大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法技术

本发明专利技术涉及大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法，恶臭大数据包括：恶臭标准样品和污染现场的气敏传感器阵列在线检测数据、实验室嗅辨数据、色/质谱等常规仪器离线检测数据，以及居民投诉数据；本发明专利技术将多种恶臭污染物浓度估计与预测问题先看成多个气敏传感器响应一一预测问题，再看成多种浓度值一一预测问题；机器学习模型由模块化卷积神经网络层和模块化深度神经网络层级联组成；卷积神经网络层在线学习气敏传感器阵列近期时间序列响应，并据此预测即将发生的响应；深度神经网络层离线学习恶臭大数据，负责预测多种恶臭污染物浓度。本发明专利技术的分析方法可实现多个监测点多种恶臭污染物浓度控制指标值的循环在线估计与预测。

【技术实现步骤摘要】
大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法
本专利技术—大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法，面向环境保护与管理部门的市场监管需求，面向工业园区、垃圾与污水处理区、养殖场、邻近居民生活区等恶臭污染区域的在线监测与分析需求，涉及环境保护、分析化学、计算机、人工智能、大数据等
，主要解决恶臭电子鼻仪器对恶臭污染区域多种恶臭污染物的在线监测和多种浓度控制指标值的在线估计与预测问题。
技术介绍
“恶臭”特指难闻的臭味，是一切刺激人的嗅觉感官，损害人类生活环境、令人难以忍受或不愉快的气味的通称，有时称“异味”。恶臭污染物特指一切恶臭气体物质，泛指一切散发恶臭气味的物质。恶臭污染物广泛存在于石油化工、垃圾与污水处理、制药、养殖等一切有废气排放的企业及邻近居民区，分布很广，影响范围很大。恶臭污染评价对象是恶臭气体，评价方法分为嗅辨法和仪器分析法。GB14554-93《恶臭污染物排放标准》规定，恶臭污染物排放控制指标包括1种定性的无量纲臭气浓度和8种定量的单一成分浓度，即三甲胺(C3H9N)、苯乙烯(C8H8)、硫化氢(H2S)、甲硫醇(CH4S)、甲硫醚(C2H6S)、二甲二硫(C2H6S2)、氨(NH3)、二硫化碳(CS2)。此外，GB/T18883-2002《室内空气质量标准》特别推荐了二氧化硫(SO2)和总挥发性有机化合物(Totalvolatileorganiccompound,TVOC)浓度这2种定量控制指标。现阶段，恶臭污染评价指标体系主要由上述1种定性指标和10种定量指标构成。GB14554规定，测定臭气浓度用三点比较式臭袋法，测定C3H9N、C8H8、H2S、CH4S、C2H6S、C2H6S2浓度用气相色谱法，测定NH3和CS2浓度采用分光光度法；GB/T18883规定，测定TVOC浓度采用气相色谱法；GB/T15262-94规定，测定SO2采用分光光度法。“臭气浓度”是指现场采集的臭气样品在实验室用无臭清洁空气连续稀释至嗅辨员嗅觉阈值的稀释倍数，欧盟标准EN17325-2003用OU(odorunit)值度量。目前，臭气浓度的标准鉴别方法主要靠嗅辨员的鼻子！我国、欧美、日韩等国家和地区均是如此。实施已25年的国标GB/T14675-93《环境空气-恶臭的测定-三点比较式臭袋法》规范了嗅辨员选拔、恶臭气体样品采集和样品人工稀释与嗅辨测定等三个环节。欧美、澳大利亚、新西兰等国家用动态嗅觉仪稀释臭气样品。GB/T14675和HJ905规定，恶臭气体样品先由工作人员在现场用采样瓶或无臭气袋(例如10L)采集，然后运回到嗅辨室，再用注射器按一定比例抽吸移至无臭气袋(例如3L)并用无臭清洁空气稀释，最后由嗅辨小组成员嗅辨。三点比较式臭袋法核心之一是：臭气样品稀释一次后，一个嗅辨员需嗅闻3只3L气袋，其中1只为稀释后的有臭气袋，另2只为无臭气袋，并能从中鉴别出有臭气袋。“选对选错全靠嗅辨员嗅闻后的主观判断”。尽管GB/T14675已施行25年，但现状是，许多恶臭物质要么没有嗅阈值，要么不同国家或组织给出的嗅阈值差别很大。