改进的QGA-BP模型在弥苴河总氮量预测中的应用

水质预测对水环境规划、评价和管理十分重要。构建一种改进的量子遗传算法（QGA）优化BP神经网络的模型,即在量子遗传算法中引入了旋转角的动态改进策略和遗传算法的交叉变异操作,并以改进的QGA作为进化操作准则优化BP模型的权值和阈值。以弥苴河复杂水环境水质预测为实例,选取一组历史观测数据作为训练样本,对其进行分析。将结果与BP模型、QGA-BP模型仿真结果进行了对比,改进后的QGA-BP模型在进化代数、收敛速度和预测结果的准确率有较大提高。对弥苴河水质的预测结果表明,将改进QGA-BP模型用于水质预测是可行、有效的预测方法。     

响应面法和神经网络优化Acinetobactersp．DNS32发酵基质

为了提高阿特拉津降解菌Acinetobactersp．DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分（玉米粉、豆饼粉、K：HPO。）进行优化研究。响应曲面法确定3种成分的含量为玉米粉39．494g／L,豆饼粉25．638g／L和K。HPO。3．265g／L时,预测发酵活菌最大生物量为7．079×10^8CFU／mL,实测量为7．194×10^8CFU／mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L时,预测最大值为7．199×10^8CFU／mL,实测量为7．244×10。CFU／mL;最终确定培养基配方：玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L,CaCO3为3．000g／L,MgSO4·7H2O和NaCl均为0．200g／L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36．6％。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

基于SWMM模型的合流制管道溢流污染控制系统模拟

针对合流制管网污水溢流所导致的城市内涝和城市内河黑臭问题,以武汉市巡司河片区为例,利用暴雨洪水管理模型(storm water management model,SWMM)软件,构建该地区合流制排水系统的水力水质模型,模拟了不同降雨强度的暴雨模拟和全年降雨状况,分析了该地区溢流污染特征,据此提出了切实有效的合流制排水系统改造方案,并采用SWMM模型对不同改造方案的溢流水量和水质控制效果进行了模拟。结果表明,在箱涵与雨水调蓄池的共同作用下,对溢流污水量的截流比例在90%以上,年溢流次数小于10次,年溢流水量平均减少了1.75×10⁷ m³,对污染物的截流比例均在95%以上,每年溢流进入地表水中的COD减少了3 295.5 t,NH₃-N减少了505.8 t,TP减少了63.1 t,SS减少了1 981.1 t,溢流问题得到了极大的缓解,溢流污染能够得到较好的控制。随着暴雨重现期延长,截流效果会随之下降。箱涵和雨水调蓄池的组合措施对溢流污水具有明显的削减和调控作用,能够有效降低城市内涝隐患和缓解内河黑臭化问题,通过定量表征箱涵-雨水调蓄池组合在溢流污染方面的控制效果,为国内合流制排水管网改造提供技术支持和海绵城市设计提供参考。     

陶瓷膜污染过程分析与膜清洗方法优化

采用膜孔径为50 nm的陶瓷膜错流过滤方式,对碱性高浓度有机洗涤废水进行9个周期的膜通量衰减及反向脉冲清洗再生实验研究.通过设计膜污染阻力构成实验,测算膜污染总阻力及其构成比例.实验结果表明,膜固有阻力比例较低,浓差极化污染较弱,Rt和Rc+Rirt污染阻力稳定性较高,膜堵塞形式兼有孔内堵塞和滤饼过滤;选择质量分数0.1％的稀盐酸和0.2％的草酸溶液膜清洗效果均较好,清洗时间为3 min,脉冲时间和频率为3 s/5 s.     

