CN117151557A - 一种基于工业废水监测数据的质量监控方法及系统 - Google Patents
一种基于工业废水监测数据的质量监控方法及系统 Download PDFInfo
- Publication number
- CN117151557A CN117151557A CN202311439035.0A CN202311439035A CN117151557A CN 117151557 A CN117151557 A CN 117151557A CN 202311439035 A CN202311439035 A CN 202311439035A CN 117151557 A CN117151557 A CN 117151557A
- Authority
- CN
- China
- Prior art keywords
- pollution
- index
- sewage
- industrial wastewater
- indexes
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 90
- 239000010842 industrial wastewater Substances 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000010865 sewage Substances 0.000 claims abstract description 89
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 71
- 230000002159 abnormal effect Effects 0.000 claims abstract description 51
- 238000003911 water pollution Methods 0.000 claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims abstract description 12
- 239000002351 wastewater Substances 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 29
- 238000012216 screening Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 12
- 229910052760 oxygen Inorganic materials 0.000 claims description 12
- 239000001301 oxygen Substances 0.000 claims description 12
- 230000007480 spreading Effects 0.000 claims description 6
- 238000003892 spreading Methods 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004065 wastewater treatment Methods 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 239000000126 substance Substances 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000004659 sterilization and disinfection Methods 0.000 description 4
- 238000011109 contamination Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000007800 oxidant agent Substances 0.000 description 2
- 239000002957 persistent organic pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- KMUONIBRACKNSN-UHFFFAOYSA-N potassium dichromate Chemical group [K+].[K+].[O-][Cr](=O)(=O)O[Cr]([O-])(=O)=O KMUONIBRACKNSN-UHFFFAOYSA-N 0.000 description 2
- 241000588724 Escherichia coli Species 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 238000005660 chlorination reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- 238000005342 ion exchange Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000033116 oxidation-reduction process Effects 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 239000012286 potassium permanganate Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于工业废水监测数据的质量监控方法及系统,涉及工业废水处理技术领域,获取各个子区域的污染指数及水体透明度,并由污水的状态指标集合建立待处理区的污水影响指数,若其超过影响阈值,以污染指数集合内数据作为样本数据,结合样本数据对下一监测周期内的污水影响指数的变化趋势进行预测,若获取的综合预测值超过影响阈值,依据各个污染指标的异常性筛选出其中的异常指标,结合异常指标从预先准备的治理方案库中匹配出对应的治理方案;依据所获取的综合预测值,能够对接下来水体污染是否会恶化进行预判,可以在可能会产恶化时提前进行处理。
