CN112666104A - 一种基于doas的气体浓度反演方法 - Google Patents
一种基于doas的气体浓度反演方法 Download PDFInfo
- Publication number
- CN112666104A CN112666104A CN202011607898.0A CN202011607898A CN112666104A CN 112666104 A CN112666104 A CN 112666104A CN 202011607898 A CN202011607898 A CN 202011607898A CN 112666104 A CN112666104 A CN 112666104A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- absorption
- calculating
- gas concentration
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001658 differential optical absorption spectrophotometry Methods 0.000 title claims abstract 11
- 238000001228 spectrum Methods 0.000 claims abstract description 81
- 238000010521 absorption reaction Methods 0.000 claims abstract description 69
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 61
- 238000000411 transmission spectrum Methods 0.000 claims abstract description 45
- 230000003287 optical effect Effects 0.000 claims abstract description 35
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 72
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 68
- 230000003595 spectral effect Effects 0.000 claims description 30
- 238000009499 grossing Methods 0.000 claims description 17
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 23
- 239000007789 gas Substances 0.000 description 68
- 238000004364 calculation method Methods 0.000 description 4
- 238000004847 absorption spectroscopy Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- YZCKVEUIGOORGS-OUBTZVSYSA-N Deuterium Chemical compound [2H] YZCKVEUIGOORGS-OUBTZVSYSA-N 0.000 description 2
- 229910052805 deuterium Inorganic materials 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 229910052724 xenon Inorganic materials 0.000 description 2
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于DOAS的气体浓度反演方法,采集无光情况下的暗噪声光谱;采集多组原始光谱和被测气体的多组透射光谱并分别求平均值;利用原始光谱平均值和暗噪声光谱计算得到目标原始光谱,利用透射光谱平均值和暗噪声光谱计算得到目标透射光谱;通过目标原始光谱和目标透射光谱计算得到吸收光谱;利用吸收光谱拟合得到吸收光谱拟合曲线,利用吸收光谱拟合曲线计算得宽带吸收截面;通过吸收光谱和宽带吸收截面,计算差分吸收截面,得到差分吸收光谱;根据差分吸收光谱计算得到被测气体对应的光学参量;通过被测气体对应的光学参量拟合得到被测气体的体浓度曲线。本发明能够在保证气体浓度的测量精度的同时能够在降低测量系统成本。
