CN110573856B - 测定装置以及测定方法 - Google Patents
测定装置以及测定方法 Download PDFInfo
- Publication number
- CN110573856B CN110573856B CN201880027692.5A CN201880027692A CN110573856B CN 110573856 B CN110573856 B CN 110573856B CN 201880027692 A CN201880027692 A CN 201880027692A CN 110573856 B CN110573856 B CN 110573856B
- Authority
- CN
- China
- Prior art keywords
- concentration
- humidity
- count
- mass concentration
- 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.)
- Active
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 100
- 238000000691 measurement method Methods 0.000 title description 8
- 239000002245 particle Substances 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims description 37
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 7
- 238000013213 extrapolation Methods 0.000 claims description 6
- 238000005314 correlation function Methods 0.000 claims 20
- 238000003556 assay Methods 0.000 claims 2
- 230000006870 function Effects 0.000 description 12
- 238000000149 argon plasma sintering Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 239000000203 mixture Substances 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 5
- 230000005250 beta ray Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000013618 particulate matter Substances 0.000 description 2
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 1
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 1
- 235000011130 ammonium sulphate Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011146 organic particle Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- G01N2015/0042—Investigating dispersion of solids
- G01N2015/0046—Investigating dispersion of solids in gas, e.g. smoke
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
提高质量浓度的精度。测定装置具备:选择部(15),参照存储多个相对于气体的湿度的上述气体中的粒子的质量浓度与上述气体中的粒子的计数浓度的相关的存储部(13),从多个上述相关选择两个相关;以及质量浓度计算部(16),其于选择的上述两个相关、通过第一计数浓度测定器测定出的气体中的粒子的计数浓度以及通过第一湿度计测定出的上述气体的湿度,计算上述气体中的粒子的质量浓度。
Description
技术领域
本发明涉及测定装置以及测定方法。
背景技术
近年,盛行进行空气中的PM2.5等粒子状物质的浓度测定。气体中的粒子的浓度的单位使用每个单位体积的气体所包含的粒子的质量(例如mg/m3或者μg/m3)。将该粒子浓度称为质量浓度。当前一般来说以质量浓度表示PM2.5浓度。
作为PM2.5等粒子状物质的质量浓度的标准的测定方法,有在过滤器捕集气体中的粒子,并测定质量的过滤器法。另外,作为能够自动测定的质量浓度的测定方法有β线吸收法(例如,参照专利文献1)。通过过滤器法、β线吸收法得到的浓度为质量浓度。
另一方面,作为其它的粒子状物质的测定方法,有根据对气体中的粒子照射光得到的散射光,测定每个单位体积的气体中的粒子数(例如个/m2)的光散射检测法(例如,参照专利文献2)。
专利文献1:日本特开2006-3090号公报
专利文献2:日本特开2007-147519号公报
光散射检测法并不是直接测定质量浓度的方法,所以需要求出向质量浓度的换算系数,修正检测值。
发明内容
本测定装置以及测定方法的目的在于提高质量浓度的测定精度。
在一个方式中,测定装置具备:选择部,参照存储相对于气体的湿度的所述气体中的粒子的质量浓度与所述气体中的粒子的计数浓度的多个相关的存储部,从多个所述相关选择两个相关;以及质量浓度计算部,基于所选择的两个所述相关、通过第一计数浓度测定器测定出的气体中的粒子的计数浓度以及通过第一湿度计测定出的所述气体的湿度,计算所述气体中的粒子的质量浓度。
