Modeling of a sequencing batch reactor treating municipal wastewater using multi-layer perceptron and radial basis function artificial neural networks

A sequencing batch reactor was modeled using multi-layer perceptron and radial basis function artificial neural networks (MLPANN and RBFANN). Then, the effects of influent concentration (IC), filling time (FT), reaction time (RT), aeration intensity (AI), SRT and MLVSS concentration were examined on the effluent concentrations of TSS, TP, COD and NH₄⁺-N. The results showed that the optimal removal efficiencies would be obtained at FT of 1 h, RT of 6 h, aeration intensity of 0.88 m³/min and SRT of 30 days. In addition, COD and TSS removal efficiencies decreased and TP and NH₄⁺-N removal efficiencies did not change significantly with increases of influent concentration. The TSS, TP, COD and NH₄⁺-N removal efficiencies were 86%, 79%, 94% and 93%, respectively. The training procedures of all contaminants were highly collaborated for both RBFANN and MLPANN models. The results of training and testing data sets showed an almost perfect match between the experimental and the simulated effluent of TSS, TP, COD and NH₄⁺-N. The results indicated that with low experimental values of input data to train ANNs the MLPANN models compared to RBFANN models are more precise due to their higher coefficient of determination (R²) and lower root mean squared errors (RMSE) values.     

Toxicological Assessment of Wastewater and Runoff from the Baikal Pulp and Paper Mill

Russian Journal of Ecology -     

重量法测定含动、植物油和矿物油废水应注意的问题

废水监测中，用重量法测定污（废）水中的动、植物油和矿物油是常用方法之一。为了保证测试结果的准确性，减少误差，提高分析测试质量，作者以多年的实践经验结合塔里木油田采油厂生产污水和餐饮行业生活废水的测定，对测定两种不同含油类废水应注意的问题进行探讨。供同行在实际工作中参考。     

硫化亚铁处理含砷废水中砷的形态变化

本文对用硫化亚铁处理含砷废水时，在气相、液相和固相中砷的形态进行了研究结果表明，在气相中无ＡａＨ３，但在Ａｓ（Ｖ）废水的液相中有Ａｓ（Ｖ）和Ａｓ（Ⅲ）共同存在，在固相中有Ａｓ（０），ＦｅＡｓＯ４（ＦｅＡｓＯ３），Ａｓ２Ｓ３（Ａｓ２Ｓ５）和吸附砷，砷的形态变化表明，硫化亚铁处理含砷废水能取得良好的效果，是沉淀、沉淀转化、氧化还原、吸附共沉淀和中和五种反应共同作用的结果。     

长春秋季生物质燃烧对PM2.5中WSOC吸光性的影响

为探究长春秋季生物质燃烧对PM_(2.5)中水溶性有机碳(water-soluble organic carbon,WSOC)吸光性的影响,于2017年10～11月进行PM_(2.5)样品采集,对PM_(2.5)中碳质组分、糖类化合物和WSOC的光吸收特征参数进行分析.研究表明:长春秋季PM_(2.5)中WSOC、有机碳(organic carbon,OC)、元素碳(elemental carbon,EC)的平均浓度分别为(10.12±3.47)、(17.07±5.64)和(1.34±0.75)μg·m~(-3),二次有机碳(secondary organic carbon,SOC)对OC的平均贡献率为38.93%.长春秋季总糖浓度为(1 049.39±958.85)ng·m~(-3),其中作为生物质燃烧示踪剂的脱水糖含量(左旋葡聚糖、半乳聚糖和甘露聚糖)在总糖中占比为91.69%,糖类相关性分析结果显示生物质燃烧源为长春秋季大气中糖类物质的主要贡献源.糖类物质的相关性分析及3种脱水糖的特征比值研究显示,作为长春秋季大气主要污染源的生物质燃烧的类型是硬木和作物残渣的燃烧.长春秋季WSOC的光吸收波长指数(AAE)为5.75±1.06,单位质量吸收效率(MAE)为(1.23±0.28)m~2·g~(-1),表明生物质燃烧对WSOC吸光性具有重要影响.利用生物质燃烧特征源参数量化计算生物质燃烧对WSOC浓度的贡献达58.82%,对总WSOC光吸收的贡献达40.92%.     

郑州市春季大气污染过程VOCs特征、臭氧生成潜势及源解析

利用GC5000在线气相色谱仪于2018年4月15日～5月15日对郑州市城区环境大气挥发性有机物(VOCs)进行监测,开展其污染特征、臭氧生成潜势(OFP)和来源解析研究.结果表明,监测期间,郑州市春季VOCs平均体积分数为40.26×10~(-9),非污染日和污染日VOCs平均体积分数分别为35.82×10~(-9)和44.12×10~(-9),污染日相较非污染日增长23%;VOCs物种对OFP的贡献表现为烯烃芳香烃烷烃炔烃;源解析结果显示监测期间郑州市VOCs主要来源是LPG源(66.05%)、机动车源(47.39%)、工业溶剂源(37.51%)、燃烧源(37.80%)和植物排放源(11.25%),且污染日的LPG源和植物排放源的贡献率较非污染日增长22.92%和68.50%.     

