【摘 要】
：
光合细菌RP-1菌株制备的人造生物膜在黑暗好氧条件下可将氨氮、NO2-N、TP和CODCr同步去除,且无污泥产生,适宜的pH为中性,其活性高低与碳源存在量呈正相关.当氨氮达500 mg/L时,对氨的硝化无抑制作用,并具有好氧和厌氧反硝化除亚硝态氮的能力.应用光合细菌RP-1人造生物膜处理被垃圾渗滤液污染的湖水,可迅速去除其中的高浓度氨氮和总磷.
【机 构】
：
武汉益生泉生物科技开发有限责任公司,湖北武汉 430072
论文部分内容阅读
光合细菌RP-1菌株制备的人造生物膜在黑暗好氧条件下可将氨氮、NO2-N、TP和CODCr同步去除,且无污泥产生,适宜的pH为中性,其活性高低与碳源存在量呈正相关.当氨氮达500 mg/L时,对氨的硝化无抑制作用,并具有好氧和厌氧反硝化除亚硝态氮的能力.应用光合细菌RP-1人造生物膜处理被垃圾渗滤液污染的湖水,可迅速去除其中的高浓度氨氮和总磷.
其他文献
深度神经网络已经在各类计算机视觉任务中取得了很大的成功,可网络结构设计仍缺乏指导性的准则.大量的理论和经验证据表明,神经网络的深度是它们成功的关键,而深度神经网络的可训练性仍是待解决的问题.将微分方程数值解法——阿当姆斯(Adams)法用于深度神经网络的权重学习,提出一种基于阿当姆斯法的捷径连接(shortcut connection)方式,可提高网络后期的学习精度,压缩模型的规模,使模型变得更有效.尤其对网络层数较少的深度神经网络的可训练性优化效果更明显.以经典的ResNet为例,比较了使用基于Adam
聚类作为一种非监督学习方法是数据科学中重要的研究内容.K-means是一种基于划分的聚类算法,一般是利用启发式算法求解一个离散的NP问题.为增强K-means在大数据问题中的应用性,从聚类矩阵的属性出发,设计了一类非凸连续的K-means等价聚类优化模型,并利用ADM M框架给出了该等价模型的快速优化算法.数值实验结果表明了该模型及其优化算法在大数据聚类中的准确性和高效性.此外,还讨论了该模型的性质及等价性问题.
多标签数据广泛存在于现实世界中,多标签特征选择是多标签学习中重要的预处理步骤.基于模糊粗糙集模型,研究人员已经提出了一些多标签特征选择算法,但是这些算法大多没有关注标签之间的共现特性.为了解决这一问题,基于样本标签间的共现关系评价样本在标签集下的相似关系,利用这种关系定义了特征与标签之间的模糊互信息,并结合最大相关与最小冗余原则设计了一种多标签特征选择算法LC-FS.在5个公开数据集上进行了实验,实验结果表明了所提算法的有效性.
在当前碳中和背景下,微藻技术是极具潜力的废水处理技术.药品及个人护理品(PPCPs)是一类新兴的微污染物,由于其持久性和潜在的环境风险,PPCPs已成为全球性问题.基于微藻技术处理含PPCPs废水,不仅能去除废水中PPCPs,获得高附加值微藻生物质,同时有利于碳减排,对实现碳中和具有重要意义.文中分析了碳中和背景下微藻技术处理废水的潜力,通过总结近年来微藻去除废水中PPCPs的相关文献,重点分析PPCPs对微藻生长和代谢的影响,探讨复合污染物作用下微藻的响应规律,并对微藻去除PPCPs过程中所涉及的可能机
当下,我国城市污水处理厂的主要矛盾已由有机物的去除转向氮、磷等营养物的去除.而城市污水处理厂目前普遍采用的传统生物脱氮除磷工艺因其自身的特点及城市污水特征,导致氮、磷污染物去除效率无法满足愈发严格的国家标准.针对这种问题,通过对同步硝化反硝化、厌氧氨氧化、反硝化除磷、短程硝化反硝化这些新型技术及其研究现状进行介绍,探究新型生物脱氮除磷技术在城市污水处理领域中应用的优越性与合理性.并基于多菌群协同除污机理,结合我国城市污水处理可持续发展现状,探索未来的技术发展方向.
在水资源供需矛盾日益紧缺的今天,水污染问题亦不断加剧,水质型缺水问题凸显.文中全面总结了我国地表水污染的主要特征,系统分析了我国地表水污染现状.面对我国水资源供需不平衡、水质恶化严重、面源污染加剧及水污染防治工作不协调等一系列问题,分析揭示了造成我国地表水污染的原因及带来的影响与危害.同时,系统介绍了源头控制方法与物理修复、化学修复、生物/生态修复等耦合新兴技术在地表水防治工程中的应用现状及优缺点,提出辅以综合运用行政、经济、法律及宣传等手段,以期能够更好地达到防治地表水污染的目的,从而为降低我国地表水污
为提升城市应对主水源突发污染等事件能力,保障供水安全,并缓解现阶段中心城区高峰时段供需矛盾,西安市建设了东北郊应急备用水源地项目,工程规模为10×104 m3/d,包括地下水水源地以及净水厂、原水输水管线、清水管线等工程内容.根据地下水原水中锰离子微量超标问题,采取高锰酸盐化学辅助氧化+曝气氧化+复合锰砂过滤的处理工艺,并预留了应对原水水质变化的措施.针对水厂用地仅为10000 m2的情况,设计通过选用简洁工艺、紧凑池型、高效设备,设施叠建综合利用空间,以及提升自控程度等多重措施,同时满足了紧凑用地条件下
随着社交媒体的快速发展,多模态语义轨迹的预测成为新的挑战.轨迹点间的依赖关系在预测中起到重要作用,同时也存在着以下挑战:轨迹信息中包含多种模态信息(时间、兴趣点和活动文本等),存在时间、空间和活动意图等多种依赖,这些依赖关系很复杂,现有方法很难量化这些复杂依赖关系.为了解决以上问题,提出一种基于自注意力机制的多模态语义轨迹预测模型SAMSTP.SAMSTP先对多模态特征进行联合嵌入,再设计自注意力机制结合Position Encoding计算轨迹点之间的特征相似度,自动学习并量化复杂依赖权重,同时解决轨迹
随着用户对推荐的准确性和实时性需求的不断提高,从海量用户历史数据中挖掘出用户需要的准确信息是一个极有价值的研究方向.基于模糊聚类的协同过滤算法首先要解决数据稀疏问题,对原始的用户评分数据进行预处理,采用SMOTE过采样技术填充数据有效解决了数据稀疏问题;然后利用模糊聚类实现评分数据的分类,结合艾宾浩斯遗忘曲线,将用户评价的时间戳作为因子对聚类后的数据进行评分预测,以此改善用户爱好随时间变化对推荐效果的影响,解决实时性问题.在M ovieLens-100k数据集上的实验结果表明,伴随时间的模糊协同过滤推荐可