能够提高质量浓度的测定精度。
附图说明
图1是表示一实施方式所涉及的测定系统的框图。
图2是表示作为一实施方式所涉及的测定装置发挥作用的服务器的硬件构成的图。
图3是服务器的功能框图。
图4是表示计算相关的方法的流程图。
图5是用于说明图4的处理的图。
图6是表示质量浓度的计算方法的流程图。
图7的(a)以及图7的(b)是用于说明图6的处理的图(其1)。
图8是用于说明图6的处理的图(其2)。
图9是表示计算出的质量浓度Cm1与实测出的质量浓度Cma的图。
具体实施方式
从PM2.5等对健康等造成影响的观点来看,以较高的频率测定身边的PM2.5浓度这样的要求增加。然而,测定PM2.5浓度的测定站的数目在全国中也不到1000个。另外,设置场所也有所偏颇,而不能够充分应对上述要求。
另外,若在空间上以较高的密度设置测定站,并实时地收集并分发PM2.5浓度,则在预料到PM2.5浓度的上升时成为应对的参考。另外,能够有助于PM2.5浓度的预测、PM2.5的产生源的确定以及/或者大气科学模拟等。
使用了过滤器法或者β线吸收法的质量浓度测定器价格贵,所以难以在全国各地设置具备质量浓度检测器的测定站。另外,测定时间较长所以难以进行实时的测定。
另一方面,使用了光散射检测法的计数浓度测定器比较廉价,也能够进行较短的间隔的测定,所以认为适合身边的环境的测定。
然而,利用光散射检测法能够测定的浓度并不是质量浓度,而是相当于每个单位体积的粒子的个数的计数浓度。因此,需要将气体中的粒子的计数浓度转换为质量浓度。作为向质量浓度的转换方法之一,有对气体中的粒子的计数浓度乘以恒定的转换系数的方法。但是,在该方法中转换精度不高。
本发明者成功地通过使转换系数为湿度函数来使从计数浓度向质量浓度的转换精度提高。这是因为考虑若气体的湿度改变,则粒子的吸湿量改变所以与粒子径的分布、粒子的物理化学的性质改变相关。粒子是各种成分的混合物。粒子的吸湿性根据粒子的成分而不同。例如,在粒子为硫酸铵的情况下,在湿度为90%时,光散射剖面积成为干燥状态的五倍。在粒子为有机物的情况下,光散射剖面积几乎不被湿度影响。这样,若粒子的成分变化,则粒子的吸湿性变化。粒子的成分根据场所以及时期而变化。因此,若使用相同的函数作为从计数浓度转换为质量浓度的函数,则不怎么能够提高从计数浓度向质量浓度的转换精度。因此,考虑通过在恒定期间实测并获取来预先准备相对于湿度的质量浓度与计数浓度的多个相关,并基于从该多个相关选择出的两个相关计算从计数浓度转换为质量浓度的函数。
以下,基于图1~图9,对测定系统的一实施方式进行详细说明。
图1是表示一实施方式所涉及的测定系统的框图。如图1所示,测定系统100具备代表测定站30、简易测定站20-1~20-n(n是任意的正整数)、以及服务器10。服务器10是测定装置的一个例子。此外,简易测定站20-1~20-n具备相同的构成,所以在以下的说明中只要不需要特别区分则记载为简易测定站20。
代表测定站30具备质量浓度测定器31、计数浓度测定器32、以及湿度计33。质量浓度测定器31例如是使用了β线吸收法的测定器,测定代表测定站30内的气体内的PM2.5等粒子的质量浓度Cm0。计数浓度测定器32例如是使用了光散射检测法的测定器,测定代表测定站30内的气体内的PM2.5等粒子的计数浓度Cn0。计数浓度测定器32是第二计数浓度测定器的一个例子。湿度计33测定代表测定站30内的气体的湿度h0。湿度计33是第二湿度计的一个例子。代表测定站30经由有线或者无线的网络40(例如,因特网)与服务器10连接。
简易测定站20具备计数浓度测定器21以及湿度计22。计数浓度测定器21例如是使用了光散射检测法的测定器,测定简易测定站20内的气体内的PM2.5等粒子的计数浓度Cn1。计数浓度测定器21是第一计数浓度测定器的一个例子。湿度计22测定简易测定站20内的气体的湿度h1。湿度计22是第一湿度计的一个例子。简易测定站20经由网络40与服务器10连接,将计数浓度测定器21以及湿度计22各自测定出的计数浓度以及相对湿度发送给服务器10。
服务器10使用从简易测定站20接收到的计数浓度以及湿度,计算简易测定站20内的PM2.5等粒子的质量浓度。
服务器10具有图2所示那样的硬件构成。具体而言,如图2所示,服务器10具备中央处理器(CPU)111、只读存储器(ROM)112、随机存取存储器(RAM)113、存储装置(Hard DiskDrive:HDD:硬盘驱动器)114、网络接口115、以及能够读取存储于便携式存储介质116的数据的便携式存储介质用驱动器117等。这些服务器10的构成各部分与总线118连接。CPU111通过执行储存于ROM112或者HDD114的程序,或者执行便携式存储介质用驱动器117从便携式存储介质116读取的程序,使服务器10作为图3的各部分发挥作用。
具体而言,如图3所示,通过由CPU111执行程序,服务器10作为第一获取部11、相关计算部12、第二获取部14、选择部15、以及质量浓度计算部16发挥作用。
第一获取部11从代表测定站30获取在代表测定站30中分别通过质量浓度测定器31、计数浓度测定器32、以及湿度计33测定出的质量浓度Cm0、计数浓度Cn0以及湿度h0,并存储于HDD114等存储部13。
相关计算部12基于在规定的期间获取并存储于存储部13的质量浓度Cm0、计数浓度Cn0以及湿度h0,计算相对于湿度h的质量浓度Cm与计数浓度Cn的相关f(h),并存储于存储部13。相关计算部12在比规定的期间长的期间,反复上述的处理。由此,在存储部13存储有多个相关f1(h)~fm(h)(m是任意的正整数)。后述相关f(h)的计算方法的详细。
第二获取部14从简易测定站20获取在简易测定站20中分别通过计数浓度测定器21以及湿度计22测定出的计数浓度Cn1以及湿度h1,并输出到质量浓度计算部16。
