聊城市区污水处理厂进水水质特征的统计学分析
2023-09-19贾新强项绪文刘亚钦
刘 娟,贾新强,沈 军,项绪文,刘亚钦,赵 伟
(山东省环科院环境工程有限公司,山东济南 250013)
社会经济的发展带来工业的迅速崛起和城市规模的不断扩大,用水量和排水量在日益增加,污水准许达标排放的指标要求越来越严格。污水处理厂作为污水处理的达标单元,对于减轻和防止水体污染、改善生态环境及投资环境起到举足轻重的作用。随着污水处理厂出水标准的不断提高,水环境质量稳步改善,但尚未产生根本性和全局性的改善,水污染防治工作仍然是长期而艰巨的任务。
聊城市作为山东省的江北水城,流域面积在30 km2以上的河流有23条,其中100 km2以上的有3条,仅聊城市区,湖、河水域面积就多达13 km2,占建成区的1/3。根据《中共山东省委办公厅关于印发<关于贯彻落实习近平总书记在深入推动黄河流域生态保护和高质量发展座谈会上重要讲话精神和视察山东重要指示要求责任分工>的通知》(鲁办发〔2021〕13号)部署,提出“两个清零,一个提标”要求,明确全山东省城市污水处理厂出水执行地表水“准Ⅳ类”(除TN指标外,其余指标均达到Ⅳ类标准)排放限值要求。这对聊城市区污水处理提出了更高的要求和挑战。
本文以聊城市区6座污水处理厂为研究对象,系统分析污水处理厂进水水质特征,主要包括进水水质CODCr、BOD5、SS、氨氮、TN和TP的变化规律和概率统计分析,以及有机物、氮、磷和SS之间的相关关系和进水污染物的比例分析,从而为污水处理厂的设计提供参考和依据。
1 污水处理厂概况
聊城市区6座污水处理厂的基本情况如表1所示。6座污水处理厂合计处理水量为31.50万m3/d,约占聊城市区内总处理污水量的91.3%。一污、二污、三污、四污均以处理生活污水为主,五污、六污以处理工业废水为主,工业废水多为生化性较好的食品加工、印染、啤酒废水;生化处理以AAO工艺为主,深度处理以磁絮凝沉淀、滤池、臭氧氧化为主。目前,一污、二污正在进行提标改造,污水处理厂出水仍然执行《城镇污水处理厂污染物排放标准》(GB 18918—2002)一级A标准;三污、四污、五污、六污已经完成提标改造,出水执行“准Ⅳ类”水标准。
表1 6座污水处理厂基本信息Tab.1 Basic Information of Six WWTPs
2 结果与讨论
2.1 进水基本水质指标分析
以聊城市区2022年6个污水处理厂的运行数据为基础,分别对各个污水处理厂的进水均值、中位数、标准偏差、峰度、偏度及出水均值进行统计分析,具体如表2所示。从峰度和偏度系数可知,各污水水质指标的偏度系数和峰度系数多数大于0,由此可判断各项水质指标数据分布均基本呈正偏态分布[1]。污水处理厂水质指标月中位数如表3所示。通过对2022年全年运行数据整理,进一步分析污水处理厂进、出水质及污染物去除情况。
表2 污水处理厂进出水质Tab.2 Water Quality of Influent and Effluent of WWTPs
表3 污水水质指标月中位数Tab.3 Monthly Median of Wastewater Quality Indices
2.1.1 进水CODCr分布特性分析
由表2可知,一污、二污、三污、四污、五污、六污进水CODCr浓度变化不大,水质较稳定。CODCr质量浓度分别为(167.98±36.31)、(137.25±36.81)、(151.99±55.97)、(157.29±53.98)、(163.65±75.91)、(185.43±77.41)mg/L,中位数分别为166.50、126.00、141.42、150.67、136.52、182.00 mg/L,进水的平均值均大于中位数,其中六污进水CODCr均值最大,主要与进水中含有大量啤酒废水有关。全年月均值为162.33 mg/L,中位数为150.49 mg/L。
进水CODCr浓度月中位数如表3所示,CODCr浓度月变化及概率分布如图1(a)~图1(b)所示。CODCr质量浓度在37.39~548.00 mg/L,由表3和图1(a)可知,各月中位数分布在102.00~167.35 mg/L,月变化值较大,9月CODCr浓度最低,约是全年平均值的75.02%;9月平均值接近于中位数;4月CODCr浓度较高,是全年平均值的123.09%。除5月外,其他月CODCr平均值均大于中位数。由图1(b)可知,进水CODCr日平均值为162.33 mg/L,中位数为150.49 mg/L,最频数为156.00 mg/L。概率分布最高的质量浓度在100~150 mg/L,概率为37.76%,其次为150~200、200~250、50~100 mg/L,其概率分别为26.98%、14.12%、11.45%,累积概率为90.31%。累积概率为95%时,CODCr质量浓度为286.35 mg/L。
