城市高污染水体生物生态处理技术研究

针对城市高污染水体的特点,建成了粉煤灰基质滤料生物过滤与复合水生植物滤床组合处理系统。生物过滤在有机物和氨氮的去除方面起主要作用,磷则主要是通过人工湿地去除。运行结果表明,组合工艺出水COD、TP、NH3-N、TN平均浓度分别为16.35 mg/L、0.08 mg/L、2.68 mg/L、15.63 mg/L,均满足《城市污水再生利用——城市杂用水水质》(GB/T18920-2002)标准要求。     

高密度沉淀池技术概述

高密度沉淀池(Densadeg)以其结构紧凑、处理效率高、出水水质稳定等特点,越来越多地被应用于城市污水一级强化处理和深度处理。本文主要介绍了高密度沉淀池的三种基本类型,重点阐述了RL型高密度沉淀池的工作原理及组成,以及污泥外部循环系统、高效斜板设置的特点;同时介绍了Densadeg的另一种运行方式:超高速沉淀池(ACTIFLO工艺),展望了高密度沉淀池的应用前景。     

高桩码头的振动测量与分析

测量了高平潮、低平潮及两潮位之间三个时段某高桩码头工作平台的振动情况,比较了不同潮位下振动的最大位移值.对测量数据进行了分析,发现海浪对结构振动的位移大小影响明显,得到了工作平台的前三阶自振频率.利用两点差法,根据码头平动记录求取了码头沿垂直轴向的码头扭转分量,经计算码头转角在10-7rad量级,码头扭转的转动中心按照...     

MSWNet: A visual deep machine learning method adopting transfer learning based upon ResNet 50 for municipal solid waste sorting

● MSWNet was proposed to classify municipal solid waste. ● Transfer learning could promote the performance of MSWNet. ● Cyclical learning rate was adopted to quickly tune hyperparameters. An intelligent and efficient methodology is needed owning to the continuous increase of global municipal solid waste (MSW). This is because the common methods of manual and semi-mechanical screenings not only consume large amount of manpower and material resources but also accelerate virus community transmission. As the categories of MSW are diverse considering their compositions, chemical reactions, and processing procedures, etc., resulting in low efficiencies in MSW sorting using the traditional methods. Deep machine learning can help MSW sorting becoming into a smarter and more efficient mode. This study for the first time applied MSWNet in MSW sorting, a ResNet-50 with transfer learning. The method of cyclical learning rate was taken to avoid blind finding, and tests were repeated until accidentally encountering a good value. Measures of visualization were also considered to make the MSWNet model more transparent and accountable. Results showed transfer learning enhanced the efficiency of training time (from 741 s to 598.5 s), and improved the accuracy of recognition performance (from 88.50% to 93.50%); MSWNet showed a better performance in MSW classsification in terms of sensitivity (93.50%), precision (93.40%), F1-score (93.40%), accuracy (93.50%) and AUC (92.00%). The findings of this study can be taken as a reference for building the model MSW classification by deep learning, quantifying a suitable learning rate, and changing the data from high dimensions to two dimensions.     

流动注射分光光度法测定水中痕量氟化物

研究并建立了测定水中痕量氟化物的氟试剂（ＡＬＣ）－流动注射分光光度法。将水样注入到水载流中,与ＡＬＣ－Ｌａ丙酮水溶液混合,在５０℃时反应生成蓝色三元络合物,在分光光度计上于波长６１８ｍｍ处进行检测。Ｆ＾－测定的线性范围为０．０４－３．０ｍｇ／Ｌ,检出限为０．０３６ｍｇ／Ｌ。     

铁屑对低浓度含铬地下水的处理研究

以某铬渣污染场地上抽提上来的低浓度含铬地下水作为实验研究对象。选用铁屑对含铬废水进行处理。通过静态试验考察了影响六价铬去除率的因素:pH、铁屑用量、反应时间,得到了较好的反应工艺参数。并在静态试验的基础上,用铁屑填充自制的反应柱研究了动态试验的效果。结果表明:六价铬的出水浓度低于0.05 mg/L,达到GB/T 14848-93《地下水质量标准》Ⅲ类排放标准。     

