抽象激光诱导的分解光谱（LIBS）技术用于通过不同的经典机器学习方法对铝样品进行定量分析。Q-Switch nd：基本谐波的YAG激光器1064 nm的YAG激光用于创建LIBS等离子体来预测铝标准合金的成分浓度。在当前的研究中，浓度预测是通过支持向量回归（SVR）的线性方法，多线性回归（MLR），与MLR（称为PCA-MLR）和SVR（称为PCA-SVR）以及非线性载体式Neyurnewer Neturals（Ant kern and kern and kern and kern and kern and kern and kern）（称为PCA-MLR）和SVR（称为PCA-MLR）和SVR（称为PCA-MLR）（称为PCA-MLR）（称为PCA-MLR）（PCA）（PCA）（kern）（称为PCA-MLR）（Ann），KERNER（KERN），KERNER（KERN），KERNER，传统主要组件分析与KSVR（称为PCA – KSVR）和ANN（称为PCA-ANN）的集成。此外，通过PCA算法的各种方法应用了降低，以改善定量分析。结果表明，PCA与KSVR算法模型的组合在预测其他古典机器学习算法之间的大部分元素方面具有最佳效率。关键字：LIBS，经典的机器学习算法，主要组件分析，浓度预测，定量分析。