论文部分内容阅读
水资源短缺一直是人类生存发展的重大挑战,因此水的再循环利用显得尤为重要。与传统活性污泥法相比,膜法水处理技术,尤其是膜生物反应器（MBR）技术因其具有占地面积小、处理效率高、出水水质好、剩余污泥量少等优点得到了广泛关注。尽管MBR技术具有显著的优势,然而膜污染问题一直是该方法中不可避免的问题,极大限制和制约了这项技术的发展。一般认为污染物在膜表面的粘附和沉积引起的膜孔堵塞或污染层的形成是MBR中膜污染的主要原因,而这两个过程都与膜污染的界面行为直接相关。此外,膜表面形成的污染层可进一步分为凝胶层与滤饼层,尽管滤饼层表观上更为厚实,然而由其产生的过滤阻力却远低于凝胶层。在某些情况下,凝胶层的形成直接决定了MBR中的膜污染程度。针对污染物粘附和沉积过程中的膜污染行为,本研究主要通过基于Extended-Derjaguin-Landau-Verwey-Overbeek（XDLVO）理论,开发了人工神经网络（ANN）方法应用于量化MBR中与膜污染相关的界面相互作用,以实现快速评价污染物在膜表面的粘附行为。同时基于膜分离过程形成的凝胶污染和模型物质探究与凝胶污染相关的膜污染机制。通过Flory-Huggies机制解释了凝胶层高污泥比阻（SFR）的原因,并以聚N-异丙基丙烯酰胺（PNIPAM）作为模型物质,量化了氢键作用在膜污染中的贡献。为进一步研究天然有机物（NOM）的污染行为,以海藻酸钠（SA）为模型物质,利用密度泛函理论（DFT）计算从分子角度解释了Fe（Ⅲ）絮凝剂添加浓度对膜污染的影响机制。为深入了解膜污染机制提供了新的见解。主要研究结果如下:（1）污染物在膜表面的粘附主要受短程界面相互作用控制,尽管高级XDLVO方法可以量化这一相互作用,但是高耗时限制了这一方法的应用。本文以五个相关因素作为输入变量的三种不同的人工神经网络（ANN）（径向基人工神经网络（RBF ANN）,反向传播人工神经网络（BP ANN）和广义回归神经网络（GRNN））用于量化具有随机粗糙的膜表面的界面相互作用能。结果发现,ANN可以很好地捕获相关因素与界面能之间的复杂非线性关系,其中BP ANN表现出更优异的量化性能。ANN的量化结果显示出较高的回归系数和准确性,表明其具有很高的量化界面能的能力。与高级XDLVO方法耗时数天相比,ANN的量化在同一情况下仅需几秒,表明ANN具有极高的量化速率。ANN为研究MBR中的膜污染提供了新的思路。（2）在某些情况下,凝胶层的形成直接决定了MBR的膜污染程度。虽然氢键相互作用广泛存在于胶体污染物和污泥悬浮液中,但其在膜污染中的确切作用仍未被揭示。过滤结果表明,在20℃下,MBR中形成的凝胶层的SFR高达2.06×1019 m·kg-1,且真实凝胶与模型凝胶的SFR均随温度降低。FTIR分析表明,凝胶样品中有大量良好的氢键供体/受体形成氢键,且氢键强度随温度升高而降低。从自由能的角度出发,提出了描述氢键作用的数学模型。首次量化了氢键效应对凝胶总SFR的贡献约占20%。这些结果为深入研究膜生物反应器中的膜污染提供了依据。（3）探讨了在不同Fe（Ⅲ）浓度添加下SA过滤行为的分子机理。发现藻酸盐混合物（1.0 g SA/L）的SFR首先增加,然后随着Fe（Ⅲ）的浓度从0增加到2.5 mM而下降到低谷。与0.1 mM Fe（Ⅲ）相互作用的藻酸盐混合液的SFR高达1.65×1014 m·kg-1,这可以用与凝胶过滤有关的Flory-Huggins晶格理论来解释。光学观察表明,随着Fe（Ⅲ）浓度的增加,污染层的形态发生了明显的变化（从凝胶到颗粒状固体）。一系列表征表明藻酸盐混合物的微观结构,pH和表面电荷均随Fe（Ⅲ）浓度变化而改变。基于DFT计算发现Fe（Ⅲ）优先与藻酸盐链的三个末端羧基形成配位键,从而促进藻酸盐链的延伸和交联。这种配位模式引起粘液和均质凝胶的形成,对应于高SFR。Fe（Ⅲ）浓度的持续增加导致非末端配位,这使藻酸盐链段聚集和盘绕。该作用,以及Fe（Ⅲ）添加导致的表面电荷减少和双电层压缩的作用,显著降低了藻酸盐混合物的SFR。这项研究为了解Fe（Ⅲ）对藻酸盐污染的影响提供了深入的分子见解。