CN110321955A - 一种恶臭气体监测方法 - Google Patents
一种恶臭气体监测方法 Download PDFInfo
- Publication number
- CN110321955A CN110321955A CN201910601277.2A CN201910601277A CN110321955A CN 110321955 A CN110321955 A CN 110321955A CN 201910601277 A CN201910601277 A CN 201910601277A CN 110321955 A CN110321955 A CN 110321955A
- Authority
- CN
- China
- Prior art keywords
- gas
- data
- chamber
- concentration
- zero
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Sampling And Sample Adjustment (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明公开了一种恶臭气体监测方法,利用传感器对不同气体响应差异的特点,采集硫化氢,氨气和VOCs气体的浓度数据,对采集到的数据进行包括支持向量机回归算法SVM和聚类MeanShift算法的人工智能算法,同时采用模拟现场环境,实现校准过程;在现场分析过程中,采用多设备直接采集不同位置气体分析,结果数据通过GPRS远程数据传输到公网数据服务器中进行数据处理,得到气体浓度信息,发布于终端设备。本发明可以以解决采用微电/金属氧化物半导体传感器阵列,利用远程数据传输(GPRS)/大数据处理/人工智能算法等技术手段,实现低成本,实时准确,大范围布点采集污染信息等技术问题。
Description
技术领域
本发明属于环境自动监测技术领域,应用于公共卫生间环境空气监测,主要监测氨气、硫化氢、VOC。
背景技术
目前市场上现有类似检测的产品(进口或国产)常见是两类传感器或其组合,主要针对污染源(高浓度区域)监测或污染物管道检漏检测。一种为电化学传感器,存在成本高,使用寿命短,需要每年更换的缺点。另外一种产品为金属氧化物传感器,量程上限是500-1000ppm,对低浓度区域不具备高灵敏度,不适合公共卫生间环境空气监测。
当前对于目标区域的检测,采用现场人工采样(依据相关国家标准采用吸收液采样),其效率较低,现场操作时间长,在现场取样后还需带回实验室进行分光光度法进行分析检测,分析结果为采样期间的平均值,不能体现实时数据特性,同时,运输过程中对样品的保护及运输也有一定要求,对现场操作的实验人员的身体健康也有一定影响。采用这种方式不具备大面积布点,分析结果不具备实时性,如果需要具备统计意义的数据量,这种方法需要大量人工成本。
发明内容
本发明的目的是提供一种恶臭气体监测方法,以解决采用微电/金属氧化物半导体传感器阵列,利用远程数据传输(GPRS)/大数据处理/人工智能算法等技术手段,实现低成本,实时准确,大范围布点采集污染信息等技术问题。
为了实现上述发明目的,本发明所采用的技术方案如下:
一种恶臭气体监测方法,利用传感器对不同气体响应差异的特点,采集硫化氢,氨气和VOCs气体的浓度数据,对采集到的数据进行包括支持向量机回归算法SVM和聚类MeanShift算法的人工智能算法,同时采用模拟现场环境,实现校准过程;在现场分析过程中,采用多设备直接采集不同位置气体分析,结果数据通过GPRS远程数据传输到公网数据服务器中进行数据处理,得到气体浓度信息,发布于终端设备;
在现场利用微型真空泵进行可控恒流采样,传感器阵列进行数据采集,其中包括微电/金属氧化物半导体传感器阵列,通过GPRS***进行数据传输至公网服务器,通过服务器人工智能校准模型(算法包括支持向量机回归算法SVM和聚类MeanShift算法)对采集结果进行计算,通过服务器处理模块进行数据分发,可发送至不同的数据终端,同时发回设备进行显示,显示屏显示结果;
设备校准气路及控制方法:
1)校准气体输出:零空气发生器和稀释仪产生标气钢瓶输出硫化氢、氨气、VOCs气体混合稀释气,气体流量800ml/min,输出到缓冲腔中,一部分气体作为尾气排出缓冲腔,一部分气体通过设备进样口抽入传感器阵列气室;
2)样品进样:通过微型真空泵和流量控制***进行恒流采样,使用终端控制采样流量500ml/min,传感器阵列气室从缓冲腔中抽取样品。结果数据被终端保存;
设备校准方法:
1)高低温腔控制方法,采用人工智能算法(所述人工智能算法包括支持向量机回归算法SVM和聚类MeanShift算法),无需进行恒温操作,只需缓慢在高低温模式下调整温度,高低温腔中温度跨度-15℃到50℃,跨度变换时间8小时。
