CN113393907B - PPCPs类有机污染物降解率预测模型构建方法及装置 - Google Patents

PPCPs类有机污染物降解率预测模型构建方法及装置 Download PDF

Info

Publication number
CN113393907B
CN113393907B CN202110816323.8A CN202110816323A CN113393907B CN 113393907 B CN113393907 B CN 113393907B CN 202110816323 A CN202110816323 A CN 202110816323A CN 113393907 B CN113393907 B CN 113393907B
Authority
CN
China
Prior art keywords
rate
ppcps
degradation rate
organic pollutant
sediment
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
Application number
CN202110816323.8A
Other languages
English (en)
Other versions
CN113393907A (zh
Inventor
石烜
金鹏康
金鑫
许路
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110816323.8A priority Critical patent/CN113393907B/zh
Publication of CN113393907A publication Critical patent/CN113393907A/zh
Application granted granted Critical
Publication of CN113393907B publication Critical patent/CN113393907B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Activated Sludge Processes (AREA)

Abstract

本公开实施例涉及环保技术领域，尤其涉及PPCPs类有机污染物降解率预测模型构建方法、装置、电子设备及计算机可读存储介质。其中所述方法包括：获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率；根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型，相当于在构建PPCPs类有机污染物降解率预测模型时，不仅考虑污水管网中沉积物对PPCPs类有机污染物的吸附作用，也考虑利用微生物对PPCPs类有机污染物的降解作用，从而根据PPCPs类有机污染物的输入速率、沉积物吸附速率与微生物降解速率实现对污水管网中PPCPs类有机污染物降解的预测，提高了PPCPs类有机污染物降解的预测准确率。

