电化学脱硝过程参数的响应曲面优化研究

以Ti/IrO2-TiO2-RuO2为阳极,Cu/Zn合金电极为阴极,在无隔膜电解池中对这一新构造电极对的脱硝氮性能进行了研究。为了有效结合阴极硝氮还原能力和阳极氧化能力,采用响应曲面法中的Box-Behnken设计优化了对电化学脱硝过程有显著影响的4个重要因素:氯化钠含量、电流密度、pH和初始硝氮浓度。优化结果表明,相对于pH和初始硝氮浓度,氯化钠含量和电流密度对脱硝性能影响更大,而阴极硝氮还原性能主要受初始硝氮浓度、pH的影响。以6 h内电极对脱氮百分率为响应量,优化得最佳电化学脱硝过程参数为:氯化钠含量,1 g/L;电流密度,24.99 mA/cm2;pH,1.81;初始硝氮浓度100 mg/L。在此实验条件下,6 h内电极对脱氮百分率预测值为99.84%。通过3次重复验证实验,确认实际6 h内电极对脱氮百分率为91.34%。预测值与实测值两者相差不大,由此可知,Box-Behnken设计是一种优化电化学脱氮实验参数的有效方法,经过优化后的电极对具有较佳的脱氮效率。     

源头管控 需要开展化工园区规划安全评价

<正>化工园区安全风险的形成和演变贯穿规划、建设、运行全过程。规划是风险产生的源头，很多风险隐患，究其根源，是因为规划之初，未充分考虑安全风险，并采取防控措施，造成了先天不足，埋下了风险隐患。如园区选址不当，或者地方政府对园区周边土地开发利用控制不严，造成园区与城市建成区、人口密集区、重要设施、敏感目标之间的安全防护距离不足。     

基于人工神经网络算法的垃圾组分识别模型研究

为增强环卫智能化程度，利用TensorFlow深度学习框架实现人工神经网络(Artificial Neural Network, ANN)算法，建立以生活垃圾图像RGB均值和垃圾重量为输入的生活垃圾组分识别模型。对比不同超参数设置下模型A1至A4的识别效果。结果表明，使用三层ANN网络结构和Adam优化算法可以建立性能优秀的垃圾组分识别模型。A1至A4模型经过参数训练后识别误差均在±5%内。对A1至A4模型的学习率和迭代次数进行调试可得，A4模型即隐藏层第一层、隐藏层第二层和输出层的激活函数分别为ReLU函数、Tanh函数和Sigmoid函数的ANN模型，在学习率为0.01的情况下，识别误差在±1%以内，稳定性最佳。