基于改進偏最小二乘法的近紅外快速分析強化生物除磷污泥胞內PHA

徐 玲,李衛華,楊 英*,嚴國兵,帥 磊,趙 慶

?

基于改進偏最小二乘法的近紅外快速分析強化生物除磷污泥胞內PHA

徐 玲1,2,李衛華1,2,楊 英1,2*,嚴國兵1,2,帥 磊1,2,趙 慶1,2

(1.安徽建筑大學環境與能源工程學院,安徽 合肥 230601；2.安徽建筑大學,水污染控制與廢水資源化安徽省重點實驗室,安徽 合肥 230601)

聚β羥基烷酸酯(PHA)是強化生物除磷系統中顆粒污泥胞內重要碳源和能源,其快速測定對強化生物除磷機理研究有重要意義. 采用Savitzky-Golay平滑法(SG)-多元散射校正法(MSC)對污泥的近紅外光譜進行預處理,通過改進的偏最小二乘法(iPLS、siPLS、biPLS)建立污泥樣品近紅外光譜與PHA含量的定量分析模型.結果表明,SG-MSC預處理減弱噪聲和背景等表面因素對光譜的影響,采用聯合區間偏最小二乘法(siPLS)將全光譜等分為30個子區間, 聯合子區間[13 21 24 29]建立的模型預測效果最優,其交互驗證均方根誤差(RMSECV)和預測均方根誤差(RMSEP)分別為0.2018和0.3120,校正集和預測集相關系數分別達到0.9925和0.9391,該光譜區段與PHA分子結構中C—H的伸縮變形、彎曲振動和C=O的伸縮振動密切相關. 改進偏最小二乘有效地優化光譜建模區域,提高模型預測能力,實現污泥胞內PHA含量的快速定量分析.

強化生物除磷；聚β羥基烷酸酯；近紅外光譜；Savitzky-Golay平滑法；多元散射校正；改進偏最小二乘法

廢水的強化生物除磷(EBPR)過程是解決水體富營養化的一種重要途徑,受到人們的廣泛關注[1-4].采用厭氧-好氧的交替運行,可以增強聚磷菌的競爭優勢,聚磷菌將正磷酸鹽轉化為聚磷并通過好氧末端排泥實現磷的去除[5-7].強化生物除磷過程中存在聚β羥基烷酸酯(PHA)、糖原和聚磷三種污泥胞內聚合物,其中PHA扮演著重要角色.在厭氧條件下,聚磷菌吸收胞外的揮發性脂肪酸,通過糖原水解獲得還原力,將其轉化為PHA;在好氧條件下,聚磷菌分解胞內的PHA,其中一部分PHA轉化成糖原,以維持污泥胞內糖原的含量,為下一個循環的厭氧階段提供還原力,其余的PHA轉化為乙酰輔酶A,并經過TCA循環產生大量ATP,其中一部分ATP用于細胞的生長,另一部分ATP用于多聚磷酸鹽的合成[8-10].因此,建立PHA的快速分析方法有助于更好地研究強化生物除磷過程.

PHA主要測定方法是氣相色譜法,將污泥冷凍干燥后,加入酸化甲醇和氯仿,以苯甲酸鈉為內標,在100℃條件下加熱消解,采用氫火焰離子化檢測器測定氯仿相中的PHA[11-13].該方法雖然是PHA的經典分析方法,測定結果相對準確,但其步驟較為繁瑣,加熱消解時間較長,難以及時獲得分析結果.除氣相色譜法分析以外,中紅外光譜和拉曼光譜也是定量分析PHA含量變化重要方法.目前已有研究通過掃描獲取凍干污泥樣品的中紅外光譜,結合氣相色譜分析結果,采用偏最小二乘方法建立PHA含量與其中紅外光譜特征峰(位于1740cm-1)光譜數據的定量關系模型,可以實現污泥胞內PHA含量的快速定量分析[14-15]. Majed等[16]采用拉曼光譜法分析EBPR過程中污泥胞內貯存物(糖原、聚磷和PHB)與拉曼特征峰值的相關性,其中與PHB的相關性達到0.94.

