报告详情
表生地球化学数据驱动型研究——机器学习技术的革新应用与前瞻
编号：1539
访问权限：仅限参会人
更新：2024-04-11 16:45:09 浏览：895次
口头报告
报告开始：2024年05月20日 11:38（Asia/Shanghai）
报告时间：11min
所在会场：[S2] 主题2、地球化学 [S2-5] 主题2、地球化学 专题2.5（20日上午，214）
暂无文件
摘要
随着表生地球化学数据的快速积累及其多元、高维、时空变化的特性日益显著，传统的信息挖掘方法正面临严峻挑战。机器学习作为应对这一挑战的关键新兴技术，在解决复杂环境过程问题、揭示表层地球化学复杂系统动力学以及地球系统过程互动方面展现出显著优势。数据驱动方法在此背景下扮演着核心角色，有望揭示隐藏的地球化学规律、准确预测未知现象并提供有力的决策支持。
本报告将详细介绍地球化学数据的基本特征，以及数据质量问题的处理，并进一步剖析传统统计分析方法在处理此类数据时的局限性。
在此基础上，针对机器学习在表生地球化学中的应用，系统展示回归、分类、聚类和降维等机器学习研究任务在极端事件识别和河流锂同位素分馏机理研究等领域的应用，并探讨相关方法的可靠性和可解释性。
本报告将详细介绍地球化学数据的基本特征，以及数据质量问题的处理，并进一步剖析传统统计分析方法在处理此类数据时的局限性。
在此基础上，针对机器学习在表生地球化学中的应用，系统展示回归、分类、聚类和降维等机器学习研究任务在极端事件识别和河流锂同位素分馏机理研究等领域的应用，并探讨相关方法的可靠性和可解释性。
关键词
机器学习,大陆风化，锂同位素，逆向风化,表生地球化学
报告人
陈正杰
硕士研究生 中国科学院地球环境研究所稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论