改性锰砂滤料处理高铁锰煤矿矿井水

采用KMnO4溶液浸渍法制备了新型改性锰砂滤料,研究了滤料表面性能和过滤处理高铁锰矿井水的效果。结果表明,锰砂滤料除铁锰性能优于石英砂、陶粒以及瓷砂,采用KMnO4溶液浸渍能够提高锰砂滤料的过滤性能,最优的浸渍浓度为5%。5%KMnO4改性锰砂滤料过滤处理高铁锰矿井水的最佳工艺参数为:过滤周期24 h,反冲洗强度3.2 L/(s·m2),反冲洗时间5 min;通过比表面积测试分析和SEM表征分析发现,KMnO4溶液浸渍能够提高锰砂滤料比表面积,并在锰砂滤料表面形成了氧化膜,从而提高除铁除锰效果,而且浸渍液浓度越高,这种作用越明显。     

基于GIS与改进蚁群算法的垃圾收运路径规划

针对传统垃圾收运路线成本高昂、对人居环境与自然生态造成不可逆负面影响的问题,提出了一种基于GIS技术与改进蚁群算法的垃圾收运路径规划方法。采用CRITIC法、熵权TOPSIS法及改进的蚁群算法,以时间成本及环境成本作为优化目标,实现从垃圾收集点到最终处理厂的最优路径规划设计,从而有效降低垃圾收运成本与收运对周边生态环境的危害。结果表明,将道路交通对周边人群健康、生态环境质量的影响纳入对道路交通的综合成本评价当中,运输路径对土地保护需求强烈区域、影响人口规模偏大区域、降噪物密度偏小区域、生态不可分割度偏大区域的穿行率分别降低了41%、44%、29%、41%,有效降低了垃圾收运路径对生态敏感区域的干扰程度。本研究结果可为GIS 技术与蚁群算法在垃圾车收运路径规划中的应用提供参考。     

闭坑煤矿水热利用的水质保障与处理模拟

闭坑煤矿水热联用为煤矿区实施双碳战略的重要举措之一,其水热利用过程中最大挑战之一为集热装置的堵塞腐蚀问题。本文以常见的闭坑酸性高铁矿井水为例,采用中和-强化絮凝沉淀的处理工艺,以CaO为中和剂、聚合氯化铝(PAC)为絮凝剂、聚丙烯酰胺(PAM)为助凝剂,研究高温矿井20-50 ℃水温下水质调控关键参数与温度响应特征。实验表明,水温在30 ℃时,水中总Fe和Fe²⁺去除效率可达最高,温度高于30 ℃不利于Fe²⁺的充分氧化,温度过低不利于Fe³⁺的水解,采用1.23 g·L⁻¹ CaO+20 mg·L ⁻¹ PAC+3 mg·L ⁻¹ PAM的药剂组合可以使出水总Fe含量低于0.3 mg·L⁻¹;利用分形方法分析了高温矿井水絮凝反应中絮体形态与温度变化的响应关系,温度过低或过高时,形成的絮体细密松散;30 ℃时絮凝反应中絮体的分形维数1.41增长到1.92,此刻分形维数增长速率最大,絮体结构大且紧实,絮体沉降速度增快,絮凝效果最佳;30 ℃下反应投入的CaO放热速率大于温度自然流失的速率,反应后综合温度呈上升趋势。当温度大于30 ℃时,絮体分形维数变化无定势,温度影响矿井水絮凝降污效率。闭坑煤矿水热联用中水质保障处理模拟为闭坑矿井水热联用的水质调控提供科学依据。     

基于智能优化算法的河流水质模型参数的优化

为探索河流水质模型参数新的求解方法,根据有限的实测数据,分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法,对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合,并与实测结果进行了比较。结果表明,将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高,而且相对稳定,从而为河流水质模型参数的优化提供了一种新方法。     

基于改进鲸鱼算法优化GRU-CNN的溶解氧预测

为了提高相关模型在长江调关水质断面的溶解氧预测精度,基于门控循环单元 (gated recurrent unit,GRU) ,卷积神经网络 (convolutional neural networks,CNN) 和鲸鱼优化算法 (whale optimization algorithm,WOA) 提出了一种混合预测方法。模型通过GRU提取水质数据的长期历史特征,通过CNN对GRU的输出和输入进行卷积提取短期特征,将两者进行算术拼接得到最终预测结果。通过将Tent混沌映射、自适应惯性权重和遗传算法 (genetic algorithm,GA) 引入WOA算法,解决WOA算法初始化种群质量较低,易早熟和对参数设置敏感的问题之后,再使用改进鲸鱼算法 (IWOA) 对模型进行参数寻优。实验结果表明,所提出的改进鲸鱼算法优化GRU-CNN (IWOA-GRUC+) 模型具有出色的效果,其MAPE仅为 2.27%,在RMSE、MAE和R²这几项指标上,分别达到了0.339%、0.216%和0.913%的优良表现。IWOA-GRUC+模型一定程度上提高了传统模型在溶解氧 (DO) 预测中的性能。     

基于变异CPSO算法的LSSVM出水COD的软测量研究

在分析混沌粒子群优化算法(CPSO)和最小二乘支持向量机(SVM)理论基础上,以某污水处理厂的氧化沟系统为对象,采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数,建立了基于变异CPSO算法的LS-SVM的氧化沟出水水质COD软测量模型,并与PSO-LSSVM,LSSVM模型比较,研究表明,ICPSO-LSSVM模型预测准确,泛化性能好,且该模型预测结果中相对误差小于10%的样本达到90%,最大相对误差仅为12.5%,均方差MSE为0.0106,模型具有较高的精度,基本可以实现出水COD浓度的在线预估。     

基于智能优化算法的河流水质模型参数的优化简

为探索河流水质模型参数新的求解方法,根据有限的实测数据,分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法,对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合,并与实测结果进行了比较。结果表明,将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高,而且相对稳定,从而为河流水质模型参数的优化提供了一种新方法。