CN110609978B - 一种基于响应曲面法的微藻絮凝采收参数优化方法 - Google Patents
一种基于响应曲面法的微藻絮凝采收参数优化方法 Download PDFInfo
- Publication number
- CN110609978B CN110609978B CN201910964157.9A CN201910964157A CN110609978B CN 110609978 B CN110609978 B CN 110609978B CN 201910964157 A CN201910964157 A CN 201910964157A CN 110609978 B CN110609978 B CN 110609978B
- Authority
- CN
- China
- Prior art keywords
- microalgae
- experiment
- response surface
- flocculation
- model
- 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.)
- Active
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N1/00—Microorganisms, e.g. protozoa; Compositions thereof; Processes of propagating, maintaining or preserving microorganisms or compositions thereof; Processes of preparing or isolating a composition containing a microorganism; Culture media therefor
- C12N1/12—Unicellular algae; Culture media therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P20/00—Technologies relating to chemical industry
- Y02P20/50—Improvements relating to the production of bulk chemicals
- Y02P20/59—Biological synthesis; Biological purification
Abstract
本发明涉及一种基于响应曲面法的微藻絮凝采收工艺参数优化方法及实施方案,优化方法包括①通过单因素变量实验确定絮凝剂投加量、培养基pH和微藻生物量参数取值范围;②采用响应曲面法中Box‑Behnken方法设计参数优化实验;③开展微藻采收实验;④多元回归拟合数据,建立回归方程;⑤方差和相关性分析;⑥验证实验检验模型有效性;⑦确定工艺参数。实施方案:①培养微藻使其生物量达到最优浓度;②调节微藻培养基pH至最优值;③投加絮凝剂使其浓度达到最优,絮凝搅拌;④沉降;⑤收集反应器底部藻泥进行脱水干燥。本发明具有实验效率高,预测精度好,可操作性强等优点,在保证微藻高效采收的同时有效降低了成本,适用于微藻絮凝采收工艺参数的优化与实施。
Description
技术领域
本发明是一种基于响应曲面法的微藻絮凝采收参数优化方法及实施方案,属于生物质能源技术领域。
背景技术
微藻是一类单细胞或多细胞、形体微小的藻类总称,其可以将太阳能直接转化为化学能,是地球上最古老的生命形式之一。微藻个体小,结构简单,具有种类多样,分布广泛,适应能力强等特点。
微藻是一种经济、高效的生物质能源,相对其他高等油料作物,微藻具有不占用耕地、生长效率高、生长周期短和油脂含量高等优势,是一种重要的可再生能源。但目前通过微藻获取生物柴油的生产成本很高,这也是制约其大规模推广应用的瓶颈问题之一。以微藻为生物质能源制备生物柴油的工艺之中,微藻采收作为关键步骤,其成本至少占总成本的20% ~ 30%。这主要是由于微藻体积小(3-50 μm)、浓度低(0.1-5 g/L),同时微藻表面的负电荷会导致其在培养基中呈稳定悬浮状态。目前包括离心法、过滤法、重力沉降法和絮凝法在内的多种方法已被应用于微藻的采收,其中絮凝法凭借其在经济性和技术可行性方面的优势,成为应用最广泛的微藻采收方法之一。
