CN105527208B - 一种大气颗粒物质量浓度数据校正方法 - Google Patents
一种大气颗粒物质量浓度数据校正方法 Download PDFInfo
- Publication number
- CN105527208B CN105527208B CN201610055441.0A CN201610055441A CN105527208B CN 105527208 B CN105527208 B CN 105527208B CN 201610055441 A CN201610055441 A CN 201610055441A CN 105527208 B CN105527208 B CN 105527208B
- Authority
- CN
- China
- Prior art keywords
- data
- referenced stations
- concentration data
- mass concentration
- light scattering
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 7
- 238000000149 argon plasma sintering Methods 0.000 claims description 23
- 239000013618 particulate matter Substances 0.000 claims description 18
- 230000010355 oscillation Effects 0.000 claims description 7
- 238000004062 sedimentation Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 description 9
- 239000012528 membrane Substances 0.000 description 8
- 238000005070 sampling Methods 0.000 description 5
- 230000005250 beta ray Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- -1 density Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 238000000790 scattering method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种大气颗粒物质量浓度数据校正方法，其是利用参考站点的气象数据及其所测的大气颗粒物质量浓度数据建立在线校正模型，并采用该校正模型对非参考站点所测的大气颗粒物质量浓度数据进行校正。本发明在提高大气颗粒物质量浓度数据的准确度的同时，也提高了监测站点的监测效率。
Description
技术领域
本发明涉及环境监测领域，尤其涉及一种对监测站点监测到的大气颗粒物质量浓度数据进行校正的方法。
背景技术
目前国内外测定大气颗粒物质量浓度的方法主要离线的滤膜称重法，以及在线的β射线法与微振荡天平法等。滤膜称重法是以恒速抽取定量体积的空气，对颗粒物进行粒径筛选后，使空气中选定粒径段的颗粒物被截留于滤膜上，用天平称量采样前后滤膜的重量，根据其差值与采样体积，计算出颗粒物质量浓度。滤膜称重法是目前国际公认的大气颗粒物质量浓度检测基准方法，其缺点是费时、费力、时效性差。β射线法将颗粒物收集到滤膜上，用β射线照射，根据射线穿过滤纸和颗粒物后的衰减量与采样体积算出颗粒物质量浓度；微振荡天平法将颗粒物截留于滤膜后，用微振荡天平称重，根据滤膜增重与采样体积算出颗粒物质量浓度。β射线法与微振荡天平法可实时、自动监测，缺点是生产成本高、设备体积大，不适用于室外流动测量及密集布点。
基于米氏散射理论的光散射颗粒物传感器由于成本低、功耗低、小型化、维护量少等优势，近来受到人们的青睐。但此方法只能测量颗粒的大小，得到颗粒物数浓度，需要经过一定算法计算得到颗粒物质量浓度。颗粒数浓度到质量浓度的换算是一个非常复杂的问题，与颗粒物的形状，密度，成分以及环境的温湿度都有密切的联系。
现有技术还采用单一颗粒物密度经验值计算得到的大气颗粒物质量浓度，其是将光散射颗粒物传感器检测到的单个颗粒物粒径计算得到颗粒物体积，乘以颗粒物密度经验值，得到单个颗粒物质量，根据检测到的颗粒物数量与采样情况，计算得到颗粒物质量浓度，再者，大气颗粒物密度并非固定，受诸多因素影响，不同粒径、不同组分、不同污染状况及气象条件的颗粒物密度均有差异，且大气颗粒物并非颜色均一固定、形状规则的球形，光散射法测得的颗粒物粒径在不同条件准确度可能存在差异。所以不考虑季节、区域、污染状况等因素用准确性较差。
发明内容
(一)要解决的技术问题
鉴于上述问题，本发明提供一种大气颗粒物质量浓度数据校正方法，其是对监测站点监测到的大气颗粒物质量浓度数据进行校正，提高大气颗粒物质量浓度数据的准确度，也提高了监测站点的监测效率。
(二)技术方案
本发明提供一种对监测站点监测到的大气颗粒物质量浓度数据进行校正的方法，包括：