Description
技术领域
本发明涉及工业废水处理技术领域,具体为一种基于工业废水监测数据的质量监控方法及系统。
背景技术
工业废水是指工业生产过程中产生的废液、废水、污水等。这些废水中可能含有大量的有机物、重金属离子、有毒物质等,对于环境和人类健康都会造成危害。因此,工业废水需要经过一定的处理才能排放或再利用。
一般来说,工业废水的处理流程包括以下步骤:预处理:去除大块杂物和悬浮物,进行沉淀或物理分离;化学处理:利用化学药剂与废水中的污染物发生反应,如中和、氧化还原等;生化处理:利用微生物菌群将废水中的有机物质降解为无机物质,如好氧处理和厌氧处理等;深度处理:通过吸附、过滤、离子交换等方法进一步去除废水中的污染物;消毒处理:对于含有病原体的废水,需要进行消毒处理,常用的是加氯消毒和臭氧消毒等方法。
工业废水处理方法的选择取决于废水的来源、组成和性质。不同的工业废水需要采用不同的处理方法,以达到最佳的处理效果。同时,工业废水处理需要严格遵守相关的环保标准和规范,以确保处理后的废水符合排放标准或再利用要求。
在申请公布号为CN116071895A的中国发明专利中,公开了一种工业废水过程排放监测预警方法,涉及工业废水排放监测技术领域;包括如下步骤:监控设备安装与数据采集;数据传输与平台计算;智能预警规则演算及推送;执法处理;监控设备安装与数据采集的具体方式为:根据零星废水工业处理涉水工艺特征,在项目环保站点安装相关工业总用水监控,废水收集池水量、液位监控。
在以上申请中通过对零星废水产生过程的数据采集,对零星工业废水产生和处理过程进行全面的有效监控,结合企业生产工况特征和历史数据,通过云计算服务器运算,对符合异常特征企业进行有效监测,建立基于过程监控数据分析预警规则,通过线上预警平台和线下执法完成企业预警信息的处理。
在以上申请中,对工业废水的监控主要是侧重于排放企业的确认,但是在对工业废水进行监控后,并不能有效的对水体的污染状态进行评估和预测,因此也不利于对由工业废水排放引起的水体污染做进一步的处理。
为此,本发明提供了一种基于工业废水监测数据的质量监控方法及系统。
发明内容
针对现有技术的不足,本发明提供了一种基于工业废水监测数据的质量监控方法及系统,通过获取各个子区域的污染指数及水体透明度,并由水体透明度筛选出不合格区域,若不合格区域所占比例超过预期,由污水的状态指标集合建立待处理区的污水影响指数,若污水影响指数超过影响阈值,以污染指数集合内数据作为样本数据,结合样本数据对下一监测周期内的污水影响指数的变化趋势进行预测,若获取的综合预测值超过影响阈值,依据各个污染指标的异常性筛选出其中的异常指标,结合异常指标从预先准备的治理方案库中匹配出对应的治理方案;对接下来水体污染是否会恶化进行预判,可以在可能会产恶化时提前进行处理,从而解决了背景技术中提出的技术问题。
为实现以上目的,本发明通过以下技术方案予以实现:
一种基于工业废水监测数据的质量监控方法,包括:
将受工业废水污染的水体区域分割若干子区域,在子区域内设置采样点,在采样点处对工业废水污染指标进行采样,将相应的污染指标汇总后,生成废水污染数据集合;
由废水污染数据集合生成各个子区域的污染指数Po(s,v,d),并依据所述污染指数Po(s,v,d)的值在若干个子区域内筛选出异常区域,检测获取若干个异常区域内的水体透明度St,并依据水体透明度St的值在非异常区域中筛选出不合格区域,若不合格区域所占比例超过预期,则发出第一预警信息;
接收到第一预警信息后,汇总并建立待处理区域内的污水的状态指标集合,由污水的状态指标集合建立待处理区的污水影响指数Wr(s,p),若污水影响指数Wr(s,p)超过影响阈值,发出第二预警信息;
若未接收到第二预警信息,则建立污染指数集合,以污染指数集合内数据作为样本数据,结合样本数据对下一监测周期内的污水影响指数Wr(s,p)的变化趋势进行预测,并获取综合预测值,其中,在预先设置了比例系数后,依照如下方式生成污水影响指数Wr(s,p)的综合预测值/>:
;
其中,权重系数,/>,在综合预测值/>超过影响阈值时,发出第三预警信息;/>,污水影响指数Wr(s,p)的第一预测值;/>:污水影响指数Wr(s,p)的第二预测值;
获取第三预警信息后,获取各个子区域内当前的污染指标,并依据各个污染指标的异常性筛选出其中的异常指标,结合异常指标从预先准备的治理方案库中匹配出对应的治理方案,将执行治理方案后的污染指标变化趋势可视化展示。
进一步的,确定工业废水的蔓延区域后,将所述蔓延区域确定为待处理区域,建立至少覆盖待处理区域的电子地图,在电子地图上将待处理区域等面积地分割为若干个子区域,在子区域内设置采样点,各个采样点在相应子区域内的位置分布随机;
在子区域内的采样点处,沿着时间轴以固定时间间隔,分别连续获取若干组工业废水污染指标,至少包括:总溶解固体Tds、电导率Dv以及生化需氧量Bod,将相应的污染指标汇总后,生成废水污染数据集合。
进一步的,由废水污染数据集合生成归属于各个子区域的工业废水的污染指数Po(s,v,d),其具体方式如下:对总溶解固体Tds、电导率Dv以及生化需氧量Bod做线性归一化处理,将对应的数据值映射至区间内,再依照如下公式:
;
参数的意义为:,/>,且/>,/>为权重系数,若获取的污染指数Po(s,v,d)超过对应的污染阈值,将相应的子区域的标记为异常区域,剩余区域为非异常区域,若异常区域多于非异常区域,则发出巡检指令。