Description
技术领域
本发明涉及气体分析领域,具体涉及一种基于DOAS的气体浓度反演方法。
背景技术
差分吸收光谱技术(DOAS)由于测量原理简单,响应快,可实现实时测量等优点,广泛应用于气体浓度测量系统中。近年来,紫外气体分析仪广泛应用于气体浓度测量,特别是针对于大气污染检测和固定污染源监测中的二氧化硫和一氧化氮等的气体浓度测量,其气体测量系统主要由紫外光源(一般为脉冲氙灯或连续氘灯),吸收气室,光谱仪组成。这些气体分析仪测量系统的所应用的方法就是差分吸收光谱技术(DOAS)。但是对于低浓度、短光程的气体分析仪来说,由于光源的重复性和线性较差,被测气体浓度低,吸收池光程较小等原因,导致光谱仪检测到的光谱信号信噪比低,其测量误差较大。但是提高光源性能或增加光程或使用高精度的光谱仪会导致测量系统整体成本增加。
发明内容
本发明的目的是针对现有方法的不足,提供一种基于DOAS的气体浓度反演方法,在保证气体浓度的测量精度的同时能够在降低测量系统成本。
本发明采用的技术方案如下:
一种基于DOAS的气体浓度反演方法,包括如下过程:
采集无光情况下的暗噪声光谱;采集多组原始光谱和被测气体的多组透射光谱,对所采集的多组原始光谱和被测气体的多组透射光谱分别求平均值;
利用原始光谱平均值和暗噪声光谱计算得到目标原始光谱,利用透射光谱平均值和暗噪声光谱计算得到目标透射光谱;
通过目标原始光谱和目标透射光谱计算得到吸收光谱;
利用吸收光谱拟合得到吸收光谱拟合曲线,利用吸收光谱拟合曲线计算得宽带吸收截面;
通过吸收光谱和宽带吸收截面,计算差分吸收截面,得到差分吸收光谱;
根据差分吸收光谱计算得到被测气体对应的光学参量;
通过被测气体对应的光学参量拟合得到被测气体的体浓度曲线。
优选的,利用原始光谱平均值和暗噪声光谱计算得到目标原始光谱的过程包括:
用原始光谱平均值减去暗噪声光谱,得到目标原始光谱数据;
在目标原始光谱数据中截取出被测气体特征吸收峰所对应的光谱数据区域;
对截取的被测气体特征吸收峰所对应的光谱数据区域通过平滑算法进行处理,得到目标原始光谱。
优选的,利用透射光谱平均值和暗噪声光谱计算得到目标透射光谱的过程包括:
用透射光谱平均值减去暗噪声光谱,得到目标透射光谱数据;
在目标透射光谱数据中截取出被测气体特征吸收峰所对应的光谱数据区域;
对截取的被测气体特征吸收峰所对应的光谱数据区域通过平滑算法进行处理,得到目标透射光谱。
优选的,所述平滑算法包括五点三次平滑算法或小波平滑算法。
优选的,吸收光谱如下:
吸收光谱=ln(目标原始光谱/目标透射光谱)。
优选的,通过分段多项式拟合或傅里叶数据拟合的方法,以吸收光谱波长为横轴、吸收光谱光强为纵轴得到吸收光谱拟合曲线。
优选的,差分吸收截面的计算过程如下:
差分吸收截面=吸收光谱-宽带吸收截面。
优选的,所述被测气体包括二氧化硫和一氧化氮,根据差分吸收光谱计算得到被测气体对应的光学参量时:
对二氧化硫差分特征吸收峰对应的吸收截面各个波长处的值分别取绝对值,然后将得到的所有绝对值相加,计算得到二氧化硫对应的光学参量;
对一氧化氮差分特征吸收峰对应的差分吸收截面各个波长处的值相加,计算得到一氧化氮气体对应的光学参量。
优选的,利用最小二乘法,以被测气体对应的光学参量为横轴、被测气体浓度为纵轴,拟合得到被测气体浓度曲线。
本发明具有如下有益效果:
本发明基于DOAS的气体浓度反演方法,通过去除测量光谱中的暗噪声和光谱数据多次求平均值,减少测量过程中由于光源和光谱仪不稳定导致的系统误差和随机误差对于测量结果的影响。本发明通过原始光谱和透射光谱得到差分吸收光谱的方法和差分吸收截面,进而得到不同浓度下被测目标气体(如二氧化硫和一氧化氮)对应的光学参量,并通过光学参量和气体浓度之间的关系,最终得到气体浓度的拟合曲线。本方法通过去除光谱数据中的系统误差和随机误差,分段提取不同被测目标气体(如二氧化硫和一氧化氮)的有效光谱数据,同时通过不同的拟合方法计算被测目标气体的宽带吸收截面,通过不同的光学参量计算方法,消除了二氧化硫和一氧化氮的相互影,既降低测量系统成本,同时又能保证气体浓度的测量精度。
附图说明
图1为本发明方法步骤的计算流程图;
图2为使用本发明实施例中的算法得到的二氧化硫在0,40,80,120,160,200mg/m3的标准浓度下的拟合曲线;
图3为使用本发明实施例中的算法得到的一氧化氮在0,40,80,120,160,200mg/m3的标准浓度下的拟合曲线;
具体实施方式
下面结合附图和实施例对本发明作进一步描述:
参见图1,本发明基于DOAS的气体浓度反演方法包括如下步骤:
