CN107449874A - 一种基于传感器的有机废物处理设施恶臭监测*** - Google Patents
一种基于传感器的有机废物处理设施恶臭监测*** Download PDFInfo
- Publication number
- CN107449874A CN107449874A CN201710821676.0A CN201710821676A CN107449874A CN 107449874 A CN107449874 A CN 107449874A CN 201710821676 A CN201710821676 A CN 201710821676A CN 107449874 A CN107449874 A CN 107449874A
- Authority
- CN
- China
- Prior art keywords
- odor
- cloud platform
- sensor
- data
- data acquisition
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- DNJIEGIFACGWOD-UHFFFAOYSA-N ethanethiol Chemical compound CCS DNJIEGIFACGWOD-UHFFFAOYSA-N 0.000 title claims abstract description 21
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 231100000719 pollutant Toxicity 0.000 claims abstract description 17
- 238000009792 diffusion process Methods 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 13
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 15
- XMGQYMWWDOXHJM-UHFFFAOYSA-N limonene Chemical compound CC(=C)C1CCC(C)=CC1 XMGQYMWWDOXHJM-UHFFFAOYSA-N 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 229940087305 limonene Drugs 0.000 claims description 6
- 235000001510 limonene Nutrition 0.000 claims description 6
- QGJOPFRUJISHPQ-NJFSPNSNSA-N carbon disulfide-14c Chemical compound S=[14C]=S QGJOPFRUJISHPQ-NJFSPNSNSA-N 0.000 claims description 4
- 239000010813 municipal solid waste Substances 0.000 claims description 4
- 244000144977 poultry Species 0.000 claims description 4
- 210000002700 urine Anatomy 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000009264 composting Methods 0.000 claims description 3
- 239000003895 organic fertilizer Substances 0.000 claims description 3
- 239000010815 organic waste Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 28
- 230000035943 smell Effects 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- WQOXQRCZOLPYPM-UHFFFAOYSA-N dimethyl disulfide Chemical compound CSSC WQOXQRCZOLPYPM-UHFFFAOYSA-N 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 208000035985 Body Odor Diseases 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical group [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- QMMFVYPAHWMCMS-UHFFFAOYSA-N Dimethyl sulfide Chemical compound CSC QMMFVYPAHWMCMS-UHFFFAOYSA-N 0.000 description 1
