利用成分数据分析和可解释的机器学习方法对橄榄岩构造岩浆亲缘关系进行定量评估

《Geochemistry, Geophysics, Geosystems》：Quantitative Assessment of Peridotite Tectonomagmatic Affinities Using Compositional Data Analysis and Explainable Machine Learning

　　摘要

橄榄岩记录了岩石圈和软流圈地幔在与之相关的岩浆柱、汇聚边界和裂谷相关火山环境中的成分演化过程；然而，使用传统的低维地球化学判别图来解析其构造-岩浆亲缘关系通常较为困难。在本研究中，我们开发了一个可解释的机器学习框架，该框架整合了成分数据分析（CoDA）、等距对数比变换和梯度提升决策树分类技术，以探索一个经过整理的全球橄榄岩数据集（n = 640）中的多变量全岩地球化学模式。该方法不追求将样本确定性地分配到特定的构造端元，而是在概率空间中运作，允许样本表现出混合或过渡性的亲缘关系，从而更好地反映自然的地幔过程。通过使用Shapley Additive exPlanations（SHAP）实现了模型的可解释性，该方法既提供了有影响力的变量的全局排名，也提供了对单个预测的局部解释。结果表明，稀土元素（REE）在构造判别中起主导作用，中等稀土元素（REEs）特征与裂谷相关火山环境相关，轻稀土元素则驱动与岩浆柱相关的岩石圈特征，而汇聚边界橄榄岩显示出较低幅度的、分布式的贡献，这与交代作用的地幔楔过程一致。将训练好的框架应用于太古宙绿岩橄榄岩后，发现其稀土元素系统与岩浆柱和裂谷相关的特征有优先对齐，而汇聚边界特征的稀土元素系统则代表了一种独特但次要的模式。总体而言，这项研究表明，当基于成分数据原理时，可解释的机器学习为探究复杂的地幔地球化学数据集和评估构造-岩浆亲缘关系提供了一个透明且具有地质意义的工具。

简要说明

橄榄岩是形成于大洋中脊、岩浆柱和俯冲带下方熔融和化学改変过程中的地幔岩石。由于这些过程可能产生重叠的化学特征，使用传统的地球化学图谱识别构造亲缘关系往往具有挑战性。在本研究中，我们应用了可解释的机器学习方法，利用全岩主元素和稀土元素（REE）数据来探索橄榄岩的构造-岩浆亲缘关系。分析使用了一个经过成分数据分析技术整理的全球数据集，以确保数学上的一致性。该方法不在固定构造端元之间进行分配，而是在概率空间中运作，允许样本表现出混合或过渡性的亲缘关系，从而更好地反映自然的地幔过程。可解释的AI方法揭示了哪些地球化学变量对预测影响最大：稀土元素在判别中起主导作用，其模式与地幔在中脊处的耗尽、在岩浆柱相关环境中的富集以及在俯冲环境中的交代作用一致。局部解释进一步展示了元素组合如何影响单个预测。总体而言，这项工作表明，可解释的机器学习能够定量地恢复长期以来被认识到的地幔岩石中的地球化学趋势，同时对复杂的多变量数据提供了透明的洞察。

