Prediction of Chemical Composition of Ancient Glass Relics before Weathering

Ancient glass relics are easily weathered by the influence of buried environment, and the internal elements exchange with the environmental elements in large quantities, resulting in changes in their composition ratio. Archaeological research can often detect the component content of glass relics after weathering, but it is difficult to obtain the corresponding component content before weathering. It is necessary to predict the chemical composition of glass relics before weathering in order to accurately identify the type of glass relics and repair them. To solve this problem, this paper proposes a distributed matching strategy, and studies the influence of weathering on the composition content of glass through compositional correlation analysis and linear regression statistical methods, so as to build a prediction model of the composition content of glass relics before weathering. The results show that the composition prediction model of glass cultural relics constructed by the distribution matching strategy has a good prediction ability, which is consistent with the change trend of the composition ratio of linear regression analysis. Moreover, the model is simple and easy to operate, which is convenient for popularization and application, and provides theoretical basis and reference value for further research on the composition and accurate classification of glass cultural relics.

古代玻璃文物鉴别和分类问题的统计分析

古代玻璃文物由于存放时间过长,其化学成分必然发生变化,甚至导致原貌无法辨认,因此运用科学的统计方法进行分析和鉴别具有重要的意义。以54件玻璃文物为研究对象,选取其化学成分含量、纹饰和颜色等指标,运用卡方独立性检验来探讨影响玻璃文物表面风化的因素,发现文物的表面风化与其玻璃类型的相关性较强,而与纹饰、颜色的相关性弱。为精确判断文物类别,提出了一种基于学习向量量化(LVQ)网络的玻璃文物鉴别方法,利用系统聚类法对两类玻璃进行亚分类,将高钾玻璃分为高硅类高钾玻璃、高钾类高钾玻璃及高钙类高钾玻璃,将铅钡玻璃分为高硅类铅钡玻璃和高铅类铅钡玻璃。

玻璃文物成分分析与鉴别的数学模型

针对2022年全国大学生数学建模竞赛C题“玻璃文物的成分分析与鉴别问题”中的4个问题分别进行建模分析,根据玻璃文物的化学成分含量、纹饰及颜色等数据,基于单因素方差分析,探究玻璃文物的表面风化与玻璃类型、纹饰及颜色的关系,建立ARIMA模型,预测风化前玻璃文物的化学成分含量;通过主成分分析提取玻璃文物的分类特征,结合聚类算法进行亚类划分;通过基于欧氏距离的聚类算法鉴别未知玻璃文物的类别,分析玻璃文物分类结果的敏感性;通过K-Means++聚类算法分析不同类别玻璃文物的关联关系,对不同类别玻璃文物关联关系的差异性进行判断,给出结论。

基于BiLSTM-CRF的玻璃文物知识点抽取研究

在玻璃文物领域中,有大量的文物数据没有被充分研究并利用.提出基于字向量的BiLSTM-CRF模型与玻璃文物特征字典相结合的命名实体识别方法,首先基于玻璃文物特征字典BIO标注文本并构建玻璃文物语料库,接着使用BiLSTM训练语料库并输出结果,最后CRF层结合训练结果对实体进行筛选并分类,抽取出正确的实体.实验表明,该方法在玻璃文物语料库中准确率达到91.56%,召回率达到88.25%,综合评价指标达到89.87%.

BP神经网络在玻璃文物分类及亚类中的应用

针对玻璃文物分类及其亚类划分的问题,采用BP神经网络模型,通过MATLAB导入玻璃文物实际数据集对模型进行训练和学习,结合玻璃文物各化学成分的特征对BP神经网络的权值进行调整,得出玻璃文物的分类结果及其亚类划分,其结果与实际结果进行对比,验证出BP神经网络在玻璃文物分类领域中具有较强的实际应用价值。以氧化铝与氧化钡为不确定因素对亚类划分结果进行敏感性分析,计算得出敏感性指标。

复原西汉玻璃编磬的三维量测分析研究

在“泛在印刷”概念下,从三维建模到产品制造阶段,三维量测技术起到了过程检测和最终产品形制监督的作用,从而保障了信息传播的准确性,以达到印刷“一到多复制”的属性要求。本研究以复原西汉玻璃编磬为案例,利用三维量测技术比较其三维建模和生产成品之间的形制偏差。该研究可为同类文物复原产品的形制检测提供参考;帮助生产企业快速监测到产品的形制问题并及时改善;同时也展示了三维量测技术在“泛在印刷”应用中保证复制产品信息准确传播的重要作用。

基于CLR的玻璃文物成分分析与分类模型

对具有成分数据特征的古代玻璃成分数据集进行风化前成分含量预测以及类别划分.首先,对成分数据进行中心对数比变换预处理,从“成分相对重要性”的角度提取了成分数据的信息,并通过对变换后的玻璃文物化学成分数据分析:一方面,实现了对已风化的铅钡和高钾两类玻璃风化前化学成分的预测,即成分还原;另一方面,在铅钡和高钾两大类的基础上,拣选出可用于对玻璃文物进一步分出亚类的化学成分,构建了稳健的玻璃亚类分类模型.该模型可以实现在风化导致玻璃文物偏移其原始化学成分的情况下,对玻璃的亚类有大致正确的判断,即对风化文物原始成分的预测偏差不会显著影响分类结果.

