乳化液废水均相催化湿式氧化动力学

在2L高压间歇反应釜中,以高浓度难降解乳化废水为处理对象,研究了温度对铜盐均相湿式氧化的影响和动力学特征.结果表明:升高温度对加快后期反应速度更为有利,催化剂有利于中间产物氧化,在200℃催化活性最高,在进水COD48 400mg/L,反应2h去除率为86.6%;催化剂在不同温度作用下机制有所差别:200℃时3个途径反应速度均加快,中间产物加速氧化更明显;220～240℃时反应向生成中间产物方向偏移,活性降低;通用模型能较好地预测均相催化过程.     

气象因子对臭氧的影响及其在空气质量预报中的应用

为提高重庆市臭氧(O_3)预报准确率,利用2013—2015年5—10月O_3监测数据和气象数据,通过主成分分析、逐步回归分析等方法,确定了影响重庆O_3浓度的主要气象因素为最高温度、温差、太阳辐射、降水量、相对湿度、水气压和压差;通过基于O_3污染水平相似的主要气象控制因子筛选和最优组合的预报结果优化方法,提高了O_3预报准确率,使2016年5—8月O_3的AQI类别预报准确率由57.7%增至72.4%,O_3超标的预报准确率由38%增至46%。     

典型高原山地城市环境空气质量预报预警平台设计

空气质量预报系统作为一种重要的工具用于为公众提供空气质量预报信息、评估城市空气质量,为污染控制战略、动态环境管理以及决策制定提供支持。研究对国内外环境空气质量预报现状进行了回顾,以云南省为例提出了高原山地城市环境空气质量预报预警体系建设的整体思路,针对系统建设现状,提出了环境空气质量预报预警系统建设所面临的问题以及对未来发展方向的建议。     

不同自燃倾向性煤的指标气体产生规律实验研究

为研究不同自燃倾向性煤的自燃指标气体变化规律，提高对煤早期自燃预测预报的准确度，采用程序升温实验系统，得到内蒙古褐煤、神东长焰煤、河南气煤及枣庄焦煤4种不同变质程度煤的氧化时间随温度的变化关系，以及指标气体浓度在煤氧化过程中的变化规律。结果表明:自燃倾向性最高的褐煤应以CO和乙烯作为煤自燃早期预报的首选指标气体；易自燃的长焰煤应采用乙烯和烯烷比为主、以CO为辅的煤自燃判定指标；自燃倾向性较低的气煤应以乙烯和烯烷比作为煤自燃预报指标；CO是自燃倾向性最低的焦煤的最佳自燃预报指标气体。     

基于小波变换与传统时间序列模型的臭氧浓度多步预测

采用最大重叠小波分解与重构方法,将影响O3小时浓度的不同时间尺度的物化过程分离出来,以提高序列的光滑性.同时,选择合适的传统时间序列模型(如ARIMA模型等)来描述不同过程的序列特征,并分别拟合预报.最后,在建模中引入24 h季节项,以实现提前24 h-次性预测未来1d的O3逐时浓度.结果表明,预报的平均相对误差为12.92％,平均绝对误差和均方根误差分别为10.04 μ.g·m-3和13.98μg·m-3,预报值与实测值的相关系数和匹配指数分别为0.96和0.98.随着预测期的延长,预报误差仍处于可接受范围内.该方法同样适用于每日最大O3小时浓度预报,研究结果为发布天气预报式的空气质量预报提供了新思路,便于公众规划出行并减少大气污染暴露.     

烟气排放连续监测系统的数据准确性研究

随着全国环境自动监控建设任务的完成,“十二五”期间要把探索环境监控数据的应用摆在突出位置,使环境监控数据在环境质量监管、排污费征收、污染物总量减排核查核算、环境执法和环境决策等方面发挥最大效能,最重要的是保证环境监控数据的真实性和准确性。CEMS作为废气自动监控系统,结合CEMS数据应用到环境管理的需求,探讨确保CEMS数据真实性和准确性应注意的事项,通过运用这些注意事项分析实时在线监控数据,能发现CEMS数据中存在的问题,提高CEMS数据的准确性和真实性。     

能源承载力预测分析方法的研究与应用研究

能源需求和人口、经济密切相关。能源需求分析是在一定的人口和经济增长假设下进行的。从投入产出角度看,能源需求的高低取决于终端需求与满足终端需求的中间过程。经济结构的变化,经济增长模式的选择,技术进步,优质能源的可获得性,环境保护要求等因素会对终端需求和中间过程产生影响。由于资源对国家和地区的重要性,资源承载力的研究显得尤为重要。因此有必要对一个区域的能源需求量作出预测和分析,提高区域发展和管理的科学性,从而实现区域的可持续发展。     

提高快速法测定C OD准确度及精密度的方法

介绍了用快速法测定COD分析中提高准确度及精密度的方法。     

分光光度法测定总氮的准确度研究

采用碱性过硫酸钾消解紫外分光光度法测定水中总氮时常出现空白值偏高、样品平行性较差、实验准确度不高等现象.为此,从总氮的测定过程出发,探讨了影响总氮测定的主要因素,有利于提高水质总氮测定的准确度.结果表明,分析试剂纯度、实验用水水质、器皿的清洗程度等对总氮的测定均有一定影响,适当延长消解时间与提高消解温度也有利于降低总氮的空白值.因此可通过优化各实验条件来提高实验的准确性,以保证实验室的设备仪器、检测人员和环境等条件满足分析要求.     

Prediction of effluent concentration in a wastewater treatment plant using machine learning models

Of growing amount of food waste, the integrated food waste and waste water treatment was regarded as one of the efficient modeling method. However, the load of food waste to the conventional waste treatment process might lead to the high concentration of total nitrogen(T-N) impact on the effluent water quality. The objective of this study is to establish two machine learning models—artificial neural networks(ANNs) and support vector machines(SVMs), in order to predict 1-day interval T-N concentration of effluent from a wastewater treatment plant in Ulsan, Korea. Daily water quality data and meteorological data were used and the performance of both models was evaluated in terms of the coefficient of determination(R~2), Nash–Sutcliff efficiency(NSE), relative efficiency criteria(d rel). Additionally, Latin-Hypercube one-factor-at-a-time(LH-OAT) and a pattern search algorithm were applied to sensitivity analysis and model parameter optimization, respectively. Results showed that both models could be effectively applied to the 1-day interval prediction of T-N concentration of effluent. SVM model showed a higher prediction accuracy in the training stage and similar result in the validation stage.However, the sensitivity analysis demonstrated that the ANN model was a superior model for 1-day interval T-N concentration prediction in terms of the cause-and-effect relationship between T-N concentration and modeling input values to integrated food waste and waste water treatment. This study suggested the efficient and robust nonlinear time-series modeling method for an early prediction of the water quality of integrated food waste and waste water treatment process.