机器学习在水系沉积物地球化学采样下伏基岩填图中的应用

作者：黄栋良; 李曼懿; 王丽芳; 浣雨柯; 张宝一^*

来源：矿物岩石地球化学通报, 2023, 42(01): 61-78.

DOI：10.19658/j.issn.1007-2802.2022.41.096

• 决策树
• Bagging
• Boosting
• 图卷积
• 地球化学
• 基岩判别

为了探索高效且能大区域应用的基岩填图方式，本文整合水系沉积物地球化学数据和局部空间Moran’s I指数、高程、坡度、坡向变率、高磁、断层、矿点、水系等多元地学数据作为附加特征，采用浅层机器学习决策树及其Bagging和Boosting集成算法，以及深度学习的图卷积网络，分别训练了不同的基岩判别模型。结果表明，相比浅层机器学习的决策树及其集成算法，深度学习的图卷积神经网络基岩判别模型仅使用20%带标签数据就获得了最高的78.31%判别精度。应用基于图卷积网络的基岩类型判别模型对察汗乌苏河地区第四系覆盖物下伏基岩填图，预测结果与其周边基岩类型协调一致，该模型可用来探究更全面的区域基岩分布情况。

• 单位
  中国电建集团中南勘测设计研究院有限公司; 物理学院; 湖南工程职业技术学院; 中南大学