CN110088604B - 分析装置、分析***、分析方法和存储介质 - Google Patents
分析装置、分析***、分析方法和存储介质 Download PDFInfo
- Publication number
- CN110088604B CN110088604B CN201780078248.1A CN201780078248A CN110088604B CN 110088604 B CN110088604 B CN 110088604B CN 201780078248 A CN201780078248 A CN 201780078248A CN 110088604 B CN110088604 B CN 110088604B
- Authority
- CN
- China
- Prior art keywords
- particulate matter
- analysis
- mass concentration
- generation source
- data
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 234
- 238000003860 storage Methods 0.000 title claims abstract description 46
- 239000013618 particulate matter Substances 0.000 claims abstract description 208
- 238000005259 measurement Methods 0.000 claims abstract description 97
- 238000007667 floating Methods 0.000 claims abstract description 12
- 238000000921 elemental analysis Methods 0.000 claims description 35
- 239000000126 substance Substances 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 239000008187 granular material Substances 0.000 claims description 16
- 230000003247 decreasing effect Effects 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 description 58
- 230000003595 spectral effect Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 17
- 238000000034 method Methods 0.000 description 15
- 239000007789 gas Substances 0.000 description 12
- 238000004868 gas analysis Methods 0.000 description 12
- 230000005250 beta ray Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 10
- 239000011651 chromium Substances 0.000 description 9
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 8
- 229910052804 chromium Inorganic materials 0.000 description 8
- 238000009434 installation Methods 0.000 description 8
- 238000011002 quantification Methods 0.000 description 8
- 229910052720 vanadium Inorganic materials 0.000 description 7
- GPPXJZIENCGNKB-UHFFFAOYSA-N vanadium Chemical compound [V]#[V] GPPXJZIENCGNKB-UHFFFAOYSA-N 0.000 description 7
- 229910052782 aluminium Inorganic materials 0.000 description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 206010037844 rash Diseases 0.000 description 6
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 5
- 229910052710 silicon Inorganic materials 0.000 description 5
- 239000010703 silicon Substances 0.000 description 5
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 229910052717 sulfur Inorganic materials 0.000 description 4
- 239000011593 sulfur Substances 0.000 description 4
- 239000010409 thin film Substances 0.000 description 4
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 3
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 3
- 229910052785 arsenic Inorganic materials 0.000 description 3
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 3
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 description 3
- 229910052794 bromium Inorganic materials 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- 239000004568 cement Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 238000009616 inductively coupled plasma Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 3
- 229910052753 mercury Inorganic materials 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- KDLHZDBZIXYQEI-UHFFFAOYSA-N Palladium Chemical compound [Pd] KDLHZDBZIXYQEI-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000009304 pastoral farming Methods 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 229910052712 strontium Inorganic materials 0.000 description 2
- CIOAGBVUUVVLOB-UHFFFAOYSA-N strontium atom Chemical compound [Sr] CIOAGBVUUVVLOB-UHFFFAOYSA-N 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- OKTJSMMVPCPJKN-NJFSPNSNSA-N Carbon-14 Chemical compound [14C] OKTJSMMVPCPJKN-NJFSPNSNSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 239000004745 nonwoven fabric Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 229910052763 palladium Inorganic materials 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- -1 polyethylene Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 239000002861 polymer material Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000013558 reference substance Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical compound S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 238000004056 waste incineration Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供分析装置、分析***、分析方法和存储介质。更高精度地输出与大气中漂浮的颗粒状物质的产生源相关的信号。分析装置(100)包括质量浓度测定部、元素分析部和产生源关联信号输出部。质量浓度测定部测定大气中漂浮的微小颗粒状物质(FP)的质量浓度。元素分析部分析微小颗粒状物质(FP)所含的元素。产生源关联信号输出部基于质量浓度测定部中的质量浓度的测定结果和元素分析部中的微小颗粒状物质(FP)所含的元素的分析结果,输出与微小颗粒状物质(FP)的产生源相关的信号。
