1.本发明属于市政水处理技术领域，尤其是涉及一种基于合流制溢流污水污染物去除率快速预测方法。
背景技术：
2.我国城镇
污水处理比例不断提高，但是排水系统雨季溢流造成的城市面源污染，已成为城市水体污染的重要问题之一。溢流污染的有效控制，对改善水环境，提升人民幸福感、获得感与安全感有着重要作用。而随着全国黑臭水体治理到了攻坚和收尾阶段，城市污水治理设施逐步完善，消除“城市面源污染”成为了下一步改善水环境的重要任务。
3.雨季合流制溢流污水可生化性较差，水量波动大。采用一级强化处理工艺，即絮凝沉淀物理处理，适合于可生化性差、水量波动大的污水。一般情况下，雨水径流存在着初期冲刷效应。inhyeok park等人应用swmm模型对韩国的某城市合流制管网的初期冲刷效应进行了研究，发现初期20％的径流中携带了40％的污染负荷。因此，对雨季合流制溢流污染采取快速净化措施，能逐步降低雨季污染物入河湖量。
4.据掌握的国内外相关文献表明，雨季合流水中固体悬浮物浓度(suspended solid)ss、工业废水中的化学需氧量(chemical oxygen demand)cod、总磷(total phosphorus)tp三者之间有较好的相关性。同时雨季合流水中悬浮物质以无机大颗粒(d＝10～100μm)和无机粗颗粒(d＞100μm)为主，二者总量占ss比例超过85％，雨季合流污水采用一级强化处理工艺可获得很好的处理效果，ss去除率可以作为针对污水处理厂雨季合流制溢流污水一级强化处理出水水质的一个考核指标。现行规范对雨季合流制溢流污染处理出水指标仅《海绵城市建设评价标准》提到ss作为城市水体环境治理评价指标，没有其余考核指标。对处理后的溢流污水采用ss作为考核指标，缺乏对一级强化处理工艺处理后其他污染物指标的消减量预测。
技术实现要素：
5.本发明提供一种基于合流制溢流污水污染物去除率快速预测方法。通过建立ss去除率与cod、tp去除率的回归方程，根据ss去除率，预测cod、tp各自相应的去除率，操作简单，能快速预测出一级强化处理工艺处理雨季合流制溢流污水后，污染物入河湖的消减量，对水体的保护度；能为项目决策部门及设计部门提供合理决策及设计依据，避免工艺方案选型失误，造成出水水质不达标、工程投资浪费。
6.工作步骤如下：
7.step-1、选择ss去除率、cod去除率、tp去除率为数字特征；
8.step-2、收集及整理数据：在雨季取超过污水处理厂处理能力1.1倍时候的溢流污水，进行絮凝沉淀实验；
9.step-2-1、基于烧杯实验确定的药剂、投加量和沉淀时间，对应雨季溢流污水ss、cod、tp进行絮凝沉淀试验后，计算其各自去除率；
10.step-2-2、得到雨季溢流污水ss、cod、tp去除率数据后，先剔除离群数据，进行数据有效数据整理，分析数据是否符合正态分布特征；
11.step-3、相关性分析：根据ss、cod、tp的去除率数据，采用pearson简单相关系数分析ss去除率与cod、tp去除率之间的相关显著程度；
12.step-4、建立模型：根据ss、cod、tp的去除率数据，建立ss去除率与cod、tp去除率之间的回归方程；
13.step-5、校验模型误差：对得到的ss去除率与cod去除率回归方程、ss去除率与tp去除率回归方程进行方差分析或相关系数t校验；
14.step-6、利用模型预测出水指标选择不同的ss去除率，预测cod、tp的去除率；
15.step-7、根据ss去除率，预测cod、tp的去除率，快速判断一级强化处理工艺处理雨季合流制溢流污水后，污染物入河湖的消减量及对水体的保护度。为项目决策部门及设计部门提供合理的决策及设计依据，避免工艺方案选型失误，造成出水水质不达标、工程投资浪费。
16.所述选择数字特征，是ss去除率、cod去除率、tp去除率。
17.所述模型预测，是基于ss去除率、cod去除率与tp去除率回归方程。
18.本发明一种基于合流制溢流污水污染物去除率快速预测方法研究具有如下有益效果：
19.(1)本发明是一种基于合流制溢流污水污染物去除率快速预测方法，能够通过一级强化处理工艺处理后ss去除率，快速预测cod、tp去除率的方法，操作简单。
20.(2)本发明提供的快速预测方法，适用于不同地区的一级强化处理工艺处理后的雨季合流制溢流污水的ss、cod、tp污染物消减量预测。为项目决策者及设计者提供决策及设计依据，避免工艺方案选型失误，造成出水水质不达标、工程投资浪费。具有良好的环境及经济效益。
附图说明
21.图1为本发明所述快速预测方法流程图
