁质岩体全岩地球化学数据,构建包含360条样本的数据集,选取SiO_(2)、Al_(2)O_(3)、Fe_(2)O_(3)、MgO等主量元素、稀土元素、以及Rb、Nb、Sr、Y等微量元素共27项特征作为输入变量,引入多层感知机(MLP)、支持向量机(SVM)、随机森林(RF)和极端梯度提升(XGBoost)4种机器学习模型,对成矿与非成矿岩体进行分类识别及含矿潜力评价。结果表明,各模型均具有较好的判别能力。其中,MLP模型性能最优,分类准确率达97%;XGBoost、RF和SVM模型准确率分别为94%、91%和90%。模型结果表明,全岩地球化学特征能够有效刻画岩浆分异程度及地壳混染等关键成矿控制过程,是识别成矿岩体的重要判据。基于最优模型建立的判别方法可实现对北山造山带镁铁质–超镁铁质岩体成矿潜力的有效识别。研究结果不仅为北山地区岩浆铜镍硫化物矿床找矿勘查提供了新的技术手段,也为造山带型同类矿床的成矿潜力评价提供了方法参考。