注:(a)“箱”从下到上5条横线分别表示最小值(Qmin)、下四分位数(Q下、25%)、中位数(Q中、50%)、上四分位数(Q上、75%)和最大值(Qmax),“箱”内部的×对应平均值(Qave),若Qmax>Q上+1.5IQR(四分位距)或Qmin 2.1.2 进水BOD5分布特性分析 通过表2可知,一污、二污、三污、四污、五污、六污进水BOD5质量浓度分别为(71.74±16.10)、(55.60±13.49)、(59.91±17.31)、(48.64±10.24)、(60.87±22.29)、(64.49±16.97)mg/L,中位数分别为72.90、54.25、55.29、47.19、54.76、60.50 mg/L。除一污外,其余污水厂进水的平均值均大于中位数,一污进水BOD5均值最大。全年月均值为60.44 mg/L,中位数为58.10 mg/L。 进水BOD5浓度月中位数如表3所示,BOD5浓度月变化及概率分布如图2(a)、图2(b)所示。BOD5质量浓度分布在28.50~117.34 mg/L,由表3和图2(a)可知,各月中位数分布在50.35~73.25 mg/L,10月BOD5浓度最低,约是全年平均值的85.26%;4月BOD5浓度最高,约是全年平均值的124.04%。除4月、5月、9月外,其余月份BOD5浓度平均值均大于中位数。由图2(b)可知,进水BOD5日平均值为60.44 mg/L,中位数为58.10 mg/L,最频数为76.80 mg/L。概率分布最高的质量浓度在50~60 mg/L,其概率为22.39%,其次为40~50、60~70、70~80、30~40 mg/L,其概率分别为20.90%、16.04%、15.30%、10.45%,累积概率为85.08%。累积概率为90%、95%时,BOD5质量浓度分别为83.00、91.60 mg/L。 图2 (a)2022年进水BOD5月变化和(b)概率分布Fig.2 (a)Monthly Changes and (b)Probability Distribution of Influent BOD5 in 2022 2.1.3 进水SS分布特性分析 由表2可知,一污、二污、三污、四污、五污、六污进水SS质量浓度分别为(122.75±16.53)、(113.70±15.25)、(58.59±10.84)、(65.03±17.92)、(55.39±7.19)、(113.59±35.66)mg/L,中位数分别为125.00、112.00、58.00、59.00、56.00、106.00 mg/L,除一污、五污外,其余污水厂进水的平均值均大于中位数,一污进水SS均值最大。全年月均值为80.97 mg/L,中位数为63.00 mg/L。 进水SS浓度月中位数如表3所示,SS浓度月变化及概率分布如图3(a)、图3(b)所示。SS质量浓度在9.00~264.00 mg/L,由表3和图3(a)可知,各月中位数分布在59.00~68.00 mg/L,分布比较均匀,随季节变化不大。7月SS浓度最低,约是全年平均值的92.25%;4月、5月和8月均是最高,约是全年平均值的106.32%。SS浓度平均值均大于中位数。由图3(b)可知,进水SS日平均值为80.97 mg/L,中位数为63.00 mg/L,最频数为58.00 mg/L。概率分布最高的质量浓度在50~75 mg/L,其次为100~125、25~50、125~150 mg/L,其概率分别为48.98%、16.97%、11.29%、9.88%,累积概率为87.12%。累积概率为90%、95%时,SS质量浓度分别为132.00、142 mg/L。 图3 2022年进水SS(a)月变化和(b)概率分布Fig.3 (a)Monthly Changes and (b)Probability Distribution of Influent SS in 2022 2.1.4 进水氨氮分布特性分析 由表2可知,一污、二污、三污、四污、五污、六污进水氨氮分别为(42.65±10.64)、(31.83±8.30)、(31.00±10.52)、(25.94±7.64)、(27.86±8.76)、(35.19±21.35)mg/L,中位数分别为42.90、31.20、29.02、26.28、28.99、30.69 mg/L。