Description

PPCPs类有机污染物降解率预测模型构建方法及装置
技术领域
本公开实施例涉及环保技术领域，提供了一种PPCPs类有机污染物降解率预测模型构建方法、装置、电子设备及计算机可读存储介质。
背景技术
药物和个人护理品(Pharmaceutical and Personal Care Products，PPCPs)类有机污染物是一种新型污染物，主要包括各种抗生素、人工合成麝香、止痛药、降压药、发胶以及杀菌剂等，目前，PPCPs的生产和使用量迅速增长，PPCPs被持续不断地输入环境中，尤其是在水环境中，PPCPs及其代谢产物的逐渐上升，严重的影响水环境的质量，进一步危害人体健康，因此，为了降低PPCPs类有机污染物对生态环境以及人体健康的危害，对PPCPs类有机污染物降解率预测具有重要的意义。
在现有技术中，主要是通过设置训练集，确定最优描述符，根据最优描述符构建PPCPs类有机污染物降解率预测模型。
然而，采用现有技术构建PPCPs类有机污染物降解率预测模型过程较为复杂，仅限于污泥中温厌氧消化过程中PPCPs去除过程，无法应用至污水管网中PPCPs降解过程，且预测准确率低。
发明内容
基于此，有必要针对上述技术问题，提供了一种PPCPs类有机污染物降解率预测模型构建方法、装置、电子设备及计算机可读存储。
本公开实施例提供了一种PPCPs类有机污染物降解率预测模型构建方法，所述方法包括：
获取所述PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，所述微生物降解速率是根据对所述PPCPs类有机污染物利用微生物进行降解得到的，所述沉积物吸附速率是根据对所述PPCPs类有机污染物利用沉积物进行吸附得到的；
根据所述PPCPs类有机污染物的输入速率、所述微生物降解速率以及所述沉积物吸附速率构建所述PPCPs类有机污染物降解率预测模型。
在一个实施例中，所述根据所述PPCPs类有机污染物的输入速率、所述微生物降解速率、以及所述沉积物吸附速率构建PPCPs类有机污染物降解率预测模型之前，还包括：
获取所述PPCPs类有机污染物的输入质量、所述PPCPs类有机污染物的输出质量、微生物降解质量以及沉积物吸附质量；
基于所述PPCPs类有机污染物的输入质量、所述PPCPs类有机污染物的输出质量、所述微生物降解质量以及所述沉积物吸附质量构建质量平衡公式；
基于所述质量平衡公式，根据所述PPCPs类有机污染物的输入速率、所述微生物降解速率、以及所述沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
在一个实施例中，所述方法还包括：所述微生物降解速率是根据Cd＝k25c0×θ(T-25)得到的；
其中，k25表示25摄氏度的速率常数；c0表示PPCPs类有机污染物的进水浓度；θ表示温度修正系数，取1.015；T表示污水管中的温度，Cd表示所述微生物降解速率。
在一个实施例中，所述方法还包括：所述沉积物吸附速率是根据
Figure GDA0004101655240000021
得到的；
其中，KF表示弗兰德里希常数；Ce表示PPCPs类有机污染物的平衡质量浓度；n表示PPCPs类有机污染物的平衡质量浓度的浓度指数；t表示时间；m表示沉积物质量，Ca表示所述沉积物吸附速率。
在一个实施例中，所述获取所述PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，包括：
获取所述PPCPs类有机污染物的输入速率；
对所述微生物降解速率以及所述沉积物吸附速率进行参数求解，其中，所述参数包括：所述PPCPs类有机污染物的平衡质量浓度的浓度指数、所述弗兰德里希常数、速率常数；
基于所述参数确定所述微生物降解速率以及所述沉积物吸附速率。
在一个实施例中，所述方法还包括：还包括：
对所述PPCPs类有机污染物降解率预测模型进行评价。
在一个实施例中，所述对所述PPCPs类有机污染物降解率预测模型进行评价，包括：
获取模拟参数，其中，所述模拟参数是根据通过所述PPCPs类有机污染物降解率预测模型得到的；
基于所述模拟参数、污水管网实测参数，对所述PPCPs类有机污染物降解率预测模型进行评价。
本公开实施例提供了一种PPCPs类有机污染物降解率预测模型构建装置，所述装置包括：
获取模块，用于获取所述PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，所述微生物降解速率是根据对所述PPCPs类有机污染物利用微生物进行降解得到的，所述沉积物吸附速率是根据对所述PPCPs类有机污染物利用沉积物进行吸附得到的；
预测模型构建模块，用于根据所述PPCPs类有机污染物的输入速率、所述微生物降解速率以及所述沉积物吸附速率构建所述PPCPs类有机污染物降解率预测模型。
本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本公开任意实施例所提供的一种PPCPs类有机污染物降解率预测模型构建方法的步骤。
本公开实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本公开任意实施例所提供的一种PPCPs类有机污染物降解率预测模型构建方法的步骤。
本公开实施例所提供的PPCPs类有机污染物降解率预测模型构建方法。该方法通过获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，微生物降解速率是根据对PPCPs类有机污染物利用微生物进行降解得到的，沉积物吸附速率是根据对PPCPs类有机污染物利用沉积物进行吸附得到的；根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型，相当于在构建PPCPs类有机污染物降解率预测模型时，不仅考虑污水管网中沉积物对PPCPs类有机污染物的吸附作用，也考虑利用微生物对PPCPs类有机污染物的降解作用，从而根据PPCPs类有机污染物的输入速率、沉积物吸附速率与微生物降解速率实现对污水管网中PPCPs类有机污染物降解的预测，提高了PPCPs类有机污染物降解的预测准确率。
附图说明
图1为本公开实施例提供的一种PPCPs类有机污染物降解率预测模型构建方法流程图；
图2为本公开实施例提供的另一种PPCPs类有机污染物降解率预测模型构建方法流程图；
图3为本公开实施例提供的再一种PPCPs类有机污染物降解率预测模型构建方法流程图；
图4为本公开实施例提供的又一种PPCPs类有机污染物降解率预测模型构建方法流程图；
图5为本公开实施例提供的一种PPCPs类有机污染物降解率预测模型构建装置的结构示意图；
