[1] |
李志刚, 朱志军. 大数据时代:生活、工作与思维的大变革[J]. 西域图书馆论坛, 2013(1):45-45.
|
[2] |
张旗, 周永章. 大数据正在引发地球科学领域一场深刻的革命——《地质科学》2017年大数据专题代序[J]. 地质科学, 2017, 52(3): 637-648.
|
[3] |
洪瑾, 甘成势, 刘洁. 基于机器学习的洋岛玄武岩主量元素预测稀土元素[J]. 地学前缘, 2019, 26(4): 45-54.
DOI
|
[4] |
GUO H, WANG L, CHEN F, et al. Scientific big data and digital earth[J]. Chinese Science Bulletin, 2014, 59(35): 5066-5073.
DOI
URL
|
[5] |
张旗, 焦守涛, 卢欣祥. 论地质研究中的因果关系和相关关系——大数据研究的启示[J]. 岩石学报, 2018, 34(2): 275-280.
|
[6] |
刘艳鹏, 朱立新, 周永章. 大数据挖掘与智能预测找矿靶区实验研究——卷积神经网络模型的应用[J]. 大地构造与成矿学, 2020, 44(2): 192-202.
|
[7] |
周永章, 陈烁, 张旗, 等. 大数据与数学地球科学研究进展——大数据与数学地球科学专题代序[J]. 岩石学报, 2018, 34(2): 255-263.
|
[8] |
奚小环. 自然资源时期:大数据与地球系统科学——再论全面发展时期的勘查地球化学[J]. 物探与化探, 2019, 43(3): 449-460.
|
[9] |
焦守涛, 周永章, 张旗, 等. 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[J]. 岩石学报, 2018, 34(11): 3189-3194.
|
[10] |
葛粲, 汪方跃, 顾海欧, 等. 基于卷积神经网络和火山岩大数据的构造源区判别[J]. 地学前缘, 2019, 26(4): 22-32.
DOI
|
[11] |
刘欣雨, 张旗, 张成立. 全球新生代安山岩构造环境有关问题探讨[J]. 地质科学, 2017, 52(3):649-667.
|
[12] |
王金荣, 陈万峰, 张旗, 等. MORB数据挖掘:玄武岩判别图反思[J]. 大地构造与成矿学, 2017, 41(2): 420-431.
|
[13] |
杜雪亮, 张旗, 王金荣, 等. 全球海山玄武岩数据挖掘研究[J]. 地质科学, 2017, 52(3): 668-692.
|
[14] |
陈万峰, 王金荣, 张旗, 等. 洋岛和洋底高原玄武岩数据挖掘:地球化学特征及其与MORB的对比[J]. 地质学报, 2017, 91(11): 2443-2455.
|
[15] |
安屹, 杨婧, 陈万峰, 等. N-MORB, E-MORB和OIB的区别及其可能的原因:大数据的启示[J]. 地质科学, 2017, 52(3): 727-742.
|
[16] |
左仁广. 勘查地球化学数据挖掘与弱异常识别[J]. 地学前缘, 2019, 26(4): 67-75.
DOI
|
[17] |
李苍柏, 肖克炎, 李楠, 等. 支持向量机、随机森林和人工神经网络机器学习算法在地球化学异常信息提取中的对比研究[J]. 地球学报, 2020, 41(2): 309-319.
|
[18] |
洪瑾, 甘成势, 刘洁. 基于机器学习的岩石微量元素与主量元素关系初探:以洋岛玄武岩中锆元素为例[J]. 地质科学, 2018, 53(4):1285-1299.
|
[19] |
赵鹏大. 大数据时代数字找矿与定量评价[J]. 地质通报, 2015, 34(7): 1255-1259.
|
[20] |
肖克炎, 孙莉, 李楠, 等. 大数据思维下的矿产资源评价[J]. 地质通报, 2015, 34(7): 1266-1272.
|
[21] |
王登红, 刘新星, 刘丽君. 地质大数据的特点及其在成矿规律、成矿系列研究中的应用[J]. 矿床地质, 2015, 34(6): 1143-1154.
|
[22] |
周永章, 黎培兴, 王树功, 等. 矿床大数据及智能矿床模型研究背景与进展[J]. 矿物岩石地球化学通报, 2017, 36(2): 327-331, 344.
|
[23] |
陈进, 毛先成, 刘占坤, 等. 基于随机森林算法的大尹格庄金矿床三维成矿预测[J]. 大地构造与成矿学, 2020, 44(2): 231-241.
|
[24] |
奚小环. 1999-2001·勘查地球化学·资源与环境[J]. 物探与化探, 2003, 27(1): 1-6.
|
[25] |
王平, 奚小环. 全国农业地质工作的蓝图——“农业地质调查规划要点”评述[J]. 中国地质, 2004, 31(S1): 11-15.
|
[26] |
李括, 彭敏, 赵传冬, 等. 全国土地质量地球化学调查二十年[J]. 地学前缘, 2019, 26(6): 128-158.
