高钾玻璃风化前化学成分含量的预测方法、装置及设备

本技术涉及化学成分含量预测，特别是涉及一种高钾玻璃风化前化学成分含量的预测方法、装置及设备。

背景技术：

1、中国古玻璃历史悠久，在玻璃经丝绸之路由西亚和埃及传入中国之后，中国工人吸收其技术后在本土就地取材制作出了古代玻璃制品。高钾玻璃是一种特殊类型的玻璃，其主要特点是含有较高比例的钾离子，是古代玻璃制品的主要制作材料，古代高钾玻璃制品易受埋藏环境的影响而风化，致使其内部元素与环境元素进行大量交换，从而使得其化学成分比例发生变化，影响古代高钾玻璃制品的原始化学特性分析。

2、目前一般通过对古代高钾玻璃制品的风化点和未风化点的化学成分数据进行统计学分析，建立成分含量与风化程度之间的关系模型，然后，根据风化点的风化数据，使用该模型来预测风化前的化学成分含量。然而，目前风化点与未风化点一般是通过技术人员任务观测古代高钾玻璃制品的外观、结构来进行区分，分类结果的准确性依赖于技术人员的经验积累，且由于风化点与未风化点之间并没有明确的分界线，而是存在一个过渡区域，人为分类结果的主观性较强、分类精度较低，从而导致影响了风化前的化学成分含量的预测精度。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种高钾玻璃风化前化学成分含量的预测方法、装置及设备。

2、一种高钾玻璃风化前化学成分含量的预测方法，所述方法包括：

3、对古代高钾玻璃制品的化学成分特征进行采样，得到高钾玻璃数据集；其中，化学成分特征包括化学成分种类及化学成分含量；

4、对高钾玻璃数据集进行质量控制，得到高钾玻璃有效数据集，采用均值偏移算法对高钾玻璃有效数据集进行聚类，得到风化点数据和未风化点数据；

5、根据风化点数据和未风化点数据构建多维向量映射的状态变换方程，通过最小化状态变换方程的均方误差对状态变换方程进行优化，得到优化后的状态变换方程，将风化点数据输入优化后的状态变换方程进行预测，得到风化点数据对应的风化点风化前的化学成分含量。

6、在其中一个实施例中，古代高钾玻璃制品的化学成分种类包括二氧化硅、二氧化硫、五氧化二磷、氧化钡、氧化钙、氧化钾、氧化铝、氧化镁、氧化钠、氧化铅、氧化锶、氧化铁、氧化铜以及氧化锡。

7、在其中一个实施例中，对高钾玻璃数据集进行质量控制，得到高钾玻璃有效数据集，包括：

8、对高钾玻璃数据集中的化学成分缺失值进行补0处理，并计算高钾玻璃数据集中各采样点处不同化学成分所占的比例，将同一采样点处化学成分比例累加和位于85％至105％之间的采样点视为有效采样点，通过统计有效采样点处的化学成分特征，构建得到高钾玻璃有效数据集。

9、在其中一个实施例中，采用均值偏移算法对高钾玻璃有效数据集进行聚类，得到风化点数据和未风化点数据，包括：

10、随机选择高钾玻璃有效数据集中的一个有效样本点作为中心点，将中心点为圆心，构建设定半径的圆形空间，采用均值偏移算法计算圆形空间内的所有有效样本点的偏移均值；

11、将中心点移动至偏移均值所处的位置，将移动后的中心点作为圆心，重复构建设定半径的圆形空间，并采用均值偏移算法计算新的偏移均值，直至偏移均值的大小满足预设的阈值要求，并记录此时的中心点位置；

12、通过遍历高钾玻璃有效数据集中的所有有效样本点进行聚类，将有效样本点分类为风化点和未风化点，并获取对应的风化点数据和未风化点数据。

13、在其中一个实施例中，根据风化点数据和未风化点数据构建多维向量映射的状态变换方程，通过最小化状态变换方程的均方误差对状态变换方程进行优化，得到优化后的状态变换方程，包括：