S1，获取监测区域中所有监测站点所监测到的大气颗粒物质量浓度数据，其中，监测站点包括参考站点和非参考站点；
S2，获取所述参考站点的气象数据，利用参考站点的气象数据和所监测到的大气颗粒物质量浓度数据进行模型训练，得到校正模型；
S3，根据校正模型对非参考站点的大气颗粒物质量浓度数据进行校正，得到大气颗粒物标准质量浓度数据。
(三)有益效果
本发明通过建立校正模型，可以直接对监测站点的数据进行校正，在提高大气颗粒物质量浓度数据的准确度的同时，也提高了监测站点的监测效率，另外，校正模型由实时数据计算得到，不存在一个模型无法适应所有情况的问题，大大提高了数据的可靠性。
附图说明
图1是本发明实施例提供的大气颗粒物质量浓度数据校正方法的流程图。
图2是本发明实施例中站点1的光散射数据及气象数据。
图3是本发明实施例中站点2的光散射数据及气象数据。
图4是本发明实施例中站点1的质量浓度数据。
图5是本发明实施例中站点2中经过校正后的光散射数据。
具体实施方式
本发明提供一种大气颗粒物质量浓度数据校正方法，其是利用参考站点的气象数据及其所测的大气颗粒物质量浓度数据建立在线校正模型，并采用该校正模型对非参考站点所测的大气颗粒物质量浓度数据进行校正。本发明在提高大气颗粒物质量浓度数据的准确度的同时，也提高了监测站点的监测效率。
根据本发明的一种实施方式，对大气颗粒物质量浓度数据进行校正的方法，包括：
S1，获取监测区域中所有监测站点所监测到的大气颗粒物质量浓度数据，其中，监测站点包括参考站点和非参考站点，具体地，可将大气颗粒物质量浓度数据发送至数据中心；
S2，获取所述参考站点的气象数据，其中，气象数据可由配置在参考站点中的气象参数监测设备所测得，利用参考站点的气象数据和所监测到的大气颗粒物质量浓度数据进行模型训练，得到校正模型；
S3，根据校正模型对非参考站点的大气颗粒物质量浓度数据进行校正，得到校正后的大气颗粒物质量浓度数据。
根据本发明的一种实施方式，参考站点所监测到的大气颗粒物质量浓度数据包括光散射数据和标准质量浓度数据，非参考站点所监测到的大气颗粒物质量浓度数据为光散射数据，其中光散射数据由监测站点中的光散射监测仪所测得，标准质量浓度数据是由参考站点中的微振荡天平法颗粒物在线监测仪所测得，微振荡天平法颗粒物在线监测仪采用的是国家认证的颗粒在线监测方法，其能精确测量大气颗粒物质量浓度，在考虑成本的前提下，无法将其配置到每个监测站点中，故将其测得的数据进行模型训练，并利用该模型校正光散射监测仪所测得的数据。
根据本发明的一种实施方式，步骤S2包括：以参考站点的光散射数据和气象数据作为自变量，以参考站点的标准质量浓度数据作为因变量，采取多元回归方法拟合所述参考站点的光散射数据和气象数据，得到校正模型：
其中，Ai为第i个参考站点拟合得到的校正模型系数，Xi为大气颗粒物质量浓度数据和气象数据组成的列向量，n为参考站点的数量。校正模型Y拟合的过程实质上是求取系数Ai的过程，具体的，利用上述公式变形，可得到：
利用获得光散射数据、标准质量浓度数据的和气象数据可实时地求取出系数Ai，从而确定出实时的校正模型Y。
根据本发明的一种实施方式，气象数据包括参考站点的坐标数据、温度数据和湿度数据。
根据本发明的一种实施方式，在步骤S2之前还包括，以小时为时间单位对参考站点的光散射数据进行平滑处理。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图1是本发明实施例提供的大气颗粒物质量浓度数据校正方法的流程图，在本实施例中，选择2个监测站点，其中站点1设立在北京市空气质量监测子站，作为参考站点，站点2作为非参考站点，方法包括：
S1，数据中心获取2个监测站点光散射颗粒物检测器所监测到的光散射数据以及站点1所监测到的标准质量浓度数据，并获取站点1的坐标数据、温度数据及湿度数据，如图2至图4所示，其中，图2是本发明实施例中站点1的光散射数据及气象数据，图3是本发明实施例中站点2的光散射数据及气象数据，图4是本发明实施例中站点1的质量浓度数据；
S2，以小时为时间单位对参考站点的光散射数据进行平滑处理，以站点1的光散射数据和气象数据作为自变量，以参考站点的标准质量浓度数据作为因变量，采取多元回归方法拟合参考站点的光散射数据和气象数据，得到校正模型；
S3，根据校正模型对非参考站点即站点2的光散射数据进行校正，得到校正后的光散射数据，如图5所示。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种对监测站点监测到的大气颗粒物质量浓度数据进行校正的方法，其特征在于，包括：
S1，获取监测区域中所有监测站点所监测到的大气颗粒物质量浓度数据，其中，所述监测站点包括参考站点和非参考站点；
S2，获取所述参考站点的气象数据，利用所述参考站点的气象数据和所监测到的大气颗粒物质量浓度数据进行模型训练，得到在线校正模型；
S3，根据所述在线校正模型对非参考站点的大气颗粒物质量浓度数据进行校正；
其中，所述在线校正模型由实时数据计算得到，获得所述在线校正模型的步骤包括：
以参考站点的光散射数据和气象数据作为自变量，以参考站点的标准质量浓度数据作为因变量，采取多元回归方法拟合所述参考站点的光散射数据和气象数据，得到在线校正模型：
