CN112014344A - 一种污水在线监测方法 - Google Patents
一种污水在线监测方法 Download PDFInfo
- Publication number
- CN112014344A CN112014344A CN202010851662.5A CN202010851662A CN112014344A CN 112014344 A CN112014344 A CN 112014344A CN 202010851662 A CN202010851662 A CN 202010851662A CN 112014344 A CN112014344 A CN 112014344A
- Authority
- CN
- China
- Prior art keywords
- sewage
- sample
- percentage
- spectrogram
- real
- 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
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 102
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000002835 absorbance Methods 0.000 claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 12
- 238000002798 spectrophotometry method Methods 0.000 claims abstract description 10
- 239000000523 sample Substances 0.000 claims description 38
- 239000012496 blank sample Substances 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 13
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 239000002351 wastewater Substances 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000007865 diluting Methods 0.000 claims description 3
- 239000003085 diluting agent Substances 0.000 claims description 3
- 239000008213 purified water Substances 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 239000008399 tap water Substances 0.000 claims description 3
- 235000020679 tap water Nutrition 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011202 physical detection method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
Abstract
本发明涉及一种污水在线监测方法，包括以下步骤：S1、采用紫外分光光度法对污水样本进行分析，得到吸光度数据；S2、将吸光度数据用PLS建模，得到PLS模型；S3、根据PLS模型计算实时的污水百分比；S4、将实时的污水百分比与界定的污水排放阈值进行比较，判断是否发生污水偷排。本发明的应用场景主要是针对污水在线监测系统，此方法基于偏最小二乘法(PLS)建模，能够相对准确的测量污水中各个水质成分的含量，能实时监测是否发生污水偷排。
Description
技术领域
本发明涉及污水在线监测领域，具体涉及一种污水在线监测方法。
背景技术
污水在线监测系统中，由于每个地方的污水产生的方式不同，导致污水水质成分含量差异很大。目前对污水在线监测的方法普遍采用单一的分析方法，如采用COD(化学需氧量)法、生物传感法和物理检测法，均难以满足准确测量水质含量的要求，而且COD(化学需氧量)法容易造成环境的二次污染；生物传感法重复利用性差且灵敏度低；单一的物理监测手段如光谱法，分析得到的污水水质成分准确性较低。因此，需要结合一定的模型进行预测校准。
现有的污水监测系统中，提出了基于单因子污染指数的水质评价模型，用于预测海浪河水质评价，但是此方法的复杂性较高。
还有提出了基于主成分分析法(PCA)的污水监测，如刘晓楠等提出主成分分析法在汾河水质评价中的应用，但是主成分分析法需要各指标之间有较好的线性关系，但是实际污水水质各成分指标往往是非线性的，因此预测结果往往准确性偏低。
有模糊综合评价法分析水质，但是此方法仅适用于评价因子接近的情况。
发明内容
为了解决上述问题，本发明提供了一种污水在线监测方法，包括以下步骤：
S1、采用紫外分光光度法对污水样本进行分析，得到吸光度数据；
S2、将吸光度数据用PLS建模，得到PLS模型；
S3、根据PLS模型计算实时的污水百分比；
S4、将实时的污水百分比与界定的污水排放阈值进行比较，判断是否发生污水偷排。
较佳地，所述步骤S1包括以下几个步骤：
S101、取一定量的纯净水或自来水作为空白样进行紫外分光光度法，分析得到空白样光谱图；
