Содержание сульфида ртути (HgS) в киновари является ключевым показателем оценки качества. Учитывая, что традиционные методы определения требуют много времени, разрушают образец и не могут удовлетворить потребности в быстрой контроле качества, в данном исследовании были объединены рентгеновская дифракция (XRD) и многомерные алгоритмы машинного обучения для создания системы моделей прогнозирования на основе частичных наименьших квадратов регрессии (PLSR), случайного леса (RF), регрессии опорных векторов с оптимизацией роя частиц (PSO-SVR), сети с длительной краткосрочной памятью (LSTM) и одномерной сверточной нейронной сети (1D-CNN). Проведен систематический анализ различных методов предварительной обработки спектров и алгоритмов отбора признаков, а также введена структура объяснения по Шэпли (SHAP) для анализа логики принятия решений модели. Результаты показали, что стандартная нормальная вариация (SNV) в сочетании с конкурентным адаптивным повторным взвешиванием выборок (CARS) для отбора признаков обеспечили наилучшие комплексные показатели моделей PSO-SVR и LSTM. Коэффициенты детерминации для обучающей и проверочной выборок модели LSTM (R²C, R²V) составили 0.9926 и 0.8794 соответственно, среднеквадратические ошибки (RMSEC, RMSEV) — 0.1205 и 0.4115, остаточное отношение предсказания (RPD) — 2.8797; для модели PSO-SVR R²V был 0.8650, RMSEV — 0.4354, RPD — 2.7214. Внешняя проверка 10 независимых партий образцов показала, что R² превышают 0.80, что подтверждает хорошую обобщаемость и устойчивость моделей. Анализ SHAP дополнительно выявил, что интенсивности дифракции в диапазонах 2θ = 24°~35° и 50°~60° являются ключевыми признаками для принятия решений модели, при этом ключевые дифракционные углы, такие как 27.92° и 45.59°, выявляемые моделью, имеют значительную положительную корреляцию с содержанием HgS, алгоритмические решения тесно совпадают с дифракционными характеристиками кристаллов HgS. Совмещение XRD с интеллектуальными алгоритмами позволяет осуществлять безразрушающее, быстрое и точное прогнозирование содержания сульфида ртути в киновари, что обеспечивает методологическую поддержку для быстрой оценки качества минеральных лекарственных средств и построения интеллектуальных систем контроля качества.

Рентгеновская дифракция;Киноварь;Сульфид ртути;Сеть с длительной краткосрочной памятью (LSTM);Регрессия опорных векторов с оптимизацией роя частиц (PSO-SVR);Быстрое определение