基于响应面法的粉煤灰氨含量测定过程浸提条件优化研究

针对粉煤灰氨含量的测定研究大多考虑单一因素,而忽略了在浸提过程中各因素间的交互作用对粉煤灰氨含量浸提的影响。以浸提剂浓度（A）、固液比（B）、振荡时间（C）作为考察因素,在单因素实验的基础上进行响应面实验,建立回归模型。通过响应面优化确定最佳的浸提工艺并与现有浸提方法的测定结果进行对比。结果表明,影响因素主次顺序为B、A、C、AB、BC、AC。最佳浸提工艺条件：浸提剂浓度为0.125 mol/L、固液比（质量体积比,g/mL,以下简称固液比）为1∶12.8、振荡时间为22 s。通过验证,发现实测值与预测值仅存在-2%的相对误差。相较现有浸提方法,优化后的浸提方法不仅使浸提时间大幅缩短,还使浸出率增加了73%~91%,为粉煤灰中氨含量的准确测定提供了新的方法与思路。     

一种利用蓄满产流模型绘制降雨径流相关图的方法

提出了一种利用蓄满产流数学模型绘制降雨径流相关图的方法,该方法首先根据流域历史资料结合流域自身特性确定蓄满产流模型的结构,并优选出模型参数;其次,利用优选后的蓄满产流模型结合历史数据绘制相关图。黑河流域应用实例表明,应用该方法绘制的相关图简便实用、精度较高。     

西北地区国内城市降水径流污染特征分析

我国城市化进程速度加快和城市规模的不断扩大,带来了众多的环境问题,其中城市降水径流污染问题日益突出。文章根据文献报道,对我国西北地区城市降水径流污染特征进行统计分析,结果表明:西北地区屋面、路面降水径流水质污染物CODcr、TN、TP的浓度平均值均不同程度的超过了国家地表水环境质量标准V类标准;污染程度为:路面径流屋面径流;西北地区研究的典型城市较少,有必要加强对我国西北地区的降水径流研究。     

基于GIS的城镇雨水利用研究

随着城镇化速率的加快和经济的高速发展,随着社会的快速发展和城镇人口的增长,城镇面积急剧扩张,城镇洪涝灾害、干旱缺水、水环境恶化问题日益严重,缓解水危机刻不容缓。雨水利用是解决水危机的重要途径。本研究运用GIS技术对石板滩镇的雨水利用潜力进行了分析研究,并结合各汇水面的特点制定了合理的雨水利用方案。     

活性污泥法数学模型研究与应用进展

20世纪50年代以来，活性污泥法数学模型的研究取得了重大进展，它在污水处理厂的设计、运行和管理等方面发挥着日益重要的作用。本文从模型的机理、功能和应用等方面进行了全面的综述，详细介绍了发展进程中具有重要意义的几种模型，分析比较了各自的优点和不足。最后分析讨论了ASM数学模型研究与应用中存在的问题，提出了今后活性污泥法模型和软件可、能的研究方向和发展趋势。     

丹汉江流域非点源污染定量化与控制研究进展

丹汉江流域位于汉江中上游,是丹江口水库的主要水源区,其水质的优劣直接关系着国家南水北调中线工程的成败,因此对该流域的非点源污染研究显的尤为重要。通过查阅文献,总结了该流域泥沙和养分在不同空间尺度下的输移特征,归纳了多种负荷估算方法和模型应用进展,从源头、过程和末端3个方面阐述了水土以及养分流失的控制措施和生态补偿研究进展。并指出当前非点源污染源及污染过程和输移特征尚不清晰、应用模型较少且自主建立模型鲜见、污染控制与管理措施零散等问题。未来需要不断加强资料的系统监测,探明该流域非点源污染种类、来源及负荷,提高应用模型种类和精度,建立流域土地、水域最优开发和管理模式,逐步完善定量化研究与控制体系。     

大学缩略名语言学研究

选取缩略语中特殊的一类现象——大学缩略名,采用共时研究的方法,总结出提缩法、截除法和截缩法三种构造大学缩略名的方法,重点提出大学名缩略的过程受到核义原则、最简化原则、易联想原则和区别性原则的制约,并根据这些原则发现和总结出大学缩略名存在缩略同名、缩略不统一和缩略不合理等问题,并据此提出若干可操作性缩略建议。     

低影响开发(LID)透水铺装技术研究进展

透水铺装技术作为低影响开发(low impact development,LID)措施之一,对于消纳、净化降水径流具有重要作用。主要从透水铺装系统的结构和类型、对径流量的削减效果、对水质净化效果及其水质水量模拟模型等4个方面论述了国内外主要研究进展和理论成果;从透水铺装技术的结构稳定性、效能、影响因素、模拟模型等方面探讨了目前该技术研究存在的不足;对该技术未来主要研究方向进行了展望,为我国生态城市建设和城市水环境改善提供借鉴和参考。     

城镇雨水利用研究

近年来我国城镇化速度不断加快,社会经济水平高速发展,社会得以快速发展的同时城镇人口也急剧增长,城镇面积迅速扩大,但也造成了城镇洪涝灾害、干旱缺水、水环境恶化问题的日益凸显。雨水利用是解决这些问题的重要途径。文章以石板滩镇为研究对象,对其地形进行了分析研究,并根据地形的分析结果和各汇水面的特点给出了雨水收集、利用的措施。     

基于趋势辨识理论的神经网络及其在水文时间序列预报中的应用

训练样本在数量级上的差别和分配的不均匀会导致网络收敛缓慢,且训练结果偏向样本比重较大的那一方。由AR模型在水文时间序列的较好应用可知,水文时间序列中趋势项占有绝对优势。因此以趋势辨识理论对样本进行规范化,使样本规范化到同一数量级,同时时间序列的趋势保持不变。此外输出层不经过非线性处理,以保证网络有更大的预报空间。经黑河流域实测流量资料验证,基于趋势辨识理论的神经网络在水文时间序列预报中训练速度较快,预报效果较好。