《Minerals》：Comparative Evaluation of Unsupervised Machine Learning Methods for Orogenic Gold Exploration Using Stream Sediment Geochemistry
编辑推荐：
摘要：水系沉积物地球化学是早期矿产勘查中广泛使用的区域侦察手段，尤其适用于矿化直接证据有限的地区。由于水系沉积物异常仅提供间接地球化学示踪且通常受限于稀缺且空间偏倚的地面真值信息，标注数据集往往不足，这限制了有监督学习方法的应用并凸显了稳健无监督方法的必要性。
摘要：水系沉积物地球化学是早期矿产勘查中广泛使用的区域侦察手段，尤其适用于矿化直接证据有限的地区。由于水系沉积物异常仅提供间接地球化学示踪且通常受限于稀缺且空间偏倚的地面真值信息，标注数据集往往不足，这限制了有监督学习方法的应用并凸显了稳健无监督方法的必要性。本研究评估了六种无监督技术——主成分分析（Principal Component Analysis, PCA）、非负矩阵分解（Non-negative Matrix Factorisation, NMF）、均匀流形逼近与投影（Uniform Manifold Approximation and Projection, UMAP）、自编码器（Autoencoder, AE）、深度嵌入聚类（Deep Embedded Clustering, DEC）及平均集成指数（Averaged Ensemble Index, AVE）——用于整合多元水系沉积物地球化学数据并圈定金成矿远景带。依据区域成矿特征及已有文献报道的地球化学组合关系，选取八个与金相关的元素（Au, As, Ag, B, Hg, Mo, Sb, W）。为便于直接对比，所有模型输出均归一化至模糊隶属度标度[0, 1]。基于独立验证的矿化点与非矿化点位置，采用受试者工作特征–曲线下面积（Receiver Operating Characteristic–Area Under the Curve, ROC–AUC）和马修斯相关系数（Matthews Correlation Coefficient, MCC）定量评估模型性能。结果表明DEC和AE持续优于其他对比方法，取得最高的ROC–AUC与MCC值，而UMAP表现相对较弱。研究证明，无监督表示学习方法特别是DEC和AE，比传统降维及启发式集成方法能更有效地整合多元地球化学数据并在标注数据匮乏的勘查环境中圈定金相关异常。
本文发表于《Minerals》。研究背景方面，区域尺度水系沉积物地球化学测量是造山型金矿勘查中常用的侦察手段，但其异常信号微弱、受后期表生作用改造且常呈多元素复合模式，传统单变量阈值法或经典统计方法难以捕捉其多元组成特征。同时，早期勘查阶段缺乏足量可靠的标注（矿化/非矿化）样本，使得有监督机器学习方法应用受限。目前虽有无监督降维或聚类方法被引入地球化学异常识别，但不同无监督方法在同一研究区经独立矿点定量验证后的系统性对比仍较匮乏。为此，研究人员以伊朗西北部Sanandaj–Sirjan带（SSZ）Alut幅1∶100,000水系沉积物数据集为基础，构建了包含组成数据变换、多种无监督异常评分生成、模糊标度归一化及基于独立已知矿点的ROC–AUC与MCC定量验证的比较框架，旨在客观评价各无监督方法在造山型金矿远景制图中的适用性与相对优劣，为数据受限地区选方法提供依据。
主要关键技术方法
研究人员使用伊朗地质调查组织提供的Alut 1∶100,000图幅835件水系沉积物（<200目）ICP?MS/AAS分析的20元素数据集，低于检出限值按检测限分数替代，剔除分析错误离群值。依区域造山型金矿地球化学特征选取Au、As、Ag、Sb、Hg、Mo、B、W八元素参与建模。因地球化学数据为闭和（closed）组成数据，先做中心对数比（centred log?ratio, CLR）变换用于探索性分析，再做等距对数比（isometric log?ratio, ILR）变换供机器学习算法使用。分别用PCA、NMF（保留3个潜在组分）、UMAP（3维嵌入，15近邻，最小距离0.1）、三层潜变量AE（Adam优化器，MSE重构损失）、DEC（先用K?means初始化再联合优化潜空间与聚类分配）计算连续异常得分，并将五种方法标准化异常得分取均值得平均集成指数（AVE）。所有异常得分归一化至[0, 1]模糊隶属度区间。验证采用研究区内11个已知金矿化点和11个选自非矿化区的背景对照点，以ROC–AUC及最优阈值下MCC定量评价。
研究结果
6.1. Anomaly Maps Derived from Individual Unsupervised Methods（基于各无监督方法生成的异常图）
研究人员将六种方法的异常得分栅格化并对比空间形态。线性分解法（PCA、NMF）异常分布较平滑、范围大；神经网络法（AE、DEC）圈定更局部化、边界清晰的异常区；UMAP识别出具空间连续性但非线性结构的异常模式；AVE显示多方法共同识别的宽泛连续异常。表明不同算法对背景与异常的敏感程度存在差异。
6.2. Comparative Analysis of Anomaly Patterns（异常图案的比较分析）
通过空间与定性对比发现，多个方法共同识别的高异常区对应稳定地球化学信号，少数方法独有异常反映算法对局部非线性或噪声的敏感性，说明多方法互补可提升靶区可靠性。
6.3. Spatial Agreement Analysis and Priority Target Delineation（空间一致性分析与优先靶区圈定）
研究人员将各方法前10%–15%高分异常二值化后叠加统计被几种方法共同识别，生成0–6的一致性图。高一致性区（多方法共识）被视为优先勘查靶区，且与已知金矿点空间吻合较好，支持共识解释框架的有效性。
6.4. Rationale for Validation Based on Spatial Consistency（基于空间一致性的验证合理性）
论证无监督条件下以已知矿点/非矿化点为独立验证基准、以异常排名而非硬分类为评价目标的合理性，为后续定量验证提供前提。
7.1. Validation Framework and Reference Data（验证框架与参考数据）
详述11个已验证金矿点与11个背景对照点的选取原则及其在未参与建模前提下用于提取各方法前景值得分，强调本验证属比较性而非绝对认证。
7.2. ROC–AUC Analysis（ROC–AUC分析）
DEC取得最高AUC值0.87，AE为0.80，AVE与NMF分别为0.78与0.76，PCA为0.71，UMAP最低为0.59。表明基于表示学习的AE与DEC在区分矿化与非矿化位置上显著优于线性降维及流形保留为主的UMAP。
7.3. MCC Analysis（MCC分析）
以Youden指数确定最佳阈值，DEC的MCC＝0.65最高，AE为0.64，PCA(0.57)、NMF(0.55)、AVE(0.54)中等，UMAP仅0.27。MCC结果与ROC–AUC排序一致，进一步确认DEC与AE的优越性及UMAP在此类异常识别任务中的局限性。
7.4. Comparative Discussion of Unsupervised Integration Strategies（无监督集成策略的比较讨论）
研究人员指出PCA主要捕获主导方差结构而对微弱矿化组合不敏感；NMF基于加性非负分解较PCA改善但仍受噪声影响；UMAP重在保持拓扑邻域关系而非异常分离故判别力弱；AE通过非线性重构误差有效识别偏离背景模式的样本；DEC因联合优化潜特征表示与聚类嵌入最强化背景与矿化异常的分离；简单平均集成（AVE）扩大异常范围但可能引入假异常，适合作基准参照。总体上，能建模非线性多元关系的无监督方法更契合造山型金矿微弱多元素异常识别需求。
结论（翻译自Conclusion部分）
本研究提出了一个综合组成数据分析、地质先验元素筛选及多种无监督学习技术的水系沉积物金矿远景制图无监督框架，适用于标注数据匮乏的勘查环境。六种方法对比表明模型性能深受其数学原理影响——线性与启发式方法可捕获主导地球化学结构但对微弱矿化模式识别有限，而非线性及表示学习方法尤指神经网络模型更能刻画金矿化相关的复杂多元关系。Deep Embedded Clustering（DEC）在ROC–AUC与MCC上均最优，证明其通过联合优化潜特征表示与聚类结构可有效增强地球化学异常检测能力；采用连续异常得分较离散分类更具解释性与实用性。基于ROC–AUC与MCC的验证框架可有效基准测试少量参考点下的无监督模型。研究表明，先进无监督学习与地球化学领域知识及恰当预处理相结合可显著提升远景靶区识别与排序水平，所提框架为区域尺度矿产远景制图提供了透明且可扩展的方法学，对信息稀疏地区矿产勘查具实用决策支持价值。DEC与AE被推荐为数据受限环境下区域靶区优先排序的最具潜力方法。未来应在不同地质背景、矿床类型及地球化学数据集上检验该框架的迁移适用性。