除一污、四污、五污外,其余污水厂进水的平均值均大于中位数,一污进水氨氮均值最大。全年月均值为31.25 mg/L,中位数为29.57 mg/L。 进水氨氮浓度月中位数如表3所示,氨氮浓度月变化及概率分布如图4(a)、图4(b)所示。氨氮质量浓度在29.30~106.72 mg/L。由表3和图4(a)可知,各月中位数分布在20.06~36.23 mg/L,分布比较均匀,随季节变化不大。7月氨氮浓度最低,是全年平均值的69.12%;12月氨氮浓度最高,是全年平均值的124.83%。氨氮浓度平均值均大于中位数。由图4(b)可知,进水氨氮日平均值为31.25 mg/L,中位数为29.57 mg/L,最频数为30.20 mg/L。概率分布最高的质量浓度在20~30 mg/L,其概率为36.13%,其次为30~40、10~20、40~50 mg/L,其概率分别为28.08%、12.31%、11.97%,累积概率为88.49%。累积概率为90%、95%时,氨氮质量浓度分别为48.30、55.72 mg/L。 图4 2022年进水氨氮(a)月变化和(b)概率分布Fig.4 (a)Monthly Changes and (b)Probability Distribution of Influent Ammonia Nitrogen in 2022 2.1.5 进水TN分布特性分析 通过表2可知,一污、二污、三污、四污、五污、六污进水TN质量浓度分别为(48.71±11.22)、(36.58±8.08)、(44.75±12.83)、(36.10±11.02)、(32.11±9.62)、(44.90±22.11)mg/L,中位数分别为48.60、35.60、45.74、36.46、33.33、38.93 mg/L。除三污、四污、五污外,其余污水厂进水的平均值均大于中位数,一污进水TN均值最大。全年月均值为40.50 mg/L,中位数为39.20 mg/L。 进水TN浓度月中位数如表3所示,TN浓度月变化及概率分布如图5(a)、图5(b)所示。TN质量浓度分布在5.00~139.22 mg/L。由表3和图5(a)可知,各月中位数分布在27.60~46.80 mg/L,分布随季节变化不大。9月TN浓度最低,是全年平均值的72.00%;5月TN浓度最高,是全年平均值的122.09%。除5月之外,其余月份TN浓度平均值均大于中位数。由图5(b)可知,进水TN日平均值为40.50 mg/L,中位数为39.20 mg/L,最频数为46.80 mg/L。概率分布最高的质量浓度在30~40 mg/L,其次为40~50、20~30、50~60 mg/L,其概率分别为31.34%、26.39%、15.60%、12.07%,累积概率为85.40%。累积概率为90%、95%时,TN质量浓度分别为58.62、65.67 mg/L。 图5 (a)2022年进水TN月变化和(b)概率分布Fig.5 (a)Monthly Changes and (b)Probability Distribution of Influent TN in 2022 2.1.6 进水TP分布特性分析 通过表2可知,一污、二污、三污、四污、五污、六污进水TP分别为(3.36±0.79)、(3.19±0.80)、(3.71±1.43)、(3.76±1.30)、(4.56±1.78)、(3.87±1.55)mg/L,中位数分别为3.23、3.15、3.68、3.57、4.41、3.60 mg/L,所有污水厂进水的平均值均大于中位数,五污进水TP均值最大。全年月均值为3.74 mg/L,中位数为3.56 mg/L。 进水TP浓度月中位数如表3所示,TP浓度月变化及概率分布如图6(a)、图6(b)所示。TP质量浓度在0.24~14.32 mg/L,由表3和图6(a)可知,各月中位数分布在2.49~4.50 mg/L,分布随季节变化不大。9月TP浓度最低,是全年平均值的71.93%;5月TP浓度最高,是全年平均值的130.00%。所有月份TP平均值均大于中位数。由图6(b)可知,进水TP日平均值为3.76 mg/L,中位数为3.56 mg/L,最频数为4.27 mg/L。