CN116953178A - 一种温室气体浓度监测系统及方法 - Google Patents
一种温室气体浓度监测系统及方法 Download PDFInfo
- Publication number
- CN116953178A CN116953178A CN202311215690.8A CN202311215690A CN116953178A CN 116953178 A CN116953178 A CN 116953178A CN 202311215690 A CN202311215690 A CN 202311215690A CN 116953178 A CN116953178 A CN 116953178A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- greenhouse gas
- concentration
- gas
- gas concentration
- 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
- 239000005431 greenhouse gas Substances 0.000 title claims abstract description 174
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000001228 spectrum Methods 0.000 claims description 77
- 239000007789 gas Substances 0.000 claims description 74
- 238000010521 absorption reaction Methods 0.000 claims description 58
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 20
- 238000003062 neural network model Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 8
- 239000012528 membrane Substances 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 238000007791 dehumidification Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 claims 4
- 229910018503 SF6 Inorganic materials 0.000 claims 1
- QKCGXXHCELUCKW-UHFFFAOYSA-N n-[4-[4-(dinaphthalen-2-ylamino)phenyl]phenyl]-n-naphthalen-2-ylnaphthalen-2-amine Chemical compound C1=CC=CC2=CC(N(C=3C=CC(=CC=3)C=3C=CC(=CC=3)N(C=3C=C4C=CC=CC4=CC=3)C=3C=C4C=CC=CC4=CC=3)C3=CC4=CC=CC=C4C=C3)=CC=C21 QKCGXXHCELUCKW-UHFFFAOYSA-N 0.000 claims 1
- 239000001272 nitrous oxide Substances 0.000 claims 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 claims 1
- 229960000909 sulfur hexafluoride Drugs 0.000 claims 1
- 230000006870 function Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000000862 absorption spectrum Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- -1 CH4 Nitrogen oxides Chemical class 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical class [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910002090 carbon oxide Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012306 spectroscopic technique Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01N33/0062—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
- G01N33/0067—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 by measuring the rate of variation of the concentration
-
- 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
-
- 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
