CN102230891A - 一种紫外光学多组分气体分析仪的数据处理系统 - Google Patents
一种紫外光学多组分气体分析仪的数据处理系统 Download PDFInfo
- Publication number
- CN102230891A CN102230891A CN201110061471XA CN201110061471A CN102230891A CN 102230891 A CN102230891 A CN 102230891A CN 201110061471X A CN201110061471X A CN 201110061471XA CN 201110061471 A CN201110061471 A CN 201110061471A CN 102230891 A CN102230891 A CN 102230891A
- Authority
- CN
- China
- Prior art keywords
- data
- component
- gas
- unit
- spectroscopic data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种紫外光学多组分气体分析仪的数据处理系统,包括接收气体分析仪输入的多组分气体的光谱数据,对该光谱数据进行预处理,消除散射噪声影响的数据预处理处理单元;用于接收处理数据预处理单元传输的数据,并将处理后的数据传输至各组分气体浓度反演单元的各组分气体光谱数据提取单元以及接收各组分光谱数据提取单元传输的各组分的光谱数据,减小系统噪声影响,反演出各组分气体浓度的各组分气体浓度反演单元。本发明数据处理系统能够消除气体对光线产生的各种散射的影响,分离出待检测气体各组分的吸收光谱,并能反演出各组分气体的浓度。
Description
技术领域
本发明属于在线检测技术领域,涉及一种数据处理系统,具体涉及一种实现紧密耦合式烟气在线连续监测关键技术之一的一种紫外光学多组分气体分析仪的数据处理系统。
背景技术
随着我国工业产业应用的发展,气体分析仪器得到了广泛的应用;作为连续污染物监测系统,成为解决固定污染源污染物排放问题的有效手段。
由于水蒸气在紫外波段没有吸收,因而,紫外光学气体分析仪不受水蒸气的影响,检测气体时不需要进行除湿预处理。传统的烟气抽取式监测方式是将烟气从烟道中抽出,用管线引到烟道下的分析小屋内,通过多台单组分气体分析仪对该烟气进行分析,同时,为了保证抽出的烟气能够反应烟道内烟气的特性,还必须保证整个样品流经的管线处于高温状态,导致气体分析系统结构复杂,可靠性低。直接插入式监测系统在使用过程中,需将探头直接插入烟道,与烟道结合在一起,而光学仪器属于精密仪器,在烟道内的安装难度大,长期使用后不易用标准气进行标校。
目前采用的紧密耦合式烟气监测方式,是将一台紫外光学多组分气体分析仪安装于烟道外,抽出的烟气直接送入该多组分气体分析仪,即时得到分析结果,在监测过程中只需要简单除尘而不需要除湿预处理。这种监测系统结构简单,成本低,而且安装难度小。但紫外光学多组分气体分析仪在进行多组分气体检测时,由于系统中光电二极管阵列检测到的光谱数据是多种气体组分的混合信息,各种组分彼此存在交叉敏感性,另外,光线通过气体时还会产生各种散射,也会影响气体的检测结果,而现有紫外光学多组分气体分析仪的数据处理系统无法消除气体对光线产生的各种散射的影响,不能分离出各种组分各自的吸收光谱,导致不能反演出各组分气体的浓度,影响对烟气的在线连续监测。
发明内容
为了克服上述现有技术中存在的问题,本发明的目的是提供一种一种紫外光学多组分气体分析仪的数据处理系统,能够消除气体对光线产生的各种散射的影响,分离出待检测气体各组分的吸收光谱,并能反演出各组分气体的浓度。
本发明所采用的技术方案是,一种紫外光学多组分气体分析仪的数据处理系统,包括数据预处理处理单元1、各组分气体光谱数据提取单元2和各组分气体浓度反演单元3;其中,
数据预处理单元1,用于接收气体分析仪输入的多组分气体的光谱数据,对接收到的光谱数据进行预处理,消除散射噪声的影响,然后,将预处理后的数据输送至各组分气体光谱数据提取单元2;
各组分气体光谱数据提取单元2,用于接收数据预处理单元1传输的数据,对接收到的数据进行处理,消除交叉干扰,提取各组分的光谱数据,并将该光谱数据传输至各组分气体浓度反演单元3;
各组分气体浓度反演单元3,用于接收各组分光谱数据提取单元2传输的各组分的光谱数据,对接收到的各组分的光谱数据进行处理,减小系统噪声的影响,反演出各组分的气体浓度。