图6为本公开实施例提供的一种电子设备的内部结构图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
在一个实施例中，如图1所示，图1为本公开实施例提供的一种PPCPs类有机污染物降解率预测模型构建方法流程图。本实施例中，该方法包括以下步骤：
S110:获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率。
其中，微生物降解速率是根据对PPCPs类有机污染物利用微生物进行降解得到的，微生物降解是指PPCPs类有机污染物在微生物的作用下，导致PPCPs类有机污染物内部结构发生改变，从而引起其化学和物理性质发生改变，即通过将PPCPs类有机污染物从大分子化合物降解为小分子化合物，最终转化成水和二氧化碳，以此实现对水环境的无害处理，需要说明的是，微生物降解通常发生在生物膜上。沉积物吸附速率是根据对PPCPs类有机污染物利用沉积物进行吸附得到的，沉积物吸附主要分为物理吸附与化学吸附，物理吸附是指PPCPs类有机污染物通过范德华力、色散力、诱导力和氢键等分子间作用力与水体中有机质或颗粒物表面吸附位点相吸附；化学吸附是指PPCPs类有机污染物的分子功能基团如羧酸、醛、胺类与环境中化学物质或有机质发生化学反应形成络合物或螯合物，被吸附在环境中。PPCPs类有机污染物的输入速率是指在污水管网系统中，进入污水管网的PPCPs类有机污染物的速率，示例性的，通过在管口处设置液体流速传感器，当PPCPs类有机污染物流入污水管网时，通过液体流速传感器获取PPCPs类有机污染物的输入速率，但不限于此，本公开不具体限制。
需要说明的是，PPCPs类有机污染物例如可以是磺胺甲恶唑(Sulfamethoxazole，SMX)、咖啡因(Caffeine，CAF)、对乙酰氨基苯酚(4-Acetamino phenol，AAP)、三氯生(Triclosan，TCS)和避蚊胺等，本实施例主要使用以CAF作为典型的PPCPs类有机污染物的污水构建PPCPs类有机污染物降解率预测模型，但不限于此，本公开不具体限制。
具体的，获取PPCPs类有机污染物例如CAF在流入污水管网中的输入速率，以及在流入污水管网中，通过沉积物对PPCPs类有机污染物例如CAF进行吸附时的沉积物吸附速率，通过生物膜上的微生物对PPCPs类有机污染物例如CAF进行降解的微生物降解速率。
示例性的，通过设置对照实验，以CAF作为典型的PPCPs类有机污染物，在相同污水管网中，保持环境温度一致，沉积物质量、污水有效容积均相同，通过设置对污水管壁进行灭菌操作与不灭菌操作，即对污水管壁进行灭菌操作后，在污水管网中对以CAF作为典型的PPCPs类有机污染物只进行沉积物吸附作用，在对污水管壁不进行灭菌操作时，在污水管网中对以CAF作为典型的PPCPs类有机污染物进行沉积物吸附作用和微生物降解作用，通过该对照实验，以此获取沉积物吸附速率与微生物降解速率，但不限于此，本公开不具体限制。
S120:根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
具体的，根据获取得到的PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，构建PPCPs类有机污染物降解率预测模型。
示例性的，本实例中PPCPs类有机污染物降解率预测模型例如可以通过基于PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率进行数学建模，构建PPCPs类有机污染物降解率预测模型为：PPCPs类有机污染物的输出速率等于PPCPs类有机污染物的输入速率减去微生物降解速率以及沉积物吸附速率，但不限于此，本公开不具体限制。
本公开实施例提供的技术方案中，通过获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，微生物降解速率是根据对PPCPs类有机污染物利用微生物进行降解得到的，沉积物吸附速率是根据对PPCPs类有机污染物利用沉积物进行吸附得到的；根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型，相当于在构建PPCPs类有机污染物降解率预测模型时，不仅考虑污水管网中沉积物对PPCPs类有机污染物的吸附作用，也考虑利用微生物对PPCPs类有机污染物的降解作用，从而根据PPCPs类有机污染物的输入速率、沉积物吸附速率与微生物降解速率实现对污水管网中PPCPs类有机污染物降解的预测，提高了PPCPs类有机污染物降解的预测准确率。
图2为本公开实施例提供的另一种PPCPs类有机污染物降解率预测模型构建方法流程图，图2是在图1的基础上，进一步地，在S120之前还包括：
S111：获取PPCPs类有机污染物的输入质量、PPCPs类有机污染物的输出质量、微生物降解质量以及沉积物吸附质量。
其中，PPCPs类有机污染物的输入质量是指在污水管网系统中，流入污水管网的PPCPs类有机污染物的质量；PPCPs类有机污染物的输出质量是指在污水管网中经过沉积物吸附作用以及微生物降解作用后流出污水管网的质量，也就是指，在污水管网中，流入的PPCPs类有机污染物经过降解操作之后，去除了部分PPCPs类有机污染物例如CAF污染物之后的质量。微生物降解质量是指在污水管网利用污水管壁上的生物膜对PPCPs类有机污染物进行降解操作之后，微生物降解的PPCPs类有机污染物的质量。沉积物吸附质量是指在污水管网利用沉积物对膜对PPCPs类有机污染物进行吸附操作之后，沉积物吸附的PPCPs类有机污染物的质量。
具体的，在污水管网系统中，获取流入污水管网中的PPCPs类有机污染物的质量，在污水管网中的利用微生物进行降解操作的微生物降解质量及利用沉积物进行吸附操作的沉积物吸附质量，以及经过微生物降解操作与沉积物吸附操作之后流出污水管网中的PPCPs类有机污染物的质量。
示例性的，可通过设置对比实验获取微生物降解质量以及沉积物吸附质量，具体描述参考上述实施例中S110，此处不再赘述。
S112：基于PPCPs类有机污染物的输入质量、PPCPs类有机污染物的输出质量、微生物降解质量以及沉积物吸附质量构建质量平衡公式。
其中，质量平衡公式是指对输入与输出系统的两个数或数个质量流中各质量的质量平衡计算，能够将反应过程中未知或难以计量的物质质量做出定量，质量平衡的基础核心概念就是质量守恒定律，即物质无法自发的被创造或消耗。