1 引言

机器学习（ML）已成为计算机科学和数据科学中增长最快的领域之一，在许多学科中都有颠覆性的应用，包括地球科学。在岩石学中，ML已被越来越多地应用于解码地球化学信号、自动化分类任务，甚至预测岩石的压力-温度历史（X. Li & Zhang, 2022; H. Li, Gao等人, 2025, H. Li, Zhang等人, 2025; Petrelli, 2024; Petrelli & Perugini, 2016; Saha等人, 2021）。这些方法的强大之处在于它们能够处理高度复杂、非线性的系统，在这些系统中，人类研究者难以定义明确的概念模型。ML算法不是通过预设的方程式来解决问题，而是直接从数据中学习，识别出隐藏的模式和结构，然后将其推广到新的情况（Bishop & Nasrabadi, 2006; Goodfellow等人, 2016）。传统的构造环境和火成岩及地幔衍生岩石的成因过程判别图依赖于主要元素、微量元素和同位素元素的地球化学系统。传统的方法，如二元和三元判别图（Kamenetsky等人, 2001; Wood, 1980），被用来识别特定的岩浆环境亲缘关系。然而，这种方法本质上受到其低维度的限制，即地球化学变量的数量有限，以及边界定义的主观性。因此，迫切需要一种健壮的、定量的、数据驱动的方法，能够从复杂的岩石学系统中解码微妙的多变量关系。后续的发展将ML方法扩展到了矿物化学和热压力测量领域，在这些领域中，单个矿物相的化学成分编码了关于岩浆演化和构造体制的信息。Saha等人（2021）在了一个全球火成黑云母分析数据库上使用了XGBoost和LightGBM算法，成功地区分了五种构造环境（岛弧、大陆弧、裂谷、洋中板内和大陆板内）。同样，X. Li和Zhang（2022）引入了一种基于黑云母化学的ML热压力计，使用极度随机的树从仅含黑云母和含黑云母-熔体的系统中得出可靠的温度-压力估计，强调了数据驱动方法在岩石学建模中的预测能力。在岩石和岩性分类方面也出现了类似的努力。Han等人（2023）实施了深度森林算法来从测井数据中识别火成岩的岩性。Qin等人（2022）应用ML通过单斜辉石的矿物化学来评估和预测地幔交代作用。Modjarrad等人（2025）成功部署了ML算法，根据矿物化学数据区分了深渊型和弧前型橄榄岩。机器学习在地球化学/矿物勘探领域得到了广泛应用（Aranha等人, 2024; Guo & Chen, 2024; Kost等人, 2021）。机器学习也被用于基于元素地球化学数据对玄武岩进行构造判别（H. Li, Gao等人, 2025; H. Li, Zhang等人, 2025; Ueki等人, 2018）。最近，Jiang等人（2025）利用ML追踪了过去10亿年的地幔来源，并对玄武岩进行了分类，为解决重叠和复杂的构造-岩浆信号提供了一个框架。通过对经历改变、风化和/或变质的玄武岩进行构造判别，也应用了机器学习（Nakamura, 2023）。这些方法突显了地质观测和计算学习之间日益增长的协同作用，使得能够在不同数据和尺度上快速且可重复地对岩石进行分类。此外，还非常重视不同模型输出的可解释性，研究者试图理解哪些地球化学特征对预测的影响最大。这是通过结合可解释的AI方法（如Shapley Additive exPlanations（SHAP）（Shapley, 1953）来实现的，该方法通过量化每个特征对模型预测的贡献，澄清了决策过程背后的逻辑。SHAP分析弥合了预测准确性和地质可解释性之间的差距，使地质科学家能够识别出对分类结果影响最大的地球化学参数——从而将模型结果直接与成因过程联系起来。太古宙绿岩带保存了地球上最古老的地幔熔融、地壳形成和岩石圈-软流圈相互作用记录，然而它们的构造意义仍然是前寒武纪地质学中最具争议的问题之一（Condie, 2013; Condie & Kr?ner, 2013; de Wit, 1998; Kerrich & Polat, 2006）。绿岩序列中的超镁铁质岩石被解释为与科马提岩岩浆活动和岩浆柱相关的深度地幔熔融的残留物（Campbell & Griffiths, 1992; Herzberg等人, 2010; Nna-Mvondo & Martinez-Frias, 2007），或者是由早期俯冲过程形成的类弧状地幔楔（Furnes等人, 2015; Komiya等人, 1999），或者是早期地球独特的混合或非均匀地质动力学体制的产物（Bédard, 2018; Benn等人, 2006; van Hunen & Moyen, 2012）。太古宙橄榄岩中的全岩地球化学特征进一步复杂化了，因为长期的地壳驻留过程中发生了广泛的熔融-岩石相互作用、交代作用和变质作用，这些过程可以显著改变流体可移动元素和高场强元素系统（Dilek & Furnes, 2014; Rollinson, 1997）。因此，使用传统的判别图或单元素代理将太古宙绿岩橄榄岩分配到特定的现代构造类比中仍然高度不确定（Condie, 2018; Palin等人, 2020; Pearce, 2008）。越来越多的人认为，太古宙地幔域占据了一种连续的地质动力状态，而不是离散的岩浆柱、弧或脊端元，反映了早期地球历史中地幔混合不完全、地幔温度升高和地壳-地幔反馈的演变（Condie, 2020; Herzberg & Gazel, 2009; Nna-Mvondo & Martinez-Frias, 2007）。解决这一长期存在的模糊性问题需要能够整合多变量地球化学信息的分析框架，同时明确考虑太古宙地幔过程的本质过渡性。本研究提出了一个基于概率的、数据驱动的框架，用于使用全岩地球化学探索橄榄岩的构造-岩浆亲缘关系。我们在一个成分数据框架内实现了XGBoost分类器（Chen & Guestrin, 2016），并使用嵌套的分层交叉验证评估了其在多变量构造-岩浆判别中的稳健性。分析基于一个经过整理的全球橄榄岩数据集，这些数据集来自与岩浆柱相关的岩石圈、汇聚边界和裂谷相关的火山环境，数据来源于GEOROC和PetDB等公开访问的存储库以及已发表的文献。该方法不追求将样本确定性地分配到特定的构造端元，而是在概率空间中分类，允许样本表现出与自然地幔过程一致的混合或过渡性亲缘关系。通过SHAP分析实现了模型的可解释性，该方法提供了有影响力的变量的全局排名以及单个地球化学特征如何累积影响类别概率的局部解释。通过将这些SHAP衍生的模式直接与已建立的成因模型联系起来，该研究展示了如何利用可解释的ML解决复杂的多变量地球化学关系，同时仍基于地质推理。最后，我们将这一框架应用于太古宙绿岩橄榄岩，以一种比较的、非规范的方式探索它们的相对构造亲缘关系，解决了在没有强加现代构造类比的情况下解释太古宙地幔特征的长期挑战。

