我国具有悠久灿烂的历史文明，古陶瓷是硅酸盐质文物材料的重要组成部分，在研究人类文明史中占有重要地位。人们在对古陶瓷进行科技研究和鉴定的过程中，利用各种分析方法测出古陶瓷胎、釉的元素组成数据只是工作的第一步，而如何真正把隐藏在一大堆看似杂乱无章的数字中的信息集中、萃取、提炼出来，则是古陶瓷研究和鉴定中非常重要的一环[1,2]。由于古陶瓷产品种类繁多，其产区与制瓷技术和艺术的发展也不尽相同，我国古陶瓷的化学组成非常复杂，因此需要对数据变量进行筛选和组元确定等预处理，从数据分析结果图中最大限度地归纳提取我们所需要的信息是鉴定分析过程中一个非常重要的过程[2]。然而，古陶瓷样品数据有其自身的特性，除了古陶瓷自身的多样性以外，还受到古陶瓷元素组成分析技术和数据统计分布情况的影响，此外，不同的数据分析方法也都有其自身的特点和适用范围，所以如何针对古陶瓷样品数据的自身特点和具体的研究目的，有效选择和应用相应的数据分析方法有针对性地进行古陶瓷数据分析，成为古陶瓷科技研究者所关注的一个热点问题。本文针对古陶瓷断源断代、产地特征与演变规律的相应研究目的，由于龙泉窑是我国古代生产青瓷最具代表性的窑口之一，其青瓷产品已成为不同地区广大窑工争相效仿的对象，并以景德镇明清时期仿制最具代表性，且二者在外观上较为接近，传统鉴定方法比较难以区分。因此以景德镇仿龙泉青瓷与龙泉青瓷的胎、釉化学组成为研究对象，选择了多元统计判别分析方法、人工神经网络以及支持向量机算法等三种不同的数据分析方法对其进行数据处理分析，得出了样品瓷片在胎、釉化学组成上的归类特征，并建立了各类瓷片的判别式，且在一定程度上证实了不同数据分析方法的适用范围和特点，对多种不同的数据处理方法在古陶瓷断源断代中的应用提供了一定的参考。此外，本文将多元统计判别分析、人工神经网络和支持向量机算法进行对比分析，探讨了不同方法之间的差异性及适用性，便于学者根据数据的自身特点和条件，选择更具可靠性和准确性的方法来达到数据分析的目的，为提高不同数据分析方法在古陶瓷科技研究中的合理利用提供了一定的参考依据。