锆改性高岭土覆盖对底泥与上覆水之间磷迁移转化的影响

以无覆盖和高岭土覆盖作为对照,通过底泥磷释放控制模拟实验考察了厌氧条件下锆改性高岭土覆盖对重污染河道底泥与上覆水之间磷迁移转化的影响.结果表明,厌氧条件下,重污染河道底泥会释放出大量的磷进入上覆水中,且所释放出来的磷主要以溶解性磷酸盐为主.高岭土覆盖可以略微降低底泥磷向上覆水迁移的通量,而锆改性高岭土覆盖则可以极大降低底泥磷向上覆水迁移的通量.被高岭土覆盖层所吸附的磷中29%以氧化还原敏感态磷(BD-P)形式存在和63%以残渣态磷(Res-P)形式存在.被锆改性高岭土覆盖层所吸附的磷中绝大部分(90%)以金属氧化物结合态磷(NaOH-P)和Res-P形式存在,厌氧状态下很难被重新释放出来进入上覆水体.与无覆盖相比,厌氧条件下锆改性高岭土覆盖不仅不会促进底泥BD-P的释放,而且还会促进底泥NaOH-P的形成.X射线光电子能谱(XPS)和固相31P核磁共振(NMR)技术分析证实了锆改性高岭土覆盖层吸附水中磷酸盐的主要机制为配位体交换和形成内配合物.上述结果说明锆改性高岭土适合作为一种活性覆盖材料控制重污染河道底泥磷的释放.     

综放开采覆岩“两带”高度影响因素及预测模型研究*

为研究影响综放开采覆岩“两带”高度预测模型,采用理论分析与经验公式方法系统分析影响覆岩“两带”高度的因素,包括覆岩岩性、覆岩组合结构、煤层赋存状态、顶板控制方法、开采厚度、工作面走向长度与倾向长度、工作面推进速度、覆岩破坏残余变形;并将上述因素划分为采矿地质因素、顶板控制方法、采煤工作面三维尺寸设计参数、时间因素4类;基于此建立综放开采“两带”高度预测模型,并通过工程实例对比、现场实测等方法进行合理性验证。结果表明:芦沟矿与盛泰矿2个工作面的“两带”高度预测值均在实测值范围之内,说明得出的回归式预测效果较好,验证综放开采“两带”高度预测模型的合理性。     

汉丰湖和高阳湖水体氮磷分布及影响因素研究

为了研究三峡水库蓄水及汉丰湖调节坝运行对湖库氮磷营养盐的影响,于2018年11月~2019年10月对汉丰湖和高阳湖进行逐月水样采集.结果表明：汉丰湖TN浓度为0.78~2.38㎎/L,TP浓度为0.03~0.13㎎/L;高阳湖TN浓度为0.57~2.48㎎/L,TP浓度为0.03~0.09㎎/L,两湖库全年易发生富营养化.汉丰湖和高阳湖水体氮素浓度变化趋势一致,水体氮污染主要来自径流污染、城市污水以及淹没土壤的释放;两湖库磷素时空差异显著,高阳湖水体磷浓度随水位的变化波动性显著,说明水位调节对磷循环产生更直接的影响.外源污染的输入、浮游植物生长以及气温变化是影响汉丰湖水体氮磷营养盐浓度的主要因素,而高阳湖水体氮磷浓度主要受水位波动的影响.     

洱海水华高风险期水体氮磷变化及其指示意义

为揭示水华高风险期水体氮磷变化对洱海的指示意义,结合洱海2009年、2013年和2018年采样检测数据及三维荧光、紫外光谱技术,研究了洱海上覆水氮磷组成和结构变化及影响因素.结果表明:①ρ(TN)和ρ(TP)均先降后升,由2009年氮磷以DON(0.231 mg/L,占36.90%)和DOP(0.016 mg/L,占42.05%)为主,转变为2018年以NH₄+-N(0.197 mg/L,占32.89%)和PP(0.033 mg/L,占70.00%)为主,NH₄+-N和溶解性有机氮磷质量浓度变化是引起氮磷变化的主要因子.各形态氮磷质量浓度空间变化差异较大,北部和中部湖区ρ(TN)、ρ(TP)及其增幅均大于南部湖区;ρ(DON)在北部和南部湖区总体呈下降的趋势,中部湖区ρ(DON)先降后升,增幅为3.32%;ρ(DOP)在北部和中部呈递减,南部湖区则先升后降,总体增加了70.21%;ρ(NH₄+-N)在中部和南部湖区显著增加,北部湖区先降后升.②上覆水氮磷质量浓度及形态时空变化受外源负荷、内源释放和藻类生长共同影响,其中入湖河流是影响氮磷质量浓度变化的主因,且农村生活污染和农田面源污染影响也较大;有机氮磷变化主要受外源输入和湖泊微生物代谢影响,而ρ(NH₄+-N)变化则主要受沉积物释放和藻类生长影响.③洱海水华高风险期上覆水腐殖化程度明显降低,有机氮磷分子量减小,而活性增加,一定程度上可促进藻类生长.研究显示,近10年洱海氮磷质量浓度有增加趋势,有机氮磷质量浓度虽有所下降,但其活性较高,藻类水华风险并未降低,除进一步加强外源负荷控制,关注TN和TP的同时,洱海保护治理还应关注有机氮磷输入以及中部和南部湖区沉积物氮磷释放的水质影响.      

基于改进逻辑回归的电网覆冰故障预测研究

电网覆冰由于湿度、温度、海拔等因素可形成不同的覆冰类型，电网系统故障水平会根据覆冰类型的差异而变化。传统的电网覆冰故障预测多聚焦于覆冰厚度与电网故障的内在联系，忽略了覆冰类型对电网故障的影响作用。为解决这一问题，提出了一种改进的逻辑回归多分类算法，通过将拟合出的回归函数值输入Softmax函数转换为多概率形式实现对覆冰类型的分类，根据数据有无覆冰类型的划分，分别在不同的机器学习算法下对电网覆冰故障进行预测比较。经试验，采用改进逻辑回归算法预测覆冰类型的准确率达88%,电网故障预测的准确率较无覆冰类型下的预测在改进逻辑回归算法、朴素贝叶斯算法(Na6ve Bayes, NB)、K近邻、支持向量机算法(Support Vector Machine, SVM)中分别平均提高了5.3%、21.7%、7%、5.3%,研究表明，改进的逻辑回归算法可以准确预测电网的覆冰类型，提升电网故障预测的准确率。