Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/52302 |
Resumo: | Os granitos de tipo-A são caracterizados por sua tendência alcalina, altas concentrações de HFSE, valores elevados para as razões Ga/Al e HF/H2O, além de serem associados majoritariamente a ambientes extensionais pós-colisionais e anorogênicos. Ao longo dos últimos anos, no entanto, uma série de trabalhos têm demonstrado que essas rochas são muito mais complexas tanto em termos de sua geoquímica, como quanto aos ambientes tectônicos associados e processos petrogenéticos envolvidos. No Brasil, granitos de tipo-A são descritos tanto em áreas cratônicas arqueanas a paleo-mesoproterozoicas quanto em faixas móveis neoproterozoicas, com diversas ocorrências associadas a importantes depósitos minerais (Sn, In, W, dentre outros). Muitas dessas ocorrências são descritas e interpretadas em um contexto local ou regional, de forma que uma análise integrada e comparativa em escala mais ampla é ainda ausente na literatura. Neste contexto, esta dissertação apresenta os resultados de análise orientada por dados, ou “data driven discovery”, pela aplicação de técnicas da ciência de dados para manipulação, processamento e análise (comauxílio do aprendizado de máquina nãosupervisionado com o algoritmo K-means) de um extenso banco de dados geoquímicos em rocha-total (>1.900 amostras) de granitoides de tipo-A do Brasil em diversos contextos geotectônicos e de diversas idades. Os resultados mostram que o magmatismo de tipo-A no Brasil pode ser separado em três subgrupos denominados A1, A2 e A3, com características geoquímicas (e, em parte, petrográficas) distintas. Os dois primeiros mostram correspondência com os subtipos A1 e A2 já consagrados na literatura, enquanto o terceiro define um novo subgrupo, caracterizado por litotipos menos evoluídos. Esses subgrupos são individualizados em diversos diagramas binários e ternários propostos neste trabalho a partir de combinações de variáveis químicas (elementos maiores e traços) e de minerais normativos. O subgrupo A1 engloba rochas alcálicas a álcali-cálcicas, de caráter peralcalino a metaluminoso. Os granitos A2 são álcali-cálcicos a cálcio-alcalicos, peraluminosos a fracamente metaluminosos; enquanto o subgrupo A3 inclui rochas alcalicas, álcali-cálcicas, cálcio-alcálicas a cálcicas, metaluminosas a peralcalinas (em menor proporção). Embora não possuam preferências por um determinado contexto tectônico ou intervalo de ocorrência ao longo do tempo geológico, os subgrupos tipoA1, A2 e A3 podem ocorrer juntos em um mesmo corpo, com sete tipos de combinações possíveis, o que sugere que possam representar diferentes fácies relacionadas entre si por processos de diferenciação magmática. A associação dos subgrupos a um contexto geotectônico específico nem sempre é direta. Porém, em linhas gerais, os plutons formados exclusivamente de granitos tipo-A1 relacionam-se mais fortemente a ambientes anorogênicos a pós-orogênicos, enquanto os subgrupos A2 e A3 estão ligados a contextos sin- e pós-colisionais a tardi-colisionais. |
id |
UFRN_19449bc8801b3a234b985fab279703c4 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/52302 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Oliveira, Luiz Henrique Lira dehttp://lattes.cnpq.br/1288033921533688https://orcid.org/0000-0003-3399-6863http://lattes.cnpq.br/6227637633613443Nunes, Marcus Alexandrehttps://orcid.org/0000-0002-9956-4644http://lattes.cnpq.br/2698100541879707Vlach, Silvio Roberto FariasVilalva, Frederico Castro Jobim2023-05-10T00:11:43Z2023-05-10T00:11:43Z2022-12-20OLIVEIRA, Luiz Henrique Lira de. Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros. Orientador: Frederico Castro Jobim Vilalva. 2022. 