CN109781809B - 一种甲醛浓度人工智能测算方法 - Google Patents
一种甲醛浓度人工智能测算方法 Download PDFInfo
- Publication number
- CN109781809B CN109781809B CN201910134605.2A CN201910134605A CN109781809B CN 109781809 B CN109781809 B CN 109781809B CN 201910134605 A CN201910134605 A CN 201910134605A CN 109781809 B CN109781809 B CN 109781809B
- Authority
- CN
- China
- Prior art keywords
- formaldehyde
- concentration
- value
- formaldehyde concentration
- humidity
- 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
Images
Landscapes
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及甲醛浓度测算技术领域,尤其是一种甲醛浓度人工智能测算方法,包括利用电化学分析法测量甲醛浓度值,利用电化学分析法和分光光度法分别测得多组甲醛浓度值,并通过温湿度传感器分别测得每组甲醛浓度值所对应的环境温度和湿度,然后通过人工神经网络进行对比训练,利用ReLU函数对甲醛值进行预测与验证,得出其对应的数学模型,最后通过将电化学检测方法测得的甲醛浓度初始值、场域温度和场域湿度作为变量输入数学模型,计算得到甲醛评估值。本发明采用人工神经网络模型辅助电化学甲醛检测仪对甲醛浓度进行测量与计算,从而有效解决了电化学甲醛检测仪检测结果的不稳定性及准确性,具有方便、快捷、准确的优点。
Description
技术领域
本发明涉及甲醛浓度测算技术领域,尤其涉及一种甲醛浓度人工智能测算方法。
背景技术
甲醛是挥发性有机化合物,污染源很多,是室内环境的主要污染物之一。国家规定的室内空气甲醛含量不得大于0.08mg/m3。若空气中甲醛过量,严重危害人类的健康。甲醛无色无味,不易被人们察觉,需借助仪器进行测量。
目前甲醛检测主要有四类方法检测。(一)电化学检测法,甲醛透过高透气性离子膜在电极发生氧化反应,产生的电流和甲醛浓度成正比。该方法工作基线不稳定,受环境温湿度影响较大 ;( 二 ) 电阻法,甲醛在金属氧化物半导体表面热催化氧化,消耗表面晶格氧浓度,引起半导体电阻变化。该方法能耗较高,几乎对所有挥发性有机分子有响应,且灵敏度不高。(三)色谱法,通过高效气相色谱直接检测气体中甲醛含量,或用高效液相色谱检测洗脱法浓缩甲醛气体的溶液,该方法受仪器设备限制,无法推广作为普通家庭使用。(四)分光光度法 , 利用有机分子溶液和甲醛反应发生颜色变化,检测特定波长处的溶液的吸光度可以测得甲醛的浓度。该方法选择性高,稳定可靠,因此被广泛使用,也是国家标准方法,为市面上大部分甲醛检测仪所采用。
电化学分析法是基于化学反应中产生的电流(伏安法)、电量(库仑法)、电位(电位法)的变化,判断反应体系中分析物的浓度进行定量分析的方法。
由于电化学甲醛检测仪传感器的原理和温湿度、共存干扰物质影响的情况,在低浓度甲醛测定时无法得出准确数据,结果带来较大影响,长时间使用会造成仪器的稳定性下降,室内环境存在的季节差异,湿度、共存干扰物质浓度因此也有所不同,还有,随意的走动和触摸传感器也是会造成数值的不稳定。所以,目前这种方法用的比较少。发明内容
本发明的目的是为了解决现有技术中存在测量数值不稳定、误差大的缺点,而提出的一种甲醛浓度人工智能测算方法。
为了实现上述目的,本发明采用了如下技术方案:
设计一种甲醛浓度人工智能测算方法,包括利用电化学分析法测量甲醛浓度值,利用电化学分析法和分光光度法分别测得多组甲醛浓度值,并通过温湿度传感器分别测得每组甲醛浓度值所对应的环境温度和湿度,然后通过人工神经网络进行对比训练,利用ReLU函数对甲醛值进行预测与验证,得出其对应的数学模型,最后通过将电化学检测方法测得的甲醛浓度初始值、场域温度和场域湿度作为变量输入数学模型,计算得到甲醛评估值。
优选的,所述电化学分析法的工作过程为,含甲醛的气体通过高透气性离子膜,并在电极上发生氧化反应,其产生的电流与甲醛浓度成正比,通过测量电流值,换算得到甲醛的浓度值。
优选的,环境中的硫化氢、二氧化硫、乙醇、氨和甲醇气体对电化学分析法测量结果存在干扰,在空气中甲醛与上述气体共存时,应根据干扰物浓度对测量值予以校正。
