一种官汝窑瓷釉或民汝窑瓷釉的计算分类判据方法与流程

1.本发明涉及古陶瓷真伪的鉴别，特别是一种官汝窑瓷釉或民汝窑瓷釉的计算分类判据方法。


背景技术：

2.在此处宋代是我国古陶瓷技术发展到高峰的一个时期。官汝窑是宋代五大名窑之一。由于其在历史上烧造的年代很短，其烧制技术南宋时即已失传。至今传世的官汝窑器件数很少，但品位很高。随着时代的发展，社会的进步，人们对于文物的收藏与鉴定的兴趣越来越高涨。然而随着一些文物的建设，一些仿制品层出不穷，而且仿制品越来越逼真，导致人们对文物真假难辨，造成人们极大的财产损伤。广大文物收藏爱好者对文物真假鉴别的需要越来越强烈，不少考古学者对其很感兴趣。考古学研究积累了大量的数据，其中隐藏了许多有用的信息。越来越多的研究者尝试利用考古学积累的海量数据，来进行文物真伪鉴别。1986年底在河南宝丰县发现传世汝窑器窑口以后，已有一些古陶瓷学者运用现代科技手段对官汝窑瓷的成分、结构等进行了研究。其中运用外束pixe技术对相对较多的官汝釉(胎)和民汝釉(胎)样本以及近代仿制品中含有的微量元素ni、cu、zn、ga、pb、rb、sr、 zr作了定量分析，并用多元分析技术寻找规律性。用微量元素分析和数据挖掘技术研究中国古陶瓷，对陶瓷考古，真伪古董鉴别，以及古代陶瓷技术研究都有价值。我国古代有些专供皇宫用瓷，制品精美的官窑由于改朝换代等原因已停烧多年，其原有技术早已失传。留下来的少数样品已成为珍贵的文物，因此古陶瓷真伪鉴别中研究经常遇到样本数偏少的问题。近些年发展比较快的数据挖掘算法——支持向量机算法特别适用于小样本问题，我们将这一新算法试用于古陶瓷数据处理。鉴于支持向量机算法处理小样本问题常较传统的数理统计算法更有效，有可能从微量元素数据中获取更多的信息。本专利尝试利用汝窑瓷釉中的微量元素数据，挖掘官汝窑瓷釉或民汝窑瓷釉的区分判别规律，为文物鉴定服务。本专利首先收集了汝窑瓷釉中的微量元素含量，如ni、cu、zn、ga、pb、rb、sr、 zr含量等基础数据，然后利用映射组合方程，对将这些基础数据转化为中间数据，再基于这些中间数据建立是官汝窑瓷釉或民汝窑瓷釉的区分判别模型，最后利用该模型预测其它新的汝窑瓷器是官汝窑瓷釉或者是民汝窑瓷釉。