进一步的,在接受到巡检指令后,将各个子区域的位置信息在电子地图上标记,结合各个子区域的位置,由训练后的路径规划模型训练出巡检路径,由巡检无人机沿着巡检路径依次对各个子区域的水体进行透明度检测,获取各个子区域的水体透明度St;
若该采样点的水体透明度St低于透明阈值,则将其作为不合格区域,反之则为合格区域;若所述不合格区域与异常区域的重叠数量占子区域总数的比例高于预期,向外部发出第一预警信息。
进一步的,在接收到第一预警信息后,通过检测获取所有子区域内的水体透明度St,获取各个监测周期内各个子区域的水体透明度St及工业废水的污染指数Po(s,v,d),并在连续获取若干个监测周期后,汇总形成各个子区域内的污水的状态指标集合;由污水的状态指标集合生成待处理区域的污水影响指数Wr(s,p),若获取的污水影响指数Wr(s,p)超过影响阈值,发出第二预警信息。
进一步的,污水影响指数Wr(s,p)获取方式如下:将无量纲处理后的水体透明度St及工业废水的污染指数Po(s,v,d)依照如下公式:
;
其中,为各个子区域内水体透明度的均值,/>为水体透明度在各个子区域内的合格标准值;/>为各个子区域内污染指数的均值,/>为污染指数在各个子区域内的合格标准值;权重系数:/> ,/>,且/>,/>,n为子区域的个数,是大于1的正整数,/>为水体透明度在i位置上的值,/>为污染指数在i位置上的值。
进一步的,在未接收到第二预警信息时,以所述监测周期作为固定间隔,沿着时间轴连续获取若干个污水影响指数Wr(s,p),汇总后作为污染指数集合,对所述的若干个污水影响指数Wr(s,p)做函数拟合,并在经过K-S检验后,将拟合获取的函数作为指数预测函数;
以指数预测函数对下一监测周期内的污水影响指数Wr(s,p)进行预测,获取污水影响指数Wr(s,p)的第一预测值;进一步的,结合污染指数集合内的样本数据,通过平滑指数模型对下一监测周期内的污水影响指数Wr(s,p)进行预测,获取污水影响指数Wr(s,p)的第二预测值/>。
进一步的,接收到第三预警信息后,依据工业废水污染标准,预先为各个水污染指标设置参考值,重新检测获取待处理区域内各个子区域当前的污染指标,获取各个污染指标相对于参考值的超出比例,若超出的比例超过相应的比例阈值,则将所述污染指标作为异常指标。
进一步的,获取若干个污水治理方案,汇总后建立治理方案库;依据异常指标和工业废水污染治理方案的对应性,从治理方案库中为各个子区域匹配相应的治理方案;
在各个子区域内将对应的治理方案执行完毕后,并在每个观察周期结束后,监测获取各个子区域内的工业废水污染指标;将工业废水污染指标沿着时间轴有序排列,并作可视化处理。
一种基于工业废水监测数据的质量监控系统,包括:
检测单元、将待处理区域分割若干子区域,在采样点处对工业废水污染指标进行采样,将相应的污染指标汇总后,生成废水污染数据集合;
筛选单元、获取各个子区域的污染指数及水体透明度,并由水体透明度筛选出不合格区域,若不合格区域所占比例超过预期,则发出第一预警信息;
分析单元、由污水的状态指标集合建立待处理区的污水影响指数,若污水影响指数超过影响阈值,发出第二预警信息;
预测单元、以污染指数集合内数据作为样本数据,结合样本数据,对下一监测周期内的污水影响指数的变化趋势进行预测,若获取的综合预测值超过影响阈值,发出第三预警信息;
方案生成单元、依据各个污染指标的异常性筛选出其中的异常指标,结合异常指标从预先准备的治理方案库中匹配出对应的治理方案,将执行治理方案后的污染指标变化趋势可视化展示。
本发明提供了一种基于工业废水监测数据的质量监控方法及系统,具备以下有益效果:
1、依据污染指数Po(s,v,d)的分布对各个子区域内是否存在工业废水污染进行初步的评估和判断,配合透明度检测,通过两轮的检测和评估,可以对当前的水体是否存在污染形成确认,从而在工业废水污染检测及评估时,提高评估结果的可靠性;
2、依据污水影响指数Wr(s,p)对待处理区域内的污染程度进行整体性的评估,并依据该评估结果确认是否要对当前存在污染进行处理,如果需要,则向外部发出预警信息,以使水体污染能够被及时处理,也利于防止水体污染的进一步扩散;
3、分别通过函数拟合预测和平滑指数预测获取相应的预测值,并在将两者按照预设比例加权平均后,生成综合预测值,依据所获取的综合预测值/>,能够对接下来水体污染是否会恶化进行预判,在可能会产生恶化时提前进行处理;
4、重新对各个子区域内的污染指标进行采集,并在依据污染指标的异常性,从预先准备的若干个治理方案中匹配出对应的治理方案,在对各个子区域的水体污染进行治理时,能够保持充分的针对性,提高治理的结果;在执行相应的治理方案后,处理后的污染指标变化进行可视化处理,也便于污水治理人员做出反馈和改进,并便于对当前的污水治理方案做出改进和调整,以取得更好的效果。
附图说明
图1为本发明基于工业废水监测数据的质量监控方法流程示意图;
图2为本发明基于工业废水监测数据的质量监控系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种基于工业废水监测数据的质量监控方法,包括如下步骤:
步骤一、将受工业废水污染的水体区域分割若干子区域,在子区域内设置采样点,在采样点处对工业废水污染指标进行采样,将相应的污染指标汇总后,生成废水污染数据集合;
所说步骤一包括如下内容:
步骤101、确定工业废水的蔓延区域后,将所述蔓延区域确定为待处理区域,建立至少覆盖待处理区域的电子地图,在电子地图上将待处理区域等面积地分割为若干个子区域,在子区域内设置采样点,各个采样点在相应子区域内的位置分布随机;
步骤102、在子区域内的采样点处,沿着时间轴以固定时间间隔,分别连续获取若干组工业废水污染指标,至少包括:总溶解固体Tds、电导率Dv以及生化需氧量Bod,将相应的污染指标汇总后,生成废水污染数据集合;