优选的,所述分光光度法的工作过程为:利用甲醛与酚试剂反应生成嗪,嗪在酸性溶液中被高铁离子氧化形成蓝绿色化合物,随后检测特定波长处的以上溶液的吸光度以测得甲醛浓度。
优选的,利用电化学分析法和分光光度法分别测得5000-15000组甲醛浓度值,然后通过人工神经网络进行训练,训练集4000-12000组,测试集1000-3000组,其中测试集准确率达到85%以上。
优选的,甲醛评估值生成过程为:
S1、大型检测实验室利用分光光度法检测检测区的数据:甲醛浓度初始值、温度、湿度;
S2、ZE08-CH2O甲醛检测模组检测的检测区的数据:甲醛浓度精确值、温度、湿度;
S3、实验室及检测模组各采集出5000-15000组数据;
S4、组合甲醛浓度初始值、温湿度与甲醛浓度精确值生成一条数据;
S5、生成包含甲醛浓度初始值与甲醛浓度精确值的数据集;
S6、利用ReLU函数对甲醛的值进行预测与验证,得出其对应的数学模型:通过人工神经网络进行对比训练,其中训练集设置为4000-12000组,测试集设置为1000-3000组,使用人工神经网络模型判定测试集准确率是否超过85%,如果没有则调整模型参数并通过训练集重新生成人工神经网络模型,如果超过则生成人工神经网络模型;
S7、最后再将电化学甲醛检测仪检测的甲醛原始浓度、场域温度、场域湿度作为变量输入实验得出的数学模型,得出符合数学模型的甲醛评估值。
本发明提出的一种甲醛浓度人工智能测算方法,有益效果在于:本发明采用人工神经网络模型辅助电化学甲醛检测仪对甲醛浓度进行测量与计算,从而有效解决了电化学甲醛检测仪检测结果的不稳定性及准确性,具有方便、快捷、准确的优点。
附图说明
图1为本发明提出的一种甲醛浓度人工智能测算方法的工作流程图;
图2为本发明提出的一种甲醛浓度人工智能测算方法的人工神经网络模型生成流程示意图;
图3为本发明提出的一种甲醛浓度人工智能测算方法的甲醛评估值生成流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
实施例1
参照图1-3,一种甲醛浓度人工智能测算方法,包括利用电化学分析法测量甲醛浓度值,利用电化学分析法和分光光度法分别测得多组甲醛浓度值,并通过温湿度传感器分别测得每组甲醛浓度值所对应的环境温度和湿度,然后通过人工神经网络进行对比训练,利用ReLU函数对甲醛值进行预测与验证,得出其对应的数学模型,最后通过将电化学检测方法测得的甲醛浓度初始值、场域温度和场域湿度作为变量输入数学模型,计算得到甲醛评估值。
电化学分析法的工作过程为,含甲醛的气体通过高透气性离子膜,并在电极上发生氧化反应,其产生的电流与甲醛浓度成正比,通过测量电流值,换算得到甲醛的浓度值。
环境中的硫化氢、二氧化硫、乙醇、氨和甲醇气体对电化学分析法测量结果存在干扰,在空气中甲醛与上述气体共存时,应根据干扰物浓度对测量值予以校正。
分光光度法的工作过程为:利用甲醛与酚试剂反应生成嗪,嗪在酸性溶液中被高铁离子氧化形成蓝绿色化合物,随后检测特定波长处的以上溶液的吸光度以测得甲醛浓度。
利用电化学分析法和分光光度法分别测得5000组甲醛浓度值,然后通过人工神经网络进行训练,训练集4000组,测试集1000组,其中测试集准确率达到85%以上。
甲醛评估值生成过程为:
S1、大型检测实验室利用分光光度法检测检测区的数据:甲醛浓度初始值、温度、湿度;
S2、ZE08-CH2O甲醛检测模组检测的检测区的数据:甲醛浓度精确值、温度、湿度;
S3、实验室及检测模组各采集出5000组数据;
S4、组合甲醛浓度初始值、温湿度与甲醛浓度精确值生成一条数据;
S5、生成包含甲醛浓度初始值与甲醛浓度精确值的数据集;
S6、利用ReLU函数对甲醛的值进行预测与验证,得出其对应的数学模型:通过人工神经网络进行对比训练,其中训练集设置为4000组,测试集设置为1000组,使用人工神经网络模型判定测试集准确率是否超过85%,如果没有则调整模型参数并通过训练集重新生成人工神经网络模型,如果超过则生成人工神经网络模型;
S7、最后再将电化学甲醛检测仪检测的甲醛原始浓度、场域温度、场域湿度作为变量输入实验得出的数学模型,得出符合数学模型的甲醛评估值。
实施例2
参照图1-3,一种甲醛浓度人工智能测算方法,包括利用电化学分析法测量甲醛浓度值,利用电化学分析法和分光光度法分别测得多组甲醛浓度值,并通过温湿度传感器分别测得每组甲醛浓度值所对应的环境温度和湿度,然后通过人工神经网络进行对比训练,利用ReLU函数对甲醛值进行预测与验证,得出其对应的数学模型,最后通过将电化学检测方法测得的甲醛浓度初始值、场域温度和场域湿度作为变量输入数学模型,计算得到甲醛评估值。