具体的，通过获取得到的流入污水管网中的PPCPs类有机污染物的输入质量，经过沉积物吸附操作与微生物降解操作之后流出污水管网中的PPCPs类有机污染物的输出质量，以及在污水管网中进行沉积物吸附操作的沉积物吸附质量和微生物降解操作的微生物降解质量，构建质量平衡公式。
示例性的，PPCPs类有机污染物的输入质量为PPCPs类有机污染物的输出质量、微生物降解质量以及沉积物吸附质量的三者之和，基于该质量平衡公式，根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
这样，本实施例通过获取污水管网系统中流入污水管网中的PPCPs类有机污染物的输入质量，经过沉积物吸附操作与微生物降解操作之后流出污水管网中的PPCPs类有机污染物的输出质量，以及在污水管网中进行沉积物吸附操作的沉积物吸附质量和微生物降解操作的微生物降解质量，构建质量平衡公式，基于该质量平衡公式，构建PPCPs类有机污染物降解率预测模型，以此保证污水管网系统的平衡性，避免在沉积物对PPCPs类有机污染物进行吸附操作以及微生物对PPCPs类有机污染物进行降解操作过程中，因其它物理变化例如挥发作用、以及化学作用而引入误差，提高了PPCPs类有机污染物降解率预测模型的准确率。
在上述实施例的基础上，示例性的，微生物降解速率是根据Cd＝k25c0×θ(T-25)得到的。
其中，k25表示25摄氏度的速率常数；c0表示PPCPs类有机污染物的进水浓度；θ表示温度修正系数，取1.015；T表示污水管中的温度，Cd表示所述微生物降解速率。
需要说明的是，微生物降解速率是利用莫诺方程进一步优化得到的，其中，莫诺方程是用来描述微生物比增值速度与有机物底物浓度之间的函数关系，微生物比增值速度与单一限制性底物浓度存在如下函数关系：
Figure GDA0004101655240000091
其中，μ表示微生物的比增值速度，即单位生物量的增长速度；μmax表示微生物最大比增值速度；Ks表示半饱和常数，即当
Figure GDA0004101655240000092
时的底物浓度；S表示单一限制性底物浓度。
进一步的，当莫诺方程满足在低浓度底物条件下时，即单一限制性底物浓度S远小于半饱和常数Ks，莫诺方程可简化为：
Figure GDA0004101655240000093
此时莫诺方程遵循伪一级动力学方程，污水管网中PPCPs类有机污染物符合低浓度底物条件，以此对简化后的莫诺方程进行变形优化获取微生物降解速率：
Figure GDA0004101655240000101
其中，Cmax表示最大微生物降解速率；c表示底物浓度；k表示半饱和速率常数，又因为
Figure GDA0004101655240000102
即通过对上述等式两边同时不定积分后得到：
lnc＝lnc0-k0t
其中，k0表示反应速率常数；c表示时间为t时PPCPs类有机污染物浓度；c0表示PPCPs类有机污染物的输入浓度。
在上述实施例基础上，由于污水管网中温度是影响微生物对PPCPs类有机污染物进行降解作用的关键因素，因此利用温度修正方程进一步对微生物降解速率修正，从而获取微生物降解速率。
在上述各实施例基础上，本公开的一些实施例中，沉积物吸附速率是根据
Figure GDA0004101655240000103
得到的。
其中，KF表示弗兰德里希常数；Ce表示PPCPs类有机污染物的平衡质量浓度；n表示PPCPs类有机污染物的平衡质量浓度的浓度指数；t表示时间；m表示沉积物质量，Ca表示所述沉积物吸附速率。
需要说明的是，沉积物吸附速率利用弗兰德里希等温吸附方程进一步优化得到的，弗兰德里希等温吸附方程满足如下函数关系：
Qe＝KFCe n
其中，Qe表示沉积物吸附量；
又因为沉积物吸附速率为：
Figure GDA0004101655240000104
进一步的，基于质量守恒原理得到：
C0V1＝CeV1+Qem
其中，C0表示PPCPs类有机污染物的输入浓度；V1表示污水管网的有效容积，即C0＝Ce+kKFCe n，其中，k表示污水管网中质量溶剂比。
示例性的，根据C0＝Ce+kKFCe n，通过PPCPs类有机污染物的输入浓度C0从而获取PPCPs类有机污染物的平衡质量浓度Ce，从而获取沉积物吸附速率。
图3为本公开实施例提供的再一种PPCPs类有机污染物降解率预测模型构建方法流程图；图3是在图2的基础上，进一步地，对S110的一种可能的实现方式的描述，如图3所示：
S100：获取PPCPs类有机污染物的输入速率。具体说明请参阅上述实施例中S110的说明，此处不在赘述。
S101：对微生物降解速率以及沉积物吸附速率进行参数求解。
S102：基于参数确定微生物降解速率以及沉积物吸附速率。
其中，参数包括：PPCPs类有机污染物的平衡质量浓度的浓度指数、弗兰德里希常数、速率常数。
具体的，在污水管网系统中，对微生物降解速率以及沉积物吸附速率所涉及的相关参数进行求解，并根据求解得到的相关参数以此确定污水管网中对PPCPs类有机污染物例如CAF进行降解的微生物降解速率以及对PPCPs类有机污染物例如CAF进行吸附时的沉积物吸附速率。
示例性的，通过设置对比实验，以CAF作为典型的PPCPs类有机污染物，在相同污水管网中，保持环境温度一致，沉积物质量、污水有效容积均相同，其中，该污水管网的管道长度例如可以是32米，管径例如可以是20毫米，此时保证污水管网的的温度为恒温25摄氏度，沉积物质量例如可以是1000千克，污水有效容积例如可以是128升，实验时长例如可以是30天，进一步的，设计对照实验，即通过对污水管壁进行灭菌操作与不灭菌操作的对照实验，对照实验1满足在对污水管壁不进行灭菌操作的条件下，在污水管网中对以CAF作为典型的PPCPs类有机污染物进行沉积物吸附作用和微生物降解作用，对照实验2满足在对污水管壁进行灭菌操作的条件下，在污水管网中对以CAF作为典型的PPCPs类有机污染物只进行沉积物吸附作用。
下表为通过进行对照实验，在实验平衡时得到的污水管网中的相关实验数据：
Figure GDA0004101655240000121
采用拟合软件Origin 2019b根据在实验平衡时得到的数据以及弗兰德里希等温吸附方程进行拟合，得到经过沉积物吸附作用的拟合结果为Qe＝1.378Ce 0.662，即n＝0.662，KF＝1.378，则根据参数弗兰德里希常数以及PPCPs类有机污染物的平衡质量浓度的浓度指数确定沉积物吸附速率为：
Figure GDA0004101655240000122
在上述实施例的基础上，可选的，采用拟合软件Origin 2019b根据在实验平衡时得到的数据进行拟合，得到经过微生物降解作用的拟合结果为Inc＝Inc0-2.8，即k0t＝2.8，实验时长t＝30天，即k0＝0.093d-1，此时对照实验在恒温25摄氏度的条件下进行，即k25＝k0，则根据25摄氏度的速率常数确定微生物降解速率为：