Description
技术领域
本发明涉及对颗粒状物质进行分析的分析装置、由多个分析装置构成的分析***及其分析方法。
背景技术
近年来,大气中漂浮的颗粒状物质(例如PM2.5)成为重大的环境问题。为了抑制颗粒状物质的产生,重要的是掌握颗粒状物质的产生源,以此为目的开发了用于推定颗粒状物质的产生源的方法和装置。
例如专利文献1公开了一种推定下降烟尘的产生源的方法。在该产生源的推定方法中,算出与在预定的测定点实际采集的下降烟尘的分析数据一致的、来自多个产生源的下降烟尘的预先测定的分析数据的贡献率,推定采集的下降烟尘的产生源(的贡献程度)。
专利文献1:日本专利公开公报特开2013-221925号
在上述的以往的方法中,仅基于颗粒状物质所含的成分的分析结果或颗粒状物质在大气中的含量(即颗粒状物质的浓度)来推定产生源。在这种情况下,例如在仅基于颗粒状物质在大气中的浓度来推定产生源的情况下,即使采集的颗粒状物质是基本无害的物质(例如在烧荒中产生的颗粒状物质),有时仅因为采集的颗粒状物质的浓度高,就警告为从危险的产生源产生了高浓度的颗粒状物质。
另一方面,在仅基于颗粒状物质所含的成分的分析结果来推定产生源的情况下,一般来说,由于将推测为包含在颗粒状物质中的元素预先选择为分析对象,所以例如在与选择的元素不同的元素包含在采集的颗粒状物质中等情况下,有时不能推定该颗粒状物质的产生源。
发明内容
本发明的课题在于更高精度地输出与大气中漂浮的颗粒状物质的产生源相关的信号。
以下,将多种方式作为用于解决课题的手段进行说明。这些方式能够根据需要任意组合。
本发明一种方式的分析装置包括质量浓度测定部、元素分析部、产生源关联信号输出部和元素选择部。质量浓度测定部测定大气中漂浮的颗粒状物质的质量浓度。元素分析部分析颗粒状物质所含的元素。产生源关联信号输出部基于质量浓度测定部中的质量浓度的测定结果、元素分析部中的颗粒状物质所含的元素的分析结果、以及所述颗粒状物质所含的元素的含量的增减倾向与所述颗粒状物质的质量浓度的增减倾向之间的相关关系,输出与颗粒状物质的产生源相关的信号。元素选择部从能由元素分析部分析的多种元素中,选择从特定的产生源产生的颗粒状物质所含的元素。在由元素选择部选择出的元素的含量增加且质量浓度增加的情况下,产生源关联信号输出部输出用于根据在包含风向数据的相关数据中针对选择出的元素具有较大的相关关系且针对质量浓度具有较大的相关关系的风向来确定产生源的与产生源相关的信号,其中,所述风向数据与颗粒状物质所含的元素和/或颗粒状物质的质量浓度同风向之间的相关关系相关。另外,“质量浓度测定部中的质量浓度的测定结果”意味着由质量浓度测定部输出、算出或得出的质量浓度。
由此,能够基于颗粒状物质的质量浓度和元素分析结果这两个信息,更高精度地输出与颗粒状物质的产生源相关的信号。
也可以是分析装置还包括存储部。存储部存储相关数据,所述相关数据表示颗粒状物质所含的元素与颗粒状物质的质量浓度之间的相关关系。在这种情况下,产生源关联信号输出部基于相关数据、元素的分析结果和质量浓度的测定结果,输出与颗粒状物质的产生源相关的信号。
由此,不需要复杂的计算等就能够更简单地输出与颗粒状物质的产生源相关的信号。
也可以是相关数据还包括风向数据,所述风向数据与颗粒状物质所含的元素和/或颗粒状物质的质量浓度同风向之间的相关关系相关。在这种情况下,也可以是产生源关联信号输出部基于风向数据来输出与颗粒状物质的产生源相关的信号。
由此,能够推定颗粒状物质从哪个方向到达分析装置,能够更简单地输出与产生源相关的信号。
也可以是分析装置取得现象发生信息,并且基于取得的所述现象发生信息来设定测定条件和/或分析算法。现象发生信息是与发生的现象相关的信息。由此,分析装置能够利用最适合于现象发生信息所示的现象所产生的颗粒状物质的测定条件和/或分析算法,来分析该颗粒状物质。
也可以是分析装置还包括元素选择部。元素选择部选择应由元素分析部分析的元素。由此,能够确定应由元素分析部分析的元素。
也可以是如果判定为当前选择的元素未包含于颗粒状物质,则元素选择部将与当前选择的元素不同的元素选择为应进行分析的元素。
由此,在不能确定作为分析对象的元素时,能够将不同的元素作为分析对象。
也可以是元素分析部基于实测曲线和基准曲线的比较来分析颗粒状物质所含的元素,该实测曲线表示从颗粒状物质产生的荧光X射线的能量与该荧光X射线的强度之间的关系,该基准曲线表示从确定了产生来源的来源确定颗粒状物质产生的荧光X射线的能量与该荧光X射线的强度之间的关系。
由此,能够更高精度地分析颗粒状物质所含的元素。
也可以是产生源关联信号输出部将有关稳定状态下的颗粒状物质所含的元素和质量浓度的稳定数据,与元素的分析结果和质量浓度的实测数据进行比较,如果判定为实测数据与稳定数据非类似,则将用于警告的信号作为与颗粒状物质的产生源相关的信号输出。
由此,能够通知在由分析装置得到的实测数据中发生了与通常不同的状态。
也可以是分析装置包括捕集过滤器和捕集部。捕集过滤器具有能够捕集颗粒状物质的捕集区域,并且捕集过滤器通过沿着长度方向移动而使捕集区域从第一位置向第二位置移动。捕集部设置成与第一位置对应,将大气中漂浮的颗粒状物质捕集到存在于该第一位置的捕集区域。
在这种情况下,质量浓度测定部测定存在于第一位置的捕集区域捕集到的颗粒状物质的质量浓度。此外,元素分析部对从第一位置移动到第二位置的捕集区域捕集到的颗粒状物质所含的元素进行分析。
由此,能够每隔预定周期执行颗粒状物质的质量浓度的测定和元素分析,并且能够每隔预定周期输出与颗粒状物质的产生源相关的信号。
本发明另一种方式的分析***包括分析装置和服务器。服务器能够与分析装置及外部进行通信。分析装置的控制部和/或服务器取得现象发生信息,并且基于该取得的现象发生信息来设定分析装置中的测定条件和/或分析算法。
由此,分析装置能够针对现象发生信息所示的现象所产生的颗粒状物质,利用最适合的测定条件和/或分析算法来分析该颗粒状物质。
本发明另一种方式的分析***是包括多个上述分析装置的分析***。
本发明另一种方式的分析方法包括以下步骤。
◎测定大气中漂浮的颗粒状物质的质量浓度的步骤。
◎分析颗粒状物质所含的元素的步骤。
◎从分析颗粒状物质所含的元素的步骤中能分析的多种元素中,选择从特定的产生源产生的颗粒状物质所含的元素的步骤。
◎基于质量浓度的测定结果、颗粒状物质所含的元素的分析结果、以及所述颗粒状物质所含的元素的含量的增减倾向与所述颗粒状物质的质量浓度的增减倾向之间的相关关系,对颗粒状物质的产生源进行分析的步骤。
对颗粒状物质的产生源进行分析的步骤包括如下步骤:在选择从特定的产生源产生的颗粒状物质所含的元素的步骤中选择出的元素的含量增加且质量浓度增加的情况下,输出用于根据在包含风向数据的相关数据中针对选择出的元素具有较大的相关关系且针对质量浓度具有较大的相关关系的风向来确定产生源的与产生源相关的信号,其中,所述风向数据与颗粒状物质所含的元素和/或颗粒状物质的质量浓度同风向之间的相关关系相关。
由此,能够基于颗粒状物质的质量浓度和元素分析结果这两个信息,更高精度地输出与颗粒状物质的产生源相关的信号。
本发明另一种方式的计算机可读取的存储介质存储有程序,所述程序是用于使计算机执行上述分析方法的程序。
能够基于大气中漂浮的颗粒状物质的质量浓度和元素分析结果这两个信息,更高精度地推定颗粒状物质的产生源。
附图说明
图1是表示分析装置的构成的图。
图2是表示控制部的构成的图。
图3是表示推定微小颗粒状物质的产生源的分析动作的流程图。
图4是表示相关数据的一例的图。
图5是表示基于元素分析结果、质量浓度和相关数据推定产生源的推定方法的另一例的图。
图6A是表示第二实施方式的分析***的构成的一例的图。
图6B是表示第二实施方式的分析***的构成的另一例的图。
图7是表示稳定数据和实测数据的一例的图。
图8A是表示实测曲线的一例的图。
图8B是表示基准光谱的一例的图。
图9是表示第五实施方式的元素分析方法的流程图。
附图标记说明
100分析装置
200a、200b分析***
1 捕集过滤器
1a 送出卷盘
1b 卷取卷盘
3 捕集部
31 吸引泵
33 排出口
35 吸引口
5 捕集量测定部
51β射线源
53β射线检测器
7分析部
71X射线源
73 检测器
9 控制部
91 控制指令部
92 存储部
93 元素分析部
94 质量浓度算出部
95、95’产生源关联信号输出部
96 元素选择部
97 显示器
11 相机
101 服务器
A 大气
D相关数据
EL 元素列表
FP 微小颗粒状物质
MD 测定数据
MP 实测曲线
P 基准曲线
IM 图像
P1 第一位置
P2 第二位置
P3第三位置
具体实施方式
1.第一实施方式
(1)分析装置的概要
下面,对第一实施方式的分析装置100进行说明。第一实施方式的分析装置100是输出与颗粒状物质的产生源相关的信号(例如用于警报的信号等)的装置。因此,分析装置100例如配置于危险的颗粒状物质的产生源或其附近。例如,配置于交通量大的道路(干线道路、高速路等)沿线或其附近、以及有可能产生颗粒状物质的工厂地带或其附近。
(2)分析装置的构成
接着,利用图1对第一实施方式的分析装置100的构成进行说明。图1是表示分析装置的构成的图。
分析装置100包括捕集过滤器1。捕集过滤器1例如是带状的构件,在由高分子材料(聚乙烯等)的无纺布形成的加强层上层叠形成有捕集层(有时也称为捕集区域),该捕集层由具有能捕集微小颗粒状物质FP(例如粒径为2.5μm以下的颗粒状物质)(颗粒状物质的一例)的孔的多孔质的氟树脂系材料形成。捕集过滤器1例如也能够使用一层玻璃过滤器、一层氟树脂系材料的过滤器等其他过滤器。
例如,利用卷取卷盘1b的旋转来卷取从送出卷盘1a送出的捕集过滤器1,由此捕集过滤器1能够沿着长度方向(图1中的粗箭头所示的方向)移动。
例如,在需要稳定地测定钒(V)和/或铬(Cr)的情况下,捕集过滤器1也可以使用将诸如铝薄膜、钛薄膜的金属薄膜设置于表面的捕集过滤器。通过使用金属薄膜,从而能够减少测定对象元素的背景。
分析装置100包括捕集部3。捕集部3设置成与捕集过滤器1的长度方向的第一位置P1对应。在捕集部3中,例如将利用吸引口35的吸引力而吸引的大气A,从排出口33向存在于捕集过滤器1的第一位置P1的捕集区域吹出,从而将大气A所含的微小颗粒状物质FP捕集到捕集区域,其中,所述吸引口35连接于吸引泵31。
