古玻璃风化表面预测内部化学成分方法研究

肖叙昕，张佳怡，谢欣欣，鲁  萍

(西安建筑科技大学理学院，西安 710399)

摘要：古代玻璃在埋藏过程中的风化会导致其化学成分比例发生变化。针对古玻璃风化表面化学成分还原为内部化学成分数据 方法进行研究，构建基于统计学和机器学习方法相结合的风化数据还原模型，依据表面化学成分对样本进行风化程度定义，设计无 监督特征选择集成决策方法进行重要特征选取，对重要特征使用K-means  模型划分风化程度类别，针对风化程度类别的统计特征 及成分相关性特点建立回归、映射等风化还原模型，使用该模型还原的内部化学成分满足有效性要求，结果合理性检验使用预测误 差和类别还原准确率两个指标，化学成分预测平均准确率约为67.3%,类别还原准确率约为90%。

关键词：无监督学习；特征选择；机器学习；K-means模型；科技考古；风化还原

基金项目：国家重点研发计划重点专项(2019YFC1520200);陕 西省大学生创新创业训练计划项目(S202310703)