本发明数据处理系统利用紫外差分算法消除颗粒物、光学镜头污染等噪声的影响;各组分光谱数据提取主要利用短时快速傅里叶变换以及选取主吸收峰等方法;各组分气体浓度反演主要使用基于结构风险最小化的最小二乘支持向量机方法。输入检测到的光谱数据后,结合紫外差分、短时快速傅里叶以及最小二乘支持向量机方法,可以反演出多种混合气体的气体浓度,且具有结果不受噪声影响、各组分数据互不干扰、计算量小等特点,适合于多组分气体在线连续监测。
附图说明
图1是本发明数据处理系统的结构示意图。
图2是实施例中NH3的吸收截面图。
图3是实施例中C7H8的吸收截面图。
图4是实施例中C6H6的吸收截面图。
图中,1.数据预处理单元,2.各组分气体光谱数据提取单元,3.各组分气体浓度反演单元。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
如图1所示,本发明数据处理系统的结构,包括依次相连接的数据预处理处理单元1、各组分气体光谱数据提取单元2和各组分气体浓度反演单元3,其中,
数据预处理单元1,用于接收气体分析仪输入的多组分气体的光谱数据,采用紫外差分算法对接收到的光谱数据进行预处理,消除光学镜头污染和多组分气体中颗粒物散射噪声的影响,然后,将预处理后的数据输送至各组分气体光谱数据提取单元2;
各组分气体光谱数据提取单元2,用于接收数据预处理单元1传输的数据,采用短时快速傅里叶变换和差值法对接收到的数据进行处理,消除多组分气体中各组分之间的交叉干扰,提取各组分的光谱数据,并将该光谱数据传输至各组分气体浓度反演单元3;
各组分气体浓度反演单元3,用于接收各组分光谱数据提取单元2传输的各组分的光谱数据,采用结构风险最小化的最小二乘支持向量机法对接收到的各组分的光谱数据进行处理,减小系统噪声的影响,反演出各组分的气体浓度。
需本数据处理系统处理的数据由光电二极管阵列检测得到,可同时得到两种以上组分的浓度,并可以根据要得到浓度的目标气体组分设定组分数量和组分种类。
利用本发明数据处理系统对气体分析仪得到的多组分气体的光谱数据进行处理的过程:
1.利用紫外差分法进行预处理
对气体分析仪得到的多组分气体的光谱数据进行傅里叶变换,将该光谱数据转换到频率域,然后,利用紫外差分算法消除烟气中的颗粒物、光学镜头污染等散射噪声对光谱数据的影响;并根据紫外差分原理,将该光谱数据中的高频部分作为气体吸收信号,低频部分作为噪声信号,通过数据预处理单元1中的高通滤波器滤除低频部分,并将高频部分进行傅里叶反变换,得到高频部分光谱数据;
2.采用短时快速傅里叶变换对得到的高频部分光谱数据进行处理,提取该高频部分光谱数据中有周期性特性的气体组分的吸收光谱,并通过带宽滤波器得到该气体组分在周期频率段的信号,然后将该周期频率段的信号进行反变换得到该气体组分的吸收强度,反演出该气体组分的气体浓度;
短时快速傅立叶变换是常用的一种时频分析方法,通过时间窗内的一段信号来表示某一时刻的信号特征。窗越宽,时间分辨率越差;反之会降低频率分辨率,也就是说短时快速傅立叶变换不能同时兼顾时间和频率分辨率。
离散信号x(n)的短时傅立叶变换定义为:
式中,w(n)是实数窗序列,称为分析窗或分析滤波器;Xn(ejω)既是ω的函数,也是n的函数;
所以,短时傅立叶变换存在两方面的解释。序列:
称为x(n)在时刻n0的短时段,一方面,在n=n0的情况下,是将窗函数中心移到n0处截取信号x(n)所得到的序列fn(m)的标准傅立叶变换。另一方面,从滤波器的角度,在ω=ω0前提下,是时间n的函数。如果将ω(n)看作是某个窄带低通滤波器的冲击,相应滤波器的输入为那么就是该滤波器的输出。考虑到对某些气体在紫外波段的吸收具有准周期性,而在实际的气体监测环境中检测到的吸收光谱信号的复杂性,将短时快速傅里叶变换引入对检测到的气体吸收光谱信号的处理,可以得到特定气体在紫外波段的所有吸收量,不仅可以排除其它气体的干扰,还可以提高气体检测的灵敏度。
对高频部分光谱数据中无周期吸收特性的气体组分采用差值法进行处理:
1)对某一组分在其主吸收峰附近选取三点,计算三点之间的差值,若符合该组分的吸收谱线特性,则直接进行反演,否则表明该组分被其它气体干扰,则进入2);
2)首先,根据现有光谱数据库找出上述组分在该波段可能的干扰组分,如果已反演出浓度的组分在该波段具有吸收效应,根据浓度计算出该波段的吸收量,并据此消除该气体组分的干扰。这时如果三点之间的差值符合被测组分吸收谱线特性,则反演出该组分浓度。否则进行3);
3)根据标准谱线计算可能的干扰组分三点之间的差值,并与被测组分标准谱线三点之间的差值进行组合,以判断哪几种组分对被测组分产生明显干扰。对明显干扰组分,选取吸收干扰少,特别是选取吸收无周期性的组分干扰少的波段,进行计算,得到干扰组分的初始浓度,最后据此排除干扰组分的干扰。