109f. Dissertação (Mestrado em Geodinâmica e Geofísica) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022.https://repositorio.ufrn.br/handle/123456789/52302Os granitos de tipo-A são caracterizados por sua tendência alcalina, altas concentrações de HFSE, valores elevados para as razões Ga/Al e HF/H2O, além de serem associados majoritariamente a ambientes extensionais pós-colisionais e anorogênicos. Ao longo dos últimos anos, no entanto, uma série de trabalhos têm demonstrado que essas rochas são muito mais complexas tanto em termos de sua geoquímica, como quanto aos ambientes tectônicos associados e processos petrogenéticos envolvidos. No Brasil, granitos de tipo-A são descritos tanto em áreas cratônicas arqueanas a paleo-mesoproterozoicas quanto em faixas móveis neoproterozoicas, com diversas ocorrências associadas a importantes depósitos minerais (Sn, In, W, dentre outros). Muitas dessas ocorrências são descritas e interpretadas em um contexto local ou regional, de forma que uma análise integrada e comparativa em escala mais ampla é ainda ausente na literatura. Neste contexto, esta dissertação apresenta os resultados de análise orientada por dados, ou “data driven discovery”, pela aplicação de técnicas da ciência de dados para manipulação, processamento e análise (comauxílio do aprendizado de máquina nãosupervisionado com o algoritmo K-means) de um extenso banco de dados geoquímicos em rocha-total (>1.900 amostras) de granitoides de tipo-A do Brasil em diversos contextos geotectônicos e de diversas idades. Os resultados mostram que o magmatismo de tipo-A no Brasil pode ser separado em três subgrupos denominados A1, A2 e A3, com características geoquímicas (e, em parte, petrográficas) distintas. Os dois primeiros mostram correspondência com os subtipos A1 e A2 já consagrados na literatura, enquanto o terceiro define um novo subgrupo, caracterizado por litotipos menos evoluídos. Esses subgrupos são individualizados em diversos diagramas binários e ternários propostos neste trabalho a partir de combinações de variáveis químicas (elementos maiores e traços) e de minerais normativos. O subgrupo A1 engloba rochas alcálicas a álcali-cálcicas, de caráter peralcalino a metaluminoso. Os granitos A2 são álcali-cálcicos a cálcio-alcalicos, peraluminosos a fracamente metaluminosos; enquanto o subgrupo A3 inclui rochas alcalicas, álcali-cálcicas, cálcio-alcálicas a cálcicas, metaluminosas a peralcalinas (em menor proporção). Embora não possuam preferências por um determinado contexto tectônico ou intervalo de ocorrência ao longo do tempo geológico, os subgrupos tipoA1, A2 e A3 podem ocorrer juntos em um mesmo corpo, com sete tipos de combinações possíveis, o que sugere que possam representar diferentes fácies relacionadas entre si por processos de diferenciação magmática. A associação dos subgrupos a um contexto geotectônico específico nem sempre é direta. Porém, em linhas gerais, os plutons formados exclusivamente de granitos tipo-A1 relacionam-se mais fortemente a ambientes anorogênicos a pós-orogênicos, enquanto os subgrupos A2 e A3 estão ligados a contextos sin- e pós-colisionais a tardi-colisionais.A-type granites are typically characterized by their alkaline trend, high concentrations of HFSE, high values for Ga/Al and HF/H2O ratios, and are mostly associated with post-collisional extensional and anorogenic environments. Over the last few years, however, a series of works have demonstrated that these rocks are much more complex both in terms of their geochemistry, associated tectonic environments and petrogenetic processes involved. In Brazil, A-type granites are described both in Archean to Paleo-Mesoproterozoic cratonic areas and in Neoproterozoic mobile belts, with several occurrences associated with important mineral deposits (Sn, In, W, among others). Many of these occurrences are described and interpreted in a local or regional context, so that an integrated and comparative analysis on a broader scale is still absent in the literature. In this context, this dissertation presents the results of data-driven discovery, by applying data science techniques to manipulate, process and analyze (with the aid of unsupervised machine learning with the K-means algorithm) an extensive database of rock-total geochemical data (>1,900 samples) of A-type granitoids from Brazil in various geotectonic contexts and of various ages. The results show that A-type magmatism in Brazil can