14、根据风化点数据x＝(x1，x2，x3，...，xn)和未风化点数据y＝(y1，y2，y3，...，yn)构建多维向量映射的状态变换方程，表示为g(xi)＝wixi+bi＝yi；其中，xi表示风化点数据中的第i种化学成分含量，yi表示未风化点数据中的第i种化学成分含量，wi和bi分别表示状态变换方程的第一参数和第二参数，n＝14表示化学成分的种类总数；

15、通过最小化状态变换方程的均方误差对状态变换方程的第一参数和第二参数进行优化，得到优化后的状态变换方程。

16、在其中一个实施例中，通过最小化状态变换方程的均方误差对状态变换方程的第一参数和第二参数进行优化，得到优化后的状态变换方程，包括：

17、状态变换方程的均方误差表示为

18、

19、其中，表示未风化点数据中第j个未风化点处的第i种化学成分含量，表示风化点数据中第j个风化点处的第i种化学成分含量，m表示j的总数；

20、通过最小化对状态变换方程的第一参数wi和第二参数bi进行优化，得到第一优化参数和第二优化参数，根据第一优化参数和第二优化参数构建得到优化后的状态变换方程，其中，第一优化参数和第二优化参数分别表示为

21、

22、

23、其中，wi表示第一优化参数，bi表示第二优化参数，表示的均值。

24、一种高钾玻璃风化前化学成分含量的预测装置，所述装置包括：

25、数据采样模块，用于对古代高钾玻璃制品的化学成分特征进行采样，得到高钾玻璃数据集；其中，化学成分特征包括化学成分种类及化学成分含量；

26、数据聚类模块，用于对高钾玻璃数据集进行质量控制，得到高钾玻璃有效数据集，采用均值偏移算法对高钾玻璃有效数据集进行聚类，得到风化点数据和未风化点数据；

27、预测模块，用于根据风化点数据和未风化点数据构建多维向量映射的状态变换方程，通过最小化状态变换方程的均方误差对状态变换方程进行优化，得到优化后的状态变换方程，将风化点数据输入优化后的状态变换方程进行预测，得到风化点数据对应的风化点风化前的化学成分含量。

28、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

29、对古代高钾玻璃制品的化学成分特征进行采样，得到高钾玻璃数据集；其中，化学成分特征包括化学成分种类及化学成分含量；

30、对高钾玻璃数据集进行质量控制，得到高钾玻璃有效数据集，采用均值偏移算法对高钾玻璃有效数据集进行聚类，得到风化点数据和未风化点数据；

31、根据风化点数据和未风化点数据构建多维向量映射的状态变换方程，通过最小化状态变换方程的均方误差对状态变换方程进行优化，得到优化后的状态变换方程，将风化点数据输入优化后的状态变换方程进行预测，得到风化点数据对应的风化点风化前的化学成分含量。

32、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

33、对古代高钾玻璃制品的化学成分特征进行采样，得到高钾玻璃数据集；其中，化学成分特征包括化学成分种类及化学成分含量；

34、对高钾玻璃数据集进行质量控制，得到高钾玻璃有效数据集，采用均值偏移算法对高钾玻璃有效数据集进行聚类，得到风化点数据和未风化点数据；

35、根据风化点数据和未风化点数据构建多维向量映射的状态变换方程，通过最小化状态变换方程的均方误差对状态变换方程进行优化，得到优化后的状态变换方程，将风化点数据输入优化后的状态变换方程进行预测，得到风化点数据对应的风化点风化前的化学成分含量。

36、上述高钾玻璃风化前化学成分含量的预测方法、装置及设备，通过对古代高钾玻璃制品的化学成分特征进行采样，得到高钾玻璃数据集；对高钾玻璃数据集进行质量控制，得到高钾玻璃有效数据集，采用均值偏移算法对高钾玻璃有效数据集进行聚类，得到风化点数据和未风化点数据；根据风化点数据和未风化点数据构建多维向量映射的状态变换方程，通过最小化状态变换方程的均方误差对状态变换方程进行优化，得到优化后的状态变换方程，将风化点数据输入优化后的状态变换方程进行预测，得到风化点数据对应的风化点风化前的化学成分含量。采用本方法能够通过均值偏移算法对风化点和未风化点进行准确、客观聚类，并能够根据对应的风化点数据和未风化点数据构建多维向量映射的状态变换方程，实现对风化点风化前的化学成分含量的准确预测。