CN105787297A - 一种微生物修复系统活性评价的方法 - Google Patents
一种微生物修复系统活性评价的方法 Download PDFInfo
- Publication number
- CN105787297A CN105787297A CN201610139232.4A CN201610139232A CN105787297A CN 105787297 A CN105787297 A CN 105787297A CN 201610139232 A CN201610139232 A CN 201610139232A CN 105787297 A CN105787297 A CN 105787297A
- Authority
- CN
- China
- Prior art keywords
- remediation system
- index
- system activity
- microorganism remediation
- oxidation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioethics (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
Abstract
一种微生物修复系统活性评价的方法,属于资源与环境技术领域。本发明利用正交设计方法确立影响因子和微生物修复系统活性状态指标的影响权重,利用Elman神经网络方法,建立微生物修复系统活性评价体系,即微生物修复系统活性状态指标与水质污染指标之间的复杂关系的量化。本发明建立与评价水质污染指标、微生物修复系统活性状态指标、重要影响因子三者之间的耦合关系,大大减少了试验工作量;Elman神经网络方法在微生物修复系统活性评价体系的建立方法中的引入,解决微生物修复系统非线性复杂问题,为实现其程序化提供技术支撑。
Description
技术领域
一种微生物修复系统活性评价的方法,属于资源与环境技术领域,尤其涉及微生物修复系统活性评价的体系建立。
背景技术
现有污水处理技术中,微生物修复系统应用最为广泛。微生物修复系统是一个高度复杂、呈非线性的多因素影响的系统。通过污染指标(CODCr、总氮、氨氮、总磷等)的测量来反映微生物修复系统的活性不仅具有一定的延时性,更重要的是其不能定量全面的评价微生物修复系统的活性状态。通过机理模拟模型(ASM1、ASM2等)对微生物修复系统进行仿真与参数优化不仅需要大量的数据作为支撑,其参数众多、机理描述复杂也限制了其进一步的推广应用。越来越多的研究表明,利用微生物修复系统活性状态指标(氧化还原电位、耗氧速率等)来描述微生物修复系统的活性状态具有较好的直接性和适用性。但是目前的众多研究仍仅限于单个活性状态指标的建立及其应用。作为一个完整的系统,全面筛选微生物修复系统活性状态评价指标,全面分析活性状态指标与污染指标之间的联系,全面分析重要影响因子与活性状态指标的关系旨在重要。基于此,一种微生物修复系统活性评价体系方法的建立将具有深远意义,其能定量揭示活性评价(状态)测量指标与污染指标之间的耦合关系。
正交试验设计是研究多因素多水平问题的一种设计方法,其是根据正交性从全面试验中挑选出部分有代表性的点进行试验,是一种高效率、快速、经济的实验设计方法。通过正交分析,可以试验得到各影响因子的影响权重,也可以找到最佳的试验条件。把正交设计思想应用于微生物修复系统活性状态影响因子、活性状态评价指标的试验与分析具有重大现实意义,其能大大减少试验工作的数量,也能使试验设计更加合理。
Elman 网络可以看作是一个具有局部记忆单元和局部反馈连接的前向神经网络。Elman 网络具有与多层前向网络相似的多层结构。它的主要结构是前馈连接,包括输入层、隐含层、 输出层。在这种网络中,除了普通的隐含层外,还有一个特别的隐含层,称为关联层(或承接层层) 。该层从隐含层接收反馈信号,每一个隐含层节点都有一个与之对应的关联层节点连接。关联层的作用是通过联接记忆将上一个时刻的隐层状态连同当前时刻的网络输入一起作为隐层的输入,相当于状态反馈。把Elman网络方法应用于微生物修复系统活性状态评价中,不仅能解决微生物修复系统高度非线性复杂问题,也为其程序化及进一步的推广应用提供基础。
发明内容
通过污染指标(CODCr、总氮、氨氮、总磷等)的测量来反映微生物修复系统的活性具有一定的延时性,不能定量全面的评价微生物修复系统的活性状态。现发明一种对微生物修复系统活性评价的方法,建立一种微生物修复系统活性评价体系,其能定量揭示活性评价(状态)测量指标与污染指标之间的耦合关系。
一种微生物修复系统活性评价的方法,其特征在于:利用正交设计方法确立影响因子和微生物修复系统活性状态指标及污染指标之间的影响权重,利用Elman神经网络方法,建立微生物修复系统活性评价体系,即微生物修复系统活性状态指标与水质污染指标之间的复杂关系的量化。具体步骤如下:
第一步 利用正交设计方法确立影响因子:碳氮比、温度、pH、溶解氧(DO)对微生物修复系统活性状态指标氧化还原电位(ORP)、三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)、耗氧速率(OUR)的影响权重,统计结果显示对于氧化还原电位(ORP)而言,溶解氧(DO)影响最大;对于三磷酸腺苷(ATP)而言,碳氮比影响最大;对于过氧化氢酶(CAT)而言,温度影响最大;对于脱氢酶(DHA)而言,pH影响较大;对于耗氧速率(OUR)而言,pH影响较大;
