CN108982704A - 一种智能鉴别工业废气污染源的方法 - Google Patents
一种智能鉴别工业废气污染源的方法 Download PDFInfo
- Publication number
- CN108982704A CN108982704A CN201810991466.0A CN201810991466A CN108982704A CN 108982704 A CN108982704 A CN 108982704A CN 201810991466 A CN201810991466 A CN 201810991466A CN 108982704 A CN108982704 A CN 108982704A
- Authority
- CN
- China
- Prior art keywords
- sample
- waste gas
- principal component
- industrial waste
- exhaust gas
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明提供了一种智能鉴别工业废气污染源的方法,涉及废气鉴别技术领域,包括如下步骤:工业废气样品采集、选择合适的进样时间、电子鼻数据采集、全部废气进行主成分分析、不同行业废气样品的主成分分析、确定主成分分析模型是否可用于智能鉴别、不同行业废气样品的判别因子分析、目标排放源废气的鉴定。具有鉴别准确率高、适用范围广、操作简单、鉴别速度快的特点。
Description
技术领域
本发明涉及废气鉴别技术领域,尤其涉及一种智能鉴别工业废气污染源的方法。
背景技术
在当今社会经济大发展时代,工业的发展给人类带来进步的同时,也给社会带来了诸多负面的影响,环境污染是其中重要的一个,而工业废气污染又是造成环境污染的一个重要因素。工业废气是指在加快工业化进程中,工厂所产生的对环境、人体健康具有极大威胁的有害气体的总称,是国家必须加快整治的重点对象。工业废气种类很多,大气中的主要污染物可以分为含硫化合物、含氮化合物、碳的氧化物、挥发性有机物等四大类。这些都会对人类的健康与生存造成非常不利的影响。
尽管现在国家有各种严格的政策法规,但是仍有部分企业无视国家法律法规,存在偷排、漏排现象。企业的废气监测问题是发展我国环境保护的重要前提。对企业产生的废气采取有效的监测手段,不但可以约束企业自身的废气排放问题,提高企业的社会责任,还有利于环境保护工作的开展,逐步改善区域的环境质量。由于企业废气所含成分比较复杂,既有工业废气如硝烟,有害吸附性颗粒和锅炉废气等,又有医药产业废气如有毒气体硫化氢等,要将这些废气的成分、含量等一一监测出来,需要较高的技术支撑。和国外相比,我国在废气监测技术上的水平还比较落后,导致了许多工业废气的监察水平不够,偷排废气的企业难识别,致使整个企业废气监测工作时常出现监测漏洞。
随着生活水平的不断提高,环保意识日益增强,政府污染治理力度正逐步加强,因此加强环境监测显得尤为重要。环境监测是环境保护的基础,以获取具有代表性、准确性、可比性和完整性的环境信息为直接目标。环境监测的主要任务是对环境样品中的污染物的组成进行鉴定和测试,并研究在一定历史时期和一定空间内的环境质量的性质、组成和结构;目的是全面、及时、准确地掌握人类活动对环境影响的水平、效应及趋势。而监测技术和仪器则是环境监测获得监测数据的承要手段和基础,在环境保护管理的整个实施过程中起着举足轻重的作用。
气体监测是环境监测的重要组成部分,现有气体检测方法主要有两类:仪器分析法和嗅觉测量法。仪器分析法灵敏度和精度高、重复性好,但需要昂贵的仪器,通常只适用于实验室的使用,一般分析周期较长。嗅觉测量法利用训练有素的嗅辨员对气体进行分析,通常在低浓度和有毒物质氛围下不适用,且采样后需要立即集合大量的嗅辨员,而嗅辨员不能长期连续工作,因此成本通常很高,嗅辨员的主观性也给测量结果带来不可预测的误差。从20世纪80年代开始不断发展起来的电子鼻技术提供了一种方简便的气体分析方法,在环境监测领域的研究也日益受到重视。
电子鼻又称气味扫描仪,是20世纪90年代发展起来的模拟哺乳动物的嗅觉系统研制的一种人工嗅觉感受器,可用来分析、识别和检测复杂气味及大多数挥发性成分。电子鼻与化学分析仪器(如:色谱仪、光谱仪等)不同,它给出的不是被测样品中某种或某几种成分的定性和定量结果,而是样品中挥发成分的整体信息,即气味的“指纹数据”,它显示了物质的气味特征,从而实现对物质气味的客观检测、鉴别和分析,它不仅可以检测到各种不同的气味的不同信号,而且可以对这些信号与经过“学习”和“训练”后建立的数据库中的信号进行比较、识别和判断。目前国内外对电子鼻的研究异常活跃,从事电子鼻开发研究的机构也日益增多。电子鼻技术被广泛应用于食品、环境保护、农业、医学、公共安全等方面。但目前电子鼻主要还是应用于食品、农产品的检测,在空气环境质量分析,尤其是工业废气鉴别方面的技术还很薄弱。