饱水平整漆膜保护方法在风篷岭汉墓出土漆器中的应用

漆器是研究古文化的实物资料,多有精美纹饰和铭文,但考古发掘出土的漆器多有饱水、糟朽和变形等病害,甚至胎体完全腐蚀,仅剩漆膜,且无法复原。在研究前人对漆膜保护的基础上,提出一种平整漆膜的保护方法,整形脱水后以棉纸为背衬、虫胶漆为粘接剂粘接漆膜,再用镶嵌磁铁的有机玻璃板夹住固定。成功保护了长沙风篷岭汉墓出土的60余件漆膜,为今后研究漆膜的保护修复方法提供参考作用。

基于机器学习分类算法的玻璃文物鉴定

近年来,玻璃文物受到的关注度越来越高。为了鉴定玻璃文物的类型、分析玻璃文物中的主要化学成分,该文基于高钾、铅钡玻璃的14种化学成分和表面风化情况,构建基于支持向量机(SVM)、人工神经网络(ANN)和Logistic回归(LR)的玻璃文物鉴定算法,对63种玻璃文物进行分类鉴定。结果显示:算法的预测精度均高于95%,可以将其应用到玻璃文物的实际鉴定中。

基于决策树的玻璃制品成分分析与鉴别

针对玻璃制品表面风化与各属性的相关性,对其进行化学成分含量预测与分类研究。以决策树、均值法为模型,根据数据计算纹饰、类型、颜色、表面是否风化的斯皮尔曼相关系数,得出类型与表面风化、纹饰、颜色之间有较弱相关性。利用卡方检验探究变量之间的差异性建立决策树模型,得出高钾玻璃、铅钡玻璃的分类规律,以分析决策树子节点。此决策树模型分类具有合理性,可使文物研究更加科学有效,促进玻璃制品的生产制造。

基于多层感知机网络的古代玻璃制品类别预测

中国古代玻璃制品在风化过程中,其化学成分会受埋藏环境的影响而发生变化.文中建立了多层感知机网络模型,并运用已知类型的玻璃成分数据进行模型训练,进而根据未知类型的玻璃成分数据实现玻璃类型的预测.实验结果表明,验证准确率可达到100%.对预测结果和已知类型的玻璃成分数据进行对比分析,发现预测结果的合理性较高.通过调整多层感知机神经网络模型中间隐藏层节点的个数可调整模型的灵敏度,由模型在训练过程中损失函数和准确率的变化可知,要想达到100%的验证准确率,模型隐藏层的节点数不能太少,当节点数控制在8到15个小时,模型预测的准确率较高.

基于机器学习的古代玻璃制品的成分分析与鉴别

为解决古代玻璃制品成分分析与鉴定准确性较低的问题,通过引入机器学习依据相关数据进行数学建模。首先,通过建立卡方检验模型根据玻璃种类、纹饰、颜色等属性进行分类求解,进而得出不同类型玻璃风化部分化学成分的含量;其次,通过建立决策树模型找出两种玻璃易受风化影响的化学成分并进行分类,并通过比对原来的数据分析其合理性;最后,建立随机森林模型生成混淆矩阵热力图和特征重要性图对未知玻璃文物进行预测。结果表明,设计的方法对古代玻璃制品分析与鉴定的结果较为精准。

玻璃文物化学成分的相关性关系探究

本文的研究是基于2022年中国大学生数学建模竞赛的C题。针对该问题,按照高钾风化、高钾未风化、铅钡风化、铅钡未风化分为4组,采用Spearman相关性分析方法分析化学成分的相关性,作出热力图,并据此选取合适化学成分变量,建立岭回归模型来对各成分的相关规律做定量描述,分析并比较不同类别之间的化学成分关联关系的差异性,发现风化前,高钾玻璃化学成分的多元相关性弱于铅钡玻璃;且不论高钾/铅钡,风化后化学成分之间相关的多元性都有所降低。

映澈之相:中古中国的透明性与转变

一般来讲,在现代社会当中所谓透明的事物如工业建筑空间和社会制度,代表了一种对于未来的积极想象。然而在中古世界,无论是西方还是中国,富有透明度的玻璃和水晶,往往十分珍贵稀少,并被赋予了神秘的色彩,为贵族、诗人和哲学家所青睐。这是因为每当人们观看此类物品时,都会拥有不同的视觉经验。对于我国外来玻璃器皿和水晶制品的考古学和物质文化学研究已经非常丰富,基于前辈学者的研究,本文将探讨中国中古时期外来玻璃及水晶制品对于本土视觉文化的影响。笔者将从隋唐佛教舍利瘗埋制度、唐代文学、朝贡系统、宫廷造办等多方面视角,研究透明性视觉经验在中国中古社会文化中起到的重要作用及其对于后世绘画与再现空间的影响。

清代太平有象宫灯彩画玻璃研究

故宫博物院藏掐丝珐琅太平有象宫灯为清代宫廷用具,在对其修复过程中,需将脱落的彩画玻璃进行回装。结合现代科学仪器检测的玻璃基质和彩画颜料成分,尝试对两件太平有象宫灯的彩画玻璃进行分组归类,辨析原有装嵌组合的潜在问题,找寻一套更为合理的回装方案。彩画玻璃易损坏,太平有象灯这类装嵌彩画玻璃的宫廷用具,在使用中常会有替换并循环利用的情况,但清宫造办处档案中对此过程并未有具体详实记载,因此易导致对其艺术理解、价值认知的错误;从而使修复产生混乱。本文采用美术学理论和仪器分析相结合的论证方法,试图探析彩画玻璃的工艺发展样貌,为后续同类文物复原研究提供借鉴。