S102、取一定量的企业污水，并将空白样作为稀释液，按浓度梯度w％增量进行稀释，得到100/w组污水样本；
S103、将100/w组污水样本按1:k的比例进行划分，分成用于预测的预测集样本和用于校正的校正集样本，其中，k为正整数；
S104、通过紫外分光光度法对预测集样本和校正集样本进行分析，得到对应的样本光谱图；
S105、在(n0～n0+n)nm波段下，将每个样本光谱图上对应的n个像素点与空白样光谱图上对应的n个像素点强度值做差，得到扣除空白的光谱图Z；
S106、对光谱图Z进行浊度补偿
以t为特征波长，分析得到空白样在此特征波长下的强度值为Y0，实时的样本光谱图在此特征波长下的强度值为Y，则得到浊度补偿系数r：
r＝(Y0–Y)/Y (1)
S107、将光谱图Z中的每个像素点乘以浊度补偿系数r，得到光谱图Z'；
S108、光谱图Z'中的每个像素点的强度值为Yi'，其对应波长下的空白样的强度值为Y0i，对应波长下所要计算得到的吸光度Ai：
Ai＝-lg(Yi'/Y0i)*1000 (2)
S109、根据公式(2)可以得到每张光谱图Z'的吸光度数据A。
较佳地，在步骤S104，n0＝200，n＝500。
较佳地，所述步骤S2包括以下几个步骤：
S201、将吸光度数据A进行分解，对污水百分比浓度C进行主成分分析：
A＝T*P+E (3)，
C＝U*Q+F (4)，
其中，T为光谱得分矩阵，P为其主成分矩阵，U为浓度得分矩阵，Q为其主成分矩阵，E和F为残差；
S202、将T和U回归，U＝T*B，B为关联系数；
S203、预测C＝T*B*Q；
S204、计算评价指标预测标准偏差RMSEP、校正标准偏差RMSEC以及 R2:
式中，
为预测集样本的污水百分比预测值，yi为样本污水百分比参考值，m为预测集样本的个数；
式中，
为校正集样本的污水百分比预测值，yi为样本污水百分比参考值，n1为校正集样本的个数；
式中，
为污水样本的污水百分比预测值，yi为样本污水百分比参考值，
为样本污水百分比参考值均值，n2为污水样本的个数。
较佳地，所述步骤S3包括：将步骤S2中得到的PLS计算模型，用于污水在线监测系统的实时检测中，预测实时的污水百分比Ctnow：
Ctnow＝T*B*Q (8)。
较佳地，所述步骤S4包括：将公式(8)中得到的实时污水百分比Ctnow与污水在线监测系统界定的污水排放阈值δ进行比较，若Ctnow>δ，则认为发生了污水偷排。
与现有技术相比，本发明存在以下技术效果：
1、本发明提供一种污水在线监测方法，其应用场景主要是针对污水在线监测系统，此方法基于偏最小二乘法(PLS)建模，能够相对准确的测量污水中各个水质成分的含量，能实时监测是否发生污水偷排。
2、本发明具有通用性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：
图1为本发明的优选实施例提供的一种污水在线监测方法的步骤图。
具体实施方式
以下将结合图1对本发明提供的一种污水在线监测方法进行详细的描述，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例，本领域技术人员在不改变本发明精神和内容的范围内，能够对其进行修改和润色。
请参考图1，一种污水在线监测方法，包括以下步骤：
S1、采用紫外分光光度法对污水样本进行分析，得到吸光度数据；
所述步骤S1包括以下几个步骤：
S101、取一定量的纯净水或自来水作为空白样进行紫外分光光度法，分析得到空白样光谱图；
S102、取一定量的污水，并将空白样作为稀释液，按浓度梯度w％增量进行稀释，得到100/w组污水样本；
S103、将100/w组污水样本按1:k的比例进行划分，分成用于预测的预测集样本和用于校正的校正集样本，其中，k为正整数，预测集样本的个数为 100/W/(1+k)，校正集样本的个数为100*k/W/(1+k)；
S104、通过紫外分光光度法对预测集样本和校正集样本进行分析，得到对应的样本光谱图；
S105、在(n0～n0+n)nm波段(n0表示波段起始点，本实施例对n0不做具体限制，本实施例优选此波段为200～700nm，即n0＝200，n＝500)下，即n 个像素计算点，将每个样本光谱图上对应的n个像素点与空白样光谱图上对应的n个像素点强度值做差，得到扣除空白的光谱图Z；
S106、对光谱图Z进行浊度补偿
以t为特征波长，分析得到空白样在此特征波长下的强度值为Y0，实时的样本光谱图在此特征波长下的强度值为Y，则得到浊度补偿系数r：
r＝(Y0–Y)/Y (1)
S107、将光谱图Z中的每个像素点乘以浊度补偿系数r，得到光谱图Z'；
S108、光谱图Z'中的每个像素点的强度值为Yi'，其对应波长下的空白样的强度值为Y0i，对应波长下所要计算得到的吸光度Ai：
Ai＝-lg(Yi'/Y0i)*1000 (2)
S109、根据公式(2)可以得到每张光谱图Z'的吸光度数据A(矩阵)。
S2、将吸光度数据用PLS建模，得到PLS模型；
所述步骤S2包括以下几个步骤：
S201、将吸光度数据A进行分解，对污水百分比浓度C进行主成分分析：
A＝T*P+E (3)，
C＝U*Q+F (4)，
其中，T为光谱得分矩阵，P为其主成分矩阵，U为浓度得分矩阵，Q为其主成分矩阵，E和F为残差；
S202、将T和U回归，U＝T*B，B为关联系数；
S203、预测C＝T*B*Q，T由公式(3)推导出来；
S204、计算评价指标预测标准偏差RMSEP、校正标准偏差RMSEC以及 R2:
式中，
为预测集样本的污水百分比预测值，yi为样本污水百分比参考值，m为预测集样本的个数，m＝100/W/(1+k)；
式中，
为校正集样本的污水百分比预测值，yi为样本污水百分比参考值，n1为校正集样本的个数，n1＝100*k/W/(1+k)；