絮凝法中微藻采收工艺参数如絮凝剂投加量、培养基pH和微藻生物量的确定对于降低采收成本,提高采收效率具有重要意义,优化工艺条件以获得最优采收工艺参数是实现微藻高效采收的重要前提。传统絮凝采收实验往往使用单因素变量法和正交实验法两种方法来优化絮凝工艺参数。单因素变量法是一种研究单一变量在不受其他变量影响时对微藻采收效果影响的方法,其可以确定单一因素在不同取值下对采收效果的影响,然而实际应用中微藻采收效果往往受多种因素同时影响,因此单因素变量法难以准确反映实际采收过程。正交实验法是一种使用线性数学模型进行设计的方法,虽然可以考察多种因素交互作用对采收效果的影响,并可以找出多个因素水平的最佳组合,但正交设计只能分析离散型数据,存在精度不高,预测性不佳的问题。因此,有必要寻找一种精度高、预测性好、可反映多因素交互作用对微藻采收效果影响的模型方法。
响应曲面法采用多元二次回归方程来拟合工艺参数(自变量)与响应值(因变量)之间的函数关系,通过分析函数的响应面研究各因子两两之间、各因子与响应值之间的相互关系,通过分析回归方程来寻求最优工艺参数。响应曲面法可以得出连续的函数关系式,是解决多变量问题的一种常用统计方法。响应曲面法被广泛用于污染物去除的工艺参数优化,但是目前很少有响应曲面法优化微藻采收过程的相关报道。
发明内容
本发明提供一种基于响应曲面法的絮凝剂投加量、培养液pH和微藻生物量等微藻采收工艺参数的优化方法及实施方案,旨在解决传统微藻采收工艺参数优化方法中实验量大、精度不高和预测性不佳等缺点,实现微藻的高效采收。本发明具有实验效率高、预测精度好、可操作性强等优点,适用于微藻絮凝采收工艺参数的优化与实施。
本发明的技术解决方案:一种基于响应曲面法的微藻絮凝采收参数优化方法,包括以下步骤:(A)单因素变量实验:选取变量开展单因素变量实验;
(B)响应曲面法优化实验:根据单因素变量实验获得的最优范围作为实验水平的选择依据,运用响应曲面法建立响应曲面模型,优化工艺条件并确定模型最优工艺参数。
所述步骤(A)单因素变量实验:选择絮凝剂投加量、培养基pH和微藻生物量三个因素分别开展单因素变量实验,分析各因素不同取值下微藻采收效果的变化情况,确定各因素的最优范围,所述最优范围为各因素可获得的完整微藻采收效率范围对应的各因素的最小取值范围。
所述步骤(B)响应曲面法优化实验,包括以下具体步骤:
1)设计实验方案:将絮凝剂投加量、培养基pH和微藻生物量作为自变量,微藻采收效率作为响应值,选用响应曲面法中的Box-Behnken实验方法设计微藻采收实验,以单因素变量实验获得的各因素取值的最优范围作为实验水平的选择依据,获得对应的实验方案;
2)设计絮凝实验装置:以实验方案为依据设计絮凝实验装置,基于Box-Behnken实验方法确定的实验方案开展微藻采收实验并获得实验数据;
3)二阶响应曲面模型建立:使用Design-Expert软件运用响应曲面法对实验数据进行多元回归拟合,建立以絮凝剂投加量、培养基pH和微藻生物量为自变量的微藻采收效率的二阶响应曲面模型;4)拟合系数分析和调整:使用Design-Expert软件对所建二阶响应曲面模型进行方差和相关性分析,比较模型各项对微藻采收效率影响的显著程度,分析回归模型的拟合系数和调整拟合系数;
5)微藻采收预测模型实验验证:对微藻采收预测模型进行实验验证,若模型有效则对工艺参数进一步优化,模型无效则重新设计实验;
6)确定模型最优工艺参数:使用Design-Expert软件,以微藻采收效率作为目标值,通过Optimization优化设计获得较优的采收工艺参数,在此基础上引入F值,F = min(投加量/生物量),即采收单位生物量所需的最小絮凝剂投加量,F值对应的工艺条件即为最优工艺参数。
所述步骤2)设计絮凝实验装置中,涉及实验装置包括圆柱形絮凝反应器、搅拌轴和搅拌桨。
所述步骤3)二阶响应曲面模型建立中,使用Design-Expert软件拟合实验数据后建立的二阶响应曲面模型对应的回归方程如下:
Y=K1+K2X1+K3X2+K4X3+K5X1X2+K6X2X3+K7X1X3+K8X1 2+K9X2 2+K10X3 2式中Y为微藻采收效率,X1为投加量,X2为pH,X3为生物量,K1,K2……K10均为常数。
其实施方案,包括以下具体步骤:
1)在培养基中进行微藻养殖,使其生物量浓度达到步骤(1)响应曲面法优化絮凝采收工艺参数中获得的最优微藻生物量浓度;
2)将一定量微藻培养液加入到絮凝反应器中,调节培养液pH;
3)向絮凝反应器中投加一定量絮凝剂使絮凝剂投加量达到最优值,先以300 rpm的转速快速搅拌2 min,随后以50 rpm的转速慢速搅拌20 min;
4)停止絮凝搅拌,沉降20~30 min;
5)含藻絮体完全沉降后,去掉上清液,收集反应器底部藻泥进行脱水干燥。
