CN116013050A - 一种城市地下排污***的污水监测预警方法 - Google Patents
一种城市地下排污***的污水监测预警方法 Download PDFInfo
- Publication number
- CN116013050A CN116013050A CN202310138939.3A CN202310138939A CN116013050A CN 116013050 A CN116013050 A CN 116013050A CN 202310138939 A CN202310138939 A CN 202310138939A CN 116013050 A CN116013050 A CN 116013050A
- Authority
- CN
- China
- Prior art keywords
- sewage
- urban underground
- derivative
- trend
- urban
- 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
Images
Landscapes
- Sewage (AREA)
Abstract
本发明公开了一种城市地下排污***的污水监测预警方法,属于水质监测技术领域。一种城市地下排污***的污水监测预警方法包括获取城市地下排污管路信息,并根据城市地下排污管路信息构建城市地下排污管系物理模型;获取城市排污源的排放数据,并基于城市地下排污管系物理模型和城市排污源的排放数据得到污水状态数据;利用污水状态数据基于城市地下排污管系物理模型得到污水交汇信息;利用污水交汇信息生成污染物衍生趋势;根据污染物衍生趋势得到城市地下排污水质监测预警信息。本发明得到的预警信息可作为避免衍生物产生的指导信息,为污染源排放污水的时间段做出指导,为城市地下排污***的污水管理提供辅助。
Description
技术领域
本发明属于水质监测技术领域,尤其是一种城市地下排污***的污水监测预警方法。
背景技术
在城市地下排污***的污水管理中,排放源头包括处理达标的工业废水、农业废水、生活废水、自然界污染物等,各种污水均会汇集到城市地下排污管道中,各种污水在地下管道汇集会衍生各种生化物质的汇集和反应。其中,衍生出的刺激性气体、沉降物和新污染物分别对地下排污***周边环境、排污管道的堵塞和污水处理终端带来不利影响。故城市地下排污***的污水管理难度较大,为避免多种污染物汇集后衍生出城市地下排污***的污水管理威胁,提高城市地下排污的治理效果,现提出一种城市地下排污***的污水监测预警方法,对地下排污***的正常运行做出预警。
发明内容
发明目的:提供一种城市地下排污***的污水监测预警方法,以解决现有技术存在的上述问题。
技术方案:一种城市地下排污***的污水监测预警方法,包括:
获取城市地下排污管路信息,并根据城市地下排污管路信息构建城市地下排污管系物理模型;
获取城市排污源的排放数据,并基于城市地下排污管系物理模型和城市排污源的排放数据得到污水状态数据;
利用污水状态数据基于城市地下排污管系物理模型得到污水交汇信息;
利用污水交汇信息生成污染物衍生趋势;
根据污染物衍生趋势得到城市地下排污水质监测预警信息。
进一步的,城市地下排污管路信息包括城市地下排污管道的路线分布信息、管道许用最大流量和排污管道坡度;
城市排污源的排放数据包括排污源位置信息、排污成分信息、排污量、排污速度和计划排污时间。
进一步的,基于城市地下排污管系物理模型和城市排污源的排放数据得到污水状态数据包括:
利用城市排污源的排放数据基于城市地下排污管系物理模型得到污水动力数据模型;
利用污水动力数据模型得到不同的城市排污源的排放数据对应的污水状态数据;
污水状态数据包括任一时间节点下城市排污源的排放数据在城市地下排污管系物理模型内对应的位置数据、流速数据和污水成分及其含量数据。
进一步的,利用城市排污源的排放数据基于城市地下排污管系物理模型得到污水动力数据模型包括:
利用城市排污源的排放数据基于城市地下排污管系物理模型得到样本数据;
利用样本数据构建污水动力数据初始模型;
获取样本数据对应的实测数据;
利用样本数据与实测数据的差值对地下排污管系物理模型进行优化调整,得到污水动力数据模型。
进一步的,利用污水状态数据基于城市地下排污管系物理模型得到污水交汇信息包括:
获取城市地下排污管系物理模型各支流污水的重叠排放时长;
