细菌的开发与利用

细菌会传播疾病、危害人体健康，但鲜为人知的是：地球上已知的1万多种细菌中，致病菌只有1％左右，其余大部分对人类有益无害。随着生物技术的迅猛发展，细菌的功能不断被人类发现和利用。1利用细菌开发能源美国和日本的科学家都成功研制了独特的细菌电池，这类电池的电介质是活性细菌，虽然产生的电能较少但具有广阔的发展前景。日本专家发现了一种能制氢的细菌，只需在淀粉中掺入其他营养素的培养液里进行培养，便可在透光玻璃容器中产生氢气。加拿大生物学家利用细菌在水面上“种植”石油，将某些种类的细菌放在生长很快的藻类上，结果…     

硫铁矿生物法制酸及其应用研究

用细菌氧化硫铁矿产酸，然后用该酸性水去中和燃煤电厂碱性灰水。在实验室内研究了初始ｐＨ、温度及硫铁矿的投加量等因素对产酸速度的影响；试验表明：用该酸性水处理高ｐＨ、高悬浮物（ＳＳ）含量的灰水，可以达到排放或回用要求，且成本较低。     

中蒙边界河湖水质现状及其评价

本文就中蒙两国首次环保合作项目的调查结果，对边界主要河湖的水质进行了全面的监测与评价，结果显示，位于中方水体的水质问题主要表现在营养盐，有机耗氧和碱度偏高，本次调查中为蒙双方共同开发，利用与保护边界水资源提供了宝贵的资料。     

光合细菌与酵母跨界融合(杂合)子发酵味精废水研究

光合细菌球形红假单胞菌（Ｒｈｏｄｏｐｓｅｕｄｏｍｏｎａｓ ｓｐｈａｅｒｏｉｄｅｓ）酿酒酵母（Ｓａｃｃｈａｒｏｍｙｃｅｓ ｃｅｒｅｖｉｓｉａｅ）细胞分别经溶菌酶和蜗牛酶脱壁形成原生质体，在聚乙二醇（ＰＥＧ）和Ｃａ＾２＋诱导下实现了真核与原核细胞的超远缘杂交，经抗菌素培养基初步鉴定，融合产物能同时在含有链霉素和制霉菌素的培养基中生长，而双亲细胞只能在含有单一抗菌素的培养基中生长，经初筛与得获得高絮弟性     

浑河（抚顺段）水体中微生物消涨状况及细菌学评价

采用细菌学方法，对浑河（抚顺段）水质进行了细菌学监测，积累了从１９８８年至１９９７年１０年的监测数据，该段水体中微生的消涨状况进行了阐述，并进行了细菌学评价。     

太湖水中降解苯酚细菌的分布与降解能力研究

太湖水中降解苯酚的细菌有3个属，分别是假单胞菌属、微球菌属和芽孢杆菌属。芽孢杆菌属和假单胞菌属是降解苯酚的主要细菌。未驯化细菌对1mg/L苯酚的降解率介于70％～85％。驯化细菌对苯酚的降解能力有了很大提高，对60mg／L苯酚的降解率达到了60％，86％。CS1培养基适宜测试未驯化细菌对苯酚的降解能力，测试驯化细菌则要用CS2培养基。     

耐镉菌株的分离及其对Cd2+的吸附富集

采用梯度浓度驯化的方法,筛选分离出一株能高度耐镉和富集镉的菌株,初步鉴定为假单胞菌属(Pseudomonas sp.).该菌株在含Cd2+浓度4500mg/L的液体细菌培养基中能够生存,当Cd2+浓度为100mg/L时,pH值为6～8有利于提高菌株耐镉能力.Cd2+为低浓度时菌株积累Cd2+,菌体对Cd2+浓度为100mg/L的积累率达99.1%,冻干菌体对Cd2+的吸附量为8.786mg/g干菌体;当Cd2+浓度大于909mg/L时,菌体表现出外排Cd2+现象.红外分析和电镜观察表明,菌株细胞壁在吸附Cd2+中起重要作用,67.4%的Cd2+吸附在细胞壁上.     

厌氧酸化-二级PSB流化床工艺处理高浓度有机废水

采用厌氧酸化+二级光合细菌(PSB)流化床的组合工艺对植物压榨发酵废水进行降解实验,一级流化床(PSB1)中填料为轻质多孔炭渣,二级流化床(PSB2)为活性炭,扰动方式分别采用机械流化和机械气动组合流化,稳定运行40d。结果表明,进水酸化12h后CODCr由80000~120000mg/L降至63000~95000mg/L,进而由系统出水回流稀释至8000~12000mg/L,进入二级流化床反应器,PSB1白天厌氧光照、夜间微好氧,PSB2白天微好氧、夜间好氧,停留48h,CODCr降至295.8~384mg/L,稳定实现96.2%以上的CODCr去除率,TN去除率为71.3%。     

活性污泥生长的控制

在污水处理过程中，针对不同的运行环境，我们选择适当的运行工艺和参数。通过控制菌胶团细菌和丝状菌平衡生长，或者是使固着型原生动物占优势，来获得良好的活性污泥，保证出水达标排放。     

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.