文献

J-GLOBAL ID：202002217379446280   整理番号：20A1923123

教師なし機械学習アルゴリズムを用いた多元素地球化学的異常の同定:中国,浙江省北西部におけるAg-Pb-Zn鉱床からの事例研究【JST・京大機械翻訳】

Identification of multi-element geochemical anomalies using unsupervised machine learning algorithms: A case study from Ag-Pb-Zn deposits in north-western Zhejiang, China

著者 (9件)： Wang Jun (School of Earth Sciences and Engineering, Sun Yat-sen University, Guangzhou, 510275, China) ,  Wang Jun (Guangdong Provincial Key Laboratory of Geological Process and Mineral Resource Exploration, Guangzhou, 510275, China) ,  Wang Jun (Guangdong Key Laboratory of Contaminated Sites Environmental Management and Remediation, Guangdong Provincial Academy of Environmental Science, Guangzhou, 510045, China) ,  Zhou Yongzhang (School of Earth Sciences and Engineering, Sun Yat-sen University, Guangzhou, 510275, China) ,  Zhou Yongzhang (Guangdong Provincial Key Laboratory of Geological Process and Mineral Resource Exploration, Guangzhou, 510275, China) ,  Xiao Fan (School of Earth Sciences and Engineering, Sun Yat-sen University, Guangzhou, 510275, China) ,  Xiao Fan (Guangdong Provincial Key Laboratory of Geological Process and Mineral Resource Exploration, Guangzhou, 510275, China) ,  Xiao Fan (Guangdong Provincial Key Lab of Geodynamics and Geohazards, Guangzhou, 510275, China) ,  Xiao Fan (Southern Laboratory of Ocean Science and Engineering, Zhuhai, 519000, China)
資料名： Applied Geochemistry  (Applied Geochemistry)
巻： 120  ページ： Null  発行年： 2020年 
JST資料番号： T0227A  ISSN： 0883-2927  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 重要な地球化学異常の同定は鉱物探査における基本的な仕事である。確率的プロセスに関して,鉱床タイプが地球の地殻でほとんど発生しないので,特定の鉱石形成プロセスは小さな確率事象とみなすことができる。したがって,異常検出のための機械学習アルゴリズムは鉱化作用関連地球化学異常の同定に適している。しかし,重要な地球化学異常シグネチャの同定は,地球化学データセットにおける無関係かつ/または冗長な変数によってしばしば妨げられる。次に,異常検出のための教師なし機械学習アルゴリズムを適用する前に,次元縮小によって重要な特徴を抽出する必要がある。本研究では,分離森林(IF)と5つのハイブリッドモデルを含む6つの教師なし機械学習法(IF)と次元縮小技術を組み合わせた5つのハイブリッドモデルを実行し,中国,北西浙江省からの河川堆積物地球化学データを用いて,Ag-Pb-Zn多金属鉱化作用関連地球化学異常を同定した。5つのハイブリッドモデルは,階層的クラスタリング(HC-IF),主成分分析(PCA-IF),積層雑音除去オートエンコーダ(SDAE-IF),HCとPCA(HC-PCA-IF),およびHCとSDAE(HC-SDAE-IF)の両方を組み合わせたIFの組合せを含んだ。これらの6つの方法によって同定された異常を,受信者動作特性(ROC)曲線法によって評価した。既知の鉱物鉱床の空間的オーバーレイと同定された地球化学異常マップは,発見された鉱物鉱床と高い地球化学異常地域の間に強い空間的関連性が存在することを示した。さらに,曲線下面積(AUC)値は,HC-SDAE-IFハイブリッドモデルが最良であり,HC-IFおよびHC-PCA-IFモデルがIF,PCA-IFおよびSDAE-IFモデルよりも良好に機能することを示した。本研究は以下を示した。(i)IFは,研究地域におけるAg-Pb-Zn多金属鉱化作用関連地球化学異常を検出するための有用で効率的な教師なし機械学習アルゴリズムである。そして,(ii)鉱化作用関連地球化学変数の次元縮小と抽出の適切な操作は,地球化学的異常検出における深層学習法を含む教師なし機械学習アルゴリズムの性能を著しく改善するだけでなく,同定された地球化学異常の地質学的意味を明らかにするのにも役立つ。この点に関して,生地球化学データからの次元縮小と無機化関連変数(すなわち元素)の抽出は,教師なし機械学習法,特に,地球化学的異常検出における洗練された深層学習アルゴリズムを適用する前に強く推奨される。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  鉱物 ,  冗長性 ,  *地球 ,  地質学 ,  *鉱床 ,  鉱化作用 ,  *地球化学 ,  地殻 ,  *事例研究 ,  主成分分析 ,  次元縮小 ,  *機械学習 ,  *学習アルゴリズム
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 地球化学的異常 ,  機械学習 ,  隔離林 ,  次元縮小 ,  異常検出

分類 (1件)： 岩石圏の地球化学一般  (DD01041C)

タイトルに関連する用語 (10件)： 教師なし機械学習 ,  アルゴリズム ,  元素 ,  地球化学 ,  同定 ,  中国 ,  浙江省 ,  Ag ,  Pb-Zn鉱床 ,  研究