根据各支流污水的重叠排放时长与污水状态数据的流速数据得到参与汇合的各支流污水量;
根据参与汇合的各支流污水量和城市排污源的排放数据得到参与汇合的各支流的污染成分及其含量;
将各支流污水的重叠排放时长、各支流污水量和参与汇合的各支流的污染成分及其含量作为污水交汇信息。
进一步的,获取城市地下排污管系物理模型各支流污水的重叠排放时长包括:
利用污水状态数据得到各支流污水流经城市地下排污管系物理模型内各汇合点的流经时段;
对各汇合点上游支流污水的流经时段求交集,得到各汇合点的重叠排放时长。
进一步的,利用污水交汇信息和污水状态数据到污染物衍生趋势包括:
根据城市地下排污管系物理模型和污水状态数据的流速数据得到衍生物的反应时长;
基于化学反应数据库利用污水交汇信息中参与汇合的各支流的污染成分及其含量和衍生物的反应时长得到衍生物的类型和含量;
利用衍生物的类型和含量得到污染物衍生趋势。
进一步的,利用衍生物的类型和含量得到污染物衍生趋势包括:
若衍生物的类型为气体,判断衍生物含量是否超过气压阈值,若是,则污染物衍生趋势为气压安全趋势,否则污染物衍生趋势为气压危险趋势;
若衍生物的类型为无毒气体且含量不超过气压阈值,则污染物衍生趋势为气体安全趋势;
否则判断衍生物的含量是否超过毒性安全阈值,若是,则污染物衍生趋势为毒性风险趋势,否则污染物衍生趋势为毒性危险趋势;
若衍生物的类型为沉降物,则根据污水状态数据的流速数据和衍生物的含量得到沉降物的沉降量,判断沉降物的沉降量是否大于沉降堵塞阈值,若是,则污染物衍生趋势为堵塞后移趋势,否则,污染物衍生趋势为沉降堵塞趋势。
进一步的,根据污染物衍生趋势得到城市地下排污水质监测预警信息包括:
若污染物衍生趋势为气压危险趋势,则排污水质监测预警信息为压力预警;
若污染物衍生趋势为毒性风险趋势或毒性危险趋势,则排污水质监测预警信息为危险气体毒性预警;
若污染物衍生趋势为沉降堵塞趋势,则排污水质监测预警信息为沉降堵塞预警。
有益效果:本发明利用城市地下排污管路信息构建城市地下排污管系物理模型,并将城市排污源的排放数据叠加在城市地下排污管系物理模型上得到污水动力数据模型,模拟各污染源污水排放后的汇集情况,调用化学反应数据库得到衍生物的种类和含量,并根据衍生物多城市地下排污***的威胁发出预警信息,预警信息可作为避免衍生物产生的指导信息为污染源排放污水的时间段做出指导,为城市地下排污***的污水管理提供辅助,提高城市地下排污的治理效果。
附图说明
图1是本发明中预测方法的步骤图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
实施例1:为实现对城市低下排污管系内多种污染物汇合产生衍生污染物的预警,现提供一种城市地下排污***的污水监测预警方法,如图1所示,预警方法包括:
步骤1:获取城市地下排污管路信息,并根据城市地下排污管路信息构建城市地下排污管系物理模型;城市地下排污管路信息包括城市地下排污管道的路线分布信息、管道许用最大流量和排污管道坡度。
步骤2:获取城市排污源的排放数据,并基于城市地下排污管系物理模型和城市排污源的排放数据得到污水状态数据;城市排污源的排放数据包括排污源位置信息、排污成分信息、排污量、排污速度和计划排污时间。
步骤3:利用污水状态数据基于城市地下排污管系物理模型得到污水交汇信息。
步骤4:利用污水交汇信息生成污染物衍生趋势。
步骤5:根据污染物衍生趋势得到城市地下排污水质监测预警信息。
本实施例中,城市排污源主要包括工业端、农业端和居民端;
工业区的工厂相邻设置,排污量较大、排污成分复杂,属于重点检测预警区域;
农业端根据耕种特点农用化合物的成分使用具有明显的周期性特点,属于季节性重点检测预警区域;
居民端的排污类型以油脂类污染物为主,且每天排放数据稳定,可选用固定的城市排污源的排放数据,不必像工业端和农业端一样每次排放时间都进行数据统计,且居民端的排放数据定期更新。
步骤2具体包括:
步骤21:利用城市排污源的排放数据基于城市地下排污管系物理模型得到污水动力数据模型;
步骤22:利用污水动力数据模型得到不同的城市排污源的排放数据对应的污水状态数据;
其中,污水状态数据包括任一时间节点下城市排污源的排放数据在城市地下排污管系物理模型内对应的位置数据、流速数据和污水成分及其含量数据。
步骤21具体包括:
步骤211:利用城市排污源的排放数据基于城市地下排污管系物理模型得到样本数据;
步骤212:利用样本数据构建污水动力数据初始模型;
步骤213:获取样本数据对应的实测数据;