技术实现要素：

3.本发明的目的是为了克服现有技术存在的缺陷，提供一种汝窑瓷釉中的微量元素数据映射组合后进行官汝窑瓷釉或民汝窑瓷釉的区分判别方法。其过程直接利用已有的汝窑瓷釉中微量元素的含量，再利用映射组合方程对微量元素含量数据进行转化，最后基于转化后数据利用化学计量算法建立官汝窑瓷釉或民汝窑瓷釉的区分判别模型，这个过程避免使用化学试剂和昂贵的检查仪器，节约了时间和成本，也避免污染环境。
4.本发明的目的可以通过如下的技术方案实现：一种官汝窑瓷釉或民汝窑瓷釉的计算分类判据方法，包括如下步骤：
1）从文献中收集多个汝窑瓷器样品的微量元素含量数据，这些瓷器样品包括部分官汝窑瓷釉和部分民汝窑瓷釉，这样得到构建模型用的基础数据；2）对收集到的汝窑瓷器样品的微量元素含量数据进行映射组合，得到中间数据；3）基于映射组合后的中间数据，利用化学计量学中的支持向量机分类算法建立官汝窑瓷釉或民汝窑瓷釉的区分判别模型；4）收集新的汝窑瓷器微量元素含量数据，并将这写数据代入映射组合方程计算出中间数据，再将中间数据代入是官汝窑瓷釉或民汝窑瓷釉的区分判别模型，预测出这些新的汝窑瓷器是官汝窑瓷釉或者是民汝窑瓷釉。
5.本发明与现有技术比，具有以下优点：1.本发明整个过程都可以通过计算机实现，节约时间，避免了实验，大大降低了成本。
6.2.本发明整个不涉及实验及化学品，不产生环境污染，符合绿色环保理念。
附图说明
7.图1为汝瓷碎片图像。
具体实施方式
8.以下结合具体的实施例子对本发明进行详细的说明，包括如下步骤：（1）从文献中收集24个汝窑瓷器样品的微量元素含量数据，这些瓷器样品包括部分官汝窑瓷釉和部分民汝窑瓷釉，微量元素包含：ni、cu、zn、ga、pb、rb、sr、zr共8种，这样得到构建模型用的24*8基础数据,。部分基础示例数据如表1所示。
9.表1.部分基础数据是否为官窑nicuzngarbsrzrpb是85272351602368017是989773214728812037是5185723412625210930是106354261151769439是21122923916227810235是134781301482797462是49353201442416827否1467920261353276031否45974334993096341否1366616281232476419（2）对这8个微量元素含量数据进行映射组合，得到24*5中间数据。映射组合方程如下：y1= 1.102e
‑
2[ni]
‑
5.028e
‑
3[cu]
‑
2.076e
‑
2[zn]
‑
1.281e
‑
2[ga]
‑
9.941e
‑
3[rb] 3.486e
‑
3[sr]
‑
1.667e
‑
3[zr]
‑
1.132e
‑
2[pb] 2.637y2= 6.409e
‑
3[ni] 8.916e
‑
3[cu]
‑
9.353e
‑
3[zn] 2.346e
‑
2[ga] 4.263e
‑
3[rb] 1.395e
‑
2[sr] 4.762e
‑
3[zr] 2.213e
‑
2[pb]
‑
6.680
y3= 2.134e
‑
3[ni]
‑
7.205e
‑
3[cu] 4.066e
‑
3[zn] 9.584e
‑
2[ga]
‑
5.695e
‑
3[rb] 9.342e
‑
3[sr]
‑
8.878e
‑
3[zr] 1.094e
‑
2[pb]
‑
4.113y4=
‑
1.131e
‑
2[ni]
‑
1.280e
‑
2[cu]
‑
8.967e
‑
3[zn] 1.631e
‑
2[ga]
‑
1.137e
‑
2[rb] 1.206e
‑
2[sr]
‑
2.878e
‑
3[zr] 1.271e
‑
2[pb]
‑
0.200y5=
‑
1.116e
‑
2[ni] 9.409e
‑
3[cu]
‑
2.092e
‑
2[zn] 7.211e
‑
2[ga]
‑
8.719e
‑
3[rb] 1.609e
‑
3[sr] 4.825e
‑
3[zr]
‑
5.785e
‑
3[pb]
‑
0.822部分中间数据如表2所示。
[0010]
表2. 部分中间数据y1y2y3y4y5‑
0.5723
‑
1.2863
‑
0.0539
‑
0.0171
‑
0.1318
‑
0.79530.236
‑
0.16180.31830.1585
‑
0.0534
‑
0.2357
‑
0.0678
‑
0.28080.0134
‑
0.1509
‑
1.6932
‑
1.2524
‑
0.1386
‑
0.0871
‑
1.36140.42560.3169
‑
0.52480.304
‑
0.84520.01580.56611.0722
‑
0.899
‑
0.1527
‑
0.9547
‑
1.5188
‑
0.1669
‑
0.35382.44781.49160.29530.0133
‑
0.79290.84140.80840.931.16010.84132.4301
‑
0.0176
‑
0.3029
‑
0.6312
‑
0.511（3）基于映射转化后的中间数据，利用支持向量机分类算计建立官汝窑瓷釉或民汝窑瓷釉的区分判别模型。支持向量机分类算法中选择径向基核函数，惩罚因子选取85。
[0011]
（4）收集3个新的汝窑瓷器及其8个微量元素含量的基础数据，并将这8个基础数据代入映照转化方程，计算得到5个中间参数，再将中间数据代入官汝窑瓷釉或民汝窑瓷釉的区分判别模型，预测出这3个新的汝窑瓷器是官汝窑瓷釉或者是民汝窑瓷釉。
[0012]
实施例1：基于24个汝窑瓷器微量原始含量基础数据映射组合后的中间数据建立官汝窑瓷釉或民汝窑瓷釉的区分判别模型，其建模准确率如表3所示。
[0013]
表3 建模准确率利用支持向量机分类算法对24个汝窑瓷器是官汝窑瓷釉或民汝窑瓷釉的区分判别模型，其模型整体准确率为100%。其中17个官汝窑瓷釉的建模准确率为100%，7个民汝窑瓷釉的建模准确率为100%。
[0014]
实施例2：基于24个汝窑瓷器微量原始含量基础数据映射组合后的中间数据建立官汝窑瓷釉或民汝窑瓷釉的区分判别模型，其模型留一法内部交叉验证准确率如表4所示。
[0015]
表4模型留一法内部交叉验证准确率
利用支持向量机分类算法对24个汝窑瓷器是官汝窑瓷釉或民汝窑瓷釉的区分判别模型，其模型留一法内部交叉验证整体准确率为91.67%。其中17个官汝窑瓷釉的留一法内部交叉验证准确率为94.11%，7个民汝窑瓷釉的留一法内部交叉验证准确率为85.71%。
[0016]
实施例3：收集3个新的汝窑瓷器，其基础数据、中间参数，是官汝窑瓷釉或民汝窑瓷釉的区分判别结果如表5所示。
[0017]
表5预报结果