分析装置100具有捕集量测定部5,该捕集量测定部5具有:β射线源51(例如碳14(14C)),设置于排出口33;以及β射线检测器53(例如包括闪烁器的光电倍增管),在吸引口35处设置成与β射线源51相对。
β射线源51向第一位置P1的测定区域照射β射线。β射线检测器53对透射由第一位置P1的捕集区域捕集到的微小颗粒状物质FP的β射线的强度进行测定。
分析装置100包括分析部7,分析部7设置成与捕集过滤器1的长度方向的第二位置P2对应。分析部7具有:X射线源71(例如向钯等金属照射电子射线来产生X射线的装置),向存在于第二位置P2的微小颗粒状物质FP照射X射线;以及检测器73(例如硅半导体检测器或硅漂移检测器),检测从微小颗粒状物质FP产生的荧光X射线。
分析装置100包括控制部9。控制部9是计算机***,具有:CPU(CentralProcessing Unit中央处理单元)、RAM和ROM等存储装置、显示器97(例如液晶显示器等)(图2)和各种接口等。以下所示的控制部9的各构成要素的功能的一部分或全部也可以由能够在计算机***中执行且存储于存储装置的程序来实现。
具体地说,如图2所示,控制部9具有:控制指令部91、存储部92、元素分析部93、质量浓度算出部94、产生源关联信号输出部95、元素选择部96和上述显示器97。控制指令部91对卷取卷盘1b、捕集部3、捕集量测定部5、分析部7和相机11进行控制。此外,控制指令部91输入有从捕集量测定部5、分析部7和相机11输出的信号,转换成适当的数据形式并存储于存储部92。
存储部92是构成控制部9的计算机***的存储区域的一部分,存储分析装置100所需的各种数据。
元素分析部93对存在于第二位置P2的捕集区域捕集到的微小颗粒状物质FP所含的元素进行分析。质量浓度算出部94算出第一位置P1的捕集区域的微小颗粒状物质FP的捕集量。由该质量浓度算出部94和上述捕集量测定部5形成“质量浓度测定部”。
产生源关联信号输出部95基于元素分析部93中的对微小颗粒状物质FP所含的元素的分析结果和质量浓度算出部94中的质量浓度的算出结果,例如向显示器97输出与微小颗粒状物质FP的产生源相关的信号。
作为一种实施方式,产生源关联信号输出部95也可以向警告灯或警告音产生装置的控制电路等输出与微小颗粒状物质FP的产生源相关的信号。由此,例如在产生了危险的微小颗粒状物质FP的情况下,能够使警告灯点亮或发出警告音。或者产生源关联信号输出部95也可以向经由网络与分析装置100连接的设备进行与产生源相关的通知(例如警告)。
控制部9具有元素选择部96。元素选择部96选择应由元素分析部93分析的元素。例如,元素选择部96使显示器97显示能够对与各元素对应的部分进行打开/关闭的周期表,通过由用户打开记载有分析对象的元素的部分(此外,关闭分析对象以外的元素),能够选择作为分析对象的元素。由用户选择的元素作为元素列表EL保存于存储部92。
此外,元素选择部96也可以使预先决定的元素的列表显示并能够选择该列表所含的元素。
控制部9也可以由多个计算机***构成。例如,可以将一个计算机***设置于分析装置100,由该计算机***控制分析装置100。另一方面,其他计算机***(例如平板终端等便携终端)可以通过与分析装置100设置的计算机***等进行通信,从而向分析装置100发送控制指令。此外,该其他计算机***也可以具有如下功能:能够使用从分析装置100取得的数据进行解析。由此,能够在离开分析装置100的位置,对分析装置100进行操作和/或使用分析装置100取得的数据进行分析。
分析装置100具备相机11,相机11处在与第二位置P2对应的位置,且相对于捕集过滤器1处在与配置X射线源71和检测器73的一侧相反侧。相机11例如是CMOS图像传感器,对存在于第二位置P2的捕集区域捕集到的微小颗粒状物质FP进行拍摄,并且将拍摄到的图像IM的数据向控制部9输出。
(3)分析装置中的微小颗粒状物质的分析动作
接着,说明使用第一实施方式的分析装置100分析微小颗粒状物质FP的分析动作。以下利用图3的流程图,对推定微小颗粒状物质FP的产生源的分析动作进行说明。
在分析装置100中开始分析之前,取得在元素分析部93中对捕集到的微小颗粒状物质FP所含的元素进行分析所需的各种数据(步骤S1)。
作为一种实施方式,例如能够将从分析装置100附近的成为微小颗粒状物质FP的产生源的(多个)设施收集到的微小颗粒状物质FP作为来源确定颗粒状物质,并且将由分析装置100测定该微小颗粒状物质FP的荧光X射线曲线时的数据作为基准曲线P存储于存储部92。
作为一种实施方式,可以将知道来源的颗粒状的标准物质(例如黄沙的标准物质、汽车排气的标准物质、制动粉尘的标准物质、石油燃烧产生的粉尘的标准物质和废弃物焚烧时的粉尘的标准物质等)作为来源确定颗粒状物质,并将由分析装置100测定该标准物质的荧光X射线曲线的数据作为基准曲线P存储于存储部92。
此外,也可以将标准物质的荧光X射线曲线和从设施实际产生的微小颗粒状物质FP的荧光X射线曲线一同作为基准曲线P存储于存储部92。
此外,也可以多次测定从标准物质或设施采集的荧光X射线曲线,并将该多个荧光X射线曲线的平均值作为基准曲线P。
或者也可以不由分析装置100实测荧光X射线曲线,而是从荧光X射线曲线的数据库取得组分已知的物质的荧光X射线曲线,并且将该荧光X射线曲线作为基准曲线P存储于存储部92。
此外,也可以通过对得到的基准曲线P进行分析来确定对应的微小颗粒状物质FP和/或标准物质所含的元素,并且使该元素的确定结果与表示由用户选择的元素的元素列表EL相关联。
由此,例如用户使用元素选择部96来选择分析对象的元素时,能够预先限定应与捕集到的微小颗粒状物质FP的荧光X射线曲线(实测曲线MP)进行拟合的基准曲线P。
此外,在本实施方式中,取得相关数据D并存储于存储部92,该相关数据D表示微小颗粒状物质FP所含的元素、该微小颗粒状物质FP的质量浓度和/或风向数据的相关关系。相关数据D例如能够以如下方式取得。
首先,使用分析装置100每隔预定时间执行微小颗粒状物质FP的捕集、该微小颗粒状物质FP的质量浓度的测定以及该微小颗粒状物质FP所含的元素的分析。此外,由分析装置100或设置在其附近的风向计(未图示),对捕集、质量浓度的测定和元素的分析的执行过程中的风向进行测定。
优选的是,长时间反复执行上述捕集、质量浓度的测定、元素的分析和风向的测定,收集大量的数据以便制作有意义的相关数据D。
接着,使用收集的数据,关于由元素分析确定的各元素、质量浓度和风向中的两个参数的相关系数,针对该两个参数的全部组合算出相关系数。此后,通过将算出的各相关系数例如***图4所示的表(行列)的对应部位来完成图4所示的相关数据D,该图4所示的表例如在行方向配置各元素和质量浓度,并且在列方向配置各元素、质量浓度和风向。图4是表示相关数据的一例的图。
另外,在图4中,利用表(行列)所示的相关数据的各要素的着色的浓淡(相关系数越大则越浓)来表示相关系数的大小。此外,在图4的相关数据D中,在由双点划线包围的部分中,算出负的相关系数。
在取得上述各种数据并根据需要而执行零点校准和/或量程校准之后,且在由分析装置100开始分析之前,元素选择部96使用户选择应分析的元素,并且将选择的元素作为元素列表EL存储于存储部92(步骤S2)。
例如,通过将从特定的产生源产生的微小颗粒状物质FP所含的元素选择为应分析的元素,从而能够监测来自该特定的产生源的微小颗粒状物质FP的产生状况。
此后,分析装置100开始分析动作。具体地说,控制指令部91使捕集部3将微小颗粒状物质FP捕集到存在于第一位置P1的捕集区域(步骤S3)。
在微小颗粒状物质FP的捕集中,控制指令部91使β射线源51向第一位置P1照射β射线,并从β射线检测器53获取表示β射线的强度的β射线检测信号作为测定数据MD,并存储于存储部92。质量浓度算出部94基于该β射线检测信号的大小,算出存在于第一位置P1的捕集区域中的微小颗粒状物质FP的捕集量。
如果从开始捕集起经过了预定时间(例如1小时)(在步骤S4中为“是”时),则控制指令部91对捕集部3发出指令以停止微小颗粒状物质FP的捕集。
在停止微小颗粒状物质FP的捕集之后,质量浓度算出部94基于停止捕集的时机的微小颗粒状物质FP的捕集量,算出存在于第一位置P1的捕集区域捕集到的微小颗粒状物质FP的质量浓度(步骤S5)。
在算出质量浓度之后,并且在使卷取卷盘1b旋转而使存在于第一位置P1的捕集区域移动到第二位置P2之后,控制指令部91使X射线源71向第二位置P2照射X射线。此外,控制指令部91使检测器73检测脉冲信号,并且获取该脉冲信号作为测定数据MD并存储于存储部92,该脉冲信号与第二位置P2的捕集区域捕集到的微小颗粒状物质FP所产生的荧光X射线的强度对应。
在取得该脉冲信号之后,元素分析部93根据取得的脉冲信号,生成荧光X射线曲线作为实测曲线MP并存储于存储部92,该荧光X射线曲线表示荧光X射线的能量与强度(对应的能量时的脉冲信号的脉冲数)之间的关系(步骤S6)。
此后,元素分析部93对取得的实测曲线MP和存储于存储部92的多个基准曲线P进行比较,确定步骤S3中捕集到的微小颗粒状物质FP所含的元素(步骤S7)。
例如,针对存储于存储部92的基准曲线P和实测曲线MP,基于这些曲线并利用最小二乘法或最大似然法等进行数据拟合,将与实测曲线MP最一致的基准曲线P所含的元素判定为也包含于捕集到的微小颗粒状物质FP。
在本实施方式中,由于在上述步骤S2中选择了应由元素分析部93分析的元素,所以能够在步骤S7中更迅速地对元素进行分析。
另外,在差的平方最小而峰值位置与实测曲线MP不一致的基准曲线P被判定为与实测曲线MP最一致的情况下,如果存在峰值位置与实测曲线MP的峰值位置一致且上述差的平方较小的基准曲线P,则也可以将该基准曲线P判定为与实测曲线MP最一致。
如果能够决定与实测曲线MP最一致的基准曲线P,则元素分析部93能够将得到该基准曲线P的来源确定颗粒状物质所含的元素确定为包含于得到实测曲线MP的微小颗粒状物质FP。
如上所述,由于存储于存储部92的各基准曲线P与对应的来源确定颗粒状物质相关联,所以能够基于实测曲线MP与基准曲线P的拟合结果,推定捕集到的微小颗粒状物质FP的产生来源。
此外,元素分析部93能够根据算出的元素浓度与实测曲线MP的各峰值的比例,算出捕集到的微小颗粒状物质FP所含的元素的组分比。
在执行元素分析之后,控制指令部91使用相机11取得捕集到的微小颗粒状物质FP的图像,并存储于存储部92。此外,控制指令部91也可以使显示器97显示该图像IM。
在取得微小颗粒状物质FP的图像之后,产生源关联信号输出部95基于算出的质量浓度和上述元素分析结果,推定捕集到的微小颗粒状物质FP的产生源(步骤S8)。
