Содержание сульфида ртути (HgS) в киновари является ключевым показателем оценки качества. В связи с проблемами традиционных методов, которые требуют много времени, разрушают образец и не удовлетворяют требованиям быстрой контроля качества, в данном исследовании был использован метод рентгеновской дифракции (XRD) в сочетании с многомерными алгоритмами машинного обучения. Создана система моделей прогнозирования с использованием частично наименьших квадратов регрессии (PLSR), случайного леса (RF), оптимизации роя частиц для поддержки векторной регрессии (PSO-SVR), сети с длительной краткосрочной памятью (LSTM) и одномерной сверточной нейронной сети (1D-CNN). Проведено систематическое исследование различных методов предобработки спектров и алгоритмов отбора признаков с введением фреймворка объяснимого искусственного интеллекта SHAP для анализа логики принятия решений моделей. Результаты показали, что после предобработки методом стандартного нормального варианта (SNV) и отбора признаков с помощью конкурентной адаптивной повторной выборки (CARS), наилучшие комплексные показатели проявили модели PSO-SVR и LSTM. Коэффициенты детерминации для обучающей и валидационной выборок модели LSTM (R²C и R²V) составили 0.9926 и 0.8794 соответственно, среднеквадратичные ошибки (RMSEC и RMSEV) — 0.1205 и 0.4115, остаточное отклонение предсказания (RPD) достигло 2.8797; у модели PSO-SVR R²V было 0.8650, RMSEV — 0.4354, RPD — 2.7214. Для 10 независимых вневыборочных проб R² превысил 0.80, что подтверждает хорошую обобщающую способность и устойчивость модели. Анализ SHAP дополнительно показал, что интенсивности дифракции в диапазонах 2θ = 24°~35° и 50°~60° являются ключевыми признаками для принятия решений моделей. Ключевые дифракционные углы, идентифицированные моделью, такие как 27.92° и 45.59°, положительно коррелируют с содержанием HgS, алгоритмы принимают решения, совпадающие с характеристиками кристаллической дифракции HgS. Совмещение XRD с интеллектуальными алгоритмами позволяет реализовать недеструктивное, быстрое и точное прогнозирование содержания сульфида ртути в киновари, предоставляя методологическую поддержку для скоростной оценки качества минеральных препаратов и построения интеллектуальной системы контроля качества.

Рентгеновская дифракция; Киноварь; Сульфид ртути; Сеть с длительной краткосрочной памятью (LSTM); Оптимизация роя частиц для поддержки векторной регрессии (PSO-SVR); Быстрое обнаружение