CN107402171A - 基于分布式算法的大气扬尘污染基线剥离方法 - Google Patents
基于分布式算法的大气扬尘污染基线剥离方法 Download PDFInfo
- Publication number
- CN107402171A CN107402171A CN201710553146.2A CN201710553146A CN107402171A CN 107402171 A CN107402171 A CN 107402171A CN 201710553146 A CN201710553146 A CN 201710553146A CN 107402171 A CN107402171 A CN 107402171A
- Authority
- CN
- China
- Prior art keywords
- baseline
- airborne dust
- pollution
- dust
- discharge capacity
- 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.)
- Granted
Links
- 239000000428 dust Substances 0.000 title claims abstract description 190
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 38
- 238000003912 environmental pollution Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000002156 mixing Methods 0.000 claims abstract description 5
- 230000001413 cellular effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 14
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000009434 installation Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
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)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明涉及一种基于分布式算法的大气扬尘污染基线剥离方法,根据监测区域面积,布设扬尘浓度传感器节点,实时采集监控区域内的扬尘浓度值,并传输至云端服务器;云端服务器接收到传感器数据做为原始数据,通过多维度数据融合算法计算出监测区域扬尘污染基线;利用监测区域扬尘污染基线将原始数据中的基线剥离出来,得到指定时间段内环境污染基线对应的扬尘排出量;利用原始数据,计算出同时间段内扬尘排放量总值;在上述扬尘排放量总值基础上,剥离掉环境污染基线排放量,得到监测区域人为因素排放量。本发明真正做到企业只为自己的“扬尘”买单,扬尘更加合理化计算方式;摆脱了扬尘单点检测结果片面的劣势,实时的远程监控就可以直切问题核心。
Description
技术领域
本发明涉及一种空气扬尘检测技术,具体为一种基于分布式算法的大气扬尘污染基线剥离方法。
背景技术
根据国家环保部检测数据显示,目前一些大中型城市的雾霾天气较为严重,主要原因在于工矿企业增加,污染排放量的大幅升高,污染控制力度不够,大气污染排放量超过了环境所能接受的容量,其中工矿企业的扬尘污染已然成为城市大气污染的重要因素之一。
目前已经存在的扬尘检测系统或设备能检测出当前范围内的扬尘量,其中包括环境扬尘量和人工扬尘量,但是由于该系统或设备只有单点式布局不能区分环境扬尘和人工扬尘,这样会导致企业承担本不属于自己的排放责任,使其负担加重,责任无法合理划分。
发明内容
针对现有技术中扬尘检测系统不能区分环境扬尘和人工扬尘而导致无法排除环境因素给人工扬尘排放量带来干扰等不足,本发明要解决的问题是提供一种能够全面精准的监控扬尘、客观、公正划分责任的基于分布式算法的大气扬尘污染基线剥离方法。
为解决上述技术问题,本发明采用的技术方案是:
本发明一种基于分布式算法的大气扬尘污染基线剥离方法,包括以下步骤:
1)根据监测区域面积,按照生长式蜂窝布局算法,布设扬尘浓度传感器节点,实时采集监控区域内的扬尘浓度值,并通过GPRS将传感器数据传输至云端服务器;
2)云端服务器接收到监测区域所有传感器数据做为原始数据,通过多维度数据融合算法计算出监测区域扬尘污染基线;
3)利用监测区域扬尘污染基线将原始数据中的基线剥离出来,得到指定时间段内环境污染基线对应的扬尘排出量;利用原始数据,计算出同时间段内扬尘排放量总值;
4)在上述扬尘排放量总值基础上,剥离掉环境污染基线排放量,得到监测区域人为因素排放量。