1)采集无光情况下的暗噪声光谱、采集n组原始光谱和被测气体透射光谱,并对原始光谱和被测气体透射光谱求平均值,其中,原始光谱指的是通入氮气时采集到的光谱;由于光谱仪设计本身存在噪声,在测量时会引入被测的光谱中,因此需首先采集无光源照射情况下光谱仪本身的暗噪声。同时由于紫外光源(一般为脉冲氙灯或连续氘灯)的发光强度,重复性和稳定性都不是很好,同一条件下测得的光谱数据会有跳动从而影响测量结果,因此通过多次重复测量并求取平均值的方法可以减少测量过程中由于光源导致的随机误差对于测量结果的影响。
2)从原始光谱和透射光谱中去除暗噪声光谱。利用公式:目标原始光谱数据=原始光谱-暗噪声光谱,目标透射光谱数据=透射光谱-暗噪声光谱,分别得到目标原始光谱和目标透射光谱的目标光谱数据。
3)分段截取二氧化硫和一氧化氮特征吸收峰所对应的光谱数据区域:在得到目标原始光谱和目标透射光谱的目标光谱数据中,分段截取出二氧化硫和一氧化氮所分别对应的光谱数据,其中,二氧化硫特征吸收峰对应区域为波长206.18~212.44nm,截取对应的波长点,所述的一氧化氮特征吸收峰对应区域为波长212.37~218.33nm,截取对应的波长点。
4)采用五点三次平滑或小波平滑算法对原始光谱和透射光谱进行处理,提高光谱数据有效性;通过五点三次平滑或小波平滑算法,可以对等间距节点上的光谱数据进行平滑处理,从而消除随机误差的影响,提高光谱数据的质量。
5)根据原始光谱和透射光谱计算吸收光谱,然后通过分段多项式或傅里叶数据拟合的方法,以吸收光谱波长为横轴,吸收光谱光强为纵轴得到吸收光谱拟合曲线,计算吸收光谱的宽带吸收截面;在已知被测气体原始光谱I_lamp_C和透射光谱I_X_C_i时,对吸收光谱D_X_C_i=ln((I_lamp_C)/(I_X_C_i),以吸收光谱波长为横轴,吸收光谱光强为纵轴进行多项式拟合获得多项式E_X_C_i,相当于对D_X_C_i进行低通滤波从而获得宽带吸收截面E_X_C_i。对一氧化氮吸收光谱进行多项式或傅里叶拟合,首先将存在明显吸收变化的波段去掉,本发明选取了215.27nm和217.34nm之间的波长点作为临时去除对象,然后对剩余的数据点进行多项式拟合。
6)根据气体吸收光谱截面的特点,其总的吸收光谱截面,可以分为差分吸收截面和宽带吸收截面,通过上面得到的被测气体的吸收光谱D_X_C_i和宽带吸收截面E_X_C_i,计算被测气体的差分吸收截面F_X_C_i:即差分吸收截面F_X_C_i=D_X_C_i-E_X_C_i。
7)对二氧化硫差分特征吸收峰对应的吸收截面各个波长处的值分别取绝对值,然后将得到的所有绝对值相加,计算得到二氧化硫对应的光学参量OD_SO2_C_i。对一氧化氮特征吸收峰对应的差分吸收截面各个波长处的值相加,计算得到一氧化氮气体对应的光学参量OD_NO_C_i。
8)利用最小二乘法,以光学参量为横轴、气体浓度为纵轴,拟合气体(二氧化硫、一氧化氮)浓度曲线。
本发明通过去除测量光谱中的暗噪声和光谱数据多次求平均值,减少测量过程中由于光源和光谱仪不稳定导致的系统误差和随机误差对于测量结果的影响。通过选择合适的波长范围,提取出了含有被测气体的有效光谱区域数据,并通过平滑算法从而消除随机误差的影响,提高光谱数据的质量。本方法通过原始光谱和透射光谱得到差分吸收光谱的方法和差分吸收截面,进而得到不同浓度下二氧化硫和一氧化氮对应的光学参量,并通过光学参量和气体浓度之间的关系,运用最小二乘法得到气体浓度的拟合曲线。本方法通过去除光谱数据中的系统误差和随机误差,分段提取二氧化硫和一氧化氮的有效光谱数据,同时通过不同的拟合方法计算二氧化硫和一氧化氮的宽带吸收截面,通过不同的光学参量计算方法,消除了二氧化硫和一氧化氮的相互影,既降低测量系统成本,同时又能保证气体浓度的测量精度。
实施例
参见图1,本实施例基于DOAS(差分吸收光谱技术)的气体浓度反演方法,包括以下步骤:
1)采集无光情况下的暗噪声光谱、采集n组原始光谱和被测气体透射光谱,并对原始光谱和被测气体透射光谱分别求平均值;首先采集光谱仪的暗噪声光谱,一般从光谱仪采集到的每组光谱数据有3694个波长点,这些均为从光谱仪读取到的原始数据,光谱仪的积分时间设置为20ms,则在2s的时间内就可取得100组光谱数据。然后对这100组数据求平均值,得到要处理的目标光谱数据。
2)从原始光谱和透射光谱中去除暗噪声光谱。利用公式:目标原始光谱数据=原始光谱-暗噪声光谱,目标透射光谱数据=透射光谱-暗噪声光谱,分别得到目标原始光谱和目标透射光谱的目标光谱数据。