例如,在算出的质量浓度的增减倾向与由元素选择部96选择的元素的含量的增减倾向相同的情况下(例如在质量浓度增加时,选择的元素的含量增加的情况下),产生源关联信号输出部95能够推定为捕集到的微小颗粒状物质FP是从特定的产生源产生的,上述特定的产生源产生包含该选择的元素的微小颗粒状物质FP。在这种情况下,产生源关联信号输出部95能够使显示器97显示出捕集到的微小颗粒状物质FP是从选择的特定的产生源产生的事项。
另一方面,在质量浓度的增减倾向与选择的元素的含量的增减倾向不同的情况下(例如质量浓度增加而选择的元素的含量不增加的情况下),产生源关联信号输出部95能够推定为捕集到的微小颗粒状物质FP从特定的产生源以外的产生源产生的,上述特定的产生源产生包含该选择的元素的微小颗粒状物质FP。
在这种情况下,产生源关联信号输出部95例如使显示器97显示出捕集到的微小颗粒状物质FP是从与选择的特定的产生源不同的产生源产生的事项。或者也可以将该事项通知给经由网络连接的其他装置等。
由此,例如用户能够使用元素选择部96将与当前选择的元素不同的元素作为应分析的元素。
在一种实施方式中,产生源关联信号输出部95也可以进一步对微小颗粒状物质FP的图像IM进行图像解析,并基于该图像IM所含的颜色的比例来推定捕集到的微小颗粒状物质FP的产生源。例如,在图像IM包含较多的黄色时,能够将微小颗粒状物质FP的主要产生源推定为黄沙的产生源。
此外,在包含较多的白色(灰色)时,能够将进行了烧荒的场所、水泥工厂或建筑物的解体现场之类的水泥粉的产生场所确定为产生源。此外,在包含较多的黑色时,能够将燃料(石油、煤炭等)的燃烧场所确定为产生源。此外,在包含较多的红棕色(红色系的颜色)时,能够将铜和/或(氧化)铁的产生场所确定为产生源。
在一种实施方式中,产生源关联信号输出部95也可以基于由图像IM的解析得到的微小颗粒状物质FP的形状,来推定微小颗粒状物质FP的产生源。例如,如果具有凹凸较多的形状,则能够将捕集到的微小颗粒状物质FP推定为是从土壤和/或混凝土粉的产生场所产生的。
在一种实施方式中,例如在捕集到的微小颗粒状物质FP的质量浓度增加而选择的元素的含量不增加等情况下,元素选择部96也可以基于与从产生源关联信号输出部95接收的图像IM所含的颜色相关的信息,将与当前选择的元素不同的元素选择为应分析的元素。
例如在接收到图像IM包含较多的黑色的信息时,将燃料的燃烧场所推定为产生源,因此能够将钒(V)作为分析对象。在接收到图像IM包含较多的红色系颜色的信息时,能够将铜(Cu)、铁(Fe)作为分析对象。在接收到图像IM包含较多的白色(灰色)或黄色的信息时,能够将烧荒的灰、黄沙、土壤和/或水泥所含的钙(Ca)、铝(Al)、硅(Si)和钾(K)等作为分析对象。
在一种实施方式中,产生源关联信号输出部95也可以进一步使用存储于存储部92的相关数据D来推定捕集到的微小颗粒状物质FP的产生源。例如,作为元素分析的结果,可以考虑到铝(Al)、硅(Si)和钾(K)的含量增加并且也出现质量浓度的增加的情况。在这种情况下,在图4所示的相关数据D的例子中,针对这些元素具有较大的相关系数且针对质量浓度具有较大的相关系数的风向如图5所示,是图5的虚线包围的区域与单点划线包围的区域重叠的风向,即西南或西北。因此,在上述情况下,产生源关联信号输出部95能够将捕集到的微小颗粒状物质FP推定为是从相对于分析装置100的设置位置位于西南或西北的场所飞来的微小颗粒状物质。
图5是表示基于元素分析结果、质量浓度和相关数据推定产生源的推定方法的一例的图。
通过执行上述步骤S1~S8来推定微小颗粒状物质FP的产生源,从而分析装置100能够使用微小颗粒状物质FP的质量浓度和元素分析结果,高精度地推定微小颗粒状物质FP的产生源。
此外,通过使用相关数据D,并且利用得到的质量浓度和元素分析结果与风向之间的相关系数的值的大小的比较这种比较单纯的方法,不需要复杂的计算等就能够更简单地推定微小颗粒状物质FP的产生源。
此外,通过每隔预定时间反复执行微小颗粒状物质FP的捕集,并且推定每隔预定时间捕集到的微小颗粒状物质FP的产生源,从而能够监测每隔该预定时间的微小颗粒状物质FP的产生源的变化。
在执行上述步骤S1~S8之后,只要未判定为分析装置100的停止按钮(未图示)等被按下而停止分析装置100(只要步骤S9中为“否”),则反复执行上述步骤S1~S8。
2.第二实施方式
例如也可以在交通量大的道路沿线或工厂地带内的预定位置到工厂地带外的预定位置之间,设置多台第一实施方式的分析装置100。如图6A所示,也可以是该多台分析装置100例如通过网络(Wi-Fi等无线网络、有线广域通信网(光通信网、ISDN网和固定电话网等))等连接成能够相互通信,从而形成分析***200a。图6A是表示第二实施方式的分析***的构成的一例的图。
由此,各分析装置100例如能够不仅基于自身测定的微小颗粒状物质FP的质量浓度和元素分析结果,而且基于来自其他分析装置100的与微小颗粒状物质FP相关的测定结果和/或与微小颗粒状物质FP的产生源相关的信号的输出历史记录等,更准确地输出与微小颗粒状物质FP的产生源相关的信号。
例如,在多个分析装置100中检测出具有大体相同的元素组分的微小颗粒状物质FP的情况下,通过按照该微小颗粒状物质FP的质量浓度的测定值从大到小的顺序(质量浓度从高到低)描绘该多个分析装置100,从而能够准确地推定该微小颗粒状物质FP的飞来路径和飞来方向。
此外,如图6B所示,也可以是多个分析装置100与服务器101连接,该服务器101收集由该多个分析装置100得到的质量浓度、元素分析结果和/或与微小颗粒状物质FP的产生源相关的信号的输出历史记录等。在这种情况下,由多个分析装置100和服务器101形成分析***200b。图6B是表示第二实施方式的分析***的构成的另一例的图。
在这种情况下,例如也可以基于该服务器101收集到的信息来决定是否输出与颗粒状物质的产生源相关的信号。或者也可以是例如各分析装置100从服务器101下载其他分析装置100的数据,并且也使用该下载的数据来输出与颗粒状物质的产生源相关的信号。
上述分析***200a、200b除了包括分析装置100以外,还可以包括能够进行质量浓度和元素分析以外的内容的测定的其他种类的分析装置。例如,也可以包括对大气A所含的气体(状物质)进行分析的气体分析装置。此外,由该气体分析装置取得的测定数据也可以包含于以上说明的相关数据D。在该气体分析装置中,例如进行烃、一氧化碳(CO)、二氧化碳(CO2)、氮氧化物(NOx)、臭氧(O3)和硫氧化物(SOx)等气体的分析(例如气体浓度的算出)。此外,气体分析装置也可以是能够测定丙酮、乙醇、甲苯、苯、氟利昂等挥发性有机化合物(Volatile Organic Compounds,VOC)的气体分析装置。
上述气体分析装置可以在分析***200a、200b中经由网络连接于分析装置100,也可以不连接于分析装置100。在经由网络连接于分析装置100的情况下,分析装置100的控制部9能够经由网络取得由气体分析装置取得的数据并存储于存储部92等。此外,上述气体分析装置例如也可以与分析装置100的模拟输入部(未图示)连接。在这种情况下,气体分析装置将测定数据作为模拟信号向分析装置100输出。分析装置100的控制部9能够将从气体分析装置输入的模拟信号转换为数值数据(例如A/D转换),并且将该数值数据作为测定结果存储于存储部92等。此外,即使气体分析装置不能与分析装置100通信,也可以将气体分析装置的测定数据存储于存储介质装置(例如USB存储器、SD存储器、光盘和小型硬盘等),并且能够将测定数据从该存储介质装置提取到分析装置100。
此外,也可以是在包括服务器101的分析***200b中,服务器101经由网络、模拟输入端子和/或存储介质装置,从上述气体分析装置取得测定结果并存储。服务器101也可以将来自该气体分析装置的测定结果提供给各分析装置100。
如上所述,能够进一步使用来自气体分析装置的测定数据和可能包含于微小颗粒状物质FP的成为气态物质的离子的分析结果,更高精度地推定微小颗粒状物质FP的产生源。
此外,也可以是服务器101从外部服务器等取得后述的第四实施方式中说明的现象发生信息(例如气象统计信息、事件信息和/或交通信息(例如拥堵信息)等)并保存,并且根据来自各分析装置100的请求,将该现象发生信息向对应的分析装置100发送。或者也可以是分析装置100访问服务器101来取得必要的现象发生信息。
服务器101也可以是保存各分析装置100的各种数据和设定等的云服务器。在这种情况下,各分析装置100也可以访问作为云服务器的服务器101,从服务器101取得必要的数据和设定等。在这种情况下,分析装置100的存储部92也可以仅具有程序的动作等所需的最低限度的存储容量。
此外,服务器101也可以利用从各分析装置100收集的上述数据来执行分析。此外,也可以例如通过邮件或访问服务器101而得到的网页上的消息等,由此服务器101通知该分析结果和/或与稳定不同的情况。
各分析装置100的控制部9也可以具有以上记载的服务器101的功能。即,某一控制部9也可以不仅从其他分析装置100的控制部9取得该其他控制部9所具有的数据,而且从云服务器或外部服务器取得上述气象统计信息、事件信息和/或交通信息,和/或取得存在于分析***200a、200b的气体分析装置等其他种类的分析装置的测定数据。控制部9可以经由网络取得其他控制部9所具有的数据、气象统计信息、事件信息、交通信息和由其他种类的分析装置取得的测定数据等,也可以使用存储介质装置(例如USB存储器、SD存储器、光盘和小型硬盘等)从用户取得。
3.第三实施方式
在上述第一实施方式中,产生源关联信号输出部95推定微小颗粒状物质FP的产生源并向显示器97输出该推定结果。此外,第三实施方式的产生源关联信号输出部95’也可以在捕集到的微小颗粒状物质FP成为与“稳定状态”不同的状态时输出警告(例如使警告灯点亮的信号、发出警告音的信号)。
另外,由于产生源关联信号输出部95’以外的分析装置100的构成与第一实施方式相同,所以在此省略说明。
上述“稳定状态”是指捕集到的微小颗粒状物质FP的质量浓度和/或元素分析结果处在某一基准范围内。因此,在与微小颗粒状物质FP相关的基准数据(稳定数据)与捕集到的微小颗粒状物质FP的测定的质量浓度和元素分析结果(实测数据)之间存在“偏差”(即实测数据与稳定数据非类似)的情况下,第三实施方式的产生源关联信号输出部95’输出警告。