步骤1)中,按照生长式蜂窝布局算法,布设扬尘浓度传感器节点为:设定初始生长位置,依据设定的蜂窝边长,逐步生长新的蜂窝,直至整个待监测区域军备蜂窝覆盖。
所述扬尘浓度值包括自然环境导致的扬尘浓度值与人为因素导致的扬尘浓度值,自然环境导致的扬尘浓度随时间变化的曲线称为扬尘污染基线;污染基线浓度值与人为扬尘污染浓度值之和为扬尘污染总体浓度值。
步骤2)中,通过多维度数据融合算法计算出监测区域扬尘污染基线,步骤为:
设定扬尘分布等级参数,计算每个等级所包含的扬尘浓度传感器节点个数统一进行标签;
寻找扬尘在线监测装置分布最多的等级边界并记录,对上述已经记录的等级上下边界进行校正,确定边界内的标签;
获取分布于同一监测区域内的所有扬尘浓度监测值,依据人为扬尘浓度变化规律与自然环境污染浓度变化规律,采用阈值设定、梯度计算、模糊识别算法计算出扬尘污染基线。
步骤4)中,在扬尘排放量总值基础上,剥离掉环境污染基线排放量,即可得到监测区域人为因素排放量为:
依据扬尘污染基线,通过积分运算计算出一段时间内的扬尘排放总量;然后通过积分运算计算出同一段时间内扬尘污染基线对应的扬尘排放量即污染基线排放量;扬尘排放总量与污染基线排放量做差,得到人为因素扬尘排放量。
通过将多个扬尘在线监测装置测得的扬尘量的差值与阈值比较的方式在边界内确定基线。
所述扬尘浓度传感器设于扬尘在线监测装置中,扬尘在线监测装置采用地面移动式安装,具有固定箱、支架以及太阳能板,其中固定箱具有轮子,固定箱上通过支架安装有太阳能板,扬尘浓度传感器安装于支架上,固定箱中置放与太阳能板电连接的蓄电池。
所述扬尘浓度传感器设于扬尘在线监测装置中,扬尘在线监测装置采用悬挂式安装,包括立柱、横向支架以及太阳能板,立柱固定于监测区域内,立柱通过横向支架安装太阳能板,横向支架端部安装扬尘浓度传感器,太阳能板下方设有蓄电池,其与太阳能板电连接。
本发明具有以下有益效果及优点:
1.本发明从环境因素和人为因素两方面考虑对扬尘排放量的影响,充分发挥除去环境因素计算扬尘排放量的优势,无论从分布式传感器节点能够全面精准的监控扬尘,还是合理的计算扬尘真实排放量等方面,都坚决的贯彻“谁污染,谁治理”的精神,真正做到企业只为自己的“扬尘”买单,扬尘更加合理化计算方式;与此同时,分布式算法摆脱了扬尘单点检测结果片面的劣势,通过不同维度的数据、实时的远程监控就可以直切问题核心。
2.本发明结合硬件设备和软件算法,不仅硬件便于实现,设备外形精致,安装简单,使用寿命长;同时软件算法精准,能够准确计算各项参数,从根本上剖析扬尘数据,采用分布式算法的大气扬尘污染基线剥离技术,精准的分析扬尘数据,大大增加了扬尘的数据维度,给扬尘的执法机构提供了更加有力的“证据”。
3.本发明通过远程数据和算法计算,将实时数据调整为工矿企业本身的扬尘排放量,避免了坏境对工地的影响。
附图说明
图1为本发明中污染基线算法流程图;
图2为本发明硬件结构框图;
图3为本发明涉及的嵌入式软件流程图。
具体实施方式
下面结合说明书附图对本发明作进一步阐述。
如图1所示,本发明基于分布式算法的大气扬尘污染基线剥离方法,采用分布式布局的扬尘在线监测装置,对所监控区域进行连续检测,并将检测的扬尘浓度数据通过GPRS、以太网上传至云端服务器;云端服务器通过相应的数据挖掘、数据融合算法对这些数据进行分析处理,计算出该监测区域的扬尘污染基线值;通过在监测区域扬尘总排放量基础上去除污染基线对应的排放量,计算出监测区域人为因素导致的扬尘排放量,步骤为:
1)根据监测区域面积,按照生长式蜂窝布局算法,布设扬尘浓度传感器节点,每实时采集监控区域内的扬尘浓度值,并通过GPRS将传感器数据传输至云端服务器;
2)云端服务器接收到该监测区域所有传感器数据做为原始数据,通过多维度数据融合算法计算出该监测区域扬尘污染基线;
3)利用监测区域扬尘污染基线将原始数据中的基线剥离出来,得到该时间段内环境污染基线对应的扬尘排出量;利用原始数据,基于积分算法计算出同时间段内扬尘排放量总值;
4)在上述扬尘排放量总值基础上,剥离掉环境污染基线排放量,得到监测区域人为因素排放量。
扬尘在线监测装置采用PM1/2.5/10 TSP扬尘浓度值测量传感器,太阳能供电,按照生长式蜂窝布局算法,布设扬尘浓度传感器节点为:设定初始生长位置,依据设定的蜂窝边长,逐步生长新的蜂窝,直至整个待监测区域军备蜂窝覆盖。
本发明中,扬尘浓度值包括自然环境导致的扬尘浓度值与人为因素导致的扬尘浓度值,自然环境导致的扬尘浓度随时间变化的曲线称为扬尘污染基线;污染基线浓度值与人为扬尘污染浓度值之和为扬尘污染总体浓度值。
步骤2)中,通过多维度数据融合算法计算出监测区域扬尘污染基线,步骤为:
设定扬尘分布等级参数,计算每个等级所包含的扬尘浓度传感器节点个数统一进行标签;
