主成分分析法优化治理黑臭水体的碳素纤维铺设密度 - 图文

水污染防治ＷａｔｅｒＰｏｌｌｕｔｉｏｎＣｏｎｔｒｏｌ３９主成分分析法优化治理黑臭水体的碳素纤维铺设密度。吴慧玲１胡湛波１辛丽平２柴欣生２梁益聪１（１．广西大学环境学院，南宁５３０００４；２．华南理工大学制浆造纸工程国家重点实验室，广州５１０６４０）摘要：在治理黑臭水体的碳素纤维铺设密度优化研究中，借助统计学软件（ＳＩＭＣＡ．Ｐ），以４个指标（ＣＯＤ、ＴＰ、ＮＨ、一Ｎ、ＴＮ）作为分析变量，探讨了单指标优化法与主成分分析法分析样本数据的差别。结果表明：单指标优化法可以确定４个指标各自的最优铺设密度，而主成分分析法能综合４个指标的信息进行分析，并优选出碳素纤维的最优铺设密度为４０ｃｍ２／Ｌ，为碳素纤维的综合运用提供参考依据。关键词：主成分分析法；黑臭水体；碳素纤维；铺设密度；ＳＩＭＣＡ．ＰＤＯＩ：１０．１３２０５／ｉ．ｈｉｇｃ．２０１５０６００９ＰＲＩＮＣＩＰＡＬＣｏＭＰｏＮＥＮＴＡＮＡＬＹＳＩＳＦＯＲＯＰＴＩｎＩＺＡＴＩＯＮＯＦＴＨＥＣＡＲＢＯＮＦＩＢＥＲＬＡＹＩＮＧＤＥＮＳＩＴＹＩＮＲＥＭＥＤＩＡＴｌ０ＮｏＦＢＬＡＣＫ．ｏＤｏＲｏＵＳＷＡＴＥＲＷｕＨｕｉｌｉｎ９１ＨｕＺｈａｎｂ０１ＸｉｎＬｉｐｉｎ９２ＣｈａｉＸｉｎｓｈｅｎ９２ＬｉａｎｇＹｉｃｏｎ９１（１．Ｓｃｈｏｏｌ２．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｕｌｐｏｆＥｎｖｉｒｏｎｍｅｎｔ，ＧｕａｎｇｘｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ５３０００４，Ｃｈｉｎａ；ａｎｄＰａｐｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０６４０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｔｈｅｒｅｓｅａｒｃｈｏｆｏｐｔｉｍｉｚｉｎｇｔｈｅｌａｙｉｎｇｄｅｎｓｉｔｙｏｆｃａｒｂｏｎｆｉｂｅｒｉｎｔｈｅｓｔａｔｉｓｔｉｃａｌｒｅｍｅｄｉａｔｉｏｎｂｌａｃｋ－ｏｄｏｒｏｕｓｗａｔｅｒ，ｗｉｔｈｔｈｅｈｅｌｐｏｆｓｏｆｔｗａｒｅ（ＳＩＭＣＡ—Ｐ），ｔｈｉｓｍｅｔｈｏｄｂｙｕｓｉｎｇｆｏｕｒｐａｐｅｒｅｘｐｌｏｒｅｄｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆｔｈｅｓｉｎｇｌｅｉｎｄｉｃａｔｏｒｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄａｎｄｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｆａｃｔｏｒｓ（ＣＯＤ，ＴＰ，ＮＨ３一ＮａｎｄＴＮ）ａｓａｎａｌｙｓｉｓｖａｒｉａｂｌｅｓ．