CN112526073A - 一种VOCs中微量气体检测方法和系统 - Google Patents
一种VOCs中微量气体检测方法和系统 Download PDFInfo
- Publication number
- CN112526073A CN112526073A CN202011384716.8A CN202011384716A CN112526073A CN 112526073 A CN112526073 A CN 112526073A CN 202011384716 A CN202011384716 A CN 202011384716A CN 112526073 A CN112526073 A CN 112526073A
- Authority
- CN
- China
- Prior art keywords
- gas
- vocs
- detection result
- gas detector
- detector
- 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.)
- Withdrawn
Links
- 239000012855 volatile organic compound Substances 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000007789 gas Substances 0.000 claims abstract description 227
- 238000001514 detection method Methods 0.000 claims abstract description 77
- 238000011282 treatment Methods 0.000 claims abstract description 25
- 210000001331 nose Anatomy 0.000 claims description 13
- 238000003672 processing method Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 239000002912 waste gas Substances 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 239000002904 solvent Substances 0.000 claims description 3
- 238000001179 sorption measurement Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000002957 persistent organic pollutant Substances 0.000 abstract description 2
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 9
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 6
- 239000003344 environmental pollutant Substances 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- YNQLUTRBYVCPMQ-UHFFFAOYSA-N Ethylbenzene Chemical compound CCC1=CC=CC=C1 YNQLUTRBYVCPMQ-UHFFFAOYSA-N 0.000 description 2
- KFZMGEQAYNKOFK-UHFFFAOYSA-N Isopropanol Chemical compound CC(C)O KFZMGEQAYNKOFK-UHFFFAOYSA-N 0.000 description 2
- LRHPLDYGYMQRHN-UHFFFAOYSA-N N-Butanol Chemical compound CCCCO LRHPLDYGYMQRHN-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- ZXEKIIBDNHEJCQ-UHFFFAOYSA-N isobutanol Chemical compound CC(C)CO ZXEKIIBDNHEJCQ-UHFFFAOYSA-N 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 150000002894 organic compounds Chemical class 0.000 description 2
- BDERNNFJNOPAEC-UHFFFAOYSA-N propan-1-ol Chemical compound CCCO BDERNNFJNOPAEC-UHFFFAOYSA-N 0.000 description 2
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000008096 xylene Substances 0.000 description 1