然而,中紅外光譜分析結果受壓片的厚薄、均勻度以及樣品的添加量等外界因素的影響較大;拉曼光譜主要檢測非極性基團(S-S、C-C、N-N等),難以檢測PHB分子中的極性基團(C=O、C—H、C—O等)[17].比較而言,粉末樣品的近紅外(NIR)漫反射分析測定不需要壓片制樣,且測定速度快,亦可實現污泥樣品的快速分析.由于近紅外光譜主要反映的是含氫基團X-H振動的倍頻和合頻吸收且吸收帶較寬、重疊嚴重[18],需要結合化學計量學方法(如iPLS、biPLS和siPLS),實現樣品近紅外光譜帶中與待測物質最相關信息的提取,建立定量分析模型[19-20].孫柏玲等人將近紅外光譜與聯合區間偏最小二乘相結合建立慈竹纖維素結晶度分析模型,預測效果較為理想[21].Chen等[22]采用不同的偏最小二乘法選擇合適的光譜區間建立綠茶中多酚含量與光譜數據之間的近紅外光譜模型,結果表明siPLS模型的預測性能最好.黃健等[23]利用近紅外光譜結合iPLS對短程硝化反硝化中無機鹽氮進行定性判別和定量分析.但是關于強化生物除磷過程中污泥胞內PHA的近紅外研究,國內外還未見相關報道.本文擬采用Savitzky-Golay平滑法(SG)-多元散射校正法(MSC)對強化生物除磷污泥樣品的近紅外光譜進行預處理,并結合改進的偏最小二乘法優化近紅外建模光譜區域.對污泥胞內PHA含量進行建模對比分析,以期得到較為理想的近紅外預測模型.

1 材料與方法

1.1 反應器描述

采用序批式反應器(SBR)在厭氧好氧交替條件下培養富集聚磷菌,形成顆粒污泥.利用微電腦定時控制器自動切換進水、攪拌、曝氣、沉淀、排水等過程.圓柱體反應器有效容積4L,內徑為16cm ,高為40cm,水力停留時間(HRT)為16h,8h一個循環,每個循環進水2L.反應器的運行方式如圖1,每周期好氧末端排放泥水混合液200mL,污泥停留時間(SRT)為6.7d.反應器底部裝有攪拌葉片,攪拌電機轉速為120r/min,底部裝有2個微孔曝氣頭.污泥濃度(MLSS)約為3000mg/L, pH保持在6.7~8.3.

1.2 反應器進水組成

人工模擬進水中COD:P為20:1,投加乙酸鈉、丙酸鈉、磷酸氫二鉀、磷酸二氫鉀的同時,投加少量MgSO4·7H2O、CaCl2·2H2O、NH4Cl、FeSO4·6H2O等元素.反應器具體進水組成如表1:

表1 反應器進水組成情況Table 1 The composition of the influent in the reactor

1.3 EBPR顆粒污泥的培養與形態特征

隨著SBR中聚磷菌不斷富集,形成顆粒狀污泥.肉眼觀察好氧聚磷顆粒污泥顏色為橙黃色,在光學顯微鏡和電鏡(SEM)下呈現為圓形或橢圓形,污泥顆粒密實、有規則,具體形態見圖2.顆粒污泥的粒徑主要分布在0.3~0.9mm之間,約占70%左右,其分布見圖3.

1.4 樣品采集與實驗方法

1.4.1 樣品采集 采樣的時間段為顆粒污泥運行4個典型周期進水階段末至曝氣階段末,每個典型周期前3h每隔30min取樣1次,后3h每隔60min取樣1次,每次取100mL,經過20min沉淀.取上清液于取樣管中,并用SHZ-DⅢ循環水真空泵對濕污泥進行抽濾,然后用FD-1A-180冷凍干燥機冷凍干燥,共得到36個待測水樣和相應的36個顆粒污泥樣品.

