共查询到17条相似文献，搜索用时 390 毫秒
1.
N-MORB和E-MORB数据挖掘——玄武岩判别图及洋中脊源区地幔性质的讨论 总被引：11，自引：7，他引：4
MORB分为N-MORB和E-MORB,二者的区分通常是以LREE亏损和富集为标志。玄武岩的基本理论主要是在MORB研究成果的基础上建立起来的。通常认为,N-MORB和OIB是两个独立的端元,E-MORB是N-MORB与OIB不同程度混合形成的。在20世纪70~80年代,玄武岩构造环境判别图的建立极大促进了玄武岩在地球动力学及大地构造背景研究的进展,其方法应用持续盛行了几十年。然而,国外学者现在已逐渐淡化玄武岩判别图解的应用,但在中国仍有方兴未艾之势。本文利用Pet DB数据库5万多个MORB数据的投图表明,全体样品投图的效果显然比抽样和典型样品得出的结果更扎实可靠,许多原先被广泛应用的主量、微量元素判别图无论从实践上还是理论上均存在一些问题。本文的研究结果进一步表明,MORB样品既有LREE亏损的,又有富集的,但亏损和富集程度与早先定义的差异较大,揭示了洋脊下地幔不均一性要比早先认识的更为复杂,成分范围变化更大,仅少数是强烈亏损的,部分可能是相当富集,甚至可以与OIB源区相类比;玄武岩构造环境判别图需要重新审视,基于岩浆成因机理的多维度、高置信度的判别体系有待于建立。 相似文献
2.
《矿物岩石地球化学通报》2017,(6)
玄武岩作为一种大洋和大陆广泛分布的基性岩,其成因理论主要是在对大火成岩省研究的基础上奠定的,其构造环境判别的理论则主要是在板块构造理论的基础上创建的。本文利用GEOROC和Pet DB数据库对全球大洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB)进行了数据挖掘研究,发现早先的判别图判别效率不尽相同。部分判别图判别效率偏低的原因可能是早先的研究大多是以典型案例的研究为基础展开的,没有考虑到大数据给出的结果,说明典型和抽样的代表性可能不足。通过对判别图解的研究和比较,并对部分判别图进行了改进,发现许多图解可以把IAB与MORB、OIB分开,但MORB和OIB之间仍然有一些重叠不易区分,并借此推测MORB与OIB源区具有一定的相似性。所以,利用大数据研究可以使玄武岩构造环境判别的研究上升到一个新的层面。 相似文献
3.
大陆板内玄武岩数据挖掘:成分多样性及在判别图中的表现 总被引：7，自引：4，他引：3
通常认为,大陆溢流玄武岩(CFB)、裂谷玄武岩(CRB)、板内玄武岩(WPB)均产于板内构造环境,其地球化学特征与OIB类似,源于富集的下地幔,与地幔柱的活动有关。本文利用GEOROC数据库对全球CFB、CRB和WPB数据进行挖掘,发现上述三类玄武岩判别图投图几乎落入了全部的构造环境域,有些甚至主要落入MORB和IAB区,而不是落入WPB区。结果表明原先的玄武岩判别图的判别功能值得商榷,尤其对大陆玄武岩来说,许多判别图都存在问题。全体CFB、CRB和WPB的地球化学成分变化巨大,暗示其源区具有强烈的不均一性:部分CFB、CRB和WPB来自富集的地幔柱,仍然具有经典的OIB的特征;部分来自MORB的源区,与MORB的再循环作用有关;部分来自岛弧岩石圈之下的亏损地幔源区,以强烈亏损Nb-Ta为特征,类似岛弧玄武岩的地球化学特征。许多地区的大陆玄武岩可分为低钛和高钛两类,低钛玄武岩大多是亏损或强烈亏损的,而高钛玄武岩通常是富集型的。本文的研究表明,富集型大陆玄武岩可能来自富集的下地幔,而亏损的和强烈亏损的玄武岩可能来自具有MORB或岛弧特征的软流圈地幔。进一步指出,源区性质可能是大陆玄武岩多样性的主控因素,其次为部分熔融程度、熔融深度、结晶分离、陆壳混染以及AFC过程。 相似文献
4.