电化学分析法的工作过程为,含甲醛的气体通过高透气性离子膜,并在电极上发生氧化反应,其产生的电流与甲醛浓度成正比,通过测量电流值,换算得到甲醛的浓度值。
环境中的硫化氢、二氧化硫、乙醇、氨和甲醇气体对电化学分析法测量结果存在干扰,在空气中甲醛与上述气体共存时,应根据干扰物浓度对测量值予以校正。
分光光度法的工作过程为:利用甲醛与酚试剂反应生成嗪,嗪在酸性溶液中被高铁离子氧化形成蓝绿色化合物,随后检测特定波长处的以上溶液的吸光度以测得甲醛浓度。
利用电化学分析法和分光光度法分别测得6000组甲醛浓度值,然后通过人工神经网络进行训练,训练集4800组,测试集1200组,其中测试集准确率达到85%以上。
甲醛评估值生成过程为:
S1、大型检测实验室利用分光光度法检测检测区的数据:甲醛浓度初始值、温度、湿度;
S2、ZE08-CH2O甲醛检测模组检测的检测区的数据:甲醛浓度精确值、温度、湿度;
S3、实验室及检测模组各采集出6000组数据;
S4、组合甲醛浓度初始值、温湿度与甲醛浓度精确值生成一条数据;
S5、生成包含甲醛浓度初始值与甲醛浓度精确值的数据集;
S6、利用ReLU函数对甲醛的值进行预测与验证,得出其对应的数学模型:通过人工神经网络进行对比训练,其中训练集设置为4800组,测试集设置为1200组,使用人工神经网络模型判定测试集准确率是否超过85%,如果没有则调整模型参数并通过训练集重新生成人工神经网络模型,如果超过则生成人工神经网络模型;
S7、最后再将电化学甲醛检测仪检测的甲醛原始浓度、场域温度、场域湿度作为变量输入实验得出的数学模型,得出符合数学模型的甲醛评估值。
实施例3
参照图1-3,一种甲醛浓度人工智能测算方法,包括利用电化学分析法测量甲醛浓度值,利用电化学分析法和分光光度法分别测得多组甲醛浓度值,并通过温湿度传感器分别测得每组甲醛浓度值所对应的环境温度和湿度,然后通过人工神经网络进行对比训练,利用ReLU函数对甲醛值进行预测与验证,得出其对应的数学模型,最后通过将电化学检测方法测得的甲醛浓度初始值、场域温度和场域湿度作为变量输入数学模型,计算得到甲醛评估值。
电化学分析法的工作过程为,含甲醛的气体通过高透气性离子膜,并在电极上发生氧化反应,其产生的电流与甲醛浓度成正比,通过测量电流值,换算得到甲醛的浓度值。
环境中的硫化氢、二氧化硫、乙醇、氨和甲醇气体对电化学分析法测量结果存在干扰,在空气中甲醛与上述气体共存时,应根据干扰物浓度对测量值予以校正。
分光光度法的工作过程为:利用甲醛与酚试剂反应生成嗪,嗪在酸性溶液中被高铁离子氧化形成蓝绿色化合物,随后检测特定波长处的以上溶液的吸光度以测得甲醛浓度。
利用电化学分析法和分光光度法分别测得10000组甲醛浓度值,然后通过人工神经网络进行训练,训练集8000组,测试集2000组,其中测试集准确率达到85%以上。
甲醛评估值生成过程为:
S1、大型检测实验室利用分光光度法检测检测区的数据:甲醛浓度初始值、温度、湿度;
S2、ZE08-CH2O甲醛检测模组检测的检测区的数据:甲醛浓度精确值、温度、湿度;
S3、实验室及检测模组各采集出10000组数据;
S4、组合甲醛浓度初始值、温湿度与甲醛浓度精确值生成一条数据;
S5、生成包含甲醛浓度初始值与甲醛浓度精确值的数据集;
S6、利用ReLU函数对甲醛的值进行预测与验证,得出其对应的数学模型:通过人工神经网络进行对比训练,其中训练集设置为8000组,测试集设置为2000组,使用人工神经网络模型判定测试集准确率是否超过85%,如果没有则调整模型参数并通过训练集重新生成人工神经网络模型,如果超过则生成人工神经网络模型;
S7、最后再将电化学甲醛检测仪检测的甲醛原始浓度、场域温度、场域湿度作为变量输入实验得出的数学模型,得出符合数学模型的甲醛评估值。
实施例4
参照图1-3,一种甲醛浓度人工智能测算方法,包括利用电化学分析法测量甲醛浓度值,利用电化学分析法和分光光度法分别测得多组甲醛浓度值,并通过温湿度传感器分别测得每组甲醛浓度值所对应的环境温度和湿度,然后通过人工神经网络进行对比训练,利用ReLU函数对甲醛值进行预测与验证,得出其对应的数学模型,最后通过将电化学检测方法测得的甲醛浓度初始值、场域温度和场域湿度作为变量输入数学模型,计算得到甲醛评估值。
电化学分析法的工作过程为,含甲醛的气体通过高透气性离子膜,并在电极上发生氧化反应,其产生的电流与甲醛浓度成正比,通过测量电流值,换算得到甲醛的浓度值。
环境中的硫化氢、二氧化硫、乙醇、氨和甲醇气体对电化学分析法测量结果存在干扰,在空气中甲醛与上述气体共存时,应根据干扰物浓度对测量值予以校正。
分光光度法的工作过程为:利用甲醛与酚试剂反应生成嗪,嗪在酸性溶液中被高铁离子氧化形成蓝绿色化合物,随后检测特定波长处的以上溶液的吸光度以测得甲醛浓度。