1.4.2 近紅外光譜的采集 采用德國布魯克MPA型傅里葉近紅外光譜儀,光譜波數范圍為120000~4000cm-1,分辨率為2cm-1,掃描次數為64.在室溫的條件下,將冷凍干燥的污泥研磨粉碎,放入測樣專用瓶中,覆蓋瓶底,搖勻,置于光譜儀的測量臺上,以空氣為背景,每個樣品平行測量3次,取平均值作為該污泥樣本的原始近紅外光譜[24].

1.4.3 實驗方法 上清液中COD和正磷酸鹽的濃度測定均參照《水和廢水監測分析方法》[25], COD測定方法:重鉻酸鉀法,正磷酸鹽測定方法:鉬銻抗分光光度法.待測污泥樣品的PHA含量測定采用氣相色譜分析法,測定過程包括PHA的提取和氣相檢測:稱取100mg冷凍干燥后的污泥,放入全玻璃消解管中,分別移取2mL三氯甲烷、2mL10%酸化甲醇與0.2mL苯甲酸鈉溶液于消解管中.在100℃條件下加熱消解6h,冷卻至室溫,加入1mL去離子水,待溶液分層后移取下層氯仿相于氣相色譜專用瓶中.采用Agilent 6890N氣相色譜儀(GC),選擇氫火焰離子化檢測器(FID), HP-5色譜柱.檢測器和進樣口的溫度分別為300, 250℃,氫氣流量為40mL/min,空氣流量為450mL/min,柱溫箱利用程序升溫:80℃持續1min后以10℃升溫速率升溫至120℃,再以45℃升溫速率升至270℃[11-13].

1.4.4 近紅外光譜數據分析方法 近紅外光譜經Savitzky-Golay平滑法(SG)-多元散射校正法(MSC)預處理[26-27],可有效濾波.利用MATLAB軟件結合 N?rgaard 等[28]開發的多種改進偏最小二乘法:間隔區間偏最小二乘法(interval partial least squares, iPLS)、反向區間偏最小二乘法(backward interval partial least squares, biPLS)和聯合區間偏最小二乘法(synergy interval partial least squares, siPLS),分別建立污泥樣品的近紅外光譜分析模型.采用校正集和預測集的相關系數()、交互驗證均方根誤差(RMSECV)和預測均方根誤差(RMSEP)作為模型的評價指標.均方根誤差(RMSE)計算公式見式(1):

2 結果與討論

2.1 反應器的運行狀態

反應器運行穩定后取四個典型循環周期的待測水樣和污泥樣品,分析水樣中COD、PO43--P和污泥胞內的PHA等物質在每個典型循環周期內的變化情況.結果如圖4所示,反應器中進水COD濃度為(218.0±12.63)mg/L,出水為38.1± 7.20mg/L,去除率為82.5%~85.4%,進水PO43--P濃度為(21.7±1.81)mg/L,出水濃度為(4.5± 1.49)mg/L,去除率為79.3%~80.6%.在每一個循環開始的前30min內,反應器中正磷酸鹽濃度急劇增大;在厭氧和好氧交替時,釋磷量達到最大值,COD的濃度逐漸減小,表明厭氧階段聚磷菌分解胞內聚磷產生能量的同時,吸收胞外的揮發性脂肪酸,并以PHA的形式貯存在污泥胞內.

當乙酸鈉和丙酸鈉作為碳源且碳元素比為2:1時,PHA主要以PHB 和PHV 2種形式存在于微生物細胞內,PHB、PHV含量的總體變化趨勢相同,其中PHB構成PHA的主要成分,好氧曝氣階段PHV變化較小,PHB變化較大,與已報道的文獻十分吻合[29].進水結束后反應器中PHA含量為2.16%±0.17%,1h后達到最大值5.34%± 0.19%,好氧曝氣階段聚磷菌不斷分解胞內已合成的PHA,為微生物細胞生長和代謝提供能量,末端達到最小值0.75%±0.16%.