其中，Ai为第i个参考站点拟合得到的校正模型系数，Xi为光散射数据和气象数据组成的列向量，n为参考站点的数量。
2.根据权利要求1所述的方法，其特征在于，所述参考站点所监测到的大气颗粒物质量浓度数据包括光散射数据和标准质量浓度数据，所述非参考站点所监测到的大气颗粒物质量浓度数据为光散射数据，其中所述光散射数据由监测站点中的光散射监测仪所测得，所述标准质量浓度数据由参考站点中的微振荡天平法颗粒物在线监测仪所测得。
3.根据权利要求1所述的方法，其特征在于，所述气象数据包括参考站点的坐标数据、温度数据和湿度数据。
4.根据权利要求1所述的方法，其特征在于，在所述步骤S2之前，还包括，以小时为时间单位对所述参考站点的光散射数据进行平滑处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610055441.0A CN105527208B (zh) | 2016-01-27 | 2016-01-27 | 一种大气颗粒物质量浓度数据校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610055441.0A CN105527208B (zh) | 2016-01-27 | 2016-01-27 | 一种大气颗粒物质量浓度数据校正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105527208A CN105527208A (zh) | 2016-04-27 |
| CN105527208B true CN105527208B (zh) | 2019-03-12 |
Family
ID=55769569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610055441.0A Active CN105527208B (zh) | 2016-01-27 | 2016-01-27 | 一种大气颗粒物质量浓度数据校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105527208B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105823713A (zh) * | 2016-05-24 | 2016-08-03 | 深圳市蜂联科技有限公司 | 一种迭代最优标定提高空气质量检测设备测量精度的方法 |
| CN106370570B (zh) * | 2016-08-25 | 2020-07-10 | 北京小米移动软件有限公司 | 颗粒物测量值的校准方法及装置 |
| CN106383074A (zh) * | 2016-08-31 | 2017-02-08 | 广东美的制冷设备有限公司 | 校准粉尘传感器的方法及设备 |
| CN106525674A (zh) * | 2016-10-31 | 2017-03-22 | 天津大学 | 一种便携式大气颗粒物浓度仪器测量数据的校准方法 |
| CN107063955B (zh) * | 2017-04-18 | 2020-07-14 | 击风科技（北京）有限公司 | 空气颗粒物检测仪校准方法及管理系统 |
| JP6863079B2 (ja) | 2017-05-25 | 2021-04-21 | 富士通株式会社 | 測定装置および測定方法 |
| KR102002988B1 (ko) * | 2017-10-12 | 2019-07-23 | 주식회사 엑스엘 | 미세먼지 농도 연산장치 및 방법 |
| KR102435967B1 (ko) * | 2018-09-05 | 2022-08-24 | 큐빅 센서 앤드 인스트루먼트 컴퍼니 리미티드 | 상이한 입경 입자상 물질의 질량 농도를 동시에 측정하는 방법 및 장치 |
| CN109765149B (zh) * | 2018-12-27 | 2021-12-03 | 北京英视睿达科技有限公司 | 一种基于总悬浮颗粒物确定降尘量的方法及装置 |
| CN110514626B (zh) * | 2019-07-23 | 2024-01-26 | 北京英视睿达科技股份有限公司 | 大气污染监测系统的数据校准方法和大气污染监测系统 |
| CN111198151A (zh) * | 2020-01-15 | 2020-05-26 | 湖南城市学院 | 一种大气颗粒物采集分析装置及其收集和分析方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201355339Y (zh) * | 2008-07-18 | 2009-12-02 | 上海市计量测试技术研究院 | 大气颗粒物自动监测系统的校准装置 |
| CN103245637B (zh) * | 2013-04-16 | 2016-03-16 | 北京清风康华科技有限公司 | 一种将光散射法测得的粒子数浓度转换为质量浓度的方法及检测仪 |
