基于机器学习和回归算法的玻璃制品的成分分析与鉴别

• 全文链接
• 请求原文

作   者：

吴昊天;  肖振东;  王丽莎;  闫文宇; 

作者机构：

青岛理工大学信息与控制工程学院;  青岛理工大学理学院;  青岛理工大学管理工程学院; 

关键词：

随机森林;  卡方检验;  K-Means聚类分析;  独立性T检验;  决策树; 

期刊名称：

山东化工

i s s n：

1008-021X

年卷期：

2024 年 002 期

页   码：

150-153

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。