寻找扬尘在线监测装置分布最多的等级边界并记录,对上述已经记录的等级上下边界进行校正,此时认为基线在此校正过的上下边界内,确定边界内的标签,通过将多个扬尘在线监测装置测得的扬尘量的差值与阈值比较的方式在边界内确定基线。确定标签的目的是确定边界内都布设了哪些扬尘在线监测装置,以便求得边界内每两个扬尘在线监测装置测得扬尘量的差值
步骤3)中,计算的基线将原始数据中的基线剥离出来,得到排除环境影响的工厂实际扬尘排出量,以此为基础计算出某时间段内监测区域实际扬尘排放量总值,公式如下:
Wf=A*((P1+P2+P3+...+Pn)/n)*T
其中Wf是人工实际扬尘排放量的总和(微克/立方米),A为监测区域总面积(立方米),P1到Pn为n个扬尘在线监测装置的剥离掉基线的扬尘值 (微克/立方米),n为装置总个数,T为时间;
通过以下公式计算出同时间段内监测区域扬尘污染基线排放量。
Wb=A*((P1’+P2’+P3’+...+Pn’)/n)*T
其中Wb是工厂内环境污染基线排放量的总和(微克/立方米),A为监测区域总面积(立方米),P1到Pn为n个扬尘在线监测装置监测到的基线的扬尘值(微克/立方米),n为装置总个数,T为时间。
获取分布于同一监测区域内的所有扬尘浓度监测值,依据人为扬尘浓度变化规律(浓度值上升快,下降也快)与自然环境污染浓度变化规律(变化相对稳定、缓慢),采用阈值设定、梯度计算、模糊识别等算法计算出扬尘污染基线。
步骤4)中,在扬尘排放量总值基础上,剥离掉环境污染基线排放量,即可得到监测区域人为因素排放量为:
依据扬尘污染基线,通过积分运算计算出一段时间内的扬尘排放总量;然后通过积分运算计算出同一段时间内扬尘污染基线对应的扬尘排放量即污染基线排放量;扬尘排放总量与污染基线排放量做差,得到人为因素扬尘排放量。
如图2所示,本发明采用先进的支持实时仿真和嵌入式跟踪的32位 STM32F407RGCPU的处理器作为系统的核心处理器,集成符合国家大气监测设备精度标准的PM1/2.5/10的传感器,采用太阳能+锂电池/铅酸电池电源解决方案,配套铝合金安装架,可以自由安装在各类应用场合。通过分布式地布局感知终端,实时地将感知数据上传至云端服务器,通过算法分析、挖掘,能够为用户提供如下分析结果:
1)某时间段内区域环境污染基线数值,及其对应的扬尘排出量;
2)某时间段内区域人为因素导致的扬尘排出量。
另一方面GPS定位装置可将设备安装位置于网络地图之上从而准确定位出污染源出现位置。其次数据会通过无线射频功能(GPRS)上传至云端相应服务器,按照地址和标识符分类存储。最后经过分析和处理在网页端和手机APP端将这些数据以图表、文字等信息展示出来。以方便实现管理人员随时随地及时了解当前各区域扬尘状况。
本实施例采用keil5编写嵌入式软件程序。如图3所示,设定采样间隔为30秒,设备上电程序开始执行,系统整体初始化结束准备执行采集数据过程。扬尘监测装置和噪声监测装置采集的监测信号以及GPS采集的所在位置经纬度,通过I2C、SPI通信方式传递给核心处理器,处理器将数据进行解码校验,以数组形式存储起来,再通过I2C通信方式将数据传递给无线射频单元(GPRS),无线射频单元判断GPRS初始化是否完成与GPRS 发送数据准备完成,则会将获得的数值数据发送到云端,发送成功后GPRS 发送清零,重新开始循环执行程序。
为了解决传统模式扬尘监测装置高空架线、安装不方便的弊端,本发明采用太阳能供电/交流220V电源供电两种模式可选择,多晶硅太阳能板,锂电池与胶体电池能够适应不同气候下的安装环境;高密度防水防潮设计。场地安装采用地面移动立柱式监测地表的扬尘浓度与悬挂式监测大气中扬尘浓度两种。
本发明根据监测区域面积情况及边界区域,基于生长式的拓扑结构,企业施工范围内传感器监测点自动布局算法,合理的全面的覆盖施工现场,并且能够实现连续的监测工地扬尘排放情况;然后通过获取到的扬尘数据,研发出通过不同监测区域内多个传感器装置获取的实时数据计算出监测区域内扬尘排放量的基础值,此基础值直接反应出环境因素,即非人为因素状况下扬尘排放情况;最后通过传感器监测的扬尘排放总量除去扬尘排放基线值,也就是非人为影响因素,精准的计算出工地由于人为因素产生的扬尘的量化数据。
Claims (8)
1.一种基于分布式算法的大气扬尘污染基线剥离方法,其特征在于包括以下步骤:
1)根据监测区域面积,按照生长式蜂窝布局算法,布设扬尘浓度传感器节点,实时采集监控区域内的扬尘浓度值,并通过GPRS将传感器数据传输至云端服务器;
2)云端服务器接收到监测区域所有传感器数据做为原始数据,通过多维度数据融合算法计算出监测区域扬尘污染基线;
3)利用监测区域扬尘污染基线将原始数据中的基线剥离出来,得到指定时间段内环境污染基线对应的扬尘排出量;利用原始数据,计算出同时间段内扬尘排放量总值;
4)在上述扬尘排放量总值基础上,剥离掉环境污染基线排放量,得到监测区域人为因素排放量。
2.根据权利要求1所述的基于分布式算法的大气扬尘污染基线剥离方法,其特征在于:步骤1)中,按照生长式蜂窝布局算法,布设扬尘浓度传感器节点为:设定初始生长位置,依据设定的蜂窝边长,逐步生长新的蜂窝,直至整个待监测区域军备蜂窝覆盖。