Ｔｈｅｉｎｄｉｃａｔｏｒｓｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔ：Ｓｉｎｇｌｅｉｎｄｉｃａｔｏｒｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｃｏｕｌｄｃｏｎｆｉｒｍｔｈｅｂｅｓｔｌａｙｉｎｇｄｅｎｓｉｔｙｏｆｔｈｅｆｏｕｒｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｍｅｔｈｏｄｌａｙｉｎｇｄｅｎｓｉｔｙａｓｒｅｓｐｅｃｔｉｖｅｌｙ，ｗｈｉｌｅｐｒｉｎｃｉｐａｌｃａｒｂｏｎｆｉｂｅｒｃｏｕｌｄｃｏｍｐｒｅｈｅｎｓｉＶｅｌｙａｎａｌｙｚｅｔｈｅｉｎｆｏｒｍａｔｉｏｎｏｆｆｏｕｒｉｎｄｉｃａｔｏｒｓｕｓｅａｎｄｃｏｎｆｉｒｍｔｈｅｂｅｓｔ４０ｅｍ２／Ｉ．．Ｔｈｅｓｔｕｄｙｃｏｕｌｄｐｒｏｖｉｄｅｒｅｆｅｒｅｎｃｅｆｏｒｔｈｅｉｎｔｅｇｒａｔｅｄｏｆｃａｒｂｏｎｆｉｂｅｒ．Ｋｅｙｗｏｒｄｓ：ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ；ｂｌａｃｋ—ｏｄｏｒｏｕｓｗａｔｅｒ；ｃａｒｂｏｎｆｉｂｅｒ；ｌａｙｉｎｇｄｅｎｓｉｔｙ；ＳＩＭＣＡ—Ｐ０引言关性对工艺条件优选结果的影响。随着统计学技术的发展，主成分分析法是近年来使用最频繁的一种多元分析方法，主要是将多个变量简化为少数几个综合变量（主成分），不仅能消除变量间的相关性，同时能提取原变量的主要信息，减少分析的维度‘”。。本文将主成分分析法用于多指标优化工艺条件，以期为修复工程的有效实施提供指导作用。目前，黑臭水体的治理已成为社会关注的焦点之一。。。其中，生物生态法被认为是治理黑臭水体最实际和有效的方法’８。。在生物生态法中，生物膜技术发展较为成熟，该技术成功的关键在于生物膜载体的选择‘９ｏ。近年来，新型生物膜载体碳素纤维因具有比表面积大、孔径小而多、吸附容量大并能有效提高生物活性等优点¨“，在湖泊、水库等复杂水体的治在水环境修复系统工程中，为了达到良好的修复效果，探索工艺条件（如水力负荷、溶解氧、温度等）的最优解具有十分重要的意义。传统工艺条件通常采用单一指标（如ＣＯＤ、ＴＰ、ＮＨ，一Ｎ、ＴＮ等的去除率）进行优化，优化过程简单快捷，但仅考虑ｒ水质中该指标的变化特征，不能充分反映水质的综合变化规律‘１ｏ。因此，研究利用多指标优化工艺条件的方法十分必要。近年来，国内外学者提出了许多解决多指标优化问题的方法，如：遗传算法、粒子群算法、分层序列法等‘２。，这些方法主要注重于研究优化过程的算法与指标函数的组合方式＂１，较少涉及指标问相＋广西自然科学基金（２０１３ＧＸＮＳＦＡＡ０１９２７８）。收稿日期：２０１４—１０一１２万方数据环境工程ＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇ理中得到成功的应用。“ｏ。然而，国内外研究主要集中研究碳素纤维的挂膜速度。１２。、水力负荷¨３Ｊ等工程参数条件，对碳素纤维的铺设密度研究鲜有报道。合理的铺没密度既能节约经济成本，又能有效净化水体。因此，优化碳素纤维的最佳铺设密度对其在治理黑臭水体的工程运用中具有重要意义。本文对水体的基本指标ＣＯＤ、ＴＰ、ＮＨ，一Ｎ、ＴＮ的变化情况进行定时监测，运用单指标优化法与主成分分析法对采集的数据进行对比分析。确定碳素纤维治理黑臭水体的最佳铺设密度，为碳素纤维的实际应用提供依据。１实验部分１．１实验材料及装置本次实验所用材料为日本ＣＦＨ－１型碳素纤维。实验用水与底泥均来自南宁市朝阳溪。