BP神经网络和ARIMA模型对污水处理厂出水总氮浓度的模拟预测

污水处理厂出水总氮(TN)浓度是评价水处理效果的关键指标之一。建立BP神经网络模型对污水处理厂脱氮工艺进行模拟,引入自回归整合移动平均模型(ARIMA模型)对污水处理厂未来短期出水TN浓度进行预测。结果表明:BP神经网络模型在训练集和测试集模拟结果的平均相对误差分别为15.9%和16.5%,模型预测结果的平稳性较差;ARIMA模型对未来7 d出水TN浓度的时序预测平均误差为4.41%,预测精度较高;2个模型相结合有助于实现污水处理厂快捷和高效的在线检测。     

以江苏省河流湖泊为例探讨基于物种与面积关系确定大型底栖动物最适及高效采样量

以江苏省河流湖泊为研究对象,选取不同水体代表性点位,运用多生境采样法和形态学鉴定获取淡水大型底栖无脊椎动物的物种数及对应的采样面积,拟合实际结果的物种数与面积关系对数函数曲线。所研究采样量包括采样面积值、样方及样带数。研究发现,不同水体点位最适采样量面积为1.45~12.75 m²,样方及样带总数为6~16个,其要求十分耗时耗力。为解决这一问题,以物种数与面积关系对数函数的一阶导数曲线y≈1值为临界点,提出"高效采样量"概念,并提出3条采样原则供讨论。同时得到江苏地区高效采样量:涉水可过河流采样面积为1.36 m²,涉水不可过河流采样面积为1.5 m²,不可涉水河流和浅水湖泊采样面积为1.75 m²,均需采集4个样方,1个样带。     

UV/H2O2 oxidation of tri(2-chloroethyl) phosphate: Intermediate products, degradation pathway and toxicity evaluation

Tri(2-chloroethyl) phosphate(TCEP) with the initial concentration of 5 mg/L was degraded by UV/H₂O₂ oxidation process. The removal rate of TCEP in the UV/H₂O₂ system was 89.1% with the production of Cl-and PO₄^3- of 0.23 and 0.64 mg/L. The removal rate of total organic carbon of the reaction was 48.8% and the pH reached 3.3 after the reaction. The oxidative degradation process of TCEP in the UV/H₂O₂ system ...     

Responses of nitrification performance, triclosan resistome and diversity of microbes to continuous triclosan stress in activated sludge system

Triclosan(TCS) is commonly found in wastewater treatment plants,which often affects biological treatment processes.The responses of nitrification,antibiotic resistome and microbial community under different TCS concentrations in activated sludge system were evaluated in this study.The experiment was conducted in a sequencing batch reactor(SBR)for 240 days.Quantitative PCR results demonstrated that the abundance of ammonium oxidizing bacteria could be temporarily inhibited by 1 mg/L TCS and then ...     

星形线电除尘器内EHD流动与粒子行为数值模拟

为了研究星形线电除尘器内电流体动力学(EHD)流动与荷电粒子运动行为及两者间相互作用,构建了线板式电除尘器(ESP)内关于EHD和带电粒子运动学的耦合数值模型.该模型采用有限体积法离散求解电场方程和空间电荷方程,在拉格朗日法下建立带电粒子运动方程,并与FLUENT湍流模型进行耦合.利用这一模型,对3种电场风速下星形线电除尘器内流动形态与粒子运动行为进行了细致模拟,并分析了二次流动对气流、粒子浓度分布的影响.结果表明,星形线电除尘通道内二次流动对流动形态和粒子浓度分布存在显著作用.随电场风速的降低,这一作用将越明显.EHD流动对细小荷电粒子运动的影响更为显著.二次流动产生涡旋并作用于主流来影响粒子运动行为.收尘板面的涡旋挤压粒子流远离壁面向流动中心运动,放电极下游的涡旋则促进粒子流向收尘板壁面靠近.此外,由于捕集通道中强二次流的存在,Deutsch计算式对除尘效率、特别是对于亚微米粒子捕集效率的计算并不准确.     