选择部15基于第一获取部11获取到的质量浓度Cm0、计数浓度Cn0以及湿度h0中,在与测定到第二获取部14获取的计数浓度Cn1或者湿度h1的时刻接近的时刻测定出的质量浓度Cm0、计数浓度Cn0以及湿度h0,从存储于存储部13的多个相关f1(h)~fm(h)选择两个。选择部15将选择的两个相关输出给质量浓度计算部16。
质量浓度计算部16基于从第二获取部14输入的计数浓度Cn1以及湿度h1、和从选择部15输入的两个相关,计算简易测定站20内的质量浓度Cm1。
(相关计算方法)
接下来,对相对于湿度h的质量浓度Cm与计数浓度Cn的相关的计算方法进行说明。图4是表示相关的计算方法的流程图。
如图4所示,第一获取部11每隔恒定时间(例如一小时)获取质量浓度Cm0,并每隔更短的间隔(例如一分钟)获取计数浓度Cn0以及湿度h0(步骤S11)。第一获取部11将几乎在同时刻测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0作为一组,并存储于存储部13。在质量浓度Cm0与计数浓度Cn0及湿度h0的测定间隔不同的情况下,也可以将在最接近测定出质量浓度Cm0的时刻的时刻测定出的计数浓度Cn0以及湿度h0作为几乎在同时刻测定出的组。也可以对于在从测定出质量浓度Cm0,到测定出下一个质量浓度Cm0为止的测定期间内测定出的多个计数浓度Cn0以及湿度h0,将最新测定出的质量浓度Cm0作为几乎在同时刻测定出的组。或者,也可以将在测定期间内测定出的多个计数浓度Cn0的平均值、多个湿度h0的平均值以及最新测定出的质量浓度Cm设置几乎在同时刻测定并作为一组。
接下来,相关计算部12判定从上一次计算相关f(h)开始是否经过了规定的期间(例如,一周)(步骤S13)。在未经过规定的期间的情况下(步骤S13:否),返回到步骤S11。
在经过了规定的期间的情况下(步骤S13:是),相关计算部12基于在规定的期间内收集的质量浓度Cm0、计数浓度Cn0、以及湿度h0,计算相关f(h)(步骤S15)。例如,相关计算部12根据几乎在同时刻测定出的质量浓度Cm0和计数浓度Cn0计算Cm/Cn(质量浓度/计数浓度)。图5是将相对于湿度h的质量浓度与计数浓度之比(Cm/Cn)曲线化的图。在图5中,点52示出相对于几乎在同时刻测定出的湿度h的Cm/Cn。由于根据代表测定站30的环境而湿度h变化,所以得到相对于各种湿度h的Cm/Cn的点52。相关计算部12根据多个点52计算近似线54。相关计算部12将近似线54的函数作为相关f(h)。
返回到图4,相关计算部12将计算出的相关f(h)保存于存储部13(步骤S17)。然后,相关计算部12删除在规定的期间内保存于存储部13的Cm0、Cn0、以及h0(步骤S19),并返回到步骤S11。此外,相关计算部12也可以不删除保存于存储部13的Cm0、Cn0、以及h0而直接保存。
相关计算部12在比规定的期间(例如,一周)长的期间(例如,一个月、四个月、一年、几年等)反复图4的处理。由此,在存储部13存储多个相关f(h)。例如,若规定的期间为一周,相关计算部12在一年间反复图4的处理,则在存储部13存储52个相关f1(h)~f52(h)。
(质量浓度计算方法)
接下来,对根据在简易测定站20中分别通过计数浓度测定器21以及湿度计22测定出的计数浓度Cn1以及湿度h1计算质量浓度Cm1的方法进行说明。图6是表示质量浓度的计算方法的流程图。
在图6的处理中,首先,第二获取部14从在简易测定站20获取在简易测定站20中通过计数浓度测定器21以及湿度计22测定出的计数浓度Cn1以及湿度h1(步骤S31)。
接下来,选择部15从第一获取部11获取在与简易测定站20测定到计数浓度Cn1或者湿度h1的时刻接近的时刻在代表测定站30中测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0(步骤S33)。例如,选择部15从第一获取部11获取在与在简易测定站20测定到计数浓度Cn1或者湿度h1的时刻几乎同时刻在代表测定站30中测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0。这里,在简易测定站20中的计数浓度Cn1或者湿度h1的测定间隔与代表测定站30中的质量浓度Cm0、计数浓度Cn0、以及湿度h0的测定间隔不同的情况下,将在最接近测定出计数浓度Cn1或者湿度h1的时刻的时刻测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0作为几乎在同时刻在代表测定站30中测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0即可。另外,此时,在代表测定站30中质量浓度Cm0与计数浓度Cn0以及湿度h0的测定间隔不同的情况下,视为几乎在同时刻测定出的质量浓度Cm0的测定时刻与计数浓度Cn0以及湿度h0的测定时刻也可以不同。
接下来,选择部15基于在步骤S33获取到的质量浓度Cm0、计数浓度Cn0、以及湿度h0,从存储于存储部13的多个相关f(h)选择两个相关(步骤S35)。例如,如图7的(a)所示,在存储部13存储了相关f1(h)~f5(h)。在图7的(a)中,横轴为湿度h,纵轴为质量浓度(Cm)对计数浓度(Cn)之比。另外,点P是将在步骤S33获取到的湿度h0下的质量浓度Cm0对计数浓度Cn0之比(Cm0/Cn0)曲线化后的点。该情况下,选择部15例如选择最接近点P的相关f2(h)以及f3(h)作为两个相关。另外,选择部15例如也可以选择与点P相比位于上侧的相关f1(h)以及f2(h)作为两个相关,也可以选择与点P相比位于下侧的相关f3(h)以及f4(h)作为两个相关。另外,选择部15例如也可以选择相关f1(h)以及f3(h)作为两个相关。能够适当地设定选择部15选择两个相关的基准。这里,以选择部15选择相关f2(h)以及f3(h)作为两个相关为例进行说明。
返回到图6,质量浓度计算部16根据选择的两个相关计算换算式(步骤S37)。例如,选择部15例如使用线性内插等内插法,计算在图7的(b)以需线示出的那样的通过点P的换算式fc(h)。此外,在点P不位于所选择的两个相关之间的情况下,选择部15也可以使用外推法计算通过点P的换算式fc(h)。
