Der Gehalt an Quecksilbersulfid (HgS) im Zinnober ist ein zentrales Qualitätsbewertungskriterium. Angesichts der Probleme traditioneller Bestimmungsmethoden, die zeitaufwendig sind, die Probe zerstören und die Anforderungen an eine schnelle Qualitätskontrolle nicht erfüllen können, kombinierte diese Studie Röntgendiffraktometrie (XRD) mit multidimensionalen maschinellen Lernalgorithmen und entwickelte ein Prognosesystem basierend auf Partial Least Squares Regression (PLSR), Random Forest (RF), Partikelschwarmoptimierte Support Vector Regression (PSO-SVR), Langzeit-Kurzzeit-Speicher-Netzwerk (LSTM) und eindimensionalem Faltungsneuronalnetzwerk (1D-CNN). Es wurden systematisch verschiedene Methoden der spektralen Vorverarbeitung und Merkmalsauswahlalgorithmen untersucht und der SHAP-Additive-Erklärungsrahmen eingeführt, um die Entscheidungslogik der Modelle zu analysieren. Die Ergebnisse zeigen, dass die Standardnormalvariablen-Transformation (SNV) in Kombination mit konkurrierender adaptiver Neugewichtung beim Feature-Sampling (CARS) die beste Gesamtleistung für die PSO-SVR- und LSTM-Modelle erzielte. Die Bestimmtheitsmaße für Kalibrier- und Validierungssets des LSTM-Modells (R²C, R²V) betrugen jeweils 0,9926 und 0,8794, die mittleren quadratischen Fehler (RMSEC, RMSEV) 0,1205 und 0,4115, und die Restvorhersageabweichung (RPD) lag bei 2,8797; das PSO-SVR-Modell hatte ein R²V von 0,8650, RMSEV von 0,4354 und RPD von 2,7214. Die externe Validierung mit 10 unabhängigen Chargen zeigte, dass alle R² über 0,80 lagen, was die gute Generalisierungsfähigkeit und Robustheit der Modelle bestätigt. Die SHAP-Analyse zeigte ferner, dass die Beugungsintensitäten im Bereich 2θ=24°~35° und 50°~60° die zentralen Merkmale für die Modellentwicklung sind, wobei die vom Modell identifizierten Schlüsselbeugungswinkel (27,92°, 45,59°) signifikant positiv mit dem HgS-Gehalt korrelieren und die algorithmischen Entscheidungen mit den Beugungseigenschaften der HgS-Kristalle stark übereinstimmen. Die Kombination von XRD mit intelligenten Algorithmen ermöglicht eine zerstörungsfreie, schnelle und genaue Vorhersage des Quecksilbersulfidgehaltes im Zinnober und bietet eine methodische Unterstützung für die schnelle Qualitätsbewertung von Mineralarzneimitteln sowie für den Aufbau intelligenter Qualitätskontrollsysteme.

Röntgendiffraktion; Zinnober; Quecksilbersulfid; Langzeit-Kurzzeit-Speicher-Netzwerk (LSTM); Partikelschwarmoptimierte Support Vector Regression (PSO-SVR); Schnelle Messung