所述步骤2)和3)中的所述培养液pH和投加量的取值均依据步骤(1)响应曲面法优化絮凝采收工艺参数中获得的最优采收参数。
本发明的有益效果:
(1)通过基于响应曲面法的微藻采收模型优化了采收过程,获得了最优采收参数,在保证微藻高效采收的同时有效降低了成本,对微藻的规模化高效采收具有指导意义
(2)相比于传统的部分因子和全因子优化实验,所需的实验组数更少,提高了实验效率,明显简化了实验工作量。
(3)使用多元二次回归方程来拟合实验数据,通过建立回归方程,进行方差检验和显著性分析,开展验证实验,有效提高了预测结果的精度。
(4)将响应值(微藻采收效率)与自变量(投加量等微藻采收条件)之间的函数关系运用图形技术展示出来,形象的反映自变量交互作用下对响应值的影响情况,有助于直观观察并选择最优采收工艺参数。
(5)在优化工艺参数的基础上,给出了微藻采收的实施方案,该方案简洁易行、可操作性强,有利于实际微藻采收过程的推广应用。
附图说明
附图1是本发明的建模方法实现流程图。
附图2是本发明的实验装置及絮凝过程示意图。
图中1是絮凝剂、2是絮凝反应器、3是微藻细胞、4是搅拌桨、5是搅拌轴。
具体实施方式
下面结合附图及实施例对本发明技术方案进一步说明。
本实施例以普通小球藻为目标微藻,以改性植物单宁为絮凝剂,使用响应曲面优化改性植物单宁采收普通小球藻的工艺以获得经济有效的最优工艺参数,包括以下三个部分:
(1)改性植物单宁的制备
将一定量黑荆树植物单宁用二甲基甲酰胺溶解后,加入定量甲醛和二甲胺,醛:胺(摩尔比)为1:1,完全搅拌均匀后加入少许酸催化剂,酸的量为0.02 mol/g植物胶,在40℃下恒温反应6h,然后加入定量环氧氯丙烷,继续反应4h终止反应。减压蒸馏去溶剂,得到改性植物单宁絮凝剂。
(2)响应曲面法优化絮凝采收工艺参数
如附图1所示,包括以下具体步骤:
A:单因素变量实验
依次改变投加量,pH和生物量的取值进行单因素变量实验,通过分析实验结果,各变量取值的最优范围确定为15-35 mg/L,4-9和0.2-0.8 g/L。
B:响应曲面法优化实验
步骤一:根据单因素变量实验结果,以投加量,pH和生物量为自变量,普通小球藻采收效率为响应值,使用Design-Expert 8.0软件中Box-Behnken方法来设计实验方案,结果如表1所示。
表1 Box-Behnken实验各参数及水平
步骤二:根据Box-Behnken实验设计方案,在如附图2所示的实验装置中开展微藻采收实验,获得的实验数据如表2所示。
表2 Box-Behnken实验设计与结果
步骤三:使用Design-Expert 8.0 软件拟合实验数据,建立以投加量,pH和生物量为自变量的普通小球藻采收效率的二阶响应曲面模型,其回归方程如下:
Y = +88.52 + 16.22* X1 - 16.07 * X2 - 7.14 * X3 + 5.99 * X1 * X2 + 5.91* X1 * X3 - 10.43 * X2 * X3 + 3.23 * X1 2 - 15.99 * X2 2 - 10.58 * X3 2
步骤四:使用Design-Expert 8.0 软件对回归方程进行方差和相关性分析。模型及模型各因子与响应值之间的显著性检验常由F值检验来判定,P值越小,表明变量的显著性越高。模型的F值为102.58,P ≤ 0.0001,表明模型显著,模型可以很好地反映普通小球藻采收过程。进一步地,根据方差分析结果(表3),各因素对模型影响的显著性排序为:投加量 > pH > 生物量。另外,回归模型的拟合系数(R2 = 0.9925)和调整拟合系数(Radj 2 =0.9925)基本一致,且两者均大于0.99,表明模型预测和实际值存在高度的相关性,模型的拟合优度较好。
表3 响应曲面模型的方差分析结果
步骤五:随机选取10组优化后的工艺参数开展验证实验,根据验证实验结果(表4),10组实验组的微藻采收效率范围为97.33%-99.65%,表明模型优化后可使改性植物单宁获得较高的微藻采收效果。进一步地,模型预测微藻采收效率与实验微藻采收效率的标准差范围为±0.28-0.83,表明预测值和实验值有很好的一致性,预测模型和实验结果可以很好的吻合,模型有效。
表4 验证实验结果
步骤六:确定模型最优工艺参数:使用Design-Expert 8.0 软件,以普通小球藻采收效率作为目标值,通过Optimization优化设计获得较优的采收工艺参数(表4),进一步比较各组F值相对大小,选择F值最小的第3组作为最优工艺参数。
(3)微藻采收最优工艺实施方案
根据响应曲面法优化获得的最优工艺参数,设计微藻采收最优工艺实施方案,包括如下步骤:
