论文部分内容阅读
随着工业的发展,化工、制药、金属加工和采矿等领域在生产过程中排放出大量富含硫酸盐的工业废水,对水体、土壤和大气环境产生严重危害。因此,硫酸盐废水的治理一直受到人们的广泛关注和重视。本文在前人研究工作的基础上,考察了单质铁对SRB生物法处理硫酸盐废水的强化效果,揭示了单质铁强化作用机制,并将SRB+Fe~0体系运用于实际废水处理过程。在此基础上,分别建立了间歇和连续式SRB废水处理系统的BP神经网络模型,并将模型预测值与实验值进行对比分析。研究表明,单质铁的加入可以显著增强SRB在常温、高酸性和低底物浓度下的耐受性和代谢活性。在这些条件下硫酸盐还原率最多有82.6%的提高,同时在相同的处理能力下,SRB+Fe~0体系所需的底物浓度是SRB体系的75%。普通SRB体系15oC下硫酸盐基本不会发生降解,而SRB+Fe~0体系则可在50小时的反应时间内将95%的硫酸盐降解;利用SRB+Fe~0连续反应体系处理酸性矿山废水,达到稳定状态时,废水pH值由进液的2.75上升到6.20,废水中硫酸盐浓度由进液的20800 mg·L-1降低到8200 mg·L-1,去除率为60%。单质铁强化SRB处理硫酸盐废水的机理是由于厌氧酸性环境中单质铁被氧化,使水解的H+转化成氢原子或氢分子,为HSRB代谢提供了能源。这使得HSRB在恶劣的生态条件能够代替SRB完成硫酸盐代谢过程。基于Matlab软件对SRB及SRB+Fe~0的间歇和连续式硫酸盐废水处理效果建立了BP模型。从收敛性、训练次数和收敛方式三个方面评价和分析了不同隐藏层节点下的模型的误差,建立了合理的神经网络模型。对比不同模型的实际实验值与模型目标输出值可知,基本环境因素模型和混合金属离子作用模型的训练均达到目标精度,且预测误差小于10%;连续反应器中操作条件和废水参数影响模型亦达到训练目标,误差在15%范围内。选取学习外样本的实测数据对模型进行验证。从模型对个别未知样本的预测结果可知,模型的预测能力误差控制在10%之内。