CN113962493A - 一种基于合流制溢流污水污染物去除率快速预测方法 - Google Patents

一种基于合流制溢流污水污染物去除率快速预测方法 Download PDF

Info

Publication number
CN113962493A
CN113962493A CN202111497008.XA CN202111497008A CN113962493A CN 113962493 A CN113962493 A CN 113962493A CN 202111497008 A CN202111497008 A CN 202111497008A CN 113962493 A CN113962493 A CN 113962493A
Authority
CN
China
Prior art keywords
removal rate
cod
data
removal
rate
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
Application number
CN202111497008.XA
Other languages
English (en)
Other versions
CN113962493B (zh
Inventor
张慧
王涛涛
尹滔
罗青
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.)
Yunnan Design Institute Group Co ltd
Original Assignee
Yunnan Design Institute Group 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 Yunnan Design Institute Group Co ltd filed Critical Yunnan Design Institute Group Co ltd
Priority to CN202111497008.XA priority Critical patent/CN113962493B/zh
Publication of CN113962493A publication Critical patent/CN113962493A/zh
Application granted granted Critical
Publication of CN113962493B publication Critical patent/CN113962493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Separation Of Suspended Particles By Flocculating Agents (AREA)
  • Activated Sludge Processes (AREA)

Abstract

本发明提供一种基于合流制溢流污水污染物去除率快速预测方法，属于市政水处理技术领域。合流制溢流（CSO）污染长期以来严重制约我国水环境质量改善，是城市水环境治理中亟待解决的重大难题。本发明提供一种基于合流制溢流污水污染物去除率快速预测方法，分析研究SS去除率与COD、TP去除率之间的相关性，并对SS去除率与COD、TP去除率之间进行回归关系分析，得到SS去除率与COD、TP去除率之间的回归方程。将设计SS去除率代入上述两个回归方程，得到相应的COD、TP去除率。COD、TP的去除率可作为一级强化处理后排入水体的指标预测结果。现行的《海绵城市建设评价标准》提到SS作为城市水体环境治理评价指标，本发明可以通过检测SS去除率，预测COD、TP去除率，操作简单，能快速预测出一级强化处理工艺处理雨季合流制溢流污水后，污染物入河湖的消减量及对水体的保护度；能为项目决策部门及设计部门提供合理决策及设计依据，避免工艺方案选型失误，造成出水水质不达标、工程投资浪费。