be separated into three subgroups named A1, A2 and A3, with distinct geochemical (and partly petrographic) characteristics. The first two show correspondence with the A1 and A2 subtypes already established in the literature, while the third defines a new subgroup, characterized by less evolved lithotypes. These subgroups are individualized in several binary and ternary diagrams proposed in this work from combinations of chemical variables (major and trace elements) and normative minerals. The A1 subgroup encompasses alkalic to alkali-calcic rocks, of peralkaline to metalluminous character. The A2 granites are alkali to calc-alkalic, peraluminous to weakly metalluminous; while the A3 subgroup includes alkalic, alkali-calcic, calc-alkalic to calcic, metalluminous to peraluminous (to a lesser extent) rocks. Although they do not have preferences for a particular tectonic context or range of occurrence over geologic time, the A1, A2 and A3 subgroups can occur together in the same body, with seven possible combinations, suggesting that they may represent different facies related to each other by magmatic differentiation processes. The association of the subgroups with a specific geotectonic context is not always direct. However, in general terms, plutons formed exclusively from A1-type granites relate more strongly to anorogenic to post-orogenic environments, whereas A2 and A3 subgroups are linked to syn- and post-collisional to late-collisional contexts.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM GEODINÂMICA E GEOFÍSICAUFRNBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIASMagmatismo tipo-AGeoquímicaAnálise orientada por dadosAlgoritmo K-meansAprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileirosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALAprendizadomaquinanaosupervisionado_Oliveira_2022.pdfapplication/pdf6735012https://repositorio.ufrn.br/bitstream/123456789/52302/1/Aprendizadomaquinanaosupervisionado_Oliveira_2022.pdf21cbc986bc45fca831ffcf197881c614MD51123456789/523022023-05-09 21:12:33.091oai:https://repositorio.ufrn.br:123456789/52302Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2023-05-10T00:12:33Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros |
title |
Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros |
spellingShingle |
Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros Oliveira, Luiz Henrique Lira de CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS Magmatismo tipo-A Geoquímica Análise orientada por dados Algoritmo K-means |
title_short |
Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros |
title_full |
Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros |
title_fullStr |
Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros |
title_full_unstemmed |
Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros |
title_sort |
Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros |
author |
Oliveira, Luiz Henrique Lira de |
author_facet |
Oliveira, Luiz Henrique Lira de |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1288033921533688 |
dc.contributor.advisorID.pt_BR.fl_str_mv |
https://orcid.org/0000-0003-3399-6863 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6227637633613443 |
dc.contributor.referees1.none.fl_str_mv |
Nunes, Marcus Alexandre |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
https://orcid.org/0000-0002-9956-4644 |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/2698100541879707 |
dc.contributor.referees2.none.fl_str_mv |
Vlach, Silvio Roberto Farias |
dc.contributor.author.fl_str_mv |
Oliveira, Luiz Henrique Lira de |
dc.contributor.advisor1.fl_str_mv |
Vilalva, Frederico Castro Jobim |
contributor_str_mv |
Vilalva, Frederico Castro Jobim |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS Magmatismo tipo-A Geoquímica Análise orientada por dados Algoritmo K-means |
dc.subject.por.fl_str_mv |
Magmatismo tipo-A Geoquímica Análise orientada por dados Algoritmo K-means |
description |