作为与测定的质量浓度和元素分析结果相比较的稳定数据例如能够使用在分析装置100中连续(例如连续一个月左右)捕集并测定的微小颗粒状物质FP的质量浓度和元素分析结果(例如元素含量)的平均值。
除此以外,能够使用在特定的工厂中捕集到的微小颗粒状物质FP的质量浓度和元素分析结果的实测值、标准物质的质量浓度和元素分析结果在分析装置100中的实测值等。
例如,得到包含图7的最上方记录(实际上预先取得并存储于存储部92)的元素a、b、c、d的元素含量和质量浓度的稳定数据。
在这种情况下,产生源关联信号输出部95’例如进行稳定数据与使用分析装置100每隔预定时间得到的(元素a、b、c、d的元素含量和质量浓度的)实测数据的χ平方判定等多变量分析(例如主成分分析、因子分析和聚类分析等),当该判定结果为预定值以下(图7的例子中为0.6以下)时,判定为当前取得的实测数据与稳定状态不同。
上述稳定数据和实测数据除了元素含量和质量浓度以外,例如也可以是元素a~d以外的其他成分浓度和气体浓度。在这种情况下,该稳定数据和/或实测数据也可以包含于相关数据D。此外,该数据也可以是浓度、含量等物理量数据以外的数值数据或图像数据。具体地说,该数据可以是光谱数据,也可以是稳定数据中的光谱数据与实测数据中的光谱数据的一致度,还可以是拍摄过滤器得到的图像数据或从该图像数据解析得到的颜色信息等。
也可以是成为当前取得的实测数据是否与稳定状态不同的判断基准的上述预定值可调整。由此,能够调整针对稳定数据与实测数据的偏差的、用于判定与稳定状态不同的“灵敏度”。例如,通过将该预定值设为更大的值,即使在实测数据稍微偏离稳定数据的情况下(或者例如实测数据所含的参数中的一个参数偏离稳定数据的对应的一个参数的值的情况下),也能够判定为与稳定状态不同。
图7是表示稳定数据和实测数据的一例的图。
在判定为实测数据与稳定状态不同的情况下,产生源关联信号输出部95’例如使显示器97显示用于通知实测数据与稳定状态不同的显示内容(消息等)、输出点亮警告灯的信号、或者输出用于发出警告音的信号。
或者也可以向经由网络连接的其他设备输出用于通知上述警告的信号。
通过使产生源关联信号输出部95’在得到与稳定状态不同的实测数据时发出警告,从而例如在分析装置100中捕集到来自不同的产生源的微小颗粒状物质FP等情况下,能够通知用户产生了与通常不同的状态。
4.第四实施方式
在上述第一实施方式中,相关数据D表示微小颗粒状物质FP所含的元素、该微小颗粒状物质FP的质量浓度和/或风向数据的相关关系。但是,能够使其他数据与相关数据D相关联。由于分析装置100所具备的各构成要素的构成和功能与上述第一~第三实施方式相同,所以在此省略说明。
例如,也可以是相关数据D除了包含上述数据以外,还包含与分析装置100的设置位置周边发生的现象相关的现象发生信息,并表示该现象发生信息与上述数据的相关关系。现象发生信息例如包含气象统计信息、事件信息和/或交通信息(拥堵信息)。气象统计信息是与特定地点的气象(风速、气温和湿度等)相关的数据的集合,例如能够从处理气象信息的各国的政府机关(在日本是气象厅)得到。例如,从上述政府机关得到与分析装置100的设置地点对应的气象统计信息,并且存储于控制部9的存储部92和/或服务器101。或者也可以是控制部9和/或服务器101经由互联网与上述政府机关的预定的服务器连接并适当地下载气象统计信息。
事件信息是与发生火山喷发相关的信息、与放烟花相关的信息之类的与发生的事件相关的信息。与发生火山喷发相关的信息例如能够从处理上述气象信息的政府机关得到。与放烟花相关的信息例如能够由知道该信息的用户使用控制部9和/或服务器101输入。除此以外,也可以是控制部9和/或服务器101经由互联网适当地下载与发生火山喷发相关的信息、与放烟花相关的信息之类的与发生的事件相关的信息。
此外,作为事件信息具有在位于分析装置100的设置位置附近的牧场中放牧的信息以及与船舶的航行相关的信息等。
交通信息例如是各道路中的拥堵信息之类的与车辆等的交通量相关的信息。交通信息例如可以经由网络从提供拥堵信息等的组织的服务器取得,也可以取得交通信息并预先存储于存储介质装置,并且从该存储介质装置向服务器101和/或控制部9传送交通信息。
通过使现象发生信息包含于相关数据D,从而控制部9能够以最适合于发生的事件的方式,改变分析装置100中的微小颗粒状物质FP的测定条件和/或分析算法。例如,预先将与发生的现象对应的测定条件和/或分析算法的设定内容存储于存储部92,如果控制部9和/或服务器101检测到发生了预定现象,则能够从存储部92读出与该预定现象对应的测定条件和/或分析算法并执行分析装置100的设定。
或者也可以是控制部9和/或服务器101学习何种测定条件和/或分析算法最适合于发生的现象。由此,如果输入与发生的现象相关的信息,则完成学习的控制部9和/或服务器101能够自动地在分析装置100中设定最适合的测定条件和/或分析算法。
如第二实施方式所示,在分析装置100与服务器101连接成能够通信的情况下,服务器101也可以基于包含现象发生信息的相关数据D,进行各分析装置100的测定条件和/或分析算法的变更,并且将指示该变更的信号向对应的分析装置100发送。
例如,如果发生火山喷发,则包含水银(Hg)和硫(S)的化合物在大气中的浓度发生变化。在这种情况下,例如改变分析算法(定量算法),以便与用于测定高浓度的水银和硫的测定条件对应。此外,例如能够将分析部7的X射线过滤器(例如设置于X射线源71的初级X射线过滤器和/或设置于检测器73的次级X射线过滤器)转换为与高浓度的水银和硫对应的X射线过滤器,和/或改变用于从X射线源71产生电子射线的电压。
此外,例如如果发生火山喷发,则大量产生微细的火山灰。因此,例如在发生火山喷发时,使捕集过滤器1停留在捕集部3的时间比通常的时间(例如1小时)少,能够避免捕集过滤器1堵塞。
另一方面,在放烟花的情况下,产生大量的引起焰色反应的元素、特别是包含锶(Sr)的化合物。因此,在这种情况下,能够使用与高浓度的锶(引起焰色反应的元素)对应的测定条件和/或分析算法。
此外,在包含砷(As)和/或铅(Pb)的化合物有可能增加的情况下,对测定条件和/或分析算法进行变更而变更为与高浓度的砷和/或铅的测定对应。
此外,在得到某一特征性数据时,控制部9和/或服务器101也可以通过学习来知道该数据是由某一特定现象产生的。
例如,在由分析装置100得到特征性数据时,控制部9和/或服务器101取得在得到该特征性数据时的现象发生信息。此后,控制部9和/或服务器101将该特征性数据和得到该特征性数据时的现象发生信息(例如气象条件、发生的事件和/或交通信息)作为学习数据输入。得到特征性数据时的对应的现象发生信息可以由用户指定并输入,也可以由控制部9和/或服务器101使用现象发生信息与特征性数据相关联的数据库,找到并分配与本次取得的特征性数据对应的现象发生信息。由此,在输入了特征性测定数据时,控制部9和/或服务器101可以在内部形成能够识别发生了何种现象(事件、拥堵和特殊的气象状态等)的学习模式。
在利用上述学习能够根据输入的特征性数据以某种程度的精度准确地识别发生的现象之后,控制部9和/或服务器101利用在内部形成的学习模式,算出某一特征性数据与特定的现象的相关度(例如在输入某一特征性数据时发生某一特定现象的概率)。
此后,例如如果算出的相关度在预定阈值以上,则控制部9和/或服务器101将发生了与特征性数据的相关度在预定阈值以上的现象的内容作为产生源关联信号进行通知。或者,在算出的相关度连续预定次数在阈值以上的情况下,也可以将发生了与特征性数据的相关度连续在阈值以上的现象的内容作为产生源关联信号进行通知。该阈值可以由利用上述学习形成的学习模式自动算出、即在上述学习中形成能够自动算出该阈值的学习模式,也可以由用户设定。
由此,控制部9和/或服务器101能够根据从分析装置100和/或其他种类的分析装置得到的测定数据,将特定的现象的发生和/或该现象的产生源作为产生源关联信号输出。
此外,也可以是即使得到了原本判断为异常的特征性的质量浓度测定结果和/或元素分析结果作为数据,控制部9和/或服务器101通过学习知道,根据设置场所,利用特定的现象的发生得到该特征性数据,并且该特征性数据是稳定数据。
例如,在分析装置100的设置场所是港湾设施内或港湾设施附近的情况下,能够将船舶经过时出现的特征性数据作为稳定数据。船舶的排气中的微小颗粒状物质FP通常包含钒和铬。因此,在船舶经过时,在元素分析结果中得到将钒和铬被检测为高浓度的特征性数据。
在这种情况下,例如在得到钒和铬被检测为高浓度而通常为异常的数据时,判断为在得到该数据的时点船舶在分析装置100的设置位置附近航行和/或因该时点的风向和/或天气而使航行中的船舶的排气到达分析装置100的设置场所时,将钒和铬被检测为高浓度的数据视为稳定数据。
上述这样的设定例如能够由从分析装置100和/或服务器101通知了取得的数据为异常的用户,经由输入装置等向控制部9和/或服务器101教示该异常数据为稳定数据。此外,在该教示时,也可以不仅将取得的数据作为学习数据进行学习,而且将现象发生信息(例如存在船舶的经过(船舶的排气)的事件信息和气象条件(气象统计信息)等)作为学习数据来进行学习。
或者在取得分析装置100中钒和铬被检测为高浓度的数据时,控制部9和/或服务器101也可以参照现象发生信息(例如与船舶航行相关的信息和/或气象统计信息),在异常数据的取得时存在发生特定现象的条件(例如存在船舶的航行和/或数据取得时的气象条件是船舶的排气到达分析装置100的设置位置的条件)的情况下,例如通过机器学习来自动学习该取得的异常数据是稳定数据。此外,也可以在此基础上,自动学习该异常数据是由特定现象的发生(例如船舶在附近航行)而得到的。
由此,进行了上述学习的控制部9和/或服务器101能够自动判断出钒和铬被检测为高浓度的数据是稳定数据、即由特定现象的发生(例如船舶的航行)而得到的数据。此外,在取得钒和铬被检测为高浓度的数据(异常数据)时,能够将对发生的现象进行通知的信号(例如对从存在于某一特定位置的(航行中的)船舶排出排气进行通知的信号)作为产生源关联信号输出。
此外,控制部9和/或服务器101也可以基于气象统计信息和高层的大气状态,通过模拟来算出大气的流动,并且根据该模拟结果预测捕集过滤器1捕集到的微小颗粒状物质FP以何种方式移动(例如使用轨迹解析)。由此,例如在分析装置100中捕集到特定的微小颗粒状物质FP时,能够在该捕集的前后预测该特定的微小颗粒状物质FP以何种路径移动。
5.第五实施方式
(1)第五实施方式的对象元素的定量方法
