复合铝锌铁有机改性混凝剂对模拟水的处理效果

采用混凝实验,对比研究了复合铝锌铁（PAZF）混凝剂及其有机改性剂[PPAZF-n,n为聚丙烯酰胺（PAM）加入量]对高浊度模拟水样的处理效果。实验结果表明,PPAZF-n的除浊效果优于PAZF,且PPAZF-5的除浊效率最高。当投药量为3mL时,PPAZF-2、PPAZF-5及PPAZF-10的余浊分别为1．93、1．16及1．99 NTU,而PAZF的余浊为2．41NTU。     

氧化性聚硅铁对黄河水的混凝处理研究

分别以氧化性聚硅铁(OPSF)和聚合氯化铝铁(PAFC)作为混凝剂处理黄河水。在混凝处理黄河水的中试中,OPSF出现絮体较早且尺寸较大,沉降性能优异,大幅降低了过滤反冲洗的次数;PAFC出现絮体所需的时间较长且絮体小而轻,沉降性能较差,出水时其絮体大部分仍为漂浮状态,给过滤带来很大负担。OPSF对浊度、CODMn的去除效果均优于PAFC,且细菌总数及残余氯化物浓度明显低于PAFC,而余氯值高于PAFC;OPSF沉后水的pH值为7.76,满足饮用水要求。中试结果证明,OPSF完全可以应用到黄河原水的处理中,并且具备较优异的混凝效果。     

复合铝锌铁混凝剂对模拟废水的处理效果研究

由工业废物镀铝锌渣制备复合铝锌铁(PAZF)混凝剂,对比研究PAZF与聚合氯化铝(PAC)对模拟废水的处理效果,主要考虑投药量与原水pH的影响。结果表明,PAZF对浊度及有机物的去除效果均优于PAC,且其最佳投药量低于PAC,同时PAZF对于中性水具有很好的混凝效果。     

复合铝锌铁及其有机改性混凝剂对生活污水的混凝特性

以聚丙烯酰胺(PAM)为添加剂,对复合铝锌铁(PAZF)混凝剂进行有机改性,制备无机有机复合混凝剂(PPAZF),同时对比研究PPAZF、PAZF、与聚合氯化铝(PAC)对生活污水的处理效果。结果表明:三种混凝剂在相同的最佳投加量为148 mg/L时,PPAZF不仅对生活污水的浊度、COD和总磷去除效果最高,而且产生的絮体较大且密实。与PAZF相比,低投加量时PPAZF除磷效果大幅度提高。另外,PPAZF对pH的适应性更强。     

铁基自养反硝化脱氮技术研究进展

为解决污水脱氮中碳源缺乏,投加碳源易造成二次污染等问题,业界将目光投向自养反硝化脱氮技术.综述了常见的自养反硝化技术,特别是铁自养反硝化技术的发展.分析了铁基自养反硝化原理以及pH值、温度、Fe/Fe2+浓度及存在形态、碳源等因素对反应过程的影响,阐述了铁自养反硝化技术及其耦合工艺的研究进展,并对铁基自养反硝化技术在应...     

饮用水中嗅味物质去除技术研究进展

饮用水中异嗅异味不仅影响了感官性状,还降低了饮用水水质。介绍了饮用水中的嗅味物质的分类方法和去除技术,特别是常见的两种嗅味物质土臭素和2-甲基异莰醇的典型去除工艺。并分析了吸附处理、化学氧化、生物处理和联用技术的去除效果及优缺点,指出了嗅味物质去除技术的发展方向。     

建筑外围护结构整体气密性能检测关键技术

建筑外围护结构整体气密性能是低能耗建筑的一项重要技术指标,但是我国尚未建立相关的测试标准和测试方法。在国外建筑外围护结构整体气密性能检测标准的基础上,通过大量工程测试应用实践,结合我国建筑发展特点和科学技术水平,研究提出我国建筑外围护结构整体气密性能检测中关键问题的解决方法,提高相关测试方法和测试数据的科学性与真实性,为今后我国建筑外围护结构整体气密性检测标准的编制和测试方法的应用提供参考和借鉴。     

一种新型混凝剂处理甲基橙模拟水的实验研究

研究投药量及甲基橙浓度对一种新型有机-铝锌铁聚合混凝剂（PPAZF）处理甲基橙模拟水的影响。实验结果表明,甲基橙浓度较低时,PPAZF对色度、浊度及有机物的去除效果均优于甲基橙浓度较高的模拟水。当甲基橙浓度为22 mg/L及投药量为1.8 m L时,PPAZF的处理效果最佳。     

基于近零能耗目标的寒冷地区办公建筑设计参数综合寻优和实证

目前近零能耗建筑在我国成规模化推广的趋势，从国家到地方的设计与评价标准在逐步完善，且多数标准以限定节能设计参数值来实现近零能耗目标。然而，办公建筑用能需求多样、能耗构成复杂，须通过节能设计参数的综合寻优才能实现能耗最小化的设计目标。基于此，首先通过调研确立了寒冷地区办公建筑的能耗构成和建筑信息基准模型，并通过Grasshopper建立了集模型构建、能耗模拟与自动寻优的参数化一体平台；其次，借助该平台对不同围护结构热工设计参数的办公建筑进行对比研究，确定了照明能耗的重要性及总能耗受多参数交互作用的影响规律；在此基础上，借助遗传算法进行以能耗为导向的设计参数寻优，得到最优结果；进而，以山东建筑大学综合实验楼为实例，通过实测数据与仿真数据对比验证了研究结果的可靠性与准确性；最后，通过数据统计软件对设计参数与能耗结果进行了相关性分析，在MATLAB中凭借数据集训练得到机器学习模型，验证了模型的准确性。