式中，
为污水样本的污水百分比预测值，yi为样本污水百分比参考值，
为样本污水百分比参考值均值，n2为污水样本的个数，n2＝100/W。
S3、根据PLS模型计算实时的污水百分比；
在此步骤S3中，将步骤S2中得到的PLS计算模型，用于污水在线监测系统的实时检测中，预测实时的污水百分比Ctnow：
Ctnow＝T*B*Q (8)。
S4、将实时的污水百分比与界定的污水排放阈值进行比较，判断是否发生污水偷排；
在此步骤S3中，将公式(8)中得到的实时污水百分比Ctnow与污水在线监测系统界定的污水排放阈值δ进行比较，若Ctnow>δ，则认为发生了污水偷排。
Claims (6)
1.一种污水在线监测方法，其特征在于，包括以下步骤：
S1、采用紫外分光光度法对污水样本进行分析，得到吸光度数据；
S2、将吸光度数据用PLS建模，得到PLS模型；
S3、根据PLS模型计算实时的污水百分比；
S4、将实时的污水百分比与界定的污水排放阈值进行比较，判断是否发生污水偷排。
2.如权利要求1所述的一种污水在线监测方法，其特征在于，所述步骤S1包括以下几个步骤：
S101、取一定量的纯净水或自来水作为空白样进行紫外分光光度法，分析得到空白样光谱图；
S102、取一定量的污水，并将空白样作为稀释液，按浓度梯度w％增量进行稀释，得到100/w组污水样本；
S103、将100/w组污水样本按1:k的比例进行划分，分成用于预测的预测集样本和用于校正的校正集样本，其中，k为正整数；
S104、通过紫外分光光度法对预测集样本和校正集样本进行分析，得到对应的样本光谱图；
S105、在(n0～n0+n)nm波段下，将每个样本光谱图上对应的n个像素点与空白样光谱图上对应的n个像素点强度值做差，得到扣除空白的光谱图Z；
S106、对光谱图Z进行浊度补偿
以t为特征波长，分析得到空白样在此特征波长下的强度值为Y0，实时的样本光谱图在此特征波长下的强度值为Y，则得到浊度补偿系数r：
r＝(Y0–Y)/Y (1)
S107、将光谱图Z中的每个像素点乘以浊度补偿系数r，得到光谱图Z'；
S108、光谱图Z'中的每个像素点的强度值为Yi'，其对应波长下的空白样的强度值为Y0i，对应波长下所要计算得到的吸光度Ai：
Ai＝-lg(Yi'/Y0i)*1000 (2)
S109、根据公式(2)可以得到每张光谱图Z'的吸光度数据A。
3.如权利要求2所述的一种污水在线监测方法，其特征在于，在步骤S104，n0＝200，n＝500。
4.如权利要求2所述的一种污水在线监测方法，其特征在于，所述步骤S2包括以下几个步骤：
S201、将吸光度数据A进行分解，对污水百分比浓度C进行主成分分析：
A＝T*P+E (3)，
C＝U*Q+F (4)，
其中，T为光谱得分矩阵，P为其主成分矩阵，U为浓度得分矩阵，Q为其主成分矩阵，E和F为残差；
S202、将T和U回归，U＝T*B，B为关联系数；
S203、预测C＝T*B*Q；
S204、计算评价指标预测标准偏差RMSEP、校正标准偏差RMSEC以及R2:
式中，
为预测集样本的污水百分比预测值，yi为样本污水百分比参考值，m为预测集样本的个数；
式中，
为校正集样本的污水百分比预测值，yi为样本污水百分比参考值，n1为校正集样本的个数；
式中，
为污水样本的污水百分比预测值，yi为样本污水百分比参考值，
为样本污水百分比参考值均值，n2为污水样本的个数。
5.如权利要求4所述的一种污水在线监测方法，其特征在于，所述步骤S3包括：将步骤S2中得到的PLS计算模型，用于污水在线监测系统的实时检测中，预测实时的污水百分比Ctnow：
Ctnow＝T*B*Q (8)。
6.如权利要求5所述的一种污水在线监测方法，其特征在于，所述步骤S4包括：将公式(8)中得到的实时污水百分比Ctnow与污水在线监测系统界定的污水排放阈值δ进行比较，若Ctnow>δ，则认为发生了污水偷排。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010851662.5A CN112014344B (zh) | 2020-08-21 | 2020-08-21 | 一种污水在线监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010851662.5A CN112014344B (zh) | 2020-08-21 | 2020-08-21 | 一种污水在线监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112014344A true CN112014344A (zh) | 2020-12-01 |
| CN112014344B CN112014344B (zh) | 2022-11-22 |
Family
ID=73505534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010851662.5A Active CN112014344B (zh) | 2020-08-21 | 2020-08-21 | 一种污水在线监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112014344B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113092457A (zh) * | 2021-04-07 | 2021-07-09 | 福州大学 | 适用于复杂环境水体中亚硝酸盐氮的在线准确检测方法 |
