论文部分内容阅读
随着石油的勘探开采、含油废水废物的排放及石油泄漏等人类活动的加剧,人类生存环境受到不同程度的污染和破坏。在各种石油污染化合物中,在环境中分布比较广泛且长期存在、危害最严重的是多环芳烃,它也是一类很早被人类发现但最难降解的持久性有机污染物。本研究对前期从石油污染土壤中得到的5株芘降解菌进行了芘(Pyrene)降解的生长及降解数学模型的建立。通过Logistic方程和Gompertz方程拟合芘降解菌的一级生长模型及降解的一级动力学模型,通过单因素实验初步调查影响芘降解菌生长的温度,pH值,NaCl浓度最佳条件及影响芘降解菌降解特性的温度,pH值,NaCl浓度,接种量,芘浓度的最佳条件。并采用Box-Behnken实验设计及响应面法分析确定其最优条件。得出实验结果如下:建立了拟合度较好的一级生长模型、二级生长模型,通过建立的一级模型模拟建立了5株细菌的多菌一模数学模型,其中3株假单胞菌同属所建的一级二级生长模型拟合度较好,说明建立的多菌一模一级生长模型能较好的反映生长过程的生长规律。降解过程中建立了5株菌株的一级降解模型、二级降解模型,三级降解模型根据人工神经网络和响应曲面法对芘降解过程影响因子开展进行。根据芘降解菌的降解实验数据,确定影响实验的因素温度、pH、初始芘浓度、接种量、NaCl,芘降解率为响应值。根据实验的影响因素,设计实验水平数以及响应值,所得出的最优情况进行响应曲面法设计。芘降解菌降解能力评估的回归方程设计及建立依据芘降解过程响应面设计的实验数据,芘降解率的预测值通过建立的人工神经网络模型得到,实验所得最佳设计条件RSM-BP和RSM-RBF两种方法比较影响芘降解效率的高低,实验结果表明,芘降解过程的最优实验条件为:pH为7.41,温度为32.89℃,接种量为4.48%,芘浓度为55.16mg/L时降解率最大,在改进条件下模拟实验,芘降解率达到60.9%,实验深度经RSM-RBF模式优化后得到提升。将响应曲面法及人工神经网络相结合对芘降解实验进行优化设计分析,为芘降解的实际修复提供新的方法和思路,有深远的的理论指导意义和重大的实际应用价值。