论文部分内容阅读
本论文对2009年太湖XD水厂水域和ML湾水域水质状况进行了跟踪监测和分析,利用顶空-固相微萃取-气相色谱／质谱法(HS-SPME-GC／MS)对二甲基一硫(DMS)、二甲基二硫(DMDS)、二甲基三硫(DMTS)、2-甲基异冰片(MIB)、土味素(Geosmin、β-环柠檬醛(β-cyclocitral)、β-紫罗兰酮(β-Ionone)、α-雪松醇(a-cedrol)、间二甲苯(m-xylene)等异味物质进行了定性和定量分析,并总结出各异味物质在2009年全年中的变化情况；利用Sensory-GC分析方法,确定了各异味物质的气味特征；培训并建立了嗅辨分析能力较强的嗅味层次分析小组,利用改进的嗅味层次分析法(FPA),对各异味物质绘制了Weber-Fechner Law曲线,并结合仪器分析结果,对水样进行了FPA分析,发现在太湖原水的实际分析中,MIB、DMS和β-cyclocitral的感官分析效果较好。利用MINITAB15.0软件逐步回归分析方法分析了水样中异味物质变化状况和Chla值的变化状况,建立异味物质监控模型,作逐步回归方程,并发现当m-xylene、DMDS和β-Ionone浓度异常增大,或当DMS或α-cedrol浓度异常减小时,藻类生长会发生异常,并可能大量增长。在XD水厂大围隔实验中,发现在太湖水源地藻类浓度较大时,异味物质中的β-Ionone和MIB对藻类浓度的改变有着很好的指示作用,当β-Ionone和MIB的浓度发生异常改变时,藻类生长有可能发生异常,甚至暴发。本文利用异味物质监控模型确定了DMS、DMDS、m-xylene、β-Ionone和a-cedrol作为异味物质预警系统的主要监控因子,并得到DMS的浓度预警阈值为21071.82ng／L,β-Ionone为1711.23ng/L,α-cedrol为437.37ng／L。据此建立异味物质预警决策机制,利用Microsoft Visual Studio 8.0建立数据处理系统,对异味物质进行分析和记录,建立异味物质预警系统。