CN113311111B - 一种融合机器学习和lstm的大气污染物浓度预测方法及系统 - Google Patents
一种融合机器学习和lstm的大气污染物浓度预测方法及系统 Download PDFInfo
- Publication number
- CN113311111B CN113311111B CN202110542277.7A CN202110542277A CN113311111B CN 113311111 B CN113311111 B CN 113311111B CN 202110542277 A CN202110542277 A CN 202110542277A CN 113311111 B CN113311111 B CN 113311111B
- Authority
- CN
- China
- Prior art keywords
- column
- water tank
- lstm
- pressure
- machine learning
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 24
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 24
- 238000010801 machine learning Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 65
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 230000006698 induction Effects 0.000 claims description 43
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000002347 injection Methods 0.000 claims description 10
- 239000007924 injection Substances 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000007789 sealing Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 description 6
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 3
- 235000017491 Bambusa tulda Nutrition 0.000 description 3
- 241001330002 Bambuseae Species 0.000 description 3
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 3
- 239000011425 bamboo Substances 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000003756 stirring Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000003781 tooth socket Anatomy 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B3/00—Cleaning by methods involving the use or presence of liquid or steam
- B08B3/02—Cleaning by the force of jets or sprays
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Environmental & Geological Engineering (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明涉及大气污染物浓度检测技术领域，具体为一种融合机器学习和LSTM的大气污染物浓度预测系统，包括水箱，水箱的上端固定连接有方形筒,方形筒的上端固定连接有横柱，方形筒的一侧设置有L型管,L型管下端延伸到水箱中，且L型管端部套有底盖，本发明还公开了一种融合机器学习和LSTM的大气污染物浓度预测方法，本发明构造设计实现自动化控制清洗感应杆的效果，随后感应杆感应L型管中排出的气体成分，利用气流的动力实现水箱中各个机构的配合工作，整个气体检测机构自动化程度高，功能稳定强大。