DOI
|
[27] |
中华人民共和国国土资源部. DZ/T 0258—2014多目标区域地球化学调查规范(1∶250 000)[S]. 北京: 中国标准出版社, 2015: 1-43.
|
[28] |
中华人民共和国国土资源部. DZ/T 0296—2016土地质量地球化学评价规范[S]. 北京: 地质出版社, 2016: 1-52.
|
[29] |
刘吉臻, 秦天牧, 杨婷婷, 等. 基于偏互信息的变量选择方法及其在火电厂SCR系统建模中的应用[J]. 中国电机工程学报, 2016, 36(9): 2438-2443.
|
[30] |
MAY R J, DANDY G C, MAIER H R, et al. Application of partial mutual information variable selection to ANN forecasting of water quality in water distribution systems[J]. Environmental Modelling & Software, 2008, 23(10): 1289-1299.
|
[31] |
GREGORUTTI B, MICHEL B, SAINT-PIERRE P. Correlation and variable importance in random forests[J]. Statistics & Computing, 2017, 27(3): 659-678.
|
[32] |
GOLDSTEIN B A, POLLEY E C, BRIGGS F. Random forests for genetic association studies[J]. Statistical Applications in Gene-tics and Molecular Biology, 2011, 10(1): 32-32.
|
[33] |
FRIEDMAN J H. Greedy function approximation: a gradient boosting machine[J]. Annals of Statistics, 2001, 29(5):1189-1232.
DOI
URL
|
[34] |
CALLE M L, URREA V. Letter to the editor: Stability of random forest importance measures[J]. Briefings in Bioinformatics, 2011, 12(1):86-9.
DOI
URL
|
[35] |
BREIMAN L. Random forest[J]. Machine Learning, 2001, 45: 5-32.
DOI
URL
|
[36] |
AURET L, ALDRICH C. Interpretation of nonlinear relationships between process variables by use of random forests[J]. Minerals Engineering, 2012, 35: 27-42.
DOI
URL
|
[37] |
DIETTERICH T G. Ensemble Methods in Machine Learning[C]. Berlin: International Workshop on Multiple Classifier Systems, 2000:1-15.
|
[38] |
DIAZURIARTE R, ANDRES S A D. Gene selection and classification of microarray data using random forest[J]. BMC Bioinformatics, 2006, 7(1): 1-13.
DOI
URL
|
[39] |
周志华. 机器学习[M]. 北京: 清华大学出版社, 2016:179-180.
|
[40] |
马春来, 单洪, 马涛, 等. 一种基于随机森林的LBS用户社会关系判断方法[J]. 计算机科学, 2016, 43(12): 218-222.
|
[41] |
张颖, 高倩倩. 基于随机森林分类算法的巢湖水质评价[J]. 环境工程学报, 2016, 10(2): 992-998.
|
[42] |
RODRIGUEZ V, MENDES M P, GARCIA M J, et al. Predictive modeling of groundwater nitrate pollution using Random Forest and multisource variables related to intrinsic and specific vulnerability: A case study in an agricultural setting (Southern Spain)[J]. Science of the Total Environment, 2014, 476: 189-206.
|
[43] |
孙艳, 王登红, 王成辉, 等. 我国铷矿成矿规律、新进展和找矿方向[J]. 地质学报, 2019, 93(6): 1231-1244.
|
[44] |
姜盼武. 柴达木盆地中北缘水-岩硼含量分布特征及富硼流体的物源分析[D]. 西宁: 中国科学院大学(中国科学院青海盐湖研究所), 2020:42-43.
|
[45] |
杨忠芳, 汤奇峰, 成杭新, 等. 爱恨交织的化学元素[M]. 北京: 地质出版社, 2019:188-191.
|
[46] |
成杭新, 彭敏, 赵传冬, 等. 表生地球化学动力学与中国西南土壤中化学元素分布模式的驱动机制[J]. 地学前缘, 2019, 26(6): 159-191.
DOI
|
[47] |
曹学锋, 张荥斐, 骆任, 等. 国外某萤石矿尾矿中锂铷回收试验[J]. 金属矿山, 2019(1): 201-203.
|