颗粒化序列间歇式活性污泥反应器工艺处理化粪池污水

在序列间歇式活性污泥反应器(SBR)中成功培养出适应化粪池污水水质的好氧颗粒污泥.并将其应用于化粪池污水的处理.在好氧颗粒污泥培养的第15天左右,SBR中开始出现细小的颗粒,然后微生物在其上繁殖生长使颗粒逐渐增大而成熟;在第24天时,SBR中絮状活性污泥已基本实现了颗粒化.培养出的好氧颗粒污泥对化粪池污水有稳定的处理效果,在进水完全为化粪池污水时,COD、NH_4~+-N、TN的平均去除率分别为77%、61%、47%.但是,由于化粪池污水COD较低,因此无法维持较高的生物量,在后期的稳定运行过程中MLSS始终维持在2 500 mg/L左右.好氧颗粒污泥的同步硝化反硝化作用是其稳定脱氮的保证.     

探秘:智能监控技术全面实现安防自动化

智能监控归纳起来,无外乎以下两个层面:一是从图像中获得更多的信息,实现系统的预警功能;一是系统具有更高的友好性和可操作性,以适应日益增大的系统规模。两者的实质都是要改变传统视频监控系统对图像信息的处理方式。     

区域性旱涝灾害序列的信息量及分维的研究

本文依据 C· E· Shannon的信息量概念 ,定义了旱涝灾害序列的信息量公式。以安徽省长江、淮河流域的旱 (涝 )灾害序列为例进行了研究 ,初步计算出相应的信息量、信息维 ,并得出如下结论 :1旱 (涝 )序列的信息量随时间是波动的、衰减的 ;2大旱 (大涝 )前信息量增加 ,信息维降低 ;3区域性旱 (涝 )序列的信息维一般在 0 .70～ 0 .90之间     

山东及其近海小震群活动特征研究

对山东及其近海30多年来发生的39次小震群资料进行了系统的整理、分析。结果表明:这39次小震群大多分布在断裂带上,发生在2条(或2条以上)断裂交汇部位的占67%,这些容易发生小震群的断层大多为走滑性质的活动断裂,占到86.5%;其中主余型的占57%,双震型的占32%,多震型的占11%,该区震群活动与外围的中、强地震对应率为56%,其中的较显著小震群与外围的中、强地震对应率为71%。对震群与中强地震的间隔时间和间隔距离,以及与区域地震构造的关系进行了初步分析。     

边坡变形时序非线性判定及混沌预测研究

以探讨边坡变形性质及混沌预测可行性为目的,基于混沌理论利用相空间重构技术对其变形时间序列进行混沌特征判定,试验显示变形系统具有混沌特性,可用混沌相关理论进行研究;基于混沌相空间重构技术,笔者构建了多种混沌预测模型进行混沌预计研究,分析各类模型的工程实际应用效果;针对单次监测时序预测精度较低的问题,提出累加时序预测方案,训练结果显示,短期预测精度变形累计值基本控制在5%以内,高程值预测相对误差均低于1%,预测精度较高,可以用于工程实际。     

人口与经济发展对植被的影响研究

植被是陆地表面主要的覆盖物，也是许多地球系统过程的重要变量。人类活动对植被的影响在区域尺度上是显著的。以重庆市为例，使用滑动平均和SG滤波对SPOT/VGT NDVI时间序列数据进行了平滑处理，结合GDP和人口栅格化数据，从时间序列和空间相关场两个方面分析了植被与人类活动因子之间的时空相关性。结果表明，从1998到2005年，植被的分布和生长状况并没有随GDP和人口的持续增加而增加。在时间序列上，植被覆盖与GDP和人口之间总体上呈显著的负相关关系；在空间上，这种相关关系表现出了较强的异质性。空间相关场表明：较强的负相关主要发生在相对发达的主城区周围，反映了快速的经济发展和城市化使得植被面积和生产力降低；然而在偏远的山区，由于经济落后同时植被覆盖较少，出现了正相关。     

基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

基于神经网络分类器的城市污水处理厂水力冲击预警系统

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为"常规"和"冲击"两类,重点对"冲击"数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0~0.167和0.981~0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.     

基于余震序列分布信息的地震极灾区快速判断方法研究

利用震级加权标准差椭圆法研究了基于震后短期内(24 h)余震序列判定地震极灾区的方法,研究结果表明:1利用该方法判断宏观震中是一种比较可行的方法,不同震源破裂方式的震例利用该方法判断宏观震中的精度不同,倾滑-近倾滑型破裂方式的震例利用余震序列判定宏观震中的精度最高;2整体上看,利用该方法判断极灾区长轴方向的准确性低于利用距震中最近活动断裂判断的准确性,但对于倾滑-近倾滑型破裂方式的震例,利用该方法的准确性高于利用断层数据判定的准确性。