CN110321955A - 一种恶臭气体监测方法 - Google Patents

一种恶臭气体监测方法 Download PDF

Info

Publication number
CN110321955A
CN110321955A CN201910601277.2A CN201910601277A CN110321955A CN 110321955 A CN110321955 A CN 110321955A CN 201910601277 A CN201910601277 A CN 201910601277A CN 110321955 A CN110321955 A CN 110321955A
Authority
CN
China
Prior art keywords
gas
data
chamber
concentration
zero
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
Application number
CN201910601277.2A
Other languages
English (en)
Other versions
CN110321955B (zh
Inventor
张超
程伟
张宗正
尹朋建
孙宇
王飞
张闻涛
马媛
张馨月
柴洁
张旭
刘媛
李昂
杨莹
芦会杰
刘欣艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute Of Urban Management (beijing Environmental Health Monitoring Center)
Original Assignee
Beijing Institute Of Urban Management (beijing Environmental Health Monitoring Center)
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute Of Urban Management (beijing Environmental Health Monitoring Center) filed Critical Beijing Institute Of Urban Management (beijing Environmental Health Monitoring Center)
Priority to CN201910601277.2A priority Critical patent/CN110321955B/zh
Publication of CN110321955A publication Critical patent/CN110321955A/zh
Application granted granted Critical
Publication of CN110321955B publication Critical patent/CN110321955B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
  • Sampling And Sample Adjustment (AREA)

Abstract

本发明公开了一种恶臭气体监测方法，利用传感器对不同气体响应差异的特点，采集硫化氢，氨气和VOCs气体的浓度数据，对采集到的数据进行包括支持向量机回归算法SVM和聚类MeanShift算法的人工智能算法，同时采用模拟现场环境，实现校准过程；在现场分析过程中，采用多设备直接采集不同位置气体分析，结果数据通过GPRS远程数据传输到公网数据服务器中进行数据处理，得到气体浓度信息，发布于终端设备。本发明可以以解决采用微电/金属氧化物半导体传感器阵列，利用远程数据传输(GPRS)/大数据处理/人工智能算法等技术手段，实现低成本，实时准确，大范围布点采集污染信息等技术问题。

