零价铁/炭纤维预处理制药废水

以炭纤维为载体,采用电沉积法制备零价铁/炭纤维,考察了零价铁/炭纤维对制药废水COD的去除效果。SEM表征结果显示,炭纤维表面光滑,炭纤维上负载的零价铁呈现大小不一的球状。实验结果表明:在初始废水p H为5、铁碳质量比为2∶1、固液比(固体质量以铁计)为90 g/L、曝气量为80 L/h的条件下,采用零价铁/炭纤维体系处理COD=10 082.63 mg/L、色度为135倍、p H=7.3、SS=250 mg/L、Na Cl质量分数为3.5%的制药废水,COD去除率可达72.79%,出水COD为2 743.48 mg/L,减轻了后续生化处理工艺的进水负荷;零价铁/炭纤维降解制药废水中COD的过程符合三级反应动力学方程。     

联合Transformer注意力机制的PM2.5浓度预测网络研究

应用深度学习技术进行PM_2.5浓度预测方法的研究，提出联合Transformer注意力机制的循环预测网络。模型的核心是多头注意力-长短期记忆网络(MH-LSTM),通过构建统一记忆单元捕捉时空特征关联。MH-LSTM单元使用LSTM联合Transformer注意力机制对时间变化和全局空间特征统一建模形成记忆信息。记忆信息“之”字流向跨越堆叠的MH-LSTM模块，高层记忆信息辅助下一时刻低层记忆信息的获取。应用该模型结合河北省生态环境监测中心提供的PM_2.5浓度数据开展预报试验，结果表明，相对于卷积LSTM网络(ConvLSTM)、预测循环神经网络(PredRNN)、双重记忆网络(MIM),该模型预测的平均绝对误差分别减小了18.13%、10.23%、9.62%,实现了同时捕捉PM_2.5浓度的时空相关性，具有更优预测性能。