《大地构造与成矿学》2020,(2)
一直以来,探索玄武岩地球化学特征与大地构造环境之间的联系是地球化学领域的一个重要研究方向。橄榄石是岩浆最早期结晶的矿物之一,其在玄武质岩浆形成和演化过程中记录了诸多信息。鉴于此,学者们尝试利用橄榄石的元素组成判别大洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB)三种构造环境。常用的玄武岩构造环境判别图解难以满足精度要求,于是引入机器学习算法作为判别手段来解决上述问题。机器学习判别方法的分类效果在很大程度上取决于参数选取的合理性。为此,本文提出一种耦合灰狼优化算法(GWO)和支持向量机(SVM)的智能判别方法。该方法利用GWO寻求SVM算法最优参数组合,以形成橄榄石组成元素和玄武岩构造环境之间的最佳映射关系,从而实现对MORB、OIB和IAB三种构造环境的准确判别。此外,根据公开发表的玄武岩样品的地球化学数据,结合混淆矩阵及其衍生评价指标,通过仿真实验、随机子抽样验证和k折交叉验证等方式评估了所提方法的判别性能。评估结果表明, GWO-SVM耦合判别方法在利用橄榄石成分判别玄武岩构造环境方面具有较好的分类效果,其判别准确率可达85%以上。由此可见,相较于传统判别图解方法,基于多算法融合的机器学习判别方法能够更加有效地提升构造环境判别效果。 相似文献
5.
在板块构造环境中形成的岩石组合(rock assemblages)被称为岩石大地构造组合(petrotectonic assemblages)。岩石大地构造学说创立于20世纪70~80年代,经历了兴起、没落与新生的曲折过程。研究表明,由Pearce等学者创立的岩石大地构造学说的理论基本正确,概括来说,洋中脊、洋岛和岛弧三大构造背景的源区是不同的,这是玄武岩判别图的理论基础。目前的情况是,三大构造背景源区不均一性可能比早先认为的更复杂。由于不同构造环境源区的复杂性,早先的玄武岩判别图采用的是抽样数据、典型地区、精确数据,显然不适合全球数据海量积累的情况,遂使玄武岩判别理论遇到了瓶颈。我们的研究发现,不同构造背景的所有岩石、矿物(包括玄武岩、苦橄岩、辉长岩、堆晶岩、橄榄石、单斜辉石、尖晶石等)几乎都保留了不同构造背景的“基因”信息,并且大多可采用大数据方法予以识别,遂使岩石大地构造学说焕发了青春。虽然本文提出了不同构造环境存在不同“基因”的假说,按照大数据方法判别的效果显著增加了。但是,这个不同构造背景的“基因”究竟是什么仍然不清楚。此外,上述“基因”假说的理论解释还非常不足,需要今后进一步探讨。 相似文献
6.
全球岛弧玄武岩数据挖掘——在玄武岩判别图上的表现及初步解释 总被引：8，自引：3，他引：5
MORB(洋中脊玄武岩)、OIB(洋岛玄武岩)和IAB(岛弧玄武岩)是学术界最关心的3种玄武岩类型,其中尤以与板块消减作用有关的岛弧岩浆活动备受关注。岛弧可分为洋内岛弧和大陆边缘岛弧(活动陆缘弧)2类。对IAB进行讨论,重点探讨IAB的识别。IAT(岛弧拉斑玄武岩)和IAB是前弧、岛弧和后弧岩浆作用的产物,其中,后弧组分更具多样性,它不同于弧后玄武岩,前者属于弧的范围,而后者形成的动力学过程与俯冲系统有关,但其是独立的构造单元,尽管其岩浆作用可能仍受到俯冲流体的影响。前人对IAB进行了大量研究,提出了多种构造环境判别图解,并得到广泛应用。尝试应用全球玄武岩数据来验证上述判别图的可信度,研究发现,可信度高的判别图不多,且大多与Th、Ta(Nb)和Ti元素有关的,如Hf-Th-Ta(Nb)、TiZr-Sr和Th/Yb-Ta/Yb图,其余判别图的判别效果可信度低且具多解性,建议谨慎使用。IAB与MORB和OIB的区别主要体现在Nb-Ta亏损的特征上,是否受到俯冲流体的影响是区分IAB与MORB和OIB最重要的标志。 相似文献
7.
玄武岩的构造环境判别 总被引：4，自引：0，他引：4
已有的玄武岩构造环境判别图解尚存在不少问题,主要表现在不准确性、多解性和矛盾性几个方面。综合利用这些图解,建立一个模糊数学模型,找出玄武岩构造环境判别的最佳方案被证明是可行的。玄武岩形成的构造环境主要有洋中脊(MORB)、火山弧(VAB)、大陆裂谷(CRB)和板内(WPB)四种。经过对各种构造环境众多数据的分析和计算,最后所建立的数学模型和相应的计算机程序,对典型构造环境数据的检验得到了满意的结果。 相似文献
8.