概率分布最高的质量浓度在3~4 mg/L,其概率为33.18%,其次为2~3、4~5、5~6 mg/L,其概率分别为24.23%、21.11%、8.31%,累积概率为86.83%。累积概率为90%、95%时,TP质量浓度分别为5.41、6.36 mg/L。 图6 2022年进水TP(a)月变化和(b)概率分布Fig.6 (a)Monthly Changes and (b)Probability Distribution of Influent TP in 2022 2.1.7 进水分布特性分析小结 通过对2022年全年运行数据整理分析可知,进水水质CODCr、BOD5、SS、氨氮、TN和TP的变化与四季的变化存在一定的规律性[2],所有污水指标在7月—9月普遍较低,在4月—5月较高。这与部分污水收集区,尤其是雨污分流改造困难的老城区,雨污分流改造不彻底,导致部分雨水混入,降雨高峰期稀释污水浓度有关。 根据收集到的聊城市区2022年6个污水处理厂的运行数据,分别对各个污水处理厂的进水均值、中位数、标准偏差等进行统计分析,具体如表4所示。 表4 进水污染物比例分析Tab.4 Proportion Analysis of Influent Pollutants 2.2.1 进水BOD5/CODCr分析 BOD5/CODCr是衡量污水中有机物含量的综合指标,体现了污水中可生物降解有机污染物占有机污染物总量的比值,是鉴定污水可生化性最简单易行和最常用的方法。一般认为,当BOD5/CODCr>0.45时易生化,BOD5/CODCr≥0.3时可生化,BOD5/CODCr<0.3时较难生化,BOD5/CODCr<0.25时不易生化[3]。 通过表4可知,一污、二污、三污、四污、五污和六污的进水BOD5/CODCr均值分别是0.42、0.41、0.38、0.35、0.36和0.34,全年均值为0.38,中位数为0.38,中位数等于平均值。6座污水处理厂达到BOD5/CODCr≥0.3的概率分别为100.00%、97.92%、95.12%、90.24%、97.87%和97.67%,全年96.64%的进水中BOD5/CODCr≥3.0,污水的可生化性较好。其中,一污生化性最好,二污、三污、六污、三污其次,四污相对较差。 2.2.2 进水BOD5/TN分析 BOD5/TN是鉴别采用生物脱氮碳源的主要指标。该指标是由于生物脱氮的反硝化过程中主要利用原污水中的含碳有机物作为电子供体,该比值越大,碳源越充足,反硝化进行越彻底。理论上BOD5/TN>2.86时反硝化才能进行,BOD5/TN>4.0可使反硝化过程正常进行[3]。 通过表4可知,一污、二污、三污、四污、五污和六污的进水BOD5/TN均值分别是1.50、1.61、1.29、1.48、2.01和1.50,全年均值为1.57,中位数为1.46,中位数小于平均值,说明部分污水处理厂BOD5/TN较小。6座污水处理厂达到BOD5/TN≥4的概率非常小,只有四污和五污达到,概率分别为2.43%和2.13%,全年99.25%的进水中BOD5/TN<4.0,大部分污水处理厂碳源不足,需要额外增加碳源才能实现反硝化,碳源的增加大大增加了污水处理厂的运营成本。 2.2.3 进水BOD5/TP分析 BOD5/TP是评价采用生物除磷工艺是否可行的主要指标。BOD5/TP>17认为有较好的磷去除率[3]。比值越大,除磷效果越好。 由表4可知,一污、二污、三污、四污、五污和六污的进水BOD5/TP均值分别是21.32、18.55、16.37、14.20、13.53和17.04,全年均值为16.93,中位数为16.41,中位数小于平均值,说明部分污水处理厂BOD5/TP比值较小。6座污水处理厂达到BOD5/TP≥17的概率分别为85.42%、52.08%、42.50%、29.27%、23.40%和44.19%,全年46.64%的进水中BOD5/TP不小于17.0,说明污水处理厂进水部分满足生物除磷的要求,可以采用生物除磷工艺,但是需要考虑生物除磷和化学除磷相结合才能满足出水TP稳定达标。 2.2.4 进水TN/TP分析 TN/TP是评价污水中营养盐是否充足的主要指标。一般来说,污水满足微生物生长所需要的营养物质的最佳比例为BOD5/N/P=100∶5∶1[4]。 由表4可知,一污、二污、三污、四污、五污和六污的进水TN/TP均值分别是15.48、11.85、13.02、10.36、7.69和11.85,全年均值为11.71,中位数为11.30,中位数小于平均值,说明部分污水处理厂TN/TP较小。