基于此,本申请人对此进行专门研究,开发出一种智能鉴别工业废气污染源的方法,本案由此产生。
发明内容
为了解决现有技术中存在的上述缺陷,本发明提供了一种智能鉴别工业废气污染源的方法。
为了实现上述目的,本发明采取的技术方案如下:
(1)工业废气样品采集;
(2)选择合适的进样时间,选定一个样品,保持其他实验参数一致的前提下,改变泵抽时间,获得不同进样量的色谱数据,将得到的色谱数据进行主成分分析,选取最佳进样时间;
(3)电子鼻数据采集;
(4)全部废气进行主成分分析,将通过电子鼻技术测得的数据,利用主成分分析法先找出样品间气味差异;
(5)不同行业废气样品的主成分分析,将采集的废气样品按照行业类别归类,然后将分类后的行业废气进行主成分分析;
(6)确定主成分分析模型是否可用于智能鉴别:观察样品在电子鼻主成分分析图上的区分指数,以及不同行业的废气样品是否有各自独立的集中分布区域,若各类废气有独立的集中分布区域,该主成分分析模型即可用于工业废气的智能鉴别;若各类废气没有独立的集中分布区域,则需要将主成分分析进行扩展,进行判别因子分析;
(7)不同行业废气样品的判别因子分析,观察样品在电子鼻主成分分析图上的区分指数,以及不同行业的废气样品是否有各自独立的集中分布区域,若各类废气有独立区域,该判别因子分析模型即可用于工业废气的智能鉴别;
进一步地,所述步骤(1)中,采用SOC-XI污染源采样器,通过瞬时采样的方法,将工业废气收集在恶臭采样气袋里。
进一步地,所述步骤(3)中,采用泵抽采样气袋方式进行进样。
进一步地,所述泵抽时间120s,清洗时间30s,采集时间140s,每个样品进行3次平行实验。
进一步地,还包括目标排放源废气的鉴定,将未知污染源的工业废气数据进行投影,投影所在的区域即判别其污染源归属。
本发明的工作原理:
主成分分析法(Principal Component Analysis,PCA)是在对样品特性一无所知的前提下,通过对原始数据向量进行线性变换,从而在一定的视角来寻找样品间差异的一种算法。主要用于挖掘有用的信息,给出具有不同气味区域和簇的描述性图表。该算法不丢失任何样品信息,仅仅通过改变坐标轴来达到区分样品的目的。
判别因子分析法(Discriminant Factor Analysis,DFA)是在有先验知识的前提下,即知道各样品所属类别的情况下,对原始数据向量进行线性变换,使得各类样品能够更好的区分,这是与PCA的区别。DFA是一种通过重新组合传感器数据来优化区分性的分类技术,它的目的是使组间距离最大的同时保证组内差异最小。DFA分析常用于建立样本数据库而后对未知样本进行定性判别。
采用法国Alpha MOS公司超快速气相色谱电子鼻(Heracles II)系统,其由气相色谱仪和电脑分析软件共同构成。气相色谱仪采用两根并行不同极性的金属毛细管色谱柱MXT-5和MXT-1701,检测器为双氢火焰离子化检测器(FID),升温速度10℃/s。电脑分析软件内置Arochemnbase数据库,包括83500种化合物和387000个保留指数数值,其中约有2000种化合物具有感官描述词,超过1800个具有人类感官嗅觉阈值的化合物。Arochemnbase数据库可以实现气味相关化合物和挥发性化合物的快速鉴别。结合Arochemnbase数据库能够对样品中的大部分成分进行定性分析,从而找出样品之间的差异性化合物。同时还能够给出不同化合物的感官评价,便于对不同样品的气味进行比较。
本发明能实现如下技术效果:
(1)鉴别准确率高:用判别因子分析模型能够较好的将不同行业的废气区分开来,判别因子分析模型对未知排放源废气鉴别准确率可以达到100%。
(2)适用范围广:工业废气智能鉴别模型可应用于工业园区废气的智能鉴别,为各类废气的识别提供了一种有效的监测手段,为环境废气监察执法提供了可靠的技术支撑。
(3)操作简单:只需将采集的废气通过电子鼻分析后,建立模型,就能实现废气的有效鉴别。
(4)鉴别速度快:从废气样品进样到实现智能鉴别仅需5-10分钟;
附图说明
图1为本实施例不同进样量的废气样品X6的主成分分析图;
图2为本实施例20种不同企业排放的废气样品的主成分分析图;
图2-1为图2中A处的放大图;
图2-2为图2-1中B处的放大图;
图3为本实施例5类不同行业废气样品的主成分分析图;
图4为本实施例5类不同行业废气样品的判别因子分析图;
图5为本实施例DFA模型投影5类不同行业目标排放源废气样品图;
图6为本发明智能鉴别工业废气污染源的流程图。
具体实施方式
为了使本发明的技术手段及其所能达到的技术效果,能够更清楚更完善的揭露,兹提供了一个实施例,并结合附图作如下详细说明:
