近红外光谱和极限学习机分析反硝化除磷中胞内聚合物

为利用近红外光谱技术同时实现反硝化除磷工艺中胞内聚-β-羟基丁酸酯(PHB)、多聚磷酸盐(Poly-P)、糖原(Gly)含量的快速分析,采用多元散射校正预处理法和极限学习机算法建立PHB、Poly-P、Gly含量分析的校正模型(ELM模型).结果表明:多元散射校正预处理法可以有效消除散射对原始近红外光谱数据的影响.采用极限学习机算法对预处理后的光谱数据建立PHB、Poly-P、Gly的定量分析模型,优选出的PHB、Poly-P、Gly的ELM模型主成分数分别为6、6、7,隐含层节点数分别为18、12、17.模型对PHB、Poly-P、Gly含量的校正相关系数(rc)分别为0.9835、0.9499、0.9589,校正均方根误差(RMSECV)分别为0.0541、0.0579、0.0489.模型对PHB、Poly-P、Gly含量的预测相关系数(rp)分别为0.9683、0.9288、0.9488,预测均方根误差(RMSEP)分别为0.0668、0.0776、0.0501,模型对PHB、Poly-P、Gly含量有较好的预测效果.用近红外光谱技术结合极限学习机算法建立ELM模型为反硝化除磷工艺中PHB、Poly-P、Gly的同时快速定量分析提供了较为简便的方法.     

基于改进偏最小二乘法的近红外快速分析强化生物除磷污泥胞内PHA

聚β羟基烷酸酯(PHA)是强化生物除磷系统中颗粒污泥胞内重要碳源和能源,其快速测定对强化生物除磷机理研究有重要意义. 采用Savitzky-Golay平滑法(SG)-多元散射校正法(MSC)对污泥的近红外光谱进行预处理,通过改进的偏最小二乘法(iPLS、siPLS、biPLS)建立污泥样品近红外光谱与PHA含量的定量分析模型.结果表明,SG-MSC预处理减弱噪声和背景等表面因素对光谱的影响,采用联合区间偏最小二乘法(siPLS)将全光谱等分为30个子区间, 联合子区间[13 21 24 29]建立的模型预测效果最优,其交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.2018和0.3120,校正集和预测集相关系数分别达到0.9925和0.9391,该光谱区段与PHA分子结构中C-H的伸缩变形、弯曲振动和C=O的伸缩振动密切相关. 改进偏最小二乘有效地优化光谱建模区域,提高模型预测能力,实现污泥胞内PHA含量的快速定量分析.     

反硝化除磷系统中PHB红外光谱解析及其与磷去除率的相关性

为快速、准确测定生物除磷系统中微生物细胞内w(PHB)(PHB为poly-β-hydroxy butyrate,聚-β-羟基丁酸酯)并及时预测PO₄3--P去除率,采用红外光谱法对微生物细胞内PHB的转化规律进行解析,并结合气相色谱法建立w(PHB)的快速测定模型,研究w(PHB)减少量与PO₄3--P去除率的相关性. 结果表明:反硝化除磷系统中微生物细胞内PHB的特征峰位于波数1 730 cm-1处,PHB特征峰的吸光度与w(PHB)的增减趋势相同. 采用PLS(partial least squares,偏最小二乘法)对反硝化除磷系统中微生物细胞内PHB特征峰吸光度与w(PHB)建立PLS模型,对w(PHB)的校正和预测时的相关系数(R2)分别达到0.963 0、0.951 4,其均方根误差分别为0.031 0、0.037 9. 根据预测结果,进一步建立了反硝化除磷缺氧段w(PHB)减少量与PO₄3--P去除率的相关关系,相关系数为0.979 0. 研究表明,利用PLS模型对反硝化除磷系统中PHB红外光谱解析能够快速、准确地表征反硝化除磷系统中微生物细胞内w(PHB)的变化,并能进一步预测PO₄3--P去除率.      

基于近红外光谱法污泥中糖原含量的快速分析

采用蒽酮比色法测定厌氧发酵污泥中糖原的含量,运用不同的偏最小二乘法(PLS)算法建立近红外光谱与糖原含量的定量分析模型。根据校正集的相关系数(Rc)、校正均方根误差(RMSECV)以及预测集的相关系数(Rp)和预测均方根误差(RMSEP)评价各个模型。在建立的所有模型中,联合区间偏最小二乘(Si PLS)将全光谱等分为24个区间,联合子区间[17 19 20]建立的模型是最优的,其校正时的Rc=0.993 7,RMSECV=0.066 2;预测时的Rp=0.993 3,RMSEP=0.048 3。运用变异系数(CV)验证所建最佳模型的稳定性和可靠性,发现预测集样品中的CV值均≤2%。结果表明Si PLS可以优化模型,提高模型预测能力,从而可以实现污泥中糖原含量的快速测定。     

