CN111766337B - 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法 - Google Patents

基于多组分气体检测仪传感器阵列的臭气浓度ou值算法 Download PDF

Info

Publication number
CN111766337B
CN111766337B CN202010539873.5A CN202010539873A CN111766337B CN 111766337 B CN111766337 B CN 111766337B CN 202010539873 A CN202010539873 A CN 202010539873A CN 111766337 B CN111766337 B CN 111766337B
Authority
CN
China
Prior art keywords
gas
concentration
odor
value
calculation formula
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
Application number
CN202010539873.5A
Other languages
English (en)
Other versions
CN111766337A (zh
Inventor
耿利华
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 Yingsheng Hengtai Science & Technology Co ltd
Original Assignee
Beijing Yingsheng Hengtai Science & Technology Co ltd
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 Yingsheng Hengtai Science & Technology Co ltd filed Critical Beijing Yingsheng Hengtai Science & Technology Co ltd
Priority to CN202010539873.5A priority Critical patent/CN111766337B/zh
Publication of CN111766337A publication Critical patent/CN111766337A/zh
Application granted granted Critical
Publication of CN111766337B publication Critical patent/CN111766337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Combustion & Propulsion (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)

Abstract

本申请公开了一种基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，包括：基于组合变量、比重系数以及综合调节系数，创建多场景下的臭气浓度OU值计算公式；获取多组分气体检测仪传感器阵列中采集的各气体浓度值；确定应用场景；根据应用场景，将获取到的各气体浓度值代入对应场景下的臭气浓度OU值计算公式，得到臭气浓度OU值。本申请无需人工嗅辨结果值建立PLS数学分析模型，依据恶臭关键气体因子的理论嗅觉阈值参数结合应用场景的经验系数直接推算出实际环境的臭气浓度OU值，本方法减小主观干扰和仪器调试成本，监测结果客观，并且同一应用场景的数据结果具有统一性和可比性，计算过程简单直观，同臭气浓度理论结果吻合度高。