3.采用最小二乘支持向量机,对步骤2得到的结果进行修正
首先确定支持向量机的类型、核函数、惩罚因子C及损失函数ε的数值,然后得到回归函数,最后根据回归函数来计算检测结果。
对得到的结果采用最小二乘支持向量机进行修正,由于受硬件限制,并在滤波等过程中会滤除有用信息,因此在用光吸收基本定律(Beer-Lambert定律)进行反演时会造成一定误差,首先采用最小二乘支持向量机对检测结果进行预测,然后用预测值来修正结果,提高处理精度。最小二乘支持向量机方法处理过程如下:
支持向量机基于统计学习理论,有着坚实的理论基础,而且作为结构风险最小化准则的具体实现,具有全局最优、结构简单、推广能力强等优点。可用于气体组分浓度值的预测。将预测值与用Beer-Lambert定律反演的值进行比较可以减小测量误差。
如果单用Beer-Lambert定律进行反演,因为存在除散射以外的系统噪声,得到的值不能反映真实值。所以需要首先进行标校以采集训练样本,然后运用最小二乘支持向量机的方法建立训练模型,最后用该模型来计算气体浓度值。
受自然条件、加工工艺等条件影响,直接应用Beer-Lambert定律进行气体浓度计算,将无法得到满意的结果。由于被测气体中常含有大量颗粒物、粉尘等,因此紫外光经过气体池时瑞利散射(Rayleigh散射)和Mie散射会严重干扰光谱吸收量,直接影响气体检测结果。为了克服Rayleigh散射、Mie散射以及其它分子吸收的影响,需要引入差分光学吸收法。其基本思想是由Rayleigh散射和Mie散射等引起的光学厚度变化是随波长缓慢变化,而由分子吸收特性引起的光学厚度变化是随波长快速变化。为此将散射引起的光谱变化称为“宽带”光谱即低频部分,将分子吸收引起的光谱变化称为“窄带”光谱即高频部分。这样首先将光谱数据转换到频域,然后使用一个高通滤波器将随波长快速变化的“窄带”光谱分离出来,被分离出来的分子吸收光谱用于下一步计算。
本发明数据处理系统主要利用紫外差分算法消除颗粒物、光学镜头污染等散射噪声的影响;各组分光谱数据提取主要利用短时快速傅里叶变换以及差值法等方法消除各组分的交叉干扰;各组分气体浓度反演主要使用基于结构风险最小化的最小二乘支持向量机方法减小各种系统噪声的影响。
实施例
采用本发明数据处理系统对NH3、C7H8、C6H6三种气体组成的混合气体进行检测。气体分析仪中的光电二极管阵列在波长200~500cm-1范围内可得到700个光谱数据,覆盖被测混合气体组分气体的主、次特征吸收谱线。
第一步:按表1所示浓度配置标准气体用于标校与检验。
表1 校准用标准气浓度表
浓度范围与间隔 | NH3 | C7H8 | C6H6 |
最大浓度% | 4% | 2% | 2% |
最小浓度% | 40% | 20% | 20% |
浓度间隔 | 2% | 1% | 1% |
再配置各组分浓度不同的三组混合气体:
第一组:NH3为10%、C7H8为5%,C6H6为5%。
第二组:NH3为15%、C7H8为10%,C6H6为10%。
第三组:NH3为20%、C7H8为15%,C6H6为15%。
第二步:样本训练
将按表1配置的标准气通入紫外光学多组分气体分析仪,经本发明数据处理系统得到样本数据,用该样本数据进行模型训练,所有样本数据没有受到其它组分气体的干扰,对样本数据首先进行紫外差分计算,消除散射的影响,然后对处理后的数据用最小二乘支持向量机的方式建立拟合模型。首先确定支持向量机的类型、核函数、惩罚因子C及损失函数ε的数值,然后得到回归函数。这里采用最小二乘向量回归机,核函数采用Morlet母小波所生成的核函数,惩罚因子C及损失函数ε的数值采用全局寻优的遗传算法进行选择,取C=60,ε=0.05。
第三步:用混合气体样本数据进行检验
通入第一组混合气体,得到光谱数据。首先进行数据预处理,即进行紫外差分计算。这里需要注意的是对于一般的差分运算,只是将光谱数据转换到频率域,然后将明显的“慢变部分”,即低频部分滤除。这对带通滤波器带宽选择的要求不高,但考虑到仪器长时间使用后,光学镜片易受到污染,这也会造成透光率或反射率降低,影响吸收截面的计算结果。与瑞利散射和米氏散射相比,光线碰到气体中的动态颗粒物发生散射,有很强的随机性,因此与波长的相关性几乎没有关系。而光学仪器被污染,是微小颗粒物附着在光学仪器上的结果,光线通过时有一定的选择性,这种选择性与气体的吸收的波长选择性相比是很小的,因此理论上差分思想可以用于解决仪器长期使用而导致的光学器件反射率或透射率降低问题,但这种变化又比瑞利散射和米氏散射形成的变化要快,因此给滤波器设计带来了难度。这里我们将频率在0.648MHz以下的频率滤除。试验表明这种滤波器不仅较好的去除了由于散射带来的影响,还可以部分解决由于光学器件反射率或透射率降低带来的影响。