Description
技术领域
本发明涉及大气污染物浓度检测技术领域，具体为一种融合机器学习和LSTM的大气污染物浓度预测方法及系统。
背景技术
LSTM一般指长短期记忆人工神经网络，长短期记忆网络是一种时间循环神经网络，现有技术中LSTM控制终端匹配气体检测机构和信息展示机构等多个辅助机器，实现对气体的成分检测，将大气成分信息展示出来后，工作人员进行总结分析，融合机器学习和LSTM的大气污染物浓度预测过程中，涉及到气体成分检测工作，利用不同的气体感应元件对单一气体成分检测，这样得到气体中的不同成分占比。
如果能够发明一种一体式清洗气体成分检测装置，在气体成分检测前，充分实现自动化清洗感应元件的效果，确保气体成分检测的精度，就能解决问题，为此我们提供了一种融合机器学习和LSTM的大气污染物浓度预测方法及系统。
发明内容
本发明的目的在于提供一种融合机器学习和LSTM的大气污染物浓度预测方法及系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种融合机器学习和LSTM的大气污染物浓度预测系统，包括水箱，所述水箱的上端固定连接有方形筒,方形筒的上端固定连接有横柱，所述方形筒的一侧设置有L型管,L型管下端延伸到水箱中，且L型管端部套有底盖，所述横柱的一端延伸到L型管中，所述底盖上设置有对称分布的压力装置，所述压力装置的一端和L型管连接，所述底盖的下端固定连接有动力柱,动力柱的一侧传动连接有齿轮,齿轮的一侧传动连接有从动柱,动力柱、齿轮和从动柱设置在水箱中，所述水箱的下端固定连接有漏斗壳,漏斗壳中设置有密封盘,从动柱的下端和密封盘固定连接，漏斗壳上固定连接有控制片，且从动柱贯穿控制片，所述横柱上端设置有压力柱,压力柱上设置有若干均匀分布的感应杆,感应杆的下端延伸到水箱中，所述压力柱的一端设置有压力装置二，且压力柱的另一端设置有推进装置,推进装置设置在横柱中。
优选的，所述压力装置包括L型杆、压簧和拦截盘，所述L型杆贯穿底盖壳体上开设的通孔，L型杆的一端固定在L型管的内壁上，L型杆的另一端延伸到底盖外部，且L型杆端部固定连接有拦截盘,拦截盘上套有压簧，所述底盖为顶部开口的箱壳体状且壳体侧壁上开设有若干均匀分布的通孔。
优选的，所述推进装置设置在横柱的一端开设的控制腔中，控制腔的一端和L型管连通，所述推进装置包括定位轴和推进轮。
优选的，所述推进轮形状为圆筒外壁上一体连接有若干均匀环设的弧面凸块，推进轮的圆筒中活动套接有定位轴,定位轴端部固定在压力柱上。
优选的，所述压力装置二包括弹簧和导向杆，所述导向杆的一端和压力柱固定连接，导向杆贯穿横柱上开设的通孔，导向杆上套有弹簧。
优选的，所述压力柱上固定有若干感应杆,压力柱设置在横柱上开设的凹槽中，感应杆贯穿横柱上开设的方形孔，从动柱套接在控制片上开设的方形孔。
优选的，所述动力柱和从动柱形状均为棱柱状且柱体一侧壁上开设有若干均匀分布的齿槽，齿轮一侧和动力柱啮合传动连接，齿轮另一侧和从动柱啮合传动连接，齿轮中部套接有中心轴,中心轴端部固定在水箱的内壁上。
一种融合机器学习和LSTM的大气污染物浓度预测方法，包括以下步骤：
步骤一：将LSTM控制设备和气泵连接，控制气泵顶起转动工作，即外界气体通过L型管注入到水箱中；
步骤二：LSTM控制设备和注水机构连接，每次的气体检测工作结束后即对水箱中注水，即感应杆检测工作结束后，感应杆浸泡在水中；
步骤三：水箱中注气过程中分成两部分流程，一种是注气前期，感应杆在水中搅动，实现检测前的清洗工作，另一种是水箱中水排干，气流吹动感应杆，风干后的感应杆自动开始气体成分检测；
步骤四：每个感应杆上端通过导线连接到现有技术中的气体成分显示仪器中，这样仪器中显示不同气体成分的含量；
步骤五：在LSTM控制设备下，整个气体成分检测机制每隔一定时间进行一次气体成分检测工作，得到全面的气体随着时间变化数据，参考数据对大气污染物浓度进行预测。
与现有技术相比，本发明的有益效果是：
1.本发明构造设计实现自动化控制清洗感应杆的效果，随后感应杆感应L型管中排出的气体成分，利用气流的动力实现水箱中各个机构的配合工作，整个气体检测机构自动化程度高，功能稳定强大；
2.该装置通过在横柱中开设控制腔,控制腔中设置推进装置，利用精巧的零件实现对气流压力的接收和转移，气流动力转化为感应杆摆动的机械动力，这样感应杆下端在水中搅动，反过来水流冲洗感应杆，确保感应杆检测初始阶段的卫生，提高其检测精度。