2)高低温零点数据获,由零空气产生零点气体,通过校准仪控制流量800ml/min进入缓冲腔;在高低温腔进行48小时高低温变化;被校准设备按上述样品进样步骤进行工作,采集设备零点电压,同时采集传感器和温度数据并保存;
3)高低温跨度数据获取,由零空气产生零点气体,通过校准仪稀释标气硫化氢、氨气、VOCs,并控制输出流量800ml/min进入缓冲腔,输出混标气体浓度在0.1-6ppm之间,每种气体在此区间内选择任意的10个不同浓度点;在高低温腔进行72小时高低温变化;被校准设备按样品进样步骤进行工作,采集设备跨度电压,同时采集传感器和温度数据,以及记录不同浓度对应的输入时间,保存全部跨度电压和浓度数据;
4)质控数据获取,为了模拟现场环境同时兼顾气体平衡时间,质控腔体积约0.2m3,由零空气产生零点气体,通过校准仪稀释标气硫化氢、氨气、VOCs,并控制输出流量800ml/min直接进入质控腔,输出混标气体浓度在0.1-6ppm之间,每种气体在此区间内选择3个质控浓度点,分别是零点,即零空气,20%跨度,即1.2ppm,80%跨度,即4.8ppm,校准设备整体放入质控腔中,从质控腔内循环抽取气体,同时质控腔直接连接尾气装置,基本保障质控腔内气压和外界大气压平衡;质控腔气体平衡时间7小时,采集数据1小时,记录传感器数据和温度数据,整个质控数过程需要24小时;
校准算法及数据处理:
设备采集零点电压进入零点电压数据表,采集跨度电压进入跨度电压数据表,通过响应电压处理模型,即基于SVM模型建立的调用模型,计算浓度和传感器响应强度以及温度关系,再根据引入的质控浓度数据建立浓度结果数据表,最终形成结果运算模型,即基于聚类MeanShift模型建立的调用模型,最后,根据现场数据采集结果带入结果运算模型/聚类Meanshife模型输出实时浓度。
本发明具有如下优点:
根据行业相关标准和对辖区内公共卫生间环境空气监测的调查,根据以上调查结果,利用微电/金属氧化物半导体传感器阵列的产品,利用远程数据传输(GPRS)/大数据处理/人工智能算法等技术手段,实现方法简单,成本低,可大范围布点;在进行合理的校准前提下,具有保证数据准确,数据实时性强等优点。本发明采用传感器阵列方法,有效解决了分析精度和设备成本的矛盾。
根据质控修正后的数据分别取浓度范围0.1-6ppm中5个数据点,10%,30%,50%,70%,90%,在质控腔中进行实际测量,采用多次测量结果进行统计分析,浓度最低点(约0.6ppm)和浓度最高点(约5.4ppm)出现误差极大值,误差约为满量程的8%(即±0.5ppm),量程中间点误差最小约为满量程的3%(即±0.2ppm)。误差表现为量程两端误差大,中间误差小的现象,误差表现主要和人工智能算法有关。同时,按照在线分析设备技术指标,基线噪音3倍为最低检出限,根据计算结果,设备对于三种物质最低检出限为0.04-0.06ppm之间,灵敏度在0.05-0.07ppm之间。
附图说明
图1是本发明的现场采集原理图。
图2是本发明的样品进样原理图。
图3是本发明的校准方法原理图。
图4是本发明的数据处理原理图。
图5是本发明的电路原理图。
图6是本发明的分析模式气路原理图。
图7是本发明的校准模式气路原理图。
具体实施方式
本发明的具体方法结合图1、2、3、4、5、6、7进行如下说明:本方法工作原理:利用硫化氢,氨气和VOCs气体浓度和传感器对不同气体响应差异的特点,对采集到的数据采用人工智能算法(算法包括支持向量机回归算法SVM和聚类MeanShift算法),同时采用模拟现场环境,实现校准过程。在现场分析过程中,采用多设备直接采集不同位置气体分析,结果数据通过GPRS远程数据传输到公网数据服务器中进行数据处理,得到气体浓度信息,发布于终端设备。
设备现场工作流程(图1):
利用微型真空泵进行可控恒流采样(1-01)传感器阵列(1-02)进行数据采集,其中包括微电/金属氧化物半导体传感器阵列(1-02:1#,2#,3#,4#),通过GPRS通讯模块(1-03)进行数据传输(1-06)至公网服务器(1-07),通过服务器人工智能校准模型(1-08)和(图4)对采集结果进行计算,通过服务器处理模块进行数据分发,可发送至不同的数据终端,同时发回设备(1-01)进行显示,显示屏显示结果(1-04)。
图1中:设备数据模块(1-01);传感器阵列腔(1-02);GPRS通讯模块(1-03);显示屏(1-04);微型真空泵(1-05);通讯基站(1-06);公网服务器(1-07);人工智能校准模型(1-08);终端显示设备(1-09);线性传感器阵列(1#,2#,3#,4#)。
设备校准气路/控制流程(图2):
校准气体输出:零空气发生器(2-01)和校准仪(2-02)产生标气钢瓶输出硫化氢、氨气、VOCs气体混合稀释气,气体流量800ml/min,输出到缓冲腔(2-03)中,一部分气体作为尾气排出缓冲腔(2-08),一部分气体通过设备进样口(2-09)抽入传感器阵列气室(2-04)。