岗南水库沉积物间隙水有色溶解有机物的时空分布特征及差异分析

有色可溶性有机物(CDOM)作为溶解性有机物的重要组分,影响着水体中污染物质的形态特征和迁移转化过程.本研究运用紫外-可见光谱技术(UV-vis)以及三维荧光光谱(EEMs)技术结合平行因子分析法(PARAFAC),对岗南水库自入库河口到坝前主库区四季演变过程中沉积物间隙水CDOM的分布、光谱特征以及来源进行解析.结果表明,岗南水库沉积物间隙水CDOM的相对浓度a_(254)、a_(260)、a_(280)和a_(355)存在显著的季节差异,并且相对浓度大小为夏季春季秋季冬季;沉积物间隙水CDOM的E2/E3、E3/E4、E4/E6以及S_R存在显著的季节差异,呈现冬季高夏季低的特征;秋冬季的E2/E3以及E3/E4明显高于春夏季,并且秋冬季的E3/E4大部分均大于3.5,表明秋冬季沉积物间隙水CDOM具有更小的分子量和更低的腐殖化程度;三维荧光光谱通过PARAFAC解析出3种组分,分别为类酪氨酸(C1)、短波类富里酸(C2)和降解的腐殖类物质(C3),并且3种荧光组分间具有显著的正相关性(P0.001);岗南水库沉积物间隙水的CDOM总荧光强度和各荧光组分荧光强度呈现显著的季节差异,总荧光强度以及各组分的荧光强度呈现春季的最高、秋冬季次之、夏季最低的分布特征;秋冬季各个荧光组分占比不存在显著差异,春夏季各个荧光组分占比不存在显著差异,秋冬季与春夏季各个荧光组分占比存在显著差异;秋冬季沉积物间隙水CDOM生物源指数(BIX)和荧光指数(FI)均高于春夏季,表明秋冬季CDOM的自生源强于春夏季,与腐殖程度指标(HIX)的结果相吻合;PCA结合Adonis分析显示沉积物间隙水CDOM的光谱特征呈现显著的季节差异(P0.001);并且组分C1、C2、C3以及水质参数[氨氮、硝氮、亚硝氮、溶解性总氮以及溶解性总磷]均有很好的线性回归方程.综上,通过对岗南水库沉积物间隙水CDOM光谱特征进行研究,可以为分析岗南水库有机物污染特征和水质管理提供技术支持.     

铁铜双金属有机骨架MIL-101(Fe,Cu)活化双氧水降解染料性能

针对非均相芬顿传质效率低和Fe（Ⅲ）Fe（Ⅱ）转化慢导致活性低等问题,采用溶剂热法制备铁铜双金属有机骨架材料[MIL-101（Fe,Cu）],并研究了材料界面性质、催化降解染料（亚甲基蓝）性能以及活化催化机制.结果表明,MIL-101（Fe,Cu）晶体结构完整且呈三维八面体形状;比表面积和平均孔径分别为667.2 m² ·g^-1和1.9 nm,可充分暴露反应活性位点.MIL-101（Fe,Cu）在广谱pH范围可活化H₂ O₂高效降解亚甲基蓝.当pH=5、反应20 min,MIL-101（Fe,Cu）/H₂ O₂对20 mg ·L^-1亚甲基蓝的去除率为100%,较MIL-101（Fe）/H₂O₂和单独H₂ O₂分别提高43.1%和88.9%.自由基猝灭实验与反应前后铁和铜价态变化结果表明,羟基自由基（·OH）是MIL-101（Fe,Cu）/H₂ O₂催化降解亚甲基蓝的主要活性物种;Cu（Ⅱ）掺杂引入新的活性位点,且Cu（Ⅱ）/Cu（Ⅰ）循环和Fe（Ⅲ）/Fe（Ⅱ）循环可协同产生·OH,进而提高催化效率.MIL-101（Fe,Cu）作为新型非均相类芬顿催化剂,无需复杂pH调节即可获得良好催化效果,在工业废水处理上具有较好地应用前景.     