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种温室气体浓度监测系统及方法，应用于温室气体检测技术领域，本申请的温室气体浓度监测方法，在现有技术的基础上增加一个折射周期，并测量输出光谱的强度变化，从而得到第二光谱，将第一温室气体浓度和第二温室气体浓度作为输入，传入一个神经网络模型中，神经网络模型中可以根据第一光谱和第二光谱的差值比例得出增加一个折射周期的吸收光谱的损失量，进一步输出准确的温室气体的浓度。
Description
技术领域
本发明涉及温室气体检测技术领域，特别涉及一种温室气体浓度监测系统及方法。
背景技术
气体检测技术中，传统的气敏检测法、气象检测法和化学发光法虽各具优点，但测量形式为单点，受限于光电子技术的水平，这些方法的检测灵敏度和精度均不高。而传统光学气体检测把激光光谱技术用于气体测量，精度和灵敏度高，实时性强，对于单一组分气体或谱线无明显混叠特征的多组分气体具有很好的识别和定量分析效果。但这种技术对于由于痕量有害气体浓度低、吸收度低且气体成分化学键类似造成特征谱线混叠的多组分气体，仍存在实施困难且精度低的问题。因此，传统光学气体检测虽被认为是一种新型气体检测技术，其局限性仍非常明显。
大气中CO2和CH4的含量已经达到ppm级别，基于光谱技术进行浓度检测时，可以选取位于近红外波段的气体吸收谱线分别来检测CO2和CH4。而大气中N2O含量仅为330ppb左右，N2O在近红外线波段吸收较弱，探测N2O位于中红外波段的基频吸收谱线是一种更好的选择。多种光谱技术也被用于温室气体检测，如离轴积分腔输出光谱、腔增强吸收光谱、腔衰荡光谱等，在现有的应用过程中，常常用来检测CO2和CH4，但是氮氧化物如：N2O和其他碳氧化物同样会对红外波段进行吸收，影响检测精度。
为此，提出一种温室气体浓度监测系统及方法。
发明内容
有鉴于此，本发明实施例希望提供一种温室气体浓度监测系统及方法，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择；
本发明实施例的技术方案是这样实现的：第一方面，一种温室气体浓度监测方法，包括如下步骤：
S1：根据预设的谱图库，获取温室气体在不同浓度下的吸收强度；
S2：通入温室气体进行一次光谱识别，获取到所述温室气体的第一光谱，所述光谱对照所述预设的谱图库，得到第一温室气体浓度；
S3：对温室气体进行二次光谱识别，所述二次光谱识别增加一个折射周期，获取到所述温室气体的第二光谱，得到第二温室气体浓度；
S4：将所述第一温室气体浓度和第二温室气体浓度输入至预设的神经网络模型中，计算二者的损失函数；
S5：根据所述损失函数计算所述温室气体在一个折射周期的吸收强度损失量，根据损失量反推出温室气体中氮氧化物的吸收量；
S6：最终推导出所述温室气体的浓度。
进一步的，所述的一种温室气体浓度监测方法，所述温室气体包括：二氧化碳、甲烷和其他空气成分。
进一步的，所述的一种温室气体浓度监测方法，所述光谱识别包括：
，
其中是第一温室气体浓度，/>是第一次光谱识别的信号强度，P是压强，/>是第一光程长度，/>是第一吸收强度；
，
其中是第二温室气体浓度，/>是第二次光谱识别的信号强度，P是压强，/>是第二光程长度，/>是第二吸收强度。
进一步的，所述的一种温室气体浓度监测方法，在将所述第一温室气体浓度和第二温室气体浓度输入至预设的神经网络模型中，计算二者的损失函数步骤中，所述损失函数包括：
；
其中，
；
；
大于0，l是一个折射周期的光程长度，在同一温室气体中，第一吸收强度和第二吸收强度是不变的，在第二光程长度增加时，二次光谱识别吸收的量大于一次光谱识别吸收的量，但其量并不是根据预设谱图库的线性变化的。
进一步的，所述的一种温室气体浓度监测方法，在根据所述损失函数计算所述温室气体在一个折射周期的吸收强度损失量，根据损失量反推出温室气体中氮氧化物的吸收量步骤中，所述一个折射周期强度的损失量包括：
；
其中，，推导Y：
；
其中S是温室气体的标准吸收强度，s是氮氧化物的吸收强度，计算出s，反推所述温室气体的浓度。
进一步的，所述的一种温室气体浓度监测方法，所述预设的神经网络模型包括：
将温室气体各个浓度下的检测结果进行预处理；
构造训练数据，对温室气体和其他可吸收光谱气体的浓度进行预处理；
构建训练模型，将预处理后的温室气体和其他可吸收光谱气体的浓度输入所述训练模型中，并计算得到光谱图；
根据光谱图判断输入结果是否正确，若不正确，则调整训练模型的参数，若正确，则对应输出温室气体的浓度。
进一步的，所述的一种温室气体浓度监测方法，所述温室气体浓度监测方法采用温室气体浓度监测系统实现，所述温室气体浓度监测系统包括：
分析单元：包括分析主机、样品预热器、显示控制软件和数据下载软件，主要对样气和标气中的温室气体浓度进行分析，并将分析结果保存在工控机；
标校单元：2瓶W标气、1瓶T标气和3个高精密减压阀；W标气用于订正分析主机测量结果，T标气用于反映系统数据质量，标气浓度可溯源至WMO CCL维持的国际一级标气；
多路进气自动控制单元：多路进气自动控制单元包括采样口过滤器、采样管路、采样泵过滤器、采样泵和进样阀箱，主要采集环境样气，并控制样气、W标气、T标气根据分析序列进入分析主机；
样气自动除水单元：包括气体冷却器、渗透膜除水系统和全自动超低温冷阱，主要对样气中水分进行去除，除湿后，水汽浓度应低于1000ppm；
监测报警单元组成：包括监测报警主机和压力传感器，主要监测气瓶压力，同时监测渗透膜除水阀箱中样气压力、干燥气压力及流量、泄压压力及流量和旁路流量。