Cd＝0.093c0×1.015(T-25)
这样，本实施例通过对微生物降解速率以及沉积物吸附速率的相关参数进行求解，根据求解得到的参数确定微生物降解速率以及沉积物吸附速率，进一步的基于确定的微生物降解速率以及沉积物吸附速率实现对污水管网中PPCPs类有机污染物降解的预测，提高了PPCPs类有机污染物降解的预测准确率，且通过设置对照实验并通过拟合软件求解微生物降解速率以及沉积物吸附速率的相关参数，操作过程简单，便于实验人员进行操作。
在上述各实施例的基础上，本公开的一些实施例中，对PPCPs类有机污染物降解率预测模型进行评价。
具体的，图4为本公开实施例提供的另一种PPCPs类有机污染物降解率预测模型构建方法流程图，进一步地，对PPCPs类有机污染物降解率预测模型进行评价的一种可能的实现方式的描述，如图4所示：
S131：获取模拟参数。
S132：基于模拟参数、污水管网实测参数，对PPCPs类有机污染物降解率预测模型进行评价。
其中，模拟参数是根据通过PPCPs类有机污染物降解率预测模型得到的。
具体的，通过获取利用PPCPs类有机污染物降解率预测模型预测得到的模拟参数，该模拟参数例如是对PPCPs类有机污染物降解率的预测值，与测得污水管网的实际参数，一示例的，通过在污水管网出口设置液体流速传感器，以此获取流出污水管网的PPCPs类有机污染物的输出速率，根据模拟参数与污水管网的实际参数，进一步的对PPCPs类有机污染物降解率预测模型进行评价。
需要说明的是，本实施例中通过采用误差分析的方式评价PPCPs类有机污染物降解率预测模型的准确率，示例性的，误差分析是通过PPCPs类有机污染物降解率预测模型的降解率与污水管网的实测降解率之差，将该两者之差利用灰色误差预测等级进行判断，其中，灰色误差预测等级有四级，差值大于等于0.95为一等级，差值大于等于0.8为二等级，差值大于等于0.7为三等级，差值大于等于0.6为四等级，若满足二级以上即为合格，但不限于此，本公开不具体限制。
这样，本实施例通过采用客观评价的方式，即误差分析的方式对PPCPs类有机污染物降解率预测模型进行评价，能够精确的获取根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型的准确率。
应该理解的是，虽然图1-图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本公开实施例提供了一种药物和个人护理品PPCPs类有机污染物降解率预测模型构建装置，用于执行上述实施例提提供的任一种PPCPs类有机污染物降解率预测模型构建方法，具备PPCPs类有机污染物降解率预测模型构建方法相应的有益效果。
图5为本公开实施例提供的一种PPCPs类有机污染物降解率预测模型构建装置的结构示意图，如图5所示，PPCPs类有机污染物降解率预测模型构建装置包括：获取模块110和预测模型构建模块120。
其中，获取模块110用于获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，微生物降解速率是根据对PPCPs类有机污染物利用微生物进行降解得到的，沉积物吸附速率是根据对PPCPs类有机污染物利用沉积物进行吸附得到的。
预测模型构建模块120用于根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
在本公开实施例一实施方式中，获取模块110还用于获取PPCPs类有机污染物的输入质量、PPCPs类有机污染物的输出质量、微生物降解质量以及沉积物吸附质量。获取模块110还包括质量平衡公式构建模块，用于基于PPCPs类有机污染物的输入质量、PPCPs类有机污染物的输出质量、微生物降解质量以及沉积物吸附质量构建质量平衡公式。预测模型构建模块120还用于基于质量平衡公式，根据PPCPs类有机污染物的输入速率、微生物降解速率、以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
在本公开实施例一实施方式中，微生物降解速率是根据Cd＝k25c0×θ(T-25)得到的。
其中，k25表示25摄氏度的速率常数；c0表示PPCPs类有机污染物的进水浓度；θ表示温度修正系数，取1.015；T表示污水管中的温度，Cd表示微生物降解速率。
在本公开实施例一实施方式中，沉积物吸附速率是根据
Figure GDA0004101655240000151
得到的。
其中，KF表示弗兰德里希常数；Ce表示PPCPs类有机污染物的平衡质量浓度；n表示PPCPs类有机污染物的平衡质量浓度的浓度指数；t表示时间；m表示沉积物质量，Ca表示沉积物吸附速率。
在本公开实施例一实施方式中，获取模块110还用于获取PPCPs类有机污染物的输入速率；对微生物降解速率以及沉积物吸附速率进行参数求解，其中，参数包括：PPCPs类有机污染物的平衡质量浓度的浓度指数、弗兰德里希常数、速率常数；基于参数确定微生物降解速率以及沉积物吸附速率。
在本公开实施例一实施方式中，预测模型构建模块120还包括模型评价模块，用于对PPCPs类有机污染物降解率预测模型进行评价。
在本公开实施例一实施方式中，模型评价模块还用于获取模拟参数，其中，模拟参数是根据通过PPCPs类有机污染物降解率预测模型得到的；基于模拟参数、污水管网实测参数，对PPCPs类有机污染物降解率预测模型进行评价。
本公开实施例提供的技术方案中，通过获取模块110获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，微生物降解速率是根据对PPCPs类有机污染物利用微生物进行降解得到的，沉积物吸附速率是根据对PPCPs类有机污染物利用沉积物进行吸附得到的。预测模型构建模块120根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型，相当于在构建PPCPs类有机污染物降解率预测模型时，不仅考虑污水管网中沉积物对PPCPs类有机污染物的吸附作用，也考虑利用微生物对PPCPs类有机污染物的降解作用，从而根据PPCPs类有机污染物的输入速率、沉积物吸附速率与微生物降解速率实现对污水管网中PPCPs类有机污染物降解的预测，提高了PPCPs类有机污染物降解的预测准确率。