Description

一种恶臭气体监测方法
技术领域
本发明属于环境自动监测技术领域，应用于公共卫生间环境空气监测，主要监测氨气、硫化氢、VOC。
背景技术
目前市场上现有类似检测的产品(进口或国产)常见是两类传感器或其组合，主要针对污染源(高浓度区域)监测或污染物管道检漏检测。一种为电化学传感器，存在成本高，使用寿命短,需要每年更换的缺点。另外一种产品为金属氧化物传感器，量程上限是500-1000ppm，对低浓度区域不具备高灵敏度，不适合公共卫生间环境空气监测。
当前对于目标区域的检测，采用现场人工采样(依据相关国家标准采用吸收液采样)，其效率较低，现场操作时间长，在现场取样后还需带回实验室进行分光光度法进行分析检测，分析结果为采样期间的平均值，不能体现实时数据特性，同时，运输过程中对样品的保护及运输也有一定要求，对现场操作的实验人员的身体健康也有一定影响。采用这种方式不具备大面积布点，分析结果不具备实时性，如果需要具备统计意义的数据量，这种方法需要大量人工成本。
发明内容
本发明的目的是提供一种恶臭气体监测方法，以解决采用微电/金属氧化物半导体传感器阵列，利用远程数据传输(GPRS)/大数据处理/人工智能算法等技术手段，实现低成本，实时准确，大范围布点采集污染信息等技术问题。
为了实现上述发明目的，本发明所采用的技术方案如下：
一种恶臭气体监测方法，利用传感器对不同气体响应差异的特点，采集硫化氢，氨气和VOCs气体的浓度数据，对采集到的数据进行包括支持向量机回归算法SVM和聚类MeanShift算法的人工智能算法，同时采用模拟现场环境，实现校准过程；在现场分析过程中，采用多设备直接采集不同位置气体分析，结果数据通过GPRS远程数据传输到公网数据服务器中进行数据处理，得到气体浓度信息，发布于终端设备；
在现场利用微型真空泵进行可控恒流采样，传感器阵列进行数据采集，其中包括微电/金属氧化物半导体传感器阵列，通过GPRS系统进行数据传输至公网服务器，通过服务器人工智能校准模型(算法包括支持向量机回归算法SVM和聚类MeanShift算法)对采集结果进行计算，通过服务器处理模块进行数据分发，可发送至不同的数据终端，同时发回设备进行显示，显示屏显示结果；
设备校准气路及控制方法：
1)校准气体输出：零空气发生器和稀释仪产生标气钢瓶输出硫化氢、氨气、VOCs气体混合稀释气，气体流量800ml/min，输出到缓冲腔中，一部分气体作为尾气排出缓冲腔，一部分气体通过设备进样口抽入传感器阵列气室；
2)样品进样：通过微型真空泵和流量控制系统进行恒流采样，使用终端控制采样流量500ml/min，传感器阵列气室从缓冲腔中抽取样品。结果数据被终端保存；
设备校准方法：
1)高低温腔控制方法，采用人工智能算法(所述人工智能算法包括支持向量机回归算法SVM和聚类MeanShift算法)，无需进行恒温操作，只需缓慢在高低温模式下调整温度，高低温腔中温度跨度-15℃到50℃，跨度变换时间8小时。
2)高低温零点数据获，由零空气产生零点气体，通过校准仪控制流量800ml/min进入缓冲腔；在高低温腔进行48小时高低温变化；被校准设备按上述样品进样步骤进行工作，采集设备零点电压，同时采集传感器和温度数据并保存；
3)高低温跨度数据获取，由零空气产生零点气体，通过校准仪稀释标气硫化氢、氨气、VOCs，并控制输出流量800ml/min进入缓冲腔，输出混标气体浓度在0.1-6ppm之间，每种气体在此区间内选择任意的10个不同浓度点；在高低温腔进行72小时高低温变化；被校准设备按样品进样步骤进行工作，采集设备跨度电压，同时采集传感器和温度数据，以及记录不同浓度对应的输入时间，保存全部跨度电压和浓度数据；
