UV/H2O2法处理焦化废水的试验研究

焦化废水是一种典型的成分复杂的难降解有机废水。实验利用UV／H2O2法对焦化废水的处理进行研究,探讨了不同反应时间、H2O2投加量、pH值等因素对COD去除率及色度降解效果的影响。结果表明．废水起始COD质量浓度为1334mg几时,H2O2投加浓度为45mmol/L,pH值=11,紫外灯照射60min,COD去除率可达70％以上;随着H2O2投加量的增加以及pH值的升高,污水的色度明显降低。     

Prediction of effluent concentration in a wastewater treatment plant using machine learning models

Of growing amount of food waste, the integrated food waste and waste water treatment was regarded as one of the efficient modeling method. However, the load of food waste to the conventional waste treatment process might lead to the high concentration of total nitrogen(T-N) impact on the effluent water quality. The objective of this study is to establish two machine learning models—artificial neural networks(ANNs) and support vector machines(SVMs), in order to predict 1-day interval T-N concentration of effluent from a wastewater treatment plant in Ulsan, Korea. Daily water quality data and meteorological data were used and the performance of both models was evaluated in terms of the coefficient of determination(R~2), Nash–Sutcliff efficiency(NSE), relative efficiency criteria(d rel). Additionally, Latin-Hypercube one-factor-at-a-time(LH-OAT) and a pattern search algorithm were applied to sensitivity analysis and model parameter optimization, respectively. Results showed that both models could be effectively applied to the 1-day interval prediction of T-N concentration of effluent. SVM model showed a higher prediction accuracy in the training stage and similar result in the validation stage.However, the sensitivity analysis demonstrated that the ANN model was a superior model for 1-day interval T-N concentration prediction in terms of the cause-and-effect relationship between T-N concentration and modeling input values to integrated food waste and waste water treatment. This study suggested the efficient and robust nonlinear time-series modeling method for an early prediction of the water quality of integrated food waste and waste water treatment process.     

总氮自动分析仪在地表水监测中的优势与局限研究

文章分析了总氮自动分析仪在地表水监测中的优势与局限。通过对检出限、精密度、准确度等一系列实验室质量要求进行测定发现,该法的空白较低,准确度和精密度均能达到国标要求,分析效率高,但检出限偏高,适合总氮含量较高的地表水监测,对于含量较低的地表水,还应使用传统的国标方法检测。     

活性炭纤维电吸附法去除饮用水氟离子方法探究

氟是人体必需的元素,对人体有着重要的生理功能。如果人摄入的氟过量,人体将受到较大危害。除氟的方法有很多,电吸附方法是将传统的吸附技术与电化学方法融合,使得电吸附方法与传统的去离子方法相比具有相当的优势：无二次污染,能量利用率高,操作简单,是具有研究和开发价值的清洁型技术。用活性炭纤维做吸附剂对蒸馏水配制成的含氟水去除率显著,为了达到氟离子去除效果,要调节温度、电极电势以及原液浓度,注意电极与吸附材料的选择。     

太阳光Fenton法处理垃圾渗滤液中有机污染物

研究利用太阳光Fenton法处理垃圾渗滤液。根据太阳光辐射强度随时间的变化规律,选择重庆7、8月份的晴天,在中午12：00到下午14：00时进行试验,研究太阳光辐射时间、pH值、Fenton试剂用量对垃圾渗滤液COD去除率的影响。研究结果表明：太阳光Fenton法对垃圾渗滤液的COD有较好的去除效果,COD去除率达86.2%。太阳光Fenton法处理垃圾渗滤液的优化条件是：日光辐射时间为120 min,pH值为2.5,Fe²⁺浓度为5 mmol/L,H₂O₂浓度为570 mmol/L。同时,论文还对太阳光Fenton法处理垃圾渗滤液的动力学进行分析。研究结果显示：太阳光Fenton法处理垃圾渗滤液,其表观动力学方程为-dC/dt=2.6×10^-8×P^1.92×F^1.79×E^1.67。     