关于PPCPs类有机污染物降解率预测模型构建装置的具体限定可以参见上文中对于PPCPs类有机污染物降解率预测模型构建方法的限定，在此不再赘述。上述PPCPs类有机污染物降解率预测模型构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种电子设备，其内部结构图可以如图6所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的电子设备进行有线或无线方式的通信，无线方式可通过WiFi、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种PPCPs类有机污染物降解率预测模型构建方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的PPCPs类有机污染物降解率预测模型构建装置可以实现为一种计算机程序的形式，计算机程序可在如图6所示的电子设备运行。电子设备的存储器中可存储组成该药物和个人护理品PPCPs类有机污染物降解率预测模型构建装置的各个程序模块，比如，图5所示的获取模块110和预测模型构建模块120，各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的药物和个人护理品PPCPs类有机污染物降解率预测模型构建方法中的步骤。
例如，图6所示的电子设备可以通过如图5所示的药物和个人护理品PPCPs类有机污染物降解率预测模型构建的获取模块110执行S110、预测模型构建模块120执行S120。
本公开实施例提供了一种电子设备，包括处理器以及存储器，存储器用于存储所述处理器的可执行指令。该处理器执行计算机程序时实现以下步骤：获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，微生物降解速率是根据对PPCPs类有机污染物利用微生物进行降解得到的，沉积物吸附速率是根据对PPCPs类有机污染物利用沉积物进行吸附得到的；根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取PPCPs类有机污染物的输入质量、PPCPs类有机污染物的输出质量、微生物降解质量以及沉积物吸附质量；基于PPCPs类有机污染物的输入质量、PPCPs类有机污染物的输出质量、微生物降解质量以及所述沉积物吸附质量构建质量平衡公式；基于质量平衡公式，根据PPCPs类有机污染物的输入速率、微生物降解速率、以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：微生物降解速率是根据Cd＝k25c0×θ(T-25)得到的；其中，k25表示25摄氏度的速率常数；c0表示PPCPs类有机污染物的进水浓度；θ表示温度修正系数，取1.015；T表示污水管中的温度，Cd表示所述微生物降解速率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：沉积物吸附速率是根据
Figure GDA0004101655240000181
得到的；
其中，KF表示弗兰德里希常数；Ce表示PPCPs类有机污染物的平衡质量浓度；n表示PPCPs类有机污染物的平衡质量浓度的浓度指数；t表示时间；m表示沉积物质量，Ca表示所述沉积物吸附速率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取PPCPs类有机污染物的输入速率；对微生物降解速率以及沉积物吸附速率进行参数求解，其中，参数包括：PPCPs类有机污染物的平衡质量浓度的浓度指数、弗兰德里希常数、速率常数；基于参数确定微生物降解速率以及沉积物吸附速率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对PPCPs类有机污染物降解率预测模型进行评价。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取模拟参数，其中，模拟参数是根据通过所述PPCPs类有机污染物降解率预测模型得到的；基于模拟参数、污水管网实测参数，对PPCPs类有机污染物降解率预测模型进行评价。
本公开实施例提供的技术方案中，通过获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，微生物降解速率是根据对PPCPs类有机污染物利用微生物进行降解得到的，沉积物吸附速率是根据对PPCPs类有机污染物利用沉积物进行吸附得到的；根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型，相当于在构建PPCPs类有机污染物降解率预测模型时，不仅考虑污水管网中沉积物对PPCPs类有机污染物的吸附作用，也考虑利用微生物对PPCPs类有机污染物的降解作用，从而根据PPCPs类有机污染物的输入速率、沉积物吸附速率与微生物降解速率实现对污水管网中PPCPs类有机污染物降解的预测，提高了PPCPs类有机污染物降解的预测准确率。
本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，微生物降解速率是根据对PPCPs类有机污染物利用微生物进行降解得到的，沉积物吸附速率是根据对PPCPs类有机污染物利用沉积物进行吸附得到的；根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取PPCPs类有机污染物的输入质量、PPCPs类有机污染物的输出质量、微生物降解质量以及沉积物吸附质量；基于PPCPs类有机污染物的输入质量、PPCPs类有机污染物的输出质量、微生物降解质量以及所述沉积物吸附质量构建质量平衡公式；基于质量平衡公式，根据PPCPs类有机污染物的输入速率、微生物降解速率、以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：微生物降解速率是根据Cd＝k25c0×θ(T-25)得到的；其中，k25表示25摄氏度的速率常数；c0表示PPCPs类有机污染物的进水浓度；θ表示温度修正系数，取1.015；T表示污水管中的温度，Cd表示所述微生物降解速率。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：沉积物吸附速率是根据
Figure GDA0004101655240000201
得到的。
