中国的文物按其材料性能可分为硅酸盐质文物、金属质文物和有机质文物三大类,古陶瓷是硅酸盐质文物材料的重要组成部分。中国的古陶瓷烧制有一万年左右的历史,要从本质上了解它们,就必须从陶瓷材料的化学组成、结构和性能等方面入手,提取与产地和年代有关的信息并将其作为断源断代的依据。因此胎、釉化学组成的测量和分析是科学工作者研究古陶瓷的重要途径,它包括两方面内容:(1)准确、可信的测量数据的获得;(2)测量数据的科学分析。能量色散X荧光光谱分析法(EDXRF)是一种很好的能定性和精确定量的无损元素分析测试技术。它不破坏分析样品,能快速进行钠(Z11)至铀(Z92)的多元素的同时分析,而且分析的浓度范围宽广、精度高,因此特别适合于进行文物材料的成分分析研究,尤其适合测试极其珍贵的古陶瓷完整文物样品分析与鉴定。本研究运用EDXRF元素分析方法对92件南宋时期的官窑、越窑和龙泉窑以及杭州皇城遗址出土瓷片的胎、釉化学组成进行了测试,并用四种多元统计分析方法分析了其中78件瓷片的常量元素化学组成数据,得出了它们的分类信息并建立了各自的判别式,为它们的断源断代提供了科学的依据。同时用自组织特征映射神经网络方法(self-organizing map,SOM)对48个来自3个不同产地的出土于4个古代青瓷窑址的瓷片胎的常量量元素化学组成数据进行了聚类分析,结果表明SOM能正确地区分出瓷片的3个产地:龙泉、慈溪和杭州。由于两官窑的瓷片在主、次量元素化学组成上比较接近,使得它们的分类正确率仅为76.92%,于是作者对两官窑瓷片胎的微量元素化学组成数据用同样方法又进行了一次聚类分析。结果发现分类正确率提高到了84.61%,说明两官窑的瓷片在微量元素上的差别比在常量元素上的差别要大,这与实际情况是一致的,表明SOM神经网络方法适合用于古陶瓷的聚类分析研究中。接着又将LS-SVM算法用于杭州南宋官窑2窑址出土的38件瓷片的分类研究中,根据瓷片胎和釉的常量和痕量元素组成对它们进行了分类,用留一法检验其分类效果,并与支持向量机(support vector machine,SVM)算法和SOM算法进行了比较。结果表明:SVM算法和LS-SVM算法比SOM算法更适合于处理“小样本”问题;一般情况下,SVM的分类效果比LS-SVM的分类效果好,而LS-SVM具有更快的求解速度;两官窑瓷片釉的化学组成区别比胎的化学组成区别更大,痕量元素化学组成的区别比常量和微量元素化学组成的区别更大。