利用电化学分析法和分光光度法分别测得15000组甲醛浓度值,然后通过人工神经网络进行训练,训练集12000组,测试集3000组,其中测试集准确率达到85%以上。
甲醛评估值生成过程为:
S1、大型检测实验室利用分光光度法检测检测区的数据:甲醛浓度初始值、温度、湿度;
S2、ZE08-CH2O甲醛检测模组检测的检测区的数据:甲醛浓度精确值、温度、湿度;
S3、实验室及检测模组各采集出15000组数据;
S4、组合甲醛浓度初始值、温湿度与甲醛浓度精确值生成一条数据;
S5、生成包含甲醛浓度初始值与甲醛浓度精确值的数据集;
S6、利用ReLU函数对甲醛的值进行预测与验证,得出其对应的数学模型:通过人工神经网络进行对比训练,其中训练集设置为12000组,测试集设置为3000组,使用人工神经网络模型判定测试集准确率是否超过85%,如果没有则调整模型参数并通过训练集重新生成人工神经网络模型,如果超过则生成人工神经网络模型;
S7、最后再将电化学甲醛检测仪检测的甲醛原始浓度、场域温度、场域湿度作为变量输入实验得出的数学模型,得出符合数学模型的甲醛评估值。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种甲醛浓度人工智能测算方法,包括利用电化学分析法测量甲醛浓度值,其特征在于,利用电化学分析法和分光光度法分别测得多组甲醛浓度值,并通过温湿度传感器分别测得每组甲醛浓度值所对应的环境温度和湿度,然后通过人工神经网络进行对比训练,利用ReLU函数对甲醛值进行预测与验证,得出其对应的数学模型,最后通过将电化学检测方法测得的甲醛浓度初始值、场域温度和场域湿度作为变量输入数学模型,计算得到甲醛评估值,环境中的硫化氢、二氧化硫、乙醇、氨和甲醇气体对电化学分析法测量结果存在干扰,在空气中甲醛与上述气体共存时,应根据干扰物浓度对测量值予以校正,利用电化学分析法和分光光度法分别测得5000-15000组甲醛浓度值,然后通过人工神经网络进行训练,训练集4000-12000组,测试集1000-3000组,其中测试集准确率达到85%以上,甲醛评估值生成过程为:
S1、大型检测实验室利用分光光度法检测检测区的数据:甲醛浓度初始值、温度、湿度;
S2、ZE08-CH2O甲醛检测模组检测的检测区的数据:甲醛浓度精确值、温度、湿度;
S3、实验室及检测模组各采集出5000-15000组数据;
S4、组合甲醛浓度初始值、温湿度与甲醛浓度精确值生成一条数据;
S5、生成包含甲醛浓度初始值与甲醛浓度精确值的数据集;
S6、利用ReLU函数对甲醛的值进行预测与验证,得出其对应的数学模型:通过人工神经网络进行对比训练,其中训练集设置为4000-12000组,测试集设置为1000-3000组,使用人工神经网络模型判定测试集准确率是否超过85%,如果没有则调整模型参数并通过训练集重新生成人工神经网络模型,如果超过则生成人工神经网络模型;
S7、最后再将电化学甲醛检测仪检测的甲醛原始浓度、场域温度、场域湿度作为变量输入实验得出的数学模型,得出符合数学模型的甲醛评估值。
2.根据权利要求1所述的一种甲醛浓度人工智能测算方法,其特征在于,所述电化学分析法的工作过程为,含甲醛的气体通过高透气性离子膜,并在电极上发生氧化反应,其产生的电流与甲醛浓度成正比,通过测量电流值,换算得到甲醛的浓度值。
3.根据权利要求1所述的一种甲醛浓度人工智能测算方法,其特征在于,所述分光光度法的工作过程为:利用甲醛与酚试剂反应生成嗪,嗪在酸性溶液中被高铁离子氧化形成蓝绿色化合物,随后检测特定波长处的以上溶液的吸光度以测得甲醛浓度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910134605.2A CN109781809B (zh) | 2019-02-23 | 2019-02-23 | 一种甲醛浓度人工智能测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910134605.2A CN109781809B (zh) | 2019-02-23 | 2019-02-23 | 一种甲醛浓度人工智能测算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109781809A CN109781809A (zh) | 2019-05-21 |
CN109781809B true CN109781809B (zh) | 2020-11-20 |
Family
