碘量法和BOD快速测定仪测定医疗出水BOD浓度的研究

通过碘量法和BOD快速测定仪测定雅安职业技术学院医疗出水BOD浓度,探究这2种方法的差异。采取碘量法测定6份平行样品的溶解氧BOD依次为6.89、6.67、6.73、6.62、7.03、6.76 mg·L^(-1),平均值AV为6.78 mg·L^(-1),标准偏差为0.15,相对标准偏差为0.02,具有统计学意义。采取快速测定法测定6份平行样品的溶解氧BOD依次为6.55、6.45、6.72、6.66、6.54、6.78 mg·L^(-1),平均值AV为6.62 mg·L^(-1),标准偏差为0.12,相对标准偏差为0.02,具有统计学意义。结合国家《医疗机构水污染物排放标准》(GB18466—2005)的排放标准,分别采用国标GB7489—87制定的碘量法和快速检测仪对医疗排放水进行BOD检测,符合污水排放标准。从标准差数据来看,碘量法的标准差为0.151,快速测定法的标准差为0.124,2种方法相比较,快速测定法比碘量法更精确。与快速测定仪的测定步骤相比较,碘量法在测定过程中容易受到环境温度、气压、压力、实验操作误差等因素的影响,相对来说,数据波动比较大。

生化需氧量(BOD)在线监测仪校准方法研究

本文介绍了基于紫外-可见光谱法原理的生化需氧量(BOD)在线监测仪的基本结构和工作原理,明确了监测仪的计量特性,确定了校准环境条件、测量标准、校准项目和校准方法,并对监测仪的关键性能指标的示值相对误差进行不确定度评定。同时,对不同监测仪进行试验验证。结果表明:该监测仪性能指标设置科学合理,且校准方法具有可操作性。

基于FRBPSO-RBF神经网络的污水BOD5软测量方法

污水处理过程中污水BOD5难以实时准确测量,故软测量方法逐渐被用于污水BOD5的预测,其中RBF神经网络软测量方法应用广泛,但存在训练过程易陷入局部极值等问题。为提高RBF神经网络的预测精度,提出了基于适应度排名的粒子群算法(fitness ranking based particle swarm optimization,FRBPSO),根据适应度排名与迭代次数确定惯性权重的大小,并根据粒子个体历史最优值的排名与迭代次数确定自我学习因子与社会学习因子的大小,并将FRBPSO算法引入RBF神经网络的参数训练中。基于13个基准测试函数与其他3个粒子群优化算法对比,实验结果显示FRBPSO算法的寻优能力相对较强。再将基于FRBPSO算法的RBF神经网络用于构建污水BOD5软测量模型,仿真结果表明,在测试数据中,FRBPSO-RBF软测量模型的平均绝对误差比PSO-RBF软测量模型、DAIW-RBF软测量模型、SCVPSO-RBF软测量模型分别降低了0.7178、0.2402、0.5851,平均绝对百分比误差分别降低了0.47%、0.15%、0.33%,均方根误差分别降低了0.0034、0.0015、0.0039。与其他3个基于PSO算法的BOD5软测量模型相比,FRBPSO-RBF模型具有较高的BOD5预测精度。

样品稀释倍数对测压法测定水质样品BOD_(5)的影响

文章采用测压法对样品稀释倍数与水质样品BOD5测定值的相关性进行深入研究。结果表明,WTW BOD测定仪不仅适用于含微生物适中的水质样品BOD5的测定,满足一定条件也适用于含少量微生物的水质样品BOD5的测定;另外,样品稀释倍数对水质样品BOD5的测定存在一定影响,对高浓度水质样品BOD5测定结果影响不大,对低浓度水质样品BOD5测定结果影响较大。

金山地区地表水BOD5污染指数和环保投入的相关性分析

BOD5是一种表示水体中可被微生物氧化的物质的含量,是水环境的重要参数。“十三五”期间,2016年至2020年金山区地表水BOD5浓度呈波形改善,依据BOD5单因子来判断2020年金山区17个市考断面都达到Ⅲ类水标准,BOD5浓度反复变化的原因多样,通过水体污防投入、污染减排指数的相关性分析,发现两者对BOD5浓度下降都产生了一定的作用,17个市考断面,其中南泖泾-亭枫公路桥断面的作用明显。对于金山地区地表水污染源的调查是实施金山区水环境综合整治,切实提高水环境水平,合理规划水污染治理工程的基础工作。

基于高光谱与改进BP神经网络的水体生化需氧量(BOD)估算

生化需氧量(BOD)是用于评估水质及其污染程度的重要指标,水体BOD含量对于保护水资源、改善水环境以及维护生态平衡具有重要意义。为解决BOD传统测量存在设备昂贵易损、操作专业性强、时间周期长等问题,分别使用7种不同的高光谱预处理方法对100组水体BOD光谱透射率数据进行处理,再将高维度的光谱数据通过PCA降维,将主成分数降低至10,建立BP神经网络模型,通过比较模型的精度,拟合程度和运行效率筛选最优模型,建立了一种结合不同高光谱预处理技术和PCA降维技术的改进BP神经网络模型来实现对BOD值精准且快速的估算。结果显示,相比于基于原始数据建立的BP神经网络模型,7种结合预处理方法建立的模型在保证估算精度提高的情况下,训练时间上都有一定程度的下降,在经过PCA降维处理后又有进一步下降,其中PCA降维后的SNV-BP模型训练时间相较于未改进模型的7.4658 s,下降至3.9341 s,证明了高光谱预处理和PCA降维对高光谱数据中冗余信息有良好的去除能力,能够同时对光谱数据起到优化作用,使得BP神经网络回归模型在整体上得到性能提升,其中PCA降维后的VN-BP改进模型估算效果最为显著,保证效率的同时,均方根误差RMSE低至0.02425,R 2高达0.9929,说明改进模型为高效准确地监测估算水体BOD含量提供了一种可能的思路。

基于GA-机器学习模型的污水处理厂BOD软测量研究

生化需氧量(BOD)是污水处理厂水质监测的重要指标。污水处理厂进水BOD指标的传统检测方法存在测试时间长、实际操作复杂等局限性,无法为污水处理厂根据进水水质波动进行工艺参数调整提供及时和准确的指导。为此,研究了使用支持向量机回归(Support Vector Regression, SVR)及极端梯度提升(Extreme Gradient Boosting, XGBoost)两种机器学习模型算法对进水BOD进行软测量的可行性,同时辅以遗传算法(Genetic Algorithm, GA)进行参数优化。结果表明,采用GA进行参数优化能够提升SVR模型与XG-Boost模型的预测精度,均方根误差(Root Mean Squared Error, RMSE)分别降低10.70%与33.33%。相比较GA-XGBoost模型,使用GA-SVR方法进行预测的结果更准确,拟合度(R2)可达0.918。研究结果可为污水处理厂进水BOD指标软测量方法的工程应用提供数据支撑。

基于IPSO-LSSVM的污水BOD预测应用研究

生化需氧量(BOD)的快速准确测量对于污水处理过程的调控至关重要。针对污水处理过程中BOD浓度测量时效性较低等问题,选择最小二乘支持向量机(LSSVM)作为BOD浓度预测模型,并选用粒子群优化算法(PSO)优化回归性能参数,同时使用自适应惯性权重计算方法对PSO进行改进,建立了IPSO-LSSVM预测模型。运用预测模型对某污水厂数据进行仿真研究以及3种误差分析,结果表明该模型具有较好的预测精度。

BOD_(5)测定仪在污水厂进水样品BOD_(5)分析中的应用研究

通过实验对WTW BOD_(5)测定仪和传统稀释接种法测定污水厂进水五日生化需氧量进行对比研究。传统稀释法耗时较长,操作步骤复杂,药品繁杂,而BOD测定仪法测定污水厂进水BOD_(5)方法简便,节约药品,环境友好,与传统稀释法相对偏差满意,准确度较高。

吐蕃、Bod(蕃)、Tibet(土伯特)名称三分考论

本研究将汉文“吐蕃”、藏文bod、西文tibet的来由和演变分为三个问题考论。(1)隋末唐初,中原未闻“吐蕃”名号。吐蕃王朝建立(633年)前,玄奘已据印度人所言用汉字音译“吐蕃”(约629年)。(2)在《唐蕃会盟碑》(823年)中,bodchenpo(大蕃)与“大唐”相对。如恪守“蕃(*pi■n)”在唐代通音,“吐蕃”今音为tûu-fān。如认为“蕃”与bod对音,则今音为tǔ-bō。(3)波斯文tuput(982年)<阿拉伯文tubbat(851年)<粟特文twp'yt(825年)<突厥文tüpü(732年)。突厥人以tüpü(高地)的复数tüpü(土伯特)称呼青藏高原北部的吐谷浑。(4)从13世纪到17世纪,西文tibet从指称吐谷浑故地,经过含糊其辞阶段,再到转指吐蕃或西藏。曾德昭在《中华帝国史》(1642)中才将tibet这个概念与汉文的“乌斯藏”对应起来。

碘量法测定水中BOD5的不确定度评定

本文依据标准方法HJ 505-2009《水质五日生化需氧量的测定稀释与接种法的测定》,对采用碘量法测定水样中BOD5时的不确定度进行了评定。认为不确定度因素包括重铬酸钾称量的不确定度、量筒体积测量的不确定度和水样体积的不确定度。通过数学模型分析,对五日生化需氧量在不同浓度的测量下进行不确定度分析。

基于改进麻雀搜索算法的水质模型多参数反演

水质模型参数取值对模型的模拟精度影响很大,为提高BOD-DO水质模型参数反演精度,首先在DobbinsCamp BOD-DO水质模型的基础上,以BOD和DO浓度计算值与实测值之差的加权平方和最小为目标函数,构建了Dobbins-Camp BOD-DO水质多参数反演模型;然后针对麻雀搜索算法(Sparrow Search Algorithm,SSA)求解精度低、稳定性不足和易陷入局部最优等问题,引入Sine混沌映射和对立学习、转移概率以及差分变异3个策略,分别从提高初始种群多样性、扩大搜索空间以及增强种群跳出局部最优的能力三方面对SSA算法进行改进,提出了一种多策略改进的麻雀搜索算法(Multi-strategy Improved Sparrow Search Algorithm,MISSA),并将其应用于Dobbins-Camp BOD-DO水质多参数反演模型的求解;最后通过数值实验将得到的反演结果与SSA算法、模拟退火算法、粒子群算法、遗传算法四种优化算法进行对比,并探讨了参数初值选取和观测噪声水平对反演结果的影响。结果表明:MISSA算法的计算性能明显优于对照组中的4种算法,且能显著降低初值选取对BOD-DO水质模型参数反演结果的影响,当观测数据的噪声水平不超过5%时,MISSA算法可有效提高反演结果的稳定性。该结果验证了MISSA算法在反演Dobbins-Camp BOD-DO水质模型参数的有效性,为水质模型参数求解提供有益参考。

泥沙对黄河水质参数COD、高锰酸钾指数和BOD_5的影响——三论黄河的COD值与高锰酸钾指数不能真实反映其污染状况

研究了黄河泥沙含量与COD、高锰酸盐指数和BOD5等水质参数间的关系,揭示了当前黄河COD和高锰酸盐指数监测与评价中存在的问题.结果表明,在上述3个描述耗氧有机物污染程度的参数中,BOD5能真实地反映黄河的有机污染状况,而COD和高锰酸盐指数,不论是用含泥沙的浑水样品测得的数值,还是用滤除掉泥沙的清水样品测得的数值,均在相当程度上夸大了黄河的水污染程度.这种夸大作用在未污染和轻污染河段尤为显著.作者认为,在使用COD和高锰酸盐指数等参数对黄河水质进行评价时,不宜使用直接测得的数值,而应使用经"泥沙有机质本底量"校正的数值.

BOD生物传感器在海洋监测中的应用

选用一株耐高渗透压的酵母菌作为敏感材料可以实现BOD的快速测定。采用聚乙烯醇包埋方法对酵母菌进行包埋 ,可在 15min内完成一个海水BOD标准样品测量 ,测定结果具有很好的线性关系。并研究了对高分子有机物的响应。

用微生物传感器测定BOD的研究

本研究选用性能优良的微生物，采用夹层法制备微生物膜并解决了其菌体易流失的问题，与氧电极组装成BOD传感器。用该传感器测定BOD，其线性响应范围2～50mg／L；响应时间不超过6min；传感器使用寿命超过2个月；测定环境标准样平均误差-1．6％，变异系数3．8％；与传统的BOD_5法同步测定废水样品相关性良好。

生物传感器快速测定BOD仪的开发

对生物传感器快速测定BOD的试验装置与测定方式进行了改进 ,改进后的测定系统具有良好的重现性和准确度。同时确定了最佳测定条件为温度 30℃ ,pH 5.0 ,固定化细胞 1 5g。

生物传感器快速测定BOD的研究

介绍了一种以一株耐高渗透压的酵母菌种作为敏感材料制成的生物传感器、采用稳态呼吸速率法进行生化需氧量 (BOD)的快速测定的方法。该方法与广为采用的 5d生化需氧量标准稀释测定法有良好的相关性 ,线性范围为 0～ 2 0 0mg/L ,可在 15min内完成一个样品BOD的测定 ,测量恢复时间为 30min。敏感材料的生物活性与测定样品中有机物的种类有密切关系。固定化酵母具有较好的稳定性 。

DO、BOD与COD的监测方法与相互关系探讨及其在海洋监测中的应用

本文简要综述了DO,BOD和COD的监测方法,指出集三者功能于一体的光纤传感器方法作为其新的发展方向。着重论述了三者之间的相互关系,并以实例证明这种相互关系依然存在于复杂的海洋环境中,有望通过集三者功能于一体的现场监测仪器来研究所存在的相互关系,建立起有机污染预防机制。

生物传感器快速测定BOD的研究

生化需氧量 (biochemicaloxygendemand ,BOD)是一种表征水体有机污染程度的综合指标 ,广泛应用于水体监测和废水处理厂的运行控制。由于BOD的标准测定方法需时 5天 ,不能及时地反映水质状况和反馈处理信息 ,因此快速测定BOD的方法和仪器化研究近年来得到广泛的重视。利用生物传感器测定BOD是一种有效地快速测定废水中可生化降解有机物的方法。介绍生物传感器的工作原理及其生物敏感材料 ,讨论BOD传感器的性能参数以及BOD快速测定值(BODst)与标准BOD5值的一致性问题。对现阶段市场上常见的几种BOD快速测定仪进行简单的介绍 。

SBR出水BOD值的RBF软测量法

提出了基于径向基函数(RBF)人工神经网络的SBR出水BOD值的软测量方法,并介绍了其原理。通过大量实测数据对RBF神经网络进行训练,仿真结果显示利用其可实现对SBR出水BOD值的软测量,为污水处理过程的在线实时控制创造了条件。