简介:采用离子色谱技术(IC)对光催化氧化降解偶氮染料生成小分子羧酸和无机阴离子的分析方法进行了研究。以偶氮染料降解过程中可能产生的小分子羧酸(甲酸、乙酸、草酸、乳酸、丁二酸、苹果酸)和无机阴离子(SO4^2-、Cl-、NO3-)为目标化合物,采用DionexIonPacAS23色谱柱,KOH为淋洗液,电导检测,在等度淋洗和梯度淋洗两种方式下实现了上述9种物质的分离和测定,各待测物在0.125~32.00mg/L范围内线性关系良好(R2≥0.9991)。运用建立的IC分析方法对典型偶氮染料甲基橙在TiO2光催化降解过程中产生的有机酸及无机阴离子进行了跟踪分析,检测到的相关化合物的投加回收率在94%-102%。结合甲基橙降解过程中紫外一可见图谱的变化及TOC值的测定,推测了甲基橙可能的降解反应历程:羟基自由基攻击与偶氮键相连的C—N,生成N2和一些酚类化合物,继续作用于新生成有机物的芳环,并将其氧化生成醌类化合物后进一步反应使芳环断裂生成小分子羧酸,最终将其降解为CO2和H2O。
简介:研究了城市森林生态系统PM2.5及其组分的垂直分布,在北京市奥林匹克森林公园内的监测塔上,分别于冬季(树木无叶期)和春季(幼叶期)开展观测,观测了Na+、NH4+、K+、Mg2+、Ca2+、Cl-、NO-3和SO2-4的质量浓度。结果表明,SO2-4和NO3-为PM2.5水溶性无机离子的主要成分,其质量浓度之和占总PM2.5水溶性无机离子质量浓度的50%以上。冬季ρ(NO-3)/ρ(SO2-4)为0.525,春季为0.611,表明移动源的影响明显小于固定源。水溶性无机离子质量浓度在一天内出现两个高峰值,分别在6:00—10:00和18:00—22:00,总的趋势是白天质量浓度高于夜晚,这与周围生活环境和气象等因素有密切关系。无叶期时,8种离子质量浓度随高度增加没有明显变化特征;幼叶期时,PM2.5水溶性离子质量浓度随垂直高度增加而增加,在不同垂直高度上有明显的质量浓度梯度变化。
简介:三氯杀螨醇生产工艺流程主要包括缩合、碱解、氯化和水解等步骤。对工作场所中空气样品、生产过程排放的废酸及废水样品进行采集和分析。工作场所空气中DDT总质量浓度均值为6.69×10-3mg/m3。其中,碱解反应工序中质量浓度水平较低,为1.10×10-3mg/m3;包装车间质量浓度水平较高,为16.72×10-3mg/m3。所有空气样品中p,p’-DDE均是主要贡献物质,占DDT杂质总量的80.2%;p,p’-DDT的质量浓度范围为0.053×10-3-1.66×10-3mg/m3,平均为0.49×10-3mg/m3,低于国家标准限值。缩合废酸与水解废酸中DDT杂质总质量比分别为4.84μg/kg和334.83μg/kg;碱解废水与水解废水中的DDT杂质总质量比分别为456.48μg/kg和75.65μg/kg。废水及废酸样品中各种DDT杂质的质量比水平存在差异;生产工艺阶段不同,杂质组成也各具特点。水解废酸的p,p’-DDT的质量比最高,为146.82μg/kg;缩合废酸与水解废水处质量比水平较低,分别为0.33μg/kg和1.41μg/kg。该企业随废水及废酸排放的DDT杂质总量为1234.08g/a,其中随碱解废水的排放量高达912.95g/a。p,p’-DDT的年排放总量为163.37g/a,随碱解废水和水解废酸的排放量分别为86.98g/a和73.41g/a。
简介:落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.