哀牢山构造岩浆带晚二叠世-早三叠世火山岩特征及其构造环境 总被引：15，自引：7，他引：8
本文对中国云南哀牢山构造岩浆带内的雅轩桥、帽盒山、绿春火山岩等开展了相关研究.雅轩桥附近的火山岩为晚二叠世,岩性主要为橄榄粗安岩-玄武岩(少量安山岩),在TAS图上既有碱性又有亚碱性.钾含量较低(＜1.19％),为低钾钙碱-中钾钙碱性,Peacock碱钙指数以钙碱性为主.与MORB相比,其痕量元素蛛网图亏损Nb、Ta,而富集Pb,从Zr-V曲线呈平坦型,并且整体比MORB亏损.稀土元素配分模式与MORB相近,但略显轻稀土元素富集和重稀土元素亏损.在构造环境判别图上均位于火山弧环境.他郎河边(雅轩桥地区)火山岩为英安岩,属亚碱性,中钾钙碱性,Peacock指数为钙性.痕量元素蛛网图、REE模式图以及大地构造环境判别图,均表明其属于弧的构造环境.由上推测雅轩桥火山岩在晚二叠世属于弧火山岩.帽盒山玄武岩的锆石SHRIMP U-Pb测年结果为249±1.6Ma,为早三叠世.岩性为亚碱性钠长玄武岩,低钾钙碱性系列,Peacock碱钙指数以钙性为主.痕量元素蛛网图和REE配分模式图与MORB相比,LREE略微富集.在构造环境判别图中位于从E-MORB向岛弧过渡的构造环境.绿春地区流纹岩的锆石SHRIMP U-Pb年龄为247.3±1.8Ma,为早三叠世,属亚碱性,钾玄岩系列,Peacock碱钙指数为碱钙性.痕量元素蛛网图、REE配分模式图及大地构造环境判别图显示其为成熟岛弧向陆陆碰撞的过渡环境.结合前人研究,推测哀牢山洋在晚泥盆世形成,可能在石炭世-早二叠世(?)处于洋的扩张期.晚二叠世时,在哀牢山洋的西侧出现了雅轩桥的初始孤火山岩,预示着至少在这一时期,哀牢山洋已经开始俯冲.到三叠世早期(249±1.6Ma),在哀牢山洋的东侧出现了具有弧和MORB的双重特性的帽盒山玄武岩,可能指示此时哀牢山洋盆已经变小,或已转化为孤间或弧后盆地,洋的演化进入了晚期阶段,并且在局部地段,如绿春地区,此时(247.3±1.8Ma)已经进入到成熟岛弧向陆陆碰撞的过渡阶段.因此支持哀牢山洋在晚三叠世闭合的结论,亦符合上三叠统一碗水组不整合在哀牢山蛇绿混杂岩之上的事实. 相似文献
9.
对青藏高原羌塘地块中部双湖地区发育的二叠系碱性系列和拉斑系列玄武岩进行了详细的地球化学研究。碱性系列玄武岩富集LILE和LREE,其La/Nb比值和OIB相近,Ti/V比值明显高于典型MORB,在微量元素构造环境判别图解上位于OIB区域。拉斑系列玄武岩具有相对平坦的稀土元素配分模式,和典型MORB相比,其Ti/V比值也明显偏高,在微量元素构造环境判别图解上位于MORB和OIB重合的区域,表明岩石起源于一个低度富集的地幔源区。结合区域地质背景,认为双湖二叠系拉斑系列-碱性系列玄武岩组合可能形成于陆间裂谷到小洋盆环境,这套玄武岩的产出可能代表古特提斯洋沿龙木错—双湖构造带在不同地区的发育程度不同,双湖地区在二叠纪应为一个陆间裂谷到小洋盆环境。 相似文献
10.
11.
基于GEOROC数据库的全球辉长岩大数据的大地构造环境智能判别研究 总被引：5，自引：2，他引：3
辉长岩是化学成分与玄武岩类似的侵入岩,前人认为它的形成过程太复杂,对应的岩浆可能经过了分离结晶作用、混染作用等,不能用Pearce判别图来判断岩浆岩形成的构造环境。本文利用GEOROC数据库的资料对辉长岩进行大数据挖掘。首先根据前人成果,将GEOROC数据库的辉长岩形成的大地构造环境分为大陆玄武岩环境、汇聚边界环境、板内火山岩环境和大洋岛弧玄武岩环境等4类;然后在数据清洗基础上,利用Python语言,依托sklearn库,实现支持向量机、K近邻和随机森林等3种机器学习算法,获得3种对应的分类器结果输出。对辉长岩的构造环境进行智能判别结果显示,随机森林方法效果最好,判断准确率可达97%,利用辉长岩的地球化学大数据来判断岩浆岩的构造环境是完全可行的。 相似文献
12.
