基于支持向量机算法的岩浆硫化物矿床硫元素预测模型

作者：李猛猛; 刘敬党; 梁天意^*; 谭亮; 王刚; 朱玺

来源：吉林大学学报(地球科学版), 2022, 52(03): 866-878.

DOI：10.13278/j.cnki.jjuese.20200287

• 岩浆硫化物矿床
• 硫饱和
• 支持向量机
• 非线性
• 岩浆混合作用
• 预测模型

硫元素在岩浆硫化物矿床的形成过程中具有十分重要的作用。本文以加拿大拉布拉多Voisey’s Bay镍铜硫化物矿床的钻孔数据为实验数据，利用基于径向基函数(radial basis function, RBF)核函数的支持向量机(support vector machine, SVM)算法对实验数据中镍、铜元素质量分数与硫元素质量分数进行相关性分析，进而建立基于硫元素质量分数的预测模型。通过SVM计算出硫元素质量分数的预测值，并与硫元素原值进行拟合分析。根据拟合分析偏差曲线的计算结果，将实验数据划分成3个阶段，分别为：硫饱和阶段，硫元素质量分数为3.12×10-6～20.80×10-6,方差小于1.44×10-7,分维值为0.35,李雅普诺夫指数λ>0,该阶段处于混沌状态；硫成矿阶段，硫元素质量分数为6.60×10-7～17.80×10-9,方差小于1.37×10-9,分维值为0.60,λ>0,该阶段处于混沌状态；硫流失阶段，硫元素质量分数为2.00×10-8～38.00×10-8,方差小于1.56×10-10,分维值为0.94,λ=0,该阶段处于稳定状态。进而说明岩浆硫化物矿床的原始岩浆中镍、铜元素质量分数和硫元素质量分数总体上并不是线性关系，也并非呈简单的非线性关系，而是呈分阶段非线性关系。

• 单位
  辽宁工程技术大学