其中，KF表示弗兰德里希常数；Ce表示PPCPs类有机污染物的平衡质量浓度；n表示PPCPs类有机污染物的平衡质量浓度的浓度指数；t表示时间；m表示沉积物质量，Ca表示所述沉积物吸附速率。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取PPCPs类有机污染物的输入速率；对微生物降解速率以及沉积物吸附速率进行参数求解，其中，参数包括：PPCPs类有机污染物的平衡质量浓度的浓度指数、弗兰德里希常数、速率常数；基于参数确定微生物降解速率以及沉积物吸附速率。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：对PPCPs类有机污染物降解率预测模型进行评价。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取模拟参数，其中，模拟参数是根据通过PPCPs类有机污染物降解率预测模型得到的；基于模拟参数、污水管网实测参数，对PPCPs类有机污染物降解率预测模型进行评价。
本公开实施例提供的技术方案中，通过获取PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，微生物降解速率是根据对PPCPs类有机污染物利用微生物进行降解得到的，沉积物吸附速率是根据对PPCPs类有机污染物利用沉积物进行吸附得到的；根据PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率构建PPCPs类有机污染物降解率预测模型，相当于在构建PPCPs类有机污染物降解率预测模型时，不仅考虑污水管网中沉积物对PPCPs类有机污染物的吸附作用，也考虑利用微生物对PPCPs类有机污染物的降解作用，从而根据PPCPs类有机污染物的输入速率、沉积物吸附速率与微生物降解速率实现对污水管网中PPCPs类有机污染物降解的预测，提高了PPCPs类有机污染物降解的预测准确率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，比如静态随机存取存储器(Static Random Access Memory，SRAM)和动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种药物和个人护理品PPCPs类有机污染物降解率预测模型构建方法，其特征在于，包括：
获取所述PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，所述微生物降解速率是根据对所述PPCPs类有机污染物利用微生物进行降解得到的，所述沉积物吸附速率是根据对所述PPCPs类有机污染物利用沉积物进行吸附得到的；
根据所述PPCPs类有机污染物的输入速率、所述微生物降解速率以及所述沉积物吸附速率构建所述PPCPs类有机污染物降解率预测模型；
所述获取所述PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，包括：
获取所述PPCPs类有机污染物的输入速率；
对所述微生物降解速率以及所述沉积物吸附速率进行参数求解，其中，所述参数包括：所述PPCPs类有机污染物的平衡质量浓度的浓度指数、弗兰德里希常数、速率常数；
基于所述参数确定所述微生物降解速率以及所述沉积物吸附速率。
2.根据权利要求1所述的方法，其特征在于，所述根据所述PPCPs类有机污染物的输入速率、所述微生物降解速率、以及所述沉积物吸附速率构建PPCPs类有机污染物降解率预测模型之前，还包括：
获取所述PPCPs类有机污染物的输入质量、所述PPCPs类有机污染物的输出质量、微生物降解质量以及沉积物吸附质量；
基于所述PPCPs类有机污染物的输入质量、所述PPCPs类有机污染物的输出质量、所述微生物降解质量以及所述沉积物吸附质量构建质量平衡公式；
基于所述质量平衡公式，根据所述PPCPs类有机污染物的输入速率、所述微生物降解速率、以及所述沉积物吸附速率构建PPCPs类有机污染物降解率预测模型。
3.根据权利要求1所述的方法，其特征在于，所述微生物降解速率是根据Cd＝25c0×θ(T-25)得到的；
其中，k25表示25摄氏度的速率常数；c0表示PPCPs类有机污染物的进水浓度；θ表示温度修正系数，取1.015；T表示污水管中的温度，Cd表示所述微生物降解速率。
4.根据权利要求1所述的方法，其特征在于，所述沉积物吸附速率是根据
Figure FDA0004111525760000021
得到的；
其中，KF表示弗兰德里希常数；Ce表示PPCPs类有机污染物的平衡质量浓度；n表示PPCPs类有机污染物的平衡质量浓度的浓度指数；t表示时间；m表示沉积物质量，Ca表示所述沉积物吸附速率。
5.根据权利要求1-4任一项所述的方法，其特征在于，还包括：
对所述PPCPs类有机污染物降解率预测模型进行评价。
6.根据权利要求5所述的方法，其特征在于，所述对所述PPCPs类有机污染物降解率预测模型进行评价，包括：
获取模拟参数，其中，所述模拟参数是根据通过所述PPCPs类有机污染物降解率预测模型得到的；
基于所述模拟参数、污水管网实测参数，对所述PPCPs类有机污染物降解率预测模型进行评价。
7.一种药物和个人护理品PPCPs类有机污染物降解率预测模型构建装置，其特征在于，包括：
获取模块，用于获取所述PPCPs类有机污染物的输入速率、微生物降解速率以及沉积物吸附速率，其中，所述微生物降解速率是根据对所述PPCPs类有机污染物利用微生物进行降解得到的，所述沉积物吸附速率是根据对所述PPCPs类有机污染物利用沉积物进行吸附得到的；获取所述PPCPs类有机污染物的输入速率；对所述微生物降解速率以及所述沉积物吸附速率进行参数求解，其中，所述参数包括：所述PPCPs类有机污染物的平衡质量浓度的浓度指数、弗兰德里希常数、速率常数；基于所述参数确定所述微生物降解速率以及所述沉积物吸附速率；预测模型构建模块，用于根据所述PPCPs类有机污染物的输入速率、所述微生物降解速率以及所述沉积物吸附速率构建所述PPCPs类有机污染物降解率预测模型。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
CN202110816323.8A 2021-07-20 2021-07-20 PPCPs类有机污染物降解率预测模型构建方法及装置 Active CN113393907B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110816323.8A CN113393907B (zh) 2021-07-20 2021-07-20 PPCPs类有机污染物降解率预测模型构建方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110816323.8A CN113393907B (zh) 2021-07-20 2021-07-20 PPCPs类有机污染物降解率预测模型构建方法及装置