4)质控数据获取，为了模拟现场环境同时兼顾气体平衡时间，质控腔体积约0.2m3，由零空气产生零点气体，通过校准仪稀释标气硫化氢、氨气、VOCs，并控制输出流量800ml/min直接进入质控腔，输出混标气体浓度在0.1-6ppm之间，每种气体在此区间内选择3个质控浓度点，分别是零点，即零空气，20％跨度，即1.2ppm，80％跨度，即4.8ppm，校准设备整体放入质控腔中，从质控腔内循环抽取气体，同时质控腔直接连接尾气装置，基本保障质控腔内气压和外界大气压平衡；质控腔气体平衡时间7小时，采集数据1小时，记录传感器数据和温度数据，整个质控数过程需要24小时；
校准算法及数据处理：
设备采集零点电压进入零点电压数据表，采集跨度电压进入跨度电压数据表，通过响应电压处理模型，即基于SVM模型建立的调用模型，计算浓度和传感器响应强度以及温度关系，再根据引入的质控浓度数据建立浓度结果数据表，最终形成结果运算模型，即基于聚类MeanShift模型建立的调用模型，最后，根据现场数据采集结果带入结果运算模型/聚类Meanshife模型输出实时浓度。
本发明具有如下优点：
根据行业相关标准和对辖区内公共卫生间环境空气监测的调查，根据以上调查结果，利用微电/金属氧化物半导体传感器阵列的产品，利用远程数据传输(GPRS)/大数据处理/人工智能算法等技术手段，实现方法简单，成本低，可大范围布点；在进行合理的校准前提下，具有保证数据准确，数据实时性强等优点。本发明采用传感器阵列方法，有效解决了分析精度和设备成本的矛盾。
根据质控修正后的数据分别取浓度范围0.1-6ppm中5个数据点，10％，30％，50％，70％，90％，在质控腔中进行实际测量，采用多次测量结果进行统计分析，浓度最低点(约0.6ppm)和浓度最高点(约5.4ppm)出现误差极大值，误差约为满量程的8％(即±0.5ppm)，量程中间点误差最小约为满量程的3％(即±0.2ppm)。误差表现为量程两端误差大，中间误差小的现象，误差表现主要和人工智能算法有关。同时，按照在线分析设备技术指标，基线噪音3倍为最低检出限，根据计算结果，设备对于三种物质最低检出限为0.04-0.06ppm之间，灵敏度在0.05-0.07ppm之间。
附图说明
图1是本发明的现场采集原理图。
图2是本发明的样品进样原理图。
图3是本发明的校准方法原理图。
图4是本发明的数据处理原理图。
图5是本发明的电路原理图。
图6是本发明的分析模式气路原理图。
图7是本发明的校准模式气路原理图。
具体实施方式
本发明的具体方法结合图1、2、3、4、5、6、7进行如下说明：本方法工作原理：利用硫化氢，氨气和VOCs气体浓度和传感器对不同气体响应差异的特点，对采集到的数据采用人工智能算法(算法包括支持向量机回归算法SVM和聚类MeanShift算法)，同时采用模拟现场环境，实现校准过程。在现场分析过程中，采用多设备直接采集不同位置气体分析，结果数据通过GPRS远程数据传输到公网数据服务器中进行数据处理，得到气体浓度信息，发布于终端设备。
设备现场工作流程(图1)：
利用微型真空泵进行可控恒流采样(1-01)传感器阵列(1-02)进行数据采集，其中包括微电/金属氧化物半导体传感器阵列(1-02：1#，2#，3#，4#)，通过GPRS通讯模块(1-03)进行数据传输(1-06)至公网服务器(1-07)，通过服务器人工智能校准模型(1-08)和(图4)对采集结果进行计算，通过服务器处理模块进行数据分发，可发送至不同的数据终端，同时发回设备(1-01)进行显示，显示屏显示结果(1-04)。
图1中：设备数据模块(1-01)；传感器阵列腔(1-02)；GPRS通讯模块(1-03)；显示屏(1-04)；微型真空泵(1-05)；通讯基站(1-06)；公网服务器(1-07)；人工智能校准模型(1-08)；终端显示设备(1-09)；线性传感器阵列(1#，2#，3#，4#)。
设备校准气路/控制流程(图2)：
校准气体输出：零空气发生器(2-01)和校准仪(2-02)产生标气钢瓶输出硫化氢、氨气、VOCs气体混合稀释气，气体流量800ml/min，输出到缓冲腔(2-03)中，一部分气体作为尾气排出缓冲腔(2-08)，一部分气体通过设备进样口(2-09)抽入传感器阵列气室(2-04)。