第四步:各组分光谱数据提取
如图2、图3和图4所示,三种组分存在交叉干扰现象。NH3在200~220cm-1波段存在明显的准周期性,因此首先在这一波段采用短时快速傅里叶变换,提取NH3的吸收光谱数据,同时也得到了C7H8在200~220cm-1波段的吸收光谱数据。据此得到NH3和C7H8的浓度。对于C6H6吸收光谱数据的提取,由于在230~260cm-1波段存在明显交叉干扰,选择255cm-1、260cm-1、265cm-1三点作为检测点,通过C7H8的浓度,根据标准光谱可以计算得到这三点C7H8的吸收光谱强度,也就可以得到C6H6的光谱吸收数据。
第四步 各组分浓度反演
得到某一组分的吸收截面后,根据建立的拟合模型和Beer-Lambert定律两种方式进行反演,得到两个数值,该两个数值的平均值为最终结果。
三组混合气体计算结果如表2所示:
从表中2可知,通过本发明数据处理系统的处理计算,得到了非常精确的检测数据,表明该数据处理系统能够消除背景噪声、气体散射等的影响,并能消除交叉干扰,分离混合气体中各组分的吸收光谱。
Claims (2)
1.一种紫外光学多组分气体分析仪的数据处理系统,其特征在于,该数据处理系统包括数据预处理处理单元(1)、各组分气体光谱数据提取单元(2)和各组分气体浓度反演单元(3);其中,
数据预处理单元(1),用于接收气体分析仪输入的多组分气体的光谱数据,对接收到的光谱数据进行预处理,消除散射噪声的影响,然后,将预处理后的数据输送至各组分气体光谱数据提取单元(2);
各组分气体光谱数据提取单元(2),用于接收数据预处理单元(1)传输的数据,对接收到的数据进行处理,消除交叉干扰,提取各组分的光谱数据,并将该光谱数据传输至各组分气体浓度反演单元(3);
各组分气体浓度反演单元(3),用于接收各组分光谱数据提取单元(2)传输的各组分的光谱数据,对接收到的各组分的光谱数据进行处理,减小系统噪声的影响,反演出各组分的气体浓度。
2.一种紫外光学多组分气体分析仪的数据处理系统,其特征在于,该数据处理系统包括数据预处理处理单元(1)、各组分气体光谱数据提取单元(2)和各组分气体浓度反演单元(3);其中,
数据预处理单元(1),用于接收气体分析仪输入的多组分气体的光谱数据,采用紫外差分算法对接收到的光谱数据进行预处理,消除光学镜头污染和多组分气体中颗粒物散射噪声的影响,然后,将预处理后的数据输送至各组分气体光谱数据提取单元(2);
各组分气体光谱数据提取单元(2),用于接收数据预处理单元(1)传输的数据,采用短时快速傅里叶变换和差值法对接收到的数据进行处理,消除多组分气体中各组分之间的交叉干扰,提取各组分的光谱数据,并将该光谱数据传输至各组分气体浓度反演单元(3);
各组分气体浓度反演单元(3),用于接收各组分光谱数据提取单元(2)传输的各组分的光谱数据,采用结构风险最小化的最小二乘支持向量机法对接收到的各组分的光谱数据进行处理,减小系统噪声的影响,反演出各组分的气体浓度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110061471XA CN102230891A (zh) | 2011-03-15 | 2011-03-15 | 一种紫外光学多组分气体分析仪的数据处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110061471XA CN102230891A (zh) | 2011-03-15 | 2011-03-15 | 一种紫外光学多组分气体分析仪的数据处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102230891A true CN102230891A (zh) | 2011-11-02 |
Family
ID=44843479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110061471XA Pending CN102230891A (zh) | 2011-03-15 | 2011-03-15 | 一种紫外光学多组分气体分析仪的数据处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102230891A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102590138A (zh) * | 2012-01-16 | 2012-07-18 | 清华大学 | 一种基于激光吸收光谱的气体浓度在线测量方法 |
CN103163100A (zh) * | 2013-03-01 | 2013-06-19 | 华北电力大学(保定) | 一种气态元素汞检测方法 |
CN104458630A (zh) * | 2014-12-19 | 2015-03-25 | 重庆川仪自动化股份有限公司 | 一种紫外差分气体分析仪的数据处理方法及系统 |
CN105738306A (zh) * | 2016-04-13 | 2016-07-06 | 天津大学 | 便携式消防应急救援多气体快速遥感仪及检测方法 |
CN106769906A (zh) * | 2016-12-14 | 2017-05-31 | 重庆川仪自动化股份有限公司 | 光谱仪数据漂移补偿方法 |
CN107796777A (zh) * | 2017-10-20 | 2018-03-13 | 西安思坦科技有限公司 | 一种低浓度紫外差分气体分析仪的数据处理方法 |
CN112683808A (zh) * | 2020-12-15 | 2021-04-20 | 电子科技大学 | 一种基于光声谱多组分装置与信号处理方法 |
CN113310922A (zh) * | 2020-02-27 | 2021-08-27 | 大唐环境产业集团股份有限公司 | 一种基于紫外差分吸收光谱的no浓度测量系统及浓度计算方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2879175Y (zh) * | 2005-08-02 | 2007-03-14 | 德菲电气(北京)有限公司 | 多组分紫外在线气体分析仪 |
CN101105446A (zh) * | 2007-01-19 | 2008-01-16 | 华南理工大学 | 差分吸收光谱空气质量检测系统 |
-
2011
- 2011-03-15 CN CN201110061471XA patent/CN102230891A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2879175Y (zh) * | 2005-08-02 | 2007-03-14 | 德菲电气(北京)有限公司 | 多组分紫外在线气体分析仪 |
CN101105446A (zh) * | 2007-01-19 | 2008-01-16 | 华南理工大学 | 差分吸收光谱空气质量检测系统 |
Non-Patent Citations (3)
Title |
---|
SVANTEW ALLIN等: "DOAS方法在连续排放污染源及过程气体", 《环境工程技术学报》, vol. 1, no. 1, 31 January 2011 (2011-01-31), pages 38 - 45 * |
周涛: "烟气排放紫外差分吸收光谱实时监测方法的研究", 《中国博士学位论文全文数据库工程科技Ⅰ辑》, no. 02, 15 February 2011 (2011-02-15), pages 19 - 32 * |
林继鹏等: "基于支持向量机的多组分气体分析", 《西安交通大学学报》, vol. 39, no. 6, 30 June 2005 (2005-06-30), pages 586 - 589 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102590138A (zh) * | 2012-01-16 | 2012-07-18 | 清华大学 | 一种基于激光吸收光谱的气体浓度在线测量方法 |
CN102590138B (zh) * | 2012-01-16 | 2013-11-27 | 清华大学 | 一种基于激光吸收光谱的气体浓度在线测量方法 |
CN103163100A (zh) * | 2013-03-01 | 2013-06-19 | 华北电力大学(保定) | 一种气态元素汞检测方法 |
CN103163100B (zh) * | 2013-03-01 | 2015-06-03 | 华北电力大学(保定) | 一种气态元素汞检测方法 |
CN104458630A (zh) * | 2014-12-19 | 2015-03-25 | 重庆川仪自动化股份有限公司 | 一种紫外差分气体分析仪的数据处理方法及系统 |
CN105738306A (zh) * | 2016-04-13 | 2016-07-06 | 天津大学 | 便携式消防应急救援多气体快速遥感仪及检测方法 |
CN106769906A (zh) * | 2016-12-14 | 2017-05-31 | 重庆川仪自动化股份有限公司 | 光谱仪数据漂移补偿方法 |
CN106769906B (zh) * | 2016-12-14 | 2020-08-28 | 重庆川仪自动化股份有限公司 | 光谱仪数据漂移补偿方法 |
CN107796777A (zh) * | 2017-10-20 | 2018-03-13 | 西安思坦科技有限公司 | 一种低浓度紫外差分气体分析仪的数据处理方法 |
CN113310922A (zh) * | 2020-02-27 | 2021-08-27 | 大唐环境产业集团股份有限公司 | 一种基于紫外差分吸收光谱的no浓度测量系统及浓度计算方法 |
CN112683808A (zh) * | 2020-12-15 | 2021-04-20 | 电子科技大学 | 一种基于光声谱多组分装置与信号处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102230891A (zh) | 一种紫外光学多组分气体分析仪的数据处理系统 | |
CN101105446B (zh) | 差分吸收光谱空气质量检测系统 | |
CN101694460B (zh) | 烟气污染物浓度的自适应差分吸收光谱测量方法及装置 | |
CN102183468B (zh) | 多组分气体分析的干扰修正与浓度反演方法 | |
CN106932378A (zh) | 一种基于拉曼光谱的炼厂酸性气成分的在线检测系统和方法 | |
Suarez-Bertoa et al. | Intercomparison of real-time tailpipe ammonia measurements from vehicles tested over the new world-harmonized light-duty vehicle test cycle (WLTC) | |
CN102507489B (zh) | 检测样气中有害气体浓度的装置及方法 | |
CN103940767B (zh) | 基于多流形学习的气体浓度反演方法 | |
CN104568836A (zh) | 基于多种光谱技术融合的低浓度、多组分气体检测方法 | |
CN103033481A (zh) | 基于fft的激光分析仪二次谐波滤波方法 | |
CN103575694A (zh) | 一种基于近红外光谱技术的稻谷黄曲霉毒素b1 快速检测方法 | |
CN108918446B (zh) | 一种超低浓度二氧化硫紫外差分特征提取算法 | |
CN102435567A (zh) | 基于差分吸收光谱的气体组分浓度反演算测定方法 | |
CN104020135A (zh) | 基于近红外光谱的校正模型建模方法 | |
CN105486655A (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
CN110070220A (zh) | 一种基于神经网络算法的氨氮指标软测量方法 | |
Paramonov et al. | Condensation/immersion mode ice-nucleating particles in a boreal environment | |
CN107643261A (zh) | 一种长光程怀特池doas法测量污染气体浓度的监测仪 | |
CN102338743A (zh) | 一种识别发动机燃料种类和牌号中红外光谱方法 | |
CN116956749B (zh) | 一种基于大数据多维度监测碳排放的方法和系统 | |
CN105954228A (zh) | 基于近红外光谱的油砂中金属钠含量的测量方法 | |
CN106323888B (zh) | 一种超低排放烟气测量方法 | |
Zhao et al. | The on-site DGA detecting and analysis system based on the Fourier transform infrared instrument | |
CN112396064A (zh) | 一种烟气分析处理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111102 |