多级AO+潜流湿地对生活污水中的EDCs及常规污染物的去除试验研究

针对生活污水中内分泌干扰物（EDCs）可能引起的生物生态危害问题,以类固醇类内分泌干扰物为处理对象,应用生物生态耦合技术,进行多级AO+潜流式人工湿地处理试验,考察了水力停留时间（HRT）对COD_Cr、氨氮（NH₄⁺-N）、总磷（TP）、总氮（TN）等污染物去除影响,同时,采用固相萃取法和GC-MS检测各反应器进、出水中雌酮（E1）、17β-雌二醇（E2）、雌三醇（E3）、17α-乙炔基雌二醇（EE2）4种内分泌干扰物浓度变化。结果表明,当多级AO与湿地的HRT分别为9.5 h、10.3 d时,多级AO+潜流式人工湿地对COD_Cr、NH₄⁺-N、TP、TN等污染物去除率可分别达78.64%、97.16%、91.84%、90.55%,出水浓度均低于《太湖地区城镇污水处理厂及重点工业行业主要水污染物排放限值》（DB 32/1072-2017）排放浓度限值。多级AO+人工湿地对内分泌干扰物E1、E2、E3和EE2的总去除率可分别达96.04%、92.45%、85.09%、88.38%;其中,多级AO系统对E1、E2、E3和EE2的去除率分别达到75.50%、72.00%、65.08%和63.35%,且一级好氧池对4种EDCs的去除贡献最大,均为27%以上;湿地系统对前3种EDCs的去除率约为20%、EE2为25%。Alpha多样性指数分析表明,好氧池物种数量和多样性多于未加EDCs前,门分类、属分类的微生物群落物种及其丰度分析表明,群落门水平、属水平相对丰度均发生变化,其中,增加的优势菌种可能对系统中EDCs的去除起到了促进作用。     

基于LightGBM的气象目标分类技术

为克服传统气象目标分类算法对人为设置经验参数的依赖性,本文提出一种基于轻量级梯度提升机（Light Gradient Boosting Machine,LightGBM）的气象目标分类技术。将KVNX气象雷达获取的4个极化参量（水平反射率因子、差分反射率、相关系数和差分相移率）作为气象目标的特征参数,结合参考分类标签,制作向量数据集,再进行预处理,生成满足模型需求的数据集。以此数据集为驱动,建立一种LightGBM算法的气象目标四分类模型,该模型可有效识别3种气象目标（中小雨、冰雹和湿雪）及杂波（生物杂波与地杂波）。最后,根据气象雷达观测测试数据集进行测试,结果表明该模型在有高效率识别速率条件下,识别准确率可达95%以上。再用KTLX雷达两次实际观测数据来验证模型通用性,结果表明LightGBM分类模型可有效完成4种气象目标识别,具有优越的鲁棒性。