需要说明的是,所述的污染指标具体包括:
悬浮物:水中呈固体状不溶的物质,通常由单位体积污水所含悬浮物的量(mg/L)表示;有机物浓度:工业废水中的有机污染物多种多样,其中包括生物化学需氧量(简称生化需氧量,用BOD表示)和化学需氧量(COD);BOD表示污水中的有机污染物经微生物分解所需的氧量,以mg/L或百万分率(ppm)表示,BOD越高表示水中需氧有机物越多,水质污染程度越大;COD则表示用化学氧化剂氧化水中还原性污染物时所需的氧量,以mg/L或百万分率(ppm)表示,COD越高表示有机物越多。目前常用的氧化剂有重铬酸钾或高锰酸钾。此外,总有机碳(TOC)和总需氧量(TOD)也是衡量工业废水有机污染的指标;pH值:检验水的重要指标,不同的工业废水其pH值会有所不同,而生活污水的pH值一般在7.2-7.6之间;细菌污染指标:在处理工业废水的过程中,可以使用两种指标来表示水体被细菌污染的程度,包括1毫升水中细菌(杂菌)的总数以及水中大肠杆菌的多少。如果水中含有大肠杆菌,那么说明水已经被污染;
也即,在本步骤中选择了其中具有代表性的部分,以便于在对水体污染程度进行评价时,更加简单和高效。
使用时,结合步骤101及102中的内容:
在对工业水废水污染进行检测前,为了提高检测效率及进一步评估的效率,在确定待处理区域后,将其分割为若干个子区域并分别进行取样,从而在取样时,可以使不同的子区域间不产生相互干扰,在检测时保持相互独立性。
步骤二、由废水污染数据集合生成各个子区域的污染指数Po(s,v,d),并依据所述污染指数Po(s,v,d)的值在若干个子区域内筛选出异常区域,若异常区域较非异常区域多,则检测获取各个子区域内的水体透明度St,并依据水体透明度St的值在各个子区域中筛选出不合格区域,若不合格区域及异常区域重叠的比例超过预期,则发出第一预警信息;
所述步骤二包括如下内容:
步骤201、由废水污染数据集合生成归属于各个子区域的工业废水的污染指数Po(s,v,d),其具体方式如下:对总溶解固体Tds、电导率Dv以及生化需氧量Bod做线性归一化处理,将对应的数据值映射至区间内,再依照如下公式:
;
参数的意义为:,/>,且/>,/>为权重系数;
而由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的预设比例系数;将设定的预设比例系数和采集的样本数据代入公式,任意两个公式构成二元一次方程组,将计算得到的系数进行筛选并取均值,得到的取值;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数;只要不影响参数与量化后数值的比例关系即可。
依据水污染指标及历史数据,预先设置的污染阈值,此时,若获取的污染指数Po(s,v,d)超过对应的污染阈值,则说明该子区域内工业污染较为严重,此时,将相应的子区域的标记为异常区域,剩余区域为非异常区域,若异常区域多于非异常区域,则发出巡检指令;
步骤202、在接受到巡检指令后,将各个子区域的位置信息在电子地图上标记,结合各个子区域的位置,由训练后的路径规划模型训练出巡检路径,由巡检无人机沿着巡检路径依次对各个子区域的水体进行透明度检测,获取各个子区域的水体透明度St;
在依据污染水体质量要求预先设定透明阈值后,若该采样点的水体透明度St低于透明阈值,则将其作为不合格区域,反之则为合格区域;
若所述不合格区域与异常区域的重叠数量占子区域总数的比例高于预期,也即高于预设的比例阈值时,向外部发出第一预警信息;
使用时,结合步骤201及202中的内容:
在获取到废水污染数据集合后,由废水污染数据集合生成相应的污染指数Po(s,v,d),依据污染指数Po(s,v,d)的分布,能够对各个子区域内是否存在工业废水污染进行初步的评估和判断,并已经明确产生过度污染的部分做出标记,利于后期的处理;
同时通过透明度检测的方式,在各个子区域内中筛选出潜在的污染区域,从而通过两轮的检测和评估,在实际产生污染的子区域较多,而存在潜在污染的子区域也较多时,完成对当前的水体是否存在污染的确认,从而在工业废水污染检测及评估时,提高评估结果的可靠性。
步骤三、接收到第一预警信息后,汇总并建立待处理区域内的污水的状态指标集合,由污水的状态指标集合建立待处理区的污水影响指数Wr(s,p),若污水影响指数Wr(s,p)超过影响阈值,发出第二预警信息;
所述步骤三包括如下内容:
步骤301、在接收到第一预警信息后,获取所有子区域内的水体透明度St;
设置监测周期,例如,以每6个小时为一个监测周期,获取各个监测周期内各个子区域的水体透明度St及工业废水的污染指数Po(s,v,d),并在连续获取若干个监测周期后,汇总形成各个子区域内的污水的状态指标集合;
步骤302、由污水的状态指标集合生成待处理区域的污水影响指数Wr(s,p),其具体方式如下:将无量纲处理后的水体透明度St及工业废水的污染指数Po(s,v,d)依照如下公式:
;
其中,为各个子区域内水体透明度的均值,/>为水体透明度在各个子区域内的合格标准值;/>为各个子区域内污染指数的均值,/>为污染指数在各个子区域内的合格标准值;权重系数:/> ,/>,且/>,/>,n为子区域的个数,是大于1的正整数,/>为水体透明度在i位置上的值,/>为污染指数在i位置上的值;
依据工业废水对生态环境的破坏程度预先设置影响阈值,此时,若获取的污水影响指数Wr(s,p)超过影响阈值,则说明当前的水体污染已经较为严重,需要及时处理,此时,发出第二预警信息;
使用时,结合步骤301及302中的内容:
在完成对各个子区域内的工业废水污染的检测,获取的各个子区域内的水体透明度St及工业废水的污染指数Po(s,v,d)后,获取待处理区域的污水影响指数Wr(s,p),依据污水影响指数Wr(s,p)对待处理区域内的污染程度进行整体性的评估,并依据该评估结果确认是否要对当前存在污染进行处理,如果需要,则向外部发出预警信息,以使水体污染能够被及时处理,也利于防止水体污染的进一步扩散。