在第五实施方式中,对包含多种元素的微小颗粒状物质FP进行元素分析时,即使在微弱的荧光X射线的光谱峰值中也考虑光谱峰值的重叠,来取得更准确的元素分析结果。在第五实施方式中,由于分析装置100所具备的各构成要素的构成和功能除了考虑光谱峰值的重叠以外与上述第一~第四实施方式相同,所以在此省略说明。
利用荧光X射线的检测进行包含多种元素的物质的元素分析时,有时某一特定元素的荧光X射线的光谱峰值与其他元素的光谱峰值重叠。例如,如果分析装置100的设置位置接近牧场且在该牧场进行放牧,则有可能产生包含溴(Br)的化合物。公知的是,溴的光谱峰值的一部分与铝(Al)的光谱峰值的一部分重叠,如果在附近具有牧场等溴的产生源的分析装置100中对铝进行元素分析,则有时不能高精度地进行(特别是低浓度的)铝的定量。此外,公知的是,铅的光谱峰值的一部分与砷的光谱峰值的一部分重叠。
在光谱峰值存在重叠时,即使该重叠为一部分,有时算出的特定的元素的含量(浓度)也与实际的含量(浓度)不同。以该光谱峰值的重叠为原因的元素含量的算出误差在分析对象的元素的含量少时特别显著。
因此,在本实施方式中,控制部9和/或服务器101考虑该光谱峰值的重叠的影响来进行元素分析的定性(元素的确定)和定量(元素浓度的算出)。具体地说,使用被认为包含于微小颗粒状物质FP的元素的荧光X射线的基准光谱,来生成与实际测定的光谱匹配的光谱,并且根据该生成的光谱所含的基准光谱的强度来算出元素的含量(浓度)。
为了进行上述的元素的定量,在本实施方式中,将从含有已知浓度的测定对象元素的物质(称为基准物质)得到的光谱(称为基准光谱)存储于存储部92。使用分析部7来检测含有已知浓度的测定对象元素的物质的荧光X射线,由此得到基准光谱。
以下,对本实施方式的元素分析进行具体说明。在以下的说明中,从微小颗粒状物质FP得到图8A所示的荧光X射线的光谱(实测曲线MP)。图8A是表示实测曲线的一例的图。
此外,设微小颗粒状物质FP包含元素B和元素C。并且,设元素B和元素C具有图8B所示的荧光X射线的光谱(基准光谱)。图8B是表示基准光谱的一例的图。在图8B中,元素B的基准光谱由实线表示,元素C的光谱由单点划线表示。
如图8B所示,在元素B的基准光谱中在荧光X射线能量Ea~Eb之间出现的光谱峰值和在元素C的基准光谱中在相同的能量范围内出现的光谱峰值存在于相互接近的能量位置。其结果,对于实测曲线MP(图8B中虚线所示),在上述能量范围内两个光谱峰值以不分离的状态存在。
因此,在使用实测曲线MP来算出微小颗粒状物质FP的元素的含量时,算出的含量(浓度)大于实际的含量。因该光谱峰值的重叠产生的影响在元素B和/或元素C的含量少时特别显著。
因此,在本实施方式中,按照图9所示的流程图来执行微小颗粒状物质FP所含的元素的定量(含量的算出)。图9是表示第五实施方式的元素分析方法的流程图。
在取得捕集过滤器1捕集到的微小颗粒状物质FP的实测曲线MP(步骤S71’)之后,控制部9和/或服务器101根据实测曲线MP的峰值位置来确定微小颗粒状物质FP所含的元素(步骤S72’)。
接着,控制部9和/或服务器101使用在步骤S72’中确定的元素的光谱中的、至少位于光谱峰值重叠的能量范围内的实测曲线MP的光谱峰值的强度,执行确定的元素的定量(步骤S73’)。即,可以使用处在实测曲线MP所含的能量值的范围内的与该确定的元素对应的全部光谱峰值来进行该元素的定量,也可以仅使用重叠的光谱峰值来进行该元素的定量。
步骤S73’中的元素B和/或元素C的定量结果在设想为微小颗粒状物质FP所含的元素含量的范围内时,即,该定量结果比预定的阈值小时(步骤S74’中为“否”时),使用实测曲线MP的强度和表示各元素的含量与光谱强度的关系的校准线,执行元素B和/或元素C的定量(步骤S75’)。在使用校准线的定量中使用的实测曲线MP的强度可以是积分强度,也可以是某一特定峰值位置的峰值强度。
另一方面,在步骤S73’的定量结果为预定的阈值以上时(步骤S74’中为“是”时),从实测曲线MP分离出元素B和元素C的光谱,并且针对各元素使用分离的光谱的强度对该各元素进行定量。
具体地说,首先从存储部92读取元素B的基准光谱和元素C的基准光谱,将该两个基准光谱相加来生成假想光谱(步骤S76’)。使多个基准光谱中的全部基准光谱或某些基准光谱的强度增大或减少来生成假想光谱。使基准光谱的强度增大或减少与假设使对象元素的含量(浓度)增大或减少对应。
选择在步骤S76’中生成的(多个)假想光谱中的与实测曲线MP最一致的假想光谱(光谱拟合)(步骤S77’)。具体地说,例如选择与实测曲线MP的差的平方和最小的假想光谱(最小二乘法)。
接着,算出在步骤S77’中选择的假想光谱所含的元素B的光谱和元素C的光谱(步骤S78’)。例如,通过将生成与实测曲线MP最一致的假想光谱时的元素B的基准光谱的强度的增大/减少比例乘以元素B的基准光谱的强度,从而能够算出元素B的光谱。同样,通过将生成与实测曲线MP最一致的假想光谱时的元素C的基准光谱的强度的增大/减少比例乘以元素C的基准光谱的强度,从而能够算出元素C的光谱。
由此,能够从实测曲线MP分离出元素B的光谱和元素C的光谱。
在分离出各对象元素的光谱之后,使用针对元素B分离出的光谱的强度和表示元素B的含量与光谱强度之间的关系的校准线,对元素B进行定量(步骤S79’)。在使用校准线的定量中使用的强度可以是积分强度,也可以是某一特定峰值位置的峰值强度。
同样,使用针对元素C分离出的光谱的强度和表示元素C的含量与光谱强度之间的关系的校准线,对元素C进行定量。
在其他实施方式中,对象元素的定量也可以通过如下方式执行:将生成与实测曲线MP最一致的假想光谱时的对象元素的基准光谱的强度的增大/减少比例,与取得基准光谱时使用的物质所含的对象元素的含量相乘。这是因为,一般来说光谱的强度与对象元素的含量(浓度)相关。
通过按照图9所示的流程图进行元素分析,从而在实测曲线MP所含的光谱峰值的重叠的影响小时,能够使用实测曲线MP的强度来执行对象元素的定性和定量。
另一方面,在实测曲线MP所含的光谱峰值的重叠的影响大,并且如果使用实测曲线MP进行定量则成为含量超过设想含量而较多的结果的情况下,从实测曲线MP分离各对象元素的光谱来消除光谱峰值的重叠,能够使用该分离的光谱来执行对象元素的定量。其结果,能够使因上述光谱峰值的重叠产生的影响成为最小限度,能够更高精度地定量对象元素。
(2)变形例
作为本实施方式的变形例,也可以将以已知的含量(浓度)包含多种对象元素的物质的光谱、该已知的含量以及其他已知的信息(例如测定条件)作为学习数据,使控制部9和/或服务器101进行学习,在控制部9和/或服务器101中形成能够从未知的光谱(实测曲线MP)算出各对象元素的定性和定量结果的学习完成模式。
在该变形例中,优选的是,为了使控制部9和/或服务器101进行学习而输入的光谱通过使用以低含量(低浓度)包含对象元素的物质来取得。由此,能够使用受到光谱峰值重叠的影响大的数据来进行学习。其结果,可以形成能够高精度地对低含量(低浓度)的对象元素进行定性和定量的适当的学习完成模式。
在形成能够以某一程度的精度执行定性和定量的学习完成模式以后,如果控制部9和/或服务器101将由分析装置100取得的实测曲线MP和取得实测曲线MP时的其他已知的信息(测定条件)输入该学习完成模式,则得到对象元素的定性结果和定量结果作为来自学习完成模式的输出。
在其他实施方式中,也可以采用通过使用具有某一程度的精度的学习完成模式而执行了定性和定量的光谱,使该学习完成模式进一步学习。在这种情况下,也可以将利用其他方法(例如ICP(Inductively Coupled Plasma,高频电感耦合等离子体)法),对取得了已经完成定性和定量的光谱的微小颗粒状物质FP所含的元素量进行测定的结果,作为学习用数据输入。
通过使学习完成模式进一步学习,从而该学习后的学习完成模式能够以更高精度执行对象元素的定性和定量。
6.其他实施方式
以上对本发明的多个实施方式进行了说明,但是本发明并不限定于上述实施方式,能够在不脱离发明宗旨的范围内进行各种变更。特别是在本说明书中记载的多种实施方式和变形例能够根据需要任意组合。
例如,图3的流程图所示的各步骤的顺序和/或处理内容可以在不脱离发明宗旨的范围内进行变更。例如可以将步骤S5的质量浓度的算出和步骤S6~S7的元素分析调换。此外,上述第一实施方式~第五实施方式能够根据需要任意组合。
(A)与基准曲线相关的其他实施方式
基准曲线P也可以由在预定周期连续取得的多个荧光X射线曲线构成。例如,来源确定颗粒状物质为黄沙的基准曲线P在初始阶段取得的荧光X射线曲线中包含与硫(S)对应的峰值,但是在预定时间以后取得的荧光X射线曲线中还包含与硅(Si)对应的峰值。
在这种情况下,元素分析部93例如对连续取得的多个实测曲线MP和基准曲线P进行比较,如果在连续取得的多个实测曲线MP中出现的峰值(元素)的随时间变化与在基准曲线P中出现的对应的峰值(元素)的随时间变化大体相同,则能够判定为捕集到的微小颗粒状物质FP的来源和关联于该基准曲线P的来源确定颗粒状物质的来源相同(包含的元素相同)。
(B)与实测曲线相关的其他实施方式
元素分析部93也可以对连续取得的来自多个微小颗粒状物质FP的荧光X射线曲线进行平均来算出实测曲线MP。
工业实用性
本发明能够广泛地应用于对存在于测定空间的颗粒状物质进行分析的分析装置。
Claims (12)
1.一种分析装置,其特征在于,包括:
质量浓度测定部,测定大气中漂浮的颗粒状物质的质量浓度;
元素分析部,分析所述颗粒状物质所含的元素;
产生源关联信号输出部,基于所述质量浓度测定部中的质量浓度的测定结果、所述元素分析部中的所述颗粒状物质所含的元素的分析结果、以及所述颗粒状物质所含的元素的含量的增减倾向与所述颗粒状物质的质量浓度的增减倾向之间的相关关系,输出与所述颗粒状物质的产生源相关的信号;以及
元素选择部,从能由所述元素分析部分析的多种元素中,选择从特定的产生源产生的颗粒状物质所含的元素,
在由所述元素选择部选择出的元素的含量增加且所述颗粒状物质的质量浓度增加的情况下,所述产生源关联信号输出部输出用于确定产生源的信号,所述用于确定产生源的信号能够根据在预先制作的相关数据中针对选择出的元素具有较大的相关关系且针对质量浓度具有较大的相关关系的风向来确定产生源,所述相关数据表示颗粒状物质所含的元素、颗粒状物质的质量浓度和风向数据中的任意两个参数之间的相关关系。
2.根据权利要求1所述的分析装置,其特征在于,
还包括存储表示所述相关关系的相关数据的存储部。