第二步 利用正交设计方法确立微生物修复系统活性状态指标:氧化还原电位(ORP)、三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)、耗氧速率(OUR)对污染水质指标污染指标化学需氧量(CODCr)、总氮(TN)、总磷(TP)、氨氮(NH4 +)的影响权重;氧化还原电位通过溶解氧(曝气的形式)及调节pH进行控制,三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)来自于市售,耗氧速率通过调节微生物量进行控制;结果显示,对于污染水质指标污染指标化学需氧量(CODCr)、总氮(TN)、总磷(TP)、氨氮(NH4 +)的影响较大的活性状态指标为氧化还原电位(ORP)、耗氧速率(OUR);
出水水质能稳定达到Ⅲ级别及其以上的活性状态指标分别为氧化还原电位(ORP)(100-250 mV);三磷酸腺苷(ATP)(1.00-3.00 mg/g MLSS);过氧化氢酶(CAT)(60-120 H2O2mg/g▪h);脱氢酶(DHA)(30-50 mg TF/g TSS▪h);耗氧速率(OUR)(30-50 mg O2/g MLSS▪h);
第三步 利用Elman神经网络方法建立微生物修复系统活性评价体系,即微生物修复系统活性状态指标与水质污染指标之间的复杂关系的量化。通过此方法,直接测量微生物修复系统活性状态指标即可了解微生物修复系统的活性状态等级。Elman神经网络隐层为7层,程序编写平台为MATLAB2010a,通过测试,预测微生物修复系统的活性状态等级性能较好。
一种微生物修复系统活性评价体系的方法,其有益效果在于:
通过正交设计思想在微生物修复系统活性评价体系构建试验中的应用,即在建立水质指标化学需氧量(CODCr)、总氮(TN)、总磷(TP)、氨氮(NH4 +)与微生物修复系统活性评价指标氧化还原电位(ORP)、三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)、耗氧速率(OUR)之间的耦合关系中正交设计方法的应用;在建立微生物修复系统活性评价指标氧化还原电位(ORP)、三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)、耗氧速率(OUR)与重要影响因子碳氮比、温度、pH、溶解氧(DO)之间的耦合关系中正交设计方法的应用。最终建立并验证了以微生物修复系统活性评价指标集氧化还原电位(ORP)、三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)、耗氧速率(OUR)为代表的微生物修复系统活性评价体系的合理性。
Elman神经网络方法在微生物修复系统活性评价体系建立方法中的应用。通过微生物修复系统污染指标CODCr、TN、TP、NH4 +的去除率的大小,把微生物修复系统活性状态分为五个等级,即Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ等级。利用正交试验数据作为Elman神经网络的训练样本(隐层为7层),建立微生物修复系统活性指标输入与活性状态等级输出的对应关系。
正交设计思想在微生物修复系统活性评价体系构建试验中的应用,其大大减少了试验工作量Elman神经网络方法在微生物修复系统活性评价体系的建立方法中的引入为实现其程序化提供技术支撑。
附图说明
图1是微生物修复系统活性评价体系方法流程图。
具体实施方式
一种对微生物修复系统活性评价的方法,其特征在于:利用正交设计方法确立影响因子和微生物修复系统活性状态指标的影响权重,利用Elman神经网络方法,建立微生物修复系统活性评价体系,即微生物修复系统活性状态指标与水质污染指标之间的复杂关系的量化。具体步骤如下:
第一步 利用正交设计方法确立影响因子:碳氮比、温度、pH、溶解氧(DO)对微生物修复系统活性状态指标氧化还原电位(ORP)、三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)、耗氧速率(OUR)的影响权重,统计结果显示对于氧化还原电位(ORP)而言,溶解氧(DO)影响最大;对于三磷酸腺苷(ATP)而言,碳氮比影响最大;对于过氧化氢酶(CAT)而言,温度影响最大;对于脱氢酶(DHA)而言,pH影响较大;对于耗氧速率(OUR)而言,pH影响较大;
重要影响因子的正交设计方法如下:
系列 | 碳氮比 | 温度 | pH | 溶解氧(mg/L) |
1 | 20:1 | 10 | 6 | 1 |
2 | 10:1 | 30 | 6 | 3 |
3 | 5:1 | 40 | 6 | 4 |
4 | 15:1 | 20 | 6 | 2 |
5 | 15:1 | 40 | 8 | 1 |
6 | 5:1 | 30 | 7 | 1 |
7 | 10:1 | 20 | 9 | 1 |
8 | 20:1 | 40 | 9 | 3 |
9 | 5:1 | 10 | 9 | 2 |
10 | 20:1 | 30 | 8 | 2 |
11 | 15:1 | 30 | 9 | 4 |
12 | 15:1 | 10 | 7 | 3 |
13 | 10:1 | 10 | 8 | 4 |
14 | 10:1 | 40 | 7 | 2 |
15 | 5:1 | 20 | 8 | 3 |
16 | 20:1 | 20 | 7 | 4 |
第二步 利用正交设计方法确立微生物修复系统活性状态指标:氧化还原电位(ORP)、三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)、耗氧速率(OUR)对污染水质指标污染指标化学需氧量(CODCr)、总氮(TN)、总磷(TP)、氨氮(NH4 +)的影响权重;氧化还原电位通过溶解氧(曝气的形式)及调节pH进行控制,三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)来自于市售,耗氧速率通过调节微生物量进行控制;结果显示,对于污染水质指标污染指标化学需氧量(CODCr)、总氮(TN)、总磷(TP)、氨氮(NH4 +)的影响较大的活性状态指标为氧化还原电位(ORP)、耗氧速率(OUR);