具体实施方式
22.雨季合流制溢流污水中污染物指标有ss、cod、tp、tn、nh
3-n，其中ss与cod、tp相关性较好，ss与tn、nh
3-n相关性差。因此，一级强化处理工艺处理雨季合流制溢流污水采用ss去除率与cod、tp去除率进行相关性分析，建立回归方程。
23.下面结合具体实施方式对本发明进行进一步说明：
24.1、选择ss去除率、cod去除率、tp去除率为数字特征。
25.2、在某市雨季取超过污水处理厂处理能力1.1倍时候的溢流污水，进行取样及絮凝沉淀实验。
26.基于烧杯实验确定的药剂种类、投加量和沉淀时间，对雨季溢流污水进行絮凝沉淀试验后，计算水质指标ss、cod、tp各自去除率。样本容量建议在8到50之间。
27.3、得到雨季溢流污水ss、cod、tp去除率数据后，剔除离群数据。将检测后的水质指标数据输入spss软件进行夏皮洛-威尔克检验也称为w检验，该校验是用来检验总体是否服
从正态分布的一种广泛应用的检验方法。通常数据服从正态分布，后面统计分析才能获得有效结果。一般来说，w值接近于1且其显著性检验水平大于0.05代表接受原假设，样本总体服从正态分布；否则应拒绝原假设，样本总体不服从正态分布。
28.本研究样本容量为20,可以采用夏皮洛-威尔克检验法对其进行正态检验，检验结果如表1所示：
29.表1样本正态检验结果
[0030][0031]
从表2可以看出，ss去除率、cod去除率及tp去除率w统计量都比较接近1，且显著性水平都是远大于0.05，表明ss去除率、cod去除率及tp去除率具有良好的正态分布特征。
[0032]
4、对服从正态分布的样本进行相关性分析
[0033]
pearson简单相关系数用来度量定距型变量之间的线性相关关系。pearson简单相关系数可以直接根据观察值计算，pearson相关系数的计算公式为：
[0034][0035]
公式中r为pearson简单相关系数；n为样本数；1≤i≤n，x表示自变量ss去除率，y表示因变量cod去除率或者是tp去除率，则xi表示第i个样本ss去除率,yi表示第i个样本cod或者是tp去除率；表示自变量ss去除率的平均值,表示cod或者是tp去除率的平均值。
[0036]
当r＝0时表示不存在线性相关，但不意味着y与x无任何关系；当0≤︱r︱≤0.3时，为微弱相关；当0《︱r︱≤0.5时，为低度相关；当0《︱r︱≤0.8时，为显著相关；当0.8《︱r︱《1时，为高度相关；当︱r︱＝1时，为完全性相关；
[0037]
采用spss软件对其样本数据进行相关性分析，用pearson简单相关系数衡量相关性强弱。其结果如表2所示：
[0038]
表2 ss去除率与cod去除率、tp去除率皮尔逊相关性分析表
[0039]
相关变量组合相关系数显著性检验值cod去除率与ss去除率0.8440.001tp去除率与ss去除率0.8460.001
[0040]
表3为相关性分析结果表，从表中可以看出，ss去除率和cod去除率之间的相关系数为0.844，即︱r︱＝0.844；ss去除率和tp去除率之间的相关系数为0.846，即︱r︱＝0.846；表示两个变量是高度相关，且显著性检验值为0.001《0.01，确定了两者相关的假设。所以可以得出结论：ss的去除率与cod去除率、tp去除率之间存在相关性。
[0041]
5、对通过相关性检验的样本建立回归模型
[0042]
回归分析是研究一个因变量或多个因变量(自变量)与一个自变量(因变量)之间是否存在某种线性关系或非线性关系的一种统计学分析方法。本发明利用最小二乘法可以计算出线性回归模型中的参数值。
[0043]
最小二乘法公式如下：
[0044]
y＝a+bx
[0045][0046][0047]
根据样本数据计算a、b值，得到回归方程。
[0048]
y是因变量；x是自变量；xi是第i个样本自变量的样本值；yi是第i个样本因变量样本值；
[0049]
是自变量样本均值；是因变量样本均值；a是回归方程斜率；b是回归方程常量；
[0050]
(1)ss去除率与cod去除率回归方程为：
[0051]
y＝0.337x+18.61
[0052]
其中：自变量x是ss去除率；因变量y是cod去除率
[0053]
(2)ss去除率与tp去除率回归方程为：
[0054]
y＝0.344x+39.0
[0055]
其中：自变量x是ss去除率；因变量y是tp去除率
[0056]
5、为检验回归方程的正确性，对回归方程进行f检验以验证回归关系，经过回归关系f检验可以得到表3数据，其中f