3.根据权利要求1或2所述的分析装置,其特征在于,取得与发生的现象相关的现象发生信息,并且基于取得的所述现象发生信息来设定测定条件和/或分析算法。
4.根据权利要求1所述的分析装置,其特征在于,如果判定为当前选择的元素未包含于所述颗粒状物质,则所述元素选择部将与所述当前选择的元素不同的元素选择为应进行分析的元素。
5.根据权利要求1或2所述的分析装置,其特征在于,所述元素分析部基于实测曲线和基准曲线的比较来分析所述颗粒状物质所含的元素,所述实测曲线表示从所述颗粒状物质产生的荧光X射线的能量与所述荧光X射线的强度之间的关系,所述基准曲线表示从确定了产生来源的来源确定颗粒状物质产生的荧光X射线的能量与该荧光X射线的强度之间的关系。
6.根据权利要求1所述的分析装置,其特征在于,所述产生源关联信号输出部将有关稳定状态下的所述颗粒状物质所含的元素和质量浓度的稳定数据,与所述元素的分析结果和所述质量浓度的实测数据进行比较,如果判定为所述实测数据与所述稳定数据非类似,则将用于警告的信号作为与所述颗粒状物质的产生源相关的信号输出。
7.根据权利要求1或2所述的分析装置,其特征在于,还包括:
捕集过滤器,具有能够捕集所述颗粒状物质的捕集区域,并且所述捕集过滤器通过沿着长度方向移动而使所述捕集区域从第一位置向第二位置移动;以及
捕集部,设置成与所述第一位置对应,将大气中漂浮的所述颗粒状物质捕集到存在于所述第一位置的捕集区域,
所述质量浓度测定部测定存在于所述第一位置的捕集区域捕集到的所述颗粒状物质的质量浓度,
所述元素分析部对从所述第一位置移动到所述第二位置的捕集区域捕集到的所述颗粒状物质所含的元素进行分析。
8.一种分析***,其特征在于,包括:
权利要求1~7中任意一项所述的分析装置;以及
服务器,能够与所述分析装置及外部进行通信,
所述分析装置的控制部和/或所述服务器取得与发生的现象相关的现象发生信息,并且基于取得的所述现象发生信息来设定所述分析装置的测定条件和/或分析算法。
9.一种分析***,其特征在于,包括多个分析装置,所述分析装置为权利要求1~7中任意一项所述的分析装置。
10.一种分析方法,其特征在于,包括:
测定大气中漂浮的颗粒状物质的质量浓度的步骤;
分析所述颗粒状物质所含的元素的步骤;
从分析所述颗粒状物质所含的元素的步骤中能分析的多种元素中,选择从特定的产生源产生的颗粒状物质所含的元素的步骤;以及
基于所述质量浓度的测定结果、所述颗粒状物质所含的元素的分析结果、以及所述颗粒状物质所含的元素的含量的增减倾向与所述颗粒状物质的质量浓度的增减倾向之间的相关关系,对所述颗粒状物质的产生源进行分析的步骤,
对所述颗粒状物质的产生源进行分析的步骤包括如下步骤:在选择从特定的产生源产生的颗粒状物质所含的元素的步骤中选择出的元素的含量增加且所述颗粒状物质的质量浓度增加的情况下,输出用于确定产生源的信号,所述用于确定产生源的信号能够根据在预先制作的相关数据中针对选择出的元素具有较大的相关关系且针对质量浓度具有较大的相关关系的风向来确定产生源,所述相关数据表示颗粒状物质所含的元素、颗粒状物质的质量浓度和风向数据中的任意两个参数之间的相关关系。
11.根据权利要求10所述的分析方法,其特征在于,还包括取得与发生的现象相关的现象发生信息,并且基于取得的所述现象发生信息来设定测定条件和/或分析算法的步骤。
12.一种计算机可读取的存储介质,其特征在于,存储有使计算机执行分析方法的程序,所述分析方法包括:
测定大气中漂浮的颗粒状物质的质量浓度的步骤;
分析所述颗粒状物质所含的元素的步骤;
从分析所述颗粒状物质所含的元素的步骤中能分析的多种元素中,选择从特定的产生源产生的颗粒状物质所含的元素的步骤;以及
基于所述质量浓度的测定结果、所述颗粒状物质所含的元素的分析结果、以及所述颗粒状物质所含的元素的含量的增减倾向与所述颗粒状物质的质量浓度的增减倾向之间的相关关系,对所述颗粒状物质的产生源进行分析的步骤,
对所述颗粒状物质的产生源进行分析的步骤包括如下步骤:在选择从特定的产生源产生的颗粒状物质所含的元素的步骤中选择出的元素的含量增加且所述颗粒状物质的质量浓度增加的情况下,输出用于确定产生源的信号,所述用于确定产生源的信号能够根据在预先制作的相关数据中针对选择出的元素具有较大的相关关系且针对质量浓度具有较大的相关关系的风向来确定产生源,所述相关数据表示颗粒状物质所含的元素、颗粒状物质的质量浓度和风向数据中的任意两个参数之间的相关关系。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016247233 | 2016-12-20 | ||
JP2016-247233 | 2016-12-20 | ||
PCT/JP2017/045698 WO2018117146A1 (ja) | 2016-12-20 | 2017-12-20 | 分析装置、分析システム、分析方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110088604A CN110088604A (zh) | 2019-08-02 |
CN110088604B true CN110088604B (zh) | 2023-11-21 |
Family
ID=62626548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780078248.1A Active CN110088604B (zh) | 2016-12-20 | 2017-12-20 | 分析装置、分析***、分析方法和存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11131639B2 (zh) |
JP (1) | JP7018404B2 (zh) |
CN (1) | CN110088604B (zh) |
DE (1) | DE112017006425T5 (zh) |
WO (1) | WO2018117146A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11380438B2 (en) | 2017-09-27 | 2022-07-05 | Honeywell International Inc. | Respiration-vocalization data collection system for air quality determination |
CA3115154A1 (en) * | 2018-10-18 | 2020-04-23 | Security Matters Ltd. | System and method for detection and identification of foreign elements in a substance |
WO2020121918A1 (ja) * | 2018-12-14 | 2020-06-18 | 株式会社堀場製作所 | X線分析装置、x線分析システム、分析方法、及びプログラム |
US10876949B2 (en) | 2019-04-26 | 2020-12-29 | Honeywell International Inc. | Flow device and associated method and system |
US10794810B1 (en) | 2019-08-02 | 2020-10-06 | Honeywell International Inc. | Fluid composition sensor device and method of using the same |
JP7342629B2 (ja) * | 2019-11-06 | 2023-09-12 | 株式会社島津製作所 | 試料成分推定方法、試料成分推定装置、試料成分推定プログラム、学習方法および学習プログラム |
US20210172800A1 (en) * | 2019-12-10 | 2021-06-10 | Perkinelmer Health Sciences Canada, Inc. | Systems and Methods for Analyzing Unknown Sample Compositions Using a Prediction Model Based On Optical Emission Spectra |
US11221288B2 (en) | 2020-01-21 | 2022-01-11 | Honeywell International Inc. | Fluid composition sensor device and method of using the same |
US11333593B2 (en) | 2020-02-14 | 2022-05-17 | Honeywell International Inc. | Fluid composition sensor device and method of using the same |
US11391613B2 (en) | 2020-02-14 | 2022-07-19 | Honeywell International Inc. | Fluid composition sensor device and method of using the same |
US11835432B2 (en) | 2020-10-26 | 2023-12-05 | Honeywell International Inc. | Fluid composition sensor device and method of using the same |
WO2023100854A1 (ja) * | 2021-12-03 | 2023-06-08 | 株式会社堀場製作所 | 分析システム、サーバ、分析方法、及びプログラム |
CN114660049B (zh) * | 2022-03-22 | 2022-11-18 | 广东旺大集团股份有限公司 | 一种饲料中微量矿物质元素测试方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1539543A (zh) * | 2003-04-16 | 2004-10-27 | ������������ʽ���� | 颗粒状物质捕集用过滤膜、使用该过滤膜的取样器以及颗粒状物质的分析装置 |