| CN116380822A (zh) * | 2023-06-05 | 2023-07-04 | 未名环境分子诊断（常熟）有限公司 | 一种污水连续监测方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001055717A1 (en) * | 2000-01-26 | 2001-08-02 | Shw Hölter Wassertechnik Gmbh | Method for monitoring an aqueous system |
| US20100283994A1 (en) * | 2009-05-07 | 2010-11-11 | Michael John Preiner | Measurement of Nitrate-Nitrogen Concentration in Soil based on Absorption Spectroscopy |
| CN103712939A (zh) * | 2013-12-30 | 2014-04-09 | 张显超 | 一种基于紫外可见光谱的污染物浓度拟合方法 |
| CN104034684A (zh) * | 2014-06-05 | 2014-09-10 | 北京金达清创环境科技有限公司 | 一种基于紫外-可见吸收光谱的水质多指标检测方法 |
| CN106198424A (zh) * | 2016-09-28 | 2016-12-07 | 深圳市七善科技有限公司 | 一种基于全光谱水质在线监测设备及其监测方法 |
| CN106990060A (zh) * | 2017-03-24 | 2017-07-28 | 四川碧朗科技有限公司 | 水质指标监测仪、云数据中心及系统、预测方法和水样识别方法 |
| CN110987846A (zh) * | 2019-11-27 | 2020-04-10 | 中国科学院西安光学精密机械研究所 | 一种基于iPLS-PA算法的硝酸盐浓度预测方法 |
| CN111157476A (zh) * | 2020-02-21 | 2020-05-15 | 中国科学院合肥物质科学研究院 | 一种水质多参数紫外可见吸收光谱定量化反演方法 |
| CN111198167A (zh) * | 2020-01-06 | 2020-05-26 | 邵阳学院 | 一种溶液金属离子浓度检测方法、终端设备及存储介质 |
| CN111351762A (zh) * | 2020-04-22 | 2020-06-30 | 青岛理工大学 | 一种紫外-可见光全波长扫描污水水质在线快速检测方法和应用 |
-
2020
- 2020-08-21 CN CN202010851662.5A patent/CN112014344B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001055717A1 (en) * | 2000-01-26 | 2001-08-02 | Shw Hölter Wassertechnik Gmbh | Method for monitoring an aqueous system |
| US20100283994A1 (en) * | 2009-05-07 | 2010-11-11 | Michael John Preiner | Measurement of Nitrate-Nitrogen Concentration in Soil based on Absorption Spectroscopy |
| CN103712939A (zh) * | 2013-12-30 | 2014-04-09 | 张显超 | 一种基于紫外可见光谱的污染物浓度拟合方法 |
| CN104034684A (zh) * | 2014-06-05 | 2014-09-10 | 北京金达清创环境科技有限公司 | 一种基于紫外-可见吸收光谱的水质多指标检测方法 |
| CN106198424A (zh) * | 2016-09-28 | 2016-12-07 | 深圳市七善科技有限公司 | 一种基于全光谱水质在线监测设备及其监测方法 |
| CN106990060A (zh) * | 2017-03-24 | 2017-07-28 | 四川碧朗科技有限公司 | 水质指标监测仪、云数据中心及系统、预测方法和水样识别方法 |
| CN110987846A (zh) * | 2019-11-27 | 2020-04-10 | 中国科学院西安光学精密机械研究所 | 一种基于iPLS-PA算法的硝酸盐浓度预测方法 |
| CN111198167A (zh) * | 2020-01-06 | 2020-05-26 | 邵阳学院 | 一种溶液金属离子浓度检测方法、终端设备及存储介质 |
| CN111157476A (zh) * | 2020-02-21 | 2020-05-15 | 中国科学院合肥物质科学研究院 | 一种水质多参数紫外可见吸收光谱定量化反演方法 |
| CN111351762A (zh) * | 2020-04-22 | 2020-06-30 | 青岛理工大学 | 一种紫外-可见光全波长扫描污水水质在线快速检测方法和应用 |
Non-Patent Citations (1)
| Title |
|---|
| 任方涛等: "水体中硝酸盐氮含量的UV-Vis光谱学在线测量方法", 《河南工程学院学报(自然科学版)》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113092457A (zh) * | 2021-04-07 | 2021-07-09 | 福州大学 | 适用于复杂环境水体中亚硝酸盐氮的在线准确检测方法 |
