本发明涉及工业废水处理技术领域，具体涉及预测中药材加工废水急性毒性的方法。
背景技术：
随着人们对环境问题的关注，中药材加工废水的污染问题也越来越受到重视，2008年环保部出台了中药类制药工业水污染物排放标准(GB 21906-2008)，其中明确将急性毒性纳入中药类制药工业废水日常监测的14项指标范围。标准表明急性毒性指标是采用发光细菌的方法(GB/T 15441-1995)进行测定，发光细菌方法是根据废水对发光细菌的发光抑制程度来评价废水的急性毒性水平，该方法操作复杂，而且每次检测需要购买昂贵的发光菌剂，而且需要专业的人员进行检测。
然而，目前许多中药材加工企业没有配备急性毒性检测设备及专业的检测人员，即使具备检测条件，每次检测都需要购买发光菌剂，检测费用比较昂贵。故大部分中药材加工企业很难将急性毒性纳入日常监测的指标范围内，致使急性毒性指标常常被忽略。
技术实现要素：
本发明的目的是为了解决现有急性毒性检测技术操作复杂及成本高昂的缺点，而提出一种预测中药材加工废水急性毒性的方法。
一种预测中药材加工废水急性毒性的方法包括以下步骤：
步骤一：针对要测水样，同时检测UV254、VFA及急性毒性三个指标，每天检测一次，收集大于等于一个月的检测数据；
步骤二：利用步骤一得到的检测数据进行二元线性回归分析，建立预测模型；
步骤三：通过预测模型计算出急性毒性的预测值，与急性毒性实测值进行比较，若满足准确性要求，则将步骤二建立的预测模型用于急性毒性的预测；若不满足，则重新执行步骤一至步骤二建立预测模型；
所述准确性要求为预测值全部落在实测值±20％误差限之内，且80％以上的预测值落在实测值±10％误差限之内；
步骤四：若水质不变的情况下，每三个月进行一次预测模型校验；若水质有变动，则立即进行预测模型校验；若预测模型满足准确性要求，则预测模型继续用于急性毒性的预测；若不满足准确性要求，则重新执行步骤一至步骤三建立预测模型。
本发明的有益效果为：
急性毒性是中药材加工废水排放标准中重要的水质指标，但由于其复杂的检测方法及昂贵的检测费用很难作为制药企业的日常检测指标。本发明公开了一种基于常规水质指标的急性毒性预测方法。对中药材加工废水进行实验研究表明：相比其他常规指标，254nm处的吸光度(UV254)和挥发性脂肪酸(VFA)两个指标与急性毒性表现出更好的相关性。采用二元线性回归方法建立UV254和VFA两个变量的回归模型很好的预测了中药材加工废水的急性毒性。该方法预测结果的准确性高，适用于复杂和多变的中药材加工废水，使用效果好。本发明为中药制药企业提供了一个快速及低成本的废水急性毒性监测方法，，为企业节省急性毒性检测成本80％以上。
本发明基于企业日常检测的指标建立一种急性毒性指标的预测方法，保证每个中药材加工企业都能日常监测排放废水的急性毒性指标，使企业废水达标排放。
附图说明
图1为本发明实施例1模型验证结果图；
图2为本发明实施例2模型验证结果图。
具体实施方式
具体实施方式一：一种预测中药材加工废水急性毒性的方法包括以下步骤：
步骤一：针对要测水样，同时检测UV254、VFA及急性毒性三个指标，每天检测一次，收集大于等于一个月的检测数据；
步骤二：利用步骤一得到的检测数据进行二元线性回归分析，建立预测模型；
步骤三：通过预测模型计算出急性毒性的预测值，与急性毒性实测值进行比较，若满足准确性要求，则将步骤二建立的预测模型用于急性毒性的预测；若不满足，则重新执行步骤一至步骤二建立预测模型；
所述准确性要求为预测值全部落在实测值±20％误差限之内，且80％以上的预测值落在实测值±10％误差限之内；
步骤四：若水质不变的情况下，每三个月进行一次预测模型校验；若水质有变动，则立即进行预测模型校验；若预测模型满足准确性要求，则预测模型继续用于急性毒性的预测；若不满足准确性要求，则重新执行步骤一至步骤三建立预测模型。
本发明针对具体的水质，通过检测废水的UV254、VFA及急性毒性指标，建立以UV254和VFA为变量的二元线性急性毒性预测模型，以此模型来监测中药材加工废水急性毒性指标。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一中UV254是采用厚度为1cm石英比色皿在254nm波长下，在分光光度计上测定的吸光度值，其单位为cm-1。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤一中VFA是采用VFA与碳酸氢盐碱度联合滴定方法进行检测，其单位为mg/L(乙酸)。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述急性毒性是采用国标发光细菌的方法进行检测，其单位为mg/L(氯化汞)。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤二中二元线性回归是利用IBM公司SPSS Statistics 21.0软件进行分析。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述步骤二中预测模型具体为：
AT＝a·UV254+b·VFA+c
其中AT为被预测废水的急性毒性值，其单位为mg/L(氯化汞)；UV254为被预测废水的在254nm处的吸光度值，其单位为cm-1；VFA为被预测废水的挥发性脂肪酸浓度值，其单位为mg/L(乙酸)；a为UV254权重系数；b为VFA权重系数；c为常数项。
其它步骤及参数与具体实施方式一至五之一相同。
采用以下实施例验证本发明的有益效果：
实施例一：
现以湖北省某中药加工企业污水站调节池中废水为例。
通过监测三个月的水质，得到UV254、VFA及急性毒性指标数据84组。
利用这84组检测数据进行二元线性回归分析，建立预测模型如下：急性毒性＝0.108·UV254+8.800×10-4·VFA+0.147。
对以上模型进行验证表明，通过上述模型计算出急性毒性的预测值，全部落在实测值±10％误差限之内，说明该模型预测准确，可以用于急性毒性的预测。模型的预测结果如图1所示，图中两条实线之间为±20％误差范围，两条虚线之间为±10％误差范围。
实施例二：
现以湖北省某中药加工企业污水站处理后的排水为例。
通过监测5个月的水质，得到UV254、VFA及急性毒性指标数据138组。
利用这183组检测数据进行二元线性回归分析，建立预测模型如下：急性毒性＝0.075·UV254+6.600×10-4·VFA+0.204。
对以上模型进行验证表明，通过上述模型计算出急性毒性的预测值，全部落在实测值±20％误差限之内，且86.7％(＞80％)的预测值落在实测值±10％误差限之内，说明该模型预测准确，可以用于急性毒性的预测。模型的预测结果如图2所示，图中两条实线之间为±20％误差范围，两条虚线之间为±10％误差范围。
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。