基于PCA和M-SVMs的化学物质生态危害预测应用研究

为防止新化学物质投入市场时对生态环境造成危害,需对其生态危害程度进行评价。现有评价方法把各指标对生态危害的贡献看成是等效的,不能客观反映事实,且评价指标较多,指标之间具有较强的相关性,会降低预测精确度,为了解决该问题,文章将主成分分析和支持向量机相结合。首先运用主成分分析进行特征提取,降低数据维数,获取数据的主要信息;然后将二值分类支持向量机扩展到多类支持向量机,利用多类支持向量机建立化学物质生态危害预测模型,采用10折交叉验证法对模型进行检验,得到平均正确率达到89.24%。并与未进行主成分分析的支持向量机分类模型进行了比较,实验结果表明该方法具有更好的预测精度,值得推广。     

英国水研究中心(WRC)饮用水研究最新动态

<正> 英国的水研究中心(WRC)是一个在国际上有影响的研究所,目前是世界卫生组织(WHO)在欧洲的饮用水与水污染控制中心。以下介绍的是WRC在83—84年度的部分研究项目,以供参考。WRC重视水质分析、水质监测与水中化学物质与人体健康的关系的研究。主要为了控制水源中不断出现的新化学物质。这方面的主要项目有: (一)根据英国环境部委托,进行化学物质生物可降解性能,尤其是降解慢的新化学物质的性能研究,以改进现有的标准测试方法。并研究根据物质的化学结构来定量地预测物质的生物降解能力。(二)应用细菌方法来测定新化学物质的毒性,这包括研究毒性对细菌的呼吸率、生长率和细     

QSAR技术对高关注化学物质生态环境毒理风险预测

将国外先进的QSAR技术应用于高关注化学物质(SVHC)的生态环境毒理风险预测中,以促进QSAR技术在生态环境毒理学领域的发展和应用. 采用国外先进的经科学验证的ECOSAR预测模型,对欧洲化学品管理署(ECHA)于2008年10月28日正式公布的15种SVHC的生态环境毒理风险进行了预测. 结果显示,对于蒽,4,4′-二氨基二苯甲烷和邻苯二甲酸二丁酯等9种化学物质,ECOSAR模型的预测结果与试验结果较为接近. 危害性分级标准预测结果显示,这9种化学物质为极高风险化学物质,这与ECHA将它们列为SVHC的结论一致. 对于另外6种化学物质(二水合重铬酸钠、三乙基砷酸酯、二氯化钴、五氧化二砷、三氧化二砷和砷酸氢铅),ECOSAR模型预测结果可信度不高. 对于15种SVHC和ECOSAR的预测结果准确率达到60%. ECOSAR预测模型在一定程度上能够提供与试验结果接近的化学物质生态环境毒理风险评价结果,作为一种重要的非试验科学技术手段,能够在一定程度上满足化学品管理的需要.      

基团贡献法对取代苯类化合物生物降解性的预测

测定了 47种取代苯类化合物在松花江水中的 5日生化需氧量 (BOD5) .分别采用线性基团贡献法和非线性基团贡献法(人工神经网络法 )对化合物的生物降解性BOD5 ThOD(ThOD :理论需氧量 )进行QSBR研究 .得到不同基团对生物降解性的贡献为 :C6H5>COOH >OH >CH3 O CH3 >NH2 >Cl >NO2 .线性基团贡献法对于训练组和测试组的定性预测正确率分别为72 %和 86 % ;而人工神经网络法的预测正确率分别为 92 %和 86 % .预测结果表明线性和非线性基团贡献法的预测效果都很好 ,相比而言 ,非线性方法对生物降解性的预测更准确     

基于pso-SVM的废水厌氧处理过程软测量模型

由于厌氧消化过程的复杂性和厌氧菌的敏感性,保持厌氧消化体系的稳定和高效性是比较困难的.本文在实验室采用IC反应器构建了一套厌氧废水处理系统处理人工合成废水,基于支持向量机(SVM)提出了一种预测废水厌氧处理系统出水挥发性脂肪酸(VFA)浓度和COD去除率的软测量模型.为了提高模型的精确性和鲁棒性,加入pso算法(粒子群算法)优化SVM模型,并引入了分类策略对元数据集进行有效分类.仿真结果表明,基于pso-SVM模型的软测量模型对厌氧废水处理系统出水VFA浓度和COD去除率具有较好的预测能力,模型预测系统COD去除率及出水总VFA浓度测试样本数据相关系数分别为65.86%、85.25%;加入分类策略后,元数据集分成两类,模型预测系统COD去除率测试样本数据相关系数分别为92.34%、83.41%;模型预测系统出水总VFA浓度测试样本数据相关系数分别为99.14%、99.59%,系统预测精度明显提高.引入分类策略对元数据集进行有效分类,基于pso-SVM的软测量模型可为监控、优化和理解厌氧消化过程提供指导.     

地球化学运移参数的现场测量装置——1.阻滞作用

溶解在地下水中的化学物质的阻滞系数,在预测污染物的迁移速度和设计受污染含水层的补救方案方面是一个重要参数。在非极性有机污染物与含水层物质的有机碳含量有相关关系的情况下,计算阻滞系数的传统方法包括实验室的分批实验和交换柱实验。若采用这两种方法,要确保实验中所用的沉积物质和溶液的地球化学完整性是十分困难的,因为会导致分析结果应用出现不确定性。虽然可以做大规模示踪实验,但由于需要大量的时间,因而这些方法通常限于研究运用。本文描述了测量阻滞系数的现场柱分析法。该柱被安装在空心钻杆螺旋钻切头的前面(以便使沉积物的地球化学干扰减至最低程度),该柱里的沉积物只受到紧挨着测试装置处的天然地下水的影响。由于保持了地球化学的完整性,故这种方法比实验室方法优越得多,而且实际上其成本要比传统的野外示踪元素试验低。两种试验方法都在这里进行了描述,用本现场装置获得的锶和五种卤代有机化合物阻滞系数与用传统方法所得到的结果是完全一致的。     

两种化感物质联合抑藻的模型建立及数学最优化

在化感物质焦性没食子酸和亚麻酸单独抑藻的基础上,将两种化感物质按不同初始浓度组合进行联合抑藻的实验.根据实验过程中藻密度的变化趋势及特征,采用微元分析法,通过相应的偏微分方程,建立了化感物质复合抑藻时的数学模型.结果表明,该模型能够有效地分析和预测焦性没食子酸与亚麻酸在一定浓度范围内联合抑藻时藻密度随时间的变化规律.根据该模型还可以预测不同时间节点上,化感物质复合抑藻的半抑制浓度(EC50)、最小有效浓度(MIC),以及联合抑藻的最佳浓度组合和在成本控制下的联合抑藻最佳浓度组合等.该研究对指导制备高效、经济的复合生物抑藻剂及其应用均具有一定的理论意义和实用价值.     

好氧生化污水处理厂化学品暴露预测模型构建

污水处理厂是化学品进入环境的重要中转站,污水处理厂中的暴露预测是化学品环境风险评估的重要内容.以污水处理厂中最简单的传统活性污泥法为基础工艺,基于我国新化学物质登记要求的基础数据(分子量、吸附/解吸附系数、蒸气压、水溶解度、快速或固有生物降解性)、我国的环境条件(温度=283K、风速=2 m·s~(-1))和污水处理厂典型场景参数(日处理量=3.5万m~3·d~(-1)、进水BOD_5=0.15 g·L~(-1)、进水SS=0.2 kg·m~(-3)、出水SS=0.02 kg·m~(-3)、曝气池BOD_5去除率=90%、污泥密度(dw)=1.6 kg·L~(-3)、污泥有机碳含量为0.18~0.19),根据化学品的线性吸附、一级动力学降解、Whitman双阻力挥发机制以及逸度理论,建立了包含空气、水、悬浮颗粒和沉积污泥9箱质量守恒方程的污水处理厂化学品暴露预测模型CSTP(O),同时确定了快速或固有生物降解性结果外推获得STP降解速率的标准.模型验证结果表明,C-STP(O)模型对已有研究中26种化学品预测准确率为81%,对5种酚类化学品,模型预测与实测去除率绝对差值为2.5%~6.3%,C-STP(O)能准确预测具有快速或固有生物降解性的有机化学品在污水处理厂中挥发、吸附、降解、二级出水的分布比例.所建模型可为研究化学品在STP中的归趋及化学品暴露评估提供技术工具.     

有机物好氧生物降解性二氧化碳生成量测试法的研究

为了探讨测试有机污染物生物降解性方法的通用性和可比性,建立了用二氧化碳生成量来测试有机污染物好氧生物降解性的合理方法。生物反应瓶容积２Ｌ,受试有机物浓度１００ｍｇ／Ｌ,接种污泥浓度５００ｍｇ／Ｌ,反应温度２５℃,反应时间１４ｄ。通过有机生物降解性的分析,提出了一个生物降解性的评价标准－生物降解性指     

生物降解对土壤气中苯衰减系数及筛选值的影响

以砂质土壤为例,采用Bio-vapor软件计算了生物降解对苯的a i-s(衰减系数)及筛选值的影响,并对关键影响参数〔c s(污染源苯质量浓度)、LT(建筑底板与污染源距离)、L a(好氧土层厚度)和k w(生物降解系数)〕进行分析.结果表明:当c s≥5×105mg/m3时,生物降解对a i-s基本无贡献;当c s≤1×104mg/m3时,生物降解可导致a i-s降低1~2个数量级,但降幅随c s和LT的变化不明显;当c s介于二者之间时,生物降解对a i-s的作用受LT变化的影响较明显,LT升高1个数量级时,生物降解可导致a i-s降低2个数量级.生物降解对a i-s的作用受L a影响比较明显,L a由0.50 m增至1.50 m时,生物降解可导致a i-s降低2个数量级.Bio-vapor软件预测的砂质土壤条件下L a的最大值为0.63 m,低于现场普遍测试结果(1.50 m),表明该模型预测结果可能过于保守,实际项目中可通过测试土壤气中各组分的纵向分布确定L a.当c s≤5×104mg/m3时,k w由0.033 h-1增至2.000 h-1,生物降解将导致a i-s降低2个数量级.因此,同一概念模型下考虑生物降解时土壤气中苯筛选值高于不考虑生物降解时1~2个数量级.     

活性污泥数学模型(ASM1)入流组分测定及应用

阐述了活性污泥 1号模型 (ASM1)入流中 7个含碳有机物、4个含氮物质、碱度等四大类 13种组分的分析方法 ,并用这些方法测定了西安市北石桥、电子村两个排放口的城市污水水质。实验结果表明快速可生物降解有机物 (SS)采用间歇实验法、慢速可生物降解有机物 (XS)采用测定BOD5间接计算法既操作简单又准确可靠 ,能为利用活性污泥 1号模型进行污水处理厂的设计、模拟及管理提供入流组分分析依据     

酚醚的生物降解性构效关系研究

烷基酚聚氧乙烯醚类非离子表面活性剂分子中烷基带支链和苯环,从理论而言生物降解性较差,但由于生产成本低,化学稳定性优,仍大量用于纺织印染、乳液聚合等领域,使用后排入环境中,对环境、生物将造成不利影响。有鉴于此,对这些物质进行生态风险预测十分必要,其生物降解性能的研究具有重大意义。     

有机污染物土地生物处理过程动态规律模拟研究

应用土壤颗粒内部有机污染物屏蔽理论,说明土地生物处理过程中残余有机污染物在土壤中的滞留现象,提出描述有机污染物在土壤及相连的水环境中生物降解过程的数学模型.其中,污染物的扩散过程用Fick第二扩散定律表示,可逆的吸附和解吸过程用线性吸附等温线表示,不可逆的土壤颗粒内部屏蔽过程用假一级反应动力学方程表示,生物降解过程用Monod动力学方程表示.模型计算结果与实验结果基本拟合,表示模型基本可靠.利用该数学模型,可以定量预测有机污染物进行土地生物处理所需的时间、处理的程度及动态规律.     

磺胺甲基异恶唑的好氧生物降解研究现状

磺胺甲基异恶唑是广泛应用的抗生素,属于药品及个人护理品（Pharmaceutical and Personal Care Products,PPCPs）污染物的典型代表物质.近年来,该物质在环境中的检出率逐渐增加,成为了一种新兴污染物,对人体及生态环境造成危害.磺胺甲基异恶唑具有难于生物降解的特性,然而目前在好氧条件下,利用生物方法处理该物质已初见成效,它将成为今后的研究热点.本文对磺胺甲基异恶唑的好氧生物降解研究现状进行了系统的综述,包括具有降解该物质能力的微生物类群、该物质好氧降解的影响因素及降解产物分析,在此基础上提出了磺胺甲基异恶唑好氧生物降解未来进一步研究的方面.     