微生物修复系统活性评价指标的正交设计方法如下:
设定氧化还原电位(ORP)五个水平-150,-100,0,100,250;三磷酸腺苷(ATP)五个水平0.5,1,1.5,2,3 mg/g MLSS;过氧化氢酶(CAT)五个水平20,40,60,90,120 H2O2 mg/g▪h;脱氢酶(DHA)五个水平10,20,30,40,50 mg TF/g TSS▪h;耗氧速率(OUR)五个水平10,20,30,40,50 mg O2/g MLSS▪h,正交设计如下:
系列 | ORP | ATP | CAT | DHA | OUR |
1 | -100 | 1 | 120 | 10 | 20 |
2 | 250 | 3 | 40 | 10 | 50 |
3 | 0 | 2 | 120 | 20 | 10 |
4 | 250 | 1 | 90 | 30 | 10 |
5 | -150 | 3 | 120 | 50 | 30 |
6 | 250 | 1.5 | 120 | 40 | 40 |
7 | -100 | 0.5 | 90 | 50 | 40 |
8 | 0 | 1 | 60 | 50 | 50 |
9 | 0 | 0.5 | 40 | 40 | 20 |
10 | -150 | 0.5 | 20 | 10 | 10 |
11 | 100 | 0.5 | 120 | 30 | 50 |
12 | 100 | 1 | 20 | 40 | 30 |
13 | -100 | 3 | 60 | 40 | 10 |
14 | -150 | 2 | 90 | 40 | 50 |
15 | 250 | 0.5 | 60 | 20 | 30 |
16 | 0 | 1.5 | 90 | 10 | 30 |
17 | 100 | 2 | 60 | 10 | 40 |
18 | -150 | 1.5 | 60 | 30 | 20 |
19 | 0 | 3 | 20 | 30 | 40 |
20 | -150 | 1 | 40 | 20 | 40 |
21 | -100 | 2 | 40 | 30 | 30 |
22 | 100 | 1.5 | 40 | 50 | 10 |
23 | -100 | 1.5 | 20 | 20 | 50 |
24 | 250 | 2 | 20 | 50 | 20 |
25 | 100 | 3 | 90 | 20 | 20 |
出水水质能稳定达到Ⅲ级别及其以上的活性状态指标分别为氧化还原电位(ORP)(100-250 mV);三磷酸腺苷(ATP)(1.00-3.00 mg/g MLSS);过氧化氢酶(CAT)(60-120 H2O2mg/g▪h);脱氢酶(DHA)(30-50 mg TF/g TSS▪h);耗氧速率(OUR)(30-50 mg O2/g MLSS▪h);
依据水质污染指标去除效果,微生物修复系统活性状态分为5个等级,等级划分如下::
微生物修复系统活性状态分级基准:
级别 | CODCr去除率 | 总氮去除率 | 氨氮去除率 | 总磷去除率 | 级别范围值(Elman输出值) |
Ⅰ | ≥80 | ≥70 | ≥80 | ≥90 | (0, 1] |
Ⅱ | ≥70 | ≥60 | ≥70 | ≥80 | (1, 2] |
Ⅲ | ≥60 | ≥50 | ≥60 | ≥70 | (2, 3] |
Ⅳ | ≥50 | ≥40 | ≥50 | ≥60 | (3, 4] |
Ⅴ | <50 | <40 | <50 | <60 | (4, 5] |
第三步 利用Elman神经网络方法,通过微生物修复系统污染指标CODCr、TN、TP、NH4 +的去除率的大小,把微生物修复系统活性状态分为五个等级,即Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ等级,利用正交试验数据作为Elman神经网络的训练样本,建立微生物修复系统活性指标输入与活性状态等级输出的对应关系,Elman神经网络隐层为7层,程序编写平台为MATLAB2010a。
Claims (1)
1.一种微生物修复系统活性评价的方法,其特征在于:利用正交设计方法和Elman神经网络方法,定量揭示活性评价(状态)测量指标与污染指标之间的耦合关系;具体步骤如下:
第一步 利用正交设计方法确立影响因子:碳氮比、温度、pH、溶解氧(DO)对微生物修复系统活性状态指标氧化还原电位(ORP)、三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)、耗氧速率(OUR)的影响权重,统计结果显示对于氧化还原电位(ORP)而言,溶解氧(DO)影响最大;对于三磷酸腺苷(ATP)而言,碳氮比影响最大;对于过氧化氢酶(CAT)而言,温度影响最大;对于脱氢酶(DHA)而言,pH影响较大;对于耗氧速率(OUR)而言,pH影响较大;
第二步 利用正交设计方法确立微生物修复系统活性状态指标:氧化还原电位(ORP)、三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)、耗氧速率(OUR)对污染水质指标污染指标化学需氧量(CODCr)、总氮(TN)、总磷(TP)、氨氮(NH4 +)的影响权重;氧化还原电位通过溶解氧(曝气的形式)及调节pH进行控制,三磷酸腺苷(ATP)、过氧化氢酶(CAT)、脱氢酶(DHA)来自于市售,耗氧速率通过调节微生物量进行控制;结果显示,对于污染水质指标化学需氧量(CODCr)、总氮(TN)、总磷(TP)、氨氮(NH4 +)的影响较大的活性状态指标为氧化还原电位(ORP)、耗氧速率(OUR);出水水质能稳定达到Ⅲ级别及其以上的活性状态指标分别为氧化还原电位(ORP)(100-250 mV)、三磷酸腺苷(ATP)(1.00-3.00 mg/g MLSS)、过氧化氢酶(CAT)(60-120 H2O2 mg/g▪h)、脱氢酶(DHA)(30-50 mg TF/g TSS▪h)、耗氧速率(OUR)(30-50mg O2/g MLSS▪h);
