يُعتبر محتوى كبريتيد الزئبق (HgS) في الكينابار المؤشر الأساسي لتقييم الجودة. نظرًا لأن الطرق التقليدية للتحليل تستغرق وقتًا طويلاً، وتدمر العينة، ولا تلبي متطلبات مراقبة الجودة السريعة، جمعت هذه الدراسة بين حيود الأشعة السينية (XRD) وخوارزميات التعلم الآلي متعددة الأبعاد، وأنشأت نظام نماذج تنبؤية قائم على الانحدار بالحد الأدنى للمربعات الجزئية (PLSR)، والغابة العشوائية (RF)، والانحدار بدعم ناقلات بتحسين سرب الجسيمات (PSO-SVR)، وشبكة الذاكرة طويلة وقصيرة الأمد (LSTM)، وشبكة الالتفاف أحادية البعد (1D-CNN). تم دراسة العديد من طرق المعالجة المسبقة للطيف وخوارزميات اختيار الخصائص، وتم إدخال إطار شرح التضافر الشابلي (SHAP) لتفسير منطق اتخاذ القرار للنموذج. أظهرت النتائج أن المعالجة المسبقة بتحويل المتغيرات الطبيعية المعيارية (SNV) مع اختيار الخصائص بإعادة الوزن التكيفية التنافسية (CARS)، قد أعطت أفضل أداء مركب لنماذج PSO-SVR وLSTM. كان معامل التحديد لمجموعة المعايرة والتحقق لنموذج LSTM (R²C، R²V) على التوالي 0.9926 و0.8794، وكانت جذور متوسط مربع الخطأ (RMSEC، RMSEV) 0.1205 و0.4115، وبلغت نسبة انحراف التنبؤ المتبقي (RPD) 2.8797؛ أما نموذج PSO-SVR فكان R²V 0.8650، وRMSEV 0.4354، وRPD 2.7214. أظهرت التحقق الخارجي من 10 دفعات عينات مستقلة أن R² كانت أكبر من 0.80، مما يؤكد أن النماذج تتمتع بقدرة تعميم وثبات جيدين. أظهر تحليل SHAP أن كثافة الحيود في النطاق 2θ=24°~35° و50°~60° هي الخصائص الأساسية لقرار النموذج، حيث أن زوايا الحيود الرئيسية مثل 27.92° و45.59° التي تعرفها النماذج مرتبطة إيجابيًا بمحتوى HgS، وتتوافق قرارات الخوارزمية مع خصائص حيود بلورة HgS بشكل كبير. يمكن لتقنية XRD مع الخوارزميات الذكية تحقيق التنبؤ غير المدمر، السريع والدقيق لمحتوى كبريتيد الزئبق في الكينابار، مما يوفر دعمًا منهجيًا لتقييم جودة الأدوية المعدنية السريع وبناء نظام مراقبة جودة ذكي.

حيود الأشعة السينية;كينابار;كبريتيد الزئبق;شبكة الذاكرة طويلة وقصيرة الأمد (LSTM);الانحدار بدعم ناقلات بتحسين سرب الجسيمات (PSO-SVR);الكشف السريع