晚期垃圾渗滤液短程硝化氮平衡的研究

为了更有效地控制晚期垃圾渗滤液短程硝化反应过程,需了解反应器内氮素转化规律。通过氮平衡实验,对亚硝酸型硝化反应器反应前后氮素构成进行分析,了解反应器内氮素转化规律。结果表明:进入反应柱的凯氏氮(包括氨氮和有机氮)转化成亚硝酸盐氮、硝酸盐氮、用于合成细胞进入污泥的凯氏氮、未转化的凯氏氮、出现的误差及微量氨吹脱的影响所占的百分比分别为1.96%、0.83%、1.29%、92.1%、3.82%。同时得出该晚期垃圾渗滤液中氨氮占凯氏氮比例约为0.898,有机氮可转化成氨氮的比例为89.6%。     

颗粒污泥膜生物反应器同步硝化反硝化

在本实验条件下,厌氧-好氧序批式颗粒污泥膜生物反应器(GMBR)处理人工配水,结果表明,GMBR具有良好的有机物去除及脱氮效果,当进水TOC及氨氮分别为160.9～308.4mg/L、29.8～83.6mg/L时,GMBR的TOC、氨氮及总氮去除率分别为65.7%～98.6%、85.4%～98.9%及66.1%～95.1%.对于GMBR典型周期TOC、胞内聚β-羟基丁酸(PHB)、氨氮、硝酸盐氮及亚硝酸盐氮变化进行分析,结果表明,有机物主要在厌氧阶段去除并以胞内多聚物PHB形式储存,氨氮在好氧阶段经由同步硝化反硝化(SND)去除,并且反硝化碳源主要来自胞内储存物质PHB.以外源溶解性基质及胞内储存物质为碳源的批式实验表明,以外源基质为碳源的缺氧反硝化速率为胞内储存物质的4.2倍;以外源基质及胞内PHB为碳源的好氧SND效率分别为49.9%、82.5%.胞内储存物质PHB的慢速降解特性使得硝化与反硝化过程能够同步进行.     

短程硝化-反硝化生物滤池脱氮机制研究

研究了短程硝化生物滤池的调控因素以及短程硝化-反硝化生物滤池的脱氮机制.结果表明,针对城市污水处理厂二级出水中的氨氮和总氮,在水温为(30±1)℃的条件下,提高进水pH值有助于硝化生物滤池中亚硝酸盐的积累,较好地实现短程硝化过程,当进水pH值平均为8.5时,亚硝酸盐的积累达到最大.沿硝化生物滤池水流方向,pH和DO的变化呈相反趋势,亚硝酸盐的积累呈增加趋势,在反应器出水口较好地实现了亚硝酸盐的积累.短程硝化-反硝化生物滤池对NH4+-N有较好的去除效率(90%以上);当反硝化生物滤池进水COD/TN为3.0时,出水TN的浓度降低到8～9 mg.L-1的范围,去除率稳定在79%～81%.     

1株耐冷兼性嗜碱好氧反硝化菌的分离鉴定及反硝化特性

以传统微生物富集分离方法,从垃圾渗滤液活性污泥中筛选到1株高效好氧反硝化菌,通过形态观察、生理生化特征及16S rDNA序列分析,对菌株进行了鉴定,同时对其好氧反硝化特性和异养硝化功能进行了研究.结果表明,筛选到的好氧反硝化菌株为假单胞菌属(Pseudomonas sp.),命名为GL19,GenBank登录号为(KC710974).碳源、C/N、pH及温度对菌株反硝化活性影响较大.在柠檬酸钠为碳源、C/N不低于15、pH 6~10、溶解氧(DO)4.8~7.7 mg·L-1及温度为15~34℃,硝酸盐氮负荷为140 mg·L-1的条件下,硝酸盐去除率均达100%,总氮(TN)平均去除率为96.5%,最终无亚硝酸盐积累;菌株能以亚硝酸盐氮、氨氮为底物进行高效脱氮,20 h内可将140 mg·L-1的亚硝酸盐氮完全去除,28 h内可将280 mg·L-1的氨氮降至3.11 mg·L-1,氨氮去除率达98.9%.显示该菌具有耐冷、高效脱氮特性,可实现同步硝化反硝化,这对南方地区冬季废水处理具有潜在应用价值.     

