Microorganism-derived dissolved organic nitrogen (mDON) represents a significant and inevitable portion of dissolved organic nitrogen (DON) in the wastewater biotreatment processes. In the existing method, mDON concentrations are indirectly measured by the values of DON concentrations from the reactors with DON-free influent. However, this becomes problematic when influent contains DON. Especially when the real wastewater is involved, the paucity of the direct methods to quantitatively measure mDON is a major barrier to further research. This limitation is due to the difficulty of segregating mDON from the other nitrogenous organics, e.g., influent DON. In this study, we propose the ASM-mDON model based on ASM #1, which incorporates the production and consumption of mDON in the activated sludge processes to predict the mDON concentrations. In four independent lab-scale tests, our model was established and calibrated to obtain the accurate values of mDON (R2 = 0.929, p < 0.05), and the validity and applicability of the model were successfully examined by comparing the simulated and measured data. Moreover, the universality of the ASM-mDON model was further confirmed by simulating mDON production in a full-scale wastewater treatment plant. A reasonable prediction of mDON formation was shown in a full-scale test (1.98 ± 0.71 mg/L in June and 1.51 ± 0.54 mg/L in July) and is indirectly supported by an algal bioassay (p < 0.05, t-test). This study provides a useful approach to the efficient and accurate evaluation of mDON formation, which will improve current strategies designed to minimize the effluent mDON in wastewater bioprocesses.

中文翻译：

---

模拟活性污泥系统中微生物衍生的溶解性有机氮（mDON）的形成。

在废水生物处理过程中，微生物衍生的溶解有机氮（mDON）代表了溶解有机氮（DON）的重要且不可避免的部分。在现有方法中，mDON浓度通过无DON进水的反应器中的DON浓度值间接测量。但是，当进水中含有DON时，这将成为问题。特别是当涉及实际废水时，缺乏直接测量mDON的直接方法是进一步研究的主要障碍。该限制是由于难以将mDON与其他含氮有机物（例如进水DON）分离。在这项研究中，我们提出了基于ASM＃1的ASM-mDON模型，该模型结合了活性污泥过程中mDON的产生和消耗，以预测mDON的浓度。在四个独立的实验室规模测试中，我们建立并校准了模型以获得mDON的准确值（R2 = 0.929，p <0.05），并且通过比较模拟数据和测量数据成功地检验了模型的有效性和适用性。此外，通过在大型废水处理厂中模拟mDON生产，进一步证实了ASM-mDON模型的普遍性。全面测试（6月为1.98±0.71 mg / L，7月为1.51±0.54 mg / L）显示了对mDON形成的合理预测，并通过藻类生物测定法间接支持（p <0.05，t检验） 。这项研究为有效和准确地评估mDON的形成提供了有用的方法，这将改善当前旨在最小化废水生物过程中的mDON排放量的策略。我们建立了模型并进行了校准，以获得mDON的准确值（R2 = 0.929，p <0.05），并且通过比较模拟数据和实测数据成功地检验了模型的有效性和适用性。此外，通过在大型污水处理厂中模拟mDON生产，进一步证实了ASM-mDON模型的普遍性。全面测试（6月为1.98±0.71 mg / L，7月为1.51±0.54 mg / L）显示了对mDON形成的合理预测，并通过藻类生物测定法间接支持（p <0.05，t检验） 。这项研究为有效和准确地评估mDON的形成提供了有用的方法，这将改善当前旨在最小化废水生物过程中的mDON排放量的策略。我们建立了模型并进行了校准，以获得mDON的准确值（R2 = 0.929，p <0.05），并且通过比较模拟数据和实测数据成功地检验了模型的有效性和适用性。此外，通过在大型废水处理厂中模拟mDON生产，进一步证实了ASM-mDON模型的普遍性。全面测试（6月为1.98±0.71 mg / L，7月为1.51±0.54 mg / L）显示了对mDON形成的合理预测，并通过藻类生物测定法间接支持（p <0.05，t检验） 。这项研究为有效和准确地评估mDON的形成提供了有用的方法，这将改善当前旨在最小化废水生物过程中的mDON排放量的策略。05），并且通过比较模拟数据和实测数据成功地检验了模型的有效性和适用性。此外，通过在大型废水处理厂中模拟mDON生产，进一步证实了ASM-mDON模型的普遍性。全面测试（6月为1.98±0.71 mg / L，7月为1.51±0.54 mg / L）显示了对mDON形成的合理预测，并通过藻类生物测定法间接支持（p <0.05，t检验） 。这项研究为有效和准确地评估mDON的形成提供了有用的方法，这将改善当前旨在最小化废水生物过程中的mDON排放量的策略。05），并且通过比较模拟数据和实测数据成功地检验了模型的有效性和适用性。此外，通过在大型废水处理厂中模拟mDON生产，进一步证实了ASM-mDON模型的普遍性。全面测试（6月为1.98±0.71 mg / L，7月为1.51±0.54 mg / L）显示了对mDON形成的合理预测，并通过藻类生物测定法间接支持（p <0.05，t检验） 。这项研究为有效和准确地评估mDON的形成提供了有用的方法，这将改善当前旨在最小化废水生物过程中的mDON排放量的策略。通过模拟大型废水处理厂中的mDON生产，进一步证实了ASM-mDON模型的普遍性。全面测试（6月为1.98±0.71 mg / L，7月为1.51±0.54 mg / L）显示了对mDON形成的合理预测，并通过藻类生物测定法间接支持（p <0.05，t检验） 。这项研究为有效和准确地评估mDON的形成提供了有用的方法，这将改善当前旨在最小化废水生物过程中的mDON排放量的策略。通过模拟大型废水处理厂中的mDON生产，进一步证实了ASM-mDON模型的普遍性。全面测试（6月为1.98±0.71 mg / L，7月为1.51±0.54 mg / L）显示了对mDON形成的合理预测，并通过藻类生物测定法间接支持（p <0.05，t检验） 。这项研究为有效和准确地评估mDON的形成提供了有用的方法，这将改善当前旨在最小化废水生物过程中的mDON排放量的策略。