- 241000628997 Flos Species 0.000 description 1
- 206010040904 Skin odour abnormal Diseases 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 239000000126 substance Substances 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
- G01N33/0063—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 threshold to release an alarm or displaying means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明涉及一种基于传感器的有机废物处理设施恶臭监测***，其包括云平台和若干恶臭气体数据采集装置；各个所述恶臭气体数据采集装置负责采集环境中基础数据并上传至所述云平台；所述云平台负责将接收到的基础数据输入云平台内的计算模型中进行运算，并将结果反馈至环境监测部门；所述云平台由服务器与恶臭污染预测模块组成；所述恶臭污染预测模块根据所述恶臭气体数据采集装置传输至的数据计算臭气浓度值，对恶臭污染情况做出评价、预测与预警，并将结果反馈至环境监测部门；所述恶臭污染预测模块内预置有多种臭气浓度计算模型，所述云平台内还预置有污染物扩散模型。本发明能实时准确监测环境臭气浓度与臭气强度、判断预测恶臭污染扩散以及对恶臭污染进行预警。
Description
技术领域
本发明涉及一种环境监测领域，特别是关于一种基于传感器的有机废物处理设施恶臭监测***。
背景技术
随着经济的发展，各类固体废弃物特别是有机废物的产生量在逐年增加。为满足有机废物处理的需求，有机废物处理设施的数量也在不断增加，但随之也带来了许多恶臭污染问题，居民对其反应也十分强烈，因此对有机废物处理设施及其周边环境进行恶臭气体监测十分必要。而有机废物处理过程产生的恶臭气体成分复杂，造成的恶臭污染也不是单一成分的污染，通常由多种物质复合而成，这些物质的气味会发生相互作用而不是简单的气味叠加，因此恶臭气体的监测需要大量的基础数据以及复杂的运算，对于恶臭监测***的数据采集与分析有特殊要求。但目前恶臭监测***通常计算能力有限，对复合恶臭气体臭气浓度的检测准确度不足。
发明内容
针对上述问题，本发明的目的是提供一种基于传感器的有机废物处理设施恶臭监测***，其能实时准确监测环境臭气浓度与臭气强度、判断预测恶臭污染扩散以及对恶臭污染进行预警。
为实现上述目的，本发明采取以下技术方案：一种基于传感器的有机废物处理设施恶臭监测***，其特征在于：该***包括云平台和若干恶臭气体数据采集装置；各个所述恶臭气体数据采集装置负责采集环境中基础数据并上传至所述云平台；所述云平台负责将接收到的基础数据输入云平台内的计算模型中进行运算，并将结果反馈至环境监测部门；所述云平台由服务器与恶臭污染预测模块组成；所述恶臭污染预测模块根据所述恶臭气体数据采集装置传输至的数据计算臭气浓度值，对恶臭污染情况做出评价、预测与预警，并将结果反馈至环境监测部门；所述恶臭污染预测模块内预置有多种臭气浓度计算模型，所述云平台内还预置有污染物扩散模型。
优选的，若干所述恶臭气体数据采集装置包括畜禽粪便处理厂数据采集装置、居民小区数据采集装置、有机垃圾转运站数据采集装置、有机肥堆肥厂数据采集装置和餐厨垃圾处理厂数据采集装置。
优选的，每一所述恶臭气体数据采集装置均包括处理器、数据存储模块、传感器模块、无线通讯模块和监控模块；所述传感器模块将采集到的恶臭气体数据传输至所述处理器，所述监控模块将采集到的图像信息也传输至所述处理器，经所述处理器处理后的数据由所述数据存储模块进行存储，并经所述无线通讯模块将数据传输至所述云平台。
优选的，所述传感器模块由气体传感器、气象传感器以及GPS模块构成。
优选的，所述云平台内恶臭污染预测模块处理过程如下：1)根据恶臭气体数据采集装置传输至的GPS定位数据确定恶臭气体数据采集装置所处在的区域与污染源类型，设置评价指标并选择相应的臭气浓度计算模型；其中，评价指标包括预测时间空间尺度和预警值；2)将接收到的气体传感器的数据带入臭气浓度计算模型中进行计算得到臭气浓度值；3)将GPS定位数据、气体传感器数据、气象数据以及计算得到的各个采样位置臭气浓度值带入云平台内置的污染物扩散模型，计算恶臭污染目前的污染状况以及未来恶臭污染的扩散趋势，并结合臭气浓度计算模型预测臭气浓度变化，对恶臭污染情况进行评价、预测与预警，并将所有结果反馈至环境监测部门。
优选的，所述臭气浓度计算模型为：OC＝0.057c1+794.14c2-0.213c3+4188.24，其中，OC为臭气浓度，无量纲；c1、c2、c3分别乙醇、二硫化碳、柠檬烯的浓度，单位ppb。
优选的，所述污染物扩散模型采用高斯模型或ADMS模型。