6座污水处理厂达到TN/TP≥5.0的概率分别为100.00%、100.00%、100%、92.33%、85.75%和98.02%,全年96.01%的进水中TN/TP不小于5.0,说明污水处理厂进水氮、磷可满足微生物生长的需求。 2.2.5 进水SS/BOD5分析 SS/BOD5是评价污水中无机悬浮物和泥沙含量的主要指标。韦启信等[5]研究表明,城市污水处理厂SS/BOD5受管网体制的影响比较大,以完全分流制为主导的城市污水中,SS/BOD5为0.7~1.0,而合流制主导的城市污水为1.2~2.0。降雨会将地面上的无机SS和难降解有机物携带进入污水管道,导致污水的BOD5/CODCr数值下降,SS/CODCr数值升高。 由表4可知,一污、二污、三污、四污、五污和六污的进水SS/BOD5分别是1.75、2.07、1.03、1.40、1.03和1.85,全年均值为1.54,中位数为1.55,中位数大于平均值,说明部分污水处理厂SS/BOD5较大。一污、二污主要收集老城区生活污水,多采用雨污合流制,无机SS和泥沙随雨水进入污水处理厂,造成进水SS/BOD5偏高;六污因收集印染和纺织废水,进水SS较其他污水偏高。三污、四污、五污、六污主要采取分流制,SS/BOD5低于其他污水厂。通过表4可知,6座污水处理厂达到SS/BOD5≥1.2的概率分别为100.00%、97.96%、25.00%、65.00%、33.33%和93.02%,全年82.26%的进水中SS/BOD5≥1.2,说明污水处理厂进水中无机物质还是比较多的。无机物质增多会降低污泥活性,降低生化效率及反硝化速率,需进一步强化管网收集系统。 6座污水处理厂的CODCr、BOD5、SS、氨氮、TN和TP的去除率如图7所示。由图7可知,氨氮的去除率最高,去除率为97.99%~99.69%;TN的去除率最低,去除率为71.69%~90.60%。六污的CODCr去除率最低,去除率88.80%;六污的SS、氨氮、TN的去除率最高,去除率分别为98.64%、99.69%、90.60%。除去六污的CODCr和一污、二污、三污、四污、五污的TN,其余指标去除率均在91.00%以上,出水指标能满足出水水质要求。 图7 各项污水水质指标去除率Fig.7 Removal Rate of All Wastewater Quality Indices 目前三污、四污、五污、六污已经完成提标改造,出水执行类Ⅳ类水标准,而一污、二污出水执行《城镇污水处理厂污染物排放标准》(GB 18918—2002)一级A标准,建议强化生化和絮凝沉淀处理,增加臭氧氧化深度处理措施和碳源投加系统,进一步降低CODCr、氨氮、TN和TP的处理措施,使出水满足提标后要求。 污水中含有非常复杂的污染物成分,通过对水中各污染物间的相关性进行分析,掌握各污染物间的相关程度,不仅能减少监测的项目与频次,还可保证监测数据的真实可靠性[6]。对聊城市区污水处理厂2022年进水指标CODCr、BOD5、SS、氨氮、TN和TP进行统计,建立回归方程,以SPSS软件进行线性回归分析,从而得到进水中各项水质指标间的相互关系[7]。各指标间的回归方程及相关系数(R2)如表5所示。 在一对一场景的充电过程中,移动设备将来的位置只与其当前位置有关,而与其过去位置无关[12]。因此,可采用离散马尔科夫链的数学理论来分析系统性能。在基于波束成形的无线充电系统中,由于设备的移动两设备间的相对位置可能会超出波束区域,造成充电中断。此时,则需要重新扫描后再建立两端连接。因此,系统进行扫描、连接环节的次数以及成功概率为本文的研究重点。 表5 污水水质指标间相关和回归分析Tab.5 Correlation and Regression Analysis of Wastewater Indices 由表5可知,进水BOD5与CODCr、TN、SS、氨氮和TP的相关系数分别为0.563 5、0.261 1、0.117 7、0.266 7和0.159 9,与CODCr的相关性最高,与SS的相关性最差;CODCr与TN、SS、氨氮和TP的相关系数分别为0.323 0、0.193 7、0.245 5、0.500 4,各项指标间线性相关关系一般,与TP相关性最好,与SS的相关性最差;TN与SS、氨氮和TP的相关系数分别为0.065 2、0.775 0、0.320 1,TN与氨氮的相关性最高,与SS的相关性最差;SS与氨氮、TP的相关系数分别为0.200 2、0.005 9,与TP几乎不存在线性关系;氨氮与TP的相关系数为0.125 6,线性相关关系不高。