工业废水的生化耗氧过程Logistic动力学研究

在Monod方程的基础上推导了适用于描述工业废水的生化耗氧过程Logistic动力学模型,比较了Logistic动力学模型和一级动力学模型的区别。测定了废水的BOD5/CODcr,在此基础上对可生化废水的生化耗氧曲线进行分析,利用Logistic动力学模型对生化耗氧过程进行动力学研究,并比较各种不同稀释倍数时的kLog和S0。研究结果表明:随着稀释比的增大,耗氧过程的动力学参数kLog和计量系数S0增大,且S0和废水的BOD5非常接近。     

不同类型污染源颗粒物的粒度分布特征分析

对影响葫芦岛市城区环境质量可吸入颗粒物的各类污染源颗粒物的粒度成份、分布特征进行分析。采用斯托克直径ds（Stoke＇s Diameter）表示法，利用巴柯离心机对样品进行处理，得到各类排放源所排放的不同粒径的颗粒物重量百分比，为环境管理提供科学依据。     

特定生态系统对水源地水质改善的研究

通过构建水生动物-人工介质新型生态系统来研究太湖水源地水质改善效果.中试试验结果表明,对比3d和7d的水力停留时间(HRT),当HRT:7d,系统对TN、NO2--N、NO3--N、TP、PO4--P的平均去除率可分别达到79.00%、63.46%、14.57%、67.43%、35.81%;对比空白池,TN、NO2--N、NO3--N、TP、PO4--P的平均去除率仅为9.67%、7.09%、1.30%、9.92%、7.04%.通过该系统中水生动物的吸收和人工介质上微生物降解的协同作用,使得氮磷类污染物的去除效果明显.可见,水生动物-人工介质生态系统对改善太湖水源地水质有良好的效果,对构建安全的水源地生态系统具有积极的意义.     

工业源污染物排放总量的系统控制

提出了工业污染源污染物排放总量控制管理系统的建立与构成 ,提出了总量控制因子与目标体系 ,确定了污染物排放总量控制技术与管理方法。     

青藏高原生态资产地域划分中的SOFM网络技术

针对目前地域划分中存在的问题,论文尝试以人工神经网络技术作为区划工作的理论支撑,构建了自组织特征映射SOFM网络,以青藏高原环境与生态系统资产作为待分客体,探索了新技术和方法在生态资产地域划分中的应用。结果表明,对于自然界中广泛存在的非线性问题,SOFM网络具有比聚类分析等线性分类器更强的适应性。应用SOFM网络在对待分客体生态资产进行类型划分的基础上,使用策略性循环尺度转换(SCS)范式对其进行了区域转换,最终完成了青藏高原范围内生态资产的地域划分。     

铅渣干燥污染源治理

铅渣回转干燥窑烟气污染源治理与铅渣过滤工艺改进同期进行考虑机 ,经过测试和实验 ,提出并论证采用全自动厢式压滤机代替圆盘过滤 ,并取消回转干燥窑的方案是可行的。经投入生产运行几个月的各项指标结果均超过预期效果 ,获得较好的经济效益和环境效益 ,每年可创经济效益 134万元 ,并且消除了一个污染源     

用神经网络辨识化学强化一级处理系统

运用实验室得到的数据为样本 ,选取了CODCr和絮凝剂投加量为指标 ,采用三层结构的神经网络 ,利用Matlab的神经网络工具箱中的批处理梯度下降法对CEPT系统经行辨识。辨识结果表明 :模型的预测值与实测值的平均误差在 3 .7%左右 ,具有较高的精度。同时 ,该模型还具有适应性强 ,使用方便 ,高效的特点 ,为CEPT系统的在线实时控制提供了一条有效的途径。     

长江常熟段排污口布置方案数值模拟论证研究

为合理确定常熟氟化工项目排污口布置方案 ,本文在分析长江常热段水环境特征的基础上 ,针对其复杂的水下地形和水流流场 ,建立了较为准确和实用的平面二维水流水质耦合数学模型 ,预测计算了三套方案污水对重点保护水域影响程度和范围 ,并从水流流场、水质影响评价、技术经济多角度对方案进行了比较论证 ,最终推荐污水江中排放的方案 ,为项目的工程设计和环境管理提供了科学依据。     

吉林省的风能潜力(英文)

近两年我国电力突然短缺,已经引起政府的高度重视。由于我国风电发展的紧迫性和风电发展的潜力,特别是国际上正在如火如荼地开发风电的情景,中国- 奥地利政府间双边合作计划将风电评估列入2001～2003 年度合作计划,论文是该计划的成果之一。以我国吉林省为研究对象,采用广泛使用的风机选址算法和空间分布诊断程序( WAsP和ZAWIMOD2),运用数字地形图和遥感资料获得的土地利用图,进而得到数字化的表面粗糙度,再对吉林省的风能潜力进行估算。完成了近1km² 分辨率的距地面60m高度的风速和风能密度计算,并制作了它们的分布图。这是我国第一次在较大区域上估算距地面60m 高度的风速和风能密度,其方法对我国风电资源的评估有重要的借鉴作用。结果显示最有效的风能资源在吉林省的中西部地区,而南部和东部的高风资源区位于山脊和山顶,对风能的开发有一定的限制。     

Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data-A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake

Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake.