论文部分内容阅读
污水中氮、磷等植物营养元素超标,会引起水体的富营养化,而其中控制水体富营养化的关键在于控制水体中磷的含量,所以水体污染防治领域现今的热点依然是如何能高效地使磷元素得到去除,传统的除磷工艺,是在好氧段过量摄磷,并通过排放富磷污泥达到除磷的目的,这种处理方法虽然处理效果好,但是随之也有很多弊端,如:硝化菌群的污泥龄不同、碳源争夺而且耗能大等问题反硝化除磷工艺,可以避免以上问题,通过厌氧/缺氧交替运行,在厌氧段大量释磷,在缺氧段以硝酸盐氮为电子受体,进行过量吸磷,从而实现氮磷同时去除,达到了“一碳两用”的目的。由此可见,对反硝化除磷工艺进行快速及时的监控是可以保证工艺的稳定运行,本文对基于反硝化除磷工艺中的水质指标及污泥细胞内物质的测定技术进行了深入研究,本实验的主要结论有:(1)实验采用SBR反应器富集传统聚磷菌,在经过厌氧/好氧培养阶段后,当进水总磷浓度为7.0~7.8 mg/L时,COD浓度为260~320 mg/L,将污泥龄控制在12~15 d,其出水中COD浓度小于30 mg/L,总磷浓度小于0.5 mg/L,COD的去除率达到90%以上,总磷的去除率达到95%以上。(2)当传统聚磷菌得到富集后,通过厌氧/缺氧阶段培养反硝化聚磷菌,当进水总磷浓度为7.0~7.8 mg/L时,将COD浓度控制在160~180 mg/L之间,缺氧段硝酸盐氮投加量控制在18~20 mg/L之间,污泥龄控制在12~15 d,其出水中COD浓度小于30 mg/L,总磷浓度小于0.5 mg/L,COD的去除率达到90%以上,总磷的去除率达到95%以上。(3)本实验分别对水样中的总磷、硝酸盐氮、COD和细胞内的聚羟基链烷酸酯(PHB)、多聚磷酸盐(Poly-P)、糖原(Gly)每一种物质建立了间隔偏最小二乘法(iPLS)、BP神经网络、极限学习机(ELM)三种定量分析模型。为消除随机噪声,提取光谱的有效信息减少干扰,提高模型的准确性,在建立每个模型的过程中,分别应用二阶导数、多元散射校正、小波去噪和主成分分析对原始光谱进行预处理。通过对所建立模型的相关系数以及均方根误差的分析,实验发现在对水样建模的过程中,采用小波去噪与主成分分析预处理为最佳的光谱预处理方法,而在对细胞内胞内物质进行建模时,采用多元散射校正与主成分分析预处理可以获得较为准确的预测模型。(4)在对水样中的物质进行建模时,采用小波去噪与主成分分析为预处理,以iPLS为建模方法所建立的模型效果最优。总磷的校正的相关系数和预测相关系数分别为0.9675、0.9294,校正均方根误差与预测均方根误差分别为0.0196、0.0235。硝酸盐氮的校正的相关系数和预测相关系数分别为0.9053、0.9014,校正均方根误差与预测均方根误差分别为0.0295、0.0298。COD的校正的相关系数和预测相关系数分别为0.8092、0.7848,校正均方根误差与预测均方根误差分别为0.1423、0.1568。(5)在对细胞内的聚合物进行建模时,采用多元散射校正与主成分分析为预处理,ELM为建模方法所建立的模型效果最优。PHB的校正的相关系数和预测相关系数分别为0.9835、0.9683,校正均方根误差与预测均方根误差分别为0.0541、0.0668。Poly-P的校正的相关系数和预测相关系数分别为0.9499、0.9288,校正均方根误差与预测均方根误差分别为0.0579、0.0776。Gly的校正的相关系数和预测相关系数分别为0.9589、0.9488,校正均方根误差与预测均方根误差分别为0.0489、0.0501。实验结果表明,通过iPLS、BP神经网络、ELM学习机三种化学计量学方法对水样和细胞内聚合物的近红外光谱数据进行建模,可以快速、准确的表征反硝化除磷系统中的水质及细胞内聚合物的浓度与含量变化,为实时监控提供了理论依据,对监控工艺的运行有着十分重要的意义。