2.2 污泥樣品近紅外光譜特征解析和預處理

2.2.1 污泥樣品近紅外光譜特征解析 污泥近紅外光譜的吸收峰主要來源于污泥胞內物質分子結構中含氫基團X-H的貢獻.為了初步確定PHB分子結構中某些化學鍵貢獻的吸收峰位置,將厭氧末端的污泥樣品(PHB約1.68%)與純PHB樣品的近紅外光譜進行對比,如圖5所示.由圖5可知,標準PHB在波數8454,7174,5909,5808, 4659,4350cm-1處均具有較強的吸收峰,該吸收峰與PHB分子結構中的C—H、CH2、CH3、C—O和C=O鍵密切相關.根據Wokeman等[30]對近紅外光譜的解析, 8454cm-1(8264~8696cm-1)附近的吸收峰被歸屬于PHB分子結構中C—H鍵的二級倍頻區(3ν), 7174cm-1處的吸收峰可能歸屬亞甲基中C-H鍵組合頻,5808cm-1和5909cm-1(5407~6040cm-1)附近的吸收峰被歸屬于甲基中C—H伸縮振動的一級倍頻區(2ν),4659cm-1(4620~4813cm-1)附近的吸收峰被歸屬于C—H伸縮、C=O伸縮和C—H變形的組合頻, 4350cm-1(4258~4505cm-1)附近的吸收峰被歸屬于C-H彎曲振動的二級倍頻區(3δ).

為進一步確定圖5中某些特征吸收峰與PHB分子結構中的化學鍵密切相關,向上述冷凍干燥的污泥中添加不同比例的標準PHB物質,得到的近紅外光譜如圖6所示.由圖6可知,隨著PHB物質所占百分含量逐漸增加,PHB分子結構中的C—H二級倍頻吸收、甲基中C—H伸縮振動的一級倍頻吸收、C—H伸縮、C=O伸縮和C—H變形的組合頻吸收和C—H彎曲振動的二級倍頻吸收均顯著增強.由于污泥胞內的PHA 主要成分是PHB,故這些特征吸收峰的強度與PHA的含量有著密切的聯系.

2.2.2 污泥樣品近紅外光譜預處理 通過對原始光譜進行Savitzky-Golay平滑(SG)-多元散射校正(MSC)預處理,減弱外界環境因素對光譜檢測的影響.經預處理后光譜圖如圖8所示.

對比分析圖7和圖8,原始光譜經過預處理后樣品間散射影響所導致的基線平移和偏移現象得到有效地消除.

2.3 PHA近紅外偏最小二乘模型建立與驗證

2.3.1 全光譜PLS建模 經4次取樣,共獲得36個污泥樣品,隨機選擇2次共18個污泥樣本作為校正集,18個污泥樣本作為預測集.利用偏最小二乘法(PLS)建立預處理前后校正集全光譜(120000~4000cm-1)吸光度數據與PHA含量的定量分析模型.

2.3.2 區間偏最小二乘法(iPLS)建模 將預處 理(SG-MSC)后的污泥近紅外全光譜等分成10、15、20、25、30等份,分別對各子區間建立PLS模型,獲得各個子區間模型的最佳因子數和RMSECV.當全光譜等分成20個子區間時,第19個子區間建模RMSECV(0.4312)最小,如圖9所示,該子區間的波長范圍是4389~4775cm-1.

2.3.3 反向區間偏最小二乘法(biPLS)建模 通過biPLS對預處理后全光譜變量優選,將光譜區域劃分為10,15,20,25,30個子區間,在光譜劃分子區間個數相同的條件下,每次剔除一個子區間建立剩余子區間的PLS模型,直至剔除最后一個子區間,運行結果如表2所示.

由表2可得,當將全光譜劃分為25個子區間時,組合光譜區間[21 24]的PLS建模效果最好,建模得預測集RMSECV為0.3660,相關系數為0.9714,對應的波長范圍是4312~4621cm-1和5261~5570cm-1.由上述對污泥樣品近紅外光譜的解析可知,其中區間4312~4621cm-1與PHA分子結構中C-H的伸縮變形、彎曲振動和C=O的伸縮振動密切相關.

表2 全光譜劃等分為10, 15, 20, 25和30個子區間獲得的biPLS建模結果Table 2 The biPLS modeling results of the whole spectra with 10, 15, 20, 25 and 30 intervals

2.3.4 聯合區間偏最小二乘法(siPLS)建模 將預處理后的全光譜區域劃分為10,15,20,25,30個子區間,在光譜被劃分子區間個數相同的條件下,分別聯合2,3,4個子區間進行PLS建模,獲得最佳組合區間,結果見表3.