生物降解对土壤气中苯衰减系数及筛选值的影响

以砂质土壤为例,采用Bio-vapor软件计算了生物降解对苯的a_i-s(衰减系数)及筛选值的影响,并对关键影响参数〔c_s(污染源苯质量浓度)、LT(建筑底板与污染源距离)、L_a(好氧土层厚度)和k_w(生物降解系数)〕进行分析. 结果表明:当c_s≥5×105mg/m3时,生物降解对a_i-s基本无贡献;当c_s≤1×104 mg/m3时,生物降解可导致a_i-s降低1~2个数量级,但降幅随c_s和LT的变化不明显;当c_s介于二者之间时,生物降解对a_i-s的作用受LT变化的影响较明显,LT升高1个数量级时,生物降解可导致a_i-s降低2个数量级. 生物降解对a_i-s的作用受L_a影响比较明显,L_a由0.50m增至1.50m时,生物降解可导致a_i-s降低2个数量级. Bio-vapor软件预测的砂质土壤条件下L_a的最大值为0.63m,低于现场普遍测试结果(1.50m),表明该模型预测结果可能过于保守,实际项目中可通过测试土壤气中各组分的纵向分布确定L_a. 当c_s≤5×104 mg/m3时,k_w由0.033h-1增至2.000h-1,生物降解将导致a_i-s降低2个数量级. 因此,同一概念模型下考虑生物降解时土壤气中苯筛选值高于不考虑生物降解时1~2个数量级.      

运用回归分析与人工神经网络预测含硫芳香族化合物好氧生物降解速率常数

为了研究人工神经网络预测有机化合物生物降解的性能,运用多元线性回归方法和误差反向传递人工神经网络模型以基团代码作为结构描述符,分别拟合、预测了一批含硫芳香族化合物的一级好氧生物降解速率常数．结果表明,由于神经网络自动考虑了基团间的交互作用,它对生物降解这类复杂问题有极高的求解能力,预测的均方误差为０．００１０２,远低于线性回归模型的预测误差０．０１５９１     

酚醚的生物降解性构效关系研究

烷基酚聚氧乙烯醚类非离子表面活性剂分子中烷基带支链和苯环，从理论而言生物降解性较差，但由于生产成本低，化学稳定性优，仍大量用于纺织印染、乳液聚合等领域，使用后排入环境中，对环境、生物将造成不利影响。有鉴于此，对这些物质进行生态风险预测十分必要，其生物降解性能的研究具有重大意义。     

人工神经网络及分子拓扑参数在酚类有机物QSBR研究中的应用

利用分子拓扑参数作为输入参数,探索了人工神经网络对２７种酚类有机物的定量结构－生物降解性能关系（ＱＳＢＲ）。结果表明,将人工神经网络运用于有机物的生物降解性能建模是可行的。所建模型预测结果和文献数据十分接近,预测能力优于已有文献报道,且能够较好区分同分异构体。     

基于Keras长短时记忆网络的矿井瓦斯浓度预测研究

瓦斯浓度监测是煤矿瓦斯灾害事故预警的重要的手段,其浓度变化预测对于提升矿山安全生产具有重要意义。针对矿井瓦斯浓度预测问题,建立了一种基于Keras长短时记忆网络的矿井瓦斯浓度预测模型。该模型首先对矿井瓦斯浓度时间序列进行标准化处理,并将处理后的时间序列划分为训练集与测试集;然后通过调用测试集数据进行模型训练,利用提出的基于LSTM网络建立的矿井瓦斯浓度多步预测模型,实现了对矿井瓦斯浓度发展趋势的预测,并利用损失函数计算预测误差大小,评估模型的预测精度;最后以贵州某煤矿掘进工作面为工程背景,利用基于LSTM网络建立的矿井瓦斯浓度多步预测模型,开展了矿井瓦斯浓度预测研究,并通过与ARMA模型、ARIMA模型的预测结果进行对比,验证该模型的预测效果。结果表明:该模型预测结果的均方根误差RMSE值最小仅为2%,且预测步长约为ARMA模型、ARIMA模型的5倍,说明该模型的预测效果好,可为煤矿井下合理规避瓦斯灾害事故提供科学依据。     

离子液体[omim][PF_6]的生物降解性研究

以[omim][PF6]为C、N、P营养源驯化活性污泥,考察驯化前后不同活性污泥接种微生物时离子液体的生物降解性,以及在支链上添加酯基对离子液体生物降解性的影响;同时,探讨经过驯化的活性污泥对1-甲基-3-辛基咪唑阳离子基团([omim]+)生物降解的途径.结果表明,通过在支链上添加酯基,可以改善离子液体的生物降解性;以普通的活性污泥为接种微生物的密闭瓶实验表明,[omim][PF6]的生物降解率<20%,属于难生物降解的物质,进入环境后可能产生较长时间的积累;以经过驯化的活性污泥为接种微生物时,可以提高[omim][PF6]的生物降解率到60%左右;在[omim]+的生物降解过程中,会产生1-甲基咪唑阳离子的积累;对[omim]+的生物降解产物的HPLC-MS/MS分析,初步推测[omim]+的生物降解途径.