基于闪锌矿微量元素的矿床类型判别
孟郁苗¹，黄小文^1*，胡瑞忠¹，Georges Beaudoin²，周美夫¹
1 中国科学院地球化学研究所，矿床地球化学国家重点实验室，贵阳550081，中国
2 Département de géologie et de génie géologique, Université Laval, Québec, QC G1V 0A6, Canada

闪锌矿是铅锌矿床主要矿石矿物，其微量元素结合机器学习方法可用于矿床类型的划分。本文将一百多个矿床中四千余条微量元素数据通过不同机器学习的方法进行对比。建立了MVT、VMS、SEDEX、Epithermal和Skarn五种矿床判别模型。PCA和PLS-DA两种方法表现出相似的聚类结果。T-SNE方法仅在区分MVT、SEDEX和Epithermal方面有效。KNN、RF和NN方法在平均准确度和精度方面优于LR、SVM和NB。PCA、t-SNE和PLS-DA在数据可视化方面具有优势。PLS-DA和RF方法的特征重要性分析表明，分类中最重要的判别元素是Ge、Mn、In、Sn、Ga和Sb。基于PCA、PLS-DA、KNN、NN和RF的模型可以用于预测来源不确定的闪锌矿样品。所有方法模型给出了相似的分类结果，且与成矿地质环境一致。PCA和PLS-DA等判别图可作为铅锌矿产勘查类型判别的首选。

闪锌矿、微量元素、铅锌矿床、机器学习