表3 全光譜劃等分為10, 15, 20, 25和30個子區間獲得的最優siPLS建模結果Table 3 The siPLS modeling results of the whole spectra with 10, 15, 20, 25 and 30 intervals

由表3可知,隨著劃分區間個數增加,建模效果不斷得到改善.當將全光譜區域劃分為30個子區間,并聯合子區間[13 21 24 29]時,siPLS建模效果最佳,RMSECV為0.2018,相關系數為0.9925,其建模結果如圖10和圖11所示,對應波長范圍4258~4512cm-1、5570~5824cm-1、6356~ 6611cm-1、8486~8748cm-1.由上述污泥樣品NIR光譜解析知,其中區間4258~4512cm-1,5570~ 5824cm-1和8486~8748cm-1與PHA分子結構中C—H的伸縮變形、彎曲振動和C=O的伸縮振動密切相關.

2.3.5 PHA近紅外光譜偏最小二乘模型驗證 采用不同偏最小二乘法建立的校正模型對未知樣品預測的結果如表4所示.

由表4可知,3種改進的偏最小二乘法建立PHA百分含量模型預測效果均優于全光譜PLS,其中siPLS模型預測精度最高,相關系數()達到0.9391,預測均方根誤差(RMSEP)為0.3120,說明預測集的實測值與預測值有較好的線性關系,RMSEP較小,預測效果比較理想.其結果如圖12所示.結合siPLS模型的預測結果,可得到一個SBR運行周期內PHA含量的預測值和氣相色譜測定值的對比分析圖,如圖13所示.siPLS建模的預測值和化學測量值在一個典型周期內變化趨勢相同,誤差較小,一致性較好,說明近紅外光譜結合改進的PLS測定待測污泥樣品中PHA是可行的.若對于更為復雜基質的近紅外光譜定量分析,鑒于近紅外光譜吸收帶較寬、重疊嚴重,則需要選擇合適的信號處理技術和化學計量學模型來保證預測結果的可靠性.

表4 不同PLS方法建模分析污泥胞內PHA含量的結果比較Table 4 Comparison of the results with different PLS prediction models of the intracellular PHA contents in the sludge

3 結論

3.1 Savitzky-Golay平滑-多元散射校正(SG- MSC)處理后的近紅外光譜結合PLS建模預測強化生物除磷過程中顆粒污泥胞內PHA含量.預處理后建模的預測精度優于原光譜,有效地減弱噪聲和背景等非目標因素對光譜的影響.

3.2 對比不同偏最小二乘法建立PHA含量的近紅外光譜模型,其中siPLS劃分30個子區間時聯合子區間4258~4512cm-1,5570~5824cm-1, 6356~6611cm-1和8486~ 8748cm-1建立的模型預測精度最高(該建模區間的吸收峰與PHA分子結構中C-H伸縮變形、彎曲振動和C=O伸縮振動緊密相關),預測集相關系數()達到0.9391,預測均方根誤差(RMSEP)為0.3120.

3.3 用SG-MSC預處理和siPLS建模可以有效地優化光譜區間和減少變量數并提高模型預測精度,為污泥胞內PHA含量的快速測定提供了可行性.

Mino T, Van Loosdrech M C M, Heijnen J J. Microbiology and biochemistry of the enhanced biological phosphate removal process [J]. Water Research, 1998,32(11):3193-3207.

Lürling M, Waajen G, Oosterhout F V. Humic substances interfere with phosphate removal by lanthanum modified clay in controlling eutrophication [J]. Water Research, 2014,54(1):78-88.

Rashed E M, El-Shafei M M, Heikal M A, et al. Application of contact stabilization activated sludge?for enhancing biologicalphosphorus removal (EBPR) in domestic wastewater [J]. HBRC Journal, 2014,10(1):92-99.

Ali H I, Abd El-Azim M M, Abd El-Rahman M S, et al. The effects of modification for contact stabilization activated sludge on EBPR [J]. HBRC Journal, 2015,11(1):143-143.