接下来,质量浓度计算部16基于计算出的换算式fc(h)、从简易测定站20获取到的计数浓度Cn1以及湿度h1,计算简易测定站20内的质量浓度Cm1(步骤S39)。例如,如图8所示,通过将简易测定站20内的湿度h1代入换算式fc(h),得到相对于湿度h1的质量浓度Cm/计数浓度Cn的值。通过对该值乘以Cn1,计算简易测定站20内的质量浓度Cm1(即,Cm1=Cn1×fc(h1))。
将通过上述的质量浓度计算方法计算出的质量浓度Cm1与通过实测获取到的质量浓度进行比较。图9是表示计算出的质量浓度Cm1与实测出的质量浓度Cma的图。在图9中,横轴表示每天的时间,纵轴表示质量浓度。另外,虚线表示通过上述的质量浓度计算方法计算出的质量浓度Cm1(计算值),实线表示实际测定出的质量浓度Cma(实测值)。如图9所示,计算值相对于实测值示出相关系数r=0.973这样的非常高的相关,表示本实施方式所涉及的质量浓度计算方法有用。
如以上详细所述的那样,本实施方式所涉及的服务器10具备:参照存储相对于气体的湿度h0的该气体中的粒子的质量浓度Cm0与计数浓度Cn0的多个相关f(h)的存储部13,从多个相关选择两个相关的选择部15;和基于选择的两个相关、通过计数浓度测定器21测定出的气体中的粒子的计数浓度Cn1以及通过湿度计22测定的气体的湿度h1,计算气体中的粒子的质量浓度Cm1的质量浓度计算部16。由此,与一直使用相同的函数计算质量浓度Cm1的情况相比较,能够使质量浓度Cm1的测定精度提高。
另外,根据本实施方式,多个相关f(h)是通过在比规定的期间长的期间(例如,一年)反复在规定的期间(例如,一周)获取通过质量浓度测定器31测定出的气体中的粒子的质量浓度Cm0、通过计数浓度测定器32测定出的气体中的粒子的计数浓度Cn0、以及通过湿度计33测定出的气体的湿度h0的关系,并根据规定的期间内的关系计算相关f(h)得到的相关。由此,例如,即使在由于季节的不同而相对于湿度的质量浓度与计数浓度的相关变动的情况下,也能够计算考虑了该变动的质量浓度,所以能够使质量浓度Cm1的测定精度提高。
另外,根据本实施方式,服务器10具备获取通过质量浓度测定器31测定出的气体中的粒子的质量浓度Cm0、通过计数浓度测定器32测定出的气体中的粒子的计数浓度Cn0、以及通过湿度计33测定出的气体的湿度h0的第一获取部11、和基于第一获取部11获取到的质量浓度Cm0、计数浓度Cn0、以及湿度h0,计算相对于湿度的质量浓度与计数浓度的相关的相关计算部12,存储部13存储相关计算部12计算出的相关。由此,能够将相对于湿度的质量浓度与计数浓度的相关积蓄于存储部13。
另外,根据本实施方式,质量浓度计算部16基于使用两个相关并通过内插法或者外推法计算出的换算式fc(h),计算气体中的粒子的质量浓度Cm1。由此,能够根据换算式fc(h)、和在简易测定站20测定出的计数浓度Cn1以及湿度h0,简单地计算出质量浓度Cm1。
另外,根据本实施方式,选择部15基于在与通过计数浓度测定器21测定气体中的粒子的计数浓度Cn1的时刻或者通过湿度计22测定气体的湿度h1的时刻接近的时刻通过质量浓度测定器31测定出的气体中的粒子的质量浓度Cm0、通过计数浓度测定器32测定出的气体中的粒子的计数浓度Cn0、以及通过湿度计33测定的气体的湿度h0,来选择两个相关。由此,能够选择反映了在简易测定站20中测定气体中的粒子的计数浓度Cn1或者气体的湿度h1时的环境、季节等的相关,所以质量浓度Cm1的测定精度提高。
此外,在上述实施方式中,服务器10也可以不具备相关计算部12。该情况下,能够通过使其它的测定装置通过图4所示的相关计算方法等获取的多个相关f(h)预先存储于服务器10的存储部13,实现上述的质量浓度计算方法。
另外,在上述实施方式中,也可以服务器10在经过了恒定期间(例如,一年、三年等)的情况下,从较旧的相关开始依次将存储于存储部13的相关f(h)替换为新计算出的相关f(h)。由此,能够基于进一步反映了当前的大气的状态(大气的组成)的相关f(h),计算简易测定站20内的质量浓度Cm1,所以质量浓度Cm1的测定精度提高。
此外,在上述实施方式中,虽然基于使用在代表测定站30测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0计算出的相关f(h)计算质量浓度Cm1的简易测定站20存在的场所并不特别限定,但优选在距离代表测定站30规定的范围内(例如,10km)。
此外,在上述实施方式中,例如,也可以基于使用在距离简易测定站20规定的范围内(例如,10km)的代表测定站30中测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0计算出的多个相关f(h),来计算简易测定站20内的质量浓度Cm1。另外,也可以在距离简易测定站20规定的范围内不存在代表测定站30的情况下,基于使用在设置在具有与配置简易测定站20的地域内的大气的组成相似的大气的组成的地域的代表测定站30中测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0计算出的多个相关f(h)来计算质量浓度Cm1。
另外,在上述实施方式中,选择部15基于在几乎与在简易测定站20中测定气体中的粒子的计数浓度Cn1或者气体的湿度h1的时刻相同的时刻测定出的气体中的粒子的质量浓度Cm0、气体中的粒子的计数浓度Cn0、以及气体的湿度h0选择两个相关,但并不限定于此。选择部15例如也可以基于在几天以内(例如,一天~三天),在与在简易测定站20测定计数浓度Cn1或者湿度h1的时刻同一时间段测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0选择两个相关。另外,选择部15例如也可以基于在作为与在简易测定站20测定计数浓度Cn1或者湿度h1时的大气的组成相似的组成时测定出的质量浓度Cm0、计数浓度Cn0、以及湿度h0选择两个相关。
