CN114031147B - 利用波裂解纳米材料提升水质的方法及系统 - Google Patents

利用波裂解纳米材料提升水质的方法及系统 Download PDF

Info

Publication number
CN114031147B
CN114031147B CN202111286551.5A CN202111286551A CN114031147B CN 114031147 B CN114031147 B CN 114031147B CN 202111286551 A CN202111286551 A CN 202111286551A CN 114031147 B CN114031147 B CN 114031147B
Authority
CN
China
Prior art keywords
water quality
ammonia nitrogen
water
content
central processing
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
CN202111286551.5A
Other languages
English (en)
Other versions
CN114031147A (zh
Inventor
孙明慧
赵迪欧
尹君
荚长军
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.)
Aerospace Environmental Protection Beijing Co ltd
Original Assignee
Aerospace Environmental Protection Beijing Co ltd
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 Aerospace Environmental Protection Beijing Co ltd filed Critical Aerospace Environmental Protection Beijing Co ltd
Priority to CN202111286551.5A priority Critical patent/CN114031147B/zh
Publication of CN114031147A publication Critical patent/CN114031147A/zh
Application granted granted Critical
Publication of CN114031147B publication Critical patent/CN114031147B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F1/28—Treatment of water, waste water, or sewage by sorption
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F1/58—Treatment of water, waste water, or sewage by removing specified dissolved compounds
    • C02F1/586—Treatment of water, waste water, or sewage by removing specified dissolved compounds by removing ammoniacal nitrogen
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F7/00—Aeration of stretches of water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2101/00—Nature of the contaminant
    • C02F2101/10—Inorganic compounds
    • C02F2101/16—Nitrogen compounds, e.g. ammonia
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
    • C02F2103/007—Contaminated open waterways, rivers, lakes or ponds
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/10—Solids, e.g. total solids [TS], total suspended solids [TSS] or volatile solids [VS]
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00—Controlling or monitoring parameters in water treatment
    • C02F2209/14—NH3-N
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W10/00—Technologies for wastewater treatment
    • Y02W10/10—Biological treatment of water, waste water, or sewage

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • General Physics & Mathematics (AREA)
  • Organic Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
  • Water Treatment By Sorption (AREA)
  • Physical Water Treatments (AREA)

Abstract

本发明公开了利用波裂解纳米材料提升水质的方法及系统，涉及环保技术领域。本发明之方法包括河道上设置截流墙，距截流墙上流河段一段距离处获取水质参数数据，所述水质参数数据包括氨氮含量以及悬浮物含量，传输至中央处理器根据河道水流速度，对每一相同时段的两组水质参数数据进行分析，预测水体扩散至截流墙时的水质参数数据，将每一时间单位的预测水质参数数据按照时间顺序分别建立氨氮含量以及悬浮物含量的直方图；本发明之系统包括水质探测单元，以及与水质探测单元通信连接的中央处理器，所述中央处理器控制连接有截流单元以及投放单元。本发明通过中央处理器对多时段的水质参数进行分析预测，从而对水质进行大概方向的预测。