VFAs、TOC及COD作为生物除磷能力指标的探讨

在实际生活污水的处理中,研究了通过A/O运行模式对生物除磷过程中磷的变化情况及在厌氧释磷过程中COD、TOC与VFAs变化之间的关系。结果表明,在厌氧释磷过程中VFAs的变化更能准确地反映系统内释磷进程,实际生活污水中能直接用于磷释放的有机物含量占COD的13.33%,并且释放1 mg P所需VFAs为1.401 mg,此值明显低于前期研究结果。通过对COD、TOC和VFAs 3种组分的分析,可将实际生活污水中的有机底物分为3类:易生物降解含碳有机物、难降解的含碳有机物和水中存在的无机性还原物质,含量分别占COD的13.33%、31.7%和54.97%,其中只有13.33%的含量对生物释磷有直接作用,并可对实际生活污水除磷有指导意义。     

铁炭微电解工艺处理采油废水的研究

随着采油废水产生量的逐渐增大以及排放标准的日益严格,寻找一种经济、高效的处理方法显得十分必要。采用铁炭微电解技术对冀东油田采油废水进行了处理。考察了铁屑粒径、pH值、Fe/C质量比和反应时间对COD去除率的影响并设计了正交实验,结果表明,影响微电解工艺的因素主次关系为:pH>Fe/C质量比>反应时间,在最佳条件pH=5,Fe/C质量比为7∶1,反应时间50 min下,原水COD由170 mg/L降至95.6 mg/L,去除率达43.85%,出水满足国家二级排放标准。     

印染废水污染物在曝气生物滤池中的沿程去除规律

主要研究了曝气生物滤池（BAF）对印染废水中污染物的沿程去除规律。研究表明：BAF对印染废水污染物的去除沿高程有着不同的变化规律：在BAF总高度为300 cm,填料层高度为200 cm,气水比3∶1,停留时间11.8 h,的情况下, BAF对COD的去除主要集中在<160 cm的填料层部分,在总的去除率为63.1%时,此区域去除率可达56.60%;对NH3N的去除主要集中在填料层100～160 cm段,在总NH₃-N去除率为85.09%时,此区域NH₃-N去除率达38.28%。BAF对浊度的去除主要集中在填料层小于100 cm的部分,在总去除率为94.04%,区域去除率达到61.90%。印染废水经过BAF的前100 cm填料层后,pH值由10降至7.6后基本维持不变。     

单级与二级BAF工艺除碳硝化效能的对比研究

在总曝气量、HRT、水温、进水水质相同的条件下,对比研究了单级(BAF C/N)和二级曝气生物液池(BAF C+N)处理生活污水的除碳硝化效能。结果表明,将除碳和硝化分级有利于提高BAF工艺的处理效能。分级后,C柱较C/N柱具有更高的COD去除容积负荷,且出水COD浓度稳定低于50 mg/L;二级BAF工艺出水NH4+-N浓度由单级BAF的5～12 mg/L降至5 mg/L以下,且N柱在pH<6.3时依然能够进行硝化;N柱中下部具有较高的微生物活性,平均比耗氧速率为32 mg O2/(g VAS·h)。二级BAF中C柱的反冲洗周期和强度与单级BAF相同,而N柱的反冲洗周期则延长至5～7 d,能够降低反冲洗能耗和用水量。     

粒子群优化的RBF瓦斯涌出量预测

瓦斯涌出量是煤矿瓦斯灾害的主要来源,它直接影响煤矿安全生产和经济技术指标。瓦斯涌出量的传统预测方法是将其影响因素线性化后提出的,具有一定的局限性。本文基于群体智能理论,提出了一种基于粒子群算法优化的RBF神经网络瓦斯涌出量预测模型。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用粒子群算法优化RBF网络权值和其他参数,形成PSO-RBF预测模型。该模型通过计算种群粒子的适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明PSO-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。