此外,能够通过计算机实现上述的处理功能。该情况下,提供记述了处理装置应该具有的功能的处理内容的程序。通过由计算机执行该程序,在计算机上实现上述处理功能。记述了处理内容的程序能够记录于计算机能够读取的记录介质(但是,载波除外)。
在使程序流通的情况下,例如,以记录了该程序的DVD(Digital Versatile Disc:数字多用盘)、CD-ROM(Compact Disc Read Only Memory:只读光盘)等便携式记录介质的方式销售。另外,也能够将程序储存在服务器计算机的存储装置,并经由网络,从服务器计算机将该程序转送到其它的计算机。
执行程序的计算机例如将记录于便携式记录介质的程序或从服务器计算机转送来的程序储存在自己的存储装置。然后,计算机从自己的存储装置读取程序,并执行依据程序的处理。此外,计算机也能够直接从便携式记录介质读取程序,并执行依据该程序的处理。另外,计算机也能够每次从服务器计算机转送来程序,都依次执行依据接受的程序的处理。
上述的实施方式是本发明的优选的实施的例子。但是,并不限定于此,能够在不脱离本发明的主旨的范围内进行各种变形实施。
此外,关于以上实施方式的说明,还公开以下的备注。
(备注1)一种测定装置,其特征在于,具备:选择部,参照存储相对于气体的湿度的所述气体中的粒子的质量浓度与所述气体中的粒子的计数浓度的多个相关的存储部,从多个所述相关选择两个相关;以及
质量浓度计算部,基于所选择的两个所述相关、通过第一计数浓度测定器测定出的气体中的粒子的计数浓度以及通过第一湿度计测定出的所述气体的湿度,计算所述气体中的粒子的质量浓度。
(备注2)根据备注1所记载的测定装置,其特征在于,通过在比规定的期间长的期间反复进行在所述规定的期间获取通过质量浓度测定器测定出的气体中的粒子的质量浓度、通过第二计数浓度测定器测定出的所述气体中的粒子的计数浓度、以及通过第二湿度计测定出的所述气体的湿度的关系,并根据所述规定的期间内的所述关系计算所述相关,从而得到多个所述相关。
(备注3)根据备注1或2所记载的测定装置,其特征在于,具备:获取部,获取通过质量浓度测定器测定出的气体中的粒子的质量浓度、通过第二计数浓度测定器测定出的所述气体中的粒子的计数浓度、以及通过第二湿度计测定出的所述气体的湿度;以及相关计算部,基于所述获取部获取到的所述质量浓度、所述计数浓度以及所述湿度,计算所述相关,所述存储部存储所述相关计算部计算出的所述相关。
(备注4)根据备注1至3中任一项所记载的测定装置,其特征在于,所述质量浓度计算部基于使用两个所述相关并通过内插法或者外推法计算出的换算式,计算所述气体中的粒子的质量浓度。
(备注5)根据备注1至4中任一项所记载的测定装置,其特征在于,所述选择部基于在与通过所述第一计数浓度测定器测定出所述气体中的粒子的计数浓度的时刻或者通过所述第一湿度计测定出所述气体的湿度的时刻接近的时刻通过质量浓度测定器测定出的气体中的粒子的质量浓度、通过第二计数浓度测定器测定出的所述气体中的粒子的计数浓度、以及通过第二湿度计测定出的所述气体的湿度,选择两个所述相关。
(备注6)一种测定方法,其特征在于,包括如下的处理:参照存储相对于气体的湿度的所述气体中的粒子的质量浓度与所述气体中的粒子的计数浓度的多个相关的存储部,从多个所述相关选择两个相关;以及
基于选择出的两个所述相关、通过第一计数浓度测定器测定出的气体中的粒子的计数浓度以及通过第一湿度计测定出的所述气体的湿度,计算所述气体中的粒子的质量浓度。
(备注7)根据备注6所记载的测定方法,其特征在于,通过在比规定的期间长的期间反复进行在所述规定的期间获取通过质量浓度测定器测定出的气体中的粒子的质量浓度、通过第二计数浓度测定器测定出的所述气体中的粒子的计数浓度、以及通过第二湿度计测定出的所述气体的湿度的关系,并根据所述规定的期间内的所述关系计算所述相关,从而得到多个所述相关。
(备注8)根据备注6或7所记载的测定方法,其特征在于,包括如下的处理:获取通过质量浓度测定器测定出的气体中的粒子的质量浓度、通过第二计数浓度测定器测定出的所述气体中的粒子的计数浓度、以及通过第二湿度计测定出的所述气体的湿度,基于获取到的所述质量浓度、所述计数浓度、以及所述湿度,计算所述相关,并使计算出的所述相关存储于所述存储部。
(备注9)根据备注6至8中任一项所记载的测定方法,其特征在于,在计算所述质量浓度的处理中,基于使用两个所述相关并通过内插法或者外推法计算出的换算式,计算所述气体中的粒子的质量浓度。
(备注10)根据备注6至9中任一项所记载的测定方法,其特征在于,在进行所述选择的处理中,基于在与通过所述第一计数浓度测定器测定出所述气体中的粒子的计数浓度的时刻或者通过所述第一湿度计测定出所述气体的湿度的时刻接近的时刻通过质量浓度测定器测定出的气体中的粒子的质量浓度、通过第二计数浓度测定器测定出的所述气体中的粒子的计数浓度、以及通过第二湿度计测定出的所述气体的湿度,选择两个所述相关。
附图标记的说明
10…服务器(测定装置),20、20-1~20-n…简易测定站,30…代表测定站,31…质量浓度测定器,21、32…计数浓度测定器,22、33…湿度计,11…第一获取部,12…相关计算部,13…存储部,14…第二获取部,15…选择部,16…质量浓度计算部。
Claims (6)
1.一种测定装置,其特征在于,具备:
第一获取部,从包括第二质量浓度测定器、第二计数浓度测定器和第二湿度计的第二测定站获取气体中的粒子的第二质量浓度、所述气体中的粒子的第二计数浓度和所述气体的第二湿度;
相关计算部,计算相对于所述第二湿度的所述第二质量浓度与相对于所述第二湿度的所述第二计数浓度的多个相关函数,并且将多个所述相关函数存储在存储部中;
第二获取部,从包括第一计数浓度测定器和第一湿度计的第一测定站获取所述气体中的粒子的第一计数浓度和所述气体的第一湿度;