步骤214:利用样本数据与实测数据的差值对地下排污管系物理模型进行优化调整,得到污水动力数据模型;
其中,用于优化城市地下排污管系物理模型的实测数据包括污水的流和速截面流量,通过实测数据可得到地下排污管系物理模型在实测点对应的坡度和管道直径,将新的坡度和管道直径带入地下排污管系物理模型,从而得到更精准的模型。
步骤3具体包括:
步骤31:获取城市地下排污管系物理模型各支流污水的重叠排放时长;
步骤32:根据各支流污水的重叠排放时长与污水状态数据的流速数据得到参与汇合的各支流污水量;
步骤33:根据参与汇合的各支流污水量和城市排污源的排放数据得到参与汇合的各支流的污染成分及其含量;
步骤34:将各支流污水的重叠排放时长、各支流污水量和参与汇合的各支流的污染成分及其含量作为污水交汇信息。
步骤31具体包括:
步骤311:利用污水状态数据得到各支流污水流经城市地下排污管系物理模型内各汇合点的流经时段;从污染源开始排放污水计起,污水状态数据能反映任一时间下污水在城市地下排污管系物理模型的位置数据,该污水前端运动到汇合点的时间为流经时段的起点,末端运动到汇合点的时间为流经时段的终点。
步骤312:对各汇合点上游支流污水的流经时段求交集,得到各汇合点的重叠排放时长。
步骤4具体包括:
步骤41:根据城市地下排污管系物理模型和污水状态数据的流速数据得到衍生物的反应时长;
步骤42:基于化学反应数据库利用污水交汇信息中参与汇合的各支流的污染成分及其含量和衍生物的反应时长得到衍生物的类型和含量;化学反应数据库输入的反应环境是城市地下排污***的环境,且城市地下排污***的环境与季节相关。
步骤43:利用衍生物的类型和含量得到污染物衍生趋势。
步骤43具体包括:
若衍生物的类型为气体,判断衍生物含量是否超过气压阈值,若是,则污染物衍生趋势为气压安全趋势,否则污染物衍生趋势为气压危险趋势;优选气压阈值为一个标准大气压,满载的管道内存在气压变化时,水体流速不变化,管道拐弯处会出现水锤现象,加速了城市地下排污***的损坏。
若衍生物的类型为无毒气体且含量不超过气压阈值,则污染物衍生趋势为气体安全趋势;
否则判断衍生物的含量是否超过毒性安全阈值,若是,则污染物衍生趋势为毒性风险趋势,否则污染物衍生趋势为毒性危险趋势;毒性安全阈设定为人体承受有毒气体最大值的60%,城市地下排污***虽然是与大气环境连通的城市基建,但为避免长时间在城市地下排污***附近工作的人员受到影响,设定毒性安全阈低于人体承受值。
若衍生物的类型为沉降物,则根据污水状态数据的流速数据和衍生物的含量得到沉降物的沉降量,判断沉降物的沉降量是否大于沉降堵塞阈值,若是,则污染物衍生趋势为堵塞后移趋势,否则,污染物衍生趋势为沉降堵塞趋势;其中,沉降物包括絮状凝胶、固体颗粒和过饱和结晶;优选沉降堵塞阈值为沉降物堵塞排污管道截面积的五分之一的沉降量,沉降量过大会影响城市地下排污***的正常运行,排污堵塞风险提高,存在城市淤积的风险。
步骤5具体包括:
若污染物衍生趋势为气压危险趋势,则排污水质监测预警信息为压力预警;
若污染物衍生趋势为毒性风险趋势或毒性危险趋势,则排污水质监测预警信息为危险气体毒性预警;
若污染物衍生趋势为沉降堵塞趋势,则排污水质监测预警信息为沉降堵塞预警。
实施列2:基于实施例1提供的预警方法,针对获取的城市排污源的排放数据,当预警信息为压力预警、危险气体毒性预警和沉降堵塞预警中的一种时,可针对城市排污源的排放数据反馈安全的排污方式(排污时间起点和排污速度),从而避免危害衍生物的产生,进而降低城市地下排污***的运行风险。
以上结合附图详细描述了发明的优选实施方式,但是,发明并不限于上述实施方式中的具体细节,在发明的技术构思范围内,可以对发明的技术方案进行多种等同变换,这些等同变换均属于发明的保护范围。
Claims (9)
1.一种城市地下排污***的污水监测预警方法,其特征在于,包括:
获取城市地下排污管路信息,并根据城市地下排污管路信息构建城市地下排污管系物理模型;
获取城市排污源的排放数据,并基于城市地下排污管系物理模型和城市排污源的排放数据得到污水状态数据;
利用污水状态数据基于城市地下排污管系物理模型得到污水交汇信息;
利用污水交汇信息生成污染物衍生趋势;
根据污染物衍生趋势得到城市地下排污水质监测预警信息。
2.根据权利要求1所述的一种城市地下排污***的污水监测预警方法,其特征在于,
城市地下排污管路信息包括城市地下排污管道的路线分布信息、管道许用最大流量和排污管道坡度;