与现有技术相比，本发明的有益效果是：
一、本申请的温室气体浓度监测方法，在现有技术的基础上增加一个折射周期，并测量输出光谱的强度变化，从而得到第二光谱，将第一温室气体浓度和第二温室气体浓度作为输入，传入一个神经网络模型中，神经网络模型中可以根据第一光谱和第二光谱的差值比例得出增加一个折射周期的吸收光谱的损失量，进一步输出准确的温室气体的浓度；
二、本申请提出的预设的神经网络模型对从离轴积分腔输出光谱技术获得的温室气体各个浓度下的检测结果进行预处理，这包括对原始数据进行去噪、归一化或其他必要的处理步骤，接下来，构建训练数据集，将预处理后的温室气体和其他可吸收光谱气体的浓度作为输入，这个数据集可以包括一系列具有已知浓度的样本，以及相应的光谱数据，将预处理后的温室气体和其他可吸收光谱气体的浓度作为输入，并通过模型进行计算，得到相应的光谱图，其中包括温室气体以及其他空气成分对应吸收光谱强度的比值，根据光谱图对输入结果进行判断，如果预测的光谱图和真实的光谱图不匹配，可以调整训练模型的参数，例如优化模型的权重和偏差，以提高预测准确性。直到模型能够预测正确的光谱图，然后可以通过模型输出相应的温室气体浓度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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。
图1为本发明的温室气体浓度监测方法的流程示意图；
图2为本发明的温室气体浓度监测方法中预设的神经网络模型的流程示意图；
图3为本发明的实现温室气体浓度监测方法的计算机设备的结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制；
需要注意的是，术语“第一”、“第二”、“对称”、“阵列”等仅用于区分描述与位置描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“对称”等特征的可以明示或者隐含地包括一个或者更多个该特征；同样，对于未以“两个”、“三只”等文字形式对某些特征进行数量限制时，应注意到该特征同样属于明示或者隐含地包括一个或者更多个特征数量；
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征；同时，所有的轴向描述例如X轴向、Y轴向、Z轴向、X轴向的一端、Y轴向的另一端或Z轴向的另一端等，均基于笛卡尔坐标系。
在本发明中，除非另有明确的规定和限定，“安装”、“连接”、“固定”等术语应做广义理解；例如，可以是固定连接，也可以是可拆卸连接，或一体成型；可以是机械连接，可以是直接相连，可以是焊接，也可以是通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据说明书附图结合具体情况理解上述术语在本发明中的具体含义。
在现有技术中，多种光谱技术也被用于温室气体检测，如离轴积分腔输出光谱、腔增强吸收光谱、腔衰荡光谱等，在现有的应用过程中，常常用来检测CO2和CH4，但是氮氧化物如：N2O和其他碳氧化物同样会对红外波段进行吸收，影响检测精度；为此，请参阅图1-2，本发明提供一种技术方案以解决上述技术问题：
其中，在本申请一些具体实施方式中，请结合参阅图1：
一种温室气体浓度监测方法，包括如下步骤：
S1：根据预设的谱图库，获取温室气体在不同浓度下的吸收强度；
S2：通入温室气体进行一次光谱识别，获取到所述温室气体的第一光谱，所述光谱对照所述预设的谱图库，得到第一温室气体浓度；
S3：对温室气体进行二次光谱识别，所述二次光谱识别增加一个折射周期，获取到所述温室气体的第二光谱，得到第二温室气体浓度；
S4：将所述第一温室气体浓度和第二温室气体浓度输入至预设的神经网络模型中，计算二者的损失函数；
S5：根据所述损失函数计算所述温室气体在一个折射周期的吸收强度损失量，根据损失量反推出温室气体中氮氧化物的吸收量；
S6：最终推导出所述温室气体的浓度。
所述温室气体包括：二氧化碳、甲烷和其他空气成分。
在一个实施例中，在开始之前，需要建立一个谱图库，其中包含根据不同浓度下温室气体的光谱吸收强度数据，将温室气体导入腔体或样品室中，并使用离轴积分腔输出光谱技术进行光谱识别，通过测量输出光谱的强度变化，可以得到第一光谱，将第一光谱与预设的谱图库进行对比分析，找到与之最匹配的光谱数据，通过比较光谱数据和已知浓度之间的关系，可以推导出第一温室气体的浓度，继续使用离轴积分腔输出光谱技术，在此基础上增加一个折射周期，并测量输出光谱的强度变化，从而得到第二光谱，将第一温室气体浓度和第二温室气体浓度作为输入，传入一个神经网络模型中，神经网络模型中可以根据第一光谱和第二光谱的差值比例得出增加一个折射周期的吸收光谱的损失量，进一步输出准确的温室气体的浓度。
所述光谱识别包括：
；
其中是第一温室气体浓度，/>是第一次光谱识别的信号强度，P是压强，/>是第一光程长度，/>是第一吸收强度；
；
其中是第二温室气体浓度，/>是第二次光谱识别的信号强度，P是压强，/>是第二光程长度，/>是第二吸收强度。
在将所述第一温室气体浓度和第二温室气体浓度输入至预设的神经网络模型中，计算二者的损失函数步骤中，所述损失函数包括：
；
其中，
；
；
大于0，l是一个折射周期的光程长度，在同一温室气体中，第一吸收强度和第二吸收强度是不变的，在第二光程长度增加时，二次光谱识别吸收的量大于一次光谱识别吸收的量，但其量并不是根据预设谱图库的线性变化的。
在根据所述损失函数计算所述温室气体在一个折射周期的吸收强度损失量，根据损失量反推出温室气体中氮氧化物的吸收量步骤中，所述一个折射周期强度的损失量包括：