Description

利用波裂解纳米材料提升水质的方法及系统
技术领域
本发明属于环保技术领域，特别是涉及利用波裂解纳米材料提升水质的方法及系统。
背景技术
水处理一直是近些年人们一直需要解决的问题，不仅仅是河道湖泊，工厂生产用水，也需要处理之后才能够进行排放，避免对生态环境造成破坏，水处理的方式包括物理处理和化学处理，物理方法利用各种孔径大小不同的滤料，利用吸附或阻隔的方式将水中的杂质排除在外；化学方法利用各种化学药品将水中杂质转化为对人体伤害较小的物质，将杂志去除或者中和；不管是物理还是化学方法，在水处理方面都有一定的局限性，河道的水中不仅含有大量杂质以及悬浮物，水体中的氨氮含量有可能因为微生物爆发而失常，因此需要二者结合起来进行水处理作业，使得水质环境得以提升。
纳米材料做滤料制造纳米生物滤池。纳米材料作为微型物理、化学、生物反应器，对氨氮、总磷、cod及重金属等水中污染物，有很强的离子交换、吸附和消化能力，使污染物无害化，水质净化；陶粒滤料的总体性能在现有市场上已经有着不错的表现，但通过比较发现，新型波裂解纳米滤料的比表面积最大是其500倍左右是其石英砂的2000倍，孔隙率也远超陶粒滤料，因此，波裂解纳米滤料在处理垃圾渗滤液及黑臭水体能力上有着其他填料无法与之竞争的优势。
目前的河道水质提升方法大多还是在河道内建立相应的水处理装置，对整个水体进行物理和化学方面的改造，在解决水中氨氮等含量超标失常这一问题时，常用养殖水生植物的方式来解决，虽然能够使得氨氮含量逐渐降低，但是远远达不到应有的正常标准，且得不到相应的控制；河道内每间隔一段距离都需要设置曝气装置，以此来增加水体的氧含量，这种依河道来铺设的曝气装置成本较高；并且水体的水质情况得不到有效的检测以及预测，水体发生变化时，得不到有效的处理。
现有的水质提升方法及系统在处理水中氨氮含量时不能够对其进行精确的控制，并且水质处理所建造的设备成本过高，得不到广泛使用，水体的水质情况也不能提前进行预测，为此我们提出利用波裂解纳米材料提升水质的方法及系统。
发明内容
本发明的目的在于提供利用波裂解纳米材料提升水质的方法及系统，解决现有的水质提升方法及系统在处理水中氨氮含量时不能够对其进行精确的控制，并且水质处理所建造的设备成本过高，得不到广泛使用，水体的水质情况也不能提前进行预测的问题。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明为利用波裂解纳米材料提升水质的方法，包括以下步骤：
S1：河道上设置截流墙，在距截流墙上流河段一段距离处，设置水质探测器，通过所述水质探测器获取水质参数数据，所述水质参数数据包括氨氮含量以及悬浮物含量，并将所述水质参数数据传输至中央处理器，再根据河道水流速度，对每一相同时段的两组水质参数数据进行分析，预测水体扩散至截流墙时的水质参数数据，将每一时间单位的预测水质参数数据按照时间顺序分别建立氨氮含量以及悬浮物含量的直方图；
S2：中央处理器预设定水质恶化临界阈值，所述临界阈值包括氨氮含量阈值以及悬浮物含量阈值，根据上流水质所预测的水质变化改变截流墙对水流的拦截量，水质参数任意一愈接近阈值则截流量越大，水质参数超过阈值则完全升起截流墙，将河水引流至处理池；所述处理池与河道等宽，在处理池底部两侧铺设形成宽0.5m、高1m的混凝土平面，将曝气设备设置在混凝土平面上，滤料投放至两侧混凝土平面之间的位置，滤料的最大投放量高度不超过1m；
S3：中央处理器控制滤料喷嘴向处理池内部投放波裂解纳米滤料，吸附水中悬浮物，同时启动池底曝气设备进行曝气处理，并根据水质参数自动投放相应比例的氨氮去除剂，降低水中的氨氮含量；
S4：处理完成的水排放至河道下游，获取下流河道水质参数，检测水质参数中氨氮含量以及悬浮物含量是否都低于临界值一部分，若低于临界值则保持原有的投放量，直至水质完全达到阈值标准。
优选的，所述方法还包括以下步骤：