步骤一:在培养基中进行微藻养殖,使微藻生物量浓度达到0.72 g/L;
步骤二:将一定量微藻培养液加入到絮凝反应器中,将培养液pH值调节为6.32;
步骤三:向絮凝反应器中投加一定量的改性植物单宁,使反应器中投加量浓度达到33.55 mg/L,先以300 rpm的转速搅拌2 min,随后以50 rpm的转速搅拌20 min;
步骤四:停止絮凝搅拌,沉降20~30 min;
步骤五:含藻絮体完全沉降后,去掉上清液,收集反应器底部藻泥进行脱水干燥;
步骤二和步骤三所述培养液pH和投加量的取值均依据(1)中获得的最优采收参数。
上述实施例中所用的材料、试剂等,如无特殊说明,均可从商业途径获得。
本发明上述实施方案,只是举例说明,不是仅有的,所有在本发明范围内或等同本发明的范围内的改变均被本发明包括。
Claims (5)
1.一种基于响应曲面法的微藻絮凝采收参数优化方法,其特征是包括以下步骤: (A)单因素变量实验:选取变量开展单因素变量实验;
(B)响应曲面法优化实验:根据单因素变量实验获得的最优范围作为实验水平的选择依据,运用响应曲面法建立响应曲面模型,优化工艺条件并确定模型最优工艺参数;
所述步骤(A)单因素变量实验:选择絮凝剂投加量、培养基pH和微藻生物量三个因素分别开展单因素变量实验,分析各因素不同取值下微藻采收效果的变化情况,确定各因素的最优范围,所述最优范围为各因素可获得的完整微藻采收效率范围对应的各因素的最小取值范围;
所述步骤(B)响应曲面法优化实验,包括以下具体步骤:
1)设计实验方案:将絮凝剂投加量、培养基pH和微藻生物量作为自变量,微藻采收效率作为响应值,选用响应曲面法中的Box-Behnken实验方法设计微藻采收实验,以单因素变量实验获得的各因素取值的最优范围作为实验水平的选择依据,获得对应的实验方案;
2)设计絮凝实验装置:以实验方案为依据设计絮凝实验装置,基于Box-Behnken实验方法确定的实验方案开展微藻采收实验并获得实验数据;
3)二阶响应曲面模型建立:使用Design-Expert软件运用响应曲面法对实验数据进行多元回归拟合,建立以絮凝剂投加量、培养基pH和微藻生物量为自变量的微藻采收效率的二阶响应曲面模型;4)拟合系数分析和调整:使用Design-Expert软件对所建二阶响应曲面模型进行方差和相关性分析,比较模型各项对微藻采收效率影响的显著程度,分析回归模型的拟合系数和调整拟合系数;
5)微藻采收预测模型实验验证:对微藻采收预测模型进行实验验证,若模型有效则对工艺参数进一步优化,模型无效则重新设计实验;
6)确定模型最优工艺参数:使用Design-Expert软件,以微藻采收效率作为目标值,通过Optimization优化设计获得较优的采收工艺参数,在此基础上引入F值,即采收单位生物量所需的最小絮凝剂投加量,F值对应的工艺条件即为最优工艺参数。
2.根据权利要求1所述的一种基于响应曲面法的微藻絮凝采收参数优化方法,其特征是所述步骤2)设计絮凝实验装置中,涉及实验装置包括圆柱形絮凝反应器、搅拌轴和搅拌桨。
3.根据权利要求1所述的一种基于响应曲面法的微藻絮凝采收参数优化方法,其特征是所述步骤3)二阶响应曲面模型建立中,使用Design-Expert软件拟合实验数据后建立的二阶响应曲面模型对应的回归方程如下:
Y=K1+K2X1+K3X2+K4X3+K5X1X2+K6X2X3+K7X1X3+K8X1 2+K9X2 2+K10X3 2式中Y为微藻采收效率,X1为投加量,X2为pH,X3为生物量,K1,K2……K10均为常数。
4.如权利要求1所述的一种基于响应曲面法的微藻絮凝采收参数优化方法,其特征是包括以下具体步骤:
1)在培养基中进行微藻养殖,使其生物量浓度达到响应曲面法优化絮凝采收工艺参数中获得的最优微藻生物量浓度;
2)将一定量微藻培养液加入到絮凝反应器中,调节培养液pH;
3)向絮凝反应器中投加一定量絮凝剂使絮凝剂投加量达到最优值,先以300 rpm的转速快速搅拌2 min,随后以50 rpm的转速慢速搅拌20 min;
4)停止絮凝搅拌,沉降20~30 min;
5)含藻絮体完全沉降后,去掉上清液,收集反应器底部藻泥进行脱水干燥。
