本文聚焦偏高岭土对核电水泥（PH）物理性能的影响，运用决策树与随机森林两种机器学习模型进行预测分析 及影响因素权重评估。机器学习分析显示，随机森林模型在流动度及标准稠度的预测精度与趋势捕捉能力上均优于决策树模 型。权重评估表明，决策树模型认为 Al2O3 主导标准稠度、SiO2 主导流动度，而随机森林模型则识别出 Fe2O3、SiO2 等多种 成分的协同影响。本研究为核电水泥掺合料的优化选择及性能预测提供了实验依据与技术支撑。