浅谈FGC／SAW4200型不明化合物分析仪对水体中苯系物的测定

利用FGC／SAW4200型不明化合物分析仪采用气相色谱静态顶空进样的方法对大庆水库水样中的苯、甲苯、二甲苯、硝基苯进行定性与定量分析,该仪器方法操作简单,灵敏度高,分离效果好。     

一种苯腈类化合物合成废气处理方法及装置

该发明公开了一种苯腈类化合物合成废气的处理方法及装置。利用该装置可低温催化处理苯腈类化合物合成工艺所产生的废气。制备用γ-Al2O3作为载体的Mn3O4蜂窝状氧化催化剂,并将其填充于处理装置的电加热催化还原管中,控制反应温度和反应时间,使废气中的氢氰酸吸附在蜂窝状γ-Al2O3载体上,在负载于载体上的MgO催化触媒作用下与废气中的水蒸气发生催化反应产生氨,实现废气的无害化处理。     

纸浆模塑缓冲材的技术研究

聚苯乙烯发泡塑料（EPS）作为缓冲包装的内衬件广泛用于电子产品的内包装,但其所带来的白色污染问题也日益严峻。研究以再生资源（废纸）为原料,生产产品内衬包装物——纸浆模塑缓冲材,并使其产业化,以替代发泡塑料包装物,改变发泡塑料包装物难降解所带来的污染和危害,并实现“废弃物—产品”的资源循环利用。     

车内空气污染及控制

近年来,人们越来越关注车内空气污染。但人们对车内空气污染的了解甚少。本文就车内空气污染的污染源、污染物、健康影响、治理措施,相关标准等一系列问题,作系统论述。     

2，2‘,4,4’和3，3‘,4,4’—四氯联苯（TCB）对小白鼠体外受精的影响

采用体外受精技术评价环境污染物2,2',4,4'-和3,3',4,4'-四氯联苯对小白鼠卵母细胞受精能力和2-细胞胚胎发育的毒性作用,实验结果表明：ρ（PCB）=0.1,1.0,10.0mg/mL的2,2',4,4'-和3,3',4,4'-四氯联苯均显著降低小白鼠卵母细胞的受精能力;ρ（PCB）=1.0,10.0mg/mL的2,2',4,4'-和3,3',4,4'-四氯联苯使卵母细胞的退人弦和2-细胞的畸形率显著增加;两种四氯联苯对小白鼠卵母细胞体外受精能力、退化率和2-细胞胚胎的畸形率无统计差异。     

苯蒸气在有机膨润土上的吸附动力学

本文研究了苯蒸气在溴化十六烷基三甲基胺（CTMAB）系列单阳离子有机膨润土上的吸附动力学过程。结果表明,苯蒸气在有机膨润土上的吸附符合一级动力学方程,即：r＝KvCo;在12h内,吸附反应均可达到平衡,吸附速率常数（Kv）与温度（T）成正相关,吸附反应的活化能在9．50－17．92kJ.mol^-1之间。     

部分取代苯类在江水中的生物降解与结构相关性研究

测定了２７种取代苯类化合物在松花江江水中的生物降解性．采用量子化学ＭＯＰＡＣ６．０－ＡＭ１法计算了化合物的分子量(ＭＷ)、生成热(Ｈｆ)、分子总表面积(ＴＳＡ)及最高占有轨道能(ＥＨＯＭＯ),结合辛醇/水分配系数ｌｇｐ及酸解离常数ｐＫａ对其中２２种化合物的ＢＯＤ值进行多元线性回归分析,得到如下模型:ＢＯＤ＝１０５．７３－０．４３９ＭＷ－０．０７６Ｈｆ－６．６６０ｌｇＰｎ＝２２,Ｒ２＝０．８２１,ＳＥ＝８．２５０,Ｆ＝２７．５６,Ｐ＝０．０００应用所得模型对其余５个化合物的生物降解性进行了预测．只有一个化合物的相对预测误差大于２０%,为２０．８%．平均预测误差为１２．４%．     

固相微萃取-气相色谱/质谱联用法测定饮用水中苯类化合物

用固相微苹取(ＳＰＭＥ)－气相色谱/质谱联用法测定饮用水中苯类化合物,以１００μｍ ＰＤＭＳ(聚二甲基硅氧烷)萃取针提取、浓缩、分离与测定九种目标化合物．萃取时间经优化选定为８ｍｉｎ,而热解析时间设定为２ｍｉｎ． 本方法的相对标准偏差小于５%,线性范围宽(２０ｎｇ·ｍｌ－１－１００００ｎｇ·ｍｌ－１),多数化合物的检测限低于５μｇ·ｌ－１．饮用水样品检测显示,样品加标回收率范围在８４%至１１０%内．     

顶空气相色谱法测定土壤中的苯系物

利用惠普顶空进样仪作为一种处理土壤样品的手段,自动把待测物送到气相色谱进行分析。研究顶空温度、气液比、平衡时间等条件对测定结果的影响。方法操作简便,灵敏度高。苯的变异系数为1.7%和4.1%,加标回收率为95％－105％,最小检出浓度为2.0μg/kg。     

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区(水源地)为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM(长短期记忆神经网络)3种时间序列模型在藻华(日平均叶绿素a大于15μg·L^-1)预测方面的效果.结果表明：(1)时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;(2)基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;(3)输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于...