选择部,参照存储多个所述相关函数的所述存储部,并且从多个所述相关函数选择两个相关函数,两个所述相关函数最接近基于在与测定出所述第一计数浓度或所述第一湿度的测定时刻接近的时刻测定出的所述第二质量浓度、所述第二计数浓度和所述第二湿度曲线化后的点;以及
质量浓度计算部,基于两个所述相关函数并通过使用内插法,计算通过所述点的换算式,并且基于所述粒子的所述第一计数浓度并通过将所述第一湿度代入所述换算式,计算所述粒子的第一质量浓度。
2.根据权利要求1所述的测定装置,其特征在于,
通过在比规定的期间长的期间反复进行在所述规定的期间获取所述第二质量浓度、所述第二计数浓度和所述第二湿度,并根据所述第二质量浓度、所述第二计数浓度和所述第二湿度计算所述相关函数中的每一个相关函数,从而得到多个所述相关函数。
3.根据权利要求1或2所述的测定装置,其特征在于,
所述质量浓度计算部基于使用两个所述相关函数并通过内插法或者外推法计算出的换算式,计算所述气体中的粒子的所述第一质量浓度。
4.一种测定方法,其特征在于,包括如下的处理:
从包括第二质量浓度测定器、第二计数浓度测定器和第二湿度计的第二测定站获取气体中的粒子的第二质量浓度、所述气体中的粒子的第二计数浓度和所述气体的第二湿度;
计算相对于所述第二湿度的所述第二质量浓度与相对于所述第二湿度的所述第二计数浓度的多个相关函数,并且将多个所述相关函数存储在存储部中;
从包括第一计数浓度测定器和第一湿度计的第一测定站获取所述气体中的粒子的第一计数浓度和所述气体的第一湿度;
参照存储多个所述相关函数的所述存储部,并且从多个所述相关函数选择两个相关函数,两个所述相关函数最接近基于在与测定出所述第一计数浓度或所述第一湿度的测定时刻接近的时刻测定出的所述第二质量浓度、所述第二计数浓度和所述第二湿度曲线化后的点;以及
基于两个所述相关函数并通过使用内插法,计算通过所述点的换算式,并且基于所述粒子的所述第一计数浓度并通过将所述第一湿度代入所述换算式,计算所述粒子的第一质量浓度。
5.根据权利要求4所述的测定方法,其特征在于,
通过在比规定的期间长的期间反复进行在所述规定的期间获取所述第二质量浓度、所述第二计数浓度和所述第二湿度,并根据所述第二质量浓度、所述第二计数浓度和所述第二湿度计算所述相关函数中的每一个相关函数,从而得到多个所述相关函数。
6.根据权利要求4或5所述的测定方法,其特征在于,
在计算所述第一质量浓度的处理中,基于使用两个所述相关函数并通过内插法或者外推法计算出的换算式,计算所述气体中的粒子的所述第一质量浓度。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017103278A JP6863079B2 (ja) | 2017-05-25 | 2017-05-25 | 測定装置および測定方法 |
JP2017-103278 | 2017-05-25 | ||
PCT/JP2018/012694 WO2018216350A1 (ja) | 2017-05-25 | 2018-03-28 | 測定装置および測定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110573856A CN110573856A (zh) | 2019-12-13 |
CN110573856B true CN110573856B (zh) | 2023-01-06 |
Family
ID=64396668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880027692.5A Active CN110573856B (zh) | 2017-05-25 | 2018-03-28 | 测定装置以及测定方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11199487B2 (zh) |
JP (1) | JP6863079B2 (zh) |
CN (1) | CN110573856B (zh) |
WO (1) | WO2018216350A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245637A (zh) * | 2013-04-16 | 2013-08-14 | 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 |
CN103942439A (zh) * | 2014-04-24 | 2014-07-23 | 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 |
CN105300861A (zh) * | 2014-05-28 | 2016-02-03 | 富士通株式会社 | 测量装置及测量方法 |
CN105334147A (zh) * | 2015-12-04 | 2016-02-17 | 深圳睿境环保科技有限公司 | 基于β射线法和光散射法的颗粒物在线监测系统及方法 |
CN105527208A (zh) * | 2016-01-27 | 2016-04-27 | 北京市环境保护监测中心 | 一种大气颗粒物质量浓度数据校正方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6055052A (en) | 1998-01-26 | 2000-04-25 | Mie Corporation | System for, and method of, monitoring airborne particulate, including particulate of the PM2.5 class |
JP4578729B2 (ja) * | 2001-07-06 | 2010-11-10 | 株式会社日本自動車部品総合研究所 | 油分率測定装置およびこれを用いた冷凍装置 |
