岩浆构造背景的地球化学判别与特征：一种基于机器学习的方法

对不同构造背景下的岩浆活动进行地球化学判别，仍是理解地球地幔中岩浆生成过程的基础工作。本文提出一种方法，利用包含八种不同构造背景生成的火山岩数据的全球地球化学数据集，采用机器学习（ML）方法进行定量构造判别与特征选择。本研究使用了支持向量机、随机森林和稀疏多项回归（SMR）方法。这些机器学习方法结合 20 种元素和 5 种同位素比值的数据，成功实现了对八种不同构造背景形成的火成岩的地球化学判别，除大洋高原和弧后盆地外所有背景的判别率均优于 83%。SMR 是一种特别强大且可解释的机器学习方法，因为它能定量识别表征目标构造背景的地球化学特征，并将每个样品的特征表示为该样品属于各背景的概率。我们还给出了每种构造背景最具代表性的玄武岩成分。这些新数据为今后的地球化学讨论提供了参考点。我们的结果表明，表征每种构造背景至少需要 17 种元素和同位素比值，这意味着仅用少量元素成分和/或同位素比值无法实现地球化学构造判别。结果显示，不同构造背景形成的火山岩具有独特的地球化学特征，表明火山岩地球化学与岩浆生成过程均与构造背景密切相关。