5.根据权利要求4所述的一种基于响应曲面法的微藻絮凝采收参数优化方法,其特征是所述步骤2)和3)中的所述培养液pH和投加量的取值均依据响应曲面法优化絮凝采收工艺参数中获得的最优采收参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910964157.9A CN110609978B (zh) | 2019-10-11 | 2019-10-11 | 一种基于响应曲面法的微藻絮凝采收参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910964157.9A CN110609978B (zh) | 2019-10-11 | 2019-10-11 | 一种基于响应曲面法的微藻絮凝采收参数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110609978A CN110609978A (zh) | 2019-12-24 |
CN110609978B true CN110609978B (zh) | 2022-07-08 |
Family
ID=68894440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910964157.9A Active CN110609978B (zh) | 2019-10-11 | 2019-10-11 | 一种基于响应曲面法的微藻絮凝采收参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110609978B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111580465B (zh) * | 2020-05-22 | 2023-02-28 | 河南科技大学 | 一种数控机床用转台轴承摩擦力矩精确建模方法 |
CN111948346A (zh) * | 2020-08-11 | 2020-11-17 | 江苏省地质工程勘察院 | 一种去除溶液中镉的生物炭制备的响应曲面优化方法 |
CN112794454A (zh) * | 2021-01-27 | 2021-05-14 | 上饶师范学院 | 一种利用微藻去除养殖废水中铜元素的优化方法 |
CN112949223B (zh) * | 2021-03-17 | 2022-11-29 | 红云红河烟草(集团)有限责任公司 | 一种基于doe响应曲面法优化烘丝机物料通过时间的方法 |
CN113609442A (zh) * | 2021-08-18 | 2021-11-05 | 中冶生态环保集团有限公司 | 基于响应曲面的Fenton氧化高浓度废水多重因素优化方法 |
CN114477463A (zh) * | 2022-01-28 | 2022-05-13 | 辽宁大学 | 基于响应曲面的绿萝修复铜污染水体的优化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090228516A1 (en) * | 2008-03-10 | 2009-09-10 | The Hong Kong Polytechnic University | Harmful algae indexing (HaiDex) method |
CN104195046B (zh) * | 2014-09-05 | 2018-10-23 | 北京联合大学 | 一种微藻絮凝沉降收获方法 |
CN107988082B (zh) * | 2017-09-20 | 2021-04-02 | 嘉兴学院 | 一种藻菌共生系统培养基的优化方法及其培养基 |
-
2019
- 2019-10-11 CN CN201910964157.9A patent/CN110609978B/zh active Active
Non-Patent Citations (2)
Title |
---|
Box-Behnken响应曲面优化聚丙烯酰胺脱除沼液色度;曹汝坤等;《中国沼气》;20160220(第01期);全文 * |
响应面法优化提取翅果油树种仁油的工艺条件;朱亚红等;《科技导报》;20160128(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110609978A (zh) | 2019-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609978B (zh) | 一种基于响应曲面法的微藻絮凝采收参数优化方法 | |
Zhou et al. | Novel fungal pelletization-assisted technology for algae harvesting and wastewater treatment | |
