酶制剂废水处理的试验研究

采用直接混凝、直接水解-接触氧化的生化处理以及混凝-水解-接触氧化3种不同工艺对某酶制剂废水进行处理。结果表明，针对浓度为6200mg/L的原水，用本单位的混凝剂4号进行直接的沸凝处理，在加入量为100mg/L时可以得到66%的CODCr处理率；同样浓度的原水直接进行水解-接触氧化生化处理，在34h的停留时间后可以达到国家二类二级排放标准；经过混凝处理后的出水进行的生化实验则表明，达到国家排放标准的生化停留时间可缩短至22h。     

印染废水处理中有机絮凝剂的应用

综述了表面活性剂,天然高分子及其改性剂,人工合成有机高分子絮凝剂在染料废水处理中的应用现状,指出存在的问题和发展趋势。     

小型磷化废水处理成套设备的开发与设计

考虑到机械行业磷化废水的特点，利用混凝沉淀与结晶除磷的原理，设计成2t/h的磷化废水处理成套设备。     

有毒难降解有机物废水处理的生物强化技术

随着现代化工合成技术的发展,有毒有害化合物剧增,工业废水或城市污水中常有或多或少这些化合物,应用常规生物处理工艺已不能有效地予以处理,主要是因为：原有工艺不能有效维持连续的驯化培养物;废水中含有不稳定的组分,冲击负荷大;有毒有机物在系统中降解速率缓慢。为此,国外研究者提出生物强化（Ｂｉｏａｕｇｍｅｎｔａｔｉｏｎ）技术提高现有处理工艺对有毒有机物的生物降解效率。目前实施生物强化技术可通过如下三条途径：①投加有效降解的微生物;②优化现有处理系统的营养供给、添加基质（底物）类似物来刺激微生物生长或提高…     

有机废水处理中复极固定床电解槽的研究进展

在分析中，结合了近年来关于三维电极等应用技术以及复极固定床电解槽(BPBC)水处理技术的研究文献，概括了BPBC的特点、基本原理以及有机废水处理的应用现状，并提出了目前复极固定床电解槽的研究中存在的问题及今后的研究发展方向。     

某活性染料印染废水处理系统的优化改造

在充分调研的基础上，对一使用活性染料的印染厂的污水处理系统进行了改造，不仅使处理后废水主要污染指标达到国家污水排放一级标准，而且还有效地降低了运行费用，从而达到了优化系统的目的。     

神经网络预测TNT红水预处理效果的研究

ＴＮＴ红水是一种有毒的难以生化的废水,必须先进适当的预处理后才能进行生物处理。采用经过改进的ＢＰ神经网络算法,编制了程序,建立了ＴＮＴ红水催化氧化氧化预处理效果的数学模型,并用来对不同条件下的预处理效果进行预测,应用效果较好。     

高浓度有机废水处理过程中单宁、木质素的降解机理

采用UASB-接触氧化工艺对亚麻沤制废水进行了试验研究，结果表明：COD去除率可达95％-97％，BOD5去除率为96％-99％。生物难降解的单宁、木素类物质去除率为75％-86％。对单宁、木素类物质的生物化学特性和降解机理进行了系统的分析和阐述。     

基于神经网络的活性污泥系统建模及其控制

针对松江污水厂污水处理活性污泥系统，采用神经网络技术进行建模试验研究，在对实际运行数据剔除异常数据后，将样本数据随机分成训练样本、检验样本和测试样本。用试凑法确定合理的神经网络隐层节点数，用检验样本实时监控训练过程从而避免“过训练”现象，用多次改变网络初始连接权值求得全局极小点，从而建立了泛化能力较好的基于神经网络的活性污泥系统数学模型。利用建立的神经网络模型，对活性污泥系统运行情况的仿真与控制进行了分析研究。示例研究表明：神经网络技术能较好地应用于活性污泥系统的建模与控制，有很好的理论与实践意义。     

高浓度有机废水的催化湿式氧化法处理试验研究

在催化湿式氧化法小型试验装置上,进行高浓度工业有机废不的催化湿式氧化法净化处理试验,考察研究了反应时间,反应器入口ＴＯＣ浓度,反应压力和反应温度等因素对废水中ＴＯＣ净化性能的影响,为下一步的实际应用提供基础条件。     

MAP法处理饲料级磷酸氢钙母液的研究

运用 MAP(磷酸铵镁)法处理高浓度饲料级磷酸氢钙母液,研究了处理的最优反应条件并分析了最优条件下所得产物成分.结果表明,母液处理的最优反应条件为pH=9.5,n(NH4 ):n(PO43-)=1:1,反应时间 10 min,反应温度40℃以下.该条件下,当温度为40℃时,PO43-、Mg2 和Ca2 的去除率分别达到 98.46%、92.54%和98.48%,残留浓度分别为 15.91、70.25 和2.94 me/L.生成的沉淀产物中 P2O5、NH4 -N、CaO 和MgO 所占重量百分比分别为29.08%、6.07%、2.83%和 15.91%,所含 MAP 可作为肥料回收利用.     