| CN104865173A (zh) * | 2014-02-21 | 2015-08-26 | 上海市七宝中学 | 基于光散射的颗粒物浓度检测设备 |
| CN103942439B (zh) * | 2014-04-24 | 2017-05-17 | 中国科学院遥感与数字地球研究所 | 一种基于气象观测数据的可吸入颗粒物浓度估算方法 |
| CN104122180B (zh) * | 2014-07-21 | 2016-08-24 | 青岛众瑞智能仪器有限公司 | 一种测量颗粒物质量浓度的方法 |
-
2016
- 2016-01-27 CN CN201610055441.0A patent/CN105527208B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105527208A (zh) | 2016-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105527208B (zh) | 一种大气颗粒物质量浓度数据校正方法 | |
| CN107063949A (zh) | 测量雾滴沉积分布情况的方法、装置和系统 | |
| CN103942439B (zh) | 一种基于气象观测数据的可吸入颗粒物浓度估算方法 | |
| CN108414682A (zh) | 一种基于无线传感器网络的空气质量监测数据快速校准方法 | |
| CN107063955B (zh) | 空气颗粒物检测仪校准方法及管理系统 | |
| Graf et al. | Boundedness of turbulent temperature probability distributions, and their relation to the vertical profile in the convective boundary layer | |
| CN108154271A (zh) | 一种基于空间相关性和曲面拟合的地面气温质量控制方法 | |
| CN111157413B (zh) | 一种pm2.5网格化监控网络系统及其一致性校准方法 | |
| CN108254621A (zh) | 一种测定特定夹持力下的植物生理电阻的方法及装置 | |
| Gómez-Moreno et al. | Intercomparisons of mobility size spectrometers and condensation particle counters in the frame of the Spanish atmospheric observational aerosol network | |
| CN113887085A (zh) | 基于雾滴沉积模型的植保无人机喷洒质量评价方法 | |
| CN114880933A (zh) | 一种基于再分析资料的无探空站点地基微波辐射计大气温湿廓线反演方法及系统 | |
| CN110210005A (zh) | 一种无参考值的光谱波数选择方法 | |
| Banfi et al. | An experimental technique based on globe thermometers for the measurement of mean radiant temperature in urban settings | |
| CN104596900B (zh) | 一种自动实现大气颗粒物粒径校正的方法及系统 | |
| CN105891130B (zh) | 一种校正不同光谱信息确定物质信息误差的方法 | |
| Yongjun et al. | A novel detection method of spray droplet distribution based on LIDARs | |
| CN106769731A (zh) | 颗粒物浓度的测量方法及装置 | |
| CN114486820A (zh) | 一种机载微波辐射计云中过冷水的反演方法 | |
| CN205156953U (zh) | 一种室内外高空环境质量的飞行检测平台 | |
| CN108490505A (zh) | 一种台风风场空间结构的判断方法和装置 | |
| CN110940624B (zh) | 一种大气细颗粒物遥感估计方法 | |
| Michel et al. | On the efficiency and correction of vertically oriented blunt bioaerosol samplers in moving air | |
| WO2020173072A1 (zh) | 一种基于测量质心无损检测鸡蛋新鲜度的方法 | |
| Yang et al. | Assessing the backward Lagrangian stochastic model for determining ammonia emissions using a synthetic source |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |