砕屑性ジルコンを用いた研究は粒子の起源岩石種推定が１つの障壁であり, 微量元素を用いた起源岩石種の推定が重要となる. 報告データは増加しているものの、大規模なデータセットを用いた推定手法の検討やその予測精度は定量的な評価は十分になされていない. 本研究はジルコン微量元素データの編纂と機械学習を用いた分類モデルの構築に取り組んだ. 編纂したデータをキンバライト・カーボナタイト・ネフェリン閃長岩と酸性岩・中性岩・塩基性岩の6つのカテゴリーに再分類し,データ前処理を施した. 先行研究で利用されたる決定木アルゴリズムのCARTに加えて, ランダムフォレスト(RF)やサポートベクターマシン(SVM)などの手法を適用した. アルカリ岩と非アルカリ岩の判別はどの手法においても90%以上の精度で達成できるのに対して, 非アルカリ岩中のSiO2量の違いはCARTでは判別できない結果となった. 一方, RFとSVMでは70%以上の精度を達成したことから微量元素を組み合わせた推定の可能性を示した.
