基于机器学习的磷灰石微量元素判别岩石类型

近几年机器学习在地学领域发展迅猛。本文致力于利用机器学习方法研究岩浆成因的磷灰石微量元素对于岩浆岩不同岩石类型能否进行准确的判别。磷灰石是一种重要的矿物,在地质勘探和资源开发中有广泛的应用。然而,不同岩石类型中磷灰石微量元素的含量差异较大,本文收集了来自68篇文献的3720条岩浆成因的磷灰石微量元素数据信息,提出了基于随机森林(Random Forest,RF)和人工神经网络(Artificial Neural Network,ANN)2种机器学习的快速判别方法。结果表明,随机森林模型的分类精度达到了93.7%,其中Lu、La/Yb、MnO、Ce是对模型影响最大的4项指标;人工神经网络模型分类精度为89.7%,略低于随机森林模型,其中Lu、Gd/Yb、Ce、MnO是对模型影响最大的4项指标。本研究基于机器学习方法利用磷灰石微量元素实现了对岩浆岩岩石类型的判别,其成果不仅为磷灰石勘探提供了一种高效手段,也为机器学习在地质学领域的应用提供了实证案例。这种基于机器学习的判别方法有望为将来岩石类型鉴别和资源勘探领域的研究提供新的思路和方法。

我国能源消耗与经济增长数量、质量关系研究

随着经济全球化的不断发展,能源消耗对经济增长的影响越来越重要。文章结合理论进行实证分析,用时间序列数据建立数学模型,首先用灰色关联分析分别分析得到能源消耗与经济增长数量、质量之间存在较高的关联度,然后通过协整检验、误差修正模型研究能源消耗和经济增长数量、质量之间的长期均衡及短期动态关系,最后运用灰色GM(1,1)模型来预测未来几年的国民经济总量。

湖北省能源消耗与经济发展关系研究

经济的发展带动能源的消耗,文章通过主成分分析方法提取出能够反映经济发展和能源消耗这两者的综合指标,利用时间序列数据,定量分析湖北省能源消耗与经济发展关系。然后通过建立协整模型发现这两者存在长期均衡关系,且存在着从经济发展到能源消耗的单向因果关系。最后比较最小二乘方法和Bootstrap方法得到的回归模型系数置信区间;可知Bootstrap方法的区间收敛于真实区间的速度更快,使得模型也能更好地适用于更普遍的经济-能源发展的关系应用中。