第三步 利用Elman神经网络方法建立微生物修复系统活性评价体系,即微生物修复系统活性状态指标与水质污染指标之间的复杂关系的量化;直接测量微生物修复系统活性状态指标,确定微生物修复系统的活性状态等级; Elman神经网络隐层为7层,程序编写平台为MATLAB2010a。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610139232.4A CN105787297A (zh) | 2016-03-12 | 2016-03-12 | 一种微生物修复系统活性评价的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610139232.4A CN105787297A (zh) | 2016-03-12 | 2016-03-12 | 一种微生物修复系统活性评价的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105787297A true CN105787297A (zh) | 2016-07-20 |
Family
ID=56393317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610139232.4A Pending CN105787297A (zh) | 2016-03-12 | 2016-03-12 | 一种微生物修复系统活性评价的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787297A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016636A (zh) * | 2017-04-18 | 2017-08-04 | 山东大学 | 一种海域生态修复主要修复对象的确定方法 |
CN111259543A (zh) * | 2020-01-15 | 2020-06-09 | 生态环境部土壤与农业农村生态环境监管技术中心 | 一种石油类污染场地中sve工艺参数的设计方法 |
CN113533683A (zh) * | 2021-06-02 | 2021-10-22 | 广东新泓环境咨询有限公司 | 一种表层土壤石油烃污染预警方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101365806A (zh) * | 2005-12-01 | 2009-02-11 | 医学预后研究所 | 用于鉴定治疗反应的生物标记的方法和装置及其预测疗效的用途 |
CN102930113A (zh) * | 2012-11-14 | 2013-02-13 | 华南农业大学 | 用于预测化合物活性的两级拟合qsar模型的构建方法 |
CN104834794A (zh) * | 2015-05-27 | 2015-08-12 | 中国人民解放军国防科学技术大学 | 基于材料配比和关键工艺参数改进的产品寿命增长方法 |
-
2016
- 2016-03-12 CN CN201610139232.4A patent/CN105787297A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101365806A (zh) * | 2005-12-01 | 2009-02-11 | 医学预后研究所 | 用于鉴定治疗反应的生物标记的方法和装置及其预测疗效的用途 |
CN102930113A (zh) * | 2012-11-14 | 2013-02-13 | 华南农业大学 | 用于预测化合物活性的两级拟合qsar模型的构建方法 |
CN104834794A (zh) * | 2015-05-27 | 2015-08-12 | 中国人民解放军国防科学技术大学 | 基于材料配比和关键工艺参数改进的产品寿命增长方法 |
Non-Patent Citations (4)
Title |
---|
吕晋: "浅水湖泊浮游植物生长影响因子及修复评价指标体系研究", 《中国博士学位论文全文数据库 工程科技I辑》 * |
孙世阳等: "番茄加工厂废水处理系统好氧活性污泥生物活性指标的评价", 《化工学报》 * |
张齐等: "基于Elman神经网络的污染源数据预测", 《华南理工大学学报(自然科学版)》 * |
范翠香等: "Elman神经网络及其在河口水质评价中的应用", 《计算机系统应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016636A (zh) * | 2017-04-18 | 2017-08-04 | 山东大学 | 一种海域生态修复主要修复对象的确定方法 |
CN111259543A (zh) * | 2020-01-15 | 2020-06-09 | 生态环境部土壤与农业农村生态环境监管技术中心 | 一种石油类污染场地中sve工艺参数的设计方法 |
WO2021142895A1 (zh) * | 2020-01-15 | 2021-07-22 | 生态环境部土壤与农业农村生态环境监管技术中心 | 一种石油类污染场地中sve工艺参数的设计方法 |
CN111259543B (zh) * | 2020-01-15 | 2024-01-23 | 生态环境部土壤与农业农村生态环境监管技术中心 | 一种石油类污染场地中sve工艺参数的设计方法 |
