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     

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 …

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２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，预测一批硫芳香族化合物的一级好氧生物降解速率常数。     

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.     

规范变换降维与误差修正结合的环境系统的一元线性回归预测

针对高维、非线性环境系统的传统预测模型存在结构复杂、收敛速度慢、求解精度低的局限,提出对环境系统预测量及其影响因子进行幂函数与对数函数相结合的规范变换.此规范变换能使变换后的各影响因子皆等效于一个线性化的规范因子,从而将多因子、非线性的预测建模简化为简单的一个"等效"规范因子的一元线性回归建模;并对预测样本的模型输出进行误差修正,以提高样本的预测精度.在规范变换的基础上,由有m个规范因子的每个建模样本生成一个规范因子的m个"等效"训练样本,n个建模样本共生成N=m×n个训练样本.应用最小二乘法,建立基于规范变换的一元线性回归预测模型.将基于规范变换的一元线性回归预测模型与相似样本误差修正法相结合,分别用于某市5个点位的SO_2浓度预测和南昌市城市降水酸度pH值预测及某河段COD_(Mn)预测,并与多种传统预测模型和方法及基于规范变换与误差修正的3种智能预测模型的预测结果进行了比较.结果表明:该预测模型用于3个实例预测的相对误差绝对值的平均值分别为1.14%、0.49%和1.45%;最大相对误差绝对值分别为2.22%、0.87%和1.85%,与基于规范变换与误差修正的3种智能预测模型的相应误差几乎没有差异,甚至还要小;均远小于多种传统预测模型和方法的相应误差,其预测精度甚至提高了一个数量级以上.基于规范变换与误差修正的一元线性回归预测模型简单、预测精度高、稳定性好,不存在"维数灾难",因而可广泛用于任意系统的预测建模.     

支持向量机用于芳烃类化合物对芳烃受体亲和性QSAR研究

尝试将支持向量机(SVM)应用于3种典型芳烃类环境毒物(PCDD,PCDF和PCB)定量构效关系研究,通过对芳烃受体亲和性考察,结果发现该组样本的生物活性在一定程度上与分子电性距离矢量具有非线性联系.SVM对内部和外部样本都具良好稳定性能和预测能力:所得模型拟合、交叉检验、外部预测复相关系数及均方根误差分别为R2cum=0.922、Q2cum=0.825、Q2ext=0.834和RMSext=0.531将其与文献报道及多元线性回归、偏最小二乘、人工神经网络进行比较,结果表明对小样本、非线性问题SVM具较强拓展性及泛化能力,故在环境毒物评价和控制中具有广阔应用前景.     

洗衣废水处理工程的设计及运行

采用混凝沉淀——水解酸化——二级接触氧化工艺处理洗水废水的实际工程运行结果表明,当混凝剂(PAC)投加量为20mg/L,水解酸化停留时间为6h,填料BOD5负荷为1.5kg/(m3·d)时该工艺对COD、BOD5、色度等指标的平均去除率分别为86%、92%、90%,出水水质优于《污水综合排放标准》GB8978—1996二级标准。     

海河河口表层沉积物中PCBs和OCPs的源解析

采集海河河口表层沉积物样品,测定了其中12种多氯联苯(PCBs)和20种有机氯农药(OCPs)的浓度,运用主成分分析-多元线性回归法(PCA-MLR)解析该区域沉积物中PCBs和OCPs的来源,并定量计算了各污染源的贡献量.结果表明,海河沉积物中PCBs的特征源为非故意产生和大气输送2类,基于多元线性回归法的贡献率分别为55%和45%,对PCBs总量的贡献量均值为6.94,9.42ng/g;OCPs的特征源为历史残留和新的输入2类,贡献率分别为13%和87%,对OCPs总量的贡献量均值为21.18,171.97ng/g.海河河口沉积物中POPs的源贡献与该区域的工业生产有关,改善工业结构和妥善处理历史遗留的生产废物是控制海河河口沉积物中POPs的有效途径.     

废水中优先控制污染酚的HPLC分离-电化学检测

研究了 HPL C分离 -安培法检测四种优先控制污染酚的色谱条件。在 Shim- pack CL C- ODS柱上 ,以 0 .1mol/L Na H2 PO4 +0 .0 5 mm ol/L EDTA· 2 Na+1% CH3 COOH(p H3.0 ) +5 0 % CH3 OH作流动相 ,氧化电位 +1.0 V检测。工作曲线的线性范围在 0～ 30μg/ml,检测限达 ng/m l     

絮凝-Fenton试剂法处理煤加压气化废水实验研究

采用絮凝-Fenton试剂法对煤加压气化废水进行预处理,确定了最佳处理条件,絮凝时,pH=6,每100mL废水中加Fe2(SO4)3(10%)0.4mL,加CaO2.5g,搅拌时间为30min,静置3h;Fenton试剂催化氧化处理絮凝反应后的废水时,H2O2的加入量为18g/L,[Fe2+]=1.8g/L,pH值为絮凝出水的值,温度为常温,搅拌时间为1.5h,反应后静置3h。实验表明,经该方法处理后,废水的COD从3722.26mg/L降至598.87mg/L,去除率达83.91%,并且BOD5、氨氮、挥发酚和色度都有很大的去除,去除率分别为78.70%、50.37%、72.71%和99.90%,BOD5与COD的比值由0.34提高到0.45,有效的提高了废水的可生化性。     

聚合氯化铝混凝预处理高浓度涤纶废水

以聚合氯化铝(PACl)作为混凝剂,采用混凝法处理高浓度(COD>50 000 mg/L)涤纶工业长丝生产废水,以降低废水的悬浮物、有机物含量和生物毒性,提高废水可生化性,以便后续采用生物法进一步处理。实验结果表明:PACl能够有效降低废水的浊度、COD、BOD5及生物毒性,其对浊度、COD、BOD5和生物毒性的最高去除率分别为99.9%、92.8%、91.2%和99.2%。此外,PACl可在一定程度上提高废水的可生化性,在其投加量为1 200 mg/L时,BOD5/COD值(0.13)可达到原水的1.75倍。综合考虑废水处理成本及污染物去除情况,PACl最佳投加量为1 000~1 500 mg/L。     

QSBR study of substituted phenols and benzoic acids

The biodegradability of 30 substituted phenols and benzoic acids was determined by BOD technique.The molecular weight (MW), heat of formation(Hf)and the energy of the highest occupied molecular orbital(EHOMO)of the studied compounds were calculated by the quantum chemical method MOPAC6.0-AM1.The quantitative structure-biodegradability relationshiops(QSBRs)were developed by the linear regression method and neural network approach,respectively.It has been shown that the neural network method is able to provide a superior fit to the training set data and test set data and produce a lower prediction error than the linear regression method.     

应用线性和非线性法求解有机物生物降解动力学参数

根据苯甲酸类化合物在水体中不同时间的生化需氧量，用线性和非线性合法对化合物生物降解随时间变化的动力学过程进行曲线拟合，得到各化合物2个数值不同的安全生化需氧量、生物降解速率常数和生物降解滞后期。根据各化合物2种不同的生物降解动力学模型所得到的生化需氧量拟合值与实测值的误差相比较，发现用非线性法拟合得到的有机物生物降解动力学模型，更符合化合物真实生物降解规律，因此用非线性法拟合化合物的生物降解动态变化，比用线性方法更精确。     

污废水可生化性评价方法的可行性研究

阐述了运用BOD5/CODCr比值以及BOD5／TOD比值两种方法来评价污水的可生化性，前者在较为全面地分析BOD5和CODCr的测定中遇到问题的基础上，分析其可行性，最后认为该评价方法比较粗糙，可信度不高。应结合其他方法进行评价，后者在论述TOD的组成、可降解率等特征的基础上，探讨了用BOD5／TOD比值评价废水可生化性的可行性，认为该方法可信度较高。     

可生化性试验与评价方法研究

以５种废水为研究对象，通过确定其８ｈ相对耗氧率Ｒ（％）来作为可生化性评价指标，Ｒ（％）〉１００为易生化；１００〉Ｒ（％）〉３０为可生化；３０〉Ｒ（％）〉０为难生化，该文还通过模拟氧化塘处理废水，证明ＣＯＤ去除率同Ｒ（％）呈显著正相关，说明了相对耗经的准确性和实用性，与ＢＯＤ、／ＣＯＤ法相比，该法测定快速，简便实用。     

酚类化合物好氧生物降解的QSBR研究

采用多种软件计算了酚类化合物的11种理化参数.应用SPSS统计软件,采用回归分析的方法,对3组生物降解数据-logKb、BOD、CO₂进行了结构-生物降解性(QSBR)的研究.结果发现,分子最低空轨道能(E_lumo)、偶极矩-μ-、分子摩尔质量(Mw)、分子表面积(TSA)、一阶分子连接性指数(¹X)、生成热(H_f)等能够较好地拟合酚类化合物的生物降解速率或程度.在此基础上,初步分析了酚类化合物的生物降解机理,认为电性参数与立体参数是决定酚类化合物生物降解的主要因素,化合物的生成热对生物降解最终产物的影响也不可忽视.     

二氧化氯/活性炭催化氧化处理对硝基苯甲酸废水影响因素

以对硝基苯甲酸废水为处理对象,分别考察了活性炭投加量、二氧化氯投加量、pH值及反应时间等因素对二氧化氯/活性炭催化氧化工艺处理对硝基苯甲酸废水的影响.并在最优条件下,通过试验考证了该工艺作为高浓度对硝基苯甲酸废水的预处理手段,在去除废水中COD和提高可生化性(BOD5/COD)方面的综合效果.结果表明,采用ClO2与活性炭组成催化氧化体系,其处理COD为109印mg·L-1,的对硝基苯甲酸废水,效率比单独使用二氧化氯高10%;在废水pH值为4.1时,当活性炭投加量为200 g·L-l、反应时间30 min、二氧化氯投加量为300 mg·L-1,时,废水的COD降至7 100 mg·L-1,去除率达到35%, BOD5浓度提高到1 810 mg·L-1,废水的BOD5/COD值由原来的0.10提高到0.25,明显提高了废水的可生化性.因此,二氧化氯/活性炭催化氧化工艺是预处理高浓度对硝基苯甲酸废水的有效手段.     

烷基多苷(APG)生物降解性的研究

对5种不同碳链的APG初级生物降解性进行了研究.结果表明,碳链较短的APG能被完全降解,碳链为14～15的支链APG不能被完全降解;结构对APG可降解性的影响:疏水基的结构对其降解性有较大影响,直链醇APG的可降解性优于支链醇对APG的可降解性,碳链较短的降解性优于碳链长的,链支化度影响支链醇APG的降解性;研究还发现,C8～10直链APG,C12～14直链APG,C12～13支链APG和C14～15支链APG的降解曲线在某一区间出现降解度随时间下降的特殊现象.最后提出了APG可能的降解途径.      

Measurement and prediction of ozone levels around a heavily industrialized area: a neural network approach

This paper presents an artificial neural network model that is able to predict ozone concentrations as a function of meteorological conditions and precursor concentrations. The network was trained using data collected during a period of 60 days near an industrial area in Kuwait. A mobile monitoring station was used for data collection. The data were collected at the same site as the ozone measurements. The data fed to the neural network were divided into two sets: a training set and a testing set. Various architectures were tried during the training process. A network of one hidden layer of 25 neurons was found to give good predictions for both the training and testing data set. In addition, the predictions of the network were compared to measurements taken during other times of the year. The inputs to the neural network were meteorological conditions (wind speed and direction, relative humidity, temperature, and solar intensity) and the concentration of primary pollutants (methane, carbon monoxide, carbon dioxide, nitrogen oxide, nitrogen dioxide, sulfur dioxide, non-methane hydrocarbons, and dust). A backpropagation algorithm with momentum was used to prepare the neural network. A partitioning method of the connection weights of the network was used to study the relative % contribution of each of the input variables. It was found that the precursors carbon monoxide, carbon dioxide, nitrogen oxide, nitrogen dioxide, and sulfur dioxide had the most effect on the predicted ozone concentration. In addition, temperature played an important role. The performance of the neural network model was compared against linear and non-linear regression models that were prepared based on the present collected data. It was found that the neural network model consistently gives superior predictions. Based on the results of this study, artificial neural network modeling appears to be a promising technique for the prediction of pollutant concentrations.     

异丙醇工业废水生物处理研究

感光材料工业排出的异丙醇废水的ＢＯＤ５ＣＯＤｃｒ 比值为０ ．４０ 左右，可生化性良好；经水解酸化处理后该废水的ＢＯＤ５ＣＯＤｃｒ 比值可提高至０ ．５０ 左右，平均增加了２５ ％ ，证实了水解酸化菌在该工艺条件下具有提高异丙醇废水可生化性的功能．水解酸化———好氧串联工艺对该废水总的处理效果表明：在异丙醇废水ＣＯＤｃｒ 进水浓度２０００ ～３０００ｍｇＬ 范围内，ＣＯＤｃｒ 总去除率可达９０ ％ 左右，ＢＯＤ５ 总去除率可达９５ ％ 左右．