萃取净化电镀含镍废水研究

研究了二壬基萘磺酸(DNNSA)反胶团溶液萃取净化含镍废水中Ni2+的工艺条件。考察了油水比、萃取时间、萃取剂含量、初始Ni2+含量以及温度对萃取的影响。结果表明:当DNNSA浓度为0.1 mol/L时,混合30 min后萃取率基本不变,可视为萃取过程达到平衡;萃取分配比随萃取剂含量的增大而增大,说明萃取的Ni2+不是简单的溶入DNNSA反胶团,而是与反胶团发生了化学反应;萃取反应为吸热反应,升高温度有利于萃取,过程热效应为10.28kJ/mol;萃取剂DNNSA萃取Ni2+的萃取容量为84.65 mg/g。负载镍的有机相可采用硫酸反萃。     

基于TS-SVM模型的水安全评价

核函数参数和误差惩罚因子的选择对支持向量机模型(SVM)的精度有较大影响。为充分发挥SVM的性能,提出基于禁忌搜索算法优化的支持向量机模型(TS-SVM)。将TS-SVM应用于山东省水安全指数计算,得到各个水安全利用方案的评价指数值和安全等级。对比分析表明,TS-SVM具有较强的学习能力,能给出合理的评价结果,是一种有效的评价模型。     

基于PNN的水轮发电机组振动故障诊断

概率神经网络（PNN）是一种训练速度快、结构简洁明了、应用广泛的人工神经网络。它采用贝叶斯分类决策理论建立系统的数学模型，以高斯函数作为激励函数，具有非线性处理和抗干扰能力强等特点。提出基于PNN的水轮发电机组振动故障诊断方法，并在水轮发电机组振动频谱波形特征的基础上，对几种典型故障模式进行了实例研究。理论分析和实例结果验证了基于PNN的水轮发电机组振动故障诊断方法是正确和有效的。     

基于禁忌搜索的前向神经网络的径流预测

BP算法具有学习效率低、收敛速度慢和易陷入局部极值的局限,针对此不足,提出将禁忌搜索算法与前向神经网络相结合方法,即采用禁忌技术指导神经网络的参数调整,从而使参数调整过程中避免了局部邻域搜索,具有收敛于全局最优的能力.该方法应用于新疆伊梨河雅马渡站年径流量的预测建模,并与用传统BP算法的预测建模相比较,结果表明:基于禁忌搜索的前向神经网络优化算法不仅提高了算法效率,而且预测精度也有一定的改善.     

基于进化算法的湖泊富营养化投影寻踪回归预测模型

为了建立湖泊富营养化预测模型,选择了与水质富营养化关系密切的工业废水排放量、城市生活污水排放量、农业面源污染负荷比等影响因子及工业废水达标排放率、生活污水处理率等因素作为湖泊富营养化的预测建模指标,建立了基于投影寻踪回归（PPR）的富营养状态的综合指数预测模型。通过把PPR模型表示为直观的参数矩阵形式,用对参数矩阵的优化运算替代传统PPR的多重平滑回归计算技术,简化了运算。结合太湖周边社会、经济影响因子有关资料和太湖水质指标数据,采用粒子群算法(PSO)和免疫进化算法(IEA)对模型中的参数进行优化,得到优化后适用于太湖富营养化综合指数的PPR预测模型。对太湖未来的富营养状态发展趋势进行了预测,结果表明,若不加大治理力度,未来5～30年内太湖富营养化有逐渐加重趋势,因而提出了防治太湖富营养化进一步恶化的调控方案,可为太湖水质富营养化的治理和决策提供参考依据。     

地面水水质评价的对数型幂函数普适指数公式

为了建立科学合理、简洁直观、普适通用和使用方便的地面水水质评价模型,在设定地面水水质指标规范变换式基础上,提出一个适用于多项指标的水质评价的对数型幂函数普适指数公式,并采用粒子群算法优化公式中的参数.将普适指数公式用于实例分析,并与其它多种评价方法评价结果对比.研究表明:该公式不受指标种类和数目限制,计算简便,具有通用性、实用性,为评价普适化、简单化提供了一条新途径.     

DNNSA反胶团萃取净化电镀废水中镍的动力学

采用恒界面池研究了二壬基萘磺酸－煤油体系萃取废水中镍离子的动力学。考察了搅拌转速,界面积,DNNSA 浓度,镍离子浓度,温度对萃取速率的影响。实验结果表明：溶液中镍离子的萃取速率在200 rpm时出现与搅拌强度无关的化学反应动力学“坪区”,此时镍离子萃取速率与两相接触面积成正比,说明萃取过程为界面化学反应控制过程。在动力学“坪区”,镍离子萃取速率正比于萃取剂浓度,而与水相中的镍离子浓度无关,且随着温度升高,萃取速率增加,萃取活化能为31.56 kJ•mol-1。得到了DNNSA萃取废水中镍离子的萃取动力学方程并对萃取机理进行了探讨。     

基于广义对比加权的水安全综合指数评价

为了构建水安全综合评价模型,在分别提出"正向"和"逆向"指标安全指数公式基础上,采用广义模糊对比加权法对水安全评价体系的各个子系统进行赋权,得到水安全综合评价指数公式。应用该方法对山东省区域水资源进行安全评价,并与应用属性识别理论法和贝叶斯法对该例的评价结果相比较,结果一致,表明了该方法应用于区域水安全评价的可行性和实用性。     

基于粒子群优化神经网络的矿井安全预评价

提出一种将粒子群算法(PSO)与BP算法相结合,用于BP网络权值调整的新算法.该算法在传统的BP算法的权值调整的基础上,引入粒子群算法的权值修正量,并依据矿井安全预评价指标及其分级标准,将新的算法应用于矿井安全预评价建模.其评价结果与用集对分析法的评价结果进行了比较,表明该方法不仅可以克服传统的BP算法收敛速度慢和易于陷入局部极小的局限,而且模型精度较高,具有泛化性能好和客观、实用的特点.     

指标变换值表示的水安全评价的普适指数公式

为了建立普适、通用的水安全评价的指数公式，在适当设定水安全指标的参照值和指标值的变换式，并对各指标值进行变换基础上，用变换值表示的不同指标的某类水安全评价指数公式皆可以用一个“等效”指标相应的水安全评价指数公式替代。在满足设定的优化准则条件下，采用猴王免疫进化算法对公式进行优化，分别得到优化后对23项水安全指标皆适用的5个水安全评价的普适指数公式。对公式的可靠性进行了理论分析和实用性进行了效果检验，其评价结果与其他方法评价结果相一致，并与实际相符合。结果表明：水安全评价的多种形式的普适指数公式皆具有形式简洁、计算简便和普适通用的特点。