CN101419208A (zh) * | 2008-11-29 | 2009-04-29 | 太原理工大学 | 一种解决空气颗粒物来源解析中遇到的共线性问题的方法 |
CN101680323A (zh) * | 2007-06-22 | 2010-03-24 | 丰田自动车株式会社 | 微粒物的捕集量检测方法及其捕集量检测装置和排气净化装置 |
CN105092624A (zh) * | 2014-05-20 | 2015-11-25 | 株式会社堀场制作所 | 分析装置和校正方法 |
CN105092425A (zh) * | 2014-05-20 | 2015-11-25 | 株式会社堀场制作所 | 分析装置和校正方法 |
CN105185135A (zh) * | 2015-07-10 | 2015-12-23 | 南京理工大学 | 一种高速公路机动车颗粒物排放的测定、评估与警示装置及方法 |
CN204988955U (zh) * | 2015-06-29 | 2016-01-20 | 上海仪器仪表研究所 | 一种基于细颗粒物的环境采样监测*** |
CN106092834A (zh) * | 2016-06-07 | 2016-11-09 | 中国科学院大气物理研究所 | 大气细颗粒物在线源解析***及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4551848A (en) | 1981-12-10 | 1985-11-05 | Mount Isa Mines Limited | Lead-in-air monitor |
JP6108466B2 (ja) * | 2010-04-29 | 2017-04-05 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 大気質を測定するための装置及び方法 |
JP2013531244A (ja) * | 2010-06-28 | 2013-08-01 | グリーン ビジョン システムズ リミテッド | ハイパースペクトルイメージングおよび分析による、領域の全体にわたる汚染外気粒子状物質のリアルタイム監視、パラメータプロファイリングおよび調節 |
JP5743930B2 (ja) * | 2012-03-07 | 2015-07-01 | 株式会社東芝 | 大気拡散物質発生源探査装置、大気拡散物質発生源探査システムおよび大気拡散物質発生源探査方法 |
JP5910277B2 (ja) | 2012-04-19 | 2016-04-27 | Jfeスチール株式会社 | 煤塵発生源推定方法 |
JP6412340B2 (ja) * | 2014-05-20 | 2018-10-24 | 株式会社堀場製作所 | 分析装置及び校正方法 |
-
2017
- 2017-12-20 JP JP2018558028A patent/JP7018404B2/ja active Active
- 2017-12-20 DE DE112017006425.2T patent/DE112017006425T5/de active Pending
- 2017-12-20 WO PCT/JP2017/045698 patent/WO2018117146A1/ja active Application Filing
- 2017-12-20 CN CN201780078248.1A patent/CN110088604B/zh active Active
-
2019
- 2019-06-20 US US16/447,497 patent/US11131639B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1539543A (zh) * | 2003-04-16 | 2004-10-27 | ������������ʽ���� | 颗粒状物质捕集用过滤膜、使用该过滤膜的取样器以及颗粒状物质的分析装置 |
CN101680323A (zh) * | 2007-06-22 | 2010-03-24 | 丰田自动车株式会社 | 微粒物的捕集量检测方法及其捕集量检测装置和排气净化装置 |
CN101419208A (zh) * | 2008-11-29 | 2009-04-29 | 太原理工大学 | 一种解决空气颗粒物来源解析中遇到的共线性问题的方法 |
CN105092624A (zh) * | 2014-05-20 | 2015-11-25 | 株式会社堀场制作所 | 分析装置和校正方法 |
CN105092425A (zh) * | 2014-05-20 | 2015-11-25 | 株式会社堀场制作所 | 分析装置和校正方法 |
CN204988955U (zh) * | 2015-06-29 | 2016-01-20 | 上海仪器仪表研究所 | 一种基于细颗粒物的环境采样监测*** |
CN105185135A (zh) * | 2015-07-10 | 2015-12-23 | 南京理工大学 | 一种高速公路机动车颗粒物排放的测定、评估与警示装置及方法 |
CN106092834A (zh) * | 2016-06-07 | 2016-11-09 | 中国科学院大气物理研究所 | 大气细颗粒物在线源解析***及方法 |
Also Published As
Publication number | Publication date |
---|---|
US11131639B2 (en) | 2021-09-28 |
US20200003711A1 (en) | 2020-01-02 |
CN110088604A (zh) | 2019-08-02 |
DE112017006425T5 (de) | 2019-10-02 |
JPWO2018117146A1 (ja) | 2019-10-31 |
WO2018117146A1 (ja) | 2018-06-28 |
JP7018404B2 (ja) | 2022-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110088604B (zh) | 分析装置、分析***、分析方法和存储介质 | |
Cross et al. | Use of electrochemical sensors for measurement of air pollution: correcting interference response and validating measurements | |
CN114424058B (zh) | 一种VOCs污染的溯源方法 | |
Nault et al. | Secondary organic aerosol production from local emissions dominates the organic aerosol budget over Seoul, South Korea, during KORUS-AQ | |
CN1253624A (zh) | 遥测废气的方法及装置 | |
CA2937917A1 (en) | Systems and methods for monitoring and controlled capture of air samples for analysis | |
Cangialosi et al. | On line monitoring of odour nuisance at a sanitary landfill for non-hazardous waste | |
CN114730184A (zh) | 用于估算逃逸性排放上的变化的计算机***及方法 | |
KR20160121286A (ko) | 무인 항공기를 이용한 실시간 악취 발생원 추적 방법 | |
KR20090030656A (ko) | Co₂간섭을 배제한 굴뚝용 실시간 수분측정방법 및 장치 | |
McLaughlin et al. | Note: A portable laser induced breakdown spectroscopy instrument for rapid sampling and analysis of silicon-containing aerosols | |
JP2016070853A (ja) | レーザによる放射線測定方法及びその装置 | |
KR101980149B1 (ko) | 유해대기물질의 광학 원격 탐지 시스템 | |
US12038384B2 (en) | Facile colorimetric detection of ambient aerosols | |
JP5533586B2 (ja) | 排ガスの分析方法及び排ガスの排出制御方法 | |
Gębicki et al. | Remote monitoring of environmental pollutants | |
KR102421489B1 (ko) | 유해성분 측정 장치 및 이를 이용한 유해성분 분석 시스템 | |
CN108732236A (zh) | 一种有机异味物质分析方法 | |
Espinoza-Nava et al. | Sampling and Analysis Methodology Review to Report Total PFC Emissions | |
RU2367932C2 (ru) | Импактор радиометрический | |
JP2024094315A (ja) | 分析装置、及び、分析方法 | |
US20230324285A1 (en) | Detection of Water Contamination based on Spectrographic Analysis | |
KR20220103084A (ko) | 유해성분 측정 장치 및 이를 이용한 유해성분 분석 시스템 | |
Lashgari et al. | Use of Next Generation Emission Measurement Sensors and Data Analysis in Industrial Applications | |
JP4640057B2 (ja) | 分光光度計 |
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 |