臭氧对己内酰胺废水的深度处理

臭氧具有强氧化性,氧化还原电位高,能氧化水中多种有机物,臭氧对己内酰胺废水进行深度处理能有效去除水中残留的COD和色度,且臭氧投加量越多,污染物去除率越高,但去除的增加幅度越来越小;考虑到工程投资及运行费用,建议臭氧投加量在40mg/L的条件下,利用臭氧提升的可生化性,再进行深度生化为最经济的反应条件。     

某建筑结构火灾后的加固处理

对某建筑结构火灾中的受损情况进行了现场调查,并对火灾后的结构性能进行了检测。通过分析检测结果,综合评定了结构的受损情况,针对受损伤较重的结构制定了具体的加固维修方案。采用外包钢板法加固受损梁、柱结构,以现浇楼面板置换受损的空心板,加固后的结构完全能满足使用要求。此经验可为类似的建筑结构加固处理提供参考。     

印染废水深度处理及回用技术探讨

近年来,印染行业发展迅猛,其行业发展在提升其社会经济效益的同时,也带来了严重的污染问题。印染废水色度较深且含有较多的有机物、盐、重金属等成分,如果处理不当或直接排放,会对周围环境产生严重的污染,而印染废水若经高温蒸发也会对周围空气质量产生影响,对印染废水深度处理迫在眉睫。因此,强化印染废水处理技术,使印染废水达到处理排放标准,对部分污染废水进行回收再利用,已成我国环保领域重点研究的技术之一,也是印染行业提高竞争力、提质升级的重要举措。     

西北生态脆弱区畜禽粪污处理技术综合评价

畜禽粪污处理技术在不同地区适用性有较大差异。为全面、客观、科学地筛选出适宜西北地区的畜禽粪污处理技术,将生命周期评价、费用效益评价与层次分析法耦合,从技术、经济、气候、直接环境影响与间接环境影响5个方面,建立了包含18项指标的西北生态脆弱区畜禽粪污处理技术评价体系;以兰州市畜禽粪污处理技术为例,分析好氧堆肥、厌氧发酵、垫料利用3种处理技术的适用性。结果表明：兰州市畜禽粪污处理技术适用性综合排序为垫料利用（72.21分）>好氧堆肥（71.55分）>厌氧发酵（68.79分）,垫料利用技术更适宜在西北地区推广;垫料利用技术环境友好性明显优于厌氧发酵和好氧堆肥技术;使用好氧堆肥和厌氧发酵技术处理畜禽粪污可为养殖场增加额外收益。该研究可为西北地区畜禽粪污处理技术模式构建和优化提供指导。     

基于大数据挖掘技术的地震舆情感知研究

对地震舆情信息的深入感知和有效管理,能够保障社会和谐发展.提出一个基于大数据技术和深度学习的地震舆情感知平台,基于Hadoop和MongoDB大数据技术实现对海量实时地震舆情数据的处理和存储.基于Word2vec和LSTM的融合模型能够有效实现震后网民的情感识别,为舆情预警提供支持.以台湾5.8级地震舆情数据为例,对该...     

民用飞机整机低温试验中断处理方法研究

根据民用飞机整机开展气候类实验室低温环境试验的工程需求与技术特点,对试验过程中可能出现的中断情况进行了归纳,并给出了相应的实验室中断处理方法 ,形成了实验室操作规程体系.结合相关试验标准归纳的主要中断原因,基于过试验、欠试验、责任故障、非责任故障等引起的中断情况,明确其可能造成的影响后果,并研究了中断后的处理方法 .按...     

基于深度学习的便携式浊度计示值误差校正方法

常规的浊度计示值误差校正方法多采用比值校正法进行设计,应用过程中,无法深入挖掘浊度计示值的各项误差,存在校正精度较低的问题,导致浊度计测量的浊度示值与待测液的实际浊度值之间偏差较大。针对这一问题,笔者引入深度学习原理,以便携式浊度计为例,提出一种全新的示值误差校正方法。先采集便携式浊度计示值,获取浊度计示值的动态变化,然后利用深度学习算法原理,构建神经网络模型结构,通过神经网络模型的示值误差激励、校正量化、迭代训练、最优保存等步骤,得出最优化的示值误差校正结果。实验分析可知,新的方法应用后,测得标准浊度液的浊度示值与其实际浊度非常接近,示值误差较小,校正效果优势显著。     

垃圾分类下焚烧与填埋处理过程及碳排放核算——以苏州市为例

在“碳达峰、碳中和”和垃圾分类的双重背景下,苏州市积极推进垃圾分类相关工作。其中垃圾焚烧发电产生碳减排,减排强度为276.25kg/t,减排总量为56585.01t;垃圾填埋处理碳减排过程为填埋气发电碳减排,填埋处理每吨垃圾减碳158.72 kg,减排总量为1778.65t。生活垃圾焚烧处理和填埋处理碳减排量较为显著。     

石油化工催化剂生产过程中的职业病防治及应急处理

石化企业使用了大量的催化剂,催化剂开发、生产过程复杂,有许多原料和生产工艺,存在许多潜在的安全隐患和职业病危害因素。为预防催化剂生产过程中的事故,通过分析催化剂生产过程中的职业病危害分析,提出了相应的职业病防范及应急处置措施,加强催化剂生产过程中的职业病防治和应急处置能力,创造良好的经济、生态和社会效益,有效防止催化剂生产过程中发生安全事故和职业病。