垃圾焚烧飞灰中重金属的浸出规律

测定了垃圾焚烧飞灰中Zn、Pb、Cu、Cr、Ni的浸出率与pH值的关系,并利用MINTEQA2模型进行了浸出规律模拟。结果表明:Pb、Cu、Zn、Cr、Ni的模拟浸出值与实测浸出值基本吻合,模拟浸出值可反映实际浸出情况;pH2时,Zn、Cu、Pb的浸出率较大,8pH12时浸出率接近0;Zn、Pb的浸出率分别在pH7、pH2时达到最大值,最大值分别约为75%及72%,pH值12时随pH值的增加,其浸出率逐渐增强;Cr在pH4时浸出率较大,最大浸出率达43%,4pH12时浸出率接近零,pH12时其浸出率再次增加;Ni的浸出率在pH2时随pH值的增加而降低,2pH13时其浸出率接近零。     

基于人工神经网络算法的垃圾组分识别模型研究

为增强环卫智能化程度，利用TensorFlow深度学习框架实现人工神经网络(Artificial Neural Network, ANN)算法，建立以生活垃圾图像RGB均值和垃圾重量为输入的生活垃圾组分识别模型。对比不同超参数设置下模型A1至A4的识别效果。结果表明，使用三层ANN网络结构和Adam优化算法可以建立性能优秀的垃圾组分识别模型。A1至A4模型经过参数训练后识别误差均在±5%内。对A1至A4模型的学习率和迭代次数进行调试可得，A4模型即隐藏层第一层、隐藏层第二层和输出层的激活函数分别为ReLU函数、Tanh函数和Sigmoid函数的ANN模型，在学习率为0.01的情况下，识别误差在±1%以内，稳定性最佳。