3)截取二氧化硫和一氧化氮特征吸收峰所对应的光谱数据区域:在得到目标原始光谱和目标透射光谱的目标光谱数据中,分段截取除二氧化硫和一氧化氮特征吸收区域的所对于的光谱数据,其中二氧化硫特征吸收峰对应区域为波长206.18~212.44nm,共计120个波长点,所述的一氧化氮特征吸收峰对应区域为波长212.37~218.33nm,共计120个波长点。
4)采用五点三次平滑或小波平滑算法对原始光谱和透射光谱进行处理,提高光谱数据有效性;
5)根据原始光谱和透射光谱计算差分吸收光谱;在已知被测气体目标原始光谱I_lamp_C和目标透射光谱I_X_C_i时,吸收光谱D_X_C_i=ln((I_lamp_C)/(I_X_C_i),
6)利用通过分段多项式或傅里叶数据拟合的方法,以吸收光谱波长为横轴,吸收光谱光强为纵轴得到吸收光谱拟合曲线,计算吸收光谱的宽带吸收截面;在已知被测气体目标原始光谱I_lamp_C和目标透射光谱I_X_C_i时,对吸收光谱D_X_C_i=ln((I_lamp_C)/(I_X_C_i),以吸收光谱波长为横轴,吸收光谱光强为纵轴进行多项式拟合获得多项式E_X_C_i,相当于对D_X_C_i进行低通滤波从而获得宽带吸收截面E_X_C_i。对一氧化氮吸收光谱进行多项式或傅里叶拟合时,首先将存在特征吸收谱的波段去掉,在这里选取了215.27nm和217.34nm之间的57个波长点作为临时去除对象,然后对剩余的数据点进行多项式拟合。
7)根据气体吸收光谱截面的特点,其总的吸收光谱截面,可以分为差分吸收截面和宽带吸收截面,通过上面得到的被测气体的吸收光谱D_X_C_i和宽带吸收截面E_X_C_i,计算被测气体的差分吸收截面即差分吸收截面F_X_C_i=D_X_C_i-E_X_C_i。
8)对于二氧化硫差分吸收截面各个波长处的值分别取绝对值,然后将得到的所有绝对值相加,计算二氧化硫对应的光学参量OD_SO2_C_i。对于一氧化氮差分吸收截面各个波长处的值相加,计算一氧化氮气体对应的光学参量OD_NO_C_i。
9)利用最小二乘法,以光学参量为横轴、气体浓度为纵轴,拟合气体浓度曲线。在二氧化硫和一氧化氮分别为0,40,80,120,160,200mg/m3的标准浓度下,可以分别得到二氧化硫不同浓度下的光学参量OD_SO2_C_1,OD_SO2_C_2,OD_SO2_C_3,OD_SO2_C_4,OD_SO2_C_5,OD_SO2_C_6,和一氧化氮不同浓度下的光学参量OD_NO_C_1,OD_NO_C_2,OD_NO_C_,3,OD_NO_C_,4,OD_NO_C_,5,OD_NO_C_,6。然后以二氧化硫和一氧化氮不同浓度下的光学参量为横轴,不同浓度值为纵轴,利用最小二乘法的到二氧化硫和一氧化氮的拟合曲线。图2为二氧化硫的拟合曲线,图3为一氧化氮的拟合曲线。
通过该方法得到拟合曲线之后,在以后的测量中,只要通过主要由紫外光源,吸收气室,光谱仪组成的气体测量系统在经过计算得到未知浓度气体的光学参量,只需将光学参量带入拟合曲线中就可知道被测气体的浓度值。本方法通过去除光谱数据中的系统误差和随机误差,分段提取二氧化硫和一氧化氮的有效光谱数据,同时通过不同的拟合方法计算二氧化硫和一氧化氮的宽带吸收截面,通过不同的光学参量计算方法,消除了二氧化硫和一氧化氮的相互影,既降低测量系统成本,同时又能保证气体浓度的测量精度。
Claims (9)
1.一种基于DOAS的气体浓度反演方法,其特征在于,包括如下过程:
采集无光情况下的暗噪声光谱;采集多组原始光谱和被测气体的多组透射光谱,对所采集的多组原始光谱和被测气体的多组透射光谱分别求平均值;
利用原始光谱平均值和暗噪声光谱计算得到目标原始光谱,利用透射光谱平均值和暗噪声光谱计算得到目标透射光谱;
通过目标原始光谱和目标透射光谱计算得到吸收光谱;
利用吸收光谱拟合得到吸收光谱拟合曲线,利用吸收光谱拟合曲线计算得宽带吸收截面;
通过吸收光谱和宽带吸收截面,计算差分吸收截面,得到差分吸收光谱;
根据差分吸收光谱计算得到被测气体对应的光学参量;
通过被测气体对应的光学参量拟合得到被测气体的体浓度曲线。
2.根据权利要求1所述的一种基于DOAS的气体浓度反演方法,其特征在于,利用原始光谱平均值和暗噪声光谱计算得到目标原始光谱的过程包括:
用原始光谱平均值减去暗噪声光谱,得到目标原始光谱数据;
在目标原始光谱数据中截取出被测气体特征吸收峰所对应的光谱数据区域;
对截取的被测气体特征吸收峰所对应的光谱数据区域通过平滑算法进行处理,得到目标原始光谱。
3.根据权利要求1所述的一种基于DOAS的气体浓度反演方法,其特征在于,利用透射光谱平均值和暗噪声光谱计算得到目标透射光谱的过程包括:
用透射光谱平均值减去暗噪声光谱,得到目标透射光谱数据;
在目标透射光谱数据中截取出被测气体特征吸收峰所对应的光谱数据区域;