2015年，天津环科院国家环境保护恶臭污染控制重点实验室从更具有统计意义的期望出发，组织30名嗅辨员(男13人，女17人)对40种恶臭物质进行了嗅觉阈值测定。结果表明，NH3嗅觉阈值与日本相差5倍，H2S相差近3倍，三甲胺相差28.12倍，正戊酸相差65.67倍，等等。上述结果至少说明两个问题：(1)确定臭气浓度的嗅辨过程很复杂，嗅评一次代价很大；(2)各国各单位给出的恶臭物质嗅觉阈值本身不客观，不具备重复性。GB/T14675规定的三点比较式臭袋法尽管可体现普通人感受，但可操作性极差，做一次嗅辨测试需要大量采样和嗅辨人员，成本很高，特别不适于低浓度和有毒物质的嗅辨。三点比较式臭袋法的嗅评结果好坏受①现场采样点选择；②采样装置；③实验室条件；④嗅辨员能力与状态；⑤臭气浓度与初始稀释倍数；⑥嗅辨时间与疲劳等诸多因素影响，其中的人工采样、人工稀释和人工嗅辨方法存在很多局限性。由于嗅辨法和常规仪器分析法时效性差，代价高；还由于嗅辨法对人体有害，嗅辨结果不客观，嗅觉模拟—电子鼻技术与仪器因此特别引人注目。电子鼻技术应用前景广阔，发展趋势之一是，发展高灵敏度、高选择性的气敏器件，以实现气味的定性定量检测与分析。令人鼓舞的是，SnO2半导体气敏器件灵敏度已达10-9V/V(ppb)数量级，对气味直接产生V级电压响应，不需二次放大，这对恶臭污染物的在线监测是很有吸引力的。电子鼻技术发展趋势之二是，以具有必要灵敏度的多个不同类型气敏元件组成阵列，着重利用数据分析方法来提高对检测对象的选择性，实现气味的识别、强度估计和关键成分预测。电子鼻理论与应用研究相关检索结果如下：(1)文献。1990年以前仅60多篇，2000年前累计500多篇，现在累计已达6,000余篇，说明电子鼻研究近几年广泛展开。(2)专利。500余项国际专利技术专利和100余项国内专利技术专利大多是近5年公开和授权的，显示嗅觉模拟知识产权保护已受到重视。(3)技术标准。国际标准数据库HIS尚无与嗅觉模拟有关的产品技术标准。(4)应用。国内绝大多数工作以国外商品化电子鼻进行实验室研究。上述结果说明，嗅觉模拟—电子鼻理论与应用研究亟待深入。ISI数据库查询结果表明，电子鼻方法应用于环境恶臭气体过程检测与分析的文献不多，仅130余篇，不到电子鼻文献总数的2％，且大多为室内空气、水、土气味的离线检测和实验室数据处理；尚未发现恶臭污染物现场电子鼻在线监测报道，尚无成熟的恶臭电子鼻仪器商品。国内拓扑智鑫公司的恶臭监测系统用1个PID和8个EC气敏元件组成阵列，关注重点放在偏最小二乘(partialleastsquares,PLS)算法和数据云端传输，企图依据被测样品与标准样品的比较来做判断，没有考虑恶臭气体成分复杂性和环境多变性。为了将电子鼻技术与仪器用于恶臭气体在线监测与分析，我们必须解决以下问题：1,基于大数据和人工智能的臭气浓度及其关键成分浓度预测问题人类社会处于大数据和人工智能时代，健康大数据、金融大数据、交通大数据、商业大数据、基因大数据等正在深刻地改变人们的生活和工作方式。在我国，环境大数据已提上议事日程，政府环保管理部门正在大力推动中。由于恶臭气味复杂性和环境多变性，小数据和常规分析方法不足以有效建立估计和预测恶臭气体多种成分的数学模型。没有恶臭电子鼻仪器对大量恶臭污染现场测试产生的气敏传感器阵列响应数据，没有嗅辨人员对大量恶臭样品的实验室嗅辨数据，没有色质谱等常规仪器对大量恶臭样品的离线检测数据，企图单纯靠气敏传感器阵列和简单的数学模型来估计臭气浓度与多种污染物成分是不可能的。德、法电子鼻正是这样做的，由此产生的监测数据的作用十分有限，甚至可以说是不可信的。我们应以气敏传感器阵列响应数据、嗅辨数据、色质谱与分光光度等常规仪器分析数据为基础，建立恶臭气体大数据，深入研究人工智能理论与算法，从恶臭大数据中挖掘出关键成分浓度等有用信息，以实现电子鼻仪器对上述10+1种主要恶臭污染物浓度控制指标的实时预测。2,恶臭电子鼻仪器自动化与智能化问题恶臭污染源众多，恶臭气体组成成分众多，环境变化多端，恶臭污染物排放形式众多。本文档来自技高网...