实验装置主体为５个１８Ｌ的塑料桶，内置１５Ｌ黑臭河水与４０ｇ黑臭底泥。先将碳素纤维放入黑臭水体中培养１２ｄ，待碳素纤维挂上膜后取出，分别按照０，２０，４０，６０，８０ｃｍ２／Ｌ的铺设密度把挂膜后的碳素纤维分别放人５个实验装置中。每隔３ｄ取一次水样检测各项指标，静态处理２２ｄ。１．２实验方法实验中，化学需氧量（ＣＯＤ）采用微波消解法测定，氨氮（ＮＨ、一Ｎ）采用纳氏试剂光度法测定，总氮（ＴＮ）采用碱性过硫酸钾紫外分光光度法测定，总磷（ＴＰ）采用钼酸铵分光光度法测定，各检测方法均按照《水和废水监测分析方法》。１４。中规定步骤进行分析检测。２数据分析方法２．１主成分分析原理主成分分析法是一种考察多个变量问相关性的多元统计分析方法，主要利用降维技术，将描述系统的多个相关变量以少数不相关的综合变量来表示，且能保留原变量的主要信息，使得在分析复杂问题时容易找出主要影响因子，并对原数据进行客观合理评价，既提高数据分析效率，又避免了分析过程中人为主观因素的影响。２．２主成分分析步骤主成分分析的工作对象是一张包含样本点与变量的数据表，假设有ｎ个样本点Ｐ个变量，则可得到一个／＇ｔ×Ｐ的矩阵：万方数据ｘ曩■铲孚川－１＇２，…，凡；歹－１，２，…＇ｐ）式中：贾，＝寺，５，２＝旦ｉ丁。∑茗ｉ∑（戈ｉ—ｉ，）２。ｎ’凡一ｌｚ＝［ｉ｝：：：ｉ量］＝ｃｚ?，ｚ：，…，ｚ，，，Ｚｉ＝２）求相关系数矩阵Ｒ＝（ｒ酊），。，。ｒ。，为２个变量问的相关系数，体现其表示系统信息重叠的程度。～２者；（ｚ扩ｘｋ）（戈ｉ～∥蹦，，１ｎ（ｉ＝１，２，‘一，ｎ；ｋ，Ｊ＝１，２，’一，Ｐ）３）计算特征值与特征向量，确定主成分的表达式与个数。根据特征方程ｌ尺一Ａ，ｌ＝０求出相关系数矩阵Ｒ的特征值Ａ。≥Ａ：≥…≥Ａ。及对应的特征向量ａ。，ａ：，…，ａ。。则第ｈ个主成分的表达式为：Ｆ＾＝口＾ｌＺｌ＋ｎ＾２２２，…，＋ｏｂＺＰ，（ｈ＝１，２，…，Ｐ），是原变量新的线性组合方式，组合系数恰好是相应的特征值Ａ。所对应的特征向量ｏ。的各分量％（ｉ＝１，２，…，ｐ）ｏ基于累计贡献率（∑ｈ＝ｌｉ了瓦靠）＞８５％的原则，选取／７／，（ｍ＜Ｐ）个主成分。４）计算综合得分，对系统进行分析评价。把各个样本点的标准化数据分别代入选取的ｍ个主成分的表达式，计算样本点的得分，再利用方水污染防治ＷａｔｅｒＰｏｌｌｕｔｉｏｎＣｏｎｔｒｏｌ４１差贡献率为权数对这ｍ个主成分的得分进行加权求和，即可算出每个样本点的综合得分，其综合得分函数如下：对系统进行深入分析评价。３结果与讨论３．１数据的采集Ｆ，＋——————二生Ｌ—一只＋…＋２本文采用的样本点为每隔３ｄ取一次不同碳素Ａｌ＋Ａ２＋‘?‘＋Ａｍ纤维铺设密度实验组处理的水样，５组实验取８次共４０个水样，变量为ＣＯＤ、ＴＰ、ＮＨ，一Ｎ、ＴＮ４个指标。Ａ。Ａｌ＋Ａ２…表１为原始数据，根据原始数据进行传统分析与主成分分析。最后根据综合得分所代表的含义，利用专业知识表１Ｔａｂｌｅ１实验各指标检测数据Ｅｘｐｅｒｉｍｅｎｔａｌｔｅｓｔｄａｔａｆｏｒｅａｃｈｉｎｄｉｃａｔｏｒ密度／Ｐ（ＴＮ）１７．８１８．９１６．８密度／时１９／指标含量／（ｍｇ?Ｌ“）ｐ（ＣＯＤ）ｐ（ＴＰ）Ｐ（ＮＨ３一Ｎ）３２４２８４２９７２５０２２０１９７１９５１８８时１９／指标含量／（ｍｇ?Ｌ“）ｐ（ＣＯＤ）Ｐ（ＴＰ）ｐ（ＮＨ３一Ｎ）１５３１３０１０３（ｃｍ２?