样品进样:通过微型真空泵(2-06)和流量控制***(2-05)进行恒流采样,使用终端控制(2-10)采样流量500ml/min,传感器阵列气室(2-04)从缓冲腔中抽取(2-09)样品。结果数据被终端保存(2-11)。
图2中:零空气发生器(2-01);校准仪(2-02);缓冲腔(2-03);传感器阵列气室(2-04);流量控制***(2-05);微型真空泵(2-06);校准气流通道(2-07);缓冲腔排空口(2-08);样品进样通道(2-09);终端控制通道(2-10);数据采集通道(2-11)。
设备校准方法流程(图3):
高低温腔(3-01)控制方法:采用人工智能算法所匹配的***控制***,无需进行恒温操作,只需缓慢在高低温模式下调整温度,高低温腔中温度跨度-15℃到50℃,跨度变换时间8小时。
高低温零点数据获取(3-08):由零空气(3-05)产生零点气体,通过校准仪(3-04)控制流量800ml/min进入缓冲腔(3-03);在高低温腔进行48小时高低温变化;被校准设备(3-06)按(图2)进行工作,采集设备零点电压(4-01),同时采集传感器和温度数据并保存(4-04)。
高低温跨度数据获取(3-09):由零空气(3-05)产生零点气体,通过校准仪(3-04)稀释标气硫化氢、氨气、VOCs,并控制输出流量800ml/min进入缓冲腔(3-03),输出混标气体浓度在0.1-6ppm之间,每种气体10个不同浓度点;在高低温腔进行72小时高低温变化;被校准设备(3-06)按(图2)进行工作,采集设备跨度电压(4-02),同时采集传感器和温度数据,以及记录不同浓度对应的输入时间,保存全部跨度电压和浓度数据(4-05)。
质控数据获取(3-10):为了更好的模拟现场环境同时兼顾气体平衡时间,质控腔(3-02)体积约0.2m3,由零空气(3-05)产生零点气体,通过校准仪(3-04)稀释标气硫化氢、氨气、VOCs,并控制输出流量800ml/min直接进入质控腔,输出混标气体浓度在0.1-6ppm之间,每个气体3个质控浓度点,分别是零点(零空气),20%跨度(1.2ppm),80%跨度(4.8ppm),校准设备整体放入质控腔中,从质控腔内循环抽取气体,同时质控腔直接连接尾气装置,基本保障质控腔内气压和外界大气压平衡。质控腔气体平衡时间7小时,采集数据1小时,记录传感器数据和温度数据,整个质控数过程需要24小时。
图3中:高低温腔(3-01);质控腔(3-02);缓冲腔(3-03);校准仪(3-04);零空气(3-05);被校准设备(3-06);气体直接抽入被质控设备(3-07);高低温零点数据获取(3-08);高低温跨度数据获取(3-09);质控数据获取(3-10)。
校准算法流程(图4):
高低温零点数据获取(3-08)数据为采集零点电压(4-01)进入零点电压数据表(4-04)。
高低温跨度数据获取(3-09)数据为采集跨度电压(4-02)进入跨度电压数据表(4-05),通过人工智能模型计算浓度和传感器响应强度以及温度关系,通过响应电压处理模型(4-06)进行处理。
通过质控数据获取(3-10)数据,引入修正校准浓度结果数据表(4-07),最终形成结果运算模型(1-08,4-08)。
最后,根据现场数据采集结果计算公共卫生间污染物浓度数据,如(图1)流程。
图4中:设备采集零点电压(4-01);采集跨度电压(4-02);质控数据模型(4-03);零点电压数据表(4-04);跨度电压数据表(4-05);响应电压处理模型(4-06);校准浓度结果数据表(4-07);结果运算模型(4-08)。
上述传感器阵列(1#,2#,3#,4#):传感器阵列线性排列,样品气依次经过传感器感应窗口,传感器**依次为1#:MICS_5914,2#:MICS_5524,3#:FIS_SP53B00,4#:FIS_SBAQ106;上述传感器的表述为:“公司_型号”属于现有产品。
本发明的电路原理图参见图5所示,分析模式气路原理图参见图6所示,校准模式气路原理图参见图7所示。
Claims (1)
1.一种恶臭气体监测方法,利用传感器对不同气体响应差异的特点,采集硫化氢,氨气和VOCs气体的浓度数据,对采集到的数据进行包括支持向量机回归算法SVM和聚类MeanShift算法的人工智能算法,同时采用模拟现场环境,实现校准过程;在现场分析过程中,采用多设备直接采集不同位置气体分析,结果数据通过GPRS远程数据传输到公网数据服务器中进行数据处理,得到气体浓度信息,发布于终端设备;
具体步骤如下:
在现场利用微型真空泵进行可控恒流采样,传感器阵列进行数据采集,其中包括微电/金属氧化物半导体传感器阵列,通过GPRS***进行数据传输至公网服务器,通过服务器人工智能校准模型,即支持向量机回归算法SVM和聚类MeanShift算法,对采集结果进行计算,通过服务器处理模块进行数据分发,可发送至不同的数据终端,同时发回设备进行显示,显示屏显示结果;