Description

一种基于合流制溢流污水污染物去除率快速预测方法
技术领域
本发明属于市政水处理技术领域，尤其是涉及一种基于合流制溢流污水污染物去除率快速预测方法。
背景技术
我国城镇污水处理比例不断提高，但是排水系统雨季溢流造成的城市面源污染，已成为城市水体污染的重要问题之一。溢流污染的有效控制，对改善水环境，提升人民幸福感、获得感与安全感有着重要作用。而随着全国黑臭水体治理到了攻坚和收尾阶段，城市污水治理设施逐步完善，消除“城市面源污染”成为了下一步改善水环境的重要任务。
雨季合流制溢流污水可生化性较差，水量波动大。采用一级强化处理工艺，即絮凝沉淀物理处理，适合于可生化性差、水量波动大的污水。一般情况下，雨水径流存在着初期冲刷效应。Inhyeok Park等人应用SWMM模型对韩国的某城市合流制管网的初期冲刷效应进行了研究，发现初期20％的径流中携带了40％的污染负荷。因此，对雨季合流制溢流污染采取快速净化措施，能逐步降低雨季污染物入河湖量。
据掌握的国内外相关文献表明，雨季合流水中固体悬浮物浓度(Suspendedsolid)SS、工业废水中的化学需氧量(Chemical Oxygen Demand)COD、总磷(totalphosphorus)TP三者之间有较好的相关性。同时雨季合流水中悬浮物质以无机大颗粒(d＝10～100μm)和无机粗颗粒(d＞100μm)为主，二者总量占SS比例超过85％，雨季合流污水采用一级强化处理工艺可获得很好的处理效果，SS去除率可以作为针对污水处理厂雨季合流制溢流污水一级强化处理出水水质的一个考核指标。现行规范对雨季合流制溢流污染处理出水指标仅《海绵城市建设评价标准》提到SS作为城市水体环境治理评价指标，没有其余考核指标。对处理后的溢流污水采用SS作为考核指标，缺乏对一级强化处理工艺处理后其他污染物指标的消减量预测。
发明内容
本发明提供一种基于合流制溢流污水污染物去除率快速预测方法。通过建立SS去除率与COD、TP去除率的回归方程，根据SS去除率，预测COD、TP各自相应的去除率，操作简单，能快速预测出一级强化处理工艺处理雨季合流制溢流污水后，污染物入河湖的消减量，对水体的保护度；能为项目决策部门及设计部门提供合理决策及设计依据，避免工艺方案选型失误，造成出水水质不达标、工程投资浪费。
工作步骤如下：
Step-1、选择SS去除率、COD去除率、TP去除率为数字特征；
Step-2、收集及整理数据：在雨季取超过污水处理厂处理能力1.1倍时候的溢流污水，进行絮凝沉淀实验；
Step-2-1、基于烧杯实验确定的药剂、投加量和沉淀时间，对应雨季溢流污水SS、COD、TP进行絮凝沉淀试验后，计算其各自去除率；
Step-2-2、得到雨季溢流污水SS、COD、TP去除率数据后，先剔除离群数据，进行数据有效数据整理，分析数据是否符合正态分布特征；
Step-3、相关性分析：根据SS、COD、TP的去除率数据，采用Pearson简单相关系数分析SS去除率与COD、TP去除率之间的相关显著程度；
Step-4、建立模型：根据SS、COD、TP的去除率数据，建立SS去除率与COD、TP去除率之间的回归方程；
Step-5、校验模型误差：对得到的SS去除率与COD去除率回归方程、SS去除率与TP去除率回归方程进行方差分析或相关系数t校验；
Step-6、利用模型预测出水指标选择不同的SS去除率，预测COD、TP的去除率；
Step-7、根据SS去除率，预测COD、TP的去除率，快速判断一级强化处理工艺处理雨季合流制溢流污水后，污染物入河湖的消减量及对水体的保护度。为项目决策部门及设计部门提供合理的决策及设计依据，避免工艺方案选型失误，造成出水水质不达标、工程投资浪费。
所述选择数字特征，是SS去除率、COD去除率、TP去除率。
所述模型预测，是基于SS去除率、COD去除率与TP去除率回归方程。
本发明一种基于合流制溢流污水污染物去除率快速预测方法研究具有如下有益效果：
(1)本发明是一种基于合流制溢流污水污染物去除率快速预测方法，能够通过一级强化处理工艺处理后SS去除率，快速预测COD、TP去除率的方法，操作简单。
(2)本发明提供的快速预测方法，适用于不同地区的一级强化处理工艺处理后的雨季合流制溢流污水的SS、COD、TP污染物消减量预测。为项目决策者及设计者提供决策及设计依据，避免工艺方案选型失误，造成出水水质不达标、工程投资浪费。具有良好的环境及经济效益。
附图说明
图1为本发明所述快速预测方法流程图
具体实施方式
雨季合流制溢流污水中污染物指标有SS、COD、TP、TN、NH3-N，其中SS与COD、TP相关性较好，SS与TN、NH3-N相关性差。因此，一级强化处理工艺处理雨季合流制溢流污水采用SS去除率与COD、TP去除率进行相关性分析，建立回归方程。
下面结合具体实施方式对本发明进行进一步说明：
1、选择SS去除率、COD去除率、TP去除率为数字特征。
2、在某市雨季取超过污水处理厂处理能力1.1倍时候的溢流污水，进行取样及絮凝沉淀实验。