步骤四、若未接收到第二预警信息,则建立污染指数集合,以污染指数集合内数据作为样本数据,结合样本数据,对下一监测周期内的污水影响指数Wr(s,p)的变化趋势进行预测,并获取综合预测值,若所述综合预测值/>超过影响阈值,发出第三预警信息;
所述步骤四包括如下内容:
步骤401、在未接收到第二预警信息时,以所述监测周期作为固定间隔,沿着时间轴连续获取若干个污水影响指数Wr(s,p),汇总后作为污染指数集合,对所述的若干个污水影响指数Wr(s,p)做函数拟合,并在经过K-S检验后,将拟合获取的函数作为指数预测函数;
步骤402、以指数预测函数对下一监测周期内的污水影响指数Wr(s,p)进行预测,获取污水影响指数Wr(s,p)的第一预测值;进一步的,结合污染指数集合内的样本数据,通过平滑指数模型对下一监测周期内的污水影响指数Wr(s,p)进行预测,获取污水影响指数Wr(s,p)的第二预测值/>;
步骤403、在预先设置了比例系数后,依照如下方式生成污水影响指数Wr(s,p)的综合预测值:
;
其中,权重系数,/>;在综合预测值/>超过影响阈值时,则说明当前的水体污染已经处于逐步恶化的状态,需要及时进行预防,此时,发出第三预警信息;
使用时,结合步骤401及403中的内容:
在未接收到第二预警信息,也即,在当前水体污染的严重程度还未达到预期时,对的污水影响指数Wr(s,p)的变化趋势进行预测,在为了提高预测可靠性的基础上,分别通过函数拟合预测和平滑指数预测获取相应的预测值,并在将两者按照预设比例加权平均后,生成综合预测值,从而,依据所获取的综合预测值/>,能够对接下来水体污染是否会恶化进行预判,可以在可能会产恶化时提前进行处理。
步骤五、获取第三预警信息后,获取各个子区域内当前的污染指标,并依据各个污染指标的异常性筛选出其中的异常指标,结合异常指标从预先准备的治理方案库中匹配出对应的治理方案,将执行治理方案后的污染指标变化趋势可视化展示;
所述步骤五包括如下内容:
步骤501、接收到第三预警信息后,依据工业废水污染标准,预先为各个水污染指标设置参考值,重新检测获取待处理区域内各个子区域当前的污染指标,获取各个污染指标相对于参考值的超出比例,若超出的比例超过相应的比例阈值,则将所述污染指标作为异常指标;
步骤502、通过线上的线性检索或线下的收集,获取若干个污水治理方案,汇总后建立治理方案库;依据异常指标和工业废水污染治理方案的对应性,从治理方案库中为各个子区域匹配相应的治理方案;
步骤503、在各个子区域内将对应的治理方案执行完毕后,设置观察周期,并在每个观察周期结束后,监测获取各个子区域内的工业废水污染指标;将工业废水污染指标沿着时间轴有序排列,并作可视化处理;例如,信息图表可视化处理;
使用时,结合步骤501至503中的内容:
在接收到第二预警信息时,说明待处理区域内的水体中已经存在较为严重的水体污染,而在第三预警信息时,说明待处理区域内的水体即将出现水体污染,此时,不论接收到第二或第三预警信息,都需要对待处理区域的水体污染进行处理,此时,再重新对各个子区域内的污染指标进行采集,并在依据污染指标的异常性,从预先准备的若干个治理方案中匹配出对应的治理方案,从而在对各个子区域的水体污染进行治理时,能够保持充分的针对性,提高治理的结果;而作为进一步的改进,在执行相应的治理方案后,处理后的污染指标变化进行可视化处理,也便于污水治理人员做出反馈和改进,并便于对当前的污水治理方案做出改进和调整,以取得更好的效果。
请参阅图2,本发明提供一种基于工业废水监测数据的质量监控系统,包括:
检测单元、将待处理区域分割若干子区域,在采样点处对工业废水污染指标进行采样,将相应的污染指标汇总后,生成废水污染数据集合;
筛选单元、获取各个子区域的污染指数及水体透明度,从各个子区域内筛选出异常区域及不合格区域,若不合格区域及异常区域重叠的比例超过预期,则发出第一预警信息;
分析单元、由污水的状态指标集合建立待处理区的污水影响指数,若污水影响指数超过影响阈值,发出第二预警信息;
预测单元、以污染指数集合内数据作为样本数据,结合样本数据对下一监测周期内的污水影响指数的变化趋势进行预测,若获取的综合预测值超过影响阈值,则发出第三预警信息;
方案生成单元、依据各个污染指标的异常性筛选出其中的异常指标,结合异常指标从预先准备的治理方案库中匹配出对应的治理方案,将执行治理方案后的污染指标变化趋势可视化展示。
在申请中,作为可选择的,所述涉及到的若干个公式均是去量纲后取其数值计算,而所述公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的由本领域的技术人员根据实际情况进行设置,对于预设的阈值而言,该阈值则是根据历史数据获取设置的,也可根据实际需要进行相应的调整。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种基于工业废水监测数据的质量监控方法,其特征在于,包括:
将受工业废水污染的水体区域分割若干子区域,在子区域内设置采样点,在采样点处对工业废水污染指标进行采样,将相应的污染指标汇总后,生成废水污染数据集合;
由废水污染数据集合生成各个子区域的污染指数Po(s,v,d),并依据所述污染指数Po(s,v,d)的值在若干个子区域内筛选出异常区域,若异常区域较非异常区域多,则检测获取各个子区域内的水体透明度St,并依据水体透明度St的值在各个子区域中筛选出不合格区域,若不合格区域及异常区域重叠的比例超过预期,则发出第一预警信息;
接收到第一预警信息后,汇总并建立待处理区域内的污水的状态指标集合,由污水的状态指标集合建立待处理区的污水影响指数Wr(s,p),若污水影响指数Wr(s,p)超过影响阈值,发出第二预警信息;