Description

基于多组分气体检测仪传感器阵列的臭气浓度OU值算法
技术领域
本申请涉及气体检测技术领域，具体而言，涉及一种基于多组分气体检测仪传感器阵列的臭气浓度OU值算法。
背景技术
目前，已知的计算臭气浓度OU值的方法，一种是经典的人工三点比较式嗅辨方法，也就是通过一组嗅辨员鼻子嗅辨，每个嗅辨员从闻到气味逐步稀释到闻不到气味，气体所稀释的倍数就是臭气浓度值，5个嗅辨员每个人的嗅辨结果(稀释倍数)取底数为10的对数Lg后的结果值再取平均值，再用这个平均值取底数为10的反对数计算，计算的结果就是标准的三点比较式嗅辨臭气浓度结果值。此方法虽为国标方法，但在实际应用过程中很难执行。主要是此方法对检测流程和嗅辨场所环境要求非常高，很难要求全国统一，而且嗅辨过程人工主观因素和个体差异影响非常大，导致同样的恶臭气体不同的嗅辨小组嗅辨的结果差异巨大，另外此方法需要采样回实验室进行嗅辨，缺乏时效性，无法实现现场实时获得检测结果。
另一种目前比较流行的方法是利用电子鼻传感器阵列技术，通过将传感器阵列信号和人工嗅辨的结果值利用PLS最小偏二乘法算法模拟回归，找出信号信息和臭气浓度OU值的拟合和数学对应关系，然后根据这个对应关系检测未知气体的臭气浓度OU值，这个方法核心是PLS定量拟合模型的算法。由于拟合算法需要前期的人工嗅辨结果，一方面人工嗅辨工作量巨大，另一方面各地人工嗅辨结果不统一导致各地安装的电子鼻的PLS模型不一样，很难保证各台设备数据间的理论可比性。
针对相关技术中准确计算臭气浓度OU值的方法的问题，目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，以解决相关技术中准确计算臭气浓度OU值的方法的问题。本发明申请，结合经验调整相关的计算系数，无需建立PLS模型，自动计算臭气浓度OU值。
为了实现上述目的，本申请提供了一种基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，流程如下：
步骤S1：基于组合变量、比重系数以及综合调节系数，创建多场景下的臭气浓度OU值计算公式；
步骤S2：获取多组分气体检测仪传感器阵列中采集的各气体浓度值；
步骤S3：确定应用场景；
步骤S4：根据应用场景，将获取到的各气体浓度值代入对应场景下的臭气浓度OU值计算公式，得到臭气浓度OU值。
所述创建多场景下的臭气浓度OU值计算公式，过程如下：
步骤S1.1：确定典型臭味气体；
步骤S1.2：获取典型臭味气体的理论嗅辨阈值；
步骤S1.3：假设实际测试臭味气体的浓度值；
步骤S1.4：构造组合变量；
步骤S1.5：基于组合变量、比重系数以及综合调节系数，创建臭气浓度OU值计算公式；
步骤S1.6：调整比重系数以及综合调节系数，创建多场景下的臭气浓度OU值计算公式。
所述典型臭味气体，包括：氨气、三甲胺气体、硫化氢气体、甲硫醇气体、甲硫醚气体、二甲二硫醚气体、二硫化碳气体、苯乙烯气体。
所述获取典型臭味气体的理论嗅辨阈值，具体为：氨气：1500ppb、三甲胺气体：0.032ppb、硫化氢气体：0.41ppb、甲硫醇气体：0.07ppb、甲硫醚气体：0.03ppb、二甲二硫醚气体：0.22ppb、二硫化碳气体：210ppb以及苯乙烯气体：35ppb、TVOC(Total VolatileOrganic Compounds)总有机挥发气体嗅觉阈值统一估算为10ppb。
所述假设实际测试臭味气体的浓度值，具体为：假设实际测试的氨气浓度为a、三甲胺气体的测试浓度为b、硫化氢气体的测试浓度为c、,甲硫醇气体的测试浓度为d、甲硫醚气体的测试浓度为e、二甲二硫醚气体测试浓度为f、二硫化碳气体测试浓度为g、苯乙烯气体的测试浓度为h、TVOC总有机挥发气体浓度为i，单位均为ppb。