；
其中，，推导Y：
；
其中S是温室气体的标准吸收强度，s是氮氧化物的吸收强度，计算出s，反推所述温室气体的浓度。
在一个实施例中，谱图库包括至少两个光程长度下的数据，在制定谱图库的过程中，将温室气体按比例通入腔体中，得到温室气体在各个浓度下的光谱吸收的曲线图，第一温室气体浓度对应的谱图库，第二温室气体浓度对应/>的谱图库，在对温室气体浓度检测的过程中，其吸收强度S是固定的，在此吸收强度下的一次光谱识别和二次光谱识别的吸收量不在曲线中，由此可知，除了吸收强度S外，还有氮氧化物的吸收强度影响温室其他浓度的判断，在曲线上方，则说明氮氧化物的平均吸收强度s高于温室气体吸收强度S，在曲线下方，则说明氮氧化物的平均吸收强度s低于温室气体吸收强度S。
如图2：所述预设的神经网络模型包括：
S41：将温室气体各个浓度下的检测结果进行预处理；
S42：构造训练数据，对温室气体和其他可吸收光谱气体的浓度进行预处理；
S43：构建训练模型，将预处理后的温室气体和其他可吸收光谱气体的浓度输入所述训练模型中，并计算得到光谱图；
S44：根据光谱图判断输入结果是否正确，若不正确，则调整训练模型的参数，若正确，则对应输出温室气体的浓度。
在一个实施例中，首先，对从离轴积分腔输出光谱技术获得的温室气体各个浓度下的检测结果进行预处理，这包括对原始数据进行去噪、归一化或其他必要的处理步骤，接下来，构建训练数据集，将预处理后的温室气体和其他可吸收光谱气体的浓度作为输入，这个数据集可以包括一系列具有已知浓度的样本，以及相应的光谱数据，将预处理后的温室气体和其他可吸收光谱气体的浓度作为输入，并通过模型进行计算，得到相应的光谱图，其中包括温室气体以及其他空气成分对应吸收光谱强度的比值，根据光谱图对输入结果进行判断，如果预测的光谱图和真实的光谱图不匹配，可以调整训练模型的参数，例如优化模型的权重和偏差，以提高预测准确性，直到模型能够预测正确的光谱图，然后可以通过模型输出相应的温室气体浓度。
所述温室气体浓度监测方法采用温室气体浓度监测系统实现，所述温室气体浓度监测系统包括：
分析单元：包括分析主机、样品预热器、显示控制软件和数据下载软件，主要对样气和标气中的温室气体浓度进行分析，并将分析结果保存在工控机；
标校单元：2瓶W标气、1瓶T标气和3个高精密减压阀；W标气用于订正分析主机测量结果，T标气用于反映系统数据质量，标气浓度可溯源至WMO CCL维持的国际一级标气；
多路进气自动控制单元：多路进气自动控制单元包括采样口过滤器、采样管路、采样泵过滤器、采样泵和进样阀箱，主要采集环境样气，并控制样气、W标气、T标气根据分析序列进入分析主机；
样气自动除水单元：包括气体冷却器、渗透膜除水系统和全自动超低温冷阱，主要对样气中水分进行去除，除湿后，水汽浓度应低于1000ppm；
监测报警单元组成：包括监测报警主机和压力传感器，主要监测气瓶压力，同时监测渗透膜除水阀箱中样气压力、干燥气压力及流量、泄压压力及流量和旁路流量。
在一个实施例中，分析单元用于实现温室气体浓度监测方法，标校单元用于整个系统的校正，进气单元用于采集样气，除水单元用于对空气中的水分进行处理，防止其对检测结果产生干扰，监测报警单元用于整个系统的故障报警；此系统的工作流程包括：
输入一束激光，其波长为1650nm，用于检测CH4浓度，离轴射入光室，通过平凹镜片多次反射衰减，检测器检测透射出的激光强度；首先，样气通过采样口过滤器进入采样管路，然后，采样管路连接到采样泵过滤器，其中的采样泵将样气抽取到进样阀箱，在进样阀箱中，样气与W标气、T标气按照设定的分析序列进入分析主机，在进入分析主机之前还需要对水分进行处理，由于水分与CH4对激光的吸收强度相似，为了保证其不受空气中水分的影响，样气通过气体冷却器降温，然后通过渗透膜除水系统去除水分，样气通过全自动超低温冷阱进一步降温，确保水汽浓度低于40ppm，将样气输入分析主机后，分析单元负责对样气中的温室气体浓度进行分析，分析结果将保存在工控机中，以供后续处理和分析。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于谱图库等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种温室气体浓度监测方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现实现一种温室气体浓度监测方法的步骤，具体为：
S1：根据预设的谱图库，获取温室气体在不同浓度下的吸收强度；
S2：通入温室气体进行一次光谱识别，获取到所述温室气体的第一光谱，所述光谱对照所述预设的谱图库，得到第一温室气体浓度；
S3：对温室气体进行二次光谱识别，所述二次光谱识别增加一个折射周期，获取到所述温室气体的第二光谱，得到第二温室气体浓度；
S4：将所述第一温室气体浓度和第二温室气体浓度输入至预设的神经网络模型中，计算二者的损失函数；
S5：根据所述损失函数计算所述温室气体在一个折射周期的吸收强度损失量，根据损失量反推出温室气体中氮氧化物的吸收量；
S6：最终推导出所述温室气体的浓度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本申请中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本申请的专利保护范围内。
