首页|基于机器学习和回归算法的玻璃制品的成分分析与鉴别

基于机器学习和回归算法的玻璃制品的成分分析与鉴别

扫码查看
原文链接
  • 万方数据
  • 维普
通过相关性分析和卡方检验，挖掘表面风化玻璃与其类型、纹饰和颜色的相关性。我们使用独立性T检验对两种类别的文物进行分析，以确定其化学成分含量的规律。随后，我们应用K-Means聚类分析来预测高钾和铅钡玻璃的分类规律。结合因子分析并结合相关文献，我们选择了主要的化学成分。根据PbO和SiO2的含量，我们将铅钡玻璃分为高铅和低铅两类，并验证了模型对PbO和SiO2变化的敏感性。我们通过决策树和随机森林算法建立了回归模型，用于预测高钾和铅钡玻璃文物。我们还根据SiO2含量的变化分析了模型的稳定性。最后，通过相关性分析，我们发现高钾玻璃中SiO2与K2O、Al2O3、CaO的关联性最高。我们同样使用相同的方法分析了铅钡玻璃。研究的目标是分析鉴别不同类型和风化程度的古代玻璃成分，并建立多种模型来评估其优劣，最终得出最优解。

吴昊天、肖振东、王丽莎、闫文宇

展开 >

青岛理工大学信息与控制工程学院,山东青岛 266520

青岛理工大学理学院,山东青岛 266520

青岛理工大学管理工程学院,山东青岛 266520

卡方检验 独立性T检验 K-Means聚类分析 决策树 随机森林

山东省自然科学基金青年基金

ZR2020QA008

2024

山东化工
山东省化工研究院 山东省化工信息中心

山东化工

影响因子：0.249
ISSN：1008-021X
年,卷(期)：2024.53(2)
  • 2