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
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0047—Organic compounds
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明属于气体检测技术领域，涉及一种VOCs中微量气体检测方法，包括以下步骤：S1：采集待测气体，并将其通入第一气体检测器，并根据第一气体检测器的检测结果确定VOCs的主要成分；S2：根据VOCs的主要成分选择相应的处理方法，得到去除了主要挥发性气体的VOCs气体；S3：对步骤S2中获得的VOCs气体进行压缩，并将其通入第二气体检测器，并第二气体检测器的检测结果确定经过处理的VOCs气体的成分；S4：将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，以确定待测气体中的微量成分。其可有效检测新出现的，含量较低的挥发性气体，检测结果准确度高，操作简单，能够对有机污染物进行实时检测。
Description
技术领域
本发明涉及一种VOCs中微量气体检测方法和系统，属于气体检测技术领域。
背景技术
VOCs(Volatile organic compounds)挥发性有机物，是指常温下饱和蒸气压大于70Pa、常压下沸点在260℃以下的有机化合物，或在20℃条件下蒸气压大于或等于10Pa具有相应挥发性的全部有机化合物。目前，VOCs主要包括：正丁醇、甲醇、甲苯、正丙醇、异丁醇、乙醇、苯、二甲苯、异丙醇和乙苯等。随着工业的不断发展，新的有机挥发物层出不穷，但目前对VOCs进行处理时，通常都只关心甲醇、甲苯等传统的，量比较大的有机挥发物的处理，对于新产生的、量比较少的有机挥发物关注度不够，但这些量比较小的有机挥发物在空气中积累到一定量时，仍然会对环境产生较大的影响，因此如何对新产生的、量比较少的有机挥发物进行检测是本领域亟待解决的问题。
目前，最常见的VOCs的检测方法为气相色谱法，气相色谱法虽然检测的比较准确，但现有的气相色谱仪通常只能在实验室使用，即只能对气体进行采样后送至实验室进行检测，从而使检测结果具有滞后性。此外，当其他挥发性气体量很大，待测气体量比较少，且不知道待测气体是什么气体时，即使采用气相色谱法也无法给出特别准确的结果。
发明内容
针对上述问题，本发明的目的是提供了一种VOCs中微量气体检测方法和系统，其可以有效的检测新出现的，且含量较低的挥发性气体，检测结果准确度高，操作简单，能够对有机污染物进行实时检测。
为实现上述目的，本发明采取以下技术方案：一种VOCs中微量气体检测方法，包括以下步骤：S1：采集待测气体，并将其通入第一气体检测器，并根据第一气体检测器的检测结果确定VOCs的主要成分；S2：根据VOCs的主要成分选择相应的处理方法，得到去除了主要挥发性气体的VOCs气体；S3：将步骤S2中获得的VOCs气体通入第二气体检测器，并第二气体检测器的检测结果确定经过处理的VOCs气体的成分；S4：将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，以确定待测气体中的微量成分。
进一步，步骤S4中通过将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，还能够获得经过步骤S2中的处理方法新产生的气体，根据新产生的气体的类型和产量对步骤S2中的处理方法调整。
进一步，步骤S4中第二气体检测器的检测结果与第一气体检测器的检测结果比对的方法为：比对出第二气体检测器的检测结果和第一气体检测器的检测结果都存在的成分，从成分中扣除步骤S1中确定的主要成分，获得待测气体中的微量成分；第二气体检测器的检测结果中存在，第一气体检测器的检测结果中不存在的成分，为经过处理方法新产生的气体；第一气体检测器的检测结果存在，第二气体检测器的检测结果中不存在的成分，为经过处理方法去除的成分。
进一步，第一气体检测器和第二气体检测器均为电子鼻，电子鼻包括若干气体传感器，气体传感器组成阵列。
进一步，电子鼻中各气体传感器的输出权重确定方法为：将含有单一挥发性气体的空气通入电子鼻，根据各气体传感器的响应强度确定各气体传感器的初始权重，利用神经网络建立权重评估器，将n种成分已知的VOCs的响应强度带入权重评估器中进行训练，获得各气体传感器的最优权重。
进一步，权重评估器的计算公式为：
其中，‖P-ci‖为输入量P与神经网络权量ci的欧式距离，wi为神经网络隐层到输出层之间的权量。
进一步，步骤S1中确定主要成分的方法为：将第一气体检测器检测到的成分按照得分由大到小进行排列，选择前若干项的成分作为主要成分。
进一步，第一气体检测器中某一成分的得分为：由某一气体传感器对成分的响应强度乘以气体传感器的权重获得某一气体传感器的成分得分，并将各气体传感器获得的成分得分相加，获得成分的最终得分。
进一步，步骤S2中的处理方法包括吸附法、溶剂吸收法、热处理法和生物处理法。