除BOD5与CODCr、CODCr与TP、TN与氨氮的相关关系最为显著(R2=0.563 5、0.500 4、0.775 0)外,其他指标间相关性均较弱,SS与TP的相关性最差。 2.5.1 进水基本水质指标差异性分析 聊城市的6座污水处理厂一污、二污、三污和四污均以生活污水为主,四污和五污均以工业废水为主,与国内其他地区进水水质指标均值对比如表6所示。 表6 国内各污水处理厂进水水质指标均值Tab.6 Average Influent of Wastewater Indices in Domestic WWTPs 通过表6可知,聊城市区污水处理厂进水CODCr、BOD5和SS远远低于上海、济南、北京、天津和重庆地区。主要原因是:(1)聊城地处鲁西平原,黄河与京杭大运河在此交汇,地下水较浅且比较丰富,易渗入污水管道,对污水进行稀释;(2)工业发展以能源工业、大型仓储、专业商贸批发市场为主,工业废水污染较轻;(3)雨污分流不彻底,尤其是老城区,受制于已有城区布局,实现完全雨污分流非常困难。 2.5.2 进水污染物比例差异性分析 国内各污水厂进水污染物比例分析如表7所示。 表7 国内各污水厂进水污染物比例分析Tab.7 Proportion Analysis of Influent Pollutants of Domestic WWTPs 由表7可知,聊城市污水污染物比例中,BOD5/CODCr远低于上海、北京、重庆,与济南、天津持平,SS/BOD5低于济南,与其他城市基本一致,因此,可生物降解有机物占比与其他城市相比差别较小。BOD5/TN、BOD5/TP远低于上海、北京、天津、重庆和济南,这主要是进水BOD5过低造成的。 2.5.3 进水水质指标相关性差异性分析 国内各污水厂进水水质指标相关性差异性分析如表8所示。 表8 国内各污水厂进水水质指标相关性差异性分析Tab.8 Analysis on the Correlation Difference of Influent Pollutants of Domestic WWTPs 由表8可知,所列地区污水处理厂进水中,因水质类型不同、组成不同,水质指标相关性均不相同。综合看来,进水水质指标中相关性最强的为BOD5-CODCr,其次为TN-TP;相关性均非常弱的主要有BOD5-SS、CODCr-氨氮、SS-氨氮。总的来说,除BOD5-CODCr有明显相关性外,不同地区污水处理厂进水水质指标相关性没有呈现明显的规律。 (1)聊城市区6座污水处理厂水质指标CODCr、BOD5、SS、氨氮、TN和TP全年浓度均呈正偏态分布。进水CODCr、BOD5、SS、氨氮、TN、TP月平均值分别为162.33、60.44、80.97、31.25、40.50、3.74 mg/L,概率分布较高质量浓度分别为100~150、50~60、50~75、20~30、30~40、3~4 mg/L。 (2)6座污水处理厂的氨氮去除率最高,TN的去除率最低;六污的CODCr去除率最低,SS、氨氮、TN的去除率最高。出水指标能满足出水水质要求。 (3)BOD5/CODCr、BOD5/TN、BOD5/TP、TN/TP、SS/BOD5结果表明,96.64%的污水处理厂进水可生化性较好,99.25%的污水处理厂反硝化过程需要外加碳源,46.64%的污水处理厂进水基本能满足生物除磷的要求,96.01%的进水中氮、磷可满足微生物生长的需求,82.26%的进水中无机物质比较多。 (4)进水各常规水质指标间存在较好的线性关系,除BOD5与CODCr、CODCr与TP、TN与氨氮的相关关系最为显著(R2=0.563 5、0.500 4、0.775 0)外,其他指标间相关性均较弱,SS与TP的相关性最差。TP与SS的相关系数为0.005 9,几乎不存在线性关系。 (5)对上海、济南、北京、天津和重庆地区的进水水质指标进行差异性分析,结果表明,聊城市区污水处理厂进水CODCr、BOD5和SS远远低于其他地区,但可生物降解有机物占比与其他城市相比差别较小。除BOD5与CODCr有明显相关性外,不同地区污水处理厂进水水质指标相关性没有呈现明显的规律。2.2 进水污染物的比例分析
2.3 去除效果分析
2.4 进水水质指标相关性分析
2.5 差异性分析
3 结论