王乐等OGR：磷灰石成分机器学习评估斑岩矽卡岩矿床成矿潜力

背景：全球铜矿需求激增，但大型高品位矿床发现日益困难，亟需新的勘探方法。斑岩型和矽卡岩型矿床是重要铜钼来源，传统全岩和锆石成分分析存在局限，而磷灰石作为常见副矿物，其成分能记录岩浆信息。研究目的：针对传统磷灰石地球化学参数区分成矿与贫矿岩浆效果有限的问题，应用可解释的机器学习方法（XGBoost和RF）基于全球磷灰石成分数据构建成矿潜力评估模型。结论：所建模型准确率显著高于传统方法，识别出Mn、Sr、Cl、La、REE等关键指标，并在土耳其Güzelyayla矿床测试中表现优异。研究证实Cl等挥发分对成矿的关键作用，深化了对成矿地球化学条件的理解，为绿地勘探提供了可靠工具。