S5：上流河道水质恢复标准时完全降下截流墙，恢复河道水流方向，对S3中处理池中的波裂解纳米滤料进行清洗，池底污泥收集后制成泥砖进行销售。
优选的，所述S1中建立基于LSTM神经网络模型用于预测水体流至截流墙时的水质变化，LSTM神经网络模型分别对氨氮含量数据以及悬浮物含量数据进行预处理，分别得到各自的数据集，再将数据集划分为训练集和测试集，根据训练集训练LSTM神经网络模型，再根据算法对神经网络模型的参数进行优化，再通过LSTM神经网络模型水质参数的预测。
优选的，所述S1中水质预测具体包括以下步骤：
S1.1：每隔十五分钟上流河道的水质探测器在线探测河道水质情况，分别得到悬浮物含量参数以及氨氮含量参数，每隔十五分钟一次检测，一天大约能够检测90次，每一次的检测数据都将其导入LSTM神经网络模型中进行预测；
S1.2：将S1.1中的两组数据分别通过LSTM神经网络模型预测得出距上流水质探测器50m后的水质参数数据，导入水质预测直方图中，得到两组每隔一段时间的水质参数；
S1.3：中央处理器分别提取同一时间端的两组水质参数数据，导入水质预测直方图中；
其中直方图的X轴以时间为单位，Y轴分别以悬浮物含量以及氨氮含量为单位，将每一次预测得到的数据都导入直方图中，形成一条向右延伸的曲线，曲线的一端超过预设的临界阈值即代表需要对水质进行改造净化。
优选的，所述S2中预设的氨氮含量临界阈值为8mg/L，悬浮物含量临界阈值为1700mg/L。
优选的，所述S3中还包括以下具体步骤，建立不同水质参数下的氨氮去除剂投放量以及滤料投放量对应关系表，中央处理器根据对应关系表投放相应比例波裂解纳米滤料和氨氮去除剂。
优选的，所述截流墙的截流量根据水质参数数据分为三档，所述水体内悬浮物含量参数和氨氮含量参数均低于各临界阈值的50％时，截流墙完全放下，水体内悬浮物含量参数和氨氮含量参数任意一超过各临界阈值的50％时，截流墙的截流量为33％，所述水体内悬浮物含量参数和氨氮含量参数任意一超过各临界阈值的75％时，截流墙的截流量为66％，所述水质含量水体内悬浮物含量参数和氨氮含量参数任意一超过各临界阈值100％时，截流墙的截流量为100％；截流墙的截流量与水质恶化情况成反比，水质越恶化，截流量越大，水质愈趋于正常，则截流量越小，截流墙的设置能够将一部分水进行处理，而另一部分水与处理完成的水在下流汇合，若混合后的水达到处理后的标准，则继续排放，若不达标准则需要加大处理池的投放量，这种处理方式，能够减少处理池处理水时的负载，通过处理一部分水来达到整体水质提升的作用，同时也减少了水处理的成本。
优选的，所述下流河道的水质探测器距处理池排放口50m位置，主要对处理过后的水体进行水质监测，每12h对水质监测一次，监测数据反馈至中央处理器，由中央处理器调整波裂解纳米滤料和氨氮去除剂的投放量，50m的距离能够使得处理过后的水与从截流墙流下的水得以充分混合，从而检测时更具有说服力。
优选的，利用波裂解纳米材料提升水质的系统，包括水质探测单元，以及与水质探测单元通信连接的中央处理器，所述中央处理器控制连接有截流单元以及投放单元；
水质探测单元：包括上流水质探测器，所述上流水质探测器对上流未处理的水体进行悬浮物含量以及氨氮含量的检测，并将每一时段的检测结果传输至中央处理器；
中央处理器：通过接收水质探测单元传输的上下流水质参数信息，预测一段距离后的河道水质扩散参数数据，按时间顺序生成上流水体预测水质参数的直方图，根据直方图所预测的水质参数，从而对截流单元以及投放单元下达控制命令；
截流单元：分为三档程度控制截流墙对河道水体的截流量，并将截流的水体引导至处理池内部；
投放单元：包括滤料喷嘴以及氨氮去除剂喷嘴，滤料喷嘴以及氨氮去除剂喷嘴根据中央处理器得到的水体悬浮物含量和氨氮含量，按比例分别投档波裂解纳米滤料以及氨氮去除剂。
优选的，所述系统还包括曝气单元，所述中央处理器与曝气单元控制连接；
曝气单元：河道水源引进处理池后，中央处理器下达曝气命令，对处理池内部水体进行曝气，用于增强水体的氧含量，曝气单元在投下氨氮去除剂后再进行曝气，不仅能够增加水体中的氧含量，还能够使得氨氮去除剂与水的混合更加充分，氨氮去除效果更好。
