基于机器学习的角闪石温压计及其地质应用

作者：MingBo HUANG, ZhongJie BAI, JianFeng GAO, GuangShao WANG, BoCheng MA, YuRen ZENG · 发表于：Acta Petrologica Sinica · 年份：2026 · DOI：10.18654/1000-0569/2026.03.20 · 被引用次数：1 · 研究领域：Military Technology and Strategies、Legal and Regulatory Analysis、Linguistic, Cultural, and Literary Studies

角闪石是广泛存在于各类火成岩和岩浆-热液矿床中的常见造岩矿物,其化学成分对温度与压力变化敏感,能够有效记录岩浆结晶过程的物理条件,是构建温压计的理想对象。为更精确约束岩浆结晶条件并深化成矿过程研究,本文基于机器学习算法,建立了一种基于角闪石成分的温度-压力预测模型,并对其性能进行了系统验证。该模型依托大规模实验数据训练,能够捕捉角闪石化学组成与P-T条件间复杂的非线性关系,显著提高了预测的精度与稳健性。为验证模型的实际效果,本文将其应用于四类典型地质样本:东天山铜镍硫化物矿床、峨眉山大火成岩省太和钒钛磁铁矿矿床、冈底斯弧及Kohistan弧新生下地壳,以及冈底斯带三叠纪弧火山岩。预测结果反映出不同区域岩浆结晶的深度和温度分布规律,表明该模型在大火成岩省和造山带等地质背景、不同侵位深度的岩浆体系中均具有良好的适用性与可靠性。相较于传统经验公式受限于特定条件的问题,本模型展现出更广泛的适用范围,可为不同构造环境下的岩浆过程解析与成矿作用研究提供有力支撑。