优选的，所述步骤3)中，云平台根据得到的臭气浓度对该区域恶臭污染情况进行评价，采用臭气强度评价法评价恶臭污染情况，评价等级分为0-5共六个等级，计算方法为Y＝0.54lnX-0.28，并对结果四舍五入，其中Y为评价等级，X为臭气浓度。
本发明由于采取以上技术方案，其具有以下优点：1、本发明数据处理任务由云平台进行，减轻了数据采集装置的计算量、减小了数据采集装置的成本、体积与功耗。2、本发明依靠云平台强大的计算能力将更多参数带入预测模型，实现了环境臭气浓度的准确计算与恶臭污染的实时预测。
附图说明
图1是本发明的整体结构示意图；
图2是本发明的数据采集装置结构示意图；
图3是本发明云平台内恶臭污染预测模块处理过程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明提供一种基于传感器的有机废物处理设施恶臭监测***，其包括云平台和若干恶臭气体数据采集装置。各个恶臭气体数据采集装置负责采集环境中各类恶臭物质的浓度和气象条件等基础数据并上传至云平台；云平台负责将接收到的基础数据输入云平台内的计算模型中进行运算，得出臭气浓度值，对恶臭污染情况做出评价、预测与预警，并将结果反馈至环境监测部门。
在一个优选地实施例中，若干恶臭气体数据采集装置包括畜禽粪便处理厂数据采集装置、居民小区数据采集装置、有机垃圾转运站数据采集装置、有机肥堆肥厂数据采集装置和餐厨垃圾处理厂数据采集装置。
上述实施例中，如图2所示，每一恶臭气体数据采集装置均包括处理器、数据存储模块、传感器模块、无线通讯模块和监控模块。传感器模块将采集到的恶臭气体数据传输至处理器，监控模块将采集到的图像信息也传输至处理器，经处理器处理后的数据由数据存储模块进行存储，并经无线通讯模块将数据传输至云平台。其中：
处理器基于ARM架构，运行基于Linux开发的操作***。
数据存储模块由100G以上容量的硬盘构成，以满足实时监测数据以及图像监控数据的存储需求，对于监测数据采用AES混合加密以保证数据安全。
传感器模块由气体传感器(氨气、硫化氢、甲硫醚、二甲二硫醚、二硫化碳、乙醇和柠檬烯传感器组成的传感器阵列，可根据需求增加)、气象传感器(温湿度、风速风向等)以及GPS模块构成。
无线通讯模块采用TD-LTE传输数据。
监控模块由具有红外功能的摄像头构成。
在一个优选地实施例中，云平台由高性能服务器与恶臭污染预测模块组成。恶臭污染预测模块根据恶臭气体数据采集装置传输至的数据计算臭气浓度值，对恶臭污染情况做出评价、预测与预警，并将结果反馈至环境监测部门。其中，恶臭污染预测模块内预置有多种臭气浓度计算模型。云平台内还预置有污染物扩散模型。
其中，如图3所示，云平台内恶臭污染预测模块处理过程如下：
1)根据恶臭气体数据采集装置传输至的GPS定位数据确定恶臭气体数据采集装置所处在的区域与污染源类型，设置评价指标并选择相应的臭气浓度计算模型；其中，评价指标包括预测时间空间尺度和预警值等。
以某餐厨垃圾处理厂为例，当云平台确认GPS数据后，确定臭气浓度计算模型为OC＝0.057c1+794.14c2-0.213c3+4188.24，其中OC为臭气浓度(无量纲)，c1、c2、c3分别乙醇、二硫化碳、柠檬烯的浓度(单位ppb)。
对于臭气浓度计算模型，可根据传感器类型进行调整。如在餐厨垃圾处理厂内只采用乙醇传感器时，臭气浓度计算模型使用OC＝4911.4e0.0297c，其中OC为臭气浓度(无量纲)，c为乙醇浓度(ppm)；当仅采用柠檬烯传感器时，臭气浓度计算模型使用OC＝5389.1e0.0692c，其中OC为臭气浓度(无量纲)，c为柠檬烯浓度(ppm)。其他类型的有机废物处理设施如转运站、畜禽粪便处理厂等也有相应计算模型库，计算时可根据情况进行调整。
2)将接收到的气体传感器的数据带入臭气浓度计算模型中进行计算得到臭气浓度值，并根据气象传感器的数据对臭气浓度值进行修正；
3)将GPS定位数据、气体传感器数据、气象数据以及计算得到的各个采样位置恶臭物质浓度值带入云平台内置的污染物扩散模型，快速计算恶臭污染目前的污染状况以及未来恶臭污染的扩散趋势，并结合臭气浓度计算模型预测臭气浓度变化，对恶臭污染情况进行评价、预测与预警，并将所有结果反馈至环境监测部门。
上述步骤3)中，云平台根据得到的臭气浓度对该区域恶臭污染情况进行评价，在本实施例中采用臭气强度评价法评价恶臭污染情况，评价等级分为0-5共六个等级，计算方法为Y＝0.54lnX-0.28，并对结果四舍五入，其中Y为评价等级，X为臭气浓度。
上述步骤3)中，在本实施例中，污染物扩散模型采用ADMS模型，ADMS模型计算过程为：
首先根据需要确定预测的时间尺度以及空间尺度，随后将气象数据、臭气浓度数据和预测范围输入后可得到污染物在预测范围的扩散情况。根据预测的各类污染物扩散浓度，将其带入臭气浓度计算模型中即得出预测范围内的臭气浓度，并与预测区域臭气浓度的限值进行比较，若预测浓度高于限值则发出预警信号。
在实际使用中，***中各类模型均可随时根据要求进行编辑修改。如在本实施例中恶臭污染预测模块中的污染物扩散模型也可采用高斯模型：