Fenton氧化与生化组合技术处理油田采油废水的研究

采用Fenton氧化与生化组合技术处理生物难降解的采油废水的研究结果表明 ,Fenton氧化技术不但对采油废水中有机质有较好的去除率 ,而且大大地改善了废水的可生化性 ,在H2 O2 的投加浓度和Fe2 + 与H2 O2 的摩尔比分别为10mmol/L和 0 .1的条件下 ,经过 30min氧化后可使废水BOD值由原来的 5mg/L上升至 4 0mg/L ;同时随着氧化时间的延长 ,废水中残余的有机物分子量逐渐降低。 30min氧化后的废水经过生物处理 ,其出水COD值为 10 2mg/L ,可以满足国家综合污水外排标准 ,经济分析结果表明 ,该技术处理采油废水的运行成本为 1 4 7元 /t。这一技术在解决石油行业采油废水的外排达标方面具有很好的应用前景。     

焦化厂土壤和地下水中PAHs分布特征及其污染过程

以煤炭为原料的焦化厂是环境中PAHs的主要人为污染源. 针对US EPA(美国国家环境保护局)优先控制的16种PAHs,对苏南某生产历史长达16 a、面积为44.58×104 m2的焦化厂土壤样品中的w(PAHs)以及地下水样品中的ρ(PAHs)进行了分析,并采用统计学方法对PAHs的分布规律进行了研究. 结果表明:表层土壤中除二苯并[a,h]蒽外,其他15种PAHs均被检出;w(2~3环PAHs)平均值占w(∑PAHs)平均值的92.6%,明显高于w(4~6环PAHs). 地下水中只检出强亲水性的萘、二氢苊、苊、芴、菲、蒽等6种低环PAHs,但未迁移至厂外. 厂区内土壤和地下水中PAHs污染均具有典型的区域分布特征,并且均为化厂车间最严重. 土壤防污性能的差异使PAHs在3.0 m黏土层〔K_y(垂向渗透系数)=1.28×10-8 cm/s〕中富集. 高环PAHs主要与有机质结合以固相迁移,因w(TOC)随深度增加而下降,部分高w(高环PAHs)点位土壤有机质吸附过饱和,未被吸附的高环PAHs向深层迁移至5.0 m含水层顶板,但因强疏水性未进入7.0 m含水层. 强亲水性低环PAHs以溶解态迁移进入含水层,但因地下水流动缓慢(流速为3.71×10-6 cm/s),PAHs污染区仅集中在化厂车间及其附近区域.      

我国典型城市PM_(2.5)空间分布均匀性分析

随着空气质量新标准的实施,从2013年开始我国部分城市先期开展了PM2.5的例行监测,从中选取不同区域的典型城市,分析了PM2.5在环境中的分布情况。分析结果表明:典型城市PM2.5日均值相对标准偏差(RSD)范围为13%~26%,平均值为18%;我国南方城市PM2.5空间分布均匀性优于北方城市,北方城市冬、春季节PM2.5分布的均匀性较差,南方城市夏季PM2.5分布的均匀性较差;PM2.5的空间分布均匀程度与PM10接近,但明显优于其他气态污染物。综合分析认为,目前我国国家监测网内PM2.5监测点位的代表性能够满足城市空气质量监测与评价工作需要。     

Heavy metals in coastal sediments in Guipuzcoa (Spain)∗

Surficial sediment samples were wet digested (HNO₃‐HCI‐HF) and analysed by atomic absorption spectroscopy. The background values in the area, and the Pollution Index Load in the sampling points were calculated. Metal inputs of continental origin are specially important in Deva, Oria and Urola river mouths.