地质学论文_基于支持向量机算法的岩浆硫化物矿
文章摘要: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3.12×104~2.08×105,方差小于1.44×103,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6.60×103~1.78×104,方差小于13.69,分维值为0.60,李雅普诺夫指数λ>0,该阶段处于混沌状态;硫流失阶段,硫元素质量分数为2.00×102~3.80×103,方差小于1.56,分维值为0.94,李雅普诺夫指数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。
文章关键词:
论文DOI:10.13278/j.cnki.jjuese.20200287
论文分类号:P612
文章来源:《应用数学学报》 网址: http://www.yysxxbzz.cn/qikandaodu/2021/1008/1260.html