基于T-S模糊神经网络的大沽河水质变化特征分析研究

基于T-S模糊神经网络,利用大沽河2010年-2015年水质监测数据,选取溶解氧、化学需氧量、高锰酸盐指数、氨氮、总氮、总磷对水质具有重要影响的6项指标,建立适用的水质评价模型,对大沽河水质变化特征进行分析.结果显示:上游水质评价结果明显优于中游、下游水质评价结果,网络评价水质等级变化趋势同真实指标数据变化趋势一致.验证结果充分表明了T-S模糊神经网络用于水质变化特征分析是可行、有效的.     

工业园区综合难降解废水深度处理实验研究

某工业园区综合废水处理厂设计规模5.0×104m3/d,原设计出水执行《城镇污水处理厂污染物排放标准》(GB 18918-2002)一级B标准,需将出水标准提高到一级A排放标准.分别采用混凝沉淀法和高级氧化法深度处理二级生化出水.小试试验结果表明:二级生化出水CODcr在62~75 mg/L左右,PAC、Al2(SO4)3及PFS三种絮凝沉淀药剂处理出水CODcr去除效果均不明显,不能稳定达到一级A排放标准.芬顿催化氧化的pH=5,FeSO4+H2O2投加量为(200+100)mg/L;臭氧氧化的O3投加量33 mg/L,其出水CODcr均能达到一级A排放标准.     

SCREEN3模型在大气环境管理中的应用研究

基于高斯扩散的单源估算模式SCREEN3计算佛山市环境统计企业的SO2排放最大落地浓度距离,发现全市工业企业SO2排放最大落地浓度距离为0.4~13.5 km.其中水泥和火电等高架源的最大落地浓度的距离最远.佛山市及五区纳入环境统计的重点废气排放企业平均的SO2排放最大落地浓度距离为2.9~4.9 km,能直接影响国控监测点位的企业合计37家,其中40%为高明区的企业.该结果证明加强空气质量国控监测点位周边至少5 km内废气排放企业的督查有利于空气质量的改善.     

高校大学生环保意识培养与生态文明建设研究

通过基于大学生环保意识培养与生态文明建设研究,利用广东省环境保护工程职业学院等5所在校职业学院大学生调查数据,对目前职业学院大学生生态文明素质现状及生态文明教育开展情况进行描述分析,研究发现对生态文明教育存在缺位现象;生态实践行为有待提高.同时,利用SPSS统计应用软件对大学生的生态文明认知、生态意识、生态实践行为与大学生的信息情况进行相关性分析,找出影响大学生生态文明素质的因素,提出了提升大学生生态文明素质的途径和方法.     

TiO2/膨润土复合材料对Hg2+的吸附性能研究

利用纳米TiO_2对膨润土进行复合改性,制备TiO_2/膨润土复合材料.采用电镜扫描、X-射线衍射表征改性前后膨润土的结构和形貌.通过室内模拟实验,以膨润土为对照,研究不同添加量、pH、吸附时间及初始Hg~(2+)浓度等条件下,TiO_2/膨润土复合材料对Hg~(2+)的吸附特性与性能,同时通过正交试验,探究TiO_2/膨润土复合材料吸附Hg~(2+)的最优条件.结果表明,改性后的膨润土颗粒明显变小,且颗粒疏松多空孔,层间距增大.相比于膨润土,TiO_2/膨润土复合材料吸附性能得到极大提高.TiO_2/膨润土复合材料对Hg~(2+)的吸附率均随着添加量、pH、吸附时间的增大而增大,添加量为1.5 g·L~(-1)、pH为7.0、吸附时间为120 min时,吸附率达98.0%以上.但TiO_2/膨润土复合材料对Hg~(2+)的吸附率随着初始Hg~(2+)浓度的增大而减小.通过4种动力学模型拟合发现,吸附过程符合假二级动力学方程,吸附以化学吸附为主.吸附等温线更符合Langmuir等温方程,属于典型的单分子层吸附,最大吸附量为20.66 mg·g-1.吸附Hg~(2+)的最优实验条件:添加量为2.0 g·L~(-1),pH为8.0,初始Hg~(2+)浓度为45 mg·L~(-1),吸附时间为16 h,此时吸附率99.9%,平衡浓度为0.034 mg·L~(-1).     

硫酸盐和Fe(Ⅱ)EDTA-NO/Fe(Ⅲ)EDTA厌氧还原过程特性及微生物群落分析

在生物法烟气脱硫技术(Bio-FGD)和络合吸收生物还原脱硝技术(BioDeNO_x)基础上,提出了生物结合络合吸收同步脱硫脱硝的工艺思路,该工艺利用加入Fe(Ⅱ)EDTA的碱性吸收液同时吸收烟气中的二氧化硫(SO_2)和一氧化氮(NO).本研究在厌氧反应器中实现烟气脱硫脱硝吸收产物硫酸盐和Fe(Ⅱ)EDTA-NO/Fe(Ⅲ)EDTA的同步去除.结果表明,水力停留时间为16 h,p H维持在7.0时,硫酸盐的平均去除率为95.16%,Fe(Ⅱ)EDTA-NO的平均去除率为96.61%.硫酸盐的还原产物主要以液相中硫离子和气相中硫化氢的形式存在,Fe(Ⅱ)EDTA-NO的最终还原产物为N2.反应运行的各个阶段均可实现Fe(Ⅲ)EDTA的还原,但还原率会随HRT降低而下降.第5阶段反应器中主要的硫酸盐还原菌为Desulfomicrobium,同时存在异养反硝化菌Pseudomonas与两种硫自养反硝化菌Sulfurimonas与Sulfurovum,并发现了两种具有还原单质硫功能的菌属Thermovirga与Mesotoga.     