本发明还公开了一种VOCs中微量气体检测系统，包括：第一检测模块，用于采集待测气体，并将其通入第一气体检测器，并根据第一气体检测器的检测结果确定VOCs的主要成分；废气处理模块，用于根据VOCs的主要成分选择相应的处理方法，得到去除了主要挥发性气体的VOCs气体；第二检测模块，用于对废气处理模块中获得的VOCs气体进行压缩，并将其通入第二气体检测器，并第二气体检测器的检测结果确定经过处理的VOCs气体的成分；比对模块，用于将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，以确定待测气体中的微量成分。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明通过先将大量的挥发性气体去除，再对剩余的气体进行检测，提高了检测精度，避免了大量的气体对少量气体检测的影响，提高了微量气体的检测精度。
2、本发明采用电子鼻对气体进行检测，电子鼻检测精度高，体积较小，方便携带，可以对有机挥发性污染物进行实时检测和处理。
3、本发明还可以检测经过处理的有机挥发性污染物是否产生了二次污染物，并可以根据二次污染物的产生情况对处理有机挥发性污染物的方法进行选择。
4、本发明只关心经过处理后任然存在的微量有机挥发物，而不关心可以与主要成分一同去除的微量有机挥发物，大大降低了气体检测的工作量，达到的处理结果基本与所有成分都检测的情况下相当。
附图说明
图1是本发明一实施例中VOCs中微量气体检测方法的流程图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方向，通过具体实施例对本发明进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。
实施例一
本实施例公开了一种VOCs中微量气体检测方法，如图1所示，包括以下步骤：
S1：采集待测气体，并将其通入第一气体检测器，并根据第一气体检测器的检测结果确定VOCs的主要成分。
其中，确定主要成分的方法为：将第一气体检测器检测到的成分按照得分由大到小进行排列，选择前若干项的成分作为主要成分。实际上，第一气体检测器中除了主要成分，即比较常见甲醇、甲醛、甲烷等气体，也会检测到微量的气体，但是由于主要成分的特征峰很强，所以会影响微量气体的判断，有时会出现特征峰重合的情况，从而导致微量气体的浓度检测不准确。故本实施例中，只采用第一气体检测器检测VOCs的主要成分，也就是浓度比较高的成分，先将这些成分去除后再对微量的气体浓度进行复检，以保证微量气体检测的准确性。此处，选择多少项作为主要成分可以根据VOCs具体含有多少种气体确定，主要成分可以是一项也可以是多项。
S2：根据VOCs的主要成分选择相应的处理方法，得到去除了主要挥发性气体的VOCs气体。
本步骤中的处理方法包括吸附法、溶剂吸收法、热处理法和生物处理法等处理方法，以及其他现有技术中采用的方法。本步骤中具体选用何种处理方法首先根据步骤S1中确定的主要成分确定，选用能够较好的去除该成分的方法。其次，通过最终获得的处理后产物类型和产量对可用的多种处理方法进行二次选择，获得最优的处理方法。
S3：将步骤S2中获得的VOCs气体通入第二气体检测器，并第二气体检测器的检测结果确定经过处理的VOCs气体的成分。
S4：将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，以确定待测气体中的微量成分。
本步骤中通过将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，处了可以确定待测气体中的微量成分外，还能够获得经过步骤S2中的处理方法新产生的气体，根据新产生的气体的类型和产量对步骤S2中的处理方法调整，尽量保证经过处理后不会产生新的污染气体。
第二气体检测器的检测结果与第一气体检测器的检测结果比对的方法为：比对出第二气体检测器的检测结果和第一气体检测器的检测结果都存在的成分，从成分中扣除步骤S1中确定的主要成分，获得待测气体中的微量成分；第二气体检测器的检测结果中存在，第一气体检测器的检测结果中不存在的成分，为经过处理方法新产生的气体；第一气体检测器的检测结果存在，第二气体检测器的检测结果中不存在的成分，为经过处理方法去除的成分。在本步骤中，经过处理的VOCs气体中虽然仍然存在一定量的主要成分，但是其含量已经大大降低，因而气体中的微量成分的特征峰变得更加明显，可以根据第二气体检测器的检测结果最终确定VOCs气体的微量成分以及微量成分的浓度。如果只需要确定微量成分，对浓度没有特别要求则可以对经过处理的VOCs气体进行压缩，提高气体浓度，进一步提高成分检测的准确性。
在本实施例中，第一气体检测器和第二气体检测器均为电子鼻，电子鼻包括若干气体传感器，气体传感器组成阵列。本实施例中，优选第一气体检测器和第二气体检测器为同类的检测器，甚至第一气体检测器和第二气体检测器可以为同一个检测器，这样可以有效降低整个系统的体积，使系统更便于携带，更适于对VOCs进行实时检测。但需要说明的是，第一气体检测器可以和第二气体检测器不同，第二气体检测器可以是气相色谱仪。
电子鼻中各气体传感器的输出权重确定方法为：将含有单一挥发性气体的空气通入电子鼻，根据各气体传感器的响应强度确定各气体传感器的初始权重，利用神经网络建立权重评估器，将n种成分已知的VOCs的响应强度带入权重评估器中进行训练，获得各气体传感器的最优权重。
权重评估器采用神经网络模型，其计算公式为：
其中，‖P-ci‖为输入量P与神经网络权量ci的欧式距离，wi为神经网络隐层到输出层之间的权量。
第一气体检测器中某一成分的得分为：由某一气体传感器对成分的响应强度乘以气体传感器的权重获得某一气体传感器的成分得分，并将各气体传感器获得的成分得分相加，获得成分的最终得分。