2 方法论

2.1 数据清洗和预处理

共收集了640个橄榄岩样本，代表了五种构造类型——与岩浆柱相关的岩石圈（n = 329）、太古宙绿岩带（n = 120）、汇聚边界（n = 119）、裂谷相关火山环境（n = 64）以及其他类型（n = 8），这些样本来自GEOROC、PetDB等公开访问数据库和已发表的数据集（Aldanmaz等人, 2009; Dokuz等人, 2011; Secchiari等人, 2020; Singh等人, 2013; Singh等人, 2022; Ullah, Khan, Li, Whattam等人, 2025; Ullah, Khan, Li, Zafar等人, 2025; Uysal等人, 2012; Xiong等人, 2025）（支持信息S1中的Text S1）。对于本研究，我们关注在模型训练阶段使用的总共21个属性，包括七种主要氧化物（SiO2、Al2O3、TiO2、Fe2O3(t)、MgO、CaO和Na2O）和14种稀土元素（REE）（La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Tm、Er、Yb、Lu），这些元素因其在区分地幔残余物和熔融改變岩石类型中的作用而被选中。除了REE之外的微量元素未被考虑，因为大多数样本不包含这些元素的完整数据集（或缺失值超过25%），这会引入显著的插补偏差。此外，许多元古代和太古宙样本经历了交代作用、流体活动性和变质作用，这些过程可以显著改变流体可移动和其他微量元素，而REE对这些过程的抵抗力较强，因此在地质时间尺度上提供了更可靠的地球化学框架。在建模之前，数据经过了仔细的标准化处理，以消除分析不一致性：非数字字符、空字符串以及“NA”或“-”等条目被转换为空值，重复的行被删除，有效条目少于50%的样本被排除以最小化插补偏差，缺失值使用中位数插补替换，该方法对偏斜分布和异常值不敏感（Pedregosa等人, 2011）。为了增强成因判别，还计算了一些额外的特征，包括选定的HFSE-REE比率（Nb/Y、Ce/Yb、La/Ce）（Pearce等人, 2000）。

2.2 成分数据分析和对数比变换

主元素地球化学数据本质上具有成分性，因为它们受限于一个常数值（通常为100 wt.%），这一属性在欧几里得空间分析时会引入虚假相关性（Chayes, 1960）。为了解决这个问题，工作流程采用了成分数据分析（CoDA）和等距对数比（ILR）变换（Aitchison, 1986; Filzmoser等人, 2009; Pawlowsky-Glahn & Buccianti, 2011）。在本研究中，ILR变换仅应用于主氧化物成分，这些成分被视为成分部分。实现了一个自定义的PivotILRTransformer来处理地球化学数据特征：将零和接近零的值替换为定义为一个小的常数，该常数为观察到的最小非零值的10^-6倍，之后数据被调整到一个常数值。然后通过将每个氧化物表示为相对于剩余氧化物的对数比来顺序计算ILR坐标，以确保正交性。这一过程产生了（D - 1）个正交的成分部分坐标，同时保留了相对的地球化学信息，避免了闭合效应。非成分变量，包括微量元素和衍生的地球化学比率，在ILR变换后保持不变。这种方法确保了主氧化物之间的多变量关系能够有意义地被解释，同时避免了原始成分数据中的虚假相关性。

2.3 数据划分、类别定义和类别平衡

数据集被划分为训练和测试两个子集，比例为80:20。为了模型开发和评估，采用了嵌套的分层交叉验证框架，包括五个外部折叠来评估泛化性能和三个内部折叠来进行超参数优化。类别标签来源于构造环境元数据，并被规范化为三个用于监督学习的橄榄岩类别：与岩浆柱相关的岩石圈、汇聚边界和裂谷相关火山环境。太古宙绿岩橄榄岩被明确排除在模型训练之外，但保留用于后续的样本外预测；而被归类为“其他”的样本则被省略，以避免类别分配时的歧义。超参数优化使用Optuna和Tree-structured Parzen Estimator采样器进行（Akiba等人，2019年），目标是最大化内交叉验证循环中的宏观平均F1分数。由于存在中等的类别不平衡，应用了合成少数样本过采样技术（SMOTE）；关键的是，SMOTE是在ILR变换之后进行的，并且仅在训练折叠上进行，以防止信息在交叉验证分割中的泄露（Chawla等人，2002年）。模型性能通过准确率、宏观平均精确度、召回率和F1分数以及平衡准确率来量化，最终指标以外部交叉验证折叠的平均值和标准差报告。