基于烧杯实验确定的药剂种类、投加量和沉淀时间，对雨季溢流污水进行絮凝沉淀试验后，计算水质指标SS、COD、TP各自去除率。样本容量建议在8到50之间。
3、得到雨季溢流污水SS、COD、TP去除率数据后，剔除离群数据。将检测后的水质指标数据输入SPSS软件进行夏皮洛-威尔克检验也称为W检验，该校验是用来检验总体是否服从正态分布的一种广泛应用的检验方法。通常数据服从正态分布，后面统计分析才能获得有效结果。一般来说，W值接近于1且其显著性检验水平大于0.05代表接受原假设，样本总体服从正态分布；否则应拒绝原假设，样本总体不服从正态分布。
本研究样本容量为20,可以采用夏皮洛-威尔克检验法对其进行正态检验，检验结果如表1所示：
表1样本正态检验结果
Figure BDA0003400303390000041
从表2可以看出，SS去除率、COD去除率及TP去除率W统计量都比较接近1，且显著性水平都是远大于0.05，表明SS去除率、COD去除率及TP去除率具有良好的正态分布特征。
4、对服从正态分布的样本进行相关性分析
Pearson简单相关系数用来度量定距型变量之间的线性相关关系。Pearson简单相关系数可以直接根据观察值计算，Pearson相关系数的计算公式为：
Figure BDA0003400303390000042
公式中r为Pearson简单相关系数；n为样本数；1≤i≤n，x表示自变量SS去除率，y表示因变量COD去除率或者是TP去除率，则xi表示第i个样本SS去除率,yi表示第i个样本COD或者是TP去除率；
Figure BDA0003400303390000043
表示自变量SS去除率的平均值,
Figure BDA0003400303390000044
表示COD或者是TP去除率的平均值。
当r＝0时表示不存在线性相关，但不意味着y与x无任何关系；当0≤︱r︱≤0.3时，为微弱相关；当0<︱r︱≤0.5时，为低度相关；当0<︱r︱≤0.8时，为显著相关；当0.8<︱r︱<1时，为高度相关；当︱r︱＝1时，为完全性相关；
采用SPSS软件对其样本数据进行相关性分析，用Pearson简单相关系数衡量相关性强弱。其结果如表2所示：
表2 SS去除率与COD去除率、TP去除率皮尔逊相关性分析表
相关变量组合 相关系数 显著性检验值
COD去除率与SS去除率 0.844 0.001
TP去除率与SS去除率 0.846 0.001
表3为相关性分析结果表，从表中可以看出，SS去除率和COD去除率之间的相关系数为0.844，即︱r︱＝0.844；SS去除率和TP去除率之间的相关系数为0.846，即︱r︱＝0.846；表示两个变量是高度相关，且显著性检验值为0.001<0.01，确定了两者相关的假设。所以可以得出结论：SS的去除率与COD去除率、TP去除率之间存在相关性。
5、对通过相关性检验的样本建立回归模型
回归分析是研究一个因变量或多个因变量(自变量)与一个自变量(因变量)之间是否存在某种线性关系或非线性关系的一种统计学分析方法。本发明利用最小二乘法可以计算出线性回归模型中的参数值。
最小二乘法公式如下：
y＝a+bx
Figure BDA0003400303390000051
Figure BDA0003400303390000052
根据样本数据计算a、b值，得到回归方程。
y是因变量；x是自变量；xi是第i个样本自变量的样本值；yi是第i个样本因变量样本值；
Figure BDA0003400303390000053
是自变量样本均值；
Figure BDA0003400303390000054
是因变量样本均值；a是回归方程斜率；b是回归方程常量；
(1)SS去除率与COD去除率回归方程为：
y＝0.337x+18.61
其中：自变量x是SS去除率；因变量y是COD去除率
(2)SS去除率与TP去除率回归方程为：
y＝0.344x+39.0
其中：自变量x是SS去除率；因变量y是TP去除率
5、为检验回归方程的正确性，对回归方程进行F检验以验证回归关系，经过回归关系F检验可以得到表3数据，其中F0.95为置信度95％的F值。
表3 F检验回归关系表
Figure BDA0003400303390000061
然后再对COD去除率、TP去除率与SS之间的线型关系进行T检验，可以得到表4数据，其中T0.95为置信度95％的T值。
表4 T检验线性关系表
Figure BDA0003400303390000062
6、校验通过后，得到SS去除率与COD去除率回归方程、SS去除率与TP去除率回归方程。
(1)SS去除率与COD去除率回归方程为：
y＝0.337x+18.61 R2＝0.712
其中：x是SS去除率；y是COD去除率，R2表示x、y之间的线性相关性，越接近1，表示相关越大；
(2)SS去除率与TP去除率回归方程为：
y＝0.344x+39.0 R2＝0.717
其中：x是SS去除率；y是TP去除率R2表示x、y之间的线性相关性，越接近1，表示相关越大。

Claims (3)

1.一种基于合流制溢流污水污染物去除率快速预测方法，其特征在于，包括：选择SS去除率、COD去除率、TP去除率为数字特征、收集并整理数字特征、计算数字特征、建立模型、检验模型误差、利用模型预测；
工作步骤如下：
Step-1、选择SS去除率、COD去除率、TP去除率为数字特征；
Step-2、收集及整理数据：在雨季取超过污水处理厂处理能力1.1倍时候的溢流污水，进行絮凝沉淀实验；
Step-2-1、基于烧杯实验确定的药剂、投加量和沉淀时间，对应雨季溢流污水SS、COD、TP进行絮凝沉淀试验后，计算其各自去除率；
Step-2-2、得到雨季溢流污水SS、COD、TP去除率数据后，先剔除离群数据，进行数据有效数据整理，分析数据是否符合正态分布特征；
Step-3、相关性分析：根据SS、COD、TP的去除率数据，采用Pearson简单相关系数分析SS去除率与COD、TP去除率之间的相关显著程度；
Step-4、 建立模型：根据SS、COD、TP的去除率数据，建立SS去除率与COD、TP去除率之间的回归方程；
Step-5、 校验模型误差：对得到的SS去除率与COD去除率回归方程、SS去除率与TP去除率回归方程进行方差分析或相关系数t校验；
Step-6、利用模型预测出水指标选择不同的SS去除率，预测COD、TP的去除率；
Step-7、根据SS去除率，预测COD、TP的去除率，快速判断一级强化处理工艺处理雨季合流制溢流污水后，污染物入河湖的消减量及对水体的保护度。
2.根据权利要求1所述的一种基于合流制溢流污水污染物去除率快速预测方法研究，其特征在于：所述选择数字特征，是SS去除率、COD去除率、TP去除率。
3.根据权利要求1所述的一种基于合流制溢流污水污染物去除率快速预测方法研究，其特征在于：所述利用模型预测，基于SS去除率、COD去除率与TP去除率回归方程。
CN202111497008.XA 2021-12-08 2021-12-08 一种基于合流制溢流污水污染物去除率快速预测方法 Active CN113962493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111497008.XA CN113962493B (zh) 2021-12-08 2021-12-08 一种基于合流制溢流污水污染物去除率快速预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111497008.XA CN113962493B (zh) 2021-12-08 2021-12-08 一种基于合流制溢流污水污染物去除率快速预测方法

Publications (2)

Publication Number Publication Date
CN113962493A true CN113962493A (zh) 2022-01-21
CN113962493B CN113962493B (zh) 2022-08-19

Family

ID=79473001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111497008.XA Active CN113962493B (zh) 2021-12-08 2021-12-08 一种基于合流制溢流污水污染物去除率快速预测方法

Country Status (1)

Country Link
CN (1) CN113962493B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110132629A (zh) * 2019-06-06 2019-08-16 浙江清华长三角研究院 一种利用支持向量机预测农村生活污水处理设施运行有效性的方法
CN111221306A (zh) * 2020-01-17 2020-06-02 石化盈科信息技术有限责任公司 一种污水系统关键指标的预测方法
CN111612235A (zh) * 2020-05-13 2020-09-01 吉林省农业科学院 一种养殖污水处理磁分离工艺参数组合优化方法
CN112093828A (zh) * 2020-09-04 2020-12-18 中交疏浚技术装备国家工程研究中心有限公司 基于云计算的分散式污水处理智能平台