优选的，所述水质探测单元还包括下流水质探测器，下流水质探测器对下流河道已处理的水体进行悬浮物含量以及氨氮含量的检测，并上传至中央处理器，中央处理器根据水质参数调整投放单元的投放比例。
本发明具有以下有益效果：
1、本发明通过在河道上下流两端均设置水质探测器，水质探测器主要探测水体内部的悬浮物含量以及氨氮含量，上流水质探测器设置于截流墙上流河段一段距离处，通过对水体的检测得到水质参数，根据水的实时流速，通过分析计算预测出水体扩散至截流墙时的水质参数情况，从而能够提前做出应急预案，避免水质扩散受到污染，通过大量时间段对水质的检测，得出的直方图能够直观的看出水质的大致走向，对未来一段时间的水质也有较为清晰的了解；下流水质探测器也同样设置于截流墙下流河段一端距离处，这样方便处理完成的水与透过截流墙流出的水充分混合，这时对水质进行氨氮含量以及悬浮物含量的检测更加具有说服力，对此河段的水质检测能够精确的得出下流河段的水质参数，从而根据此参数来调整处理池内部的投放量，即减少了处理池处理水时的负载，也减少了处理成本。
2、本发明通过在河道一侧设置处理池，而不是在河道内对河道进行大规模的改造建设，从而减少了河道改造的成本，河道中设置一道截流墙，截流墙根据水质恶化的情况升降，水质越恶化，其截流墙对水的截流量越大，将水引流至处理池内部，按水质情况投入波裂解纳米滤料以及氨氮去除剂，从而降低水体中悬浮物含量以及氨氮含量，做到对水质的提升，提升后的水质排放至下流河道，根据下流河道的水质探测器对水质进行监测，是否满足排放标准，若未满足排放标准则通过中央处理器适当加大滤料和氨氮去除剂的投放量，当上流水质逐渐通过生态恢复至正常时，截流墙完全降下，避免对河道生态环境造成影响。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明利用波裂解纳米材料提升水质的方法的流程图；
图2为本发明利用波裂解纳米材料提升水质的方法的S1中具体流程图；
图3为本发明利用波裂解纳米材料提升水质的系统框图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例一：
参阅图1-2，利用波裂解纳米材料提升水质的方法，包括以下步骤：
S1：河道上设置截流墙，在距截流墙上流河段一段距离处，设置水质探测器，通过所述水质探测器获取水质参数数据，所述水质参数数据包括氨氮含量以及悬浮物含量，并将所述水质参数数据传输至中央处理器，再根据河道水流速度，对每一相同时段的两组水质参数数据进行分析，预测水体扩散至截流墙时的水质参数数据，将每一时间单位的预测水质参数数据按照时间顺序分别建立氨氮含量以及悬浮物含量的直方图；
S1中水质预测具体包括以下步骤：
S1.1：每隔十五分钟上流河道的水质探测器在线探测河道水质情况，分别得到悬浮物含量参数以及氨氮含量参数，每隔十五分钟一次检测，一天大约能够检测90次，每一次的检测数据都将其导入LSTM神经网络模型中进行预测；
S1.2：将S1.1中的两组数据分别通过LSTM神经网络模型预测得出距上流水质探测器50m后的水质参数数据，导入水质预测直方图中，得到两组每隔一段时间的水质参数；
S1.3：中央处理器分别提取同一时间端的两组水质参数数据，导入水质预测直方图中；
其中直方图的X轴以时间为单位，Y轴分别以悬浮物含量以及氨氮含量为单位，将每一次预测得到的数据都导入直方图中，形成一条向右延伸的曲线，曲线的一端超过预设的临界阈值即代表需要对水质进行改造净化；
S2：中央处理器预设定水质恶化临界阈值，临界阈值包括氨氮含量阈值以及悬浮物含量阈值，根据上流水质所预测的水质变化改变截流墙对水流的拦截量，水质参数任意一愈接近阈值则截流量越大，水质参数超过阈值则完全升起截流墙，将河水引流至处理池；处理池与河道等宽，在处理池底部两侧铺设形成宽0.5m、高1m的混凝土平面，将曝气设备设置在混凝土平面上，滤料投放至两侧混凝土平面之间的位置，滤料的最大投放量高度不超过1m，预设的氨氮含量临界阈值为8mg/L，悬浮物含量临界阈值为1700mg/L；
