陶瓷因其极高的实用性和艺术性而备受世人的推崇。在陶瓷技艺日益发展的今天,人们对陶瓷制品工艺要求越来越高;在陶瓷制品竞争激烈的市场,其质量是我们占据行业领先地位的关键。陶瓷原料的质量决定了陶瓷制品的质量,所以选择合适的陶瓷原料是生产高质量陶瓷制品的基础。首先,陶瓷原料的组成、结构和性能往往由于地质条件等因素而不同。其次,标准化原料供应不稳定使得陶瓷原料的选择和原料替代品寻找变得困难。因此,对陶瓷原料进行科学分类和准确鉴定显得尤为重要。笔者通过分析陶瓷工业的发展现状,把较为前沿的数据挖掘技术应用到陶瓷原料的分类分析中[1],为精准而又快速的识别陶瓷原料和替代原料提供参考。本文以陶瓷原料的化学成分和烧失量作为判别因子来分析模型,将陶瓷原料分为四类,分别为Ⅰ类,Ⅱ类,Ⅲ类,Ⅳ类,并作为判别分析建立模型的4个总体[2](选取《陶瓷工艺学》中我国陶瓷工业常用的主要粘土化学组成作为实验原始数据)。然后利用径向基神经网络、随机森林、BP神经网络、支持向量机、极限学习机以及核极限学习机分别建立陶瓷原料的判别分析模型。通过比较相同数据的预测判别结果,选取又快捷又准确预测的方法,用于陶瓷原料的分类分析中,为陶瓷原料分类提供可靠的依据。研究结果表明,核极限学习机算法分类效果最佳,适宜在生产实际中推广应用。