萃取净化电镀含镉废水

研究了二壬基萘磺酸(DNNSA)形成的微乳液从模拟含镉废水中萃取镉离子的工艺条件。分别考察了相体积比(O/A)、萃取时间、温度及萃取剂浓度对废水中镉离子萃取的影响。结果表明,萃取平衡时间为10 mim,降低温度及增加萃取剂浓度均有利于萃取。紫外光谱证实当DNNSA萃取镉时,所形成萃合物对萘环的结构无影响,且不会破坏微乳相的结构;分子荧光光谱表明镉离子对配体DNNSA有荧光猝灭作用。     

A heuristic approach to predicting water beetle diversity in temporary and fluctuating waters

An understanding of the causal mechanisms and processes that shape macroinvertebrate communities at a local scale has important implications for the management and conservation of freshwater biodiversity. Here we compare the performance of linear and non-linear statistics to explore diversity-environment relationships using data from 76 temporary and fluctuating ponds in two regions of southern England. We focus on aquatic beetle assemblages, which have been shown to be excellent surrogates of wider freshwater macroinvertebrate diversity. Ponds in the region contained a rich coleopteran fauna, totaling 68 species, which provided an excellent model system with which to compare the performance of two non-linear procedures (artificial neural networks—ANNs and generalised additive models—GAMs) and one more traditional linear approach (Multiple linear regression—MLR) to modelling diversity-environment relationships. Of all approaches employed, the best fit was obtained using an ANN model with only four input variables (conductivity, turbidity, magnesium concentration and depth). This model accounted for 82% of the observed variability in Shannon diversity index across ponds. In contrast, the best GAM and MLR models only explained 50% and 14% of this variation, respectively. Contribution profile analysis of conductivity, turbidity, magnesium concentration and depth, obtained from the best fit ANN through a hierarchical cluster analysis, allowed the identification of direct and proxy effects in relation to the environmental variables measured in this study. In each case, distinct clusters of ponds were identified in contribution profile analysis, suggesting that ponds across the two regions fall into a number of discrete groups, whose beetle faunas respond in subtly yet significantly different ways to key environmental variables. Aquatic coleopteran diversity in ponds in the two regions appears to be driven at a local scale by changes in relatively few physicochemical gradients, which are related to diversity in a clearly non-linear manner.     

砷尾矿污染土壤的细菌群落结构多样性及其相关环境影响因子分析

以湖南石门雄黄尾矿污染土壤为对象,研究纵向不同深度、横向不同距离土样中的重金属污染程度以及细菌群落结构变化规律,查明砷污染土壤的核心微生物组成并将其与土壤理化指标进行共存网络图分析.结果表明:该尾矿区的土壤各项重金属指标严重超标,尤以铅(626.54 mg·kg?1,Ei=105.48)、砷(1804.75 mg·kg...     

基于B-P神经网络的环境质量评价方法

提出可将环境质量评价的无论是定量指标还是定性参数转化成\"二进制\"的\"1\"或\"0\",进而将这种二进制数引入B-P网络.通过实例探讨,这种新的B-P网络既适用于定量指标的水质参数又适用于定性指标的水质参数.     

基于精细化管理的环境物联网发展趋势

环境物联网运用智能传感器等设备感知生态环境的变化,监测环境质量、监控企业的排污行为,通过环境数据的采集、传输、处理、整合,辅助环境管理决策。近年来环境物联网得到长足发展,但现有的环境物联网体系无法满足多种任务和应用场景的需求,主要问题体现在数据质量和精准度缺乏保证,数据传输能力有限,数据共享还未打通,数据分析应用能力还有待提升。笔者系统分析了环境物联网感知层、传输层和应用层的现状与问题,较全面地研究了物联网与大数据技术的最新进展,提出了环境物联网的发展方向以解决上述问题,为实现精细化管理与科学决策提供科学参考。     

瑞士土壤环境监测网络构建与运行对中国的启示

“十三五”期间,中国初步构建了国家土壤环境监测网并开展了监测工作。当前,国家层面土壤环境监测网络的构建和运行还处于起步阶段,笔者选取土壤环境监测开展较为成熟的瑞士土壤环境监测网(NABO)作为研究对象,综述了NABO的技术体系及多年来的土壤环境监测结果,并结合中国土壤环境监测工作现状进行讨论,认为NABO在监测网络建立、指标选取、数据分析等方面建立了较为成熟的技术体系,未来中国国家土壤环境监测网可在此方面借鉴瑞士经验。