人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.      

Pt负载暴露(001)晶面Bi2WO6催化剂合成及光催化性能

通过水热法制备了暴露（001）晶面的Bi₂WO₆纳米片,利用光还原法将Pt纳米颗粒负载于其表面.选择苯甲醇氧化和罗丹明B（RhB）降解为探针反应,评价了催化剂的光催化性能.在苯甲醇氧化实验中,Pt负载暴露001晶面的Bi₂WO₆样品的苯甲醇转化率为20.7%,约为未负载样品的2倍.在RhB降解实验中,Pt负载样品在光照40min后对RhB的矿化率可达81.1%,而未负载样品RhB矿化率仅为55.8%,表明Pt负载样品具有更优的降解速率和矿化能力.催化剂性能的提升归因于高能晶面暴露和Pt负载的协同作用.Pt纳米颗粒的负载作为助催化剂增加了催化剂表面的活性位点,同时提高了晶面光生电子空穴对的分离和迁移效率.     

CeO2形貌结构对催化湿式空气氧化苯酚性能的影响

采用水热法、沉淀法和溶胶凝胶法制备了3种不同形貌的CeO₂催化材料,并将其用于湿式空气氧化苯酚水溶液过程中,探讨了CeO₂形貌结构对催化湿式氧化苯酚水溶液性能的影响.采用扫描电子显微镜（SEM）、透射电子显微镜（TEM）、X射线衍射（XRD）、程序升温还原（TPR）等手段对CeO₂催化材料进行了表征.结果表明,水热法制备的CeO₂催化材料表现出较好催化性能,主要原因是水热法合成的CeO₂呈现交错的纳米棒状结构,主要暴露（220）晶面,且沿着（220）晶向生长.在反应温度为200℃、空气压力为2MPa、苯酚初始浓度500mg/L的条件下,最终（240min）COD的去除率为95.5%.     

Ni2+对好氧颗粒污泥系统性能的影响

以城镇污水处理厂A²/O工艺的回流污泥作为接种污泥,在序批式反应器（SBR）中培养好氧颗粒污泥（AGS）,探究Ni²⁺对AGS系统的影响.结果表明：在25℃的条件下,50d左右培养出成熟的AGS,其形态多呈球状或椭球状,外表分布着少量丝状菌,颗粒污泥粒径主要在2~4mm,MLSS达6000mg/L,SVI维持在40~50mL/g.将Ni²⁺作用于培养出的成熟AGS,Ni²⁺在0~2mg/L的浓度范围内会提高AGS的稳定性,使MLSS上升,SVI降低;同时会促进AGS分泌胞外多聚物（EPS）,EPS组成成分中的蛋白质（PN）明显多于多糖（PS）;Ni²⁺对好氧颗粒污泥去除总氮（TN）的抑制程度要大于COD,最终COD去除率可维持在95%以上,TN去除率可维持在70%以上.     

微塑料对黑麦草吸收和累积水体中环丙沙星的影响

微塑料（microplastics,MPs）和抗生素作为新型环境污染物,引起了国内外学者对其生态风险的关注.以黑麦草（Lolium perenne L.）为供试植物,以聚苯乙烯微塑料和环丙沙星（ciprofloxacin,CIP）为研究对象,探讨微塑料对水培黑麦草吸收和富集抗生素的影响及MPs-CIP复合污染对植物生长的毒性作用.结果表明:黑麦草对单一CIP和MPs-CIP复合污染中的CIP均有吸收去除能力,底物中微塑料的存在会促进黑麦草对低浓度CIP的吸收去除,去除率最高可达100%,但对高浓度（1.0、2.0 mg/L）CIP吸收的影响不显著（P>0.05）.同时,微塑料可促进黑麦草根部积累的CIP向地上部转运,当CIP浓度分别为0.1、2.0 mg/L时,投加微塑料后根部积累的CIP含量与单一CIP处理组相比分别降低了44.0%、21.2%,叶片中CIP的积累量分别增加了2.9、3.0倍.微塑料的加入显著加重了CIP对黑麦草生长和叶绿素含量的抑制作用.与2.0 mg/L CIP处理组相比,50.0 mg/L MPs-2.0 mg/L CIP复合污染处理组对黑麦草根长和鲜质量的抑制率分别增加了53.7%和79.6%,而叶绿素a、b含量则分别降低了38.5%和44.4%.研究显示,水体中微塑料与CIP的共存会影响黑麦草吸收和体内积累CIP,并加重CIP对植物生长的毒性作用.      

基于铁锰泥的除砷吸附剂性能比较及吸附机理

为解决反冲洗铁锰泥粉末吸附剂（BSPA）使用后难以泥水分离问题,将除铁锰水厂生物滤池产生的反冲洗泥制成颗粒吸附剂（GA）和磁性粉末吸附剂（MPA）,并对BSPA、GA和MPA的除砷性能进行了比较,通过SEM、TED、XRD、BET、FTIR等技术对3种材料进行了表征,寻找3种吸附剂之间除砷性能差异的根源.结果表明,BSPA、GA和MPA对As （V）的最大吸附容量分别为40.980,5.048,8.694mg/g,改性后的吸附材料GA和MPA对砷的吸附能力下降.BSPA是一种以纤铁矿为主的无定形结构混合物,并混有针铁矿和结晶度差的水铁矿,GA的XRD图谱中出现石英晶体和少量赤铁矿晶体的衍射峰,而MPA的主要成分为结晶程度较高的磁赤铁矿.3种材料中均存在有利于吸附的含羟基官能团.BSPA、MPA和GA的比表面积分别为253.150,238.660,43.803m²/g.物相改变且结晶程度增加、表面羟基减少和比表面积降低是导致GA和MPA的砷吸附容量比BSPA低的主要因素.     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.     

日照市大气质量指数分区预报

利用1999年1月至2002年7月日照市环境监测站监测的污染物浓度资料和探空及本站地面气象资料,分析了日照地区可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度变化的时空分布特征及气象要素的变化对污染物浓度时空分布特征的影响。在此基础上,建立了可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度指数预报方程及大气质量指数分区预报流程。并用VB6.0语言编程在微机上建立了简洁流畅、操作简便的大气质量指数分区预报系统。实际预报结果较好。     

水中氮类污染物的联系与区别

叙述了水体中含氮类污染物的来源，种类，相互转化方式和条件，表征意义等，以便对水中氮类污染物有一个全面，系统的认识。     

深圳市几种空气污染物浓度日变化特征分析

通过对深圳市2002年8月至2003年8月五种空气污染物浓度日变化特征、相互关系及不同天气条件下的变化,与人们活动的关系等进行分析,试图找出深圳空气污染的主要成因及变化规律,为环境规划决策提供科学依据。