古代玻璃制品成分分析和鉴定的研究

古代玻璃种类繁多且易受环境影响而风化，因此需要对古代玻璃制品的化学成分数据分析，研究有无风化玻璃制品成分的变化规律，以并探索亚分类方法，进而可以根据未知分类的文物化学成分对文物进行准确的分类。本文通过使用K-means算法和BP神经网络结合的方式对玻璃制品进行亚分类划分，之后根据亚分类种类进行风化前后成分的预测；通过RUSBoost机械学习算法，70%的数据作为训练集，15%的数据作为测试集，其余部分作为预测集，来进行玻璃制品的种类鉴定。这些模型相互之间配合紧密，所得结果依次递进，使最终求解真实可靠。模型充分联系实际，具有很好的通用性和推广性。

丝绸之路是古代中西方文化交流的通道，其中玻璃是早期贸易往来的宝贵物证。古代玻璃种类繁多且易受环境影响而风化，因此需要对古代玻璃制品的化学成分数据分析，研究有无风化玻璃制品成分的变化规律，以及高钾、铅钡两种玻璃类型的化学成分统计规律，并探索亚分类方法，进而可以根据未知分类的文物化学成分对文物进行准确的分类。

由于玻璃文物表面风化与其类型、纹饰和颜色具有一定关系。首先确定各因素对表面风化的影响程度。之后采用定量分析，根据化学成分将玻璃文物进行分类，并根据不同玻璃类型进行风化前后的成分分析。关于对玻璃文物风化前的成分预测，本论文采用先分类后预测的方法，提高预测准确性。通过RUBoost 机械学习算法根据玻璃文物的化学成分推断玻璃文物的类别。

2. 基于K-Means 算法和BP 神经网络的亚分类方法 2.1. 实验数据及处理 本文研究所用的实验数据包括三个：表1：58 个文物的纹饰、类型、颜色和表面风化情况的信息；表2：58 个文物不同部位的化学成分；表3：8 个已知化学成分和风化情况，但未知玻璃类型的文物。

将表单2 中的化学成分百分比之和大于100%和小于85%的数据去除，将空白项进行填零处理。

表单1 部分数据： Table 1. Form 1 partial data 表1. 表单1 部分数据 文物编号 纹饰 类型 颜色 表面风化 01 C 高钾 蓝绿 无风化 02 A 铅钡 浅蓝 风化 03 A 高钾 蓝绿 无风化 04 A 高钾 蓝绿 无风化 05 A 高钾 蓝绿 无风化 06 A 高钾 蓝绿 无风化