JP2006003090A (ja) * | 2004-06-15 | 2006-01-05 | Dkk Toa Corp | 浮遊粒子状物質測定装置 |
JP2007147519A (ja) | 2005-11-29 | 2007-06-14 | Nidec Sankyo Corp | 粒子計数装置及び粒子計数システム |
US20070131038A1 (en) * | 2005-12-09 | 2007-06-14 | Qiang Wei | Real-time particulate matter measuring system |
CA2641407C (en) * | 2006-02-03 | 2013-12-17 | California Linear Devices, Inc. | Encoder signal analysis system for high-resolution position measurement |
EP3214429B1 (en) | 2014-10-31 | 2021-03-03 | Panasonic Intellectual Property Management Co., Ltd. | Particle detection sensor |
JP6515683B2 (ja) * | 2015-05-29 | 2019-05-22 | 富士通株式会社 | 測定装置および測定システム |
JP6728648B2 (ja) | 2015-11-26 | 2020-07-22 | 富士通株式会社 | 算出装置および算出プログラム |
-
2017
- 2017-05-25 JP JP2017103278A patent/JP6863079B2/ja active Active
-
2018
- 2018-03-28 CN CN201880027692.5A patent/CN110573856B/zh active Active
- 2018-03-28 WO PCT/JP2018/012694 patent/WO2018216350A1/ja active Application Filing
-
2019
- 2019-10-17 US US16/655,964 patent/US11199487B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245637A (zh) * | 2013-04-16 | 2013-08-14 | 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 |
CN103942439A (zh) * | 2014-04-24 | 2014-07-23 | 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 |
CN105300861A (zh) * | 2014-05-28 | 2016-02-03 | 富士通株式会社 | 测量装置及测量方法 |
CN105334147A (zh) * | 2015-12-04 | 2016-02-17 | 深圳睿境环保科技有限公司 | 基于β射线法和光散射法的颗粒物在线监测系统及方法 |
CN105527208A (zh) * | 2016-01-27 | 2016-04-27 | 北京市环境保护监测中心 | 一种大气颗粒物质量浓度数据校正方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6863079B2 (ja) | 2021-04-21 |
US20200049609A1 (en) | 2020-02-13 |
WO2018216350A1 (ja) | 2018-11-29 |
US11199487B2 (en) | 2021-12-14 |
CN110573856A (zh) | 2019-12-13 |
JP2018197726A (ja) | 2018-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Crilley et al. | Evaluation of a low-cost optical particle counter (Alphasense OPC-N2) for ambient air monitoring | |
Aas et al. | Global and regional trends of atmospheric sulfur | |
Levy et al. | Evaluating multipollutant exposure and urban air quality: pollutant interrelationships, neighborhood variability, and nitrogen dioxide as a proxy pollutant | |
Langford et al. | Eddy-covariance data with low signal-to-noise ratio: time-lag determination, uncertainties and limit of detection | |
Chandra et al. | Temporal variations of atmospheric CO 2 and CO at Ahmedabad in western India | |
Wu et al. | A Lagrangian approach towards extracting signals of urban CO 2 emissions from satellite observations of atmospheric column CO 2 (XCO 2): X-Stochastic Time-Inverted Lagrangian Transport model (“X-STILT v1”) | |
Petit et al. | Characterising an intense PM pollution episode in March 2015 in France from multi-site approach and near real time data: Climatology, variabilities, geographical origins and model evaluation | |
Bhave et al. | A field-based approach for determining ATOFMS instrument sensitivities to ammonium and nitrate | |
Languille et al. | A methodology for the characterization of portable sensors for air quality measure with the goal of deployment in citizen science | |
Mukherjee et al. | A study of aerosol properties based on observations of particulate matter from the US Embassy in Beijing, China | |
Han et al. | A comparison study between CMAQ-simulated and OMI-retrieved NO 2 columns over East Asia for evaluation of NO x emission fluxes of INTEX-B, CAPSS, and REAS inventories | |
Solberg et al. | Long-term measurements and model calculations of formaldehyde at rural European monitoring sites | |
Anttila et al. | Relationships between particles, cloud condensation nuclei and cloud droplet activation during the third Pallas Cloud Experiment | |
Gašparac et al. | Regional-scale modelling for the assessment of atmospheric particulate matter concentrations at rural background locations in Europe | |
Lepistö et al. | Measurement of the human respiratory tract deposited surface area of particles with an electrical low pressure impactor | |
Jeong et al. | Determination of the inter-annual and spatial characteristics of the contribution of long-range transport to SO2 levels in Seoul between 2001 and 2010 based on conditional potential source contribution function (CPSCF) | |
JP7479444B2 (ja) | メタンピーク検出 | |
CN108693084B (zh) | 产生源分析装置以及产生源分析系统 | |
Gaudel et al. | On the use of MOZAIC-IAGOS data to assess the ability of the MACC reanalysis to reproduce the distribution of ozone and CO in the UTLS over Europe | |
Vogel et al. | Reconstructing high-resolution in-situ vertical carbon dioxide profiles in the sparsely monitored Asian monsoon region | |
Brönnimann | Century-long column ozone records show that chemical and dynamical influences counteract each other | |
Timmermans et al. | Evaluation of modelled LOTOS-EUROS with observational based PM10 source attribution | |
CN110573856B (zh) | 测定装置以及测定方法 | |
Vermeulen et al. | COMET: a Lagrangian transport model for greenhouse gas emission estimation–forward model technique and performance for methane | |
Chandra et al. | Temporal variations in CO 2 and CO at Ahmedabad in western India. |
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 |