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110132629A (zh) * 2019-06-06 2019-08-16 浙江清华长三角研究院 一种利用支持向量机预测农村生活污水处理设施运行有效性的方法
CN111221306A (zh) * 2020-01-17 2020-06-02 石化盈科信息技术有限责任公司 一种污水系统关键指标的预测方法
CN111612235A (zh) * 2020-05-13 2020-09-01 吉林省农业科学院 一种养殖污水处理磁分离工艺参数组合优化方法
CN112093828A (zh) * 2020-09-04 2020-12-18 中交疏浚技术装备国家工程研究中心有限公司 基于云计算的分散式污水处理智能平台

Also Published As

Publication number Publication date
CN113962493B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
Ebrahimi et al. Temporal performance assessment of wastewater treatment plants by using multivariate statistical analysis
CN110135714B (zh) 一种河流、湖泊沉积物重金属生态毒性风险的综合评价方法
Harremoës et al. Wastewater treatment plants under transient loading-Performance, modelling and control
CN110186505B (zh) 一种基于支持向量机的农村生活污水处理设施出水达标情况的预测方法
Kelly Use of community-based indices to monitor eutrophication in European rivers
CN108088974B (zh) 一种厌氧同时反硝化产甲烷过程出水硝氮的软测量方法
CN103632032A (zh) 一种城市污水处理过程出水指标在线软测量预测方法
CN113033092A (zh) 污水处理数据处理方法、装置、计算机设备和存储介质
US12043560B2 (en) Method for predicting operation effectiveness of decentralized sewage treatment facility by using support vector machine
CN107247888B (zh) 基于储备池网络的污水处理出水总磷tp软测量方法
Frechen Odour emission inventory of German wastewater treatment plants-odour flow rates and odour emission capacity
CN109633111B (zh) 一种湖库灰水足迹评估方法及其应用
Bugajski et al. The variability of pollution load of organic, biogenic and chromium ions in wastewater inflow to the treatment plant in Nowy Targ
CN113962493B (zh) 一种基于合流制溢流污水污染物去除率快速预测方法
CN102778548A (zh) 一种污水处理过程污泥膨胀指数预测方法
Mohammed et al. Treatability influence of municipal sewage effluent on surface water quality assessment based on Nemerow pollution index using an artificial neural network
Bugajski et al. A Weibull analysis of the reliability of a wastewater treatment plant in Nowy Targ, Poland
CN117776336A (zh) 水预处理方法及厌氧氨氧化水处理工艺
Carrette et al. Full-scale application of the IAWQ ASM No. 2d model
CN114354705B (zh) 一种基于多参数相对权重的地表水质综合评价方法
Verma et al. Water quality management by enhancing assimilation capacity with flow augmentation: a case study for the Yamuna River, Delhi
Migdał et al. Assessment of the reliability of the operation of a sewage treatment plant using Monte Carlo simulation
Joseph-Duran et al. LIFE EFFIDRAIN: Efficient Integrated Real-time Control in Urban Drainage Systems for Environmental Protection
Kaczor et al. Analysis of the Proportion of Incidental Water in Annual Wastewater Inflows to a Selected Treatment Plant During a 15-year Observation Period
de Oliveira et al. Differences between sewage effluent parameters for dry and rainy periods in tropical climate area

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB03 Change of inventor or designer information

Inventor after: Zhang Hui

Inventor after: Wang Taotao

Inventor after: Yin Tao

Inventor after: Luo Qing

Inventor after: Li Hai

Inventor before: Zhang Hui

Inventor before: Wang Taotao

Inventor before: Yin Tao

Inventor before: Luo Qing

CB03 Change of inventor or designer information
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant