基于机器学习和回归算法的玻璃制品的成分分析与鉴别

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SiO_(2)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_(2)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SiO_(2)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SiO_(2)与K_(2)O、Al_(2)O_(3)、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。