| 摘要 | 第6-8页 |
| 英文摘要 | 第8-10页 |
| 第一章 绪论 | 第15-26页 |
| 1.1 研究背景 | 第15-24页 |
| 1.1.1 水中磷的来源和形态分布 | 第15-16页 |
| 1.1.2 磷污染的危害及磷资源短缺 | 第16-17页 |
| 1.1.3 含磷废水处理及磷回收方法 | 第17-20页 |
| 1.1.4 纳米复合材料在污水除磷及磷回收领域的研究 | 第20-23页 |
| 1.1.5 市政污水中磷和出水有机物(EfOM)的同步去除 | 第23-24页 |
| 1.2 研究目标、内容及基本思路 | 第24-26页 |
| 第二章 基于人工神经网络的铁系纳米复合材料除磷特性 | 第26-43页 |
| 2.1 引言 | 第26页 |
| 2.2 实验材料及方法 | 第26-30页 |
| 2.2.1 实验材料 | 第26-27页 |
| 2.2.2 响应曲面及实验设计 | 第27-28页 |
| 2.2.3 静态吸附实验 | 第28页 |
| 2.2.4 固定床吸附实验 | 第28-29页 |
| 2.2.5 人工神经网络构架 | 第29-30页 |
| 2.3 结果与讨论 | 第30-41页 |
| 2.3.1 响应曲面模型 | 第30-32页 |
| 2.3.2 人工神经网络模拟静态吸附 | 第32-36页 |
| 2.3.3 遗传算法优化 | 第36-38页 |
| 2.3.4 影响因素相互作用分析 | 第38-39页 |
| 2.3.5 人工神经网络模拟固定床吸附 | 第39-41页 |
| 2.4 本章小结 | 第41-43页 |
| 第三章 鸟粪石法回收铁系纳米复合材料除磷脱附液 | 第43-59页 |
| 3.1 引言 | 第43页 |
| 3.2 实验材料及方法 | 第43-47页 |
| 3.2.1 实验材料 | 第43-44页 |
| 3.2.2 HFO-201吸附-鸟粪石反应器系统 | 第44-45页 |
| 3.2.3 鸟粪石结晶静态实验 | 第45页 |
| 3.2.4 晶体生长动力学实验 | 第45-46页 |
| 3.2.5 分析方法 | 第46页 |
| 3.2.6 热力学模型构建 | 第46-47页 |
| 3.3 结果与讨论 | 第47-58页 |
| 3.3.1 污水处理厂二级出水及脱附液表征 | 第47-49页 |
| 3.3.2 热力学模型结果 | 第49页 |
| 3.3.3 pH对P回收的影响 | 第49-51页 |
| 3.3.4 温度和搅拌转速对P回收的影响 | 第51页 |
| 3.3.5 镁氨投量对P回收的影响 | 第51-53页 |
| 3.3.6 盐度和有机物对P回收的影响 | 第53-55页 |
| 3.3.7 钙/镁法P回收可行性探索 | 第55-58页 |
| 3.4 本章小节 | 第58-59页 |
| 第四章 镧系纳米复合材料的研制与基本除磷性能 | 第59-75页 |
| 4.1 引言 | 第59-60页 |
| 4.2 实验材料与方法 | 第60-62页 |
| 4.2.1 实验材料 | 第60页 |
| 4.2.2 纳米复合材料La-201的制备 | 第60页 |
| 4.2.3 静态吸附实验 | 第60-61页 |
| 4.2.4 吸附模型 | 第61-62页 |
| 4.2.5 材料表征及分析方法 | 第62页 |
| 4.3 结果与讨论 | 第62-73页 |
| 4.3.1 La-201的表征 | 第62-66页 |
| 4.3.2 pH对La-201吸附P的影响 | 第66-67页 |
| 4.3.3 竞争离子和有机物对La-201吸附P的影响 | 第67-69页 |
| 4.3.4 吸附等温线 | 第69-71页 |
| 4.3.5 吸附动力学 | 第71-72页 |
| 4.3.6 与其他载La复合材料的比较 | 第72-73页 |
| 4.4 本章小节 | 第73-75页 |
| 第五章 载镧纳米复合材料固定床除磷性能与作用机制 | 第75-87页 |
| 5.1 引言 | 第75页 |
| 5.2 实验材料与方法 | 第75-76页 |
| 5.2.1 实验材料 | 第75页 |
| 5.2.2 固定床动态吸附-再生实验 | 第75-76页 |
| 5.2.3 分析方法 | 第76页 |
| 5.3 结果与讨论 | 第76-85页 |
| 5.3.1 固定床吸附-再生结果 | 第76-79页 |
| 5.3.2 HLO形貌及晶态变化研究 | 第79-82页 |
| 5.3.3 LaPO4形态的NMR研究 | 第82-84页 |
| 5.3.4 La-P相互作用XPS研究 | 第84-85页 |
| 5.4 本章小节 | 第85-87页 |
| 第六章 研究结论、创新点与研究展望 | 第87-89页 |
| 附件 博士阶段的其他相关研究工作 | 第89-109页 |
| 第七章 饮用水处理厂(DWTP)神经网络混合模型产水量预测工具的开发 | 第89-101页 |
| 7.1 引言 | 第89-90页 |
| 7.2 实验材料与方法 | 第90-93页 |
| 7.2.1 实验数据 | 第90页 |
| 7.2.2 数据处理 | 第90-92页 |
| 7.2.3 混合型人工神经网络的构建 | 第92-93页 |
| 7.2.4 DWTP产水量预测工具的开发 | 第93页 |
| 7.3 结果与讨论 | 第93-100页 |
| 7.3.1 DWTP输入输出数据分析 | 第93-95页 |
| 7.3.2 混合型人工神经网络(HANN)模型的结构和性能 | 第95-98页 |
| 7.3.3 输入参数对HANN模型的影响 | 第98-99页 |
| 7.3.4 DWTP产水量预测工具 | 第99-100页 |
| 7.4 本章小节 | 第100-101页 |
| 第八章 载铁纳米复合材料-离子交换串联同步去除磷和出水有机物(EfOM)的性能 | 第101-109页 |
| 8.1 前言 | 第101页 |
| 8.2 实验材料与方法 | 第101-102页 |
| 8.2.1 实验材料 | 第101页 |
| 8.2.2 连续固定床动态吸附-再生实验 | 第101-102页 |
| 8.2.3 分析方法 | 第102页 |
| 8.3 结果与讨论 | 第102-108页 |
| 8.3.1 市政污水出水表征 | 第102-103页 |
| 8.3.2 HFO-201/D-201串联柱系统同步去除磷和EfOM | 第103-106页 |
| 8.3.3 HFO-201/D-201串联柱系统再生性能分析 | 第106-108页 |
| 8.4 本章小节 | 第108-109页 |
| 参考文献 | 第109-123页 |
| 攻读博士期间主要科研成果 | 第123-125页 |
| 致谢 | 第125-126页 |