3.根据权利要求1所述的基于分布式算法大气扬尘污染基线剥离方法,其特征在于:所述扬尘浓度值包括自然环境导致的扬尘浓度值与人为因素导致的扬尘浓度值,自然环境导致的扬尘浓度随时间变化的曲线称为扬尘污染基线;污染基线浓度值与人为扬尘污染浓度值之和为扬尘污染总体浓度值。
4.根据权利要求1所述的基于分布式算法的大气扬尘污染基线剥离方法,其特征在于:步骤2)中,通过多维度数据融合算法计算出监测区域扬尘污染基线,步骤为:
设定扬尘分布等级参数,计算每个等级所包含的扬尘浓度传感器节点个数统一进行标签;
寻找扬尘在线监测装置分布最多的等级边界并记录,对上述已经记录的等级上下边界进行校正,确定边界内的标签。
5.根据权利要求1所述的基于分布式算法的大气扬尘污染基线剥离方法,其特征在于:获取分布于同一监测区域内的所有扬尘浓度监测值,依据人为扬尘浓度变化规律与自然环境污染浓度变化规律,采用阈值设定、梯度计算、模糊识别算法计算出扬尘污染基线。
6.根据权利要求1所述的基于分布式算法的大气扬尘污染基线剥离方法,其特征在于:步骤4)中,在扬尘排放量总值基础上,剥离掉环境污染基线排放量,即可得到监测区域人为因素排放量为:
依据扬尘污染基线,通过积分运算计算出一段时间内的扬尘排放总量;然后通过积分运算计算出同一段时间内扬尘污染基线对应的扬尘排放量即污染基线排放量;扬尘排放总量与污染基线排放量做差,得到人为因素扬尘排放量。
通过将多个扬尘在线监测装置测得的扬尘量的差值与阈值比较的方式在边界内确定基线。
7.根据权利要求1所述的基于分布式算法的大气扬尘污染基线剥离方法,其特征在于:所述扬尘浓度传感器设于扬尘在线监测装置中,扬尘在线监测装置采用地面移动式安装,具有固定箱、支架以及太阳能板,其中固定箱具有轮子,固定箱上通过支架安装有太阳能板,扬尘浓度传感器安装于支架上,固定箱中置放与太阳能板电连接的蓄电池。
8.根据权利要求1所述的基于分布式算法的大气扬尘污染基线剥离方法,其特征在于:所述扬尘浓度传感器设于扬尘在线监测装置中,扬尘在线监测装置采用悬挂式安装,包括立柱、横向支架以及太阳能板,立柱固定于监测区域内,立柱通过横向支架安装太阳能板,横向支架端部安装扬尘浓度传感器,太阳能板下方设有蓄电池,其与太阳能板电连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710553146.2A CN107402171B (zh) | 2017-07-07 | 2017-07-07 | 基于分布式算法的大气扬尘污染基线剥离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710553146.2A CN107402171B (zh) | 2017-07-07 | 2017-07-07 | 基于分布式算法的大气扬尘污染基线剥离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107402171A true CN107402171A (zh) | 2017-11-28 |
CN107402171B CN107402171B (zh) | 2019-07-12 |
Family
ID=60404579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710553146.2A Active CN107402171B (zh) | 2017-07-07 | 2017-07-07 | 基于分布式算法的大气扬尘污染基线剥离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107402171B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108362837A (zh) * | 2018-03-06 | 2018-08-03 | 深圳市卡普瑞环境科技有限公司 | 一种污染物监测方法及其相关设备 |
CN108398529A (zh) * | 2018-03-06 | 2018-08-14 | 深圳市卡普瑞环境科技有限公司 | 一种信息获取方法以及信息获取装置 |
CN108416522A (zh) * | 2018-03-06 | 2018-08-17 | 深圳市卡普瑞环境科技有限公司 | 一种时间信息调整方法以及时间信息调整装置 |
CN108416521A (zh) * | 2018-03-06 | 2018-08-17 | 深圳市卡普瑞环境科技有限公司 | 一种信息来源确定的方法以及信息来源确定装置 |
CN109524130A (zh) * | 2018-11-01 | 2019-03-26 | 北京英视睿达科技有限公司 | 车辆对污染物浓度贡献率的确定方法及装置 |