附图说明
图1为本发明结构示意图；
图2为图1中A处结构示意图；
图3为压力装置结构示意图；
图4为推进装置结构示意图；
图5为横柱结构示意图。
图中：水箱1、方形筒2、横柱3、L型管4、底盖5、压力装置6、动力柱7、齿轮8、从动柱9、漏斗壳10、密封盘11、控制片12、压力柱13、感应杆14、压力装置二15、推进装置16、控制腔17、排气管腔18、外接管19、中心轴20、L型杆21、压簧22、拦截盘23、推进轮24、定位轴25、弹簧26、导向杆27。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的技术方案，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，都属于本发明保护的范围。
请参阅图1至图5，本发明提供一种技术方案：一种融合机器学习和LSTM的大气污染物浓度预测系统，包括水箱1，水箱1的上端固定连接有方形筒2,方形筒2的上端固定连接有横柱3，方形筒2的一侧设置有L型管4,L型管4下端延伸到水箱1中，且L型管4端部套有底盖5，横柱3的一端延伸到L型管4中，底盖5上设置有对称分布的压力装置6，压力装置6的一端和L型管4连接，底盖5的下端固定连接有动力柱7,动力柱7的一侧传动连接有齿轮8,齿轮8的一侧传动连接有从动柱9,动力柱7、齿轮8和从动柱9设置在水箱1中，水箱1的下端固定连接有漏斗壳10,漏斗壳10中设置有密封盘11,从动柱9的下端和密封盘11固定连接，漏斗壳10上固定连接有控制片12，且从动柱9贯穿控制片12，横柱3上端设置有压力柱13,压力柱13上设置有若干均匀分布的感应杆14,感应杆14的下端延伸到水箱1中，压力柱13的一端设置有压力装置二15，且压力柱13的另一端设置有推进装置16,推进装置16设置在横柱3中。
压力装置6包括L型杆21、压簧22和拦截盘23，L型杆21贯穿底盖5壳体上开设的通孔，L型杆21的一端固定在L型管4的内壁上，L型杆21的另一端延伸到底盖5外部，且L型杆21端部固定连接有拦截盘23,拦截盘23上套有压簧22，底盖5为顶部开口的箱壳体状且壳体侧壁上开设有若干均匀分布的通孔，压簧22的一端和拦截盘23接触，压簧22的另一端和底盖5的外壁接触，参考图1,感应杆14上端连接导线，每个感应杆14单独检测空气中的单一成分含量，导线上端和现有技术中的气体成分显示仪器连接。
推进装置16设置在横柱3的一端开设的控制腔17中，控制腔17的一端和L型管4连通，推进装置16包括定位轴25和推进轮24，参考图4,控制腔17形状为圆板腔一侧连通棱柱腔。
推进轮24形状为圆筒外壁上一体连接有若干均匀环设的弧面凸块，推进轮24的圆筒中活动套接有定位轴25,定位轴25端部固定在压力柱13上。
压力装置二15包括弹簧26和导向杆27，导向杆27的一端和压力柱13固定连接，导向杆27贯穿横柱3上开设的通孔，导向杆27上套有弹簧26。
压力柱13上固定有若干感应杆14,压力柱13设置在横柱3上开设的凹槽中，感应杆14贯穿横柱3上开设的方形孔，从动柱9套接在控制片12上开设的方形孔。
动力柱7和从动柱9形状均为棱柱状且柱体一侧壁上开设有若干均匀分布的齿槽，齿轮8一侧和动力柱7啮合传动连接，齿轮8另一侧和从动柱9啮合传动连接，齿轮8中部套接有中心轴20,中心轴20端部固定在水箱1的内壁上。
一种融合机器学习和LSTM的大气污染物浓度预测方法，包括以下步骤：
步骤一：将LSTM控制设备和气泵连接，控制气泵顶起转动工作，即外界气体通过L型管4注入到水箱1中；
步骤二：LSTM控制设备和注水机构连接，每次的气体检测工作结束后即对水箱1中注水，即感应杆14检测工作结束后，感应杆14浸泡在水中；
步骤三：水箱1中注气过程中分成两部分流程，一种是注气前期，感应杆14在水中搅动，实现检测前的清洗工作，另一种是水箱1中水排干，气流吹动感应杆14，风干后的感应杆14自动开始气体成分检测；
步骤四：每个感应杆14上端通过导线连接到现有技术中的气体成分显示仪器中，这样仪器中显示不同气体成分的含量；
步骤五：在LSTM控制设备下，整个气体成分检测机制每隔一定时间进行一次气体成分检测工作，得到全面的气体随着时间变化数据，参考数据对大气污染物浓度进行预测。
工作原理：L型管4中设置现有技术中的气泵，实现外界的气体通过L型管4被吸入到水箱1中，在此之前通过外接管19注水，水箱1中存储一定量的水，感应杆14下端浸泡在水中，L型管4中注气过程中，部分气流流经控制腔17和排气管腔18，气流带动推进轮24转动，推进轮24拨动压力柱13，配合弹簧26的反弹影响，压力柱13发生往复运动，压力柱13带动若干感应杆14，这样若干摆动的感应杆14在下端在水中持续搅动，实现对感应杆14的清洗，L型管4中气体下流注入到水箱1中，具体为气流顶起底盖5，迫使底盖5下降，进而通过底盖5上的通孔外排，底盖5下落带动动力柱7,动力柱7控制齿轮8转动，齿轮8带动从动柱9上升，从动柱9带动密封盘11，这样密封盘11不再封堵漏斗壳10的通道，水箱1中的水外排，水箱1中水排空，气流经过水箱1，随后通过外接管19外排，气流冲击若干感应杆14,不同的感应杆14感应空气中的不同成分气体，停止注气后，压簧22反弹使底盖5上升恢复初始位置。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种融合机器学习和LSTM的大气污染物浓度预测系统，包括水箱（1），其特征在于：所述水箱（1）的上端固定连接有方形筒（2）,方形筒（2）的上端固定连接有横柱（3），所述方形筒（2）的一侧设置有L型管（4）,L型管（4）下端延伸到水箱（1）中，且L型管（4）端部套有底盖（5），所述横柱（3）的一端延伸到L型管（4）中，所述底盖（5）上设置有对称分布的压力装置（6），所述压力装置（6）的一端和L型管（4）连接，所述底盖（5）的下端固定连接有动力柱（7）,动力柱（7）的一侧传动连接有齿轮（8）,齿轮（8）的一侧传动连接有从动柱（9）,动力柱（7）、齿轮（8）和从动柱（9）设置在水箱（1）中，所述水箱（1）的下端固定连接有漏斗壳（10）,漏斗壳（10）中设置有密封盘（11）,从动柱（9）的下端和密封盘（11）固定连接，漏斗壳（10）上固定连接有控制片（12），且从动柱（9）贯穿控制片（12），所述横柱（3）上端设置有压力柱（13）,压力柱（13）上设置有若干均匀分布的感应杆（14）,感应杆（14）的下端延伸到水箱（1）中，所述压力柱（13）的一端设置有压力装置二（15），且压力柱（13）的另一端设置有推进装置（16）,推进装置（16）设置在横柱（3）中，所述压力装置（6）包括L型杆（21）、压簧（22）和拦截盘（23），所述L型杆（21）贯穿底盖（5）壳体上开设的通孔，L型杆（21）的一端固定在L型管（4）的内壁上，L型杆（21）的另一端延伸到底盖（5）外部，且L型杆（21）端部固定连接有拦截盘（23）,拦截盘（23）上套有压簧（22），所述底盖（5）为顶部开口的箱壳体状且壳体侧壁上开设有若干均匀分布的通孔。
2.根据权利要求1所述的一种融合机器学习和LSTM的大气污染物浓度预测系统，其特征在于：所述推进装置（16）设置在横柱（3）的一端开设的控制腔（17）中，控制腔（17）的一端和L型管（4）连通，所述推进装置（16）包括定位轴（25）和推进轮（24）。
3.根据权利要求2所述的一种融合机器学习和LSTM的大气污染物浓度预测系统，其特征在于：所述推进轮（24）形状为圆筒外壁上一体连接有若干均匀环设的弧面凸块，推进轮（24）的圆筒中活动套接有定位轴（25）,定位轴（25）端部固定在压力柱（13）上。
4.根据权利要求1所述的一种融合机器学习和LSTM的大气污染物浓度预测系统，其特征在于：所述压力装置二（15）包括弹簧（26）和导向杆（27），所述导向杆（27）的一端和压力柱（13）固定连接，导向杆（27）贯穿横柱（3）上开设的通孔，导向杆（27）上套有弹簧（26）。
5.根据权利要求1所述的一种融合机器学习和LSTM的大气污染物浓度预测系统，其特征在于：所述压力柱（13）上固定有若干感应杆（14）,压力柱（13）设置在横柱（3）上开设的凹槽中，感应杆（14）贯穿横柱（3）上开设的方形孔，从动柱（9）套接在控制片（12）上开设的方形孔。
6.根据权利要求1所述的一种融合机器学习和LSTM的大气污染物浓度预测系统，其特征在于：所述动力柱（7）和从动柱（9）形状均为棱柱状且柱体一侧壁上开设有若干均匀分布的齿槽，齿轮（8）一侧和动力柱（7）啮合传动连接，齿轮（8）另一侧和从动柱（9）啮合传动连接，齿轮（8）中部套接有中心轴（20）,中心轴（20）端部固定在水箱（1）的内壁上。
7.一种融合机器学习和LSTM的大气污染物浓度预测方法，采用权利要求1所述的一种融合机器学习和LSTM的大气污染物浓度预测系统，其特征在于，包括以下步骤：
步骤一：将LSTM控制设备和气泵连接，控制气泵顶起转动工作，即外界气体通过L型管（4）注入到水箱（1）中；