(1)工业废气样品采集:采用SOC-XI污染源采样器,通过瞬时采样的方法,将工业废气收集在恶臭采样气袋里,采样体积为10L。
本实施例选择11家具有代表性的企业(医药、化工、金属、印染、饲料),并针对各家企业选取的共20个检测点位排放的不同废气,通过电子鼻技术对工业废气进行分析,确定每个生产企业废气的主要特征信号。并对分析结果进行数字信息化处理、比对,建立数据库,找出能指示区分不同类型企业排放废气的特征信号,从而实现对工业废气的智能鉴别。
即在某省某地区,选取11家不同企业排放的20种废气,并将其分为医药化工、金属加工、印染、饲料5类。将采集到的20种不同企业排放的废气作为训练集,通过电子鼻分析后的数据用于建立工业废气数据库。另随机选取上述医药、化工、金属加工、印染、饲料5类企业,分别采集1个气样,将采集的5个目标废气排放源样品作为检验集,用于检验电子鼻对工业废气的智能鉴别效果。训练集样品信息详见表1,检验集样品信息详见表2。
(2)选择合适的进样时间:为选取合适的进样量,本实施例以样品X6为例,保持其他实验参数一致的前提下,将泵抽时间设置为30s、60s、90s、120s,获得不同进样量的样品数据。将得到的色谱数据进行主成分分析,分析结果如图1所示(左下角的圆形图,浅色表示图1处理选择的变量数占样品所有变量数的比例,下同)。从图1中可以看出,第一主成分(PC1)与第二主成分(PC2)的贡献率之和达到了99.978%,能很好地反映样品的实际情况。样品在电子鼻主成分分析图上的区分指数达到98,说明基于气味上的差异能有效区分4种不同进样时间的样品。此外,不同进样时间的样品在PC1轴上随着进样量的增大(泵抽时间的增长)呈现规律排布。本实施例电子鼻系统中的气相色谱仪采用FID检测器,其为质量型检测器,进样量越大,样品的峰面积越大,更能良好的反映样品的信息。因此,本实施例选取泵抽时间120s作为20种样品统一采用的进样量。
(3)电子鼻数据采集:采用泵抽采样气袋方式进行进样。泵抽时间120s,清洗时间30s,采集时间140s。每个样品进行3次平行实验。
(4)全部废气进行主成分分析,由于通过直接测得的色谱数据来寻找样品间的差异较为繁琐与复杂,因此,本发明采用先统计后化学的方法,将通过电子鼻技术测得的数据,利用主成分分析法先找出样品间气味差异所在。
由于通过直接测得的色谱数据来寻找样品间的差异较为繁琐与复杂,因此,本实施例采用先统计后化学的方法,利用PCA统计找出样品间气味差异所在。图2是20种废气样品的主成分分析图。从图中可以看出,第一主成分(PC1)与第二主成分(PC2)的贡献率之和达到了88.882%,能很好地反映样品的实际情况。样品在电子鼻主成分分析图上的区分指数达到94,说明基于气味上的差异能有效区分20种样品。在主成分分析图中,样品间的相对距离(马氏距离)越近,则样品整体气味越接近。图中样品X12位于图中左侧区域,其他废气样品分布于右侧区域,说明样品X12与其他废气的气味差异较大;样品X8和样品X20的距离最近(4418.64),说明这两种废气的气味差异最小。废气样品间的气味差异性主要是由差异性有机物的嗅觉阈值和含量决定的。利用电子鼻AroChemBase数据库对样品中的挥发性化合物进行定性,找出了可能存在的14种差异性有机物,有机物及其嗅觉阈值详见表3。各个废气样品含有的差异性有机物的色谱峰面积详见表4。嗅觉阈值的大小代表了物质气味的强弱,相同含量的两种物质,嗅觉阈值越低则气味越强。从表3中可以看出,假设各有机物含量相同的前提下,空气介质中气味最强的物质为乙酰吡嗪(阈值4.e-4)。从表4中可以看出,X12样品乙酰吡嗪的色谱峰面积是最大的,即乙酰吡嗪的含量是最高的,因此,样品X12与其他废气的气味差异较大;X8样品和X20样品的差异性有机物种类和差异性有机物的含量(峰面积)是最接近的,因此,这两种废气样品的气味性差异最小。
(5)不同行业废气样品的主成分分析,根据样品间的气味差异,将采集的废气样品按照行业类别归类,然后将分类后的行业废气进行主成分分析。
(6)确定主成分分析模型是否可用于智能鉴别:观察样品在电子鼻主成分分析图上的区分指数,以及不同行业的废气样品是否有各自独立的集中分布区域,若各类废气有独立的集中分布区域,该主成分分析模型即可用于工业废气的智能鉴别;若各类废气没有独立的集中分布区域,则需要将主成分分析进行扩展,进行判别因子分析。
将样品按照行业类别归类,其中X1-X6为印染,X7、X8为金属加工,X9、X10为化工,X11为饲料,X12-X20为医药。将分组后的5类行业废气进行主成分分析,结果见图3所示。从图中可以看出,第一主成分(PC1)与第二主成分(PC2)的贡献率之和达到了88.882%,能很好地反映样品的实际情况。但是样品在电子鼻主成分分析图上的区分指数为-0.3,说明废气样品虽然行业相同,但废气间的差异较大。此外,我们还发现不同行业领域的废气样品间存在交叉,这主要是因为印染、化工和医药虽然属于不同的领域,但排放的废气有相似的部分。因此,单纯的通过主成分分析不能将不同行业的废气区分开来。
