紫外-可见连续光谱法对农村生活污水处理出水COD的在线监测方法

针对农村生活污水处理排放存在不达标的现状,需要寻求一种经济、高效的水质COD在线监测方法来保障农村的水环境安全。相较于传统化学法,紫外-可见光谱法在线监测COD具有监测速度快、无二次污染、设备廉价的优势。以实际农村污水处理出水为研究对象,通过单波长UV254模型(R2=0.821)、双波长补偿模型(R2=0.856),验证光谱法水质COD监测的可行性。分别从数据预处理、建模方法、波长筛选等方面对光谱法水质预测模型进行系统性优化:从模型的复杂度及预测精度考虑,偏最小二乘法被证明是最适合的建模方法,所构建的模型相关系数R2为0.949,均方根误差RMSE为11.03;波长筛选可以在保证模型预测精度的前提下简化建模过程,最优波长的筛选结果为251、356 nm和363 nm,所构建的预测模型相关系数R2为0.943。

分散式农村污水基于三维荧光光谱和紫外-可见全波段吸收光谱的“聚类-回归”COD预测模型

基于三维荧光光谱与有机物特征荧光峰之间的关系,提出利用三维荧光光谱进行聚类,再针对不同类的水样利用紫外-可见全波段吸收光谱数据建立COD预测模型的技术路线。比较分析了平行因子分析(PARAFAC)算法和荧光体积积分(FRI)算法两种不同的光谱分析方法,再使用模糊c-均值(FCM)算法进行聚类,并完成了不同类水样的COD预测模型的建立。研究的水样采集于江苏省常熟市周边的农村区域,样品均来自不同的分散式农村生活污水处理装置出水,共100个实验水样;将测得的水样三维荧光光谱数据经过去散射预处理后利用PARAFAC算法和FRI算法分别提取荧光特征数据;之后,利用FCM聚类算法进行相似性聚类;最后,利用偏最小二乘(PLS)算法建立水样的紫外-可见全波段吸收光谱和COD之间的回归和预测模型,并使用决定系数和均方根误差对模型的预测精度进行评价。研究结果表明:未分类、使用FRI、使用PARAFAC算法提取荧光特征信息后再预测的模型的平均决定系数R^(2)分别为0.632,0.819和0.906;平均均方根误差RMSE分别为27.857,23.621和13.071。聚类后的回归和预测精度均得到显著提升,且使用PARAFAC算法提取荧光特征信息后再建模具有最高的预测精度,相比于未分类预测模型的R;提高了0.274。本研究提出的基于三维荧光光谱联合紫外可见全波段吸收光谱,采用“PARAFAC-FCM-PLS”组合算法构建的COD预测模型,可以有效的提高COD的预测精度,为高精度的水质在线监测提供了一种新的思路。

突发水污染事故预警预报系统开发及应用——以黄浦江上游水源地为例

长期以来,水污染问题一直是城市水源地安全的重要威胁,突发水污染预警预报系统作为水源地水质预警与防控辅助决策支持的重要平台,可提高水源地应对突发水污染事件的应急处置能力。利用FLEX技术,开发具有GIS空间显示、分析功能和基于Web的远程访问和运算功能系统界面,为溢油、化学品泄漏等突发水污染事故的模拟、模拟结果的导入导出、显示和分析环境数据提供系统管理相关的工具。对2014年7月黄浦江上游锑污染案例进行了模拟,模拟计算结果与实际监测结果较吻合。

Fenton-流化床处理环氧聚酯废水的应用

介绍环氧聚酯废水的特点、以及相应的处理工艺,在综合国内外处理工艺技术的基础上,以某污水厂的环氧聚酯废水为例,提出以Fenton-流化床作为主体工艺,并以COD为主要测定指标,设计并实施现场中试实验,通过分析比较不同加药量下的污水处理效果,探讨Fenton-流化床技术处理环氧聚酯废水的优势。

基于BP-神经网络的区域下垫面遥感图像解译方法及其应用——以上海市太浦河两翼地区为例

城市化的发展改变了城市下垫面的条件,从而对水环境产生了多种影响。为保证水文、水动力等数学模型的预测精度,需要对区域下垫面的遥感图像进行遥感解译分析,利用解译好的数据及时对水文、水动力实时预报模型进行更新。BP-神经网络技术简单实用,收敛速度快,可以在一定程度上消除传统的遥感影像分类带来的模糊性和不确定性,保证遥感图像解译的分类精度。以上海市太浦河两翼地区为例,将该区域的影像图分为绿地、房屋、水体、农田、旱地、道路等六大地物类型,结合BP-神经网络算法确定各个类别的空间分布,并统计出各类地物的面积分别为48.85km^2、19.98km^2、60.13km^2、71.14km^2、3.28km^2、7.13km^2,为后续水利设计相关工作提供技术支撑。