新疆塔克札勒蛇绿混杂岩中安山岩的地球化学特征及其构造环境 总被引：3，自引：2，他引：1
塔克札勒的中性熔岩有两种:一为玄武安山岩;二为安山岩。主元素判别安山岩类属于亚碱性玄武岩类。两者具有完全一致的LREE相对于HREE富集的分配型式,亦具有同样明显的Eu负异常。微量元素蛛网图显示其均具Nb-Ti负异常,与Grenada和LAntilles那种碱性玄武岩类相当,且与塔克札勒蛇绿岩带中的玄武岩有成因联系。据构造环境判别图判别,安山岩类又具洋岛碱性玄武岩的特征。据此推测该安山岩类属蛇绿岩成员,其可能产于俯冲带之上(SSZ)的岛弧环境。而该蛇绿岩则属于某种弧间构造背景的蛇绿岩。 相似文献
13.
岩浆岩的地球化学元素往往对其构造环境具有一定的指示作用,前人使用构造环境判别图描述二者之间的关联关系。然而,安山岩因其岩石成因的复杂性和构造环境的"单调性",在判别图研究领域并未受到重视。收集了GEOROC和PetDB两个数据库中的全球新生代洋中脊安山岩(MORA)、洋岛安山岩(OIA)和岛弧安山岩(IAA)。使用43个元素组成的924个比值建立超过42万个直角坐标系,将三类安山岩数据投入坐标系中,并通过MATLAB计算三者之间的交叠率筛选出4个最佳判别图:lg(Ga/Cs)-lg(Ba/Nb)、lg(TFeO/Ga)-lg(Eu/Pb)、lg(K2O/Nb)-lg(Ga/Cs)和lg(MnO/Pb)-lg(Cs/Nb)。利用核密度曲线对比图分析判别图中的元素及元素比值,结果表明:①LILE(大离子亲石元素)与HFSE(高场强元素)的比值关系能有效区分MORA和IAA;②LILE与其他元素的比值关系则更有利于从三者中识别出OIA;③LILE在一定程度上比HFSE更易于判别大洋安山岩的构造环境。研究表明,安山岩可以成为一种使用范围更广泛的构造环境指示剂,其判别效果甚至优于玄武岩判别图。这也进一步说明,安山岩的成因虽然比玄武岩复杂,但是大数据方法是提取出具有构造环境指示意义的相关关系的有效途径。 相似文献
14.
Tectonic discrimination of basalts with classification trees 总被引：5，自引：0，他引：5
Pieter Vermeesch 《Geochimica et cosmochimica acta》2006,70(7):1839-1848
Traditionally, geochemical classification of basaltic rocks of unknown tectonic affinity has been performed by discrimination diagrams. Although easy to use, this method is fairly inaccurate because it only uses bi- or trivariate data. Furthermore, many popular discrimination diagrams are statistically not very rigorous because the decision boundaries are drawn by eye, and they ignore closure, thus violating the rules of compositional data analysis. Classification trees approximate the data space by a stepwise constant function, and are a more rigorous and potentially more effective way to determine tectonic affinity. Trees allow the simultaneous use of an unlimited number of geochemical features, while still permitting visualization by an easy-to-use, two-dimensional graph. Two classification trees are presented for the discrimination of basalts of mid-ocean ridge, ocean island, and island arc affinities. The first tree uses 51 major, minor, and trace elements and isotopic ratios and should be used for the classification of fresh basalt samples. A second tree only uses high field strength element analyses and isotopic ratios, and can also be used for basalts that have undergone alteration. The probability of successful classification is 89% for the first and 84% for the second tree, as determined by 10-fold cross-validation. Even though the trees presented in this paper use many geochemical features, it is not a problem if some of these are missing in the unknown sample. Classification trees solve this problem with surrogate variables, which give more or less the same decision as the primary variables. The advantages of the classification tree approach over discrimination diagrams are illustrated by a comparative test on a sample dataset of known tectonic affinities. Although arguably better than discrimination diagrams, classification trees are not perfect, and the limitations of the method are illustrated on a published dataset of basalts from the Pindos Basin (Greece). 相似文献
15.
新疆西天山智博铁矿床火山岩和侵入岩岩石地球化学 总被引：6，自引：3，他引：3
新疆西天山阿吾拉勒山集中产出多个大、中型海相火山岩型富铁矿床,引起人们的广泛关注。这些铁矿的成因被认为与火山作用有关,但对其成岩成矿的大地构造背景尚不清楚。文章研究了智博铁矿区出露的火山岩和侵入岩的岩石学、岩石地球化学,尝试探讨该问题。智博铁矿体赋矿围岩为早石炭世大哈拉军山组玄武岩和安山岩,侵入岩有晚石炭世花岗岩、花岗岩脉和闪长岩脉。玄武岩和安山岩在构造环境判别图解中投影于火山弧范围内,在花岗岩类构造环境判别图解中,320 Ma的花岗岩脉和319 Ma的石英闪长岩投影于岛弧环境,304 Ma的花岗闪长岩则投影于同碰撞环境。结合前人研究成果,认为智博地区在早石炭世为岛弧环境,晚石炭世可能经历了岛弧俯冲向同碰撞环境的转变。玄武岩亏损Ta、Nb,相对亏损Th,富集Rb、U、Pb;安山岩亏损Ta、Nb,富集轻稀土元素和Rb、U、Th、Pb,结合Sr/Th-Th/Ce和Th-Ba/Th图解判别,推测智博铁矿床玄武岩和安山岩岩浆源区为受到了俯冲带流体交代的楔形地幔。 相似文献
16.
准噶尔盆地克拉美丽气田石炭系玄武岩的地球化学特征及构造意义 总被引：11，自引：6，他引：5
克拉美丽气田位于准噶尔盆地腹部陆梁隆起南侧的滴南凸起上,石炭系火山岩为该气田的主要储层,石炭系的火山岩研究对该地区的储层分布预测与气田开发方案制定,以及盆地基底性质与盆地构造沉积演化研究都具有重要意义。本文对克拉美丽气田滴西17井的石炭系火山岩的岩石学、地球化学与构造环境进行了研究。滴西17井石炭系的玄武岩表现为:岩石的斑晶中出现橄榄石、单斜辉石;基质呈间粒结构;长石多为中基性斜长石。岩石具有较高的Na20含量,介于6.27%～7.35%之间,K2O/Na2O比值(0.01～0.03)却很低,较高的TiO2(3.00%～3.63%)和P2O5(0.83%～1.03%)含量,低程度的轻稀土富集((La/Yb)N=3.36～3.44),高的Nb含量(14.86×10-6～17.47×10-6),原始地幔标准化的La/Nb比值均小于2,Th/Nb比值小于1,不相容元素整体偏高。该玄武岩略显铕(δEu=0.90～0.93)的负异常,未见铈(δCe=0.99～1.01)异常;微量元素MORB标准化表现为大离子亲石元素LILE相对亏损,高场强元素相对富集,并具有Nb、Ta亏损的地球化学特征,构造判别图解显示该套玄武岩形成于板内环境。以上特征表明,该玄武岩为受到弧组分混染的后碰撞伸展环境下的产物,来自于岩石圈断陷作用下的上地幔熔体。准噶尔盆地陆梁隆起在晚石炭世处于后碰撞伸展环境;该区玄武岩带有岛弧火山岩印记,为准噶尔盆地的基底可能为岛弧拼接基底提供了证据,从而认为早石炭世准噶尔盆地可能存在多岛构造格局。 相似文献
17.
通过岩浆岩的地球化学特征判别岩浆形成的大地构造环境和岩浆源区的化学性质是地球化学全岩分析最重要的应用之一。该方法利用全岩地球化学数据,包括主量元素、微量元素和同位素组成数据,对给定岩浆岩(玄武岩、花岗岩等)的大地构造环境进行判别。作为人工智能技术在地球化学研究领域中的新尝试,机器学习判别方法逐渐成为经典判别图解法的补充研究手段。然而,高维数据特征筛选和繁多未知参数确定是影响算法分类准确性的两个主要因素。为此,提出一种遗传算法优化神经网络耦合判别方法(GA-NNDM)。该方法利用特征选择、参数确定和分类性能之间的反馈联系,将分类准确率、所选特征数量和特征代价作为适应度函数,通过迭代演化寻求最佳特征子集和未知参数,从而达到减少特征、优化参数和提高性能的目的。此外,根据公开玄武岩样品地球化学数据,通过K折交叉验证等方法设置纵向、横向比较实验来验证GA-NNDM在玄武岩构造环境判别方面的准确性、稳定性和外延性。仿真实验结果表明,GA-NNDM具有优良的判别效果和泛化能力,其总体分类准确率能达到90%。因此,GA-NNDM值得在地球化学领域做进一步推广应用。 相似文献