动力学调控实现单一反应器内亚硝化与硝化过程的互相转化

通过动力学调控在单一反应器内实现了亚硝化到硝化再到亚硝化过程的转化.在小试曝气上流式污泥床(Aerated Upflow Sludge Bed,AUSB)反应器中,在20℃、DO为2～4mg·L-1的条件下,主要通过调节反应器内的pH值调控氨氧化细菌(AOB)和亚硝酸盐氧化细菌(NOB)比生长速率的相对大小,以无机自配水为进水时,分别在20d和25d内将反应器的亚硝化率(出水中亚硝氮与总硝态氮之比)从95%降低至15%再恢复至95%以上,期间反应器的氨氮去除率基本维持在90%以上;当以实际高氨氮废水为进水时,同样主要通过调节反应器的pH值,分别在30d和23d内实现了反应器的亚硝化率从90%降低至10%再恢复至90%的过程.     

EGSB-BAF集成系统实现厌氧氨氧化、甲烷化和短程硝化反硝化

将膨胀颗粒污泥床(EGSB)和曝气生物滤池(BAF)集成,EGSB出水进入BAF进行短程硝化,BAF出水外回流至EGSB反应器为后者提供亚硝态氮,在不需外部投加亚硝态氮的条件下,实现厌氧氨氧化、甲烷化和短程硝化反硝化的耦合, 系统地处理ρ(氨氮)为50 mg/L和ρ(COD_Cr)为500 mg/L的合成废水.结果表明:当外回流比为200%时,系统CODCr,氨氮和总氮的去除率分别为92.4%,97.4%和80.6%;出水ρ(氨氮),ρ(亚硝态氮),ρ(硝态氮)和ρ(COD_Cr)分别为1.05,4.30,2.56和35.3 mg/L;COD_Cr,总氮和氨氮的去除负荷速率分别为1.770,0.137和0.164 kg/(m3·d). 与传统的活性污泥过程相比,EGSB-BAF集成系统回收甲烷1.03 　L/d,占系统COD_Cr去除量的37.0%;在系统总氮的去除过程中,厌氧氨氧化途径占35.9%,短程反硝化途径占47.4%,全程反硝化途径占16.7%.      

间隔偏最小二乘-紫外光谱法海水硝酸盐最佳建模波长区间选取

利用紫外光谱结合偏最小二乘法（PLS）建立了海水硝酸盐浓度计算模型,并利用间隔偏最小二乘法（interval PLS,iPLS）对建模区间进行了优化。相比全波段建模,优化后模型校正集均方根误差（RMSECV）从39.1降低到9.83。同时利用35个预测集样本对iPLS优化模型进行验证,iPLS优化模型将预测样本平均相对偏差从3.23%降低到1.81%。研究结果表明,相比全波段建模,利用iPLS进行建模波长区间优化,不仅减少了自变量个数,简化了运算,同时提高了模型预测准确度。     

平原河网典型污染物生物降解系数的研究

生物降解是污染物综合降解的重要组成部分,生物降解过程的快慢用生物降解系数表示.为探明太湖上游平原河网典型污染物的生物降解规律,于2015年9月进行原位实验,采用一级反应动力学模型对高锰酸盐指数、氨氮(NH~+_4-N)、总氮(TN)和总磷(TP)的生物降解系数进行测算,并分析了生物降解系数的影响因素.结果表明,高锰酸盐指数、NH~+_4-N、TN和TP的生物降解系数分别为:0.008 3~0.126 4、0.002 1~0.213 8、0.002 1~0.090 5和0.011 0~0.152 8 d~(-1);高锰酸盐指数生物降解系数的主要影响因素为高锰酸盐指数和p H;NH~+_4-N生物降解系数的主要影响因素为NH~+_4-N浓度和p H;TN生物降解系数的主要影响因素为无机氮浓度、总溶解固体浓度和亚硝态氮浓度;TP生物降解系数的主要影响因素为TP浓度和p H.研究结果对太湖上游平原河网的污染物去除与生态恢复具有重要指导意义.     

基于RF-LSTM的鸡舍恶臭气体预测研究

以鸡舍氨气为研究对象,对鸡舍氨气预测模型进行了研究.首先,利用随机森林算法（RF）对影响鸡舍氨气浓度的环境变量进行重要性排序,选取温度、湿度、光照、气象温度、降雨量作为模型的输入变量;在此基础上,构建了基于长短时记忆神经网络（LSTM）的鸡舍氨气浓度预测模型,并将提出的预测模型应用于江苏省宜兴市某养鸡场的氨气浓度预测中,并与LSTM模型、RF-Elman模型和RF-BP模型进行了对比实验,结果表明,基于RF-LSTM模型的预测效果最好,其平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为0.9183、4.9637%和1.4262;同时,为了验证该模型的性能,本文还实现了不同时间尺度的鸡舍氨气浓度预测,提前2h、3h、4h、5h氨气预测的平均绝对误差（MAE）分别为1.6218、2.1991、2.8553和3.0677.本文提出的预测模型提高了鸡舍氨气浓度的预测精度,可为减少鸡舍恶臭气体排放提供科学依据.     