尽管已经示出和描述了本申请的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本申请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，本申请的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种温室气体浓度监测方法，其特征在于，包括如下步骤：
S1：根据预设的谱图库，获取温室气体在不同浓度下的吸收强度；
S2：通入温室气体进行一次光谱识别，获取到所述温室气体的第一光谱，所述光谱对照所述预设的谱图库，得到第一温室气体浓度；
S3：对温室气体进行二次光谱识别，所述二次光谱识别增加一个折射周期，获取到所述温室气体的第二光谱，得到第二温室气体浓度；
S4：将所述第一温室气体浓度和第二温室气体浓度输入至预设的神经网络模型中，计算二者的损失函数；
S5：根据所述损失函数计算所述温室气体在一个折射周期的吸收强度损失量，根据损失量反推出温室气体中氮氧化物的吸收量；
S6：最终推导出所述温室气体的浓度。
2.根据权利要求1所述的一种温室气体浓度监测方法，其特征在于：所述温室气体包括：二氧化碳、甲烷和其他空气成分，所述其他空气成分包括氧化亚氮、六氟化硫、氢氟碳化物、全氟化碳、三氟化氮中的一种或多种。
3.根据权利要求1所述的一种温室气体浓度监测方法，其特征在于：所述光谱识别包括：
；
其中是第一温室气体浓度，/>是第一次光谱识别的信号强度，P是压强，/>是第一光程长度，/>是第一吸收强度；
；
其中是第二温室气体浓度，/>是第二次光谱识别的信号强度，P是压强，/>是第二光程长度，/>是第二吸收强度。
4.根据权利要求3所述的一种温室气体浓度监测方法，其特征在于：在将所述第一温室气体浓度和第二温室气体浓度输入至预设的神经网络模型中，计算二者的损失函数步骤中，所述损失函数包括：
；
其中，
；
；
是比例系数，且/>大于0，l是一个折射周期的光程长度，在同一温室气体中，第一吸收强度和第二吸收强度是不变的，在第二光程长度增加时，二次光谱识别吸收的量大于一次光谱识别吸收的量，但其量并不是根据预设谱图库的线性变化的。
5.根据权利要求4所述的一种温室气体浓度监测方法，其特征在于：在根据所述损失函数计算所述温室气体在一个折射周期的吸收强度损失量，根据损失量反推出温室气体中氮氧化物的吸收量步骤中，所述一个折射周期强度的损失量包括：
；
其中，，推导Y：
；
其中S是温室气体的标准吸收强度，s是氮氧化物的吸收强度，计算出s，反推所述温室气体的浓度。
6.根据权利要求1所述的一种温室气体浓度监测方法，其特征在于：所述预设的神经网络模型包括：
将温室气体各个浓度下的检测结果进行预处理；
构造训练数据，对温室气体和其他可吸收光谱气体的浓度进行预处理；
构建训练模型，将预处理后的温室气体和其他可吸收光谱气体的浓度输入所述训练模型中，并计算得到光谱图；
根据光谱图判断输入结果是否正确，若不正确，则调整训练模型的参数，若正确，则对应输出温室气体的浓度。
7.一种温室气体浓度监测系统，其特征在于：用于实现权利要求1-6任一项所述的温室气体浓度监测方法，所述温室气体浓度监测系统包括：
分析单元：包括分析主机、样品预热器、显示控制软件和数据下载软件，主要对样气和标气中的温室气体浓度进行分析，并将分析结果保存在工控机；
标校单元：2瓶W标气、1瓶T标气和3个高精密减压阀；W标气用于订正分析主机测量结果，T标气用于反映系统数据质量，标气浓度可溯源至WMO CCL维持的国际一级标气；
多路进气自动控制单元：多路进气自动控制单元包括采样口过滤器、采样管路、采样泵过滤器、采样泵和进样阀箱，主要采集环境样气，并控制样气、W标气、T标气根据分析序列进入分析主机；
样气自动除水单元：包括气体冷却器、渗透膜除水系统和全自动超低温冷阱，主要对样气中水分进行去除，除湿后，水汽浓度应低于1000ppm；
监测报警单元组成：包括监测报警主机和压力传感器，主要监测气瓶压力，同时监测渗透膜除水阀箱中样气压力、干燥气压力及流量、泄压压力及流量和旁路流量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311215690.8A CN116953178B (zh) | 2023-09-20 | 2023-09-20 | 一种温室气体浓度监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311215690.8A CN116953178B (zh) | 2023-09-20 | 2023-09-20 | 一种温室气体浓度监测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116953178A true CN116953178A (zh) | 2023-10-27 |
| CN116953178B CN116953178B (zh) | 2023-12-01 |
Family
ID=88455013
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311215690.8A Active CN116953178B (zh) | 2023-09-20 | 2023-09-20 | 一种温室气体浓度监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116953178B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130284894A1 (en) * | 2012-04-26 | 2013-10-31 | Robert Freese | Devices Having One or More Integrated Computational Elements and Methods for Determining a Characteristic of a Sample by Computationally Combining Signals Produced Therewith |
