三江平原地貌因子及其主要环境地质问题

地貌因子有其不可替代的作用和功能,是决定环境的主要因子,是生态地质环境中最积极最活跃的主导支力条件;是生态平衡的重中之重;是生态地质环境的基础,并影响其它因子或成份.如地貌因子或成份发生了变化,其它因子或成份就会发生一系列连锁反应;地貌因子发生变化或失去平衡,其它因子也会发生变化或失去平衡.文本论述了三江平原地貌特征,详细地分析了地貌的作用,阐明了有关地貌的主要环境地质问题.     

碘化阶层孔氧化硅纳米球对水中典型有机氯污染物的吸附性能研究

采用共缩聚法,成功地原位合成了碘改性的阶层多孔氧化硅纳米球（SiO₂-I）,研究了其基于卤键作用对典型有机氯污染物六六六的吸附性能,并考察了改性剂I-硅烷含量和pH值对吸附效果的影响.实验结果表明,该纳米材料对六六六表现出优异的吸附富集性能,吸附速率快,60 min内对六六六的去除率为71.6%,240 min内达到吸附平衡,去除率可达98.3%,最大吸附量为178.6 mg·g^-1;吸附动力学符合拟二级动力学模型;碘物种的加入提高了阶层多孔氧化硅的吸附速率和吸附效率.另外,为了便于纳米吸附材料的分离,本研究对SiO₂-I纳米球进行了磁性化.研究发现,磁性化修饰后,SiO₂-I纳米材料仍然保留对六六六优异的吸附富集性能,240 min时的吸附去除率达90.3%.     

保定市大气污染特征和潜在输送源分析

保定市是京津冀地区重要城市之一.为了解保定市大气污染物质量浓度特征和潜在输送源,对保定市国控点2017年1月1日-12月31日PM₁₀、PM_2.5、SO₂、NO₂、O₃、CO等常规大气污染物数据进行分析,并利用TrajStat后向轨迹模型进行区域传输研究.结果表明:①ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）分别为（138±96）（84±66）（29±23）和（50±24）μg/m3,与2016年相比分别下降5.9%、9.1%、25.5%和13.1%;ρ（CO）较2016年下降了14.0%;ρ（O₃）较2016年增长了25.2%.ρ（PM₁₀）、ρ（PM_2.5）、ρ（NO₂）和ρ（O₃）分别超过GB 3095-2012《环境空气质量标准》二级标准限值的0.97、1.40、0.25和0.34倍,ρ（SO₂）和ρ（CO）未超标.②除ρ（O₃）外,其他污染物质量浓度均呈冬季最高、夏季最低的季节性特征,其中,冬季PM_2.5污染最为严重,春季PM_2.5~10（粗颗粒物）污染严重.③空气质量模型源解析结果显示,保定市ρ（PM_2.5）约60.0%~70.0%来自本地污染源排放.后向轨迹结果表明,在外来区域传输影响中,保定市主要受到西北方向气团（占比为21.7%~60.0%）远距离传输和正南方向气团（占比为34.8%~50.5%）近距离传输的影响.④PSCF（潜在源贡献因子分析法）和CWT（浓度权重轨迹分析法）分析表明,除保定市及周边区县本地污染贡献外,位于太行山东麓沿线西南传输通道的邯郸市、邢台市、石家庄市是影响保定市PM_2.5的主要潜在源区.研究显示,PM_2.5为保定市大气中的主要污染物,并呈冬季高、夏季低的变化特征,其主要来自西北远距离输送和南部近距离传输.      

人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.      

Pt负载暴露(001)晶面Bi2WO6催化剂合成及光催化性能

通过水热法制备了暴露（001）晶面的Bi₂WO₆纳米片,利用光还原法将Pt纳米颗粒负载于其表面.选择苯甲醇氧化和罗丹明B（RhB）降解为探针反应,评价了催化剂的光催化性能.在苯甲醇氧化实验中,Pt负载暴露001晶面的Bi₂WO₆样品的苯甲醇转化率为20.7%,约为未负载样品的2倍.在RhB降解实验中,Pt负载样品在光照40min后对RhB的矿化率可达81.1%,而未负载样品RhB矿化率仅为55.8%,表明Pt负载样品具有更优的降解速率和矿化能力.催化剂性能的提升归因于高能晶面暴露和Pt负载的协同作用.Pt纳米颗粒的负载作为助催化剂增加了催化剂表面的活性位点,同时提高了晶面光生电子空穴对的分离和迁移效率.     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.     

长江流域等重污染行业经济和污染贡献率剖析

应用"污染贡献率"这一指标,分析了长江、黄河、珠江和松花江流域COD和氨氮排放的重污染行业以及地区分布,指出了各流域COD和氨氮排放的控制重点.同时分析了各流域重污染行业的经济贡献率,最后结合行业的污染贡献率和经济贡献率以及行业在地区所占的比例,提出了几点重要的结论.     

固定化微生物处理有机污染物的研究进展

综述了近年来固定化微生物技术用于有机污染物治理中的最新进展，这些有机污染物包括难降解有机污染物（酚类、芳香烃类等）及其它化合物（DMP、甲硫醇恶臭气体、制药废水等）。此外，对藻类固定化技术作了简介，并对固定化技术的应用前景及存在问题进行了评述。     

大气污染物影响因素的灰色关联分析

运用灰色系统理论，对产生和影响城市大气主要污染物的相关因素，利用灰色关联分析方法进行了量化分析研究，根据研究结果，提出了控制大气污染的防治对策．     

贵阳地区基本地质环境和主要岩土工程问题综述

本文系笔者对贵阳地区主要地质环境和工程地质特点进行的初步总结,内容为贵阳地区主要岩土构成情况、分布范围及与之相应的岩土工程地质特点和主要的岩土工程地质问题的描述,旨在给同行提供宏观性的了解和方向性的参考。