鄂尔多斯盆地及周边地区的跨尺度数据驱动热流预测:基于XGBoost模型的SHAP可解释性分析

《Geophysical Journal International》:Cross-scale Data-Driven Heat Flow Prediction in the Ordos Basin and Adjacent Areas: An XGBoost Model with SHAP Interpretability

【字体: 大 中 小 】 时间:2026年08月30日 来源:Geophysical Journal International 2.8

编辑推荐:

   摘要 陆地热流是描述沉积盆地热状态的一个基本参数,但由于测量数据稀少且分布不均,区域热流分布图的绘制受到限制。本研究整合了跨尺度的地质和地球物理特征,对比了在中国北方柴达木盆地及其周边地区(东亚地区)应用的XG

  

摘要

陆地热流是描述沉积盆地热状态的一个基本参数,但由于测量数据稀少且分布不均,区域热流分布图的绘制受到限制。本研究整合了跨尺度的地质和地球物理特征,对比了在中国北方柴达木盆地及其周边地区(东亚地区)应用的XGBoost、随机森林(Random Forest)和深度神经网络(Deep Neural Network)模型。结果发现,XGBoost模型的整体预测性能最佳。预测的热流范围为54.0至74.0毫瓦/平方米(mW m?2),平均值为63.76 ± 3.88毫瓦/平方米(mW m?2),并且在整个柴达木盆地内从西向东逐渐增加。通过自举分析(Bootstrap analysis)得出的预测不确定性为1.5–3.3毫瓦/平方米(mW m?2)。Shapley加性解释分析(Shapley Additive Explanations)表明,在区域尺度上,莫霍面(Moho depth)是主要的影响因素;而在柴达木盆地的内部构造单元中,沉积层厚度(sedimentary thickness)的影响力更大。这些特征对热流贡献的空间变化与区域地质和热状况大体一致,进一步支持了模型解释的地质合理性。这些结果表明机器学习方法适用于区域热流预测,并为那些热流观测数据有限的地区提供了一个具有地质解释意义的框架。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号