我院魏薇博士在國際學術期刊《Frontiers in Earth Science》上發表了題為“Estimation of the Dolomite Content of Carbonate Rock Outcrops Based on Spectral Knowledge and Machine Learning”的SCI論文，提出了一種融合光譜知識與機器學習的白雲石含量預測方法，為碳酸鹽岩礦物成分的快速定量分析提供了新的技術手段。
該研究團隊針對傳統實驗室方法存在的成本高、周期長等問題，開發了一套高效的非破壞性白雲石含量預測方案。研究中，采用ASD FieldSpec系列光譜儀對野外露頭碳酸鹽岩進行高光譜數據采集，通過嚴格的數據預處理流程确保數據質量；提出了“光譜知識初篩 + 随機森林精篩”的混合特征選擇策略，并基于SVR算法構建白雲石含量預測模型。實驗結果顯示，相較于其他8種預測模型，該方法在預測精度和穩定性方面展現出顯著優勢。該研究不僅在碳酸鹽岩白雲石含量的快速定量預測方面提供了新思路，也為野外地質調查與礦産資源勘查提供了高效可靠的技術方案。
論文鍊接：https://doi.org/10.3389/feart.2024.1401026
圖1 模型預測值和XRD數據對比分析 (A-H)分别對應輸入變量V1-V8
圖2 白雲石含量預測精度評價 （A）評價指标R2對比（B）評價指标RMSE對比
圖3 文章首頁