设备校准气路及控制方法:
1)校准气体输出:零空气发生器和稀释仪产生标气钢瓶输出硫化氢、氨气、VOCs气体混合稀释气,气体流量800ml/min,输出到缓冲腔中,一部分气体作为尾气排出缓冲腔,一部分气体通过设备进样口抽入传感器阵列气室;
2)样品进样:通过微型真空泵和流量控制***进行恒流采样,使用终端控制采样流量500ml/min,传感器阵列气室从缓冲腔中抽取样品。结果数据被终端保存;
设备校准方法:
1)高低温腔控制方法,采用支持向量机回归算法SVM和聚类MeanShift算法,无需进行恒温操作,只需缓慢在高低温模式下调整温度,高低温腔中温度跨度-15℃到50℃,跨度变换时间8小时。
2)高低温零点数据获,由零空气产生零点气体,通过校准仪控制流量800ml/min进入缓冲腔;在高低温腔进行48小时高低温变化;被校准设备按上述样品进样步骤进行工作,采集设备零点电压,同时采集传感器和温度数据并保存;
3)高低温跨度数据获取,由零空气产生零点气体,通过校准仪稀释标气硫化氢、氨气、VOCs,并控制输出流量800ml/min进入缓冲腔,输出混标气体浓度在0.1-6ppm之间,每种气体在此区间内选择任意的10个不同浓度点;在高低温腔进行72小时高低温变化;被校准设备按样品进样步骤进行工作,采集设备跨度电压,同时采集传感器和温度数据,以及记录不同浓度对应的输入时间,保存全部跨度电压和浓度数据;
4)质控数据获取,为了模拟现场环境同时兼顾气体平衡时间,质控腔体积约0.2m3,由零空气产生零点气体,通过校准仪稀释标气硫化氢、氨气、VOCs,并控制输出流量800ml/min直接进入质控腔,输出混标气体浓度在0.1-6ppm之间,每个气体3个质控浓度点,分别是零点,即零空气,20%跨度,即1.2ppm,80%跨度,即4.8ppm,校准设备整体放入质控腔中,从质控腔内循环抽取气体,同时质控腔直接连接尾气装置,基本保障质控腔内气压和外界大气压平衡;质控腔气体平衡时间7小时,采集数据1小时,记录传感器数据和温度数据,整个质控数过程需要24小时;
校准算法及数据处理:
设备采集零点电压进入零点电压数据表,采集跨度电压进入跨度电压数据表,通过响应电压处理模型,即基于SVM模型建立的调用模型,计算浓度和传感器响应强度以及温度关系,再根据引入的质控浓度数据建立浓度结果数据表,最终形成结果运算模型,即基于聚类MeanShift模型建立的调用模型,最后,根据现场数据采集结果带入结果运算模型输出实时浓度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910601277.2A CN110321955B (zh) | 2019-07-03 | 2019-07-03 | 一种恶臭气体监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910601277.2A CN110321955B (zh) | 2019-07-03 | 2019-07-03 | 一种恶臭气体监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110321955A true CN110321955A (zh) | 2019-10-11 |
CN110321955B CN110321955B (zh) | 2021-03-19 |
Family
ID=68122665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910601277.2A Active CN110321955B (zh) | 2019-07-03 | 2019-07-03 | 一种恶臭气体监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110321955B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111596006A (zh) * | 2020-04-29 | 2020-08-28 | 北京雪迪龙科技股份有限公司 | 一种大气在线监测仪的校准方法及监测仪 |
CN113095389A (zh) * | 2021-04-02 | 2021-07-09 | 河北先河环保科技股份有限公司 | 网格化传感器监控网络校准方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928562A (zh) * | 2012-11-06 | 2013-02-13 | 天津市环境保护科学研究院 | 移动式恶臭污染预警监测装置及监测方法 |
CN103728348A (zh) * | 2013-12-02 | 2014-04-16 | 江苏大学 | 一种室内空气质量电子鼻 |