式中，c为任意点的污染物浓度，Q为源强，σy为侧向扩散系数，σz为竖向扩散系数，为排放口处的平均风速，H为烟囱的有效高度，x为排放点至下风向任一点的距离，y为烟气中心轴在直角水平方向上到任一点的距离，z为从地表到任一点的高度。
综上所述，本发明的工作原理和工作流程是：将恶臭气体数据采集装置安装于相应位置后，开启装置电源，与云平台建立无线连接。恶臭气体数据采集装置根据云平台实时指令或从云平台下载的监测计划开启监测设备，得到相应数据，将其保存在装置存储模块内并同时由无线通讯模块上传至云平台。云平台根据采集装置上传的气体传感器数据计算臭气浓度，并根据气象传感器的数据对结果进行修正；云平台在对不同采集装置上传的数据汇总后对整个地区恶臭污染情况进行评价、预测与预警，并将所有结果反馈至环境监测部门。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种基于传感器的有机废物处理设施恶臭监测***，其特征在于：该***包括云平台和若干恶臭气体数据采集装置；各个所述恶臭气体数据采集装置负责采集环境中基础数据并上传至所述云平台；所述云平台负责将接收到的基础数据输入云平台内的计算模型中进行运算，并将结果反馈至环境监测部门；
所述云平台由服务器与恶臭污染预测模块组成；所述恶臭污染预测模块根据所述恶臭气体数据采集装置传输至的数据计算臭气浓度值，对恶臭污染情况做出评价、预测与预警，并将结果反馈至环境监测部门；所述恶臭污染预测模块内预置有多种臭气浓度计算模型，所述云平台内还预置有污染物扩散模型。
2.如权利要求1所述的一种基于传感器的有机废物处理设施恶臭监测***，其特征在于：若干所述恶臭气体数据采集装置包括畜禽粪便处理厂数据采集装置、居民小区数据采集装置、有机垃圾转运站数据采集装置、有机肥堆肥厂数据采集装置和餐厨垃圾处理厂数据采集装置。
3.如权利要求1或2所述的一种基于传感器的有机废物处理设施恶臭监测***，其特征在于：每一所述恶臭气体数据采集装置均包括处理器、数据存储模块、传感器模块、无线通讯模块和监控模块；所述传感器模块将采集到的恶臭气体数据传输至所述处理器，所述监控模块将采集到的图像信息也传输至所述处理器，经所述处理器处理后的数据由所述数据存储模块进行存储，并经所述无线通讯模块将数据传输至所述云平台。
4.如权利要求3所述的一种基于传感器的有机废物处理设施恶臭监测***，其特征在于：所述传感器模块由气体传感器、气象传感器以及GPS模块构成。
5.如权利要求1所述的一种基于传感器的有机废物处理设施恶臭监测***，其特征在于：所述云平台内恶臭污染预测模块处理过程如下：
1)根据恶臭气体数据采集装置传输至的GPS定位数据确定恶臭气体数据采集装置所处在的区域与污染源类型，设置评价指标并选择相应的臭气浓度计算模型；其中，评价指标包括预测时间空间尺度和预警值；
2)将接收到的气体传感器的数据带入臭气浓度计算模型中进行计算得到臭气浓度值；
3)将GPS定位数据、气体传感器数据、气象数据以及计算得到的各个采样位置臭气浓度值带入云平台内置的污染物扩散模型，计算恶臭污染目前的污染状况以及未来恶臭污染的扩散趋势，并结合臭气浓度计算模型预测臭气浓度变化，对恶臭污染情况进行评价、预测与预警，并将所有结果反馈至环境监测部门。
6.如权利要求5所述的一种基于传感器的有机废物处理设施恶臭监测***，其特征在于：所述臭气浓度计算模型为：OC＝0.057c1+794.14c2-0.213c3+4188.24，其中，OC为臭气浓度，无量纲；c1、c2、c3分别乙醇、二硫化碳、柠檬烯的浓度，单位ppb。
7.如权利要求5所述的一种基于传感器的有机废物处理设施恶臭监测***，其特征在于：所述污染物扩散模型采用高斯模型或ADMS模型。
8.如权利要求5所述的一种基于传感器的有机废物处理设施恶臭监测***，其特征在于：所述步骤3)中，云平台根据得到的臭气浓度对该区域恶臭污染情况进行评价，采用臭气强度评价法评价恶臭污染情况，评价等级分为0-5共六个等级，计算方法为Y＝0.54lnX-0.28，并对结果四舍五入，其中Y为评价等级，X为臭气浓度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710821676.0A CN107449874B (zh) | 2017-09-13 | 2017-09-13 | 一种基于传感器的有机废物处理设施恶臭监测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710821676.0A CN107449874B (zh) | 2017-09-13 | 2017-09-13 | 一种基于传感器的有机废物处理设施恶臭监测*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107449874A true CN107449874A (zh) | 2017-12-08 |
| CN107449874B CN107449874B (zh) | 2023-11-21 |
Family