2.4 验证策略

一些机器学习研究依赖于固定的保留子集或外部数据集进行验证；然而，这种方法不适合橄榄岩地球化学分析，因为没有标准化的外部数据集能够一致地报告不同构造环境下的主要元素、微量元素以及REE-HFSE变量。此外，单一的训练-测试分割可能会导致不稳定的和依赖于数据集的性能估计，特别是对于中等规模的地球化学汇编。为了确保严格的和无偏的模型评估，我们采用了嵌套分层交叉验证策略。该框架在每个训练折叠中评估模型性能，同时完全隔离所有预处理步骤，包括插补、成分变换（ILR）、特征工程、特征选择和类别平衡。通过防止信息泄露并提供重复的泛化性能评估，嵌套交叉验证提供了一种统计上严格的验证策略，适用于小型到中等规模的地球化学数据集。

2.5 机器学习框架

本研究采用了监督梯度提升决策树分类器（XGBoost）作为唯一的机器学习模型（Chen & Guestrin，2016年）。模型性能使用嵌套分层交叉验证框架进行评估，所有折叠应用了相同的预处理、类别平衡和性能指标（表1；支持信息S1中的文本S2）。XGBoost达到了稳定和一致的性能，平衡准确率和宏观平均F1分数表明其在区分与地幔柱相关的岩石圈、汇聚边缘相关的橄榄岩和裂谷相关的火山橄榄岩方面具有可靠性。鉴于其强大的性能、捕捉非线性特征交互的能力以及与基于SHAP的可解释性的兼容性，XGBoost被选用于所有后续分析和地质解释（Lundberg & Lee，2017年；Shapley，1953年）。表1. 所有评估的机器学习分类器的XGBoost模型性能指标总结，以嵌套分层交叉验证外部折叠的平均值±标准差报告。

指标 平均值 标准差
------------------------------- -------------- -------------------
准确率 0.76 0.06
宏观精确度 0.68 0.09
宏观召回率 0.65 0.07
宏观F1分数 0.656 0.08
平衡准确率 0.65 0.07

注意：指标包括准确率、宏观平均精确度、召回率、F1分数和平衡准确率。尽管根据一般的机器学习标准，编制的橄榄岩数据集规模较小，但它代表了由完整主要元素和REE数据限制的高质量全岩地球化学分析的精心策划的全球汇编。这样的样本规模在地幔岩石学中是典型的，因为数据获取需要广泛的野外工作、分析工作和严格的质量控制。选择XGBoost是因为梯度提升树集成适用于具有非线性关系、相关变量以及混合主要和微量元素控制的地球化学数据集。这些属性反映了地幔橄榄岩中部分熔化、熔体-岩石相互作用和交代作用的综合效应。此外，XGBoost提供了稳定的性能，并且可以直接与基于SHAP的可解释性兼容，从而可以从模型预测中提取地质意义，而不仅仅是依赖黑箱分类。

2.6 使用SHAP值进行模型解释

为了提高模型可解释性并明确每个特征的地成学意义，我们使用了SHAP（Lundberg & Lee，2017年；Shapley，1953年），它提供了一个用于量化每个输入特征对最终分类结果边际贡献的健壮的博弈论框架。SHAP值是使用TreeExplainer计算的，该工具应用于数据在其最终转换后的特征空间（ILR和特征选择之后）。为了确保特征重要性指标准确地反映分类的信心，原始SHAP值被转换为概率加权的SHAP值。这是通过将特征的SHAP贡献乘以模型对该特定类别（与地幔柱相关的岩石圈、汇聚边缘或裂谷相关的火山环境）的预测概率，然后通过所有样本的类别的平均概率进行归一化来实现的。这种加权过程产生了一个影响指标，它考虑了特征影响的大小和模型的确定性。结果的概率加权SHAP值使用BeeSwarm图（显示特征效应的分布）和平均绝对SHAP条形图（总结整体特征重要性）进行了可视化，针对三种目标构造环境。

3 结果

3.1 基于REE的橄榄岩三元系统学

图1展示了使用La-Sm-Yb比例（Hofmann，1988年；Parkinson & Pearce，1998年）构建的基于REE的三元图，用于分类为与地幔柱相关的岩石圈、汇聚边缘和裂谷相关的火山环境的橄榄岩样本。三元轴代表La（受地幔柱影响）、Sm（俯冲改性的）和Yb（贫化，类似MOR）成分的富集程度，浓度归一化为单位总和。三个构造类别有显著的重叠，并伴随着细微的成分差异（表2）。与地幔柱相关的岩石圈样本倾向于分布在La富集的顶点，显示出较高的轻REE特征，而汇聚边缘的橄榄岩显示出相对较高的Sm比例，这与俯冲相关的改性一致。裂谷相关的火山样本趋向于Yb丰富的角落，反映了更贫化的REE特征。太古宙绿岩橄榄岩仅作为参考用空心符号显示，并从模型训练中排除，它们大致覆盖了较年轻的（元古代-显生代）领域，但占据了三元空间的中间区域。类别间的显著重叠突显了在简单的REE比率空间中没有明确的地球化学边界，强调了使用多变量方法解决橄榄岩地球化学中构造亲缘性的需求。