| CN113092457B (zh) * | 2021-04-07 | 2022-03-22 | 福州大学 | 适用于复杂环境水体中亚硝酸盐氮的在线准确检测方法 |
| CN116380822A (zh) * | 2023-06-05 | 2023-07-04 | 未名环境分子诊断（常熟）有限公司 | 一种污水连续监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112014344B (zh) | 2022-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112014344B (zh) | 一种污水在线监测方法 | |
| CN111157476B (zh) | 一种水质多参数紫外可见吸收光谱定量化反演方法 | |
| MX2011004492A (es) | Metodo para reducir la corrosion y el deposito de subproducto en una unidad de crudo. | |
| CN117030654B (zh) | 一种空气中痕量级二氧化硫浓度测量方法 | |
| CN113203691A (zh) | 一种基于小波分析的水质污染物溯源方法 | |
| Pacheco Fernández et al. | Multi-parameter calibration of a UV/Vis spectrometer for online monitoring of sewer systems | |
| CN113092457B (zh) | 适用于复杂环境水体中亚硝酸盐氮的在线准确检测方法 | |
| CN114894725A (zh) | 一种水质多参数的光谱数据Stacking融合模型及水质多参数测量方法 | |
| CN113065095B (zh) | 一种基于紫外光谱的水中氮含量检测算法 | |
| CN101793820B (zh) | 双模联动水质在线监测方法 | |
| CN112630180B (zh) | 水体中有机磷农药浓度检测的紫外/可见光吸收光谱模型 | |
| CN112179858A (zh) | 基于浊度补偿技术的水质检测方法 | |
| Xie et al. | Waveband Selection with Equivalent Prediction Performance for FTIR/ATR Spectroscopic Analysis of COD in Sugar Refinery Waste Water. | |
| CN106644995A (zh) | 一种基于紫外可见光谱检测的水质检测系统 | |
| CN116202975A (zh) | 一种水体参数预测方法、存储介质及终端设备 | |
| Vassileva et al. | Environmental monitoring of total mercury content in different marine compartments after cold vapor generation and inductively coupled plasma mass spectrometry determination | |
| CN114166769B (zh) | 一种紫外-可见光谱水质多参数监测系统 | |
| KR101221879B1 (ko) | 다항목 수질 측정 시스템 | |
| JP5534329B2 (ja) | 粒子計測式水質分析装置 | |
| Antunes et al. | Resolution of voltammetric peaks using chemometric multivariate calibration methods | |
| JP3185297B2 (ja) | 嫌気性消化槽のモニター方法 | |
| CN111007220A (zh) | 一种生猪养殖污水水质敏捷监测的方法 | |
| CN106841060A (zh) | 一种带有标准值对比的水质检测系统 | |
| CN1567090A (zh) | 氢氧化四甲铵显影液的回收系统及其方法 | |
| CN117517231B (zh) | 总氮水质在线分析仪的分析方法、系统及可读介质 |
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 | ||
| CP03 | Change of name, title or address |
Address after: 310053 Room 301, floor 3, building 3, No. 611, Dongguan Road, Binjiang District, Hangzhou, Zhejiang Province Patentee after: Zhongkong Quanshi Technology (Hangzhou) Co.,Ltd. Address before: 310053 Room B3155, 3rd floor, 368 Liuhe Road, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: ZHEJIANG TRACETECH TECHNOLOGY CO.,LTD. |
|
| CP03 | Change of name, title or address |