ID=66485912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910134605.2A Active CN109781809B (zh) | 2019-02-23 | 2019-02-23 | 一种甲醛浓度人工智能测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109781809B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112198209B (zh) * | 2019-06-23 | 2022-01-11 | 宁波方太厨具有限公司 | 一种甲醛检测方法及甲醛检测装置 |
CN110579570B (zh) * | 2019-09-27 | 2021-10-15 | 安徽江航爱唯科环境科技有限公司 | 室内甲醛污染水平动态监测方法、装置及系统 |
CN111174824B (zh) * | 2019-12-27 | 2022-04-12 | 北京首钢自动化信息技术有限公司 | 一种酸雾排放的管控平台 |
CN111323539A (zh) * | 2020-03-12 | 2020-06-23 | 杭州老爸标准技术集团有限公司 | 具有预测功能的甲醛检测系统及其方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103743867A (zh) * | 2013-12-30 | 2014-04-23 | 镇江市高等专科学校 | 基于神经网络的卡尔曼滤波甲醛检测方法 |
CN204359678U (zh) * | 2014-10-24 | 2015-05-27 | 天津众志达室内环境治理有限公司 | 一种室内空气检测仪 |
CN105136987A (zh) * | 2015-08-12 | 2015-12-09 | 浙江工商大学 | 实验室中甲醛浓度检测装置和检测方法 |
CN206311507U (zh) * | 2016-11-14 | 2017-07-07 | 湖北大海化工实业有限公司 | 一种漆浓度检测设备 |
CN107577910A (zh) * | 2017-08-24 | 2018-01-12 | 中国科学技术大学 | 一种基于深层次神经网络的车辆尾气浓度反演方法 |
CN108133295A (zh) * | 2018-01-11 | 2018-06-08 | 安徽优思天成智能科技有限公司 | 一种针对目标路段的机动车尾气浓度连续时间预测方法 |
CN108364087A (zh) * | 2018-01-11 | 2018-08-03 | 安徽优思天成智能科技有限公司 | 一种城市机动车尾气浓度的时空预测方法 |
CN108416478A (zh) * | 2018-03-19 | 2018-08-17 | 国通广达(北京)技术有限公司 | 一种综合管廊内部燃气浓度lstm预测方法及系统 |
CN109374697A (zh) * | 2018-10-30 | 2019-02-22 | 瑞斯普(深圳)电器有限公司 | 一种电化学甲醛传感器检测的批量标定方法 |
-
2019
- 2019-02-23 CN CN201910134605.2A patent/CN109781809B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103743867A (zh) * | 2013-12-30 | 2014-04-23 | 镇江市高等专科学校 | 基于神经网络的卡尔曼滤波甲醛检测方法 |
CN204359678U (zh) * | 2014-10-24 | 2015-05-27 | 天津众志达室内环境治理有限公司 | 一种室内空气检测仪 |
CN105136987A (zh) * | 2015-08-12 | 2015-12-09 | 浙江工商大学 | 实验室中甲醛浓度检测装置和检测方法 |
CN206311507U (zh) * | 2016-11-14 | 2017-07-07 | 湖北大海化工实业有限公司 | 一种漆浓度检测设备 |
CN107577910A (zh) * | 2017-08-24 | 2018-01-12 | 中国科学技术大学 | 一种基于深层次神经网络的车辆尾气浓度反演方法 |
CN108133295A (zh) * | 2018-01-11 | 2018-06-08 | 安徽优思天成智能科技有限公司 | 一种针对目标路段的机动车尾气浓度连续时间预测方法 |
