基于非恒定流的污染物迁移扩散随机模拟

针对目前大部分河流都受到不同程度污染的现状,研究了基于非恒定流的污染物迁移扩散随机模拟方法。通过一维非恒定流数值计算和流场模拟,得到了水库开闸放水后下游各个断面的水位、流量、流速等数据,并以此为基础,利用蒙特卡洛法对水库开闸放水前后下游典型断面的COD和NH3-N等进行污染物迁移扩散随机模拟,并将模型应用于文峪河下游。结果表明,文峪河水库开闸放水后,COD和NH3-N的污染带长度和宽度均有不同程度的减小,污染带向排污一侧岸边集中。研究成果可为解决河流污染现状与水库调度提供参考。     

微电解强化微生物菌种对高氨氮低碳氮比黑臭水的脱氮研究

针对高氨氮低碳氮比(C/N)黑臭水进行脱氮研究，通过硝化菌和反硝化菌共同作用，并在后期耦合铁碳微电解(IC-ME)强化脱氮。单因素控制变量实验表明，硝化菌和反硝化菌在30℃硝化/反硝化效果较优，平均氨氮去除率为71.62%,硝态氮去除率可达到67.52%;在溶解氧(DO)为3 mg/L时硝化效果较好，平均氨氮去除率达到了70.08%;在后期投加150 g/L铁碳填料时，反硝化效果最好，2#和3#反应器硝态氮去除率最高分别提高到了81.78%和91.17%。长时间运行反应器后，氨氮去除负荷达到0.193 kg/(m³·d),化学需氧量(COD)去除负荷达到1.786 kg/(m³·d)。单独的微生物菌种针对高氨氮低C/N黑臭水脱氮还有一定的局限性，通过后期耦合IC-ME,脱氮效率明显提升，总氮(TN)去除率可从45.65%提升到58.91%。     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

漳泽水库沉积物重金属污染特征与生态风险评价

为了揭示漳泽水库表层沉积物重金属的污染特征,在2017年10月对水库16个采样点进行沉积物采集,分析了表层沉积物中Cu,Zn,Pb,Cd,Hg和As共6种重金属的含量,并对其来源和生态风险进行分析评价。结果表明:漳泽水库6种重金属的平均含量从高到低依次为Zn>Cu>Pb>As>Cd>Hg,且含量均超过山西省土壤背景值;Pearson相关性分析表明,Cu与Hg,Cu与Zn,Pb与Zn,Hg与As之间呈正相关性(P0.05)。通过主成分分析发现,主成分1由Cu、Pb、Zn构成,主要来自生活或工业污水;主成分2由Hg和As构成,主要来源于工农业废水及人类活动影响;主成分3为Cd,污染来自化石燃料燃烧等工业和农药、化肥使用的农业活动污染影响。地质累积指数法和潜在生态危害指数法结果均显示漳泽水库沉积物中Cd和Hg污染最严重,对潜在生态风险指数的贡献率比较大,生态风险高,是主要污染物,需要引起高度关注。     

管网末梢水中DOM分布特征及影响因素

为探明长期运行的供水管网末梢出水的溶解性有机物(DOM)分布特征及影响因素,采用三维荧光技术结合平行因子分析法(PARAFAC)对西北某高校管网水质进行了研究,并利用荧光区域积分(FRI)法得到各类DOM占比,通过实验揭示了加氯与DOM的相互关系。结果表明:该区域管网水中DOM主要为溶解性微生物副产物(SMP)、富里酸类(fulvic acid-like)和腐殖酸类(humic acid-like)有机物;DOM平均相对浓度约为2.0×106AU·nm2,其中类蛋白有机物较少,SMP占30%~34%、富里酸类占23%~25%、腐殖酸类占25%~28%;铸铁管出水中SMP总量(80 643 AU·nm2)和占比(34%)比不锈钢管出水中的SMP总量(72 420 AU·nm2)和占比(30%)有所升高;加氯对腐殖质类有机物具有一定的去除效果,且在前10 min内去除率最高。研究结果可为供水管网水质维护和加氯机制提供理论依据。     