对截取的被测气体特征吸收峰所对应的光谱数据区域通过平滑算法进行处理,得到目标透射光谱。
4.根据权利要求2或3所述的一种基于DOAS的气体浓度反演方法,其特征在于,所述平滑算法包括五点三次平滑算法或小波平滑算法。
5.根据权利要求1所述的一种基于DOAS的气体浓度反演方法,其特征在于,吸收光谱如下:
吸收光谱=ln(目标原始光谱/目标透射光谱)。
6.根据权利要求1所述的一种基于DOAS的气体浓度反演方法,其特征在于,通过分段多项式拟合或傅里叶数据拟合的方法,以吸收光谱波长为横轴、吸收光谱光强为纵轴得到吸收光谱拟合曲线。
7.根据权利要求1所述的一种基于DOAS的气体浓度反演方法,其特征在于,差分吸收截面的计算过程如下:
差分吸收截面=吸收光谱-宽带吸收截面。
8.根据权利要求1所述的一种基于DOAS的气体浓度反演方法,其特征在于,所述被测气体包括二氧化硫和一氧化氮,根据差分吸收光谱计算得到被测气体对应的光学参量时:
对二氧化硫差分特征吸收峰对应的吸收截面各个波长处的值分别取绝对值,然后将得到的所有绝对值相加,计算得到二氧化硫对应的光学参量;
对一氧化氮差分特征吸收峰对应的差分吸收截面各个波长处的值相加,计算得到一氧化氮气体对应的光学参量。
9.根据权利要求1所述的一种基于DOAS的气体浓度反演方法,其特征在于,利用最小二乘法,以被测气体对应的光学参量为横轴、被测气体浓度为纵轴,拟合得到被测气体浓度曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607898.0A CN112666104A (zh) | 2020-12-29 | 2020-12-29 | 一种基于doas的气体浓度反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607898.0A CN112666104A (zh) | 2020-12-29 | 2020-12-29 | 一种基于doas的气体浓度反演方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112666104A true CN112666104A (zh) | 2021-04-16 |
Family
ID=75410923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011607898.0A Pending CN112666104A (zh) | 2020-12-29 | 2020-12-29 | 一种基于doas的气体浓度反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112666104A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113252579A (zh) * | 2021-04-27 | 2021-08-13 | 浙江省现代农业装备设计研究院 | 一种基于设施的农业综合传感器装置及其空气参数检测方法 |
CN115523958A (zh) * | 2022-10-15 | 2022-12-27 | 浙江大学 | 基于光谱快慢分离原理的气体温度和浓度同步测量方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726464A (zh) * | 2009-12-10 | 2010-06-09 | 天津大学 | 提高差分吸收光谱在线监测灵敏度的方法 |
CN107796777A (zh) * | 2017-10-20 | 2018-03-13 | 西安思坦科技有限公司 | 一种低浓度紫外差分气体分析仪的数据处理方法 |
CN108918446A (zh) * | 2018-04-18 | 2018-11-30 | 天津大学 | 一种超低浓度二氧化硫紫外差分特征提取算法 |
CN110389103A (zh) * | 2019-07-05 | 2019-10-29 | 中国科学院遥感与数字地球研究所 | 一种大气底层二氧化氮浓度反演方法 |
-
2020
- 2020-12-29 CN CN202011607898.0A patent/CN112666104A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726464A (zh) * | 2009-12-10 | 2010-06-09 | 天津大学 | 提高差分吸收光谱在线监测灵敏度的方法 |