使用标准化La-Sm-Yb比例构建了基于稀土元素（REE）的三元图，用于来自与地幔柱相关的岩石圈、汇聚边缘和裂谷相关的火山环境的橄榄岩样本。轴代表La（受地幔柱影响）、Sm（俯冲改性）和Yb（贫化，类似MOR）成分的相对富集程度。实心符号表示用于模型训练的显生代样本，按构造类别着色。空心符号表示作为未训练叠加层的太古宙绿岩橄榄岩，用于参考。三元图显示了构造类别之间的部分重叠以及太古样本沿着地幔柱-裂谷混合轨迹的优选对齐。

3.2 评估和混淆矩阵

测试的机器学习分类器的比较性能总结在表1中，XGBoost（XGB）在嵌套分层交叉验证框架中表现出一致的性能，因此被用于进一步分析。在五个外部交叉验证折叠中，XGB模型的平均准确率为0.76±0.06，宏观平均精确度、召回率和F1分数分别为0.68±0.09、0.65±0.07和0.66±0.08，平衡准确率为0.65±0.07。图2a显示了原始分类计数，而图2b显示了按行归一化的百分比，共同展示了不同构造类别间分类结果的分布和对称性（MOR=裂谷相关的火山环境，OIB=与地幔柱相关的岩石圈，SSZ=汇聚边缘）。OIB样本显示出最高的类别召回率（约98.0%），而SSZ（约95.5%）和MOR（约92.1%）显示出略低但可比的召回率。误分类是有限的，主要发生在相邻类别之间，特别是在SSZ和OIB之间，以及在MOR和OIB之间的较少。这与三元投影中观察到的REE系统学的重叠一致。总体而言，混淆矩阵结构表明模型行为平衡，并且对橄榄岩构造环境的区分是中等的但一致的，为使用SHAP进行后续的特征归属分析提供了坚实的基础。

3.3 全局SHAP重要性模式

全局SHAP分析提供了对在三种橄榄岩构造环境中最强烈影响XGBoost分类器的地球化学特征的定量排名。BeeSwarm图和相应的平均绝对SHAP条形图（图3a-3f）显示，REE在所有类别中主导了模型行为，只有主要氧化物通过ILR坐标表现出次要贡献。对于汇聚边缘的橄榄岩（图3a和3b），最高的平均绝对SHAP值与中等REE相关，特别是Nd和Dy，其次是Ce、La和Sm，而主要氧化物如TiO2和CaO的贡献平均绝对SHAP幅度较低。与地幔柱相关的岩石圈橄榄岩（图3c和3d）显示出更高的平均绝对SHAP值和更广泛的SHAP分布，Nd、Sm、Pr、Ce和La形成了主要特征集，反映了对该类别中轻REE和中等REE变异性更高的敏感性。裂谷相关的火山橄榄岩（图3e和3f）主要受Pr、Nd、Sm和Dy的影响，还有La和选定的氧化物ILR项的额外但较小的贡献。