若未接收到第二预警信息,则建立污染指数集合,以污染指数集合内数据作为样本数据,结合样本数据对下一监测周期内的污水影响指数Wr(s,p)的变化趋势进行预测,并获取综合预测值,其中,在预先设置比例系数后,依照如下方式生成污水影响指数Wr(s,p)的综合预测值/>:
;
其中,权重系数:,/>,在综合预测值/>超过影响阈值时,发出第三预警信息;/>,污水影响指数Wr(s,p)的第一预测值;/>:污水影响指数Wr(s,p)的第二预测值;
获取第三预警信息后,获取各个子区域内当前的污染指标,并依据各个污染指标的异常性筛选出其中的异常指标,结合异常指标从预先准备的治理方案库中匹配出对应的治理方案,将执行治理方案后的污染指标变化趋势可视化展示。
2.根据权利要求1所述的一种基于工业废水监测数据的质量监控方法,其特征在于:
确定工业废水的蔓延区域后,将所述蔓延区域确定为待处理区域,建立至少覆盖待处理区域的电子地图,在电子地图上将待处理区域等面积地分割为若干个子区域,在子区域内设置采样点,且各个采样点在相应子区域内的位置分布随机;
在子区域内的采样点处,沿着时间轴以固定时间间隔,分别连续获取若干组工业废水污染指标,至少包括:总溶解固体Tds、电导率Dv以及生化需氧量Bod,将相应的污染指标汇总后,生成废水污染数据集合。
3.根据权利要求2所述的一种基于工业废水监测数据的质量监控方法,其特征在于:
由废水污染数据集合生成归属于各个子区域的工业废水的污染指数Po(s,v,d),具体方式如下:对总溶解固体Tds、电导率Dv以及生化需氧量Bod做线性归一化处理,将对应的数据值映射至区间内,再依照如下公式:
;
参数的意义为:,/>,且/>,/>为权重系数,若获取的污染指数Po(s,v,d)超过对应的污染阈值,将相应的子区域的标记为异常区域,剩余区域为非异常区域,若异常区域多于非异常区域,则发出巡检指令。
4.根据权利要求3所述的一种基于工业废水监测数据的质量监控方法,其特征在于:
在接受到巡检指令后,将各个子区域的位置信息在电子地图上标记,结合各个子区域的位置,由训练后的路径规划模型训练出巡检路径,由巡检无人机沿着巡检路径依次对各个子区域的水体进行透明度检测,获取各个子区域的水体透明度St;
若该采样点的水体透明度St低于透明阈值,则将其作为不合格区域,反之则为合格区域;若所述不合格区域与异常区域的重叠数量占子区域总数的比例高于预期,向外部发出第一预警信息。
5.根据权利要求1所述的一种基于工业废水监测数据的质量监控方法,其特征在于:
在接收到第一预警信息后,通过检测获取所有子区域内的水体透明度St,获取各个监测周期内各个子区域的水体透明度St及工业废水的污染指数Po(s,v,d),并在连续获取若干个监测周期后,汇总形成各个子区域内的污水的状态指标集合;由污水的状态指标集合生成待处理区域的污水影响指数Wr(s,p),若获取的污水影响指数Wr(s,p)超过影响阈值,发出第二预警信息。
6.根据权利要求5所述的一种基于工业废水监测数据的质量监控方法,其特征在于:
污水影响指数Wr(s,p)获取方式如下:将无量纲处理后的水体透明度St及工业废水的污染指数Po(s,v,d)依照如下公式:
;
其中,为各个子区域内水体透明度的均值,/>为水体透明度在各个子区域内的合格标准值;/>为各个子区域内污染指数的均值,/>为污染指数在各个子区域内的合格标准值;权重系数:/> ,/>,且/>,/>,n为子区域的个数,是大于1的正整数,/>为水体透明度在i位置上的值,/>为污染指数在i位置上的值。
7.根据权利要求1所述的一种基于工业废水监测数据的质量监控方法,其特征在于:
在未接收到第二预警信息时,以所述监测周期作为固定间隔,沿着时间轴连续获取若干个污水影响指数Wr(s,p),汇总后作为污染指数集合,对若干个污水影响指数Wr(s,p)做函数拟合,并在经过K-S检验后,将拟合获取的函数作为指数预测函数;
以指数预测函数对下一监测周期内的污水影响指数Wr(s,p)进行预测,获取污水影响指数Wr(s,p)的第一预测值;结合污染指数集合内的样本数据,通过平滑指数模型对下一监测周期内的污水影响指数Wr(s,p)进行预测,获取污水影响指数Wr(s,p)的第二预测值/>。
8.根据权利要求1所述的一种基于工业废水监测数据的质量监控方法,其特征在于:
接收到第三预警信息后,依据工业废水污染标准,预先为各个水污染指标设置参考值,重新检测获取待处理区域内各个子区域当前的污染指标,获取各个污染指标相对于参考值的超出比例,若超出的比例超过相应的比例阈值,则将所述污染指标作为异常指标。
9.根据权利要求8所述的一种基于工业废水监测数据的质量监控方法,其特征在于:
获取若干个污水治理方案,汇总后建立治理方案库,依据异常指标和工业废水污染治理方案的对应性,从治理方案库中为各个子区域匹配相应的治理方案;
在各个子区域内将对应的治理方案执行完毕后,并在每个观察周期结束后,监测获取各个子区域内的工业废水污染指标;将工业废水污染指标沿着时间轴有序排列,并作可视化处理。
10.一种基于工业废水监测数据的质量监控系统,应用有权利要求1至9中任一项所述方法,其特征在于,包括:
检测单元、将待处理区域分割若干子区域,在采样点处对工业废水污染指标进行采样,将相应的污染指标汇总后,生成废水污染数据集合;
筛选单元、获取各个子区域的污染指数及水体透明度,从各个子区域内筛选出异常区域及不合格区域,若不合格区域及异常区域重叠的比例超过预期,则发出第一预警信息;
分析单元、由污水的状态指标集合建立待处理区的污水影响指数,若污水影响指数超过影响阈值,发出第二预警信息;
预测单元、以污染指数集合内数据作为样本数据,结合样本数据对下一监测周期内的污水影响指数的变化趋势进行预测,若获取的综合预测值超过影响阈值,则发出第三预警信息;
