Uraninite chemistry of the Central Mineral Belt, Labrador, Canada: Application of grain-scale unsupervised machine-learning

查看详情 浏览次数:1
中文题名基于粒度级无监督机器学习在加拿大拉布拉多中央铀矿带的沥青铀矿化学研究
作者Pedro Acosta-Góngor
作者单位Geological Survey of Canada, 601 Booth Street, Ottawa, ON K1A 0E8, Canada
刊名Journal of Geochemical Exploration
2022
233
摘要
拉布拉多的中央矿物带(CMB)拥有数个罕见的U±贱金属±贵金属矿点、远景区和矿床。多种成矿方式发生在不同的主岩中,形成了多种成矿系统模式。本文采用无监督机器学习(主成分分析(PCA)和目标聚类分析)对铀矿LA-ICP-MS微量元素图进行定量分析,以了解CMB中U系统的成因。微量元素作图、主成分分析和聚类分析结果表明:铀矿中数据差异的最大来源与Th、REE、Zr、Hf、As、V和Ba含量有关。微量元素化学分析表明,铀矿在(1)高温岩浆或交代条件下(>350℃,Dandy靶区,U/Th=107,∑REE=0.9 wt%)从流体中沉淀出来,(2)低温(<350℃)和局部氧化性热液脉型环境(例如Two-Time和No.7区,U/Th≥104,∑REE <0.1~3.6wt%),以及(3)复杂环境为早期铀矿被推测为低温热液叠加(例如,雅克湖和纳什矿床,U/Th=102~105,REE≤0.1~1.4wt%)。热液蚀变导致了LREE富集和/或原生铀矿的U/Th比增加,并在局部使U向微裂缝重新运移。识别来自同一矿点的高温和低温铀矿为热液流入的多个阶段提供了新的证据。因此,我们的研究结果进一步支持了前人的研究,由于热液蚀变导致铀矿的微量元素含量发生显着变化。除了成因限制,主成分分析和稀土元素归一化模式也表明CMB铀矿具有不同的地球化学特征。结合岩相学研究、微量元素测绘和无监督机器学习,揭示了关键矿物的罕见的化学变化,可以指导该地区未来的矿物勘探。

@ 2023 版权所有 中国地质图书馆 (中国地质调查局地学文献中心)

京ICP备 05064591号 京公网安备11010802017129号

建议浏览器: 火狐、谷歌、微软 Edge、不支持 IE