【技术保护点】
1.一种大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法，其特征是，恶臭气体多点集中式在线监测与分析系统包括恶臭电子鼻仪器I、气体采样探头II、外置真空泵III、环境空气净化装置IV、洁净空气V、气体管道、电子温湿度计VI、中央控制室VII以及多个固定/移动终端VIII，实现恶臭污染区域10个监测点的长期在线监测和多种恶臭污染物浓度控制指标值的在线估计与预测；所述的恶臭电子鼻仪器I包括气敏传感器阵列及其恒温工作室I(a)、多点集中式恶臭气体自动进样系统I(b)、计算机控制与数据分析系统I(c)三大组成部分；气敏传感器阵列I‑1由16个气敏元件构成，形成气敏传感器阵列环形工作腔，处于55±0.1℃的恒温室内；多点集中式恶臭气体自动进样系统I(b)对单个监测点恶臭气体采样周期为T0＝180‑300秒钟，默认值T0＝240秒钟，气敏传感器阵列I‑1因此对该监测点产生一个16维响应向量；计算机控制与数据分析系统I(c)依据这一响应向量，用机器学习级联模型对该监测点的臭气嗅感浓度、GB14554指定的氨NH3、硫化氢H2S、二硫化碳CS2、三甲胺C3H9N、甲硫醇CH4S、甲硫醚C2H6S、二甲二硫醚C2H6S2、苯乙烯C8H8等8种化合物，GB/T18883指定的二氧化硫SO2与总挥发性有机化合物TVOC共10+1项恶臭污染物浓度控制指标值进行实时分析和预测，并将监测数据和预测结果通过无线Internet网远程传送到中央控制室和指定的固定/移动终端；恶臭电子鼻仪器I用机器学习级联模型预测未来t+1、t+2和t+3时刻臭气嗅感浓度和多种恶臭污染物浓度控制指标值；机器学习级联模型第一级—卷积神经网络(Convolutional neural network,CNN)层负责预测t+1、t+2和t+3时刻气敏传感器阵列I‑1对一个监测点恶臭气体的响应，依据的是当前时刻t和近期已发生的气敏传感器阵列I‑1响应时间序列；机器学习级联模型第二级—深度神经网络(Deep neural network,CNN)层进一步预测t+1、t+2和t+3时刻臭气嗅感浓度和多种恶臭污染物浓度控制指标值，依据的是长期积累的恶臭气体大数据和级联模型第一级—卷积神经网络层的预测值；恶臭电子鼻仪器I对恶臭污染区域10个监测点的长期在线监测和多种恶臭污染物浓度控制指标值的在线预测，包括以下步骤：(1)开机：仪器预热30分钟；单击屏幕菜单的“空气净化器开”选项，空气净化器IV开始对恶臭电子鼻仪器I所处的室内空气净化，长期持续工作直至操作人员单击“空气净化器关”选项为止；在内置微型真空泵I‑14的抽吸作用下，净化环境空气以6 500mL/min的流量依次流经二位二通电磁阀I‑5、气敏传感器阵列环形工作腔I‑1、二位二通电磁阀I‑10，然后被排出到室外；气敏传感器阵列环形工作腔I‑1内的温度从室温达到恒定的55±0.1℃；单击屏幕菜单的“外置真空泵开”选项；外置真空泵III以250‑280L/min的抽气速率和100‑120mbar的极限真空度，通过内径φ10mm不锈钢管道在1min内将直线距离达2.5km的某个监测点恶臭气体抽吸到恶臭电子鼻仪器I内，依次流过对应的二位二通电磁阀、真空压力表I‑7和气体缓冲室I‑8，然后直接排出到室外；外置真空泵III持续抽吸恶臭气体，直到操作人员单击屏幕菜单的“外置真空泵关”选项为止；修改屏幕菜单的恶臭气体“单采