Gross et al. | Evaluating algal growth performance and water use efficiency of pilot‐scale revolving algal biofilm (RAB) culture systems | |
Ramos Tercero et al. | Cultivation of Chlorella protothecoides with urban wastewater in continuous photobioreactor: biomass productivity and nutrient removal | |
Simeonov | Mathematical modeling and parameters estimation of anaerobic fermentation processes | |
CN103471991B (zh) | 一种基于菌胶团显微图像分析的活性污泥特性确定方法 | |
CN102964043A (zh) | 一种以粪污制备沼气的工艺方法 | |
Hossain et al. | Mathematical modeling of temperature effect on algal growth for biodiesel application | |
Jian et al. | Life cycle analysis on fossil energy ratio of algal biodiesel: effects of nitrogen deficiency and oil extraction technology | |
Sołowski et al. | Rapid hydrogen generation from cotton wastes by mean of dark fermentation | |
CN101131385A (zh) | 褶皱臂尾轮虫微核制备技术 | |
Rodríguez‐Miranda et al. | A seasonal simulation approach for culture depth influence on the temperature for different characterized microalgae strains | |
CN109097283A (zh) | 一种微藻碱性絮凝收获及循环培养的方法 | |
Saito et al. | Comparison of areal productivity of Nannochloropsis oceanica between lab-scale and industrial-scale raceway pond | |
CN105733950A (zh) | 一种收集养殖于猪场废水中小球藻的方法 | |
CN108587916A (zh) | 一种共培养单针藻在中性条件下快速絮凝的方法 | |
CN103757055B (zh) | 一种利用甘氨酸微藻生物絮凝的方法 | |
CN105925487A (zh) | 提高微藻细胞含糖量的培养方法 | |
Tulashie et al. | Large scale production of lipid for biodiesel from green microalgae using wastewater | |
CN213924763U (zh) | 一种微藻培养系统 | |
CN108733985A (zh) | 一种确定制约微藻砷累积能力的关键环境参数的方法 | |
Pons et al. | Biofilm monitoring on rotating discs by image analysis | |
Ye et al. | Application of microbubble air flotation to harvest Microcystis sp. from agriculture wastewater: the regulation and mechanisms | |
CN107099578B (zh) | 一种微量抽测植物悬浮培养细胞液浓度的方法 | |
Dach et al. | Biogas plant exploitation under the low-subsidies market conditions: Maize silage versus biowaste scenarios |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |