中国科学院机构知识库网格
Chinese Academy of Sciences Institutional Repositories Grid
基于XRF与RBF神经网络的锌浸出渣有价组分精准定量分析研究

文献类型:期刊论文

作者李媛; 石垚; 李绍元; 何明星; 张晨牧; 李强; 李会泉
刊名光谱学与光谱分析
出版日期2022
卷号42期号:02页码:490-497
关键词射线荧光光谱 精准定量分析 径向基神经网络模型 锌冶炼浸出渣
ISSN号1000-0593
英文摘要锌冶炼浸出渣是湿法炼锌工艺产出的冶炼固废渣,占锌冶炼固废产出总量的75%以上,因含有Zn, Cu, Pb, Ag, Cd和As等多种有价金属元素,其资源化利用潜力巨大。然而由于其成分含量不稳定,检测精度不足等原因,导致关键元素的资源转化效率难以保证,因此对浸出渣关键资源组分的精准定量分析在锌冶炼行业绿色发展方面具有重大意义。该研究以Zn, Cu, Pb, Cd和As五种目标元素为分析对象,分别采用XRF工作曲线法和XRF结合RBF神经网络模型的方法对浸出渣目标元素定量分析,以相对误差、相对标准偏差作为两种方法的评价指标,对两种方法进行分析比较。首先采用标准添加法对工业现场采集的锌浸出渣配制浓度梯度样,并以此为标准化样品进行ICP-OES检测,随后将ICP-OES检测结果作为目标元素定量分析基准值,对浓度梯度样品进行X射线荧光光谱(XRF)检测,建立目标元素工作曲线,利用工作曲线对各目标元素进行定量分析。同时用XRF光谱数据构建输入矩阵、样品目标元素浓度构建输出矩阵,训练RBF神经网络来构建浸出渣中目标元素多元定标模型,并用此模型实现浸出渣样品目标元素预测。工作曲线法定量分析结果与ICP-OES基准值对比得到相对误差均值为8.5%,标准偏差均值为4.0%; RBF神经网络预测结果与ICP-OES基准值对比得到相对误差均值为0.18%,标准偏差均值为0.58%。结果表明,两种方法均能实现浸出渣样品目标元素的定量分析,但XRF结合RBF神经网络的方法能够对浸出渣样品进行精准定量分析和基体校正,分析结果准确性和精密度优于传统工作曲线分析方法。
资助机构国家重点研发计划项目(2018YFC1903305) ; 美丽中国生态文明建设科技工程专项(XDA23030303)资助
源URL[http://ir.ipe.ac.cn/handle/122111/57504]  
作者单位1.昆明理工大学冶金与能源工程学院
2.中国科学院过程工程研究所绿色过程与工程重点实验室湿法冶金清洁生产技术国家工程实验室
3.河北工程大学信息与电气工程学院
4.中国科学院大学化学工程学院
推荐引用方式
GB/T 7714
李媛,石垚,李绍元,等. 基于XRF与RBF神经网络的锌浸出渣有价组分精准定量分析研究[J]. 光谱学与光谱分析,2022,42(02):490-497.
APA 李媛.,石垚.,李绍元.,何明星.,张晨牧.,...&李会泉.(2022).基于XRF与RBF神经网络的锌浸出渣有价组分精准定量分析研究.光谱学与光谱分析,42(02),490-497.
MLA 李媛,et al."基于XRF与RBF神经网络的锌浸出渣有价组分精准定量分析研究".光谱学与光谱分析 42.02(2022):490-497.

入库方式: OAI收割

来源:过程工程研究所

浏览0
下载0
收藏0
其他版本

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。