锌冶炼浸出渣、钴镍渣、锌焙砂是湿法炼锌工艺产出的冶炼固废渣及中间产物,因含有Zn、Cu、Pb、Ag、Cd、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,因此对冶炼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。本文以Zn、Cu、Pb、Cd、As五种目标元素为分析对象,分别采用XRF工作曲线法和XRF结合机器学习的方法对浸出渣、钴镍渣、锌焙砂中以上五种目标元素进行定量分析研究,以相对误差、相对标准偏差作为方法的评价指标,对两种方法进行分析比较。工作曲线法是以从工业现场采集的样品作为标准化样品进行ICP-AES检测,将ICP-AES检测结果作为目标元素定量分析基准值,随后对样品进行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。XRF结合机器学习的方法是首先建立样品自动分类模型根据以上三种样品的XRF全谱图信息将样品分类,然后利用RBF神经网络,根据分类结果对每一类样品分别构建样品中五种目标元素含量预测模型,实现浸出渣、钴镍渣、锌焙砂样品目标元素含量预测。结果表明,两种方法均能实现固废样品目标元素的定量分析。工作曲线法相对误差均值为2.81%,相对标准偏差均值为2.24%;XRF结合机器学习的方法相对误差均值为0.32%,相对标准偏差均值为0.8%。因此,XRF结合机器学习的方法能够实现在无人为干预的情况下对三种样品全自动精准分类,根据样品的分类结果选择适当的定量分析模型,并对固废样品进行精准定量分析和基体校正,且分析结果优于传统工作曲线分析方法。