方案生成单元、依据各个污染指标的异常性筛选出其中的异常指标,结合异常指标从预先准备的治理方案库中匹配出对应的治理方案,将执行治理方案后的污染指标变化趋势可视化展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311439035.0A CN117151557B (zh) | 2023-11-01 | 2023-11-01 | 一种基于工业废水监测数据的质量监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311439035.0A CN117151557B (zh) | 2023-11-01 | 2023-11-01 | 一种基于工业废水监测数据的质量监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117151557A true CN117151557A (zh) | 2023-12-01 |
CN117151557B CN117151557B (zh) | 2024-01-09 |
Family
ID=88897316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311439035.0A Active CN117151557B (zh) | 2023-11-01 | 2023-11-01 | 一种基于工业废水监测数据的质量监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117151557B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117807549A (zh) * | 2024-02-29 | 2024-04-02 | 菏泽学院 | 一种农田土壤肥力评价方法及系统 |
CN118091476A (zh) * | 2024-04-23 | 2024-05-28 | 中铁七局集团南京工程有限公司 | 一种轨道交通供电系统检测方法、系统及存储介质 |
CN118095963A (zh) * | 2024-04-19 | 2024-05-28 | 华能山东发电有限公司烟台发电厂 | 一种火电厂废水处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512797A (zh) * | 2015-11-26 | 2016-04-20 | 浙江省环境监测中心 | 一种控制断面污染风险溯源及风险程度展示方法 |
CN106231609A (zh) * | 2016-09-22 | 2016-12-14 | 北京工商大学 | 一种基于重点目标区域的水下传感器网络优化部署方法 |
CN110322027A (zh) * | 2019-07-04 | 2019-10-11 | 南京大学 | 一种农村生活污水物联网管理平台 |
WO2023168781A1 (zh) * | 2022-03-10 | 2023-09-14 | 浙江大学 | 一种基于时空交互关系的土壤镉风险预测方法 |
-
2023
- 2023-11-01 CN CN202311439035.0A patent/CN117151557B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512797A (zh) * | 2015-11-26 | 2016-04-20 | 浙江省环境监测中心 | 一种控制断面污染风险溯源及风险程度展示方法 |
CN106231609A (zh) * | 2016-09-22 | 2016-12-14 | 北京工商大学 | 一种基于重点目标区域的水下传感器网络优化部署方法 |
CN110322027A (zh) * | 2019-07-04 | 2019-10-11 | 南京大学 | 一种农村生活污水物联网管理平台 |
WO2023168781A1 (zh) * | 2022-03-10 | 2023-09-14 | 浙江大学 | 一种基于时空交互关系的土壤镉风险预测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117807549A (zh) * | 2024-02-29 | 2024-04-02 | 菏泽学院 | 一种农田土壤肥力评价方法及系统 |
CN117807549B (zh) * | 2024-02-29 | 2024-05-17 | 菏泽学院 | 一种农田土壤肥力评价方法及系统 |
CN118095963A (zh) * | 2024-04-19 | 2024-05-28 | 华能山东发电有限公司烟台发电厂 | 一种火电厂废水处理方法及系统 |
CN118091476A (zh) * | 2024-04-23 | 2024-05-28 | 中铁七局集团南京工程有限公司 | 一种轨道交通供电系统检测方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117151557B (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117151557B (zh) | 一种基于工业废水监测数据的质量监控方法及系统 | |
Afzal et al. | Characterization of industrial effluents and groundwater of Hattar industrial estate, Haripur | |
CN116990479B (zh) | 一种基于Zigbee技术的水质监测方法、系统、设备及介质 | |
Siwiec et al. | Correlations between organic pollution indicators in municipal wastewater | |