CN107796777A (zh) * | 2017-10-20 | 2018-03-13 | 西安思坦科技有限公司 | 一种低浓度紫外差分气体分析仪的数据处理方法 |
CN108918446A (zh) * | 2018-04-18 | 2018-11-30 | 天津大学 | 一种超低浓度二氧化硫紫外差分特征提取算法 |
CN110389103A (zh) * | 2019-07-05 | 2019-10-29 | 中国科学院遥感与数字地球研究所 | 一种大气底层二氧化氮浓度反演方法 |
Non-Patent Citations (5)
Title |
---|
冯海亮等: "基于DOAS技术的SO_2浓度分析仪研究", 《激光技术》 * |
刘丽红等: "DOAS在大气环境质量监测中的应用", 《电力学报》 * |
王华山等: "利用吸收光谱技术对SO_2和NO浓度评估的研究", 《热能动力工程》 * |
王黎等: "基于DOAS的克劳斯尾气在线分析系统的研究", 《科技通报》 * |
邹芸芸等: "紫外吸收光谱法监测硫化氢浓度的实验研究", 《环境工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113252579A (zh) * | 2021-04-27 | 2021-08-13 | 浙江省现代农业装备设计研究院 | 一种基于设施的农业综合传感器装置及其空气参数检测方法 |
CN115523958A (zh) * | 2022-10-15 | 2022-12-27 | 浙江大学 | 基于光谱快慢分离原理的气体温度和浓度同步测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104568836B (zh) | 基于多种光谱技术融合的低浓度、多组分气体检测方法 | |
CN102539377B (zh) | 基于中红外吸收光谱的多组分混合气体定性定量分析方法 | |
CN107643252B (zh) | Wms检测瓶内氧气浓度的实时扣背景非线性校正方法 | |
CN112666104A (zh) | 一种基于doas的气体浓度反演方法 | |
CN101105446A (zh) | 差分吸收光谱空气质量检测系统 | |
CN109425583B (zh) | 光谱分析装置、光谱分析方法和存储介质 | |
KR102662656B1 (ko) | 가스 분석 방법 및 장치 | |
CN108181266B (zh) | Tdlas气体浓度检测方法 | |
CN108918446B (zh) | 一种超低浓度二氧化硫紫外差分特征提取算法 | |
CN117030654B (zh) | 一种空气中痕量级二氧化硫浓度测量方法 | |
WO2022118694A1 (ja) | ガス分析装置及びガス分析方法 | |
CN105572067A (zh) | 基于光谱分析的烟气浓度测量方法 | |
CN117194902A (zh) | 一种光谱测量过程中噪声数据滤除方法 | |
CN106323888B (zh) | 一种超低排放烟气测量方法 | |
CN112098365B (zh) | 基于正交分解的多谱线气体吸收光谱线型拟合测量方法 | |
CN115146219A (zh) | 基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统 | |
CN110346346B (zh) | 一种基于压缩感知关联算法的拉曼气体检测方法 | |
CN110553988B (zh) | 一种基于叠加态思想的no低浓度信号提取方法 | |
CN103163100A (zh) | 一种气态元素汞检测方法 | |
CN106442368A (zh) | 基于emd的二氧化硫紫外差分吸收光谱降噪重构方法 | |
CN116663433B (zh) | 一种基于差分吸收光谱仪的差分优化方法 | |
CN113702305B (zh) | 基于自适应差分吸收光谱技术的气体浓度线性测量方法 | |
CN115032655B (zh) | 基于可见光和紫外光的双波长激光雷达反演臭氧浓度算法 | |
CN114324206B (zh) | 基于被动多轴差分吸收光谱技术的天空条件分类方法 | |
CN112986180B (zh) | 一种光谱式气体传感数据处理方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |
|
RJ01 | Rejection of invention patent application after publication |