所述构造组合变量，具体过程如下：
(1)对于氨气和硫化氢气体，取两种气体的最大值，假设为X＝max{a/1500；c/0.41}；
(2)对于甲硫醇、甲硫醚、二甲二硫醚三种气体，取这三种气体对数平均值为[lg(d/0.07)+lg(e/0.03)+lg(f/0.22)]/3＝y，并对y取反对数值Y＝10^y；
(3)对于苯乙烯气体以及TVOC，取两种气体的最大值，假设为Z＝max{h/35；i/10}；
(4)三甲胺气体的折算OU值的结果为V＝b/0.032；
(5)二硫化碳气体的折算OU值的结果为W＝g/210；
故最后决定计算结果的变量值，即组合变量为：X、Y、Z、V以及W。
所述创建臭气浓度OU值计算公式：
OU＝(μ1*X+μ2*Y+μ3*Z+μ4*V+μ5*W)*β
其中，μ1\μ2\μ3\μ4\μ5为比重系数，μ1+μ2+μ3+μ4+μ5<＝1，β为综合调节系数，主要是依据实际现场的嗅辨员嗅辨的臭味强度判读系数，通常为0.1到1之间。
所述创建多场景下的臭气浓度OU值计算公式：
场景为垃圾填埋场的臭气浓度OU值计算公式：
OU＝(0.5X+0.1Y+0.2Z+0.1V+0.1W)*0.9
场景为污水处理厂的臭气浓度OU值计算公式：
OU＝(0.6X+0.05Y+0.2Z+0.05V+0.1W)*0.6
场景为化工园区的臭气浓度OU值计算公式：
OU＝(0.3X+0.1Y+0.4Z+0.1V+0.1W)*0.5
场景为制药厂的臭气浓度OU值计算公式：
OU＝(0.2X+0.1Y+0.5Z+0.1V+0.1W)*0.6
场景为石化工业区的臭气浓度OU值计算公式：
OU＝(0.2X+0.15Y+0.3Z+0.15V+0.2W)*0.5
场景为居民环境区的臭气浓度OU值计算公式：
OU＝(0.6X+0.05Y+0.2Z+0.05V+0.1W)*0.2。
有益技术效果：
本申请的方法，以主要代表性臭气的嗅辨阈值为基础，通过组合公式计算出臭气浓度OU值，并依据不同的应用场景，明确了相关的参比系数，可以对特定应用场合，不需要辅助的人工嗅辨结果值，直接通过公式计算出比较符合实际情况的臭气浓度OU值；本申请无需人工嗅辨结果值建立PLS数学分析模型，依据恶臭关键气体因子的理论嗅觉阈值参数结合应用场景的经验系数直接推算出实际环境的臭气浓度OU值，此方法减小人的主观干扰和仪器调试成本，仪器安装后直接计算结果，监测结果客观，并且同一应用场景的数据结果具有统一性和可比性，计算过程简单直观，同臭气浓度理论结果吻合度高。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例提供的一种基于多组分气体检测仪传感器阵列的臭气浓度OU值算法流程图；
图2是根据本申请实施例提供的创建多场景下的臭气浓度OU值计算公式流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。
另外，术语“多个”的含义应为两个以及两个以上。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本申请提供了一种基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，如图1所示，流程如下：
步骤S1：基于组合变量、比重系数以及综合调节系数，创建多场景下的臭气浓度OU值计算公式；
步骤S2：获取多组分气体检测仪传感器阵列中采集的各气体浓度值；
步骤S3：确定应用场景；
步骤S4：根据应用场景，将获取到的各气体浓度值代入对应场景下的臭气浓度OU值计算公式，得到臭气浓度OU值。
所述创建多场景下的臭气浓度OU值计算公式，如图2所示，过程如下：
步骤S1.1：确定典型臭味气体；
步骤S1.2：获取典型臭味气体的理论嗅辨阈值；