城市排污源的排放数据包括排污源位置信息、排污成分信息、排污量、排污速度和计划排污时间。
3.根据权利要求2所述的一种城市地下排污***的污水监测预警方法,其特征在于,
基于城市地下排污管系物理模型和城市排污源的排放数据得到污水状态数据包括:
利用城市排污源的排放数据基于城市地下排污管系物理模型得到污水动力数据模型;
利用污水动力数据模型得到不同的城市排污源的排放数据对应的污水状态数据;
污水状态数据包括任一时间节点下城市排污源的排放数据在城市地下排污管系物理模型内对应的位置数据、流速数据和污水成分及其含量数据。
4.根据权利要求3所述的一种城市地下排污***的污水监测预警方法,其特征在于,
利用城市排污源的排放数据基于城市地下排污管系物理模型得到污水动力数据模型包括:
利用城市排污源的排放数据基于城市地下排污管系物理模型得到样本数据;
利用样本数据构建污水动力数据初始模型;
获取样本数据对应的实测数据;
利用样本数据与实测数据的差值对地下排污管系物理模型进行优化调整,得到污水动力数据模型。
5.根据权利要求4所述的一种城市地下排污***的污水监测预警方法,其特征在于,利用污水状态数据基于城市地下排污管系物理模型得到污水交汇信息包括:
获取城市地下排污管系物理模型各支流污水的重叠排放时长;
根据各支流污水的重叠排放时长与污水状态数据的流速数据得到参与汇合的各支流污水量;
根据参与汇合的各支流污水量和城市排污源的排放数据得到参与汇合的各支流的污染成分及其含量;
将各支流污水的重叠排放时长、各支流污水量和参与汇合的各支流的污染成分及其含量作为污水交汇信息。
6.根据权利要求5所述的一种城市地下排污***的污水监测预警方法,其特征在于,获取城市地下排污管系物理模型各支流污水的重叠排放时长包括:
利用污水状态数据得到各支流污水流经城市地下排污管系物理模型内各汇合点的流经时段;
对各汇合点上游支流污水的流经时段求交集,得到各汇合点的重叠排放时长。
7.根据权利要求6所述的一种城市地下排污***的污水监测预警方法,其特征在于,利用污水交汇信息生成污染物衍生趋势包括:
根据城市地下排污管系物理模型和污水状态数据的流速数据得到衍生物的反应时长;
基于化学反应数据库利用污水交汇信息中参与汇合的各支流的污染成分及其含量和衍生物的反应时长得到衍生物的类型和含量;
利用衍生物的类型和含量得到污染物衍生趋势。
8.根据权利要求7所述的一种城市地下排污***的污水监测预警方法,其特征在于,利用衍生物的类型和含量得到污染物衍生趋势包括:
若衍生物的类型为气体,判断衍生物含量是否超过气压阈值,若是,则污染物衍生趋势为气压安全趋势,否则污染物衍生趋势为气压危险趋势;
若衍生物的类型为无毒气体且含量不超过气压阈值,则污染物衍生趋势为气体安全趋势;否则,判断衍生物的含量是否超过毒性安全阈值,若是,则污染物衍生趋势为毒性风险趋势,否则污染物衍生趋势为毒性危险趋势;
若衍生物的类型为沉降物,则根据污水状态数据的流速数据和衍生物的含量得到沉降物的沉降量,判断沉降物的沉降量是否大于沉降堵塞阈值,若是,则污染物衍生趋势为堵塞后移趋势,否则,污染物衍生趋势为沉降堵塞趋势。
9.根据权利要求8所述的一种城市地下排污***的污水监测预警方法,其特征在于,根据污染物衍生趋势得到城市地下排污水质监测预警信息包括:
若污染物衍生趋势为气压危险趋势,则排污水质监测预警信息为压力预警;
若污染物衍生趋势为毒性风险趋势或毒性危险趋势,则排污水质监测预警信息为危险气体毒性预警;
若污染物衍生趋势为沉降堵塞趋势,则排污水质监测预警信息为沉降堵塞预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310138939.3A CN116013050B (zh) | 2023-02-21 | 2023-02-21 | 一种城市地下排污***的污水监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310138939.3A CN116013050B (zh) | 2023-02-21 | 2023-02-21 | 一种城市地下排污***的污水监测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116013050A true CN116013050A (zh) | 2023-04-25 |
