排序方式: 共有68条查询结果,搜索用时 589 毫秒
1.
镍渣的重金属浸出特性 总被引:3,自引:0,他引:3
在分析镍渣的矿物相组成和重金属元素含量的基础上,鉴定了镍渣样品的浸出毒性,并考察了pH、液固比和浸出时间等条件对镍渣样中铬、铅、铜和锌等重金属浸出特性的影响。结果表明,镍渣中的重金属总量约为渣样的0.9%,且铬、铜和锌的含量较高,需进行安全管理。实验所用镍渣样品为第Ⅰ类一般工业固体废物。在强酸条件下镍渣中重金属浸出浓度较大,pH3后浸出浓度显著降低;液固比40 L/kg时,镍渣中重金属不断溶出,液固比40 L/kg后,浸出达到饱和,浸出浓度趋于平衡;随着浸出时间的增加,重金属离子的浸出浓度先增加后减少,但由于各重金属性质不同,各重金属达到最大浸出浓度的时间不同。 相似文献
2.
研究了位于北京郊区的北运河中游9个断面的沉积物对磷的吸附行为,分析了沉积物组成及其理化性质与磷吸附特征的关系.实验结果表明,不同断面沉积物对磷的最大吸附量在0.11 ~9.45 mg/g之间,而各断面沉积物的临界平衡磷浓度(EPC0)范围在0.33~ 1.85 mg/L之间,统计分析显示EPC0与河水中的总磷和可溶性无机磷呈显著负相关,但与沉积物中的金属和有机质含量相关性较差;根据临界平衡磷浓度定义的推断,新华大街桥、玉带桥、运河大街桥、六环路桥、宋梁路桥、湿地和甘棠橡胶坝7个断面的沉积物表现为磷的“汇”,而丰子沟和减运沟2个点表现为磷的“源”,并且各点沉积物释放和吸附磷的趋势较大. 相似文献
3.
培养创新型的环境工程专业培养人才是目前高等学校环境工程教育工作者面临的一个重要课题。近年来中国环境专业的招生规模在逐渐加大,面对着高等教育的日益大众化,环境工程领域的学生近年来面临的就业压力也在不断增大,大学的培养观念和能力面临着挑战。高等院校作为环境工程技术人才的培养基地,如何适应国家发展的需要,培养具有创新性能力的的环境工程专业人才是非常必要的。本文介绍了中国矿业大学(北京)近年来在进行矿业特色环境专业创新人才培养方面的做法,以期对现阶段环境工程专业的建设提供一定的借鉴意义。 相似文献
4.
吸附增效低温等离子体法去除甲苯废气的研究 总被引:4,自引:1,他引:3
采用150Hz中频高压交流电源作为低温等离子体发生源,选用典型的微孔γ-Al2O3球形颗粒吸附剂(以下简称γ-Al2O3)作为等离子体反应器填充材料,协同低温等离子体法催化降解甲苯废气。考察了在不同条件下,γ-Al2O3的甲苯吸脱附效果和吸附增效低温等离子体法的甲苯去除效果。结果表明,甲苯降解反应主要发生在γ-Al2O3的表面,甲苯的去除率在一定的浓度范围内与γ-Al2O3表面吸附的甲苯量成正比关系;填充γ-Al2O3有利于提高甲苯去除率及等离子体反应器能量利用率;γ-Al2O3对臭氧的降解表现出一定的促进作用。 相似文献
5.
北运河表层沉积物对重金属Cu、Pb、Zn的吸附 总被引:3,自引:0,他引:3
首先分析了北运河6个采样点表层沉积物中重金属含量及相关基本特征。通过实验室模拟实验,利用分配系数Kd评价沉积物对重金属Cu、Pb、Zn的吸附特性,进一步考察了水体pH变化和有机质对重金属在北运河沉积物上吸附的影响。结果表明,沉积物中重金属的含量顺序为Zn>Cu>Pb,去除有机质后,沉积物对重金属的吸附能力显著降低,但各采样点中的重金属含量,沉积物对重金属吸附能力,以及沉积物中的有机质含量并没有明显相关性,这可能是因为不同采样点中有机质种类与结构不同导致的。总之,北运河沉积物对Pb有很强的吸附能力,其次是Cu和Zn,而且,Cu、Zn、Pb的吸附量随着pH的升高逐渐增大,水体pH值对于Zn的吸附影响更大。 相似文献
6.
在室温条件下,分别选用聚合氯化铝(PAC)、聚合氯化铝铁(PAFC)及三氯化铁(FeCl3)对玉米深加工废水进行混凝实验。综合考虑各种混凝剂对磷、COD以及SS的去除效果,最终选取PAC作为混凝剂。采用PAC和聚丙烯酰胺(PAM)作为复合混凝剂,对其去除效果做进一步研究,并确定了最佳投加量及pH值。实验结果表明,在PAC投加量25mg/L,PAM投加量0.5 mg/L,pH为8条件下,混凝效果最佳。磷、COD、SS去除率可分别达到90.1%、53.3%和88.2%,对应的出水质量浓度分别为0.41、26.8和2 mg/L。 相似文献
8.
湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区(水源地)为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM(长短期记忆神经网络)3种时间序列模型在藻华(日平均叶绿素a大于15 μg?L-1)预测方面的效果.结果表明:①时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;②基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;③输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据 无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于LSTM模型实现总叶绿素a浓度的短期预测,可为九龙江河流库区藻华早期预警和供水安全保障提供技术支撑. 相似文献
9.
10.