【摘 要】
：
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
【机 构】
：
同济大学环境科学与工程学院,上海 200092
论文部分内容阅读
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制进行归纳.最后,对目前基于微藻光合工艺系统进行总结,并提出几点建议和展望.
其他文献
为提升自动驾驶的舒适性,降低速度规划算法的复杂度,提出了一种基于模糊神经网络的纵向速度规划方法.将人工驾驶经验总结为模糊规则表,建立了模糊速度规划模型,结合神经网络的自学习功能修正模糊速度规划模型,建立了模糊神经网络速度规划模型.分析了静态障碍物和动态障碍物场景,通过仿真验证了所提速度规划方法的可行性,与传统方法相比,加速度的平滑性能更好.所提速度规划方法具有一定的抗干扰性能,工程实现简单,保证了速度规划的实时性与稳定性.
为解决传统聚类算法初始中心易陷入局部最优、耗时长的问题,提出一种改进的K-means聚类优化算法.该算法引入最大最小距离和加权欧氏距离,从剩余聚类点距离均值和出发,避免孤立点和边缘数据的影响.利用比重法对主成分进行改进,以由此获得的特征影响因子作为初始特征权重,构建一种加权欧氏距离度量.根据特征贡献率对聚类的影响,筛选具有代表性的特征因子凸显聚类效果,最终合成汽车行驶工况,分析瞬时油耗.结果表明,所提算法构建行驶工况的速度-加速度联合分布差异值仅为1.05％,比传统K-means聚类省时44.2％,行驶工
降型是广义二型模糊逻辑系统的核心模块.比较和分析了离散改进Karnik-Mendel(EKM)算法中求和运算和连续EKM(CEKM)算法中求积分运算,基于广义二型模糊集的α-平面表达理论,扩展EKM算法计算完成广义二型模糊逻辑系统质心降型.当计算广义二型模糊逻辑系统的质心降型集和质心解模糊化值时,用2个仿真实验说明了当适当增加广义二型模糊集主变量采样个数时,离散EKM算法的计算结果可以准确地逼近CEKM算法.
针对航天测控任务的多样性和复杂性不断增加,特别是数据采样频率的变化调整,原有的时间驱动处理模式已经逐渐不能满足需求,基于时间驱动的软件架构开发的外测软件日益复杂,维护难度不断增加等问题,提出了一种数据驱动的船载外测数据实时处理软件架构,在银河麒麟操作系统下,基于该架构实现了外测数据实时处理软件,该软件包含多个由数据驱动的功能组件,各组件之间使用服务总线来实现数据交互与集成.实验表明,基于该架构实现的外测数据实时处理软件很好地解决了时延过大和时序交替的问题,能够满足当前航天任务需求.
随着5G时代的到来,网络业务的快速部署能力和网络运维能力需求对网络管理提出了新的挑战.一方面,网络正在进行功能虚拟化转型,切片和微服务使网络更复杂;另一方面,网络管理人员需要更加简单的自动化工具集合支持按需、实时、灵活的网络服务.分析了当前网络管理面临的困境和产生困境的原因,提出了网络自主管理研究框架,为进一步研究提供参考.
上海市《城镇排水管道非开挖修复技术标准》(DG/TJ 08-2354—2021)于2021年11月1日起正式实施.文中重点阐述了《标准》编制的“难”与“异”,对其中涉及的技术体系、整体修复内衬分级、设计计算、材料与施工过程控制、质量验收等主要内容进行了解释说明,从而有助于对该标准的理解.
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.