CN116013050B CN116013050B (zh) | 2023-08-01 |
Family
ID=86033660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310138939.3A Active CN116013050B (zh) | 2023-02-21 | 2023-02-21 | 一种城市地下排污***的污水监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116013050B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117610942A (zh) * | 2024-01-22 | 2024-02-27 | 广东智环创新环境科技有限公司 | 基于物联网的产业园区环保监督管理预警方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582192A (zh) * | 2008-05-16 | 2009-11-18 | 南京大学 | 一种水体环境预警***的建立方法 |
US20180074035A1 (en) * | 2016-09-14 | 2018-03-15 | Takahiro Yamamoto | Automatic water quality surveillance apparatus |
CN113068144A (zh) * | 2021-03-30 | 2021-07-02 | 上海浦喆信息技术有限公司 | 一种环境监控物联网*** |
CN113592668A (zh) * | 2021-06-25 | 2021-11-02 | 杭州智果科技有限公司 | 一种水质区域划分管理*** |
CN113887007A (zh) * | 2021-12-06 | 2022-01-04 | 南京城建隧桥智慧管理有限公司 | 一种基于物联网的城市排水监测***及方法 |
CN115435249A (zh) * | 2022-11-07 | 2022-12-06 | 广东广宇科技发展有限公司 | 一种地下排污水质与排污管道协同监测方法 |
-
2023
- 2023-02-21 CN CN202310138939.3A patent/CN116013050B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582192A (zh) * | 2008-05-16 | 2009-11-18 | 南京大学 | 一种水体环境预警***的建立方法 |
US20180074035A1 (en) * | 2016-09-14 | 2018-03-15 | Takahiro Yamamoto | Automatic water quality surveillance apparatus |
CN113068144A (zh) * | 2021-03-30 | 2021-07-02 | 上海浦喆信息技术有限公司 | 一种环境监控物联网*** |
CN113592668A (zh) * | 2021-06-25 | 2021-11-02 | 杭州智果科技有限公司 | 一种水质区域划分管理*** |
CN113887007A (zh) * | 2021-12-06 | 2022-01-04 | 南京城建隧桥智慧管理有限公司 | 一种基于物联网的城市排水监测***及方法 |
CN115435249A (zh) * | 2022-11-07 | 2022-12-06 | 广东广宇科技发展有限公司 | 一种地下排污水质与排污管道协同监测方法 |
Non-Patent Citations (1)
Title |
---|
朱志文;左达任;林健新;孙连鹏;: "基于排水动态管控平台的在线监测***在城市排水运维中的应用", 节能与环保 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117610942A (zh) * | 2024-01-22 | 2024-02-27 | 广东智环创新环境科技有限公司 | 基于物联网的产业园区环保监督管理预警方法及*** |