样品进样：通过微型真空泵(2-06)和流量控制系统(2-05)进行恒流采样，使用终端控制(2-10)采样流量500ml/min，传感器阵列气室(2-04)从缓冲腔中抽取(2-09)样品。结果数据被终端保存(2-11)。
图2中：零空气发生器(2-01)；校准仪(2-02)；缓冲腔(2-03)；传感器阵列气室(2-04)；流量控制系统(2-05)；微型真空泵(2-06)；校准气流通道(2-07)；缓冲腔排空口(2-08)；样品进样通道(2-09)；终端控制通道(2-10)；数据采集通道(2-11)。
设备校准方法流程(图3)：
高低温腔(3-01)控制方法：采用人工智能算法所匹配的外围控制系统，无需进行恒温操作，只需缓慢在高低温模式下调整温度，高低温腔中温度跨度-15℃到50℃，跨度变换时间8小时。
高低温零点数据获取(3-08)：由零空气(3-05)产生零点气体，通过校准仪(3-04)控制流量800ml/min进入缓冲腔(3-03)；在高低温腔进行48小时高低温变化；被校准设备(3-06)按(图2)进行工作，采集设备零点电压(4-01)，同时采集传感器和温度数据并保存(4-04)。
高低温跨度数据获取(3-09)：由零空气(3-05)产生零点气体，通过校准仪(3-04)稀释标气硫化氢、氨气、VOCs，并控制输出流量800ml/min进入缓冲腔(3-03)，输出混标气体浓度在0.1-6ppm之间，每种气体10个不同浓度点；在高低温腔进行72小时高低温变化；被校准设备(3-06)按(图2)进行工作，采集设备跨度电压(4-02)，同时采集传感器和温度数据，以及记录不同浓度对应的输入时间，保存全部跨度电压和浓度数据(4-05)。
质控数据获取(3-10)：为了更好的模拟现场环境同时兼顾气体平衡时间，质控腔(3-02)体积约0.2m3，由零空气(3-05)产生零点气体，通过校准仪(3-04)稀释标气硫化氢、氨气、VOCs，并控制输出流量800ml/min直接进入质控腔，输出混标气体浓度在0.1-6ppm之间，每个气体3个质控浓度点，分别是零点(零空气)，20％跨度(1.2ppm)，80％跨度(4.8ppm)，校准设备整体放入质控腔中，从质控腔内循环抽取气体，同时质控腔直接连接尾气装置，基本保障质控腔内气压和外界大气压平衡。质控腔气体平衡时间7小时，采集数据1小时，记录传感器数据和温度数据，整个质控数过程需要24小时。
图3中：高低温腔(3-01)；质控腔(3-02)；缓冲腔(3-03)；校准仪(3-04)；零空气(3-05)；被校准设备(3-06)；气体直接抽入被质控设备(3-07)；高低温零点数据获取(3-08)；高低温跨度数据获取(3-09)；质控数据获取(3-10)。
校准算法流程(图4)：
高低温零点数据获取(3-08)数据为采集零点电压(4-01)进入零点电压数据表(4-04)。
高低温跨度数据获取(3-09)数据为采集跨度电压(4-02)进入跨度电压数据表(4-05)，通过人工智能模型计算浓度和传感器响应强度以及温度关系，通过响应电压处理模型(4-06)进行处理。
通过质控数据获取(3-10)数据，引入修正校准浓度结果数据表(4-07)，最终形成结果运算模型(1-08，4-08)。
最后，根据现场数据采集结果计算公共卫生间污染物浓度数据，如(图1)流程。
图4中：设备采集零点电压(4-01)；采集跨度电压(4-02)；质控数据模型(4-03)；零点电压数据表(4-04)；跨度电压数据表(4-05)；响应电压处理模型(4-06)；校准浓度结果数据表(4-07)；结果运算模型(4-08)。
上述传感器阵列(1#，2#，3#，4#)：传感器阵列线性排列，样品气依次经过传感器感应窗口，传感器**依次为1#：MICS_5914，2#：MICS_5524，3#：FIS_SP53B00，4#：FIS_SBAQ106；上述传感器的表述为：“公司_型号”属于现有产品。
本发明的电路原理图参见图5所示，分析模式气路原理图参见图6所示，校准模式气路原理图参见图7所示。

Claims (1)

1.一种恶臭气体监测方法，利用传感器对不同气体响应差异的特点，采集硫化氢，氨气和VOCs气体的浓度数据，对采集到的数据进行包括支持向量机回归算法SVM和聚类MeanShift算法的人工智能算法，同时采用模拟现场环境，实现校准过程；在现场分析过程中，采用多设备直接采集不同位置气体分析，结果数据通过GPRS远程数据传输到公网数据服务器中进行数据处理，得到气体浓度信息，发布于终端设备；
具体步骤如下：
在现场利用微型真空泵进行可控恒流采样，传感器阵列进行数据采集，其中包括微电/金属氧化物半导体传感器阵列，通过GPRS系统进行数据传输至公网服务器，通过服务器人工智能校准模型，即支持向量机回归算法SVM和聚类MeanShift算法，对采集结果进行计算，通过服务器处理模块进行数据分发，可发送至不同的数据终端，同时发回设备进行显示，显示屏显示结果；
设备校准气路及控制方法：
1)校准气体输出：零空气发生器和稀释仪产生标气钢瓶输出硫化氢、氨气、VOCs气体混合稀释气，气体流量800ml/min，输出到缓冲腔中，一部分气体作为尾气排出缓冲腔，一部分气体通过设备进样口抽入传感器阵列气室；
2)样品进样：通过微型真空泵和流量控制系统进行恒流采样，使用终端控制采样流量500ml/min，传感器阵列气室从缓冲腔中抽取样品。结果数据被终端保存；
设备校准方法：
1)高低温腔控制方法，采用支持向量机回归算法SVM和聚类MeanShift算法，无需进行恒温操作，只需缓慢在高低温模式下调整温度，高低温腔中温度跨度-15℃到50℃，跨度变换时间8小时。
2)高低温零点数据获，由零空气产生零点气体，通过校准仪控制流量800ml/min进入缓冲腔；在高低温腔进行48小时高低温变化；被校准设备按上述样品进样步骤进行工作，采集设备零点电压，同时采集传感器和温度数据并保存；
3)高低温跨度数据获取，由零空气产生零点气体，通过校准仪稀释标气硫化氢、氨气、VOCs，并控制输出流量800ml/min进入缓冲腔，输出混标气体浓度在0.1-6ppm之间，每种气体在此区间内选择任意的10个不同浓度点；在高低温腔进行72小时高低温变化；被校准设备按样品进样步骤进行工作，采集设备跨度电压，同时采集传感器和温度数据，以及记录不同浓度对应的输入时间，保存全部跨度电压和浓度数据；
4)质控数据获取，为了模拟现场环境同时兼顾气体平衡时间，质控腔体积约0.2m3，由零空气产生零点气体，通过校准仪稀释标气硫化氢、氨气、VOCs，并控制输出流量800ml/min直接进入质控腔，输出混标气体浓度在0.1-6ppm之间，每个气体3个质控浓度点，分别是零点，即零空气，20％跨度，即1.2ppm，80％跨度，即4.8ppm，校准设备整体放入质控腔中，从质控腔内循环抽取气体，同时质控腔直接连接尾气装置，基本保障质控腔内气压和外界大气压平衡；质控腔气体平衡时间7小时，采集数据1小时，记录传感器数据和温度数据，整个质控数过程需要24小时；
校准算法及数据处理：
设备采集零点电压进入零点电压数据表，采集跨度电压进入跨度电压数据表，通过响应电压处理模型，即基于SVM模型建立的调用模型，计算浓度和传感器响应强度以及温度关系，再根据引入的质控浓度数据建立浓度结果数据表，最终形成结果运算模型，即基于聚类MeanShift模型建立的调用模型，最后，根据现场数据采集结果带入结果运算模型输出实时浓度。
CN201910601277.2A 2019-07-03 2019-07-03 一种恶臭气体监测方法 Active CN110321955B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910601277.2A CN110321955B (zh) 2019-07-03 2019-07-03 一种恶臭气体监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910601277.2A CN110321955B (zh) 2019-07-03 2019-07-03 一种恶臭气体监测方法

Publications (2)

Publication Number Publication Date
CN110321955A true CN110321955A (zh) 2019-10-11
CN110321955B CN110321955B (zh) 2021-03-19

Family

ID=68122665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910601277.2A Active CN110321955B (zh) 2019-07-03 2019-07-03 一种恶臭气体监测方法

Country Status (1)

Country Link
CN (1) CN110321955B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111596006A (zh) * 2020-04-29 2020-08-28 北京雪迪龙科技股份有限公司 一种大气在线监测仪的校准方法及监测仪
CN113095389A (zh) * 2021-04-02 2021-07-09 河北先河环保科技股份有限公司 网格化传感器监控网络校准方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102928562A (zh) * 2012-11-06 2013-02-13 天津市环境保护科学研究院 移动式恶臭污染预警监测装置及监测方法
CN103728348A (zh) * 2013-12-02 2014-04-16 江苏大学 一种室内空气质量电子鼻
CN104713930A (zh) * 2015-03-17 2015-06-17 东北师范大学 一种基于场效应气体传感器的鉴定气体种类的方法
CN106557027A (zh) * 2016-10-11 2017-04-05 中国科学院自动化研究所 优化焦化烟气脱硫脱硝过程中臭氧运行的系统及方法
US9651529B2 (en) * 2013-07-01 2017-05-16 Universiti Putra Malaysia Artificial olfactory system and an application thereof
CN107085732A (zh) * 2017-05-12 2017-08-22 淮阴工学院 基于无线传感器网络的牛舍环境氨气智能监测系统
CN108333314A (zh) * 2018-04-02 2018-07-27 深圳凯达通光电科技有限公司 一种空气污染智能监测系统
CN108362840A (zh) * 2018-04-20 2018-08-03 天津澜禹笙环保科技有限公司 基于环境中恶臭监测电子鼻远程反控的在线检测装置
CN109164315A (zh) * 2018-08-03 2019-01-08 河海大学 基于粒子群优化的kfcm及svm的电抗器故障诊断方法
US20190187020A1 (en) * 2017-12-15 2019-06-20 International Business Machines Corporation Event driven gas sensing and source attribution

