污水检测论文精心编辑10篇之第十篇：生化需氧量在污水检测中的具体应用策略
摘 要：随着我国城市化建设进程的逐步深入，虽是大幅提升了人民的生活质量，但生活污水与废水量也呈现出了同步上涨的趋势。因此，现阶段的工作首要是进行环境监测，合理采用生化需氧量来检测污水，再根据检测的结果找出污水的治理策略。本文通过阐述生化需氧量污水检测技术，并根据实际情况提出生化需氧量在污水检测中的具体应用策略，旨在为利用生化需氧量检测污水的效率提供可参考的资料。
关键词：污水检测； 生化需氧量； 污水处理；
引言
基于如今这种信息化时代，虽是极大提升了我国的社会经济与总体生产力。但随着工业化进程的逐步加快，与之相对应的环境问题也变得愈发的严重。而就城市环境问题而言，最突出的当属污水污染。倘若污水的排放量超出了一定标准范围，便需利用先进的污水检测方法来约束污水排放，诸如生化需氧量检测方法便在治理污水方面有着良好的指导意义。
1 生化需氧量污水检测技术
所谓的生化需氧量，即一种反映水中有机化合物等需氧物质具体含量的综合性指标，而一旦水中的有机物与空气接触，需氧微生物便会与空气发生反应，继而对原本的水质造成污染，而就现实生活而言，于工业生产过程中所残留的加工废水以及人们在日常生活中所产生的生活废水当属城市污水的两大主要来源。生化需氧量污水检测则是我国目前各大城市在污水检测方面最常用的手段，而就该污水监测与处理方法所依循的原理而言，其与活性污泥法有着一定的相似之处，而从具体的实施程序方面而言，该方法亦可视为活性污泥法的延伸。至于两者的区别在于：生化需氧量污水检测技术在检测污水时更好地利用了水力流态来提升自身的除污效果。此外，相较于活性污泥法，生化需氧量污水检测技术还能提升污泥的稳定性，保证污水检测结果的准确性。
2 生化需氧量在污水检测中的应用分析
2.1 水样测定阐述
2.1.1 直接测定的方式
直接测定所依循的原则在于，应地表水资源普遍具有旱有机物量较少但却含有这较高的溶氧量特点，故于水样检测阶段，通常无需稀释便可直接测定，至于具体的测定过程则可采取虹吸法，即将摇晃均匀的水样分别导入两个溶解氧气瓶中，而后将水样置于20摄氏度左右的环境下进行培养，在经过大约5天的培养后，便可开展后续的测定处理工作。就虹吸法而言，有一点需务必引起检测人员的足够重视，那便是二者与转移过程中不能出现气泡，而一旦产生气泡便需立即予以堵塞处理。
2.1.2 污水水样预处理
所谓的污水水样预处理，即指运用氯化物测定以及硫酸根测定的方式来对污水进行预处理工作。其中，就氯化物测定技术而言。此方式主要是将带监测的污水水样放入蒸发皿，而后于40毫升水样中滴入1毫升的碳酸钠溶液，后代蒸发皿中的水分全部蒸发后再将之转移到高温炉中进行大约5-10分钟的处理工作。最后，待水样冷却后，便可产生大量的残渣，而通过对残渣的监测，便可得出污水中的主要物质，继而可针对污水的主要污染物采取有效的控制策略，以减轻水污染程度。而硫酸根测定方法则是在50毫升的污水水样中滴入5ml左右的盐水，待反应停止后再对其予以蒸干处理，而在蒸干处理完成后又继续滴加验算，经过3-4次的循环后加入50ml的蒸馏水，如此便能做好对污水水样酸度的调整工作。继而可结合硫酸根的测定方法展开后续的测定工作。
2.2 水样稀释
所谓的水样稀释，也便是适当降低污水水样的有机物浓度，从而达到良好的污水处理成效。至于该如何达成以上目标，则整个活动均需在溶解条件充足的条件下展开，且需确保环境温度在20摄氏度以下。与此同时，有关可溶解氧的培养，需至少经历5天的培养时间，而所消耗的溶解氧亦将占到原本溶解氧的50-70%.除此之外，在运用升华需氧量开展污水检测工作时，还需关注温度与稀释程度两大控制要点，优势对稀释比例的控制，由于对污水的稀释度将对最终的测定结果带来直接性影响。
针对水样的稀释过程，尤其要对水样系数的具体倍数问题给予高度重视。通常情况下，针对水样稀释倍数的测定需结合BOD5的计算步骤，即根据公式BOD5=[（C1-C2）-（B1-B2）f1]/f2（mg/L）来测定具体的倍数。至于该公式中的其他组成部分，诸如C1与C2则分别指导水样培养前与培养后的溶解氧，而f1与f2则代表水样于不同培养液中分别占有的比例。就实际检测过程而言，为确保BOD5数值的准确度，通常需在确定不同水样的稀释倍数后再通过计算实际水样CODCr数值和BOD5数值之间的比例来反映不同水样的生化耗氧情况，以此方能确保反映结果更具可靠性。
结语
总之，污水检测技术的大范围推广已经成为了时代发展过程中的一种必然选择。然而，由于当前我国污水检测技术在使用的过程中还存在着很多的缺陷，所以需要科研人员不断深入进行研究，从而切实保证污水检测的效果。
参考文献
[1]江珊。废水水质检测化验误差分析与质控措施[J].中国资源综合利用，2018（05）：98-99.
[2]严爱军，倪鹏飞，于远航。基于CBR和SVR的生化需氧量预测模型[J].华东理工大学学报（自然科学版），2017（2）：78-79.