Os granitos de tipo-A são caracterizados por sua tendência alcalina, altas concentrações de HFSE, valores elevados para as razões Ga/Al e HF/H2O, além de serem associados majoritariamente a ambientes extensionais pós-colisionais e anorogênicos. Ao longo dos últimos anos, no entanto, uma série de trabalhos têm demonstrado que essas rochas são muito mais complexas tanto em termos de sua geoquímica, como quanto aos ambientes tectônicos associados e processos petrogenéticos envolvidos. No Brasil, granitos de tipo-A são descritos tanto em áreas cratônicas arqueanas a paleo-mesoproterozoicas quanto em faixas móveis neoproterozoicas, com diversas ocorrências associadas a importantes depósitos minerais (Sn, In, W, dentre outros). Muitas dessas ocorrências são descritas e interpretadas em um contexto local ou regional, de forma que uma análise integrada e comparativa em escala mais ampla é ainda ausente na literatura. Neste contexto, esta dissertação apresenta os resultados de análise orientada por dados, ou “data driven discovery”, pela aplicação de técnicas da ciência de dados para manipulação, processamento e análise (comauxílio do aprendizado de máquina nãosupervisionado com o algoritmo K-means) de um extenso banco de dados geoquímicos em rocha-total (>1.900 amostras) de granitoides de tipo-A do Brasil em diversos contextos geotectônicos e de diversas idades. Os resultados mostram que o magmatismo de tipo-A no Brasil pode ser separado em três subgrupos denominados A1, A2 e A3, com características geoquímicas (e, em parte, petrográficas) distintas. Os dois primeiros mostram correspondência com os subtipos A1 e A2 já consagrados na literatura, enquanto o terceiro define um novo subgrupo, caracterizado por litotipos menos evoluídos. Esses subgrupos são individualizados em diversos diagramas binários e ternários propostos neste trabalho a partir de combinações de variáveis químicas (elementos maiores e traços) e de minerais normativos. O subgrupo A1 engloba rochas alcálicas a álcali-cálcicas, de caráter peralcalino a metaluminoso. Os granitos A2 são álcali-cálcicos a cálcio-alcalicos, peraluminosos a fracamente metaluminosos; enquanto o subgrupo A3 inclui rochas alcalicas, álcali-cálcicas, cálcio-alcálicas a cálcicas, metaluminosas a peralcalinas (em menor proporção). Embora não possuam preferências por um determinado contexto tectônico ou intervalo de ocorrência ao longo do tempo geológico, os subgrupos tipoA1, A2 e A3 podem ocorrer juntos em um mesmo corpo, com sete tipos de combinações possíveis, o que sugere que possam representar diferentes fácies relacionadas entre si por processos de diferenciação magmática. A associação dos subgrupos a um contexto geotectônico específico nem sempre é direta. Porém, em linhas gerais, os plutons formados exclusivamente de granitos tipo-A1 relacionam-se mais fortemente a ambientes anorogênicos a pós-orogênicos, enquanto os subgrupos A2 e A3 estão ligados a contextos sin- e pós-colisionais a tardi-colisionais. |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022-12-20 |
dc.date.accessioned.fl_str_mv |
2023-05-10T00:11:43Z |
dc.date.available.fl_str_mv |
2023-05-10T00:11:43Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
OLIVEIRA, Luiz Henrique Lira de. Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros. Orientador: Frederico Castro Jobim Vilalva. 2022. 109f. Dissertação (Mestrado em Geodinâmica e Geofísica) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/52302 |
identifier_str_mv |
OLIVEIRA, Luiz Henrique Lira de. Aprendizado de máquina não-supervisionado aplicado à classificação geoquímica de granitos tipo-A brasileiros. Orientador: Frederico Castro Jobim Vilalva. 2022. 109f. Dissertação (Mestrado em Geodinâmica e Geofísica) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
url |
https://repositorio.ufrn.br/handle/123456789/52302 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM GEODINÂMICA E GEOFÍSICA |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/52302/1/Aprendizadomaquinanaosupervisionado_Oliveira_2022.pdf |
bitstream.checksum.fl_str_mv |
21cbc986bc45fca831ffcf197881c614 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117802984734720 |