排序方式: 共有20条查询结果,搜索用时 218 毫秒
1.
2.
数据科学的飞速发展为污水处理厂工艺数据分析提供了有力的技术工具。在污水处理工艺运行中应用数据分析技术,需要克服数据、算法和算力上的困难。介绍了污水处理工艺数据分析技术的发展现状,总结了其在数据质量和数学模型方面的技术难点,分析了污水处理工艺数据分析技术的4种典型应用场景,介绍了12个国内外数据分析集成应用的案例,评估了工艺数据分析技术的成熟度和行业应用的就绪度,讨论了技术的发展趋势。研究结果有助于污水处理系统运管人员掌握工艺数据分析技术进展和运用数据分析技术处理业务的需求。 相似文献
3.
4.
5.
浒苔绿潮与南黄海近岸海域水质的关系 总被引:3,自引:0,他引:3
浒苔绿潮在黄海海域连续暴发,为研究浒苔绿潮与该海域水质的关系,根据2010年3~6月5个航次对南黄海苏北近岸浒苔绿潮暴发区海域生态环境要素的调查数据,重点研究了该海域温度、盐度、溶解氧、pH值的分布特征及其与浒苔绿潮的关系.结果表明,受陆地径流及苏北沿岸流的影响,调查海区为低盐高营养盐区,为绿潮的暴发提供了一定物质基础.第1航次到第5航次温度由8.8℃升高到21.6℃,第3航次调查海区开始出现漂浮浒苔藻体,此航次温度平均值为14.6℃;盐度平均值为31.6,第3航次到第5航次温度和盐度值均处于浒苔藻体适宜的生长范围之内.调查海区整体上均处于富氧状态,且从第1航次到第5航次溶解氧值逐渐减低.受陆地径流的影响整个调查区域pH值基本都小于8.0.海区适宜的温度、盐度、溶解氧及pH值,为近些年黄海海域浒苔绿潮持续的大规模暴发,提供了一定的环境条件. 相似文献
6.
太湖流域工业发达,人口众多.湖泊激发的局地环流对于周边地区天气气候及空气污染扩散的影响值得高度关注.本文使用WRF-Chem模式,对比了Lake和Noah两种湖泊陆面过程方案对臭氧高浓度事件的模拟效果,并分析了太湖对周边地区局地环流及臭氧分布的影响.结果表明,Lake方案由于更好地引入了湖泊表面和大气之间的通量交换计算方案,其模拟值与实际观测结果有较好的匹配度.太湖和周边地区的热力差异使得太湖地区白天形成由湖区吹向陆地的湖风,湖风环流最强时在太湖-苏州方向高度可以达到4 km,最大风速达到5 m·s~(-1),对东北岸地区的影响可以穿过苏州到达城区的东北部约60 km处.太湖湖风的存在使得苏州城区的臭氧向下风向地区扩散,而湖风环流的强度不足以将湖区的臭氧输送到整个苏州城区.这导致远离太湖的城区的臭氧浓度比靠近太湖的城区低约150μg·m~(-3),臭氧浓度从靠近湖岸的城区到城区的后部再到郊区呈现出高、低、高的现象.而在夜间,受陆风影响,臭氧会在湖区上方堆积使得湖区臭氧浓度比周边陆地高约80μg·m~(-3). 相似文献
7.
8.
徐州市冬季大气细颗粒物水溶性无机离子污染特征及来源解析 总被引:15,自引:12,他引:3
本研究于2015年12月至2016年2月在徐州市城区采集大气细颗粒物PM_(2.5)样品共32套,使用离子色谱法分析了颗粒物中的F~-、Cl~-、NO_3~-、SO2-4、Na~+、Mg~(2+)、NH_4~+、K~+和Ca~(2+)的质量浓度.观测期间,徐州市冬季PM_(2.5)的平均质量浓度为(164.8±77.3)μg·m-3,9种水溶性离子总质量浓度为(67.5±36.1)μg·m~(-3),占PM_(2.5)的40.9%,各离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-Ca~(2+)K~+Na~+Mg~(2+)F~-,其中NH_4~+、NO_3~-和SO_4~(2-)是最主要的水溶性离子.清洁大气、轻度霾和重度霾时期PM_(2.5)中总水溶性无机离子(WSIIs)质量浓度分别为(12.8±8.8)、(59.0±22.8)、(86.3±36.0)μg·m~(-3),SNA分别占WSIIs的86.4%、82.8%和78.9%.NH_4~+、NO_3-和SO_4~(2-)三者之间相关性显著,在PM_(2.5)中的结合方式为(NH_4)_2SO_4和NH_4NO_3.徐州市PM_(2.5)中水溶性离子的主要来源为二次转化、生物质燃烧、化石燃料燃烧和矿物粉尘等. 相似文献
9.
多年来我国在计划经济体制下,环保一直被当作公益性事业来经营。1998年,我国只有污水处理厂187座,年处理能力43亿吨,相当于我国平均668万人拥有一座污水处理厂。而美国每万人、法国和瑞典每五千人就有一座污水处理厂。可见我国的城市环保基础设施的建设严重滞后,其处理能力与实际需要相差茂远。究其原因,主要由于地方财力有限,无论是污水处理还是垃圾处置,投资往往 相似文献
10.
使用中尺度气象-化学耦合模式WRF-Chem针对MEIC源清单中五大部门来源(工业源、电力源、民用源、交通源和农业源)对华东地区PM2.5的影响进行了模拟研究,主要得到以下结论:春夏秋季PM2.5约40%~60%来源于工业源,冬季由于采暖供热燃用大量散烧煤,导致民用源对PM2.5的贡献最大,在山东、安徽和江苏省等高值区贡献率超过50%;农业源、电力源和交通源对PM2.5影响的季节差异不大,农业源贡献约20%~30%,交通源和火电源贡献约10%.因此冬季需主要控制民用源排放,春夏秋季主要控制工业源排放,其次是农业源排放.一次PM2.5在工业、电力和民用源贡献的PM2.5中所占比例可达50%~60%;NO3-和NH+4在交通源贡献的PM2.5中总比例可达53%,在农业源中总比例高达93%;由于模式对SO42-模拟偏低,SO42-在工业源和电力源贡献的PM2.5中占比约5%~15%;OC对来自民用源的PM2.5有30%的贡献,BC对来自交通源的PM2.5有15%的贡献;Na+和Cl-对PM2.5的贡献在各大来源中均低于3%. 相似文献