步骤S1.3：假设实际测试臭味气体的浓度值；
步骤S1.4：构造组合变量；
步骤S1.5：基于组合变量、比重系数以及综合调节系数，创建臭气浓度OU值计算公式；
步骤S1.6：调整比重系数以及综合调节系数，创建多场景下的臭气浓度OU值计算公式。
所述典型臭味气体，包括：氨气、三甲胺气体、硫化氢气体、甲硫醇气体、甲硫醚气体、二甲二硫醚气体、二硫化碳气体、苯乙烯气体。以这8种气体和TVOC气体的检测浓度为计算基础，如果将来标准中新增了典型气体种类，可以扩展新增的典型气体浓度为计算基础。
所述获取典型臭味气体的理论嗅辨阈值，具体为：氨气：1500ppb、三甲胺气体：0.032ppb、硫化氢气体：0.41ppb、甲硫醇气体：0.07ppb、甲硫醚气体：0.03ppb、二甲二硫醚气体：0.22ppb、二硫化碳气体：210ppb以及苯乙烯气体：35ppb、TVOC总有机挥发气体嗅觉阈值统一估算为10ppb。
所述假设实际测试臭味气体的浓度值，具体为：假设实际测试的氨气浓度为a、三甲胺气体的测试浓度为b、硫化氢气体的测试浓度为c、,甲硫醇气体的测试浓度为d、甲硫醚气体的测试浓度为e、二甲二硫醚气体测试浓度为f、二硫化碳气体测试浓度为g、苯乙烯气体的测试浓度为h、TVOC总有机挥发气体浓度为i，单位均为ppb。
所述构造组合变量，具体过程如下：
(1)氨气和硫化氢气体酸碱性质相反，一般情况下空气中不会同时高浓度存在，取两种气体的最大值，假设为X＝max{a/1500；c/0.41}；
(2)甲硫醇、甲硫醚、二甲二硫醚三种气体性质接近，传感器相互交叉干扰也比较严重，故取这三种气体对数平均值为[lg(d/0.07)+lg(e/0.03)+lg(f/0.22)]/3＝y，反对数值Y＝10^y；
(3)苯乙烯气体同TVOC结果值可以归为一类，则取两种气体的最大值，假设为Z＝max{h/35；i/10}；
(4)三甲胺气体的折算OU值的结果为V＝b/0.032
(5)二硫化碳气体的折算OU值的结果为W＝g/210
故最后决定计算结果的变量值，即组合变量为：X、Y、Z、V以及W。
所述创建臭气浓度OU值计算公式：
OU＝(μ1*X+μ2*Y+μ3*Z+μ4*V+μ5*W)*β
其中，μ1\μ2\μ3\μ4\μ5为比重系数，μ1+μ2+μ3+μ4+μ5<＝1，β为综合调节系数，主要是依据实际现场的嗅辨员嗅辨的臭味强度判读系数，通常为0.1到1之间。
所述创建多场景下的臭气浓度OU值计算公式，依据多年现场仪器监测使用经验，及各气体间的相互掩盖和增益作用，及各用于场合的实际气体状态，总结出以下应用场合的OU实际的系数值：
场景为垃圾填埋场的臭气浓度OU值计算公式：
OU＝(0.5X+0.1Y+0.2Z+0.1V+0.1W)*0.9
场景为污水处理厂的臭气浓度OU值计算公式：
OU＝(0.6X+0.05Y+0.2Z+0.05V+0.1W)*0.6
场景为化工园区的臭气浓度OU值计算公式：
OU＝(0.3X+0.1Y+0.4Z+0.1V+0.1W)*0.5
场景为制药厂的臭气浓度OU值计算公式：
OU＝(0.2X+0.1Y+0.5Z+0.1V+0.1W)*0.6
场景为石化工业区的臭气浓度OU值计算公式：
OU＝(0.2X+0.15Y+0.3Z+0.15V+0.2W)*0.5
场景为居民环境区的臭气浓度OU值计算公式：
OU＝(0.6X+0.05Y+0.2Z+0.05V+0.1W)*0.2。
在实际应用中，依据多组分气体检测仪传感器阵列安装的现场，选择合适的计算公式，自动计算出OU结果值。目前公式中相关的系数，已经经过验证，计算结果也基本符合常规的三点比较式人工嗅辨结果值，可以直接使用。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (6)