3.4 类别特定的SHAP分布

虽然全局SHAP分析总结了整个数据集中各个特征的总体影响，但局部SHAP瀑布图提供了关于特定变量如何累积地使模型的基线概率向最终类别预测偏移的洞察。图4a-4i中显示的类别特定SHAP分布揭示了汇聚边缘、与地幔柱相关的岩石圈和裂谷相关的火山橄榄岩的特征贡献的方向和大小的系统差异。这些图表明确追踪了连续的地球化学变量如何逐步增加模型预测的概率相对于模型的期望值E[f(x)]。图4a-4c中的汇聚边缘橄榄岩表现出中等且一致的正面贡献，主要是来自中等REE，特别是Dy、Nd、Sm和Ce，它们共同解释了从基线概率的大部分上升。轻REE如La的贡献是次要的，而主要氧化物通过ILR坐标通常显示出较小的或可以忽略的影响。在所有类别中，主要氧化物（SiO2、MgO、FeO、Al2O3、TiO2）的平均绝对SHAP幅度始终低于REE，表明REE系统学在特征重要性结构中占主导地位。总体而言，全局SHAP结果突出了特征重要性的明显类别依赖性对比，与地幔柱相关的岩石圈和裂谷相关的火山分类由较少数量的高影响REE变量驱动，而汇聚边缘的分类反映了多个特征的混合贡献，这些特征的影响相对较弱。与裂谷相关的火山橄榄岩相比，羽流相关的岩石圈分类通常以轻重稀土元素（REEs）的不同贡献为特征——特别是Pr、Nd和La——包括相对于模型基线的正向和负向偏移，这反映了由于熔体-岩石相互作用和在羽流改造的 mantle 岩石圈内的再富集作用而产生的REE系统内部的对比，而不是绝对的REE耗尽。在一个代表性示例中，羽流亲缘性主要由CaO通过其ILR坐标的大幅度正向贡献所主导，超过了单个REE的影响。这种行为表明，尽管REE系统通常控制着与羽流相关的岩石圈预测，但在矿物学再平衡强烈改变典型单斜辉石比例的情况下，主要氧化物——尤其是CaO——可以成为主要的区分因素。与裂谷相关的火山橄榄岩（图4g-4i）的特点是Nd、Sm、Pr和La的显著正向贡献，这在所有三个示例中都一致性地主导了累积概率的增加。此外，TiO2通过其ILR坐标贡献了一个系统性的正向偏移，反映了相对于主要氧化物背景的富集。与羽流相关的岩石圈样品不同，裂谷相关的火山橄榄岩中的特征贡献主要是单向的，几乎没有相反的负效应。总的来说，九个局部的SHAP瀑布图表明，裂谷相关的火山和羽流相关的岩石圈分类通常由少数高影响力的变量控制，而汇聚边缘的分类则是由多个低幅度贡献的累积影响形成的。裂谷相关的火山橄榄岩显示出一致性的REE主导的正向偏移，而羽流相关的岩石圈样品在主导特征的符号和身份上表现出更大的变异性，反映了熔体-岩石相互作用的异质性和再富集过程。在羽流相关的岩石圈样品中，主要氧化物（例如MgO、FeO、CaO、SiO2）的作用较为次要，相对于REE变量只贡献了小的或接近零的偏移。

与裂谷相关的火山橄榄岩相比，羽流相关的岩石圈分类通常以轻重稀土元素（REEs）的不同贡献为特征——特别是Pr、Nd和La——包括相对于模型基线的正向和负向偏移，这反映了由于熔体-岩石相互作用和在羽流改造的mantle 岩石圈内的再富集作用而产生的REE系统内部的对比，而不是绝对的REE耗尽。在一个代表性示例中，羽流亲缘性主要由CaO通过其ILR坐标的大幅度正向贡献所主导，超过了单个REE的影响。这种行为表明，尽管REE系统通常控制着与羽流相关的岩石圈预测，但在矿物学再平衡强烈改变典型单斜辉石比例的情况下，主要氧化物——尤其是CaO——可以成为主要的区分因素。通过量化多个变量如何共同影响个别预测，SHAP揭示了构造亲缘关系在多大程度上表现为重叠的地球化学梯度，而不是界限分明的场。在这个意义上，机器学习框架捕捉了许多地幔橄榄岩的固有混合性质，并提供了对构造混合和过渡特征的概率和定量测量，这些特征使用传统的双变量或三变量方法难以解析。