WO2012093284A2 (en) | Wastewater treatment apparatus and method | |
Mkilima | Treatment of livestock slaughterhouse wastewater by the electrochemical method using stainless steel and copper electrodes | |
Momba et al. | Survey of disinfection efficiency of small drinking water treatment plants: Challenges facing small water treatment plants in South Africa | |
Moradi et al. | Developing a chloramine decay index to understand nitrification: A case study of two chloraminated drinking water distribution systems | |
CN116354540A (zh) | 污水厂进水水质监控及预警自动化装置 | |
Pike | MODELING DRINKING WATER QUALITY VIOLATIONS WITH BAYESIAN NETWORKS 1 | |
Pham | Using benthic diatoms as a bioindicator to assess rural-urban river conditions in tropical area: a case study in the Sai Gon River, Vietnam | |
CN105807074B (zh) | 一种快速预测活性污泥系统出水cod达标的方法 | |
Strugariu et al. | Monitoring results on industrial wastewater pollutants in steel Industry | |
Lessoued et al. | Modeling and optimization of COD removal from leachate by electrocoagulation: application of central composite design | |
CN115526445A (zh) | 基于生态风险加权频率的水体优控有机污染物筛查方法 | |
Bischoff et al. | Choosing the most appropriate technique for wastewater disinfection–parallel investigation of four disinfection systems with different preceding treatment processes | |
Jeong et al. | Characteristics of TOC in effluent discharge from public sewage treatment works in Korea | |
Shammout et al. | Fate and management of pollution of hexavalent chromium Cr (VI) and heavy metals in the Zarqa River Basin in Jordan | |
Jacobsen et al. | Novel aspects for management of xenobiotic compounds in wastewater treatment plants–linking theory, field studies, regulation, engineering, and experience | |
Cirtina et al. | Assessment of drinking water quality of Targu Jiu city by analyzing physical and chemical quality parameters | |
Nahm et al. | Development of an optimum control software package for coagulant dosing process in water purification system | |
Almeida et al. | Sustainability assessment of wastewater reuse in a Portuguese military airbase | |
Mehralian et al. | Investigating the quantitative and qualitative status of effluent in the wastewater treatment plant in Iran central iron ore | |
Akintunde et al. | Physico-chemical, Heavy Metal and Microbial Analysis of Wastewater Discharged from Selected Laboratories in Bowen University, Nigeria | |
CN118221193B (zh) | 一种垃圾填埋场污染地下水的处理系统及方法 |
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 |