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：《数学的实践与认识》 网址: http://www.sxdsjyrs.cn/qikandaodu/2021/1008/784.html