Publications (2)

Publication Number Publication Date
CN113393907A CN113393907A (zh) 2021-09-14
CN113393907B true CN113393907B (zh) 2023-05-02

Family

ID=77626531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110816323.8A Active CN113393907B (zh) 2021-07-20 2021-07-20 PPCPs类有机污染物降解率预测模型构建方法及装置

Country Status (1)

Country Link
CN (1) CN113393907B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110244016A (zh) * 2019-07-16 2019-09-17 中国矿业大学(北京) 有机污染物降解速率的测定方法和设备

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4513099B2 (ja) * 2005-03-31 2010-07-28 国立大学法人豊橋技術科学大学 微生物の汚染物質分解能力測定方法
CN101391840A (zh) * 2008-11-17 2009-03-25 北京师范大学 一种生态湿地的人工土壤构建方法
KR20170006045A (ko) * 2015-07-07 2017-01-17 한국과학기술연구원 흡착제 및 유기오염물질 분해미생물이 담지된 비드 및 그 제조방법
CN109298002B (zh) * 2018-07-24 2020-10-20 大连理工大学 一种过硫酸钠修复石油烃污染土壤降解率的预测方法
CN109187517B (zh) * 2018-07-27 2020-10-20 大连理工大学 一种沼渣还田土壤中氯代酰胺类农药降解率的预测方法
CN110170142B (zh) * 2019-05-06 2020-10-09 生态环境部华南环境科学研究所 一种用于降解农田土壤中有机氯的方法
CN110451661B (zh) * 2019-09-12 2021-07-30 南京大学 一种污水中微生物类溶解性有机氮的预测模型及其应用
CN111310299B (zh) * 2019-12-24 2024-03-19 生态环境部南京环境科学研究所 PPCPs类有机污染物废水中臭氧消解速率预测模型构建方法
CN112397137B (zh) * 2020-10-28 2024-02-09 南京大学 污水中有机微污染物浓度变化规律的预测模型及预测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110244016A (zh) * 2019-07-16 2019-09-17 中国矿业大学(北京) 有机污染物降解速率的测定方法和设备

Also Published As

Publication number Publication date
CN113393907A (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
Jayathilake et al. A mechanistic Individual-based Model of microbial communities
Liu et al. Long-term nitrogen addition affects the phylogenetic turnover of soil microbial community responding to moisture pulse
Chapra Surface water-quality modeling
Pérez et al. Modeling biofilm and floc diffusion processes based on analytical solution of reaction-diffusion equations
Martins et al. Three-dimensional dual-morphotype species modeling of activated sludge flocs
Yuan et al. Numerical models of subsurface flow constructed wetlands: review and future development
Caniani et al. Towards a new decision support system for design, management and operation of wastewater treatment plants for the reduction of greenhouse gases emission
Helbling et al. A framework for establishing predictive relationships between specific bacterial 16S rRNA sequence abundances and biotransformation rates
Liu et al. Evaluating alternate biokinetic models for trace pollutant cometabolism
van den Berg et al. How to measure diffusion coefficients in biofilms: A critical analysis
Connolly et al. Estimation of a biofilm-specific reaction rate: kinetics of bacterial urea hydrolysis in a biofilm
Zuluaga-Bedoya et al. A dynamical model of an aeration plant for wastewater treatment using a phenomenological based semi-physical modeling methodology
Nguyen et al. Biofilm viscoelasticity and nutrient source location control biofilm growth rate, migration rate, and morphology in shear flow
Verduzco Garibay et al. Characterization of the spatial variation of microbial communities in a decentralized subtropical wastewater treatment plant using passive methods
Jabłoński et al. Mathematical modelling of methanogenic reactor start-up: Importance of volatile fatty acids degrading population
Chen et al. Influences of longitudinal heterogeneity on nitrous oxide production from membrane-aerated biofilm reactor: a modeling perspective
San-Valero et al. Dynamic mathematical modelling of the removal of hydrophilic VOCs by biotrickling filters
CN113393907B (zh) PPCPs类有机污染物降解率预测模型构建方法及装置
Horciu et al. Brilliant red he-3b dye biosorption by immobilized residual consortium bacillus sp. biomass: Fixed-bed column studies
Bürger et al. A model of reactive settling of activated sludge: Comparison with experimental data
Ji et al. Influence of Particle Size of River Sand on the Decontamination Process in the Slow Sand Filter Treatment of Micro-Polluted Water
Gazsó et al. Full-scale wastewater treatment plant simulation for real-time optimization
Skoneczny et al. Modeling of continuous-flow bioreactors with a biofilm with the use of orthogonal collocation on finite elements
McCormick An artificial neural network for simulation of an upflow anaerobic filter wastewater treatment process
Peterson et al. Parametric studies of metabolic cooperativity in Escherichia coli colonies: strain and geometric confinement effects

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