CN108364087A (zh) * | 2018-01-11 | 2018-08-03 | 安徽优思天成智能科技有限公司 | 一种城市机动车尾气浓度的时空预测方法 |
CN108416478A (zh) * | 2018-03-19 | 2018-08-17 | 国通广达(北京)技术有限公司 | 一种综合管廊内部燃气浓度lstm预测方法及系统 |
CN109374697A (zh) * | 2018-10-30 | 2019-02-22 | 瑞斯普(深圳)电器有限公司 | 一种电化学甲醛传感器检测的批量标定方法 |
Non-Patent Citations (5)
Title |
---|
Estimation of greenhouse CO2 concentration via an artificial neural network that uses environmental factors;Moon, Tae Won et al.;《Horticulture, Environment, and Biotechnology》;20180112;第59卷(第1期);45至50 * |
Gases concentration estimation using heuristics and bio-inspired optimization models for experimental chemical electronic nose;Zhang, Lei et al.;《Sensors and Actuators B: Chemical》;20111215;第160卷(第1期);全文 * |
Identification of Formaldehyde under Different Interfering Gas Conditions with Nanostructured Semiconductor Gas Sensors;Zhao, Lin et al.;《Nanomaterials and Nanotechnology》;20151207;第5卷;全文 * |
Quantitative Analysis of Formaldehyde Using UV‐VIS Spectrophotometer Pattern Recognition and Artificial Neural Networks;Loh, Han Chern et al.;《Analytical Letters》;20070101;第40卷(第2期);全文 * |
Quantitative detection of formaldehyde and ammonia gas via metal oxide-modified graphene-based sensor array combining with neural network model;Zhang, Dongzhi et al.;《Sensors and Actuators B: Chemical》;20170301;第240卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109781809A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109781809B (zh) | 一种甲醛浓度人工智能测算方法 | |
Zhang et al. | A miniaturized electronic nose with artificial neural network for anti-interference detection of mixed indoor hazardous gases | |
Aleixandre et al. | Review of small commercial sensors for indicative monitoring of ambient gas | |
Gębicki et al. | Application of ionic liquids in amperometric gas sensors | |
Johnson et al. | Coulometric TCO2 analyses for marine studies; an introduction | |
Knake et al. | Amperometric detection of gaseous formaldehydein the ppb range | |
Knake et al. | Sensitive electrochemical detection of ozone | |