1.一种基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，其特征在于，包括如下流程：
步骤S1：基于组合变量、比重系数以及综合调节系数，创建多场景下的臭气浓度OU值计算公式；
步骤S2：获取多组分气体检测仪传感器阵列中采集的各气体浓度值；
步骤S3：确定应用场景；
步骤S4：根据应用场景，将获取到的各气体浓度值代入对应场景下的臭气浓度OU值计算公式，得到臭气浓度OU值；
所述创建多场景下的臭气浓度OU值计算公式，过程如下：
步骤S1.1：确定典型臭味气体；
步骤S1.2：获取典型臭味气体的理论嗅辨阈值；
步骤S1.3：假设实际测试臭味气体的浓度值；
步骤S1.4：构造组合变量；
步骤S1.5：基于组合变量、比重系数以及综合调节系数，创建臭气浓度OU值计算公式；
步骤S1.6：调整比重系数以及综合调节系数，创建多场景下的臭气浓度OU值计算公式；
所述构造组合变量，具体过程如下：
(1)对于氨气和硫化氢气体，取两种气体的最大值，假设为X＝max{a/1500；c/0.41}；
(2)对于甲硫醇、甲硫醚、二甲二硫醚三种气体，取这三种气体对数平均值为[lg(d/0.07)+lg(e/0.03)+lg(f/0.22)]/3＝y，并对y取反对数值Y＝10^y；
(3)对于苯乙烯气体以及TVOC，取两种气体的最大值，假设为Z＝max{h/35；i/10}；
(4)三甲胺气体的折算OU值的结果为V＝b/0.032；
(5)二硫化碳气体的折算OU值的结果为W＝g/210；
故最后决定计算结果的变量值，即组合变量为：X、Y、Z、V以及W。
2.如权利要求1所述的基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，其特征在于，所述典型臭味气体，包括：氨气、三甲胺气体、硫化氢气体、甲硫醇气体、甲硫醚气体、二甲二硫醚气体、二硫化碳气体、苯乙烯气体。
3.如权利要求1所述的基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，其特征在于，所述获取典型臭味气体的理论嗅辨阈值，具体为：氨气：1500ppb、三甲胺气体：0.032ppb、硫化氢气体：0.41ppb、甲硫醇气体：0.07ppb、甲硫醚气体：0.03ppb、二甲二硫醚气体：0.22ppb、二硫化碳气体：210ppb以及苯乙烯气体：35ppb、TVOC总有机挥发气体嗅觉阈值统一估算为10ppb。
4.如权利要求1所述的基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，其特征在于，所述假设实际测试臭味气体的浓度值，具体为：假设实际测试的氨气浓度为a、三甲胺气体的测试浓度为b、硫化氢气体的测试浓度为c、甲硫醇气体的测试浓度为d、甲硫醚气体的测试浓度为e、二甲二硫醚气体测试浓度为f、二硫化碳气体测试浓度为g、苯乙烯气体的测试浓度为h、TVOC总有机挥发气体浓度为i，单位均为ppb。
5.如权利要求1所述的基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，其特征在于，所述创建臭气浓度OU值计算公式：
OU＝(μ1*X+μ2*Y+μ3*Z+μ4*V+μ5*W)*β
其中，μ1\μ2\μ3\μ4\μ5为比重系数，μ1+μ2+μ3+μ4+μ5<＝1，β为综合调节系数，取值为0.1到1之间。
6.如权利要求1所述的基于多组分气体检测仪传感器阵列的臭气浓度OU值算法，其特征在于，所述创建多场景下的臭气浓度OU值计算公式：
场景为垃圾填埋场的臭气浓度OU值计算公式：
OU＝(0.5X+0.1Y+0.2Z+0.1V+0.1W)*0.9
场景为污水处理厂的臭气浓度OU值计算公式：
OU＝(0.6X+0.05Y+0.2Z+0.05V+0.1W)*0.6
场景为化工园区的臭气浓度OU值计算公式：
OU＝(0.3X+0.1Y+0.4Z+0.1V+0.1W)*0.5
场景为制药厂的臭气浓度OU值计算公式：
OU＝(0.2X+0.1Y+0.5Z+0.1V+0.1W)*0.6
场景为石化工业区的臭气浓度OU值计算公式：
OU＝(0.2X+0.15Y+0.3Z+0.15V+0.2W)*0.5
场景为居民环境区的臭气浓度OU值计算公式：
OU＝(0.6X+0.05Y+0.2Z+0.05V+0.1W)*0.2。
CN202010539873.5A 2020-06-12 2020-06-12 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法 Active CN111766337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010539873.5A CN111766337B (zh) 2020-06-12 2020-06-12 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010539873.5A CN111766337B (zh) 2020-06-12 2020-06-12 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法

