响应面优化制备CTS-GSH及其对铬(Ⅵ)的去除研究

以壳聚糖(CTS)与还原型谷胱甘肽(GSH)为原料,通过酰胺化反应合成了巯基化壳聚糖CTS-GSH混凝剂。采用Cr(Ⅵ)去除率为因变量,以CTS/GSH质量比、EDAC用量、反应体系pH值为自变量,设计了Box-Behnken模型。通过响应面法分析优化CTS-GSH的合成条件。模型分析显示:实测Cr(Ⅵ)去除率与模拟Cr(Ⅵ)去除率的相关决定系数为0.998,调整相关决定系数为0.995,表明预测值与实际值相关性强,模型预测Cr(Ⅵ)去除率具有较好的准确度。实验结果表明:当CTS/GSH质量比为1∶1,交联剂EDAC用量为0.25 g,反应体系pH值为3.5时,CTS-GSH性能最好;且水中Cr(Ⅵ)初始浓度5.0 mg/L,CTS-GSH投加量为140 mg/L,静置时间3.0 h时,Cr(Ⅵ)去除率达到最大值99.8%。证明采用CTS-GSH对水中的Cr(Ⅵ)具有较好的去除效果。     

高分子量高纯度阳离子聚丙烯酰胺的合成

以丙烯酰胺与丙烯酰氧乙基三甲基氯化铵为单体,在复合引发剂的作用下,选择水溶液共聚法合成高分子量与高纯度阳离子型聚丙烯酰胺(CPAM)。实验表明,有机偶氮引发剂A用量0.5‰、氧化还原引发剂用量0.45‰、还原剂与氧化剂摩尔比2∶1、反应体系pH为4与反应时间5 h条件下,CPAM分子量为1 042万,且溶解性好。通过对聚合物残单含量影响因素添加剂用量、反应时间的研究,结果表明,添加剂EDTA和增溶剂D对残留AM含量影响小,而苯甲酸钠对聚合物残留AM的含量影响显著;延长反应时间至7 h,残单含量可降低至0.27%,CPAM的纯度高。通过与国内外3种同类型产品进行对比,结果表明,自制产品的分子量明显高于其他产品,且残单含量比国内产品降低了50%～75%。     

基于人工神经网络的街道峡谷NOx浓度的数值模型研究

通过对反向传播人工神经网络的算法和网络结构的研究，发现拟牛顿算法训练速度较快，能够较好地接近误差目标值，同时建立了包括输入层、隐含层、输出层的人工神经网络三层拓扑结构。通过对街道峡谷人工神经网络的训练，模拟计算了街道峡谷NOx浓度分布值。结果显示，训练误差和测试误差比为1．11，训练样本的模拟值与实测值的相关系数为0．93，测试样本的模拟值与实测值的相关系数为0．87，模拟值与实测值的相关系数均高于显著水平为α=0．05与α=0．01所对应检验性表的相关系数临界值。该模型能够用于街道峡谷污染物浓度的模拟计算，具有较好的泛化能力。     

基于人工神经网络的街道峡谷NO_x浓度的数值模型研究

通过对反向传播人工神经网络的算法和网络结构的研究,发现拟牛顿算法训练速度较快,能够较好地接近误差目标值,同时建立了包括输入层、隐含层、输出层的人工神经网络三层拓扑结构。通过对街道峡谷人工神经网络的训练,模拟计算了街道峡谷NOx浓度分布值。结果显示,训练误差和测试误差比为1.11,训练样本的模拟值与实测值的相关系数为0.93,测试样本的模拟值与实测值的相关系数为0.87,模拟值与实测值的相关系数均高于显著水平为α=0.05与α=0.01所对应检验性表的相关系数临界值。该模型能够用于街道峡谷污染物浓度的模拟计算,具有较好的泛化能力。     

街道峡谷机动车尾气污染扩散模拟与影响因子分析研究

为预测和分析街道峡谷污染物浓度,研究了街道峡谷污染物浓度影响因子.利用重庆市交通干线街道峡谷两侧NOx浓度的监测数据,验证了街道峡谷机动车尾气污染扩散模型--OSPM模型.风速转换系数修正后的OSPM模型的模拟值与实测值的R达0.862 58;风场因子验证了风速转换系数修正后的OSPM模型能较好地模拟重庆市街道峡谷的污染物浓度,一定程度上能满足环境空气质量评价要求.同时,通过分析OSPM模型的影响因子,提出了控制街道峡谷机动车尾气污染状况的建议.