4.4 先太古代绿岩橄榄岩：基于REE的分类的约束与见解

先太古代绿岩带保存了地球上一些最古老的地幔和地壳演化记录，但它们的构造意义仍然存在激烈的争论。绿岩序列中的超基性岩石被解释为记录了广泛的过程，包括高度熔融的地幔、与热柱相关的岩浆作用、科马提岩相关的地幔残余物、类似弧形的熔体提取以及广泛的变质重叠加（Condie, 2013; Condie & Kr?ner, 2013; de Wit, 1998; Kerrich & Polat, 2006）。经典模型强调先太古代以热柱为主的地幔动力学，这一观点得到了高地幔潜在温度、广泛存在的科马提岩火山活动和大量的超基性岩浆作用的支持（Campbell & Griffiths, 1992; Herzberg et al., 2010; Nna-Mvondo & Martinez-Frias, 2007）。相比之下，其他解释则提出了早期形式的俯冲、类似弧形的地球化学特征，以及在与现代地球不同的流变和热制度下进行的间歇性板块边界过程（Furnes et al., 2015; Komiya et al., 1999; Turner et al., 2014）。因此，先太古代橄榄岩被广泛认为可能是没有直接现代对应物的地幔环境的产物，反映了熔融、再富集和熔体-岩石相互作用过程的连续体，而不是离散的构造环境。在先太古代构造解释中的一个根本挑战在于，仅基于全岩地球化学数据很难指定具体的地质动力学环境。许多常用于显生宙构造分类的痕量元素判别因子——特别是流体移动元素和高场强元素（HFSE）-轻场强元素（LILE）比值——容易受到变质作用、变质作用和长期地壳滞留期间的改变化的影响（Dilek & Furnes, 2014; Rollinson, 1997）。此外，由于不完整的地幔搅动、更高的熔融程度以及不断演变的地壳-地幔反馈，先太古代地幔源本身的成分可能比今天观察到的更为多样（Benn et al., 2006; Condie, 2018; van Hunen & Moyen, 2012）。这些因素模糊了与热柱相关、类似弧形和裂谷相关的地球化学特征之间的区别，使得僵化的构造分类变得本质上是有问题的。因此，许多作者不建议将先太古代地球化学模式与现代板块构造框架进行一对一的映射，而是提倡使用概率或基于谱的解释（Bédard, 2018; Palin et al., 2020; Pearce, 2008）。在这个背景下，这里提出的基于REE的投影提供了一个受限但信息丰富的先太古代地幔亲缘关系视角。在未经训练的三元投影中（图1），先太古代绿岩橄榄岩定义了一个广阔但非随机的分布，主要与热柱相关的岩石圈场重叠，并沿着热柱-裂谷混合轨迹延伸。经过训练后，使用显生宙构造类别的中位地球化学特征作为参考锚点，图5中的先太古代样本形成了一个更加连贯但不对称的、可能具有三峰的模式。虽然大多数样本倾向于热柱相关的岩石圈和裂谷相关的火山域，但投影还揭示了一种接近汇聚边缘成分的独特次要模式。这种分布表明，尽管高度熔融和类似热柱的过程仍然是主要的地球化学驱动力，但先太古代地幔也保留了与裂谷和汇聚类似地质动力学环境相关的显著特征。重要的是，这种行为并不意味着先太古代绿岩橄榄岩形成于现代的热柱或裂谷环境中；相反，它表明它们的REE系统与高度熔融和随后的熔体-岩石相互作用的地幔域最为相似，这些过程预计发生在更热的先太古代地幔条件下（Condie, 2020; Herzberg et al., 2010; Nna-Mvondo & Martinez-Frias, 2007）。未经训练和经过训练的投影之间的一致性强调了REE模式作为抗变质追踪剂的稳定性，并支持使用基于模型的分类作为评估先太古代地幔过程的比较框架，而不需要强加僵硬的构造标签。

4.5 使用独立的太古前和显生宙橄榄岩数据集进行外部验证

为了评估训练好的XGBoost–SHAP框架的地质有效性和普遍性，我们将该模型应用于三个独立的橄榄岩数据集，这些数据集涵盖了先太古代、古元古代和显生宙的构造环境。选择这些数据集是因为它们（a）岩石学上描述得很好，（b）被广泛引用的基准研究，以及（c）代表了挑战简单构造分类方案的不同的地幔过程。显生宙参考数据集（支持信息S1中的文本S3）来自Izu–Bonin–Mariana系统的前弧橄榄岩（Parkinson & Pearce, 1998），记录了超俯冲带地幔熔融、boninitic熔体相互作用以及现代汇聚边缘内的不均匀氧化状态。这些样本严格测试了模型识别在受良好约束的构造条件下形成的SSZ相关地球化学特征的能力。古元古代数据集来自芬兰Jormua蛇绿岩的地幔橄榄岩（Peltonen et al., 1998），记录了大约19.5 Ga时初期海洋盆地形成期间的岩石圈地幔演化。地球化学和同位素约束表明，这些橄榄岩代表了一个复杂的序列，涉及OIB类型的岩浆作用、地幔对流以及随后的海洋地壳形成和俯冲。这个数据集特别适合验证，因为它处于一个介于热柱修饰的岩石圈和海岭相关熔融之间的中间构造体制，而不是可以清晰地映射到一个现代对应物上。先太古代数据集由Abitibi绿岩带的科马提岩和与科马提岩相关的超基性岩石组成（Fan & Kerrich, 1997）。这些样本记录了来自不同来源的高度熔融地幔，包括铝贫乏和铝丰富的科马提岩、热柱-俯冲相互作用以及深部含石榴石的熔融过程。重要的是，这些先太古代橄榄岩被排除在模型训练之外，因此提供了一个严格的测试，以检验分类器是否能够将有意义的古代地幔成分投影到主要基于显生宙构造环境的框架中。图6（另见支持信息S1中的文本S3）显示了这些外部数据集的基于REE的三元投影（La–Sm–Yb）相对于训练好的构造端元空间。显生宙前弧橄榄岩聚集在图中富Sm和贫La的部分，与源研究中记录的SSZ相关熔体耗尽和变质作用一致。古元古代Jormua橄榄岩占据了一个宽广的区域，延伸向富Yb（贫MOR类）的顶端，反映了早期海洋盆地发育期间的广泛熔体提取和岩石圈变薄，一些样本显示出与热柱相关的地幔预处理一致的适度La富集。相比之下，先太古代科马提岩相关的超基性岩石定义了一个独特但重叠的区域，其特征是中等La富集以及变化的Sm和Yb比例。尽管这些样本并不完全聚集在三元图的Yb富集基底，但它们的分布与不均匀的地幔来源、耗尽和富集成分之间的混合以及从原始岩石学解释中推断出的深部熔融过程一致。先太古代、古元古代和显生宙区域之间的部分重叠突出了构造体制之间缺乏明确的地球化学边界，特别是在早期地球上。图6

