关键词：固体废物;重金属;溶出;预测
摘 要：【目的】针对固废建材中重金属的溶出量的预测控制效果不佳问题，提出了一种基于长短期记忆（Long Short-Term Memory,LSTM）神经网络的重金属溶出预测模型。【方法】首先采用该模型对颗粒状及块状免烧砖中Cr、Zn和Pb等重金属元素的溶出量进行预测和分析。其次为进一步提高模型的适用性和训练收敛速度，对Adam算法的参数进行了优化。最后采用改进的预测模型对块状免烧砖中的Cr、Zn和Pb的溶出量进行模拟预测验证。【结果】在对块状免烧砖的重金属溶出预测中，该模型对Cr、Zn和Pb预测的决策系数R2均大于0.97，预测结果较为准确。【结论】该模型对固废建材中的重金属释放控制具有指导意义。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取