实施例二
基于相同的发明构思，本实施例公开了一种VOCs中微量气体检测系统，包括：
第一检测模块，用于采集待测气体，并将其通入第一气体检测器，并根据第一气体检测器的检测结果确定VOCs的主要成分；
废气处理模块，用于根据VOCs的主要成分选择相应的处理方法，得到去除了主要挥发性气体的VOCs气体；
第二检测模块，用于对废气处理模块中获得的VOCs气体进行压缩，并将其通入第二气体检测器，并第二气体检测器的检测结果确定经过处理的VOCs气体的成分；
比对模块，用于将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，以确定待测气体中的微量成分。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种VOCs中微量气体检测方法，其特征在于，包括以下步骤：
S1：采集待测气体，并将其通入第一气体检测器，并根据第一气体检测器的检测结果确定VOCs的主要成分；
S2：根据所述VOCs的主要成分选择相应的处理方法，得到去除了主要挥发性气体的VOCs气体；
S3：将步骤S2中获得的VOCs气体通入第二气体检测器，并第二气体检测器的检测结果确定经过处理的VOCs气体的成分；
S4：将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，以确定待测气体中的微量成分。
2.如权利要求1所述的VOCs中微量气体检测方法，其特征在于，所述步骤S4中通过将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，还能够获得经过步骤S2中的处理方法新产生的气体，根据所述新产生的气体的类型和产量对步骤S2中的处理方法调整。
3.如权利要求2所述的VOCs中微量气体检测方法，其特征在于，所述步骤S4中第二气体检测器的检测结果与第一气体检测器的检测结果比对的方法为：比对出第二气体检测器的检测结果和第一气体检测器的检测结果都存在的成分，从所述成分中扣除所述步骤S1中确定的主要成分，获得待测气体中的微量成分；第二气体检测器的检测结果中存在，第一气体检测器的检测结果中不存在的成分，为经过处理方法新产生的气体；第一气体检测器的检测结果存在，第二气体检测器的检测结果中不存在的成分，为经过处理方法去除的成分。
4.如权利要求1所述的VOCs中微量气体检测方法，其特征在于，所述第一气体检测器和第二气体检测器均为电子鼻，所述电子鼻包括若干气体传感器，所述气体传感器组成阵列。
5.如权利要求4所述的VOCs中微量气体检测方法，其特征在于，所述电子鼻中各所述气体传感器的输出权重确定方法为：将含有单一挥发性气体的空气通入所述电子鼻，根据各气体传感器的响应强度确定各所述气体传感器的初始权重，利用神经网络建立权重评估器，将n种成分已知的VOCs的响应强度带入所述权重评估器中进行训练，获得各所述气体传感器的最优权重。
6.如权利要求5所述的VOCs中微量气体检测方法，其特征在于，所述权重评估器的计算公式为：
其中，‖P-ci‖为输入量P与神经网络权量ci的欧式距离，wi为神经网络隐层到输出层之间的权量。
7.如权利要求6所述的VOCs中微量气体检测方法，其特征在于，所述步骤S1中确定主要成分的方法为：将第一气体检测器检测到的成分按照得分由大到小进行排列，选择前若干项的成分作为主要成分。
8.如权利要求7所述的VOCs中微量气体检测方法，其特征在于，所述第一气体检测器中某一成分的得分为：由某一所述气体传感器对所述成分的响应强度乘以所述气体传感器的权重获得某一所述气体传感器的所述成分得分，并将各所述气体传感器获得的所述成分得分相加，获得所述成分的最终得分。
9.如权利要求8所述的VOCs中微量气体检测方法，其特征在于，所述步骤S2中的处理方法包括吸附法、溶剂吸收法、热处理法和生物处理法。
10.一种VOCs中微量气体检测系统，其特征在于，包括：
第一检测模块，用于采集待测气体，并将其通入第一气体检测器，并根据第一气体检测器的检测结果确定VOCs的主要成分；
废气处理模块，用于根据所述VOCs的主要成分选择相应的处理方法，得到去除了主要挥发性气体的VOCs气体；
第二检测模块，用于对废气处理模块中获得的VOCs气体进行压缩，并将其通入第二气体检测器，并第二气体检测器的检测结果确定经过处理的VOCs气体的成分；
比对模块，用于将第二气体检测器的检测结果与第一气体检测器的检测结果进行比对，以确定待测气体中的微量成分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011384716.8A CN112526073A (zh) | 2020-12-01 | 2020-12-01 | 一种VOCs中微量气体检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011384716.8A CN112526073A (zh) | 2020-12-01 | 2020-12-01 | 一种VOCs中微量气体检测方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112526073A true CN112526073A (zh) | 2021-03-19 |
Family
ID=74995847
