胶片涂布废水中白银的回收

在胶片生产中的涂布乳剂水洗过程有部分银流入下水,既造成浪费又污染环境。这部分水洗水量每天约300吨,含银约为10毫克/升(每天要流失3公斤银)。自1981年初开始,化工部第一胶片厂选用絮凝沉降法将流失的大部分银进行回收,现已     

基于ABAQUS的土层地震反应分析

基于一维波动理论和Spring/Dashpots单元实现了ABAQUS中粘性边界条件的施加,进而对弹性半空间的波源问题进行波动数值模拟,验证了ABAQUS软件中粘性边界条件的有效性。分别采用ABAQUS软件和RSLEIBM程序计算响嘡台阵3号测井的土层地震反应,并将计算结果与实际记录进行对比分析。结果表明,在地震动不大的情况下,ABAQUS计算结果能够较好地模拟地表地震反应,较RSLEIBM程序计算结果具有更高的准确性。     

丹参提取液对球形红细菌菌体蛋白及几种酶的影响

为探索球形红细菌对丹参的生物转化机理,采用非变性聚丙烯酰胺凝胶电泳(N-PAGE)分别对丹参水提液、醇提液、醇水提液培养后球形红细菌菌体及纯球形红细菌(PRS)菌体蛋白质(Pro)、酯酶(EST)、细胞色素氧化酶(COD)、超氧化物歧化酶(SOD)和过氧化物酶(POD)进行分析,比较用丹参提取液培养前后球形红细菌菌体蛋白及4种酶的同工酶变化.结果表明:丹参提取液培养前后球形红细菌菌体蛋白及4种酶的同工酶谱带差别较大,同工酶的电泳迁移率、活性、所表达同工酶的数目及分布均有差异,培养d 2～6蛋白及酶表达量变化最大,d 14～20基本稳定.研究表明丹参能诱导球形红细菌生成新的蛋白质及酶,亦可抑制某些蛋白质和酶的合成;这些蛋白和酶可能参与了丹参化学成分的生物转化.图4参22     

Z198型除尘器在生石灰硝化工程上的应用

对Ｚ１９８型布袋除尘器的结构,工作原理作了介绍,并分析了其在生石灰硝化工程中的应用情况及效果,同时指出了在使用过程中的存在的问题。     

济源钢铁厂混料系统废气及其治理

对济钢混料系统废气的来源及特性进行论述。采用水雾除尘器加以治理,该了作尘器上人有投资少操作简便,运行可靠,除尘效果稳定的特点。     

济钢轧钢厂举行安全演讲签字仪式

为了加强新员工对安全的认识,2月10日,河南济源钢铁集团公司轧钢厂第三轧钢车间举行了“我的安全我做主”演讲和签字仪式,共123名新员工参加了此次活动。     

国家环保局解振华局长亲切看望青海省环保局干部职工

一九九五年八月十九日下午,担任全国城市卫生检查团第三团团长的国家环保局局长解振华在检查西宁市爱国卫生工作的百忙之中,来到青海省环保局亲切看望了广大干部和职工,并与大家合影留念.省环保局局长周永玲同志作了工作汇报,解局长对青海省的环保工作予以充分肯定,并代表国家环保局领导对战斗在全省高原艰苦环境条件下的环保干部和职工表示感谢和慰问.随后在省人大常委会副主任王恩科和省环保局领导的陪同下,兴致勃勃地视察了省环保局纳家山绿化点和省高原珍稀动植物繁育研究中心基地,对基地的建设予以高度赞扬.     

用凝聚分离法处理硅藻土尾矿废水

硅藻土开采精选过程中产生大量尾矿废水,其SS浓度高达29400mg/L,粒度小于1μm的占含泥量的85.3%.每生产1t硅藻土所产生的尾矿废水量约8t,废水中的污染物呈较稳定的胶体状,不易自然沉降.目前国内对这类废水的处理尚存在较大的困难.本文通过试验,确定用凝聚分离法处理硅藻土尾矿废水可获较理想的效果.     

济钢高炉煤气净化回收与综合利用

就河南济源钢铁公司高炉煤气净化系统现状、存在的问题以及改进措施作了详细介绍,净化后的高炉煤气加以综合利用,给济钢带来了巨大的经济效益和环境效益。同时指出高炉煤气净化利用是钢铁企业节能降耗,降低生产成本的有效途径之一。     

间歇曝气序批式活性污泥法处理农村废水及其效果的模拟预测

采用两种不同运行模式的间歇曝气序批式活性污泥反应器(IASBR)处理农村废水,反应器连续稳定运行235d,考察了5个工况下,缺氧/好氧循环次数、进水碳氮比(C/N,质量比)、水力停留时间(HRT)等对总有机碳(TOC)、氨氮、TN、TP去除效果的影响。在进水C/N低时,缺氧/好氧循环次数为4的1~#IASBR的脱氮效率及稳定性明显比缺氧/好氧循环次数为2的2~#IASBR高,而脱碳和除磷效果无显著差异。氨氮去除方面,在进水C/N较低的工况1(C/N平均为2.3)、工况2(C/N平均为2.2)和工况4(C/N平均为2.0)下,1~#IASBR的出水氨氮质量浓度明显比2~#IASBR更低,而在进水C/N相对较高时两者无显著差异。TN去除与氨氮去除有类似规律。构建以进水TOC、氨氮、TN、TP、C/N和HRT、缺氧/好氧循环次数为输入的反向传播人工神经网络(BP-ANN)模型,对TOC、氨氮、TN、TP的去除率进行模拟预测,结果显示以上4个输出参数在训练组中的预测结果和实际检测结果之间绝对平均误差分别为2.65%、5.27%、3.56%、34.56%,在测试组中的预测结果和实际检测结果之间绝对平均误差分别为2.74%、3.40%、5.13%、28.32%。