Publications (2)

Publication Number Publication Date
CN111766337A CN111766337A (zh) 2020-10-13
CN111766337B true CN111766337B (zh) 2022-07-22

Family

ID=72721229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010539873.5A Active CN111766337B (zh) 2020-06-12 2020-06-12 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法

Country Status (1)

Country Link
CN (1) CN111766337B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113075264A (zh) * 2021-03-30 2021-07-06 北京艾森泰科科技有限责任公司 通过传感器信号值拟合计算臭气浓度值的方法和装置
CN113358702A (zh) * 2021-06-08 2021-09-07 无锡时和安全设备有限公司 基于传感器阵列模块化的污染源监测系统
CN113984960A (zh) * 2021-09-24 2022-01-28 中汽研汽车检验中心（天津）有限公司 一种动态混合方式研究多组分气体气味特性的方法
CN117368132B (zh) * 2023-12-07 2024-02-27 杭州泽天春来科技股份有限公司 恶臭气体检测方法、装置及计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103175781A (zh) * 2013-03-26 2013-06-26 北京拓扑智鑫科技有限公司 在线区域布点式恶臭监测系统及方法
CN103196830A (zh) * 2013-03-26 2013-07-10 北京拓扑智鑫科技有限公司 环境恶臭污染定量监测方法
CN105259318A (zh) * 2015-11-27 2016-01-20 北京拓扑智鑫环境科技股份有限公司 一种基于气象参数的恶臭ou值预测方法和系统
CN107449874A (zh) * 2017-09-13 2017-12-08 中国科学院地理科学与资源研究所 一种基于传感器的有机废物处理设施恶臭监测系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103175781A (zh) * 2013-03-26 2013-06-26 北京拓扑智鑫科技有限公司 在线区域布点式恶臭监测系统及方法
CN103196830A (zh) * 2013-03-26 2013-07-10 北京拓扑智鑫科技有限公司 环境恶臭污染定量监测方法
CN105259318A (zh) * 2015-11-27 2016-01-20 北京拓扑智鑫环境科技股份有限公司 一种基于气象参数的恶臭ou值预测方法和系统
CN107449874A (zh) * 2017-09-13 2017-12-08 中国科学院地理科学与资源研究所 一种基于传感器的有机废物处理设施恶臭监测系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
城市污水处理厂恶臭挥发性有机物的感官定量评价研究;刘舒乐等;《环境科学》;20111231(第12期);第3582-3586页 *
天津市环境空气中恶臭感官定量评价分析;商细彬等;《环境科学与管理》;20130115(第01期);第58-62页 *
恶臭国标测定方法和便携式恶臭测定仪测定结果的比对分析;王媛媛等;《环境监控与预警》;20171015(第05期);第24-27页 *
恶臭的测定与评价;张荣贤;《化工环保》;19961030(第05期);第269-275 *

Also Published As

Publication number Publication date
CN111766337A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
CN111766337B (zh) 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法
Mueller et al. Design of an ozone and nitrogen dioxide sensor unit and its long-term operation within a sensor network in the city of Zurich
CN108760912B (zh) 一种基于恶臭指纹图谱的恶臭污染溯源方法及应用
CN108896706B (zh) 大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法
Hansen et al. Multivariate prediction of odor from pig production based on in-situ measurement of odorants
CN114674988B (zh) 一种基于无线网络的空气在线监测系统
CN108760913A (zh) 一种大气恶臭污染溯源系统及应用
CN112540148A (zh) 一种炼化企业大气污染物监测预警与溯源系统构建方法
CN109633094A (zh) 一种臭气浓度在线监测方法
CN110763775A (zh) 复合气体的气味浓度计算方法
Bax et al. Real-time monitoring of odour concentration at a landfill fenceline: performance verification in the field
Ravina et al. Integrated model for estimating odor emissions from civil wastewater treatment plants
CN113340943B (zh) 基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法
CN115239209A (zh) 用于垃圾填埋场筛除含重金属腐殖土的方法、设备和系统
CN112651173A (zh) 一种基于跨域光谱信息的农产品品质无损检测方法及可泛化系统
CN115423383B (zh) 基于人工智能的分布式村镇饮用水监测调控系统及方法
CN110646565A (zh) 一种室内空气质量监控方法
Li Voti et al. Testing procedure for performance evaluation of electronic noses for environmental odour monitoring
Bax et al. Application and performance verification of electronic noses for landfill odour monitoring
Harrje et al. Tracer gas measurement systems compared in a multifamily building.
CN114611280A (zh) 基于obm和ebm多模式的臭氧综合源解析方法
CN110907611A (zh) 一种区域恶臭污染的检测控制系统
CN116958140B (zh) 一种评价气溶胶采样器的气体到液体采样效率的方法
Jiang et al. Controlling noxious animal odours: An imperative at the rural-urban interface-Review
Almarcha et al. Application of an Advanced System for the Monitoring of WWTP Odour Emissions and Benefits of its Use

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