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011384716.8A Withdrawn CN112526073A (zh) | 2020-12-01 | 2020-12-01 | 一种VOCs中微量气体检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112526073A (zh) |
-
2020
- 2020-12-01 CN CN202011384716.8A patent/CN112526073A/zh not_active Withdrawn
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112034800B (zh) | 挥发性有机污染物无组织排放量计算方法、系统、介质及终端 | |
| Hepburn et al. | Development of on-line FTIR spectroscopy for siloxane detection in biogas to enhance carbon contactor management | |
| CN109187288B (zh) | 一种大气有机气溶胶检测及源解析方法 | |
| CN112034801B (zh) | 挥发性有机污染物总量排污系数计算方法、系统及终端 | |
| CN104251846A (zh) | 一种结合判别分析的激光诱导击穿光谱定量分析方法 | |
| CN109633094B (zh) | 一种臭气浓度在线监测方法 | |
| CN108593586B (zh) | 一种针对高湿污染气体的傅里叶红外光谱检测装置 | |
| CN104950037A (zh) | 一种针对挥发性有机物的在线污染源识别监测方法及系统 | |
| CN104062377A (zh) | 食品中挥发性n-亚硝胺类化合物的全检测方法 | |
| CN103543132B (zh) | 一种基于小波变换的煤质特性测量方法 | |
| Vlachou et al. | Development of a versatile source apportionment analysis based on positive matrix factorization: a case study of the seasonal variation of organic aerosol sources in Estonia | |
| Ju et al. | Rapid Identification of Atmospheric Gaseous Pollutants Using Fourier‐Transform Infrared Spectroscopy Combined with Independent Component Analysis | |
| CN112945876B (zh) | 待测气体向量的生成方法 | |
| CN112526073A (zh) | 一种VOCs中微量气体检测方法和系统 | |
| CN115575337B (zh) | 高精度大气co2浓度观测数据标较方法、系统及设备 | |
| CN114544868B (zh) | 一种消除干扰气体影响的气体检测方法与系统 | |
| CN109030651A (zh) | 基于中心切割的双柱分离检测系统及检测方法 | |
| Li et al. | Online measurement of aerosol inorganic and organic nitrogen based on thermal evolution and chemiluminescent detection | |
| CN203405450U (zh) | 一种定量检测六氟化硫电气设备中含硫故障气体组分的检测装置 | |
| Szczurek et al. | Method of gas mixtures discrimination based on sensor array, temporal response and data driven approach | |
| Rivera Martinez et al. | Reconstruction of high-frequency methane atmospheric concentration peaks from measurements using metal oxide low-cost sensors | |
| Fang et al. | Determination of Ammonia nitrogen in wastewater using electronic nose | |
| CN112816377B (zh) | 基于ftir技术的烟气检测方法 | |
| CN111289451A (zh) | 复杂光谱组分浓度定量计算的方法 | |
| Zhang et al. | On the potential use of highly oxygenated organic molecules (HOMs) as indicators for ozone formation sensitivity |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210319 |