步骤二：LSTM控制设备和注水机构连接，每次的气体检测工作结束后即对水箱（1）中注水，即感应杆（14）检测工作结束后，感应杆（14）浸泡在水中；
步骤三：水箱（1）中注气过程中分成两部分流程，一种是注气前期，感应杆（14）在水中搅动，实现检测前的清洗工作，另一种是水箱（1）中水排干，气流吹动感应杆（14），风干后的感应杆（14）自动开始气体成分检测；
步骤四：每个感应杆（14）上端通过导线连接到现有技术中的气体成分显示仪器中，这样仪器中显示不同气体成分的含量；
步骤五：在LSTM控制设备下，整个气体成分检测机制每隔一定时间进行一次气体成分检测工作，得到全面的气体随着时间变化数据，参考数据对大气污染物浓度进行预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110542277.7A CN113311111B (zh) | 2021-05-18 | 2021-05-18 | 一种融合机器学习和lstm的大气污染物浓度预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110542277.7A CN113311111B (zh) | 2021-05-18 | 2021-05-18 | 一种融合机器学习和lstm的大气污染物浓度预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113311111A CN113311111A (zh) | 2021-08-27 |
| CN113311111B true CN113311111B (zh) | 2022-10-11 |
Family
ID=77373444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110542277.7A Active CN113311111B (zh) | 2021-05-18 | 2021-05-18 | 一种融合机器学习和lstm的大气污染物浓度预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113311111B (zh) |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6865926B2 (en) * | 2000-01-25 | 2005-03-15 | State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of Portland State University | Method and apparatus for sample analysis |
| AU2009235239A1 (en) * | 2008-04-10 | 2009-10-15 | Anaxsys Technology Ltd | Gas sensor |
| CN101315314B (zh) * | 2008-07-03 | 2010-08-18 | 北京大学 | 一种大气气溶胶捕集方法及装置 |
| US9709471B2 (en) * | 2010-09-07 | 2017-07-18 | Unibest International, Llc | Environmental sampler and methods of use in soils and fields |
| CN106093445A (zh) * | 2016-08-17 | 2016-11-09 | 江苏英诺华医疗技术有限公司 | 具有非接触气压搅拌装置的全自动生化分析仪及分析方法 |
| CN108043836A (zh) * | 2018-02-05 | 2018-05-18 | 温州市乐西科技有限公司 | 一种用于环境水质检测的检测装置 |
| CN209132060U (zh) * | 2018-10-06 | 2019-07-19 | 郑州邦企信息科技有限公司 | 一种便携式大气污染物采样装置 |
| CN109813671A (zh) * | 2019-03-18 | 2019-05-28 | 新疆维吾尔自治区环境保护科学研究院 | 气/粒反应检测系统 |
| CN210166191U (zh) * | 2019-04-24 | 2020-03-20 | 大庆中环评价检测有限公司 | 一种大气污染物治理用污染物采样装置 |
| CN210473562U (zh) * | 2019-05-13 | 2020-05-08 | 广州天达环保工程有限公司 | 一种零污染voc大气处理一体化设备 |
| CN211014193U (zh) * | 2019-10-16 | 2020-07-14 | 江苏伟斯动科技有限公司 | 一种大气污染物溯源系统 |
| CN110839586B (zh) * | 2019-11-29 | 2021-05-18 | 江苏农牧科技职业学院 | 一种用于智能水族馆淡水鱼馆区的水循环清洁装置 |
| CN111537023B (zh) * | 2020-05-13 | 2021-05-07 | 浙江大学 | 一种工业园区大气污染物扩散模拟与溯源方法 |
| CN111551682B (zh) * | 2020-05-21 | 2022-07-15 | 上海博取仪器有限公司 | 一种污水水质检测装置自清洁检测探针 |
| CN212211635U (zh) * | 2020-06-10 | 2020-12-22 | 内蒙古显鸿科技股份有限公司 | 一种数据采集用融合终端的防护结构 |
| CN213121813U (zh) * | 2020-08-27 | 2021-05-04 | 辽宁域美环保服务有限公司 | 一种防杂空气易流通空气检测装置 |
| CN112255223A (zh) * | 2020-10-22 | 2021-01-22 | 方明科 | 一种工业区外围污染气体的高效监测方法 |
| CN112595815A (zh) * | 2020-12-08 | 2021-04-02 | 上海建科环境技术有限公司 | 用于环境测试舱性能检定的温控式气体释放装置 |
-
2021
- 2021-05-18 CN CN202110542277.7A patent/CN113311111B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113311111A (zh) | 2021-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110361516A (zh) | 一种水质检测装置及检测方法 | |
| CN209356250U (zh) | 一种渔业养殖水质检测用定点取样机器人 | |
| CN207280790U (zh) | 一种雨水的收集采样装置 | |
| CN109201614A (zh) | 一种滚刀维修清洗装置 | |
| CN203864967U (zh) | 一种机器鱼 | |
| CN113311111B (zh) | 一种融合机器学习和lstm的大气污染物浓度预测方法及系统 | |
| CN101256639A (zh) | 小型水生昆虫计数分装机 | |
| CN205599185U (zh) | 一种全自动取液机 | |
| CN206120141U (zh) | 高效节能蔬菜清洗装置 | |
| CN209673433U (zh) | 一种应用于地热井抽水试验的定点取样装置 | |
| CN209423653U (zh) | 一种纯粘性非牛顿流体定量挤出装置 | |
| CN111413147A (zh) | 一种可定深度且自动吸取的污水取样装置 | |
| CN208409958U (zh) | 一种塑料管定长切割装置 | |
| CN201000354Y (zh) | 液位感应器试验装置 | |
| CN211082154U (zh) | 一种齿轮箱的集油池报警器 | |
| CN207887919U (zh) | 一种磁铁钻孔装置 | |
| CN201318172Y (zh) | 双腔电动释放器 | |
| CN104985751B (zh) | 一种用于硅胶色浆调配的定量缸 | |
| CN211179767U (zh) | 一种膳食中盐分含量的测定装置 | |
| CN207007873U (zh) | 一种可测量不同水位高度的水流速度装置 | |
| CN208431147U (zh) | 一种具有流量计量功能的气动隔膜泵 | |
| CN208902718U (zh) | 一种地基土壤氡浓度测试装置 | |
| CN208583766U (zh) | 一种生物教学试管清洗装置 | |
| CN206974551U (zh) | 一种体温计回复装置 | |
| CN105251412A (zh) | 溶液配比装置及方法 |
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 |