CN106442659B (zh) | 基于苯胺沉积的电化学传感电极定量检测8-OhdG活性的方法 | |
CN102928485B (zh) | 自标定电化学气体传感器 | |
AU2020102518A4 (en) | A method of gas sensor calibration based on linear optimization | |
Kneebone et al. | Determination of nitrogen oxides in ambient air using a coated-wire nitrate ion selective electrode | |
CN101813662B (zh) | 一种检测水中氨氮含量的方法及其专用装置 | |
Shi et al. | The study of PVP/Pd/IrO2 modified sensor for amperometric determination of sulfur dioxide | |
Knake et al. | Quantitative analysis of gas mixtures by voltammetric sensing | |
CN108760664B (zh) | 一种水质多参数自动检测分析方法 | |
CN101377473B (zh) | 一种快速的定量电分析方法 | |
Segura et al. | Miniaturization of cyclic voltammetry electronic systems for remote biosensing | |
Marzouk et al. | Analyzer for continuous monitoring of H2S in gas streams based on a novel thermometric detection | |
US11787710B2 (en) | Electro-analytical system for monitoring total organic carbon in a water source | |
Matuszewski et al. | Continuous monitoring of gas-phase species at trace levels with electrochemical detectors: Part 1. Direct amperometric measurement of hydrogen peroxide and enzyme-based detection of alcohols and sulfur dioxide | |
CN113075149B (zh) | 一种防止检测结果漂移及呈递减规律的数据校正测试方法 | |
Itoh et al. | Discrimination of volatile organic compounds using a sensor array via a rapid method based on linear discriminant analysis | |
Huang et al. | Electrochemical sensing of gases based on liquid collection interfaces | |
CN202916230U (zh) | 自标定电化学气体传感器 | |
Knake et al. | Portable instrument for electrochemical gas sensing |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230315 Address after: Room 1001, building 1, No.55 Yushan Road, high tech Zone, Suzhou City, Jiangsu Province, 215011 Patentee after: ECOLORD (SUZHOU) ENVIRONMENT PROTECT TECH CO.,LTD. Address before: Work Station 5, Floor 25, Building 3, No. 209, Zhuyuan Road, High-tech Zone, Suzhou City, Jiangsu Province, 215011 (cluster registration) Patentee before: SUZHOU ZHIHUI YILIAN TECHNOLOGY Co.,Ltd. |