S3：中央处理器控制滤料喷嘴向处理池内部投放波裂解纳米滤料，吸附水中悬浮物，同时启动池底曝气设备进行曝气处理，并根据水质参数自动投放相应比例的氨氮去除剂，降低水中的氨氮含量，建立不同水质参数下的氨氮去除剂投放量以及滤料投放量对应关系表，中央处理器根据对应关系表投放相应比例波裂解纳米滤料和氨氮去除剂，如表1所示为投放量对应关系表；
悬浮物含量(mg/L) 850 1050 1250 1450 1700 1900
滤料投入量(t) 0 0.25 0.5 0.75 1 1.25
氨氮含量(mg/L) 4 5 6 7 8 9
氨氮去除剂投加量(ppm) 0 10 20 30 40 50
表1
S4：处理完成的水排放至河道下游，获取下流河道水质参数，检测水质参数中氨氮含量以及悬浮物含量是否都低于临界值一部分，若低于临界值则保持原有的投放量，直至水质完全达到阈值标准，下流河道的水质探测器距处理池排放口50m位置，主要对处理过后的水体进行水质监测，每12h对水质监测一次，监测数据反馈至中央处理器，由中央处理器调整波裂解纳米滤料和氨氮去除剂的投放量，50m的距离能够使得处理过后的水与从截流墙流下的水得以充分混合，从而检测时更具有说服力。
方法还包括以下步骤：
S5：上流河道水质恢复标准时完全降下截流墙，恢复河道水流方向，对S3中处理池中的波裂解纳米滤料进行清洗，池底污泥收集后制成泥砖进行销售。
S1中建立基于LSTM神经网络模型用于预测水体流至截流墙时的水质变化，LSTM神经网络模型分别对氨氮含量数据以及悬浮物含量数据进行预处理，分别得到各自的数据集，再将数据集划分为训练集和测试集，根据训练集训练LSTM神经网络模型，再根据算法对神经网络模型的参数进行优化，再通过LSTM神经网络模型水质参数的预测。
截流墙的截流量根据水质参数数据分为三档，水体内悬浮物含量参数和氨氮含量参数均低于各临界阈值的50％时，截流墙完全放下，水体内悬浮物含量参数和氨氮含量参数任意一超过各临界阈值的50％时，截流墙的截流量为33％，水体内悬浮物含量参数和氨氮含量参数任意一超过各临界阈值的75％时，截流墙的截流量为66％，水质含量水体内悬浮物含量参数和氨氮含量参数任意一超过各临界阈值100％时，截流墙的截流量为100％；截流墙的截流量与水质恶化情况成反比，水质越恶化，截流量越大，水质愈趋于正常，则截流量越小，截流墙的设置能够将一部分水进行处理，而另一部分水与处理完成的水在下流汇合，若混合后的水达到处理后的标准，则继续排放，若不达标准则需要加大处理池的投放量，这种处理方式，能够减少处理池处理水时的负载，通过处理一部分水来达到整体水质提升的作用，同时也减少了水处理的成本。
实施例二：
参阅图3，利用波裂解纳米材料提升水质的系统，包括水质探测单元，以及与水质探测单元通信连接的中央处理器，中央处理器控制连接有截流单元以及投放单元；
水质探测单元：包括上流水质探测器，上流水质探测器对上流未处理的水体进行悬浮物含量以及氨氮含量的检测，并将每一时段的检测结果传输至中央处理器；
中央处理器：通过接收水质探测单元传输的上下流水质参数信息，预测一段距离后的河道水质扩散参数数据，按时间顺序生成上流水体预测水质参数的直方图，根据直方图所预测的水质参数，从而对截流单元以及投放单元下达控制命令；
截流单元：分为三档程度控制截流墙对河道水体的截流量，并将截流的水体引导至处理池内部；
投放单元：包括滤料喷嘴以及氨氮去除剂喷嘴，滤料喷嘴以及氨氮去除剂喷嘴根据中央处理器得到的水体悬浮物含量和氨氮含量，按比例分别投档波裂解纳米滤料以及氨氮去除剂。
系统还包括曝气单元，中央处理器与曝气单元控制连接；
曝气单元：河道水源引进处理池后，中央处理器下达曝气命令，对处理池内部水体进行曝气，用于增强水体的氧含量，曝气单元在投下氨氮去除剂后再进行曝气，不仅能够增加水体中的氧含量，还能够使得氨氮去除剂与水的混合更加充分，氨氮去除效果更好。