基于集成神经网络的汽车尾气检测系统设计

为了准确、有效地检测汽车尾气中各气体的质量分数,对传感器阵列和BP神经网络技术进行了研究,设计了一套汽车尾气检测系统。首先,根据汽车尾气成分选取4个相应传感器和一个温湿度传感器组成传感器阵列,搭建汽车尾气检测装置;其次,为了克服单一BP神经网络预测精度低,容易陷入局部极值的缺点,建立基于Adaboost算法和BP神经网络的集成神经网络模型;最后,利用集成神经网络模型对传感器阵列的响应信号进行回归分析。结果表明,集成神经网络模型预测的平均相对误差小于3%,能够有效处理汽车尾气的检测数据。     

BP神经网络对蚯蚓滤池处理COD的模拟预测

基于蚯蚓滤池处理去除污染物的非线性特点,利用BP神经网络建立了蚯蚓滤池处理COD的基本模型结构。同时对实验数据进行了验证和预测,通过权值贡献率分析确定了各种输入因素对COD出水浓度的影响。结果表明:COD的出水模型预测值与实际值平均误差较小,模型稳定,预测效果好。输入神经元为4,隐含神经元为8,输出神经元为1,学习速率为0.1,动量为0.1,训练次数为10 000的BP神经网络模型,预测的COD出水值最接近真实值。COD进水浓度对COD出水影响最大,符合理论研究结果。BP神经网络模型建立的成功为后续生活污水智能化控制的研究提供了相应的理论基础。     

ABR处理硫酸盐有机废水的BP神经网络建模

通过厌氧折流板反应器(ABR)处理硫酸盐有机废水的实验数据对BP神经网络进行训练,建立了ABR处理硫酸盐有机废水的BPNN模型,通过测试对比,找出了较优训练函数为traingda,较优训练次数为1 900.利用分割连接权值法(PCW)对影响出水SO42-和COD的主要因素进行分析,结果显示进水COD、SO42-、pH、COD/SO42-和HRT对出水SO42-和COD均产生一定影响,其中进水pH对出水SO42-和COD的影响最大,相对重要性(RI)指数分别为30.79％和23.44％;并通过样本试验数据分别建立了对SO42-和COD去除率的限制因子仿真模型,为预测硫酸盐有机废水的厌氧处理过程提供指导.     

化学-生物絮凝工艺类神经网络模型比较研究

在化学-生物絮凝工艺中试研究的基础上,分别建立了基于BP类神经网络的多输入多输出（MIMO）模型与多输入单输出（MISO）模型。应用化学生物絮凝工艺中试6个不同工况的实测数据对2个模型进行训练,均表现出很好的收敛性。通过另外2个中试工况的实测数据对模型预测性能进行测试,MISO模型对化学-生物絮凝反应器出水的COD、TP和SS的预测相对误差均低于MIMO模型,其预测相对误差均在9%以下。研究表明,MISO模型是一个很易使用的建模工具,能很好地预测化学-生物絮凝工艺出水水质。     

基于人工神经网络的居民生活垃圾可燃成分热值预测

研究采用BP、RBF和自适应神经模糊推理系统(ANFIS)对生活垃圾可燃成分的热值进行预测。结果表明,BP神经网络模型的预测准确率为93.36%,RBF模型为96.87%,ANFIS模型为91.06%,3种模型均可用于可燃成分热值预测,但RBF模型的预测准确率相对较高,更适用于可燃垃圾的热值预测。     

基于人工神经网络的半连续式混合厌氧消化产气量预测

研究采用BP神经网络和模糊神经网络(FNN)模型对逐步提高有机负荷的半连续式餐厨垃圾和猪粪混合厌氧消化试验进行日产气量预测。结果表明,BP神经网络模型的预测准确率为77.63%,FNN模型为82.33%,2种模型均可用于产气预测,但FNN模型在传统神经网络模型基础上加入了模糊控制,可提高其准确率,更适用于混合厌氧消化产气量预测。     

基于神经网络的活性污泥系统建模及其控制

针对松江污水厂污水处理活性污泥系统,采用神经网络技术进行建模试验研究,在对实际运行数据剔除异常数据后,将样本数据随机分成训练样本、检验样本和测试样本.用试凑法确定合理的神经网络隐层节点数,用检验样本实时监控训练过程从而避免"过训练"现象,用多次改变网络初始连接权值求得全局极小点,从而建立了泛化能力较好的基于神经网络的活性污泥系统数学模型.利用建立的神经网络模型,对活性污泥系统运行情况的仿真与控制进行了分析研究.示例研究表明:神经网络技术能较好地应用于活性污泥系统的建模与控制,有很好的理论与实践意义.     

基于改进型灰色神经网络组合模型的空气质量预测

基于空气质量数据不足及波动较大的情况,将灰色GM（1,1）模型与人工神经网络模型组合并改进,建立改进型灰色神经网络组合模型。利用天津市2001—2008年PM10、SO2和NO2年均值作为原始数据预测2009—2010年PM10、SO2和NO2的浓度以进行模型精度检验,最后利用该模型预测2011—2015年天津市空气质量状况。结果表明,与灰色GM（1,1）模型、传统灰色神经网络组合模型相比,所建立的改进型灰色神经网络组合模型相对模拟误差小,预测结果更为可靠,可以用于空气质量预测。