基于稀土元素的三元投影用于独立验证训练好的分类框架。先太古代绿岩橄榄岩（黑色空心圆）、古元古代橄榄岩（蓝色空心方块）和显生宙橄榄岩（红色空心三角形）在归一化后绘制在La-Sm-Yb空间中，没有使用构造标签或重新训练。三元轴代表热柱富集的（La）、SSZ相关的（Sm）和贫MOR相关的（Yb）端元趋势。重要的是，外部验证表明，机器学习框架并没有将古代橄榄岩强行归入不适当的现代构造类别。相反，它保留了过渡和混合的地球化学特征，定量捕捉了贯穿地球历史的地幔过程的连续性。三元投影、基于SHAP的特征重要性和独立地质解释之间的一致性证实了模型恢复了物理上有意义的地幔岩石生成趋势，而不是统计分类的结果。

5 结论

本研究表明，当ML与成分数据分析（CoDA）和可解释AI结合使用时，它提供了一个透明且具有地质意义的框架，用于探索橄榄岩中的构造岩浆变异性。通过在一个嵌套交叉验证框架内应用ILR转换的全岩地球化学数据，XGBoost分类器一致性地优于其他模型，并在热柱相关岩石圈、汇聚边缘和裂谷相关火山环境中实现了稳定和中等程度的分类性能。关键的是，这种方法的目标不是预测精确的构造端元，因为鉴于地幔过程的连续性，这些端元在地质上很少是可行的。相反，模型在概率空间中运作，量化每个样本与多种构造体制的相对亲缘关系。全球和局部的SHAP分析（图3和图4）显示，REE对分类结果起主要控制作用，中等REE主导了裂谷相关火山预测，轻REE驱动了热柱相关岩石圈的亲缘关系，而汇聚边缘橄榄岩的特点是幅度较低的、分布式的贡献，这与变质地幔楔形环境一致。这些模式与既定的岩石生成模型相吻合，并证明了分类器解析了真实的地球化学梯度，而不是强加人工的类别边界。先太古代绿岩橄榄岩的投影（图1和图5）进一步说明了这种概率框架的强度。先太古代样本更倾向于与热柱相关的岩石圈和类似裂谷的REE系统一致，而汇聚边缘的特征相对较少。这种行为与对更热、成分更不均匀的先太古代地幔的预期一致，并强调了基于REE的比较的价值，这些比较利用了抗变质移动的元素，而不需要直接的现代构造对应物。最后，需要考虑我们先太古代分类中可能存在的与年龄相关的偏差。橄榄岩中缺乏主要的锆石意味着许多绿岩样本是通过地层关联而不是直接地质年代学来定年的。正如Liu和ZhangZhou（2026）所证明的，考虑更新年龄约束的数据清理可以细化地质动力学模型。因此，我们的发现应被视为基于当前数据的地球化学对齐，同时理解未来对显生宙地质年代学的改进可能会进一步细化所识别的热柱、裂谷和汇聚模式之间的平衡。总体而言，这里介绍的工作流程是可复制的、模块化的，并且可以轻松转移到其他超基性数据集上。通过结合CoDA预处理、类别平衡和基于SHAP的可解释性，该方法提供了定量的预测和清晰的地质洞察，同时尊重地球化学数据的成分性质。将来整合同位素、矿物化学或PGE数据集（如果可用）可能会进一步完善概率构造解释，但当前的框架提供了一个实用的一阶工具，用于仅使用广泛可用的全岩地球化学来评估地幔亲缘关系。

感谢WIHG主任的鼓励和支持。本手稿的最终英语语言编辑和修订是通过openAI完成的。原始稿件在Ross Michell（匿名审稿人）和Editor Paul Asimow的建设性评论和有益建议下得到了显著改进。作者声明与本研究无关的利益冲突。

所有用于本研究的数据、代码和训练好的模型都是公开可用的。用于机器学习分析的编译全岩地球化学数据集（主要元素、痕量元素和REE–HFSE元素）作为支持信息S1中的文本S1提供。完整的可复现性存档已存放在Zenodo上（Roy & Sen, 2025）。该存储库包含了完整的分析工作流程，包括数据摄入、预处理、模型训练和评估的Python脚本；最终训练好的XGBoost模型；处理的ILR转换数据集；环境规范文件；以及示例输入数据。一个离线批量推断脚本（infer_peridotite.py）也提供在Zenodo存档中和支持信息S1中的文本S4中（Roy & Sen, 2025），使得用户可以无需图形界面或云部署即可复制应用训练好的模型到CSV或Excel数据集。