CN110736689A (zh) * | 2019-10-25 | 2020-01-31 | 陕西华筑科技有限公司 | 一种工程施工现场全天候扬尘在线监测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103562940A (zh) * | 2011-06-29 | 2014-02-05 | 国际商业机器公司 | 根据计算环境权利合约管理组织的计算资源 |
CN104316480A (zh) * | 2014-11-06 | 2015-01-28 | 中国科学院合肥物质科学研究院 | 一种含砷金精矿焙烧炉内氧气浓度的激光原位检测系统 |
US20150057984A1 (en) * | 2013-08-20 | 2015-02-26 | Raytheon Bbn Technologies Corp. | Smart garment and method for detection of body kinematics and physical state |
CN104950076A (zh) * | 2015-05-30 | 2015-09-30 | 黄燕云 | 基于移动互联网和移动智能终端的空气监测方法和系统 |
CN105590016A (zh) * | 2014-11-06 | 2016-05-18 | 中国环境科学研究院 | 获取区域水质标准限值的方法及装置 |
CN106021892A (zh) * | 2016-05-12 | 2016-10-12 | 广东电网有限责任公司电网规划研究中心 | 基于pm2.5形成贡献率确定火电厂建设空间的方法和装置 |
-
2017
- 2017-07-07 CN CN201710553146.2A patent/CN107402171B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103562940A (zh) * | 2011-06-29 | 2014-02-05 | 国际商业机器公司 | 根据计算环境权利合约管理组织的计算资源 |
US20150057984A1 (en) * | 2013-08-20 | 2015-02-26 | Raytheon Bbn Technologies Corp. | Smart garment and method for detection of body kinematics and physical state |
CN104316480A (zh) * | 2014-11-06 | 2015-01-28 | 中国科学院合肥物质科学研究院 | 一种含砷金精矿焙烧炉内氧气浓度的激光原位检测系统 |
CN105590016A (zh) * | 2014-11-06 | 2016-05-18 | 中国环境科学研究院 | 获取区域水质标准限值的方法及装置 |
CN104950076A (zh) * | 2015-05-30 | 2015-09-30 | 黄燕云 | 基于移动互联网和移动智能终端的空气监测方法和系统 |
CN106021892A (zh) * | 2016-05-12 | 2016-10-12 | 广东电网有限责任公司电网规划研究中心 | 基于pm2.5形成贡献率确定火电厂建设空间的方法和装置 |
Non-Patent Citations (2)
Title |
---|
XIE YINGGANG ET AL: "atmospheric dispersion model based on GIS and Gauss algorithm", 《PROCEEDINGS OF THE 29TH CHINESE CONTOL CONFERENCE》 * |
黄永健: "大气气溶胶汞污染研究", 《中国博士学位论文全文数据库 工程技术I辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108362837A (zh) * | 2018-03-06 | 2018-08-03 | 深圳市卡普瑞环境科技有限公司 | 一种污染物监测方法及其相关设备 |
CN108398529A (zh) * | 2018-03-06 | 2018-08-14 | 深圳市卡普瑞环境科技有限公司 | 一种信息获取方法以及信息获取装置 |
CN108416522A (zh) * | 2018-03-06 | 2018-08-17 | 深圳市卡普瑞环境科技有限公司 | 一种时间信息调整方法以及时间信息调整装置 |
CN108416521A (zh) * | 2018-03-06 | 2018-08-17 | 深圳市卡普瑞环境科技有限公司 | 一种信息来源确定的方法以及信息来源确定装置 |
CN109524130A (zh) * | 2018-11-01 | 2019-03-26 | 北京英视睿达科技有限公司 | 车辆对污染物浓度贡献率的确定方法及装置 |
CN110736689A (zh) * | 2019-10-25 | 2020-01-31 | 陕西华筑科技有限公司 | 一种工程施工现场全天候扬尘在线监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107402171B (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107402171B (zh) | 基于分布式算法的大气扬尘污染基线剥离方法 | |
Saini et al. | Arduino based automatic wireless weather station with remote graphical application and alerts | |
CN101893726A (zh) | 一种风沙灾害模拟装置及模拟方法 | |
CN208076482U (zh) | 一种多组分VOCs气体监测系统 | |
CN104089656B (zh) | 一种堆场煤炭自燃检测方法和装置 | |
CN112033870B (zh) | 一种区域边界层pm2.5立体分布及总量推算的方法 | |
CN105117538A (zh) | 一种输电通道舞动预警方法 | |
CN207851060U (zh) | 基于物联网的山体滑坡预警监测系统 | |
Oreiller et al. | Modelling snow water equivalent and spring runoff in a boreal watershed, James Bay, Canada | |
CN209069329U (zh) | 一种配电线路杆塔状态监测装置 | |
CN117934212A (zh) | 基于iot技术数字可视化平台的施工过程监控方法 | |
Hanel et al. | Multi-model analysis of RCM simulated 1-day to 30-day seasonal precipitation extremes in the Czech Republic | |
CN106932842A (zh) | 一种基于伽玛全谱方法的降雨定量信息化实时监测方法 | |
CN206021512U (zh) | 一种暴雨型稀性泥石流的检测预报预警装置 | |
CN112764130A (zh) | 一种电网气象监测预警装置及监测方法 | |
CN103713338B (zh) | 一种应用于气象台站的雷暴日自动记录系统及其记录方法 | |
CN114184179B (zh) | 一种基于互联网的户外地理测绘管控系统 | |
Lin et al. | Classification of air quality zones and fine particulate matter sensitive areas by risk assessment approach | |
Fadavi et al. | Evaluation of AERMOD for distribution modeling of particulate matters (Case study: Ardestan Cement Factory) | |
CN206223784U (zh) | 一种基于云平台的土壤多点多层温湿度在线监测装置 | |
CN105092469B (zh) | 基于在线监测技术获得绝缘子盐密饱和系数的方法及系统 | |
CN115840908A (zh) | 基于lstm模型的微波链路构建pm2.5三维动态监测场的方法 | |
CN109765149B (zh) | 一种基于总悬浮颗粒物确定降尘量的方法及装置 | |
Penn et al. | Effects of street grid configuration on kerbside concentrations of vehicular emissions | |
CN208522990U (zh) | 边坡监测gnss接收机调度装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231124 Address after: Room 0310, 03/F, No.10 Haidian North Second Street, Haidian District, Beijing, 100080 Patentee after: CHINA METALLURGICAL ENGINEERING Co.,Ltd. Address before: 110819 No. 3 lane, Heping Road, Heping District, Shenyang, Liaoning 11 Patentee before: Northeastern University |
|
TR01 | Transfer of patent right |