Метод машинного обучения моделирует концентрации геохимических элементов в породах и донных отложениях

Исследователи под руководством профессора Ли Нуо из Синьцзянского института экологии и географии Китайской академии наук разработали метод моделирования концентраций неизмеренных геохимических элементов в образцах горных пород и донных отложений. Их работа, опубликованная в журнале Ore Geology Reviews, использует машинное обучение для решения проблем, вызванных ограниченностью геохимических данных.

Геохимические данные играют ключевую роль в различных научных областях, включая фундаментальные геологические исследования, разведку полезных ископаемых, экологические оценки и мониторинг. Однако наборы геохимических данных часто ограничены, что создает серьезные проблемы для их анализа и применения. Высокая стоимость элементного анализа зачастую вынуждает геохимические проекты исследовать лишь небольшой набор элементов, ограничивая понимание общих геохимических характеристик.

Для решения этой проблемы ученые применили модель машинного обучения Random Forest, которая позволяет моделировать отсутствующие или неизмеренные геохимические элементы. Этот инновационный подход раскрывает сложные взаимосвязи между различными элементами в природе, обеспечивая более полную картину геохимических процессов. «Машинное обучение может повысить нашу способность извлекать ценную информацию из обширных уже доступных геохимических наборов данных», — отметил Чжоу Шугуан, первый автор исследования.

Это исследование предлагает работоспособное решение для преодоления пробелов в геохимических данных, предоставляя ценные сведения для таких областей, как геология, экология и почвоведение.