地球化学异常识别是矿产资源勘查及开发利用中的重要技术手段，充分利用地球化学元素的频率分布和空间分布规律，对识别多变量地球化学异常的方法有重要意义。本研究提出一种基于张量稀疏表示的地球化学异常提取新方法，充分利用地球化学数据的空间-元素信息，识别矿致地球化学异常。该方法使用机器学习中张量稀疏表示与字典学习模型，将多元地球化学数据视为张量并开展按元素分片的塔克分解，以无监督的方式学习地球化学数据的空间-元素联合字典。通过空间-元素联合字典，捕捉地球化学数据在空间和元素维度上的特征，提取地球化学数据中元素相关性和空间分布特征，获得地球化学数据张量的稀疏表示。该稀疏表示综合地球化学数据元素维度分布特征和空间维度分布特征。根据地球化学数据张量的稀疏表示，获得地球化学背景的重建信息，最终实现地球化学异常的有效分离。
采用张量稀疏表示方法，对山东省胶东半岛西北部地区水系沉积物39种元素测量数据开展地球化学异常提取。结果显示，本研究提取的地球化学异常与已知金矿床之间具有较高的空间关联；基于张量稀疏表示的方法能够捕捉空间上的非局部特征和元素间高度相关的分布特征，融合地球化学数据的空间-元素信息，有效识别地球化学异常，模型结果具有一定可解释性。该方法为提高矿产资源预测效果提供新思路，为挖掘地球化学数据深层次信息提供新途径。

 

地球化学异常,张量稀疏表示