水质探测单元还包括下流水质探测器，下流水质探测器对下流河道已处理的水体进行悬浮物含量以及氨氮含量的检测，并上传至中央处理器，中央处理器根据水质参数调整投放单元的投放比例。
实施例三：
本发明的工作原理为：在河道某一段设置截流墙，以保证截流墙完全升起能够截流河道所有水流，并在河道一侧临近截流墙位置开槽建设与河道等宽的处理池，处理池长度不超过15m，处理池的底部两侧通过混凝土砌筑宽0.5m、高1m的平面，并将曝气设备平铺设置在平面上，处理池上方设置滤料喷嘴和氨氮去除剂喷嘴，并在处理池周围设置滤料仓以及氨氮去除剂仓，距截流墙上端河道50m处的位置设置上流水质探测器，此距离可以调整，在50m的距离上每增加10m其监测时间间隔增加5分钟，上流水质探测器对水体中的氨氮含量以及悬浮物含量进行检测，并将检测数据传输给中央处理器，中央处理器根据水流实时速度以及上流水质探测器距截流墙距离建立预测模型，并预测水体扩散至截流墙附近时水质参数情况，并将每一时段的预测参数情况收集建立预测直方图，中央处理根据预先设置的水质恶化临界阈值，判断水体扩散到截流墙时是否产生污染影响水质，从而控制截流单元的截流墙升起，进行截流，并将截流的水引导至处理池中，根据水质参数控制投放单元分别按比例投放波裂解纳米滤料以及氨氮去除剂，随后控制曝气单元启动曝气设备对水体曝气，增加氧含量的同时加快氨氮去除剂的扩散，水处理完成后排放至截流墙以下的下流河道，距离截流墙下流50m的距离设置的下流水质探测器对处理完成的水体进行检测，以判断水处理是否达到标准，未达到标准则通过中央处理器加大投放单元的投放量，直至完全达到排放标准；具体水质探测器设置距离与检测时间间隔关系表如表2所示。
上流水质探测器设置距离(m) 50 60 70 80 90 100
检测时间间隔(min) 15 20 25 30 35 40
下流水质探测器设置距离(m) 50 60 70 80 90 100
检测时间间隔(min) 12 14 16 18 20 22
表2
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.利用波裂解纳米材料提升水质的方法，其特征在于，包括以下步骤：
S1：河道上设置截流墙，在距截流墙上流河段一端距离处，设置水质探测器，通过所述水质探测器获取水质参数数据，所述水质参数数据包括氨氮含量以及悬浮物含量，并将所述水质参数数据传输至中央处理器，再根据河道水流速度，对每一相同时段的两组水质参数数据进行分析，预测水体扩散至截流墙时的水质参数数据，将每一时间单位的预测水质参数数据按照时间顺序分别建立氨氮含量以及悬浮物含量的直方图；
S2：中央处理器预设定水质恶化临界阈值，所述临界阈值包括氨氮含量阈值以及悬浮物含量阈值，根据上流水质所预测的水质变化改变截流墙对水流的拦截量，水质参数任意一愈接近阈值则截流量越大，水质参数超过阈值则完全升起截流墙，在河道一侧临近截流墙位置开槽建设与河道等宽的处理池，处理池长度不超过15m，处理池的底部两侧通过混凝土砌筑宽0.5m、高1m的平面，并将曝气设备平铺设置在平面上，将河水引流至河道一侧设置的处理池内部；
S3：中央处理器控制滤料喷嘴向处理池内部投放波裂解纳米滤料，吸附水中悬浮物，同时启动池底曝气设备进行曝气处理，并根据水质参数自动投放相应比例的氨氮去除剂，降低水中的氨氮含量；
S4：处理完成的水排放至河道下游，获取下流河道水质参数，检测水质参数中氨氮含量以及悬浮物含量是否都低于临界值一部分，若低于临界值则保持原有的投放量，直至水质完全达到阈值标准。
2.根据权利要求1所述的利用波裂解纳米材料提升水质的方法，其特征在于，所述S1中建立基于LSTM神经网络模型用于预测水体流至截流墙时的水质变化。
3.根据权利要求2所述的利用波裂解纳米材料提升水质的方法，其特征在于，所述S1中水质预测具体包括以下步骤：
S1.1：每隔十五分钟上流河道的水质探测器在线探测河道水质情况，分别得到悬浮物含量参数以及氨氮含量参数；
S1.2：将S1.1中的两组数据分别通过LSTM神经网络模型预测得出距上流水质探测器50m后的水质参数数据，导入水质预测直方图中，得到两组每隔一段时间的水质参数；
S1.3：中央处理器分别提取同一时间端的两组水质参数数据，导入水质预测直方图中；
其中直方图的X轴以时间为单位，Y轴分别以悬浮物含量以及氨氮含量为单位。
4.根据权利要求1所述的利用波裂解纳米材料提升水质的方法，其特征在于，所述S2中预设的氨氮含量临界阈值为8mg/L，悬浮物含量临界阈值为1700mg/L。
5.根据权利要求1所述的利用波裂解纳米材料提升水质的方法，其特征在于，所述S3中还包括以下具体步骤，建立不同水质参数下的氨氮去除剂投放量以及滤料投放量对应关系表，中央处理器根据对应关系表投放相应比例波裂解纳米滤料和氨氮去除剂。
6.根据权利要求5所述的利用波裂解纳米材料提升水质的方法，其特征在于，所述截流墙的截流量根据水质参数数据分为三档，所述水体内悬浮物含量参数和氨氮含量参数均低于各临界阈值的50％时，截流墙完全放下，水体内悬浮物含量参数和氨氮含量参数任意一超过各临界阈值的50％时，截流墙的截流量为33％，所述水体内悬浮物含量参数和氨氮含量参数任意一超过各临界阈值的75％时，截流墙的截流量为66％，所述水质含量水体内悬浮物含量参数和氨氮含量参数任意一超过各临界阈值100％时，截流墙的截流量为100％。
7.根据权利要求6所述的利用波裂解纳米材料提升水质的方法，其特征在于，所述下流河道的水质探测器距处理池排放口50m位置，主要对处理过后的水体进行水质监测，每12h对水质监测一次，监测数据反馈至中央处理器，由中央处理器调整波裂解纳米滤料和氨氮去除剂的投放量。
8.利用波裂解纳米材料提升水质的系统，其特征在于，包括水质探测单元，以及与水质探测单元通信连接的中央处理器，所述中央处理器控制连接有截流单元以及投放单元；
水质探测单元：包括上流水质探测器以及下流水质探测器，所述上流水质探测器对上流未处理的水体进行悬浮物含量以及氨氮含量的检测，并将每一时段的检测结果传输至中央处理器，下流水质探测器对下流河道已处理的水体进行悬浮物含量以及氨氮含量的检测，并上传至中央处理器，中央处理器根据水质参数调整投放单元的投放比例；
中央处理器：通过接收水质探测单元传输的上下流水质参数信息，预测一段距离后的河道水质扩散参数数据，按时间顺序生成上流水体预测水质参数的直方图，根据直方图所预测的水质参数，从而对截流单元以及投放单元下达控制命令；
截流单元：分为三档程度控制截流墙对河道水体的截流量，并将截流的水体引导至处理池内部；
投放单元：包括滤料喷嘴以及氨氮去除剂喷嘴，滤料喷嘴以及氨氮去除剂喷嘴根据中央处理器得到的水体悬浮物含量和氨氮含量，按比例分别投档波裂解纳米滤料以及氨氮去除剂。
9.根据权利要求8所述的利用波裂解纳米材料提升水质的系统，其特征在于，所述系统还包括曝气单元，所述中央处理器与曝气单元控制连接；
曝气单元：河道水源引进处理池后，中央处理器下达曝气命令，对处理池内部水体进行曝气，用于增强水体的氧含量。
CN202111286551.5A 2021-11-02 2021-11-02 利用波裂解纳米材料提升水质的方法及系统 Active CN114031147B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111286551.5A CN114031147B (zh) 2021-11-02 2021-11-02 利用波裂解纳米材料提升水质的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111286551.5A CN114031147B (zh) 2021-11-02 2021-11-02 利用波裂解纳米材料提升水质的方法及系统

Publications (2)

Publication Number Publication Date
CN114031147A CN114031147A (zh) 2022-02-11
CN114031147B true CN114031147B (zh) 2022-06-14

Family

ID=80135973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111286551.5A Active CN114031147B (zh) 2021-11-02 2021-11-02 利用波裂解纳米材料提升水质的方法及系统

Country Status (1)

Country Link
CN (1) CN114031147B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114620843B (zh) * 2022-03-21 2023-10-13 中国城市建设研究院有限公司 一种推流曝气强化河道固定生物膜去除污染物的智慧系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995011437A1 (en) * 1993-10-21 1995-04-27 Abbott Laboratories Apparatus and method for transfer of a fluid sample
CN106909700A (zh) * 2015-12-22 2017-06-30 中国石油天然气股份有限公司 截水墙的可靠度确定方法及装置
CN110659898A (zh) * 2018-06-28 2020-01-07 腾讯科技（深圳）有限公司 一种数据控制方法、装置及存储介质
CN111487916A (zh) * 2020-03-27 2020-08-04 上海新三星给排水设备有限公司 一种智慧截流井防倒灌闸阀控制系统和方法
CN112110617A (zh) * 2020-10-15 2020-12-22 湘南学院 一种河道污水处理装置及其处理方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425108B (zh) * 2013-08-16 2015-01-21 深圳市兰德玛水环境工程科技有限公司 基于分质排放和分质处理的水污染防治系统及方法
CN104833785A (zh) * 2015-05-28 2015-08-12 巩向海 一种水质检测方法、设备及系统
TWI577279B (zh) * 2016-02-05 2017-04-11 崑山科技大學 Aquaculture water recycling system
EP3552013A4 (en) * 2017-10-09 2019-12-04 BL Technologies, Inc. INTELLIGENT SYSTEMS AND METHODS FOR DIAGNOSIS OF THE HEALTH STATUS OF PROCESSES AND ASSETS, DETECTION AND CONTROL OF ANOMALIES IN WASTEWATER OR DRINKING WATER SYSTEMS
CN107673365A (zh) * 2017-10-30 2018-02-09 龙燕 生产改性沸石的波裂解方法
US11157819B2 (en) * 2018-04-27 2021-10-26 International Business Machines Corporation Technology to automatically stream confidence and prediction intervals for non-parametric and non-stationary time series data
CN110188946B (zh) * 2019-05-29 2021-07-20 剑科云智(深圳)科技有限公司 一种污水参数的预测方法及污水预测系统
CN110456754A (zh) * 2019-09-11 2019-11-15 剑科云智(深圳)科技有限公司 一种污水的监控处理系统及智能分析处理方法、存储介质
CN110550730A (zh) * 2019-09-19 2019-12-10 特清(厦门)环保科技有限责任公司 一种基于纳米介孔滤料的生物滤池
CN112488286B (zh) * 2019-11-22 2024-05-28 大唐环境产业集团股份有限公司 一种用于mbr膜污染在线监测方法及系统
CN111606523A (zh) * 2020-07-04 2020-09-01 中科星图(深圳)数字技术产业研发中心有限公司 一种具有雨洪分流的水质净化装置
CN113159456A (zh) * 2020-09-30 2021-07-23 中科三清科技有限公司 水质预测方法、装置、电子设备及存储介质
CN112374687A (zh) * 2020-10-09 2021-02-19 浙江佳环电子有限公司 一种城市污水集成优化处理及系统设备
CN112633584B (zh) * 2020-12-29 2022-06-21 中国地质大学（武汉） 基于改进的LSTM-seq2seq模型的河流突发水污染事故水质预测方法
CN112836725A (zh) * 2021-01-11 2021-05-25 中国农业科学院农业信息研究所 基于时序遥感数据的弱监督lstm循环神经网络稻田识别方法
CN112651665B (zh) * 2021-01-14 2022-12-20 浙江鸿程计算机系统有限公司 一种基于图神经网络的地表水水质指标预测方法和装置
CN112735541A (zh) * 2021-01-15 2021-04-30 杭州中科先进技术研究院有限公司 一种基于简单循环单元神经网络的污水处理水质预测方法
CN112966891A (zh) * 2021-01-23 2021-06-15 成都市环境保护科学研究院(成都市固体废物管理中心) 一种河流水环境质量预测方法
CN113433910A (zh) * 2021-06-30 2021-09-24 武汉理工大学 一种基于数字孪生的净水厂智能加药控制系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995011437A1 (en) * 1993-10-21 1995-04-27 Abbott Laboratories Apparatus and method for transfer of a fluid sample
CN106909700A (zh) * 2015-12-22 2017-06-30 中国石油天然气股份有限公司 截水墙的可靠度确定方法及装置
CN110659898A (zh) * 2018-06-28 2020-01-07 腾讯科技（深圳）有限公司 一种数据控制方法、装置及存储介质
CN111487916A (zh) * 2020-03-27 2020-08-04 上海新三星给排水设备有限公司 一种智慧截流井防倒灌闸阀控制系统和方法
CN112110617A (zh) * 2020-10-15 2020-12-22 湘南学院 一种河道污水处理装置及其处理方法

Also Published As

Publication number Publication date
CN114031147A (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
US20220055929A1 (en) Sewage treatment equipment applicable to domestic sewage treatment of multiple households
CN107540169B (zh) 一种污水处理控制系统及其处理方法
CN114031147B (zh) 利用波裂解纳米材料提升水质的方法及系统
CN103626263B (zh) 渗滤液的处理控制方法、装置、系统及污水处理设备
CN203568902U (zh) 潜流湿地曝气防堵系统
CN205133262U (zh) 一种水净化处理装置
CN111606411B (zh) 一种生物滤池的高效均匀快速配水配气反冲洗系统及使用方法
CN114314854A (zh) 基于氮磷指示性监测指标的农田面源污染智能处理系统
CN102167424B (zh) 一种含盐难降解有机废水的u型流处理方法
CN108059298B (zh) 一种玻璃纤维生产废水处理设备及处理方法
CN207380527U (zh) 一种污水处理自动化控制系统
CN204265602U (zh) 一体化污水处理系统
CN110589913A (zh) 城乡小流域污水处理方法及系统
CN212293215U (zh) 地下水抽出处理回灌系统
CN211470936U (zh) 一种强化藻类生长的污水深度脱氮除磷装置
CN115492192A (zh) 一种基于神经网络的智能雨水收集处理装置
CN106115976B (zh) 一种用于垃圾渗滤液处理的串联和并联碟管式反渗透设备及其应用方法
CN101249998A (zh) 人工湿地脉冲布水方法及其系统
CN109372833B (zh) 一种水利闸门液压系统的液压油智能净化系统
CN111732283A (zh) 一种污水净化处理系统
CN210764871U (zh) 一种小型河道水体修复系统
CN211086255U (zh) 一种监测用水质循环净化装置
CN111115907A (zh) 一种海绵城市雨水处理方法
CN217895234U (zh) 一种连续净化水中有机污染物的处理装置
CN220684878U (zh) 一种初期雨水处理装置

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