操作条件对超滤姬松茸多糖的影响

利用标准化因子多元线性回归方法定量研究了操作压力、浓度和温度对超滤膜方法分离姬松茸多糖的膜通量及截留率的影响并建立了相应的数学关系式.研究结果表明:1)对通量而言,压力、浓度和温度均是显著性影响因素,其中压力和温度为正贡献、浓度为负贡献,影响程度依次为:浓度(78.3%)>压力(16.61%)>温度(5.09%);2)对截留率而言,压力和浓度是显著性影响因素,温度是影响因素但不是显著性影响因素,压力和温度为负贡献、浓度为正贡献,影响程度依次为:压力(47.35%)>浓度(42.7%)>温度(9.95%);3)得到了膜通量(J)及截留率(R)与压力(P)、质量浓度(p)和温度(T)之间的定量关系式.     

操作条件对微滤膜通量的影响

在自制的搅拌死端微滤膜装置上，研究了不同搅拌速率（400、600,800，1000和1200r／min）、不同温度（20、25，30、40和50℃）、不同操作压力（0．04、0．06、0．08、0．10、0．12和0．14MPa）和不同浓度的酵母悬浮液（0．1、0,25、0．5、1、2和3叽）对膜通量的影响，并利用多元线性回归模型，在标准化影响因子分析法的基础上进一步研究和分析了操作条件对膜通量的影响程度。研究结果表明：在压力为0．04～0．10MPa范围内，搅拌速率（∞）、温度（r）、操作压力（P）、浓度（G）对膜通量都具有显著的影响，各操作条件对膜通量的影响程度的大小顺序为：搅拌速率〉温度〉压力〉浓度，且各自所占的比例分别为64．9％、14．4％、12．9％和7．8％，同时通过多元线性回归得到了膜通量与不同操作条件间的回归方程为：J=-1．804×10^-7＋3．149×10^-5p＋3．526×10^-7-2．573×10^-6C＋1.388×10^-8ω，从而为搅拌死端微滤过程的优化提供了依据。     

死端微滤酵母悬浮液比阻的预测

本文首先设计了三因素四水平的正交实验表作为建模样本,其次利用人工神经网络方法和多元线性回归方法分别建立了基于操作条件（压力△P=0.04-0.12 MPa,浓度C = 0.3-2.0 g.L^-1,温度T = 20-40℃）的比阻预测模型,以期用于死端微滤过程操作条件的优化,最后以检验样本的相对误差作为衡量指标,分别采用BP人工神经网络方法和多元线性回归方法对死端微滤过滤酵母悬浮液时的比阻进行了预测。研究结果表明：(1) 在本实验范围内,BP人工神经网络模型的最佳拓朴结构为3-7-1,隐层神经元个数为7,学习速率为0.05,学习函数为traingdx, 传递函数为Logsig;用多元线性回归方法得到的比阻与操作条件之间的数学关系式为1.639883+44.2 +0.86217 -0.0607 ; (2)利用BP人工神经网络和多元线性回归方法预测死端微滤比阻的平均相对误差分别为3.55％和5.16％.由此可见,这两种方法都可用于死端微滤比阻预测,并且前者优于后者。     

超滤通量模型的研究进展

超滤膜通量模型的研究对超滤技术的广泛应用具有重要的意义.重点阐述了超滤过程中几种主要通量预测模型的研究情况,并简要展望了超滤通量模型的发展方向.     

死端微滤牛血清白蛋白溶液膜通量的预测

为实现对不同操作条件(操作压力、料液质量浓度和温度)下的牛血清白蛋白溶液死端微滤膜通量的预测,以训练步数、绝对相对误差和相关系数作为预测的衡量指标,并对所建立的3层BP神经网络和RBF神经网络基本模型的内部参数进行了优化.优化的BP神经网络模型的拓朴结构为3-9-1,学习率为0.05,学习/训练函数为traingdx,隐层到输出层的传递函数为logsig,该网络对牛血清白蛋白(BSA)溶液膜通量预测的平均绝对相对误差为2.37%,相关系数为0.9960;优化的RBF神经网络的网络设计函数为newrbe,散布常数为400,该网络对BSA溶液膜通量预测的平均绝对相对误差为4.83%,相关系数为0.987 0.结果表明,BP神经网络优于RBF神经网络.     

预氧化联合污泥回流处理低浊微污染水试验研究

研究了采用高锰酸钾预氧化与污泥回流联用工艺对低浊微污染原水的处理效果。结果表明,采用污泥回流可有效改善沉后水浊度,最佳回流比为60%,沉后水浊度从无回流时的1.91NTU下降到1.51NTU;粉末活性炭与污泥一同回流能改善滤后水有机物的去除效果。投加高锰酸钾进一步提高了处理效果,污泥回流则强化了高锰酸钾的助凝除浊效果,使有机物去除作用更显著。     

超、微滤过程中临界通量的研究进展

介绍了超滤、微滤膜过滤过程中临界通量的定义及其形成机理;总结了对临界通量的测定方法;分析了影响临界通量的因素;对临界通量的前景进行了展望.