基于梯度提升决策树(GBDT)算法的岩性识别技术

作者：韩启迪; 张小桐; 申维^*

来源：矿物岩石地球化学通报, 2018, 37(06): 1173-1180.

DOI：10.19658/j.issn.1007-2802.2019.38.009

• 机器学习
• GBDT
• 岩性分类
• 决策树

对覆盖区下伏岩体的有效识别是实现深部找矿突破的关键,近年来机器学习理论的发展为岩性识别提供了新的思路。梯度提升决策树(GBDT)算法是以决策树为基函数的集成学习方法,算法通过将学习得到的多个树模型进行集成,可以达到同时减少模型方差和偏差的效果。本文以地球化学元素数据为基础,利用GBDT算法进行岩性识别研究,并将所得结果与KNN、SVM和决策树3种机器学习算法进行对比,结果表明,针对岩性识别问题,GBDT算法具有更高的精度,可以作为岩性识别的参考技术,具有一定的推广和应用价值。

• 单位
  中国地质大学（北京）; 中国土地勘测规划院