Li N, Ren N Q, Wang X H, et al. Effect of temperature on intracellular phosphorus absorption and extracellular phosphorus removal in EBPR process [J]. Bioresource Technology, 2010, 101(15):6265-6268.

王然登,程戰利,彭永臻,等.強化生物除磷系統中胞外聚合物的特性 [J]. 中國環境科學, 2014,34(11):2838-2843.

Mielczarek A T, Nguyen H T T, Nielsen J L, et al. Population dynamics of bacteria involved in enhanced biological phosphorus removal in Danish wastewater treatment plants [J]. Water Research, 2013,47(4):1529-1544.

Wong P Y, Cheng K Y, Kaksonen A H, et al. A novel post denitrification configuration for phosphorus recovery using polyphosphate accumulating organisms [J]. Water Research, 2013, 47(17):6488-6495.

Nielsen P H, Saunders A M, Hansen A A, et al. Microbial communities involved in enhanced?biological phosphorus removal from wastewater — A model system in environmental biotechnology [J]. Current Opinion in Biotechnology, 2012, 23(3):452-459.

Chen Y G, Randall A A, McCue T, et al. The efficiency of enhanced biological phosphorus removal from real wastewater affected by different ratios of acetic topropionic acid [J]. Water Research, 2004,38(1):27-36.

Fang F, Liu X W, Xu J, et al. Formation of aerobic granules and their PHB production at various substrate and ammonium concentrations [J]. Bioresource Technology, 2009,10(1):59-63.

Teeka J, Imai T, Reungsang A, et al. Characterization of polyhydroxyalkanoates (PHAs) biosynthesis by isolated Novosphingobium sp. THA_AIK7using crude glycerol [J]. Society for Industrial Microbiology and Biotechnology, 2012, 39(5):749-758.

Muhr A, Rechberger M E, Salerno A, et al. Novel Description of mcl-PHA Biosynthesis by Pseudomonaschlororaphis from Animal-Derived Waste [J]. Journal of Biotechnology, 2013, 165(1):45-51.

Li W H, Mao Q Y, Liu Y X, et al. Analysis of polyhydroxyalkonates (PHA) during the enhanced biological phosphorus removal process using FTIR spectra [J]. Spectroscopy and Spectral Analysis, 2014,34(6):1512-1517.

張 華,朱 菁,宋 箭,等.反硝化除磷系統中PHB紅外光譜解析及其與磷去除率的相關性 [J]. 環境科學研究, 2015,28(8): 1274-1280.

Majed N, Gu A Z. Application of Raman microscopy for simultaneous and quantitative evaluation of multiple intracellular polymers dynamics functionally relevant to enhanced biological phosphorus removal processes [J]. Environmental Science & Technology, 2010,44(22):8601-8608.

江 慧,方 芳,操家順,等.胞內貯存物聚羥基烷酸脂(PHAS)的分析方法研究進展 [J]. 環境科學與技術, 2013,36(11):89-95.

孫 穎.近紅外光譜分析技術及應用進展 [J]. 山東化工, 2013, 39:24-30.

Kang Q, Ru Q G, Xu L Y, et al. On-line monitoring the extract process of Fu-fang Shuanghua oral solution using near infrared spectroscopy and different PLS algorithms [J]. Molecular and Biomolecular Spectroscopy, 2015,152(5):431-437.

Wang X F, Bao Y F, Liu G L, et al. Study on the Best Analysis Spectral Section of NIR to Detect Alcohol Concentration Based on SiPLS [J]. Procedia Engineering, 2012,29(4):2285-2290.

孫柏玲,劉君良,柴宇博,等.基于近紅外光譜和偏最小二乘法的慈竹纖維素結晶度預測研究 [J]. 光譜學與光譜分析, 2011, 31(2):366-370.

Chen Q S, Zhao J W, Liu M H, et al. Determination of total polyphenols content in green tea using FT-NIR spectroscopy and different PLS algorithms [J]. Journal of Pharmaceutical and Biomedical Analysis, 2008,46(3):568-573.

