基于机器学习和回归算法的玻璃制品的成分分析与鉴别.pdfVIP

山东化工

·150·SHANDONGCHEMICALINDUSTRY2024年第53卷

基于机器学习和回归算法的玻璃制品的成分分析与鉴别

吴昊天，肖振东，王丽莎2*，闫文宇3

（1.青岛理工大学信息与控制工程学院，山东青岛266520;2.青岛理工大学理学院，

山东青岛266520;3.青岛理工大学管理工程学院，山东青岛266520)

摘要：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SiO，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、Al,0;、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。

关键词：卡方检验；独立性T检验;K-Means聚类分析；决策树;随机森林

中图分类号：TQ171.1文献标志码：A文章编号：1008-021X(2024)02-0150-04

1问题分析钡玻璃文物。根据SiO，含量的变化,分析模型的稳定性。

2门

1.1问题一的分析问题一的模型建立与求解

通过相关性分析和卡方检验，发现表面风化玻璃与类型相2.1表面风化与其玻璃类型的关系

关，与纹饰和颜色无关。利用独立性T检验，对两种类别的文2.1.1相关性检验模型的建立

物进行分析,确定化学成分含量规律。用XG-Boost预测各化首先建立相关性检验模型,若P0.05,则表明表面风化与

学成分的风化前含量。玻璃类型呈现显著性,说明二者之间存在相关性。根据上表结

1.2问题二的分析果显示：显著性P

应用K-Means聚类分析预测高钾和铅钡玻璃的分类规律。以表面风化和玻璃类型存在相关性。

高钾玻璃含高钾和硅，铅钡玻璃含低钾和高铅高钡。结合因子2.1.2卡方检验模型的建立

分析和相关文献，选出主要化学成分，并测试模型对Al,O，和根据卡方检验[3]分析,将表面风化作为变量X,玻璃类型

CaO变化的敏感性。根据PbO和SiO，含量将铅钡玻璃分为高作为变量Y检验结果如下表1。

铅和低铅两类,并验证模型对PbO和SiO，变化的敏感性。

1.3问题三的分析

通过决策树和随机森林算法建立回归模型，预测高钾和铅

表1卡方模型检验的结果

表面风化

名称总计X2校正X2P

无风化风化

高钾12618

类型6.8805.4520.009**

铅锁122840

合计243458