碱活化过一硫酸盐降解水中环丙沙星

采用碱活化过一硫酸盐(peroxymonosulfate,PMS)对环丙沙星(ciprofloxacin,CIP)的去除进行了系统地研究.结果表明,碱活化PMS体系能够高效地去除CIP.通过自由基捕获实验确定了单线态氧(~1O_2)和超氧自由基(O_2~-·)是反应体系中的主要活性物种.NaOH浓度、PMS浓度、反应温度和共存阴离子等对CIP在碱活化PMS体系中的去除均有一定影响.随着NaOH和PMS浓度的增加,CIP的降解均呈现出先增加后降低的趋势.提高反应温度能够加大CIP的反应速率,经过阿伦尼乌斯方程拟合得到的反应活化能为5.09 k J·mol~(-1).不同的阴离子对CIP的去除呈现不同的影响:Cl~-、SO_4~(2-)和NO_3~-对CIP的降解没有呈现明显的作用,H_2PO_4~(2-)能够有效地抑制环丙沙星的去除,而CO_3~(2-)极大地促进了反应进程.通过UPLC-MS/MS可检测到10种降解产物,CIP分子结构中的哌嗪环易于受到活性物种的攻击.     

三门峡水库水体中不同形态汞的分布特征

为了解三门峡水库水体中不同形态汞的分布特征,在丰水期和枯水期对三门峡水库进行采样,分别采用冷原子荧光光谱法(CVAFS)和蒸馏-乙基化衍生-气相色谱-冷原子荧光法(GC-CVAFS)测定水样中总汞、总甲基汞、溶解态总汞和溶解态甲基汞的浓度.结果表明,三门峡水库水体中总汞、溶解态汞和颗粒态汞浓度范围分别为1.65~9.65、0.80~3.16和0.70~7.81 ng·L~(-1),符合国家地表水环境质量标准(GB 3838-2002)一类水汞浓度标准限值;总甲基汞、溶解态甲基汞和颗粒态甲基汞浓度分别为0.05~0.36、0.02~0.14和ND~0.26 ng·L~(-1).三门峡水库水体总汞和甲基汞在季节和空间分布上没有呈现出明显的变化规律.总汞和甲基汞与未受污染的天然水体差别不大,水库未受到明显的汞污染.丰、枯水期沉积物中总汞浓度分别为(92.96±10.65)ng·g~(-1)和(80.06±19.14)ng·g~(-1),甲基汞浓度分别为(0.33±0.14)ng·g~(-1)和(0.50±0.19)ng·g~(-1).较低的甲基汞浓度说明在三门峡水库汞的迁移转化过程中,甲基化作用可能并非主要的过程,这可能与水体底层溶解氧浓度较高以及沉积物中有机质浓度较低有关.     

ENSO事件对上海降水中氢氧同位素变化的影响

根据2012年1月至2017年2月上海206个降水样品实测数据,结合全球大气降水同位素网络(GNIP)提供的南京、武汉、福州、香港1961~2012年大气降水同位素数据分析不同强弱程度的ENSO事件对降水中同位素组成影响的差异性.研究时段内上海降水中δD与δ~(18)O夏秋为低值,冬春为高值.El Nino事件期间大气降水线的斜率与截距均大于非El Nino事件期间,La Nina事件期间反温度效应、降水量效应、水汽压效应较非La Nina事件期间显著.不同强弱程度的El Nino和La Nina事件影响下的上海降水中δ~(18)O、d值与海洋尼诺指数(ONI)、海表温度距平值(SSTA)、ONI极值、累积值ΣONI这4个指数具有明显的负相关关系,并且降水中δ~(18)O与ONI、SSTA两个指数相关性大小受ENSO事件的影响较大.     

不同运行模式下改良型CAST工艺处理生活污水的除磷性能

实验采用改良型CAST工艺,以生活污水为研究对象,考察了C/P、回流比及温度等不同运行模式对系统除磷性能的影响.结果表明,常温条件下进水C/P由50升至100,系统除磷率均值从15%迅速升至95.6%,除磷性能显著提高;继而降低C/P至75,除磷性能因进水碳源不足再度下降,除磷率均值为51.4%,且长期投加易降解碳源引发系统污泥膨胀并导致污泥大量流失.C/P较低情况下,回流比由25%降低至12.5%,除磷性能提高2.3倍,继续降低回流比至0,除磷性能反而下降;温度实验研究则表明,低温系统(14℃±1℃),除磷率稳定维持在90%以上,而高温短程硝化系统(27℃±1℃)除磷率仅为14.1%,可见低温更有利于系统磷的去除.吸磷小试发现,常温系统污泥以O_2、NO_3~-和NO_2~-为电子受体均能进行吸磷,而低温系统污泥能以O_2、NO_3~-为电子受体进行吸磷,高温系统污泥则仅能以O_2为电子受体进行少量吸磷.此外,实验还发现,系统短期闲置导致的污泥"饥饿"有利于系统除磷率的提高.