CN104713930A (zh) * | 2015-03-17 | 2015-06-17 | 东北师范大学 | 一种基于场效应气体传感器的鉴定气体种类的方法 |
CN106557027A (zh) * | 2016-10-11 | 2017-04-05 | 中国科学院自动化研究所 | 优化焦化烟气脱硫脱硝过程中臭氧运行的***及方法 |
US9651529B2 (en) * | 2013-07-01 | 2017-05-16 | Universiti Putra Malaysia | Artificial olfactory system and an application thereof |
CN107085732A (zh) * | 2017-05-12 | 2017-08-22 | 淮阴工学院 | 基于无线传感器网络的牛舍环境氨气智能监测*** |
CN108333314A (zh) * | 2018-04-02 | 2018-07-27 | 深圳凯达通光电科技有限公司 | 一种空气污染智能监测*** |
CN108362840A (zh) * | 2018-04-20 | 2018-08-03 | 天津澜禹笙环保科技有限公司 | 基于环境中恶臭监测电子鼻远程反控的在线检测装置 |
CN109164315A (zh) * | 2018-08-03 | 2019-01-08 | 河海大学 | 基于粒子群优化的kfcm及svm的电抗器故障诊断方法 |
US20190187020A1 (en) * | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Event driven gas sensing and source attribution |
-
2019
- 2019-07-03 CN CN201910601277.2A patent/CN110321955B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928562A (zh) * | 2012-11-06 | 2013-02-13 | 天津市环境保护科学研究院 | 移动式恶臭污染预警监测装置及监测方法 |
US9651529B2 (en) * | 2013-07-01 | 2017-05-16 | Universiti Putra Malaysia | Artificial olfactory system and an application thereof |
CN103728348A (zh) * | 2013-12-02 | 2014-04-16 | 江苏大学 | 一种室内空气质量电子鼻 |
CN104713930A (zh) * | 2015-03-17 | 2015-06-17 | 东北师范大学 | 一种基于场效应气体传感器的鉴定气体种类的方法 |
CN106557027A (zh) * | 2016-10-11 | 2017-04-05 | 中国科学院自动化研究所 | 优化焦化烟气脱硫脱硝过程中臭氧运行的***及方法 |
CN107085732A (zh) * | 2017-05-12 | 2017-08-22 | 淮阴工学院 | 基于无线传感器网络的牛舍环境氨气智能监测*** |
US20190187020A1 (en) * | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Event driven gas sensing and source attribution |
CN108333314A (zh) * | 2018-04-02 | 2018-07-27 | 深圳凯达通光电科技有限公司 | 一种空气污染智能监测*** |
CN108362840A (zh) * | 2018-04-20 | 2018-08-03 | 天津澜禹笙环保科技有限公司 | 基于环境中恶臭监测电子鼻远程反控的在线检测装置 |
CN109164315A (zh) * | 2018-08-03 | 2019-01-08 | 河海大学 | 基于粒子群优化的kfcm及svm的电抗器故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
SHAN MINGLEI ET AL.: "Gas concentration detection using ultrasonic based on wireless sensor networks", 《THE 2ND INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND ENGINEERING》 * |