Ｌ一１）ｄ００００００（ｃｍ２?Ｌ一１）ｄ４０４０４０４０６０６０６０６０ｐ（ＴＮ）１２．１１０．３９．４４１４７０．８４５０．７５Ｉ０．７１３０．６１２０．７３３０．６４７０．６２４０．６５７１２．４１３．６９．７３８．５４８．３７６１１１３１６１９２２１４７１００．４８２０．３９６０．３２７０．３１００．８３６０７４４５．４３２．８９２．７３２．６５１３．０７１３１０１３１６１９２２１５．７１５．４１４．６１２．３１１．３９４．２３５７１７４１０２１２８８．２Ｉ１９．４１５７ＯＯ４．３９２．５６０．６９Ｏ．６６１６．４５３．１５ｌ３．１１２．４２０２０２０２０ｌ４７１０３５９１９８１２９１６９１５２１４９１５２１５６３４７０７７３０．６４６０．５２９０．６１４１３６１７．６１６．９１３．２１２４６０６０６０６０８０８０８０８０８０１３１６１９２２１０６９５．９８７８９．７０．５７９０．５０ｌ０．４６６３．０５１．５６１．２７１０．９ｌＩ．１１０．２９．４２７．３３６．３３０．４１９０．７８５０．６３３０．５９ｌ０．５５６０．６１０１．２３１２．９８．３３５．１７４．８３３．４４９．８３１８．２１６．１１４．９１２０２０２０２０４０１３１６１９２２１４０．５５６０．４９０Ｏ．５１７０．５２９０．７３８０．５３５０．６５ｌ０．５５３８．０９２．０９１．５２１．４７１５．４ｌＯ．２９．１３８．４９８．１６１７．２１４３４４１５９９８．６９４．５１０４７１０１３３．６１３．０４０４０４０１６７１５４１４３９．１８８．４４５５６１４．９１２．３１３．５８０８０８０１６１９２２８８．２７０．０６６００．５９４０．５３８０５１２２．９６２．３４２１２．９１１．０１０７７１０１５３．２单指标优化分析佳的铺设密度，但如需综合考虑４个指标，则不能用单指标优化法确定最佳的铺设密度。而在实际应用中，通常会综合考虑成本、运行条件等因素来间接确定某一密度为最佳的铺设密度，这种间接的确定方式带有经验成分，不能准确体现监测指标所表达的信息。因此，需要一个更加科学合理的优化方法重新整合数据，得出确切结论。３．３主成分分析逐一分析碳素纤维的铺设密度对黑臭水体中ＣＯＤ、ＴＰ、ＮＨ，一Ｎ、ＴＮ降解的影响，图１分别展示了在不同铺设密度下４个指标去除率的变化趋势。由图１ａ可知：随着碳素纤维的铺设密度逐渐增大，ＣＯＤ的去除率先增加后趋于平缓，铺设密度为８０ｃｍ２／Ｌ时，ＣＯＤ的去除效果最优，去除率为８０．８％。由图ｌｂ与图１Ｃ可知：ＴＰ与ＮＨ，一Ｈ的去除率都随碳素纤维铺设密度的增大，呈先上升后下降的趋势，有明显的峰值，ＴＰ与ＮＨ，一Ｈ的最优去除率对应的铺设密度分别为４０，６０ｃｍ２／Ｌ。由图１ｄ可知：ＴＮ的去除率先迅速上升后逐渐下降，在铺设密度为２０３．３．１相关性分析根据１．２中ＳＩＭＣＡ—Ｐ软件主成分分析的步骤，先将原始数据标准化处理，消除量纲与数量级的影响，再求出相关系数矩阵，如表２所示。由相关系数矩阵可知，ＣＯＤ、ＴＰ、ＮＨ，一Ｎ、ＴＮ４个指标之间的相关系数都达到０．７５以上且都是正数，说明它们之间具有较强的线性正相关关系，４个指标所代表的系统信息具有很高的重叠性。因此，可用主成分分析法对其ｃｍ２／Ｌ时，ＴＮ的去除率最高，为５３．６％。经上述分析可知，每一个指标都对应一个最佳的铺设密度，仅考虑一个指标可以确定该指标对应的最万方数据环境工程４２ＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇ７０６０器褂凿．啪凸ｏＵ龉篷悄４０莲５０｝３０２０２０４０６０铺设密度／（ｇＣＢ。）ａ铺设密度／（ｇｃｍ。）ｂ９５誊９０商赣８５ｔ－ｚ－ｒ＇８０７５２０４０６０８０铺设密度／（ｇｏｃｍ。１铺设密度／（ｇｄｏｍ３）ａ—ｃ０Ｄ去除率变化趋势；ｂ—ＴＰ去除率变化趋势；ｃ—ＮＨ３一Ｈ去除率变化趋势；ｄ—ＴＮ去除率变化趋势。图１Ｆｉｇ．１不同铺设密度下各个指标去除率的变化趋势ｖａｒｉｏｕｓＲｅｍｏｖａｌｔｒｅｎｄｓｏｆｉｎｄｉｃａｔｏｒｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｌａｙｉｎｇｄｅｎｓｉｔｉｅｓ表２相关系数矩阵Ｔａｂｌｅ２表３主成分的贡献率和累积贡献率Ｔａｂｌｅ３ＣｏｎｔｒｉｂｕｔｉｏｎｒａｔｅａｎｄｒａｔｅｏｆｐｒｉｎｃｉｐａｌＭａｔｒｉｘｏｆｃｏｒｒｅｌａｔｉｏｎｃｏｅｍｃｉｅｎｔｃｕｍｕｌａｔｉｎｇｃｏｎｔｒｉｂｕｔｉｏｎｃｏｍｐｏｎｅｎｔ进行分析评价。３．３．２主成分提取根据主成分分析步骤３可以计算出主成分的特征值与特征向量，确定主成分的个数与表达式。由表３与图２可以得出：特征值＞１的主成分只有１个（第一个主成分），且其贡献率为８６％（反映了原指标８６％的信息），已经超过了主成分分析法中规定累积贡献率大于８５％的原则。而其他各主成分的特征值均远＜１，解释系统能力不到８％，因此，可只选用第图２碎石图一个主成分对实验样本数据进行综合评价。每个主成分都可由ＣＯＤ、ＴＰ、ＮＨ，一Ｎ、ＴＮ４个指标的线性组合构成一个固定的表达式来体现。由于各指标相应的载荷分量等于该主成分与该指标的相关系数，所以指标对应的载荷分量越大，主成分与该指标的相关性越强。由表４可知：第一主成分中４个Ｆｉｇ．２Ｓｃｒｅｅｐｌｏｔ指标对应的载荷分量均在０．９以上，说明第１主成分与这４个指标都有很强的相关性，几乎包括了４个指标的所有信息，所以其可用于综合评估黑臭水体有机物污染与水体富营养化的程度。根据２．２中主成分万方数据水污染防治ＷａｔｅｒＰｏｌｌｕｔｉｏｎＣｅｎｔｒｅｌ４３表达式的计算原理，可得出主成分的表达式：Ｆ．＝０．９１５Ｘｌ＋０．９０２Ｘ２＋０．９４８Ｘ３＋０．９４５Ｘ４，由于此次分析结果只有一个主成分，因此综合得分Ｆ＝Ｆ．。表４主成分因子载荷Ｔａｂｌｅ４Ｆａｃｔｏｒｌｏａｄｏｆｐｒｉｎｃｉｐａｌ和，同样也能反映碳素纤维治理黑臭水体的效果。从表５可知：各实验组总得分排序依次为４０６０ｃｍ２／Ｌ＞ｃｍ２／Ｌｃｍ２／Ｌ＞８０ｃｍ２／Ｌ＞２０ｔｉｎ２／Ｌ＞０ａｍ２／Ｌ．４０的治理效果最佳。初步分析其原因可能是当铺设密ｃｏｍｐｏｎｅｎｔ度＞４０ｃｍ２／Ｌ时，碳素纤维虽能储存部分气体保持水体中溶解氧平衡，但由于覆盖面积过大，造成下覆水与外界隔绝，气体交换不顺畅，加之微生物生长消耗溶解氧，更容易形成厌氧环境，不利于水体的修复。当铺设密度＜ｄＯｃｍ２／Ｌ时，微生物因生存场所产生的３．３．３综合评价根据综合得分与主成分的函数关系计算出各个样本点的水质污染综合得分，再将同一铺设密度下的所有样本点的综合得分加和，求出该铺设密度对应的总得分，如表５所示。由于样本点的综合得分与该实验组所含污染物的浓度有对应关系，综合得分越高，污染物的浓度越高，水质净化效果越差；反之，综合得分越低，污染物的浓度越低，水质治理效果越好。总得分为碳素纤维各铺设密度实验组所有样本点综合得分的加表５Ｔａｂｌｅ５Ｅｖａｌｕａｔｉｏｎ竞争作用，不利于碳素纤维表面生物膜更新换代，导致治理效果不明显。而铺设密度为４０ＣＩＩｌ２／Ｌ时，碳素纤维既能为微生物生长繁殖提供充足的场所，又不阻碍水体复氧速率，使得微生物在最适宜的环境中得以大量繁殖，提高水体净化的能力。所以碳素纤维铺设密度为４０ｃｍ２／Ｌ时总得分最低，位列第一，水体治理效果最优。至此，运用主成分分析法可以筛选出合理的碳素纤维的铺设密度，为其工程运用提供实验数据支持，节约治理费用，提高碳素纤维使用价值。不同铺设密度综合评价结果ｒｅｓｕｌｔｓｏｆｄｉｆｆｅｒｅｎｔｌａｙｉｎｇｄｅｎｓｉｔｉｅｓ密度／（ｅｍ２?Ｌ“）０２０总得分９排序６８一１３．９一１９５４０６０８０一１６．９—１５．０４结论４高惠璇．应用多元统计分析［Ｍ］北京：北京大学出版社，２００６．本文利用单指标优化法与主成分分析法分别优化治理黑臭水体的碳素纤维铺设密度，结果表明：单指标优化法可以确定４个指标各自对应的最优碳素纤维的铺设密度。而主成分分析法能有效消除指标间的相关性，使各个指标之间相互协调，优选出碳素纤维铺设密度为４０ｃｍ２／Ｌ时黑臭水体综合治理效果最优。参考文献［１］ＶｒｕｇｔＪＡ，ＧｕｐｔａＨＶ，ＢａｓｔｉｄａｓＬＡ，ｅｔａｌａｌｇｏｒｉｔｈｍｆｏｒｍｕｌｔｉＷａｔｅｒＲｅｓｏｕｒｃｅｓＥｆｆｅｃｔｉｖｅａｎｄｅｆｆｉｃｉｅｎｔ！！５陆文，李北涛，郭治远，等．基于主成分分析的生活垃圾组分模型研究［Ｊ］．环境工程，２０１３，３１（６）：１００—１０３６徐光宇，柴国平，徐明德，等．主成分分析法在汾河太原城区段水质评价中的应用［Ｊ］环境工程，２０１４，３２（６）：１２２．１２４７刘成，胡湛波，郝晓明，等．城市河道黑臭评价模型研究进展［Ｊ］．华东师范大学学报，自然科学版，２０１１（１）：４５．５４．８郝桂玉，黄民生，徐亚同生物修复原理及其在黑臭水体治理中的应用［Ｊ］．净水技术，２００４，２３（２）：３９－４２．９王圣武，马兆昆生物膜污水处理技术和生物膜载体［Ｊ］．江苏化工，２００４，３２（４）：３６—３８姚理为，余辉，田学达，等．碳素纤维对富营养化水体的水质改善与对藻类群落结构的影响［Ｊ］．环境科学研究，２０１２，［ｍｈｙｄｒｏｌｏｇｉｃｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｏｆｍｏｄｅｌｓ［Ｊ］．２５（８）：８９０—８９６．Ｒｅｓｅａｒｃｈ，２００３，３９（８）：１２１４［¨ｌ２］陈宝林．最优化理论与算法ｌＭ］．北京：清华大学出版社，１９８９．ＡｋｉｒａＫ，ＴａｋａｓｈｉＴ．Ｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｎｔｈｅａｄｖａｎｃｅｄａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｔｅｃｈｎｏｌｏｇｙｄｅｖｅｌｏｐｍｅｎｔ：Ｗａｔｅｒｔｈｅｃａｒｂｏｎｐｕｒｉｆｉｃａｔｉｏｎ［３］郭俊，周建中，邹强．