期刊文献+

模块化沉床对污染水体中CODcr去除效果的分析 被引量:1

下载PDF
导出
摘要 模块化沉床主要由床体、基质、植物三部分构成,这些人为可控因素对污染水体中CODcr的去除有着密切的关系。通过正交试验设计和数量化理论分析方法,分析显示自变量对因变量的影响均极显著,并得出沉床最佳组合形式为A2B2C2D1,即:控制水位是0.50m;陶粒床体;页岩基质;植物为金鱼藻、金鱼藻和狐尾藻的混合型水生植物组合,它对CODcr去除率可达到47%。经正交表L9(34)完全试验中81种组合形式的工程平均估计和数量化方程的预测,这两种统计方法所得结果是吻合的,其结果可作为实施污染水体生态修复时参考。
出处 《建设科技》 2008年第14期44-47,57,共5页 Construction Science and Technology
  • 相关文献

参考文献3

二级参考文献48

共引文献368

同被引文献18

  • 1张萌,曹特,过龙根,倪乐意,谢平.武汉东湖水生植被重建及水质改善试验研究[J].环境科学与技术,2010,33(6):154-159. 被引量:24
  • 2李金中,李学菊.人工沉床技术在水环境改善中的应用研究进展[J].农业环境科学学报,2006,25(B09):825-830. 被引量:31
  • 3黄娟,王世和,雒维国,钱卫一,鄢璐.基于GA-BP网络的人工湿地污水净化效果研究[J].中国工程科学,2007,9(2):79-83. 被引量:5
  • 4Horppila J, Nurminen L. Effects of submerged macrophytes on sediment resuspension and internal phosphorus loading in Lake Hiidenvesi [ J ]. Water Research, 2003,37 : 4468 - 4474.
  • 5张晓晶,李畅游,李卫平,等.基于BP神经网络的乌梁素海水质模型研究[C]∥.第三届全国农业环境科学学术研讨会论文集,2009.
  • 6Pijanowski B C,Brown D G,Shellito B A,et al. Using neural networks and GIS to forecast land use changes:a Land Trans- formation Model[ J ]. Computers ,2(lY2 ,26 :553 - 575.
  • 7El - Din A G, Smith D W. A neural network model to pre- dict the wastewater inflow incorporating rainfall events [J]. Water Resoures,2002,36(5):1115 -1126.
  • 8Fletcher D, Goss E. Forecasting with neural networks: an application using bankruptcy data [ J ]. Information & Management, 1993,24 (3) : 159 - 167.
  • 9Singh K P, Basant A, Malik A, et al. Artificial neural net- work modeling of the river water quality: a case study [ J]. Ecological Modelling,2009,220(6) :888 - 895.
  • 10Olden J D,Joy M K, Death R G. An accurate comparison of methods for quantifying variable importance in arti? cial neural networks using simulated data [ J ]. Ecological Modelling,2004,178 (3 - 4) :389 - 397.

引证文献1

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部