| WO2015163782A1 (ru) * | 2014-04-24 | 2015-10-29 | Владимир Александрович ЛАБУСОВ | Способ измерения состава пробы |
| CN107167441A (zh) * | 2017-07-02 | 2017-09-15 | 广东技术师范学院 | 双光程和多位置调制光源测量复杂溶液成分含量的方法 |
| CN107167477A (zh) * | 2017-07-02 | 2017-09-15 | 天津大学 | 多位置下双光程透射和荧光光谱测量复杂溶液成分的方法 |
| CN113406036A (zh) * | 2021-06-17 | 2021-09-17 | 桂林电子科技大学 | 基于光谱重构技术的便携式温室气体检测系统 |
| US20220307975A1 (en) * | 2021-03-25 | 2022-09-29 | Asahi Kasei Microdevices Corporation | Gas sensor |
| US20220307976A1 (en) * | 2021-03-29 | 2022-09-29 | Asahi Kasei Microdevices Corporation | Optical concentration measuring device, module for optical concentration measuring device and optical concentration measuring method |
| JP2022151664A (ja) * | 2021-03-25 | 2022-10-07 | 旭化成エレクトロニクス株式会社 | ガスセンサ |
| JP2022153291A (ja) * | 2021-03-29 | 2022-10-12 | 旭化成エレクトロニクス株式会社 | 光学式濃度測定装置、光学式濃度測定装置用モジュール、および光学式濃度測定方法 |
-
2023
- 2023-09-20 CN CN202311215690.8A patent/CN116953178B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130284894A1 (en) * | 2012-04-26 | 2013-10-31 | Robert Freese | Devices Having One or More Integrated Computational Elements and Methods for Determining a Characteristic of a Sample by Computationally Combining Signals Produced Therewith |
| WO2015163782A1 (ru) * | 2014-04-24 | 2015-10-29 | Владимир Александрович ЛАБУСОВ | Способ измерения состава пробы |
| CN107167441A (zh) * | 2017-07-02 | 2017-09-15 | 广东技术师范学院 | 双光程和多位置调制光源测量复杂溶液成分含量的方法 |
| CN107167477A (zh) * | 2017-07-02 | 2017-09-15 | 天津大学 | 多位置下双光程透射和荧光光谱测量复杂溶液成分的方法 |
| US20220307975A1 (en) * | 2021-03-25 | 2022-09-29 | Asahi Kasei Microdevices Corporation | Gas sensor |
| JP2022151664A (ja) * | 2021-03-25 | 2022-10-07 | 旭化成エレクトロニクス株式会社 | ガスセンサ |
| US20220307976A1 (en) * | 2021-03-29 | 2022-09-29 | Asahi Kasei Microdevices Corporation | Optical concentration measuring device, module for optical concentration measuring device and optical concentration measuring method |
| JP2022153291A (ja) * | 2021-03-29 | 2022-10-12 | 旭化成エレクトロニクス株式会社 | 光学式濃度測定装置、光学式濃度測定装置用モジュール、および光学式濃度測定方法 |
| CN113406036A (zh) * | 2021-06-17 | 2021-09-17 | 桂林电子科技大学 | 基于光谱重构技术的便携式温室气体检测系统 |
Non-Patent Citations (3)
| Title |
|---|
| 卢燕宇;孙维;邓汗青;何冬燕: "合肥市冬季大气NO2污染特征及模拟研究", 环境科学与技术, vol. 40, no. 10 * |
