从硫自营养转变为混合营养脱:与不同碳来源,微生物群落和人工神经网络建模的性能

科学领域:

• 环境科学 环境科学
• 环境生物技术 环境生物技术
• 微生物生态学 微生物生态学

背景情况:

• 硫自脱 (SAD) 和异脱 (HD) 具有固有的局限性.
• 为克服这些局限性,提出了一种新的混合型脱方法.
• 这项研究研究了有机碳来源在SAD过程中的整合.

研究的目的:

• 用不同的碳来源 (葡萄糖,甲醇,酸) 评估混合型系统的脱性能.
• 确定最佳的碳源剂量及其对酸盐去除效率和去除率 (NRR) 的影响.
• 分析微生物群落结构的变化以及pH和液压保留时间 (HRT) 对过程的影响.

主要方法:

• 进行了批量实验,以评估不同条件下的脱性能.
• 三个碳来源 (葡萄糖,甲醇,酸) 添加了12.5%,25%和50%的理论HD要求.
• 研究了pH和HRT等影响因素,并进行了微生物社区分析.
• 开发了一个人工神经网络 (ANN) 模型来预测废水质量.

主要成果:

• 使用酸在25%的理论剂量中的混合型系统实现了最高的NO-N去除效率 (99.8%) 和NRR (6.25 mg/L·h)).
• 在最佳剂量下,葡萄糖和甲醇的效率较低 (分别为77.0%和88.4%).
• 微生物分析显示, *Thiobacillus* 的数量减少, *Thauera*, *Aquimonas* 等无化的细菌多样性增加.
• 该ANN模型准确地预测了废水质量 (R^2>0.9).
• 最初的pH对于COD去除和硫转化更为关键,而HRT显著影响了NO-N去除.

结论:

• 与单独的SAD或HD相比,混合型脱,特别是使用酸,提供了一种优越的酸盐去除方法.
• 优化的碳源添加和pH和HRT的控制对于高效的混合型无化至关重要.
• 混合营养系统中增强的微生物多样性有助于提高脱性能.