三个主要树种单木生物量及其器官分配模型

目前已有不同方法构建生物量相容性模型,但基于非线性似乎不相关回归估计法实现不同树种生物量模型相容性及各器官生物量分配模型的研究较少。因此,论文以塞罕坝华北落叶松、油松、白桦3种林分为对象,基于非线性似乎不相关回归估计法和广义多项Logit模型,建立了包含哑变量的非线性可加生物量模型及各器官生物量分配模型。结果表明：不同树种树干生物量模型确定系数均大于0.90,树枝、树叶、树根生物量模型确定系数在0.77~0.93范围内,各器官生物量均方根误差和绝对误差分别在2.68~17.19 kg/株和0.83~1.39 kg/株范围内,经过检验不同树种各器官生物量模型均能满足精度需求。不同树种广义多项Logit分配模型,通过似然比检验、比分检验和Wald检验均达到显著水平（P<0.001）,各器官参数均表现为显著水平（P<0.05）。不同树种树干、树枝、树叶及树根生物量比例分别在0.76~0.87、0.07~0.11、0.02~0.07、0.04~0.07范围内。包含哑变量的非线性似乎不相关生物量模型及广义多项Logit各器官分配模型,实现了生物量模型在不同树种间的通用性,并对森林生物量器官分配格局研究提供了科学参考。     

多光谱数据定量反演土壤营养元素含量可行性分析

运用室内光谱模拟多光谱数据,采用回归分析方法建立土壤营养元素含量预测模型,并进行验证.首先,根据光谱响应函数将实验室光谱数据重采样至多光谱传感器（TM和 ASTER）波段;然后,分别利用多元逐步回归（SMLR）和偏最小二乘回归（PLSR）方法,建立建模土壤样本实测光谱以及模拟光谱（TM和ASTER）与土壤营养元素含量间的经验模型;最后,利用检验土壤样本进行模型精度验证.与实测光谱模型相比,模拟光谱模型对土壤营养元素含量的预测精度受光谱分辨率的影响并不大.模拟光谱模型对N、P、K元素含量预测精度最高分别为0.89、0.79和 0.67.土壤N、P、K元素含量SMLR模型的入选波段分别位于2 000～2 300　nm、1 650～1 800　nm和600～800　nm波长附近范围内; 土壤N、P、K元素含量PLSR模型的系数表明,近红外（NIR）波段对总氮和总磷元素含量比可见光（VIS）波段敏感,而VIS对K元素含量预测的贡献更大.利用多光谱数据进行土壤营养元素含量的估测具有理论上的可行性;由于不同元素对不同光谱波段的响应不同,在选择多光谱遥感数据时要充分考虑传感器的波段特征.     

厌氧氨氧化工艺处理含海水污水的亚硝态氮抑制及反应动力学

采用ASBR厌氧氨氧化反应器,在全海水条件下,通过固定进水NH₄⁺-N 110mg/L,逐渐提高进水NO₂^--N的方式研究了NO₂^--N对厌氧氨氧化脱氮的影响及抑制动力学和脱氮过程动力学.结果表明:进水NO₂^--N浓度达到170mg/L时,厌氧氨氧化反应开始受到明显抑制, NH₄⁺-N的去除率下降8.41%;修正的Logistic过程动力学研究结果显示,进水NO₂^--N低于151.49mg/L会促进厌氧氨氧化反应的进行,进水NO₂^--N高于170mg/L时开始抑制厌氧氨氧化反应的进行;Luong模型适合描述全海水条件下高浓度NO₂^--N对厌氧氨氧化脱氮效能的抑制动力学.Luong模型得到的最大基质转化速率(NRR_max)为0.53kg N/(m³·d),出水NO₂^--N半饱和常数(K_S)为0.10mg/L,净生长停止的出水NO₂^--N浓度(S_m)为338.22mg/L,Luong动力学常数(n)为0.41,相关系数为0.97801.     

两种ZSM-5沸石分子筛吸附水中氨氮的研究

考察了两种硅铝比分别为25及50的ZSM-5沸石分子筛对水中氨氮的吸附性能及影响因素.研究表明,25℃时,25H及50H型沸石的吸附平衡时间分别为10 min和35 min,吸附等温线均符合Langmuir经验模型,25 H型分子筛的饱和吸附容量较大,为7.83 mg/g,50H型分子筛为4.36 mg/g.当吸附剂投...     

Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.