CN117610942B (zh) * | 2024-01-22 | 2024-03-29 | 广东智环创新环境科技有限公司 | 基于物联网的产业园区环保监督管理预警方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116013050B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116013050B (zh) | 一种城市地下排污***的污水监测预警方法 | |
CN111810849B (zh) | 一种雨污管网零直排溯源监测方法 | |
CN107192414A (zh) | 一种工业园区废水排放智能监控与报警的方法 | |
CN105157756A (zh) | 一种污染源防偷排控制方法及装置 | |
CN103093092B (zh) | 河流突发性cod污染的事故源定位方法 | |
CN109598428B (zh) | 一种基于行政单元和水系的污染物削减分配方法 | |
CN113902172A (zh) | 一种污水处理方法、***、装置及介质 | |
CN114169266B (zh) | 一种河流污染源解析和污染物运移计算方法及*** | |
Zahari et al. | Klang River water quality modelling using music | |
CN204287166U (zh) | 一种基于zigbee应用的水质监测*** | |
Nguyen et al. | Biogeochemical functioning of an urbanized tropical estuary: Implementing the generic C-GEM (reactive transport) model | |
CN113739082B (zh) | 一种基于多区域联合评估的供水管网漏损监测方法 | |
CN212620879U (zh) | 一种市政污水管网健康状况的监控设备 | |
CN113704932A (zh) | 一种基于稳定同位素的城镇污水管网外水混入定量评估方法 | |
Nakamura et al. | Calibration of mathematical water quality modeling in a river basin under critical conditions | |
Wagner et al. | A FRAMEWORK FOR PHOSPHORUS TRANSPORT MODELING IN THE LAKE OKEECHOBEE WATERSHED 1 | |
Shrestha et al. | Modelling Escherichia coli dynamics in the river Zenne (Belgium) using an OpenMI based integrated model | |
CN104298201A (zh) | 企业排污监测*** | |
Liu et al. | Research on nonpoint source pollution assessment method in data sparse regions: a case study of Xichong River Basin, China | |
CN208654841U (zh) | 一种水质预警预报*** | |
Bauer et al. | Analysis of Waste-Load Assimilative Capacity of the Yampa River, Steamboat Springs to Hayden, Routt County, Colorado | |
Oprea et al. | SBC-MEDIU: A multi-expert system for environmental diagnosis | |
Putro | The study of water quantity and quality (Case Study: Gajahwong Watershed) | |
Pietroniro et al. | Application of a dissolved oxygen model to an ice-covered river | |
CN115906687B (zh) | 一种工业生活取水退水的河流环境影响的定量分析和评估方法 |
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 |