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102928562A (zh) * 2012-11-06 2013-02-13 天津市环境保护科学研究院 移动式恶臭污染预警监测装置及监测方法
US9651529B2 (en) * 2013-07-01 2017-05-16 Universiti Putra Malaysia Artificial olfactory system and an application thereof
CN103728348A (zh) * 2013-12-02 2014-04-16 江苏大学 一种室内空气质量电子鼻
CN104713930A (zh) * 2015-03-17 2015-06-17 东北师范大学 一种基于场效应气体传感器的鉴定气体种类的方法
CN106557027A (zh) * 2016-10-11 2017-04-05 中国科学院自动化研究所 优化焦化烟气脱硫脱硝过程中臭氧运行的系统及方法
CN107085732A (zh) * 2017-05-12 2017-08-22 淮阴工学院 基于无线传感器网络的牛舍环境氨气智能监测系统
US20190187020A1 (en) * 2017-12-15 2019-06-20 International Business Machines Corporation Event driven gas sensing and source attribution
CN108333314A (zh) * 2018-04-02 2018-07-27 深圳凯达通光电科技有限公司 一种空气污染智能监测系统
CN108362840A (zh) * 2018-04-20 2018-08-03 天津澜禹笙环保科技有限公司 基于环境中恶臭监测电子鼻远程反控的在线检测装置
CN109164315A (zh) * 2018-08-03 2019-01-08 河海大学 基于粒子群优化的kfcm及svm的电抗器故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHAN MINGLEI ET AL.: "Gas concentration detection using ultrasonic based on wireless sensor networks", 《THE 2ND INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND ENGINEERING》 *
郑凤魁 等: "三亚地区冬春季大气污染特征观测研究", 《南京信息工程大学学报：自然科学版》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111596006A (zh) * 2020-04-29 2020-08-28 北京雪迪龙科技股份有限公司 一种大气在线监测仪的校准方法及监测仪
CN113095389A (zh) * 2021-04-02 2021-07-09 河北先河环保科技股份有限公司 网格化传感器监控网络校准方法及系统
CN113095389B (zh) * 2021-04-02 2023-04-07 河北先河环保科技股份有限公司 网格化传感器监控网络校准方法及系统

Also Published As

Publication number Publication date
CN110321955B (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
Castell et al. Can commercial low-cost sensor platforms contribute to air quality monitoring and exposure estimates?
US11270319B2 (en) Systems and methods for tracking greenhouse gas emissions associated with an entity
CN110389290B (zh) 一种电子元器件噪声测试及寿命评估的系统及方法和装置
CN106549813A (zh) 一种网络性能的评估方法及系统
CN110727662A (zh) 基于相关性分析的低压台区用户相位识别方法和系统
CN110321955A (zh) 一种恶臭气体监测方法
CN110348746B (zh) 基于单个污染源的空气质量影响评估方法和装置
CN111125868B (zh) 一种电子产品的多应力寿命评估方法及装置
CN110109044A (zh) 一种电能表校验装置的在线检定系统及方法
CN106060749A (zh) 一种用于电声器件阻抗测试的校准方法
CN112304831B (zh) 基于质量守恒的学生行为对教室内pm2.5浓度的计算方法
CN108614071A (zh) 分布式室外大气质量监测精度校正系统及参数更新方法
CN107465760A (zh) 基于物联网及云计算的环境数据处理系统及方法
CN110568334A (zh) 一种功放管检测装置及数据处理方法
Hackmann et al. The evolution of Zipf's Law for US cities
Prasetyo et al. A measurement framework for analyze the influence of service quality and website quality on user satisfaction (Case study: An IT service in Jember University)
CN113588885B (zh) 一种工业园区异味检测的方法
US20220333808A1 (en) Systems and methods for analyzing heating, ventilation, and air conditioning systems including remote monitoring of technicians
CN114740159A (zh) 一种天然气能量计量组分获取方法和物联网系统
CN104698360B (zh) 功放模块的调试方法
CN113947504A (zh) 一种基于随机森林法的窃电分析方法及其系统
CN105897871A (zh) 一种环境质量监控方法及装置、系统
CN109829655B (zh) 一种村落类型识别系统
Yang et al. The prediction model of stroke on climate factors by multiple regression
CN205879856U (zh) 一种肥液氮素浓度在线检测装置

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