基于XGboost算法的碎屑锆石物源判别方法和系统技术方案

本发明专利技术公开了一种基于XGboost算法的碎屑锆石物源判别方法和系统，包括以下步骤：收集A<subgt;1</subgt;、A<subgt;2</subgt;、S、I花岗岩中锆石的微量元素数据，筛选出数据较为集中的元素。构建具有地质意义的元素比值，获得数据集Dataset 1。在Dataset 1上训练XGBoost模型，选择排名前9的元素或元素比值作为最终训练模型的特征，构建新数据集Dataset 2。在训练集上选择XGBoost算法进行训练。使用优化框架调优XGBoost模型的超参数，以最大化F1分数为目标。使用训练好的XGBoost模型将预处理后的未知样本数据输入模型，进行预测，并输出输出结果。本发明专利技术的优点是：提高了数据处理的效率和物源判别的精准性，适用于全球各个地区的碎屑锆石物源判别，不受地理位置的限制。

【技术实现步骤摘要】

本专利技术涉及地质信息科学，特别涉及一种基于xgboost算法的碎屑锆石物源判别方法和系统。

技术介绍

1、锆石封闭温度较高，物理化学性质稳定，所以碎屑锆石经历多次沉积、岩浆或变质作用仍能够稳定记录源区的性质与年龄信息。碎屑锆石的物源研究是了解沉积扩散系统和沉积区构造环境的有力工具，常被用于探索早期地球的地质历史，进行古地理环境重建。在过去的研究中，通过锆石微量元素构建eu/eu*-(nb/pb)n等二维图解，或通过构建机器学习模型对碎屑锆石的物源进行判别。

2、然而eu/eu*-(nb/pb)n等二维图解只能使用两个或三个元素，不能充分挖掘微量元素信息，导致准确率较低，同时二维图解和机器学习方法局限于判别i、s、a型花岗岩物源的碎屑锆石，对于具有不同构造环境，化学组成的a1，a2两种类型物源的碎屑锆石难以区分。这些问题制约了对早期地球地质历史，古地理环境的研究。

3、因此，开发一种能够广泛使用的，可以适用于a1，a2两种花岗岩的高准确率判别方法具有重要意义。

技术实现思路p>

1、本专利本文档来自技高网...

【技术保护点】

1.一种基于XGboost算法的碎屑锆石物源判别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的碎屑锆石物源判别方法，其特征在于：S2中收集初始数据具体为：

3.根据权利要求1所述的碎屑锆石物源判别方法，其特征在于：S3中使用Optuna优化框架优化超参数，包括：n_estimators、learning_rate、max_depth、gamma、colsample_bytree和colsample_bylevel。

4.一种碎屑锆石物源判别系统，其特征在于：该系统能够用于实施权利要求1至3其中一项所述的碎屑锆石物源判别方法，具体的，包括：<...

【技术特征摘要】

1.一种基于xgboost算法的碎屑锆石物源判别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的碎屑锆石物源判别方法，其特征在于：s2中收集初始数据具体为：

3.根据权利要求1所述的碎屑锆石物源判别方法，其特征在于：s3中使用optuna优化框架优化超参数，包括：n_estimators、learning_rate、max_depth、gamma、colsample_bytree和colsample_bylevel。...

【专利技术属性】
技术研发人员：周飞，邱昆峰，周统，才艺伟，于皓丞，温鸿涛，么丝嘉，苗增良，
申请(专利权)人：中国地质大学北京，
类型：发明
国别省市：