李恒旭：基于统计分析和机器学习方法的不同矿床类型黄铁矿地球化学判别【AM，2024】

本文由李恒旭等人发表，主要探讨了如何利用黄铁矿中的微量元素结合机器学习技术来准确鉴别不同类型的矿床。黄铁矿因其不易受后期风化和蚀变影响，能保存完整的地球化学信息，成为研究矿床类型的重要工具。文章首先介绍了传统黄铁矿微量元素二元图在判断矿床类型时的局限性，特别是在矿床种类超过三种时容易造成误判。为了解决这一问题，研究团队收集了多种矿床类型中的黄铁矿微量元素数据，并运用统计分析和机器学习方法（包括神经网络、支持向量机和随机森林）进行分析。研究发现，不同矿床类型的黄铁矿在某些微量元素含量上存在显著差异，如IOA型和IOCG型矿床的Co和Ni含量非常高，而VMS矿床中的黄铁矿Ag、Se、Te、Bi含量更高。通过判别分析和机器学习方法，研究成功区分了不同类型的矿床，总体准确度达到90%以上，机器学习方法的准确率更是高达95%以上。这项研究的创新之处在于高效地利用统计分析和机器学习技术，为资源勘探和相关领域的研究和实践提供了有力支持。