黃 健,黃 珊,張 華,等.基于間隔偏最小二乘法短程硝化反硝化中無機鹽氮的近紅外光譜 [J]. 中國環境科學, 2015,37(7): 2014-2020.

石吉勇,鄒小波,趙杰文,等.黃瓜葉片葉綠素含量近紅外光譜無損檢測 [J]. 農業機械學報, 2011,42(5):178-180.

魏復盛.水和廢水監測分析方法 [M]. 北京:中國環境科學出版社, 2002:200-246.

Zhang M L, Sheng G P, Mu Y, et al. Rapid and accurate determination of VFAs and ethanol in the effluent of an anaerobic H2-producing bio-reactor using near-infrared spectroscopy Original Research Article [J]. Water Research, 2009,43(7):1823- 1830.

陳華舟,潘 濤,陳潔梅.多元散射校正與Savitzky-Golay平滑模式的組合優選應用于土壤有機質的近紅外光譜分析 [J]. 計算機與應用化學, 2011,28(5):518-522.

N?rgaard L, Saudlaud A, Wagner J, et al. itoolbox manual [J]. Applied Spectroscopy, 2000,54:413-419.

吳昌永,彭永臻,彭 軼,等.碳源類型對A2O系統脫氮除磷的影響 [J]. 環境科學, 2009,30(3):798-802.

Wokeman J, Weyer L,褚小立,等.近紅外光譜解析使用指南 [M]. 北京:化學工業出版社, 2009:235-241.

* 責任作者, 教授, yangying5918@163.com

Rapid determination of the intracellular PHA content during the enhanced biological phosphorus removal using NIR spectroscopy based on the modified PLS methods

XU Ling1,2, LI Wei-hua1,2, YANG Ying1,2*, YAN Guo-bing1,2, SHUAI Lei1,2, ZHAO Qing1,2

(1.School of Environment and Energy Engineering, Anhui Jianzhu University, Hefei 230601, China；2.Key Laboratory of Anhui Province of Water Pollution Control and Wastewater Reuse, Anhui Jianzhu University, Hefei 230601, China)., 2016,36(5)：1426~1434

Poly-β-hydroxyalkanoates (PHA) are vital intracellular storage generated by granular sludge in enhanced biological phosphorus removal (EBPR) reactor, served as carbon and energy source. The rapid determination of PHA is of great significance to the further researches on mechanism of EBPR. Savitzky-Golay smoothing (SG) and Multiplicative scatter correction (MSC) method were jointly used to preprocess the near infrared (NIR) spectra of the sludge samplesthe quantitative analysis models between the NIR spectra and the PHA contents were established with modified PLS methods such as interval partial least squares (iPLS), backward interval partial least squares (biPLS) and synergy interval partial least squares (siPLS). SG-MSC pretreatment could effectively diminish the effect of spectrum interference factors. The optimal model was established by four sub-intervals [13,21,24,29] with siPLS method, divided the preprocessed spectrum into 30sub-intervals. The root mean square errors of cross validation (RMSECV) and the root mean square errors of prediction (RMSEP) were 0.2018 and 0.3120 respectively. The correlation coefficients of the calibration and prediction sets were 0.9925 and 0.9391 respectively. The best analysis spectrum band are closely related to the C—H bending vibration and C=O stretching vibration of PHA molecular. The modified PLS could not only optimize the spectra region, enhance the predictive ability of the models, but also realize the rapid and quantitative determination of intracellular PHA content in the granular sludge.

enhanced biological phosphorus removal (EBPR)；Poly-β-hydroxyalkanoates (PHA)；near infrared spectroscopy (NIR)；Savitzky-Golay smoothing (SG)；multiplicative scatter correction (MSC)；modified partial least squares

X703.5

A

1000-6923(2016)05-1426-09

徐 玲(1990-),女,安徽合肥人,安徽建筑大學碩士研究生,研究方向污廢水處理理論與技術研究.

2015-11-03

安徽省教育廳科學研究重大項目(kj2015ZD12);國家自然科學基金(51378017和21007001)和國家水體污染控制與治理科技重大專項(2012ZX07103-001)