ID=60496508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710821676.0A Active CN107449874B (zh) | 2017-09-13 | 2017-09-13 | 一种基于传感器的有机废物处理设施恶臭监测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107449874B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108732316A (zh) * | 2018-07-06 | 2018-11-02 | 天津澜禹笙环保科技有限公司 | 一种基于云计算平台的恶臭智能监测*** |
| CN110596328A (zh) * | 2019-06-25 | 2019-12-20 | 北京机械设备研究所 | 一种集成式多通道污染气体浓度检测装置 |
| CN110836954A (zh) * | 2019-11-01 | 2020-02-25 | 淮安信息职业技术学院 | 一种基于plc控制的有毒气体泄露危害预测***及方法 |
| CN110907611A (zh) * | 2019-12-26 | 2020-03-24 | 浙江省环境科技有限公司 | 一种区域恶臭污染的检测控制*** |
| CN111175443A (zh) * | 2018-11-13 | 2020-05-19 | 西藏神州瑞霖环保科技股份有限公司 | 一种用于监测恶臭气体的监测车 |
| CN111766337A (zh) * | 2020-06-12 | 2020-10-13 | 北京盈盛恒泰科技有限责任公司 | 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法 |
| CN112880734A (zh) * | 2020-12-31 | 2021-06-01 | 中农新科(苏州)有机循环研究院有限公司 | 一种用于反应器的生物干化过程数字化监测*** |
| CN112986072A (zh) * | 2021-02-09 | 2021-06-18 | 上海英凡环保科技有限公司 | 污染源臭气在线监测***及方法 |
| CN113420443A (zh) * | 2021-06-23 | 2021-09-21 | 天津市生态环境科学研究院(天津市环境规划院、天津市低碳发展研究中心) | 一种耦合峰值均值因子的恶臭精准模拟方法 |
| CN113625760A (zh) * | 2021-08-26 | 2021-11-09 | 江苏省环境工程技术有限公司 | 一种无人机大气污染巡查***及方法 |
| CN115201071A (zh) * | 2022-09-09 | 2022-10-18 | 杭州泽天春来科技有限公司 | 一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** |
| CN115856232A (zh) * | 2023-02-28 | 2023-03-28 | 北京市农林科学院信息技术研究中心 | 畜禽舍臭气浓度确定方法、装置、电子设备及存储介质 |
| CN114006905B (zh) * | 2021-10-27 | 2023-12-05 | 远景智能国际私人投资有限公司 | 信息传输方法、装置及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103076374A (zh) * | 2013-01-08 | 2013-05-01 | 浙江大学 | 一种猪舍***恶臭浓度分布的监测装置及监测方法 |
| CN103175781A (zh) * | 2013-03-26 | 2013-06-26 | 北京拓扑智鑫科技有限公司 | 在线区域布点式恶臭监测***及方法 |
| CN203502809U (zh) * | 2013-10-11 | 2014-03-26 | 李庆彪 | 恶臭在线自动监控*** |
| CN103679610A (zh) * | 2013-12-12 | 2014-03-26 | 北京航空航天大学 | 一种用于大气环境监测的可视化*** |
-
2017
- 2017-09-13 CN CN201710821676.0A patent/CN107449874B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103076374A (zh) * | 2013-01-08 | 2013-05-01 | 浙江大学 | 一种猪舍***恶臭浓度分布的监测装置及监测方法 |
| CN103175781A (zh) * | 2013-03-26 | 2013-06-26 | 北京拓扑智鑫科技有限公司 | 在线区域布点式恶臭监测***及方法 |
| CN203502809U (zh) * | 2013-10-11 | 2014-03-26 | 李庆彪 | 恶臭在线自动监控*** |