CN113533683A (zh) * | 2021-06-02 | 2021-10-22 | 广东新泓环境咨询有限公司 | 一种表层土壤石油烃污染预警方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arnaldos et al. | From the affinity constant to the half-saturation index: understanding conventional modeling concepts in novel wastewater treatment processes | |
Vanrolleghem et al. | Continuity-based interfacing of models for wastewater systems described by Petersen matrices | |
Ingildsen | Realising full-scale control in wastewater treatment systems using in situ nutrient sensors | |
CN106873379B (zh) | 一种基于迭代adp算法的污水处理最优控制方法 | |
Langergraber | Modeling of processes in subsurface flow constructed wetlands: A review | |
Ferrer et al. | DESASS: a software tool for designing, simulating and optimising WWTPs | |
CN106557029A (zh) | 一种黑臭河流水污染控制与治理的方法 | |
Langergraber | Numerical modelling: a tool for better constructed wetland design? | |
CN105787297A (zh) | 一种微生物修复系统活性评价的方法 | |
Meirlaen et al. | Real time control of the integrated urban wastewater system using simultaneously simulating surrogate models | |
CN105574326A (zh) | 一种基于自组织模糊神经网络的出水氨氮浓度软测量方法 | |
Ouyang et al. | Estimation of nitrogen dynamics in a vertical-flow constructed wetland | |
Defo et al. | Modelling approaches for simulating wetland pollutant dynamics | |
Moragaspitiya et al. | Simulation of dynamic behaviour of a biological wastewater treatment plant in South East Queensland, Australia using bio-win software | |
Dewil et al. | Anaerobic digestion of biomass and waste: current trends in mathematical modeling | |
CN105549388B (zh) | 一种基于自适应回归核函数的污水处理过程能耗预测方法 | |
Qiu et al. | Influence of water quality change in Fu River on Wetland Baiyangdian | |
CN110264052B (zh) | 城市河流水质提升系统 | |
Ayoub | Performance evaluation of an oily industrial wastewater treatment system using the application of activated sludge model No. 3 | |
Raude et al. | Simulation of the hydraulics and treatment performance of horizontal subsurface flow constructed wetland treating greywater | |
Van Griensven et al. | Concepts for river water quality processes for an integrated river basin modelling | |
Wilson et al. | Adopting primary plastic trickling filters as a solution for enhanced nitrification | |
Helal et al. | Improving quantitative and qualitative equity of water distribution systems | |
Zhao et al. | Impulsive state feedback control of the rhizosphere microbial degradation in the wetland plant | |
Neethling et al. | WERF nutrient challenge investigates limits of nutrient removal technologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160720 |
|
WD01 | Invention patent application deemed withdrawn after publication |