| 王志芳;王书涛;王贵川;: "粒子群优化BP神经网络在甲烷检测中的应用", 光子学报, no. 04 * |
| 霍彦峰;杨关盈;白庆梅;吴必文;邓学良;于彩霞;翟菁;黄骏凯;张浩;: "基于MODIS气溶胶产品的安徽省颗粒物浓度反演研究", 环境科学与技术, no. 02 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116953178B (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2884722C (en) | Method and system for determining energy content and detecting contaminants in a fluid stream | |
| CN100561192C (zh) | 基于aotf近红外光谱仪实现的多组分气体浓度定量分析方法 | |
| CN104568836A (zh) | 基于多种光谱技术融合的低浓度、多组分气体检测方法 | |
| US20140361172A1 (en) | Detection of h2s in natural gas and hydrocarbon streams using a dual-path near-ir spectroscopy system | |
| KR102662656B1 (ko) | 가스 분석 방법 및 장치 | |
| US11060971B2 (en) | Method and device for monitoring the quality of gaseous media | |
| CN107044958B (zh) | 一种基于紫外宽带二级吸收光谱的氧气浓度测量系统的氧气浓度测量方法 | |
| US20190017927A1 (en) | Gas analysis apparatus, program for gas analysis apparatus, and gas analysis method | |
| CN116953178B (zh) | 一种温室气体浓度监测系统及方法 | |
| Gao et al. | An adaptive absorption spectroscopy with adjustable moving window width for suppressing nonlinear effects in absorbance measurements | |
| Moreira et al. | Calibration of a photometer for quantification of ethanol in gasoline: Absorbance determination | |
| JP4048139B2 (ja) | 濃度測定装置 | |
| CN109115720A (zh) | 一种多程气体吸收池有效程长与气体浓度同时测量方法 | |
| Manap et al. | Ammonia sensing and a cross sensitivity evaluation with atmosphere gases using optical fiber sensor | |
| CN110398488B (zh) | 应用于激光诱导击穿光谱的非线性定量分析方法 | |
| CN111551210A (zh) | 温度及二氧化硫气体浓度实时在线测量装置 | |
| Gaynullin et al. | A practical solution for accurate studies of NDIR gas sensor pressure dependence. Lab test bench, software and calculation algorithm | |
| US10627344B2 (en) | Spectral analysis through model switching | |
| RU2679905C1 (ru) | Способ и система для измерения содержания водяного пара в природном газе | |
| SE2051034A1 (en) | Method for determining a gas concentration from a group of sensors | |
| JPH07318564A (ja) | 血液分析計 | |
| Kim et al. | The comparisons of real-time ammonia adsorption measurement in varying inlet tubes and the different ammonia measurement methods in the atmosphere | |
| CN117388204B (zh) | 一氧化氮气体分析系统、方法及计算机可读存储介质 | |
| CN117451671B (zh) | 一种反演气体浓度的方法、装置、存储介质及电子设备 | |
| Li et al. | Research on the measurement of CH 4 concentration based on dual-band weighted combination model |
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 |