| CN103679610A (zh) * | 2013-12-12 | 2014-03-26 | 北京航空航天大学 | 一种用于大气环境监测的可视化*** |
Non-Patent Citations (2)
| Title |
|---|
| 于旭耀;余辉;徐可欣;王元刚;杜振辉;: "恶臭自动在线监控体系设计与实现" * |
| 芦会杰;: "典型生活垃圾处理设施恶臭排放特征及污染评价" * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108732316A (zh) * | 2018-07-06 | 2018-11-02 | 天津澜禹笙环保科技有限公司 | 一种基于云计算平台的恶臭智能监测*** |
| CN111175443A (zh) * | 2018-11-13 | 2020-05-19 | 西藏神州瑞霖环保科技股份有限公司 | 一种用于监测恶臭气体的监测车 |
| CN110596328A (zh) * | 2019-06-25 | 2019-12-20 | 北京机械设备研究所 | 一种集成式多通道污染气体浓度检测装置 |
| CN110836954A (zh) * | 2019-11-01 | 2020-02-25 | 淮安信息职业技术学院 | 一种基于plc控制的有毒气体泄露危害预测***及方法 |
| CN110907611A (zh) * | 2019-12-26 | 2020-03-24 | 浙江省环境科技有限公司 | 一种区域恶臭污染的检测控制*** |
| CN111766337B (zh) * | 2020-06-12 | 2022-07-22 | 北京盈盛恒泰科技有限责任公司 | 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法 |
| CN111766337A (zh) * | 2020-06-12 | 2020-10-13 | 北京盈盛恒泰科技有限责任公司 | 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法 |
| CN112880734A (zh) * | 2020-12-31 | 2021-06-01 | 中农新科(苏州)有机循环研究院有限公司 | 一种用于反应器的生物干化过程数字化监测*** |
| CN112986072A (zh) * | 2021-02-09 | 2021-06-18 | 上海英凡环保科技有限公司 | 污染源臭气在线监测***及方法 |
| CN113420443A (zh) * | 2021-06-23 | 2021-09-21 | 天津市生态环境科学研究院(天津市环境规划院、天津市低碳发展研究中心) | 一种耦合峰值均值因子的恶臭精准模拟方法 |
| CN113420443B (zh) * | 2021-06-23 | 2022-03-01 | 天津市生态环境科学研究院(天津市环境规划院、天津市低碳发展研究中心) | 一种耦合峰值均值因子的恶臭精准模拟方法 |
| CN113625760A (zh) * | 2021-08-26 | 2021-11-09 | 江苏省环境工程技术有限公司 | 一种无人机大气污染巡查***及方法 |
| CN113625760B (zh) * | 2021-08-26 | 2024-05-07 | 江苏省环境工程技术有限公司 | 一种无人机大气污染巡查***及方法 |
| CN114006905B (zh) * | 2021-10-27 | 2023-12-05 | 远景智能国际私人投资有限公司 | 信息传输方法、装置及*** |
| CN115201071A (zh) * | 2022-09-09 | 2022-10-18 | 杭州泽天春来科技有限公司 | 一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** |
| CN115201071B (zh) * | 2022-09-09 | 2022-12-09 | 杭州泽天春来科技有限公司 | 一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** |
| CN115856232A (zh) * | 2023-02-28 | 2023-03-28 | 北京市农林科学院信息技术研究中心 | 畜禽舍臭气浓度确定方法、装置、电子设备及存储介质 |
| CN115856232B (zh) * | 2023-02-28 | 2023-09-12 | 北京市农林科学院信息技术研究中心 | 畜禽舍臭气浓度确定方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107449874B (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107449874A (zh) | 一种基于传感器的有机废物处理设施恶臭监测*** | |
| CN110085281B (zh) | 一种基于特征污染因子源解析的环境污染溯源***及方法 | |
| US11798400B2 (en) | Handheld monitoring and early warning device for fusarium head blight of in-field wheat and early warning method thereof | |
| CN111598315A (zh) | 一种农用地土壤环境质量预警管理*** | |
| Norton et al. | Using models to bridge the gap between land use and algal blooms: An example from the Loweswater catchment, UK | |
| Wen et al. | A backward-time stochastic Lagrangian air quality model | |
| CN105738587A (zh) | 一种水质监测*** | |
| CN105184427A (zh) | 一种对农田生态环境进行预警的方法及装置 | |
| CN105629722B (zh) | 基于模糊规则自适应控制的多池污水动态分配方法及*** | |
| Niska et al. | Evaluation of an integrated modelling system containing a multi-layer perceptron model and the numerical weather prediction model HIRLAM for the forecasting of urban airborne pollutant concentrations | |
| CN113065090B (zh) | 一种区域农田灌溉用水量分析计算方法 | |
| CN108267801A (zh) | 一种共享式风速风向气压监测*** | |
| CN207636554U (zh) | 基于传感器的有机废物处理设施恶臭监测*** | |
| Shah et al. | A hybrid model for forecasting of particulate matter concentrations based on multiscale characterization and machine learning techniques | |
| CN107878958B (zh) | 一种基于互联网+的智能垃圾桶 | |
| Naddeo et al. | Environmental odour impact assessment of landfill expansion scenarios. Case study of Borgo Montello (Italy) | |
| Figueroa et al. | A robust method for estimating landfill methane emissions | |
| Palniladevi et al. | Iot based smart agriculture monitoring system using renewable energy sources | |
| Barthelemy et al. | Problem-driven and technology-enabled solutions for safer communities: the case of stormwater management in the Illawarra-Shoalhaven region (NSW, Australia) | |
| Piringer et al. | Dispersion modelling for odour exposure assessment | |
| Asadi et al. | The comparison of Lagrangian and Gaussian models in predicting of air pollution emission using experimental study, a case study: Ammonia emission | |
| Huang et al. | Towards better environmental software for spatio-temporal ecological models: lessons from developing an intelligent system supporting phytoplankton prediction in lakes | |
| CN117634738A (zh) | 基于人工智能的物联网农业环保一体化平台 | |
| CN203502809U (zh) | 恶臭在线自动监控*** | |
| CN112907096B (zh) | 一种重金属污染风险评估*** |
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 |