(7)不同行业废气样品的判别因子分析,观察样品在电子鼻主成分分析图上的区分指数,以及不同行业的废气样品是否有各自独立的集中分布区域,若各类废气有独立区域,该判别因子分析模型即可用于工业废气的智能鉴别。
鉴于主成分分析不能将不同行业的废气区分开来,我们需要对主成分分析进行扩展,即判别因子分析。判别因子分析常用于建立样本数据库而后对未知样本进行分组判别,从而确定未知样品的分组信息。鉴定未知样品不仅能够投影单个样品,也能够将多个样品作为一个数据库进行投影。本实施例将分组后的5类行业废气样品进行判别因子分析,分析结果如图4所示。从图中可以看出,判别因子分析在主成分分析的基础上,组内距离减小,组间距离拉大,使得分组更为明确,5类行业废气样品均能较好地区分开来。因此,通过建立DFA模型,有望对未知排放源的废气样品进行行业鉴定。
(8)目标排放源废气的鉴定,将未知污染源的工业废气数据进行投影,投影所在的区域即判别其污染源归属。
将上述废气样品建立的DFA模型进行5类不同行业目标排放源废气样品(检验集)投影,投影结果如图5所示。从图中可以看出,5种目标废气样品均能投影至不同的区域。通过表5可以看出,利用DFA模型对目标排放源废气鉴别准确率达到100%。
表1训练集样品信息表
表2检验集样品信息表
表3废气差异性有机物表
序号 | 有机物 | 嗅觉阈值((mg/m3)) |
1 | 乙醚 | 2.50(air) |
2 | 丙醛 | 0.12(air) |
3 | 二硫化碳 | 0.18(air) |
4 | 1-丙硫醇 | 7.e-3(air) |
5 | 丙酸甲酯 | 0.35(air) |
6 | 1,2-二氯乙烷 | 1.95e+2(air) |
7 | 丁硫醇 | 3.e-3(air) |
8 | 二甲基二硫醚 | 0.05(air) |
9 | 甲苯 | 3.80(air) |
10 | 戊酸甲酯 | 0.01(air) |
11 | 氯苯 | 5.90(air) |
12 | 2-乙基-3-甲基吡嗪 | 0.15(air) |
13 | 乙酰吡嗪 | 4.e-4(air) |
14 | 庚苯 | 4.00(air) |
表4废气差异性有机物的色谱峰面积
表5 DFA模型鉴别结果表
序号 | 样品名称 | 行业类别 | 鉴别结果 | 鉴别准确率 |
1 | 样品J1 | 印染 | Yes | 100.0 |
2 | 样品J2 | 金属加工 | Yes | 100.0 |
3 | 样品J3 | 化工 | Yes | 100.0 |
4 | 样品J4 | 饲料 | Yes | 100.0 |
5 | 样品J5 | 医药 | Yes | 100.0 |
通过以上分析可知,Heracles II电子鼻能够很好地区分不同行业不同企业排放的20种废气样品。将不同进样量的样品进行主成分分析,可以明显看出随着进样量的增加,气味变强。因此可以用来模拟距离排放源远近的采样样品。将20种工业废气样品按照行业分为5类,对5类行业废气进行判别因子分析。结果表明,用判别因子分析模型能够较好的将不同行业的废气区分开来。此外,通过实验论证,本实施例建立的判别因子分析模型对未知排放源废气鉴别准确率可以达到100%。该工业废气智能鉴别模型有望应用于工业园区废气的智能鉴别,为各类废气的识别提供了一种有效的监测手段,为环境废气监察执法提供了可靠的技术支撑。
以上内容是结合本发明的优选实施方式对所提供技术方案所作的进一步详细说明,不能认定本发明具体实施只局限于上述这些说明,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (6)
1.一种智能鉴别工业废气污染源的方法,其特征在于,包括如下步骤:
(1)工业废气样品采集;
(2)选择合适的进样时间,选定一个样品,保持其他实验参数一致的前提下,改变泵抽时间,获得不同进样量的色谱数据,将得到的色谱数据进行主成分分析,选取最佳进样时间;
(3)电子鼻数据采集;
(4)全部废气进行主成分分析,将通过电子鼻技术测得的数据,利用主成分分析法先找出样品间气味差异;
(5)不同行业废气样品的主成分分析,将采集的废气样品按照行业类别归类,然后将分类后的行业废气进行主成分分析;
(6)确定主成分分析模型是否可用于智能鉴别:观察样品在电子鼻主成分分析图上的区分指数,以及不同行业的废气样品是否有各自独立的集中分布区域,若各类废气有独立的集中分布区域,该主成分分析模型即可用于工业废气的智能鉴别;若各类废气没有独立的集中分布区域,则需要将主成分分析进行扩展,进行判别因子分析;
