不同进水方式潮汐流人工湿地污染物去除研究

摘要

目前，水污染问题日益严峻，自然湿地自身净化能力有限，人工湿地具有处理效果好、费用低的优势，逐渐成为研究的热点，但是其复氧能力较低，并且受多种因素影响，存在一定的缺陷，因此需要寻求强化人工湿地的技术方法。潮汐流人工湿地(Tidal FlowConstructed Wetland，TF-CW)是一种新型人工湿地生态系统，并且在污染物去除方面受到了广泛的关注。本文为研究TF-CW中污染物去除效果及影响因素，建立潮汐流模拟装置，通过对比不同进水方式下(连续流湿地(A)，设闲置/反应时间分别为1∶1(B)，1∶2(C)，2∶1(D))的模拟装置对污染物的去除效果以及沿程变化规律，并用冗余分析(RDA)筛选出影响其去除效果的主要因子，将各个影响因子输入人工神经网络模型进行各个污染指标出水浓度的训练与验证。得出如下结论:
　　1.A、B、C、D四种进水方式对TN的平均去除率分别为82.41％±4.84％、84.82％±5.09％、86.09％±3.99％、90.23％±3.05％。四种进水方式差异显著（P＜0.05）;A进水方式NH4+-N去除效果与B、C、D差异显著（P＜0.05），其中D进水方式NH4+-N的去除效果最好，但A对NO3--N的总体去除效果较优;四种进水方式对TP的去除率差异性均不显著(P＞0.05);闲置/反应时间并不影响TOC（总有机碳）的去除率。四种进水方式下，NH4+-N去除率均在0～15cm深度内最大，随深度增加，去除率下降;NO3--N浓度在0～15cm深度内迅速上升;随处理深度增加，TP浓度逐步降低。TOC浓度处于0～20mg/L间的较低水平，并随深度增加而下降。
　　2.四种进水方式下TF-CW的平均硝化强度差异显著(P＜0.05)，其中A与其他三种潮汐进水方式均差异显著，而D是基质平均硝化强度最大的进水方式;四种模拟装置的基质平均反硝化强度差异性也显著(P＜0.05)，A进水方式反硝化强度最大。TF-CW基质硝化强度与NH4+-N的去除率之间存在明显的正相关性（R2=0.8497，P＜0.05）;反硝化强度与NO3--N的出水浓度呈呈明显负相关关系(R2=0.8448，P＜0.05)。装置上部0～30cm的处理深度硝化强度最大，反硝化强度则在中部的30～60cm阶段较高。
　　3.RDA分析结果显示TN的去除率的主要影响因子有DO（溶解氧）、RAT（淹没排空比）、ORP（氧化还原电位）、TOC，NH4+-N的主要影响因子有DO、RAT、ORP、Depth（处理深度），NO3--N的主要影响因子有Cond（电导率）、Temp（水温）、Sal（盐度）、pH，TP的主要影响因子有DO、RAT、Time（时间）、Depth。因此在用BP神经网络对TF-CW水体污染物出水浓度进行模拟时选择各指标的主要影响因子作为输入层，污染物指标出水浓度作为输出层，经试错法可得TN、NH4+-N、NO3--N和TP选择的隐含层节点数分别为9，11，12，9。对数据组进行训练的结果显示，BP人工神经网络模型可以有效地预测污染物的出水浓度，模型预测值与实际值存在一定的相关性，也存在较小范围的误差。BP神经网络对各指标的拟合能力TP出水浓度最好，总体R2可达0.90076。对TN、NH4+-N和NO3--N的拟合系数分别为0.67086、0.72854和0.69293。

目录

声明

摘要

第一章 绪论

1．1 概述

1．2 国内外研究现状

1．2．1 潮汐流人工湿地污染物去除效果研究

1．2．2 影响潮汐流人工湿地污染物去除的因素

1．2．3 人工湿地微生物硝化反硝化作用强度研究

1．2．4 潮汐流人工湿地去污模型研究

1．2．5 潮汐流人工湿地的不足及发展趋势

1．3 主要研究内容及技术路线

1．3．1 主要研究内容

1．3．2 研究技术路线

第二章 材料与方法

2．1 试验装置

2．2 试验参数

2．2．1 实验水质

2．2．2 进水方式

2．3 样品采集与监测

2．3．1 采样频次

2．3．2 测定方法

2．3．3 实验仪器及设备

2．4 数据处理

第三章 潮汐流人工湿地去除效果分析及沿程变化规律

3．1 不同进水方式下TF-CW模拟装置处理效果分析

3．1．1 进出水TN浓度变化

3．1．2 进出水NH4+-N浓度变化

3．1．3 进出水NO3--N浓度变化

3．1．4 进出水TP浓度变化

3．1．5 进出水TOC浓度变化

3．1．6 进出水DO浓度变化

3．1．7 进出水pH变化

3．2 不同进水方式下TF-CW模拟装置各指标沿程变化规律

3．3 讨论

3．4 小结

第四章 潮汐流人工湿地基质硝化反硝化强度研究

4．1 不同进水方式硝化反硝化强度对比

4．2 回归分析

4．3 不同深度硝化强度与反硝化强度分析

4．4 小结

第五章 基于BP神经网络的潮汐流人工湿地污染物去除

5．1 BP神经网络算法流程

5．2 训练样本的选择与归一化

5．2．1 训练样本的选择—RDA分析

5．2．2 样本的归一化

5．3 网络拓扑结构的建立

5．3．1 确定隐含层的各节点

5．3．2 构建网络拓扑结构

5．4 网络的训练与验证

5．4．1 预测值与实测值比较

5．4．2 训练误差

5．4．3 网络的拟合能力

5．5 小结

第六章 结论与展望

6．1 结论

6．2 展望

参考文献

附录

在读期间的学术研究

致谢