0.95
为置信度95％的f值。
[0057]
表3 f检验回归关系表
[0058][0059]
然后再对cod去除率、tp去除率与ss之间的线型关系进行t检验，可以得到表4数据，其中t0.95为置信度95％的t值。
[0060]
表4 t检验线性关系表
[0061][0062]
6、校验通过后，得到ss去除率与cod去除率回归方程、ss去除率与tp去除率回归方程。
[0063]
(1)ss去除率与cod去除率回归方程为：
[0064]
y＝0.337x+18.61 r2＝0.712
[0065]
其中：x是ss去除率；y是cod去除率，r2表示x、y之间的线性相关性，越接近1，表示相关越大；
[0066]
(2)ss去除率与tp去除率回归方程为：
[0067]
y＝0.344x+39.0 r2＝0.717
[0068]
其中：x是ss去除率；y是tp去除率r2表示x、y之间的线性相关性，越接近1，表示相关越大。技术特征：
1.一种基于合流制溢流污水污染物去除率快速预测方法，其特征在于，包括：选择ss去除率、cod去除率、tp去除率为数字特征、收集并整理数字特征、计算数字特征、建立模型、检验模型误差、利用模型预测；工作步骤如下：step-1、选择ss去除率、cod去除率、tp去除率为数字特征；step-2、收集及整理数据：在雨季取超过污水处理厂处理能力1.1倍时候的溢流污水，进行絮凝沉淀实验；step-2-1、基于烧杯实验确定的药剂、投加量和沉淀时间，对应雨季溢流污水ss、cod、tp进行絮凝沉淀试验后，计算其各自去除率；step-2-2、得到雨季溢流污水ss、cod、tp去除率数据后，先剔除离群数据，进行数据有效数据整理，分析数据是否符合正态分布特征；step-3、相关性分析：根据ss、cod、tp的去除率数据，采用pearson简单相关系数分析 ss去除率与cod、tp去除率之间的相关显著程度；step-4、 建立模型：根据ss、cod、tp的去除率数据，建立ss去除率与cod、tp去除率之间的回归方程；step-5、 校验模型误差：对得到的ss去除率与cod去除率回归方程、ss去除率与tp去除率回归方程进行方差分析或相关系数t校验；step-6、利用模型预测出水指标选择不同的ss去除率，预测cod、tp的去除率；step-7、根据ss去除率，预测cod、tp的去除率，快速判断一级强化处理工艺处理雨季合流制溢流污水后，污染物入河湖的消减量及对水体的保护度。2.根据权利要求1所述的一种基于合流制溢流污水污染物去除率快速预测方法研究，其特征在于：所述选择数字特征，是ss去除率、cod去除率、tp去除率。3.根据权利要求1所述的一种基于合流制溢流污水污染物去除率快速预测方法研究，其特征在于：所述利用模型预测，基于ss去除率、cod去除率与tp去除率回归方程。
技术总结
本发明提供一种基于合流制溢流污水污染物去除率快速预测方法，属于市政水处理技术领域。合流制溢流（CSO）污染长期以来严重制约我国水环境质量改善，是城市水环境治理中亟待解决的重大难题。本发明提供一种基于合流制溢流污水污染物去除率快速预测方法，分析研究SS去除率与COD、TP去除率之间的相关性，并对SS去除率与COD、TP去除率之间进行回归关系分析，得到SS去除率与COD、TP去除率之间的回归方程。将设计SS去除率代入上述两个回归方程，得到相应的COD、TP去除率。COD、TP的去除率可作为一级强化处理后排入水体的指标预测结果。现行的《海绵城市建设评价标准》提到SS作为城市水体环境治理评价指标，本发明可以通过检测SS去除率，预测COD、TP去除率，操作简单，能快速预测出一级强化处理工艺处理雨季合流制溢流污水后，污染物入河湖的消减量及对水体的保护度；能为项目决策部门及设计部门提供合理决策及设计依据，避免工艺方案选型失误，造成出水水质不达标、工程投资浪费。工程投资浪费。工程投资浪费。
技术研发人员：张慧 王涛涛 尹滔 罗青
受保护的技术使用者：云南省设计院集团有限公司
技术研发日：2021.12.08
技术公布日：2022/1/21
声明：
“基于合流制溢流污水污染物去除率快速预测方法与流程” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
271
编辑：中冶有色技术网
来源：云南省设计院集团有限公司
分享 0
举报 0
收藏 0
反对 0
点赞 0
中冶有色技术平台
2025年03月28日 ~ 30日 