郑凤魁 等: "三亚地区冬春季大气污染特征观测研究", 《南京信息工程大学学报:自然科学版》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111596006A (zh) * | 2020-04-29 | 2020-08-28 | 北京雪迪龙科技股份有限公司 | 一种大气在线监测仪的校准方法及监测仪 |
CN113095389A (zh) * | 2021-04-02 | 2021-07-09 | 河北先河环保科技股份有限公司 | 网格化传感器监控网络校准方法及*** |
CN113095389B (zh) * | 2021-04-02 | 2023-04-07 | 河北先河环保科技股份有限公司 | 网格化传感器监控网络校准方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110321955B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11270319B2 (en) | Systems and methods for tracking greenhouse gas emissions associated with an entity | |
Zakaria et al. | Wireless internet of things-based air quality device for smart pollution monitoring | |
Castell et al. | Can commercial low-cost sensor platforms contribute to air quality monitoring and exposure estimates? | |
CN109631973B (zh) | 一种传感器的自动校准方法和*** | |
Nyarku et al. | Mobile phones as monitors of personal exposure to air pollution: Is this the future? | |
CN110389290B (zh) | 一种电子元器件噪声测试及寿命评估的***及方法和装置 | |
Williams et al. | Deliberating performance targets workshop: Potential paths for emerging PM2. 5 and O3 air sensor progress | |
CN101661059B (zh) | 用户端非线性负载的谐波电压发射水平的定量分析方法及装置 | |
CN110727662A (zh) | 基于相关性分析的低压台区用户相位识别方法和*** | |
CN110321955A (zh) | 一种恶臭气体监测方法 | |
CN110348746B (zh) | 基于单个污染源的空气质量影响评估方法和装置 | |
CN109151890A (zh) | 一种移动终端定位方法及装置 | |
CN110109044A (zh) | 一种电能表校验装置的在线检定***及方法 | |
CN106060749A (zh) | 一种用于电声器件阻抗测试的校准方法 | |
CN112304831B (zh) | 基于质量守恒的学生行为对教室内pm2.5浓度的计算方法 | |
CN107465760A (zh) | 基于物联网及云计算的环境数据处理***及方法 | |
Romero-L et al. | Characterization of non-linear household loads for frequency domain modeling | |
CN101776580A (zh) | 一种便携式双色波谱作物养分含量检测光谱仪 | |
CN110568334A (zh) | 一种功放管检测装置及数据处理方法 | |
Maynard et al. | LandPKS Toolbox: Open-source mobile app tools for sustainable land management | |
CN113588885B (zh) | 一种工业园区异味检测的方法 | |
CN104698360B (zh) | 功放模块的调试方法 | |
CN105897871A (zh) | 一种环境质量监控方法及装置、*** | |
Yang et al. | The prediction model of stroke on climate factors by multiple regression | |
CN205879856U (zh) | 一种肥液氮素浓度在线检测装置 |
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 |