(7)不同行业废气样品的判别因子分析,观察样品在电子鼻主成分分析图上的区分指数,以及不同行业的废气样品是否有各自独立的集中分布区域,若各类废气有独立区域,该判别因子分析模型即可用于工业废气的智能鉴别。
2.如权利要求1所述的一种智能鉴别工业废气污染源的方法,其特征在于:所述步骤(1)中,采用 SOC-XI 污染源采样器,通过瞬时采样的方法,将工业废气收集在恶臭采样气袋里。
3.如权利要求1所述的一种智能鉴别工业废气污染源的方法,其特征在于:所述步骤(2)中,将泵抽时间设置为 30s、60s、90s、120s,获得不同进样量的色谱数据。
4.如权利要求1所述的一种智能鉴别工业废气污染源的方法,其特征在于:所述步骤(3)中,采用泵抽采样气袋方式进行进样。
5.如权利要求4所述的一种智能鉴别工业废气污染源的方法,其特征在于:所述泵抽时间120s,清洗时间 30s,采集时间 140s,每个样品进行 3 次平行实验。
6.如权利要求1所述的一种智能鉴别工业废气污染源的方法,其特征在于:还包括目标排放源废气的鉴定,将未知污染源的工业废气数据进行投影,投影所在的区域即判别其污染源归属。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810991466.0A CN108982704A (zh) | 2018-08-28 | 2018-08-28 | 一种智能鉴别工业废气污染源的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810991466.0A CN108982704A (zh) | 2018-08-28 | 2018-08-28 | 一种智能鉴别工业废气污染源的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108982704A true CN108982704A (zh) | 2018-12-11 |
Family
ID=64546709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810991466.0A Pending CN108982704A (zh) | 2018-08-28 | 2018-08-28 | 一种智能鉴别工业废气污染源的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108982704A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112973352A (zh) * | 2021-02-05 | 2021-06-18 | 田华友 | 一种带有自检机构的废气处理装置 |
CN115826540A (zh) * | 2023-02-14 | 2023-03-21 | 管控环境技术(山东)有限公司 | 一种监测污染源的系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424840A (zh) * | 2015-12-28 | 2016-03-23 | 周俊杰 | 在线连续环境空气质量自动监测系统及异味气源溯源方法 |
-
2018
- 2018-08-28 CN CN201810991466.0A patent/CN108982704A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424840A (zh) * | 2015-12-28 | 2016-03-23 | 周俊杰 | 在线连续环境空气质量自动监测系统及异味气源溯源方法 |
Non-Patent Citations (4)
Title |
---|
JACEK GEBICK ET AL.: "APPLICATION OF ULTRAFAST GAS CHROMATOGRAPHY TO RECOGNIZE ODOR NUISANCE", 《ENVIRONMENT PROTECTION ENGINEERING》 * |
寿谦 等: "运用仿生嗅觉特征判别同山烧产源", 《酿酒科技》 * |
张博 等: "添加淋饭酒母对液态法酿制清爽型山兰黄酒品质及风味的影响", 《中国酿造》 * |
张珊 等: "工业区周边环境空气恶臭污染电子鼻在线监测及溯源分析", 《第五届全国恶臭污染测试与控制技术研讨会论文集》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112973352A (zh) * | 2021-02-05 | 2021-06-18 | 田华友 | 一种带有自检机构的废气处理装置 |
CN115826540A (zh) * | 2023-02-14 | 2023-03-21 | 管控环境技术(山东)有限公司 | 一种监测污染源的系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110044779B (zh) | 一种大气重金属颗粒物实时在线监测和源解析联用的方法 | |
Tichý | JUICE, software for vegetation classification | |
Crawford et al. | Evaluation of hierarchical agglomerative cluster analysis methods for discrimination of primary biological aerosol | |
US10337975B2 (en) | Method and system for characterizing particles using a flow cytometer | |
CN111007176A (zh) | 基于气相色谱与离子迁移谱的车内气味等级评价方法 | |
CN105631203A (zh) | 识别土壤中重金属污染源的方法 | |
CN109655616A (zh) | 检测急性髓系白血病细胞的组合试剂及系统 | |
CN104732199B (zh) | 用于配置分类矩阵中的分类区域的方法和存储介质 | |
CN115201384B (zh) | 大范围人群头发中多种污染物的暴露风险评估与检测方法 | |
CN106770862A (zh) | 一种茶叶分类方法 | |
Weggler et al. | Advanced scripting for the automated profiling of two-dimensional gas chromatography-time-of-flight mass spectrometry data from combustion aerosol | |
CN112578039B (zh) | 一种燕窝中掺假物的分析鉴定方法 | |
CN113960220B (zh) | 血液中多环芳烃及其衍生物的同步检测方法及应用 | |
CN108982704A (zh) | 一种智能鉴别工业废气污染源的方法 | |
CN105986003B (zh) | 一种白细胞计数方法、装置及细胞分析仪 | |
Rogers et al. | Cytometric fingerprinting: quantitative characterization of multivariate distributions | |
CN110879219A (zh) | 基于三维荧光光谱的水中矿物油检测方法 | |
GB2428471A (en) | Flow cytometry | |
CN114935618A (zh) | 一种基于非靶标筛查的致臭物质精准识别方法 | |
CN107741410A (zh) | 一种基于icso‑svm的苯并类物质的荧光光谱检测法 | |
CA2499101A1 (en) | Method and apparatus for automated detection of peaks in spectroscopic data | |
Folcarelli et al. | Transformation of multicolour flow cytometry data with OTflow prevents misleading multivariate analysis results and incorrect immunological conclusions | |
Wilson et al. | Application of conductive polymer analysis for wood and woody plant identifications | |
Vogt et al. | SIMCA pattern recognition classification of five infauna taxonomic groups using non-polar compounds analysed by high resolution gas chromatography | |
Logan | Liquid chromatography with photodiode array spectrophotometric detection in the forensic sciences |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
RJ01 | Rejection of invention patent application after publication |