潮土细菌及真菌群落对化肥减量配施有机肥和秸秆的响应

为了研究化肥减量配施有机肥和秸秆对华北麦玉轮作田潮土细菌和真菌群落的影响,在天津市宁河区试验基地开展田间定位施肥试验,采用Illumina高通量测序技术比较了5种施肥模式（单施化肥处理,F;化肥减施处理,FR;化肥减量与秸秆配施处理,FRS;化肥减量与有机肥配施处理,FRO;化肥减量与有机肥和秸秆配施处理,FROS）下土壤细菌及真菌群落的组成、多样性和结构差异,并结合土壤理化性质分析,探究不同施肥处理下驱动细菌和真菌群落变化的关键土壤环境因子.结果表明,FRO处理显著提高了土壤SOM含量.FROS处理的TP含量显著高于FRS处理,增加了13.33%.FRO和FROS处理AP含量较其它处理显著增加,NH₄⁺-N含量显著高于化肥处理（F和FR）.各施肥处理土壤中优势细菌门类均为变形菌门（Proteobacteria）、放线菌门（Actinobacteria）、绿弯菌门（Chloroflexi）和酸杆菌门（Acidobacteria）,优势真菌门类均为子囊菌门（Ascomycota）.在化肥减量配施有机肥（FRO）的基础上添加秸秆（FROS）显著降低了放线菌门（Actinobacteria）的相对丰度.FRS和FROS处理均显著降低了芽单胞菌门（Gemmatimonadetes）的相对丰度.FROS处理显著提高了浮霉菌门（Planctomycetes）和疣微菌门（Verrucomicrobia）的相对丰度.对于真菌群落而言,有机肥（FRO和FROS）的施入显著提高了子囊菌门（Ascomycota）的相对丰度.与FR处理相比,FROS处理显著降低了被孢菌门（Mortierellomycota）和油壶菌门（Olpidiomycota）的相对丰度,且FRS处理同样显著降低了油壶菌门（Olpidiomycota）的相对丰度.FROS处理的细菌群落Shannon多样性指数显著高于F和FR处理,分别增加了1.26%和1.25%,Chao1指数较F处理显著增加了4.51%,细菌Shannon多样性指数与AP和NH₄⁺-N含量显著正相关（P<0.05）.与FR处理相比,FRS、FRO和FROS处理显著降低了真菌群落Shannon多样性指数,分别达到29.85%、24.94%和25.73%,真菌Shannon多样性指数与AP含量显著负相关（P<0.05）.细菌群落结构在FROS处理下显著区别于F、FR和FRO处理,土壤SM、TP、pH和AP是导致细菌群落结构变化的主要驱动因子;真菌群落结构在FRO和FROS处理下显著区别于F和FR处理,真菌群落结构变化主要受土壤TN、AP和TP的驱动.综上所述,添加有机肥和秸秆改变了土壤理化性质,进而改变了土壤细菌和真菌群落组成,土壤真菌对有机物料的敏感程度高于细菌,细菌和真菌群落结构均受到土壤P的调控,在潮土农业耕作中应引起充分重视.     

北京南部城区PM2.5中碳质组分特征

为了解《大气污染防治行动计划》实施后北京市大气PM_2.5中碳质组分特征,于2017年12月至2018年12月在北京污染较重的南部城区进行了PM_2.5连续采样,对其中的有机碳（OC）和元素碳（EC）进行了全面研究.结果表明,北京大气PM_2.5、OC和EC浓度变化范围分别为4.2~366.3、0.9~74.5和0.0~5.5 μg ·m^-3,平均浓度分别为（77.1±52.1）、（11.2±7.8）和（1.2±0.8）μg ·m^-3,碳质组分（OC和EC）整体占PM_2.5的16.1%.OC质量浓度季节特征表现为：冬季[（13.8±8.7）μg ·m^-3] > 春季[（12.7±9.6）μg ·m^-3] > 秋季[（11.8±6.2）μg ·m^-3] > 夏季[（6.5±2.1）μg ·m^-3],EC四季质量浓度水平均较低,范围为0.8~1.5 μg ·m^-3.二次有机碳（SOC）年均质量浓度为（5.4±5.8）μg ·m^-3,四季贡献比例范围为45.7%~52.3%,年均贡献为48.2%,凸显了二次形成的重要贡献.随污染加重,尽管OC和EC贡献比例均降低,但浓度水平却成倍升高,OC和EC浓度在严重污染天分别是空气质量为优天的6.3和3.2倍.与非供暖时段相比,供暖时段PM_2.5、OC和SOC浓度分别增加了14.4%、47.9%和72.1%,体现了OC对供暖季PM_2.5污染的重要贡献.PSCF分析表明,位于北京西南的山西省和河南省部分区域是PM_2.5和OC的主要潜在源区,且PM_2.5潜在源区更为集中;EC的PSCF高值（>0.7）区域较少,主要位于北京南部,如山东省和河南省部分地区,且北京市及周边地区贡献明显.