中国菌糠露天焚烧污染物排放时空分布特征

基于我国2000～2017年食用菌年产量数据,采用排放因子法估算了菌糠露天焚烧的污染物排放量,利用Mann-Kendall法和聚类分析法分析了排放量的时空分布特征,使用回归分析法预测了污染物的排放趋势.结果表明:(1)2000～2017年全国菌糠露天焚烧污染物排放量持续上升,PM_2.5、CO₂、CO、CH₄、NMVOCs、PAHs、NO_x、SO₂累积排放量分别为1.40×10⁶,3.48×10⁸,1.99×10⁷,8.43×10⁵,2.08×10⁶,3.00×10⁴,6.34×10⁵,8.29×10⁴t;(2)污染物排放量较高的省区包括山东、黑龙江、浙江、湖南、江苏、福建和河南,排放量较低的省区包括贵州、宁夏、天津、北京、新疆、重庆、甘肃;(3)预计2021年菌糠焚烧污染物总排放量高达4.25×10     

An investigation of changes in water quality throughout the drinking water production/distribution chain using toxicological and fluorescence analyses

Changes in water quality from source water to finished water and tap water at two conventional drinking water treatment plants(DWTPs) were monitored.Beside the routine water quality testing,Caenorhabditis elegans-based toxicity assays and the fluorescence excitation–emission matrices technique were also applied.Both DWTPs supplied drinking water that met government standards.Under current test conditions,both the investigated finished water and tap water samples exhibited stronger lethal,genotox...     

广东省臭氧污染特征及其成因分析

该研究发现2014-2019年广东省与珠三角O₃-8h第90百分位数浓度、O₃年平均浓度以及超标率均呈现波动上升趋势;O₃年度最大值常年居高不下,且污染区域主要集中在珠三角中部和西南部区域。珠三角、长三角和京津冀区域O₃均保持上升趋势,珠三角浓度水平介于其它2个区域之间。导致广东或珠三角出现较重臭氧污染的原因主要是臭氧前体物排放量巨大,珠三角VOCs排放强度居全国前列;全国背景臭氧浓度总体呈现逐年上升的趋势;广东省天然源VOCs排放量较大,高温强日照的气象条件有利于臭氧生成;夏秋季台风外围下沉气流和副热带高压等不利气象条件,导致臭氧污染进一步加剧。     

进博会期间吴江地区污染特征分析

为分析2019年11月5-10日在上海召开中国国际进口博览会(简称"进博会")前后吴江地区的污染物变化特征与污染来源,该文采用吴江气象局的气象数据和环境监测数据对进博会前后污染物的变化趋势、气象条件影响和各种气团传输路径进行分析。结果表明,进博会期间,吴江地区实施的管控措施有效地降低了本地污染物的生成,PM_2.5和PM₁₀浓度分别下降了31.0%和47.3%,最大程度排除本地污染对外来传输分析的干扰。气象条件分析显示,在风速<3 m/s时,南风容易导致SO₂传输,当风速>4 m/s,西风容易导致颗粒物和SO₂浓度升高。HYSPLIT4.9模型显示,来自江苏和安徽中部地区(高度500 m左右)的污染气团,出现频率虽较低,却是导致吴江地区污染物浓度短时上升的重要原因;激光雷达监测结果显示,会议期间吴江地区出现2次污染传输过程,与气象条件分析以及轨迹聚合分析结果相一致。研究结果排除了本地污染对传输分析的干扰,客观评价了外来传输的影响,对于加强长三角区域联防联控具有重要的指导意义。     

基于深度学习的大气细颗粒物污染时空预报

为尽可能减少PM_2.5重污染带来的环境和健康危害,对其进行及时准确的预报预警显得十分关键。文章使用WRF气象模型和CMAQ空气质量模型输出的2015年1-12月逐小时的中国地区27 km×27 km网格化气象场、污染排放和细颗粒物模拟浓度数据,训练深度学习预报模型。研究结果显示,深度学习预报结果与CMAQ模拟结果在测试集上的均方误差为10.52μg/m³,优于已有的大部分其他研究,深度学习在重点城市的PM_2.5预测浓度趋势与CMAQ基本一致,其RMSE为28.82μg/m³,整体空间分布也具有较好的一致性,可以准确重现CMAQ模拟结果。该研究进一步使用国控点实际观测数据对训练完成的深度学习预报模型进行优化,以减少CMAQ理论模型所带来的固有误差。优化后的深度学习模型预报结果在总体上更接近实际观测的真实结果。此外,深度学习模型的预报速度在相同CPU环境下比CMAQ模型提升93倍,在GPU加速环境下提升高达465倍,可以做到快速实时的浓度预报响应。该研究构建的耦合数值模型和实际观测数据的深度学习预报技术...