水文模型参数多目标优化率定及目标函数组合对优化结果的影响［Ｊ］．四川大学学报．工程科学版，２０１１，４３（６）：５８－６３．ｕｎｄｅｒｗａｔｅｒｆｏｒｅｓｔｆｏｒｍａｔｉｏｎｂｙｆｉｂｅｒ［Ｊ］．ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，２００５，５０（２）：１３４—１３８．（下转第６６页）万方数据环境工程ＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｇｉｎｅｅｒｉｎｇ２．２．５重金属废水处理研究菌株Ｑ。。对４种不同浓度重金属的去除效果见图５。ａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｄｙｉｎｇｗａｓｔｅｗａｔｅｒｔｒｅａｔｍｅｎｔ［Ｊ］ＪＢｉｏｒｅｓｏｕｒｃｅＴｅｃｈｎｏｌ，２００９，１００（９）：２６２９—２６３２．Ｌｉ，ＪｉａｎａＦｉｇ．５ＲｅｍｏｖａｌｅｆｆｅｃｔｏｆＳｔｒａｉｎｓ蓁１｜｜一…ｊ［３］ＮｉｎｇＨｅ，ＹｉｎＣｈｅａ，ｅｔｉｓｏｌａｔｅｄａ１．Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｅｏｒｙｎｅｂａｅｔｅｒｉｕｍｏｆａｎｏｖｅｌｂｉｏｆｌｏｅｃｕｌａｎｔｆｒｏｍｎｅｗｌｙｇｌｕｔａｒｎｉｅｕｍ［Ｊ］．ＢｉｏｃｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＪｏｕｒｎａｌ，２００２（１１）：１３７－１４８．陶然，杨朝晖，曾光明，等微生物絮凝剂产生菌的筛选，鉴定及其培养条件的优化研究［Ｊ］．中国生物工程杂志，２００５，２５（８）：７６－８１．Ｉ（Ｊ！（ＪｊＵｌＯＵ初始浓度㈨￡Ｉｆｉ】［５］董新姣．高效絮凝剂产生菌的筛选及培养条件［Ｊ］．城市环境与城市生态，２００５，１８（６）：２１－２５．秦芳玲．微生物絮凝剂产生菌的筛选及其絮凝性能的实验研究［Ｊ］．西安石油大学学报．自然科学版，２００９，２４（４）：６９—７１．慝Ｃｕ；疆Ｐｂ；■Ｚｎ；图Ｎｉ。［６］图５菌种ＱＢ。对不同浓度重金属的去除效果ＱＢｌｏｎｄｉｆｆｅｒｅｎｔｃｏｎｃｅｎｔｒａｔｉｏｎｓｏｆｈｅａｖｙｍｅｔａｌｓ［７］张冬．微生物絮凝剂产生菌的筛选，鉴定及絮凝试验［Ｊ］．湖北农业科学，２０１１，５０（１）：６６－６８．菌株Ｑ。。对４种重金属浓度为１～１００ｍｇ／Ｌ的废水均具有较好的去除效果，其中对含铅废水的处理效果最优，去除率高达９９．３８％。对含锌和含镍废水的效果稍低于对含铅废水的处理效果，对含铜废水的处理效果稍差，但仍高于８０％。由此可见，微生物絮凝［８］张云波，李政，刘其友，等．微生物絮凝剂产生菌ＫＪ－１０的絮凝性能及絮凝成分分析［Ｊ］．环境工程学报，２０１１，５（４）：９５ｌ－９５５．［９］胡玉平，胡波，夏璐．微生物絮凝剂产生菌的筛选及其鉴定［Ｊ］．广西科学，２００７，１４（１）：７８—８０．［１０］瞿广飞，龚文琪，李军燕，等．微生物絮凝剂的物化特性研究［Ｊ］．武汉理工大学学报，２００７，２９（１０）：６５－６８张鸿龄，孙铁珩，孙丽娜．微生物絮凝剂处理污染水体的研究剂Ｑ。。对重金属废水具有较好的絮凝效果，与文献报道的Ｂａｃｉｌｌｕｓｍｕｃｉｌａｇｉｎｏｓｕｓ菌株ＧＹ０３的作用相似¨“。３结论［１２］和应用前景［Ｊ］工业水处理，２００７，２７（１２）：１－４．阮敏，杨朝晖，曾光明，等．多粘类芽孢杆菌ＧＡｌ所产絮凝剂的絮凝性能研究及机理探讨［Ｊ］．环境科学，２００７，２８（１０）：２３３６－２３４１．从水体底泥中筛选、分离、纯化并优选得到一株高效絮凝菌Ｑ…其最佳絮凝条件为：以葡萄糖为碳源，酵母膏为氮源，发酵培养３６ｈ，菌株发酵液用量０．２［１３］李素清，柯水洲，袁辉洲，等．微生物絮凝剂的研究进展［Ｊ］．净水技术，２００８，２７（１）：５－８．ｍＬ，助凝剂ＣａＣｌ：用量０．８ｍＬ，此时对０．４％高［１４］岭土悬浊液的絮凝率达到９３％，絮凝活性高且用量较少。其对重金属废水特别是含铅废水具有９９％以上的絮凝去除能力，是一种经济高效可扩大生产应用的微生物絮凝剂产生菌。参考文献［１］周礼，张永奎，陈晓，等．一种高效微生物絮凝剂产生菌的筛选及培养基优化［Ｊ］．环境科学学报，２００６，２６（４）：５８４－５８８．［２］ＬｉｕＷｅｉｊｉｅ，ＹｕａｎＨｏｎｇｌｉ，ＹａｎｇＪｉｎｓｈｕｉ，ｅｔａ１．ＣｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆｂｉｏｆｌｏｅｃｔｉｌａｎｔｓｆｒｏｍｂｉｏｌｏｇｉｃａｌｌｙａｅｒａｔｅｄｆｉｌｔｅｒｂａｃｋｗａｓｈｅｄｓｌｕｄｇｅＤａｖｉｄＣＳｏｂｅｅｋａ．ＭａｔｔｈｅｗＪＨｉｇｇｉｎｓｂｌ．Ｅｘａｍｉｎａｔｉｏｎｏｆｔｈｒｅｅｔｈｅｏｒｉｅｓｆｏｒｍｅｃｈａｎｉｓｍｓｏｆｃａｔｉｏｎｉｎｄｕｃｅｄｂｉｏｆｌｏｃｃｕｌａｔｉｏｎ［Ｊ］．ＷａｔＲｅｓ．２００２，３６（２）：５２７２－５３８１．［１５］ＬｉａｎＢｉｎ，ＣｈｅｎＹｅ，ＹｕａｎＳｈｅｎｇ，ｅｔａ１．ＳｔｕｄｙｉｏｎｓｏｎｔｈｅｆｌｏｃｃｕｌａｂｉｌｉｔｙｏｆｍｅｔａｌｂｙＢａｃｉｌｌｕｓｍｕｃｉｌａｇｉｎｏｓｕｓＧＹ０３ｓｔｒａｉｎ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＧｅｏｃｈｅｍｉｓｔｒｙ，２００４，２３（４）：３８０—３８６．第一作者：刘倩（１９９０一），女，硕士研究生。通信作者：姜彬慧（１９６２一），女，副教授。ｊｉａｎｇｂｉｎｈｕｉ＠ｍａｉｌ．ｎｅｕ．ｅｄｕ．ａｎ（上接第４３页）［１２］李兰，索帮成，常布辉，等．碳素纤维改性及其在富营养化水体中的挂膜实验［Ｊ］．中国农村水利水电，２０１３，３：５３－５７．环境科学出版社，２００２［１３］刘杰，何振坤，王绍棠．炭纤维生物膜的形成机制（Ｉ）炭纤维表面特性对微生物固着化的影响［Ｊ］．新型炭材料，２００２，１７（３）：２０—２４．第一作者：吴慧玲（１９９０一），女，硕士研究生，主要研究方向为水环境生态修复。ｗｈｌ４１５８９９＠１２６．ｃｏｍ通信作者：胡湛波（１９６９一），男，教授，博士生导师，主要研究方向为水环境生态修复。ｈｚｂ２００５＠１２６．ｃｏｒｎ［１４］国家环境保护总局．水和废水监测分析方法［Ｍ］．北京：中国万方数据

本文来源：https://www.bwwdw.com/article/obeh.html