汾河下游水体nirS型反硝化细菌群落组成与无机氮关系

为了探明汾河下游水体中nir S型反硝化细菌群落结构组成及其与无机氮的相互影响关系,在分析河流9个水样水质指标的基础上,运用Illumina高通量测序技术对水样中的nir S型反硝化细菌群落结构和多样性进行诊断,并进行统计分析,解析水体nir S型反硝化细菌群落与无机氮之间的关系.结果表明,汾河下游无机氮污染严重,整体水质为Ⅴ类水标准.Shannon指数变化范围为3. 36～7. 54,说明该流域反硝化细菌群落多样性较高;水体中主导菌属相对丰度占总群落的89. 8%,分别为红细菌属Rhodobacter、假单胞菌属Pseudomonas和陶厄氏菌属Thauera; DO、p H值及无机氮含量是影响汾河下游水体反硝化细菌群落的主要因素;优势菌属红细菌属Rhodobacter、陶厄氏菌属Thauera与NO_3~--N、NO_2~--N呈负相关,与NH_4~+-N呈正相关,稷山、河津和入黄口这3处的主要菌属假单胞菌属Pseudomomas与NO_3~--N、NO_2~--N呈负相关,与NH_4~+-N呈正相关.汾河下游水体中nir S型反硝化细菌中的主要菌属促进了反硝化作用,对降低水体中硝态氮的含量有一定的影响.     

BP网络马尔可夫模型的水质预测研究——基于灰色关联分析

根据汾河水质的实际情况,应用BP网络马尔可夫模型对水质进行预测。采用拉依达准则剔除样本集异常数据,结合水质污染的实际情况,以COD为参考序列,应用灰色关联度对常规指标进行分析,确定BP网络的输入节点。在BP网络预测结果的基础上采用马尔可夫链对残差序列进行修正。经过关联度分析,确定氨氮、挥发酚、水温、BOD5及COD自身作为BP网络的输入节点,解决了多变量复杂系统建模过程中BP网络输入节点无法自动寻优的问题,使得BP网络的预测结果更加符合实际。对预测误差较大的样本采用马尔可夫修正误差残值,使得相对误差从-15.43%改善到了-15%,修正值更接近于实测值。BP网络马尔可夫模型,结合了BP网络和马尔可夫的优点,提高了预测的精度。     

污泥生物炭对矿区河道受污染疏浚底泥中重金属的固化效果

为研究污泥生物炭对矿区河道受污染的疏浚底泥中Cu、Pb和Cd的固化效果,以市政污泥为原料在500℃缺氧条件下制备污泥生物炭,结合扫描电镜、FTIR和XPS等表征手段,分析污泥生物炭投加比对疏浚底泥中3种重金属形态分布和固化效果的影响。结果表明：污泥生物炭的投加可提高疏浚底泥中重金属的稳定化形态,投加比为1.0%时,疏浚底泥中Cu、Pb和Cd稳定态(可氧化态和残渣态)占比分别提高了37.7%、42.9%和42.4%。污泥生物炭主要通过络合反应和沉淀作用固化重金属,经污泥生物碳固化后,底泥中Cu、Pb和Cd的浸出浓度分别由处理前的0.8763,0.0574,0.0185 mg/L降低到0.2527,0.0106,0.0013 mg/L,浸出浓度低于GB 3838—2002《地表水环境质量标准》的Ⅲ类标准限制,处理后的疏浚底泥可进行资源化利用,基本不会产生重金属二次溶出的风险。     

基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

混合土地利用下长河流域硝酸盐污染源解析

水环境中硝酸盐含量持续增加引发的环境问题已受到全球关注.为弄清混合土地利用下长河流域硝酸盐污染问题,本研究通过探究溶解态无机氮（DIN）各指标及氮氧同位素的时空变化特征,利用水化学与双稳定同位素示踪技术识别了硝酸盐的来源和转化,并结合贝叶斯稳定同位素混合模型（SIAR）量化了其主要来源,同时研究了土地利用对流域硝酸盐源时空分配的影响.结果表明：硝态氮是研究区水体中DIN存在的主要形式.同位素证据表明,氮的迁移和转化过程以水体中硝化作用为主,反硝化与同化作用对其组成并未造成显著影响.源解析结果显示,枯、丰两个水期水体硝酸盐污染源均以粪便和污水为主,且土壤氮和化肥贡献率在丰水期显著升高.此外,研究区土地利用对硝酸盐源分配在时间上影响显著,而空间上影响较弱.研究显示,人类密集活动对流域水环境影响显著,控制粪便和污水排放的同时减少氮肥的过度使用对于控制区域硝酸盐污染至关重要.