样周期T0”设置，默认值T0＝40min；10个监测点恶臭气体循环采样周期为T＝10T0；(2)恶臭气体循环采样周期开始：点击屏幕菜单的“开始检测”按钮，恶臭电子鼻仪器I依次对10个监测点进行循环监测，计算机控制与数据分析系统I(c)在指定文件夹自动生成10个文本文件，以存储气敏传感器阵列I‑1对10个监测点恶臭气体的响应数据；(3)监测点k(＝1,2,…,10)恶臭气体单采样周期开始；以T0＝4min为例：(3.1)气敏传感器阵列初步恢复：单周期T0第0‑155秒，在内置微型真空泵I‑14的抽吸作用下，净化环境空气以6 500mL/min的流量依次流经二位二通电磁阀I‑5、气敏传感器阵列环形工作腔I‑1、二位二通电磁阀I‑10，然后被排出到室外；在6 500mL/min净化环境空气的作用下，气敏传感器阵列环型工作腔I‑1内积聚的热量被带走，粘附在气敏传感器敏感膜表面和管道内壁的恶臭气体分子被初步冲走，气敏传感器阵列I‑1初步恢复到基准状态，历时155秒；外置真空泵III持续抽吸；10个二位二通电磁阀I‑6‑1～I‑6‑10只有I‑6‑k导通，其余9个断开，外置真空泵III持续抽吸；(3.2)洁净空气精确标定：在单周期T0第156‑185秒，二位二通电磁阀I‑13导通，二位二通电磁阀I‑5、I‑8和I‑10断开，二位二通电磁阀I‑6...

【技术特征摘要】
1.一种大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法，其特征是，恶臭气体多点集中式在线监测与分析系统包括恶臭电子鼻仪器I、气体采样探头II、外置真空泵III、环境空气净化装置IV、洁净空气V、气体管道、电子温湿度计VI、中央控制室VII以及多个固定/移动终端VIII，实现恶臭污染区域10个监测点的长期在线监测和多种恶臭污染物浓度控制指标值的在线估计与预测；所述的恶臭电子鼻仪器I包括气敏传感器阵列及其恒温工作室I(a)、多点集中式恶臭气体自动进样系统I(b)、计算机控制与数据分析系统I(c)三大组成部分；气敏传感器阵列I-1由16个气敏元件构成，形成气敏传感器阵列环形工作腔，处于55±0.1℃的恒温室内；多点集中式恶臭气体自动进样系统I(b)对单个监测点恶臭气体采样周期为T0＝180-300秒钟，默认值T0＝240秒钟，气敏传感器阵列I-1因此对该监测点产生一个16维响应向量；计算机控制与数据分析系统I(c)依据这一响应向量，用机器学习级联模型对该监测点的臭气嗅感浓度、GB14554指定的氨NH3、硫化氢H2S、二硫化碳CS2、三甲胺C3H9N、甲硫醇CH4S、甲硫醚C2H6S、二甲二硫醚C2H6S2、苯乙烯C8H8等8种化合物，GB/T18883指定的二氧化硫SO2与总挥发性有机化合物TVOC共10+1项恶臭污染物浓度控制指标值进行实时分析和预测，并将监测数据和预测结果通过无线Internet网远程传送到中央控制室和指定的固定/移动终端；恶臭电子鼻仪器I用机器学习级联模型预测未来t+1、t+2和t+3时刻臭气嗅感浓度和多种恶臭污染物浓度控制指标值；机器学习级联模型第一级—卷积神经网络(Convolutionalneuralnetwork,CNN)层负责预测t+1、t+2和t+3时刻气敏传感器阵列I-1对一个监测点恶臭气体的响应，依据的是当前时刻t和近期已发生的气敏传感器阵列I-1响应时间序列；机器学习级联模型第二级—深度神经网络(Deepneuralnetwork,CNN)层进一步预测t+1、t+2和t+3时刻臭气嗅感浓度和多种恶臭污染物浓度控制指标值，依据的是长期积累的恶臭气体大数据和级联模型第一级—卷积神经网络层的预测值；恶臭电子鼻仪器I对恶臭污染区域10个监测点的长期在线监测和多种恶臭污染物浓度控制指标值的在线预测，包括以下步骤：(1)开机：仪器预热30分钟；单击屏幕菜单的“空气净化器开”选项，空气净化器IV开始对恶臭电子鼻仪器I所处的室内空气净化，长期持续工作直至操作人员单击“空气净化器关”选项为止；在内置微型真空泵I-14的抽吸作用下，净化环境空气以6500mL/min的流量依次流经二位二通电磁阀I-5、气敏传感器阵列环形工作腔I-1、二位二通电磁阀I-10，然后被排出到室外；气敏传感器阵列环形工作腔I-1内的温度从室温达到恒定的55±0.1℃；单击屏幕菜单的“外置真空泵开”选项；外置真空泵III以250-280L/min的抽气速率和100-120mbar的极限真空度，通过内径φ10mm不锈钢管道在1min内将直线距离达2.5km的某个监测点恶臭气体抽吸到恶臭电子鼻仪器I内，依次流过对应的二位二通电磁阀、真空压力表I-7和气体缓冲室I-8，然后直接排出到室外；外置真空泵III持续抽吸恶臭气体，直到操作人员单击屏幕菜单的“外置真空泵关”选项为止；修改屏幕菜单的恶臭气体“单采样周期T0”设置，默认值T0＝40min；10个监测点恶臭气体循环采样周期为T＝10T0；(2)恶臭气体循环采样周期开始：点击屏幕菜单的“开始检测”按钮，恶臭电子鼻仪器I依次对10个监测点进行循环监测，计算机控制与数据分析系统I(c)在指定文件夹自动生成10个文本文件，以存储气敏传感器阵列I-1对10个监测点恶臭气体的响应数据；(3)监测点k(＝1,2,…,10)恶臭气体单采样周期开始；以T0＝4min为例：(3.1)气敏传感器阵列初步恢复：单周期T0第0-155秒，在内置微型真空泵I-14的抽吸作用下，净化环境空气以6500mL/min的流量依次流经二位二通电磁阀I-5、气敏传感器阵列环形工作腔I-1、二位二通电磁阀I-10，然后被排出到室外；在6500mL/min净化环境空气的作用下，气敏传感器阵列环型工作腔I-1内积聚的热量被带走，粘附在气敏传感器敏感膜表面和管道内壁的恶臭气体分子被初步冲走，气敏传感器阵列I-1初步恢复到基准状态，历时155秒；外置真空泵III持续抽吸；10个二位二通电磁阀I-6-1～I-6-10只有I-6-k导通，其余9个断开，外置真空泵III持续抽吸；(3.2)洁净空气精确标定：在单周期T0第156-185秒，二位二通电磁阀I-13导通，二位二通电磁阀I-5、I-8和I-10断开，二位二通电磁阀I-6-1～I-6-10保持步骤(3.1)的状态；在内置微型真空泵I-14的抽吸作用下，洁净空气以1000ml/min的流量依次流经二位二通电磁阀I-13、气体管道、气敏传感器阵列环形工作腔I-1、节流阀I-11、流量计I-12、微型真空泵I-14，然后被排出到室外；洁净空气使气敏传感器阵列I-1精确恢复到基准状态；历时30秒；外置真空泵III持续抽吸；(3.3)平衡：在单周期T0第186-190秒，二位二通电磁阀I-5、I-8、I-10、I-13断开，二位二通电磁阀I-6-1～I-6-10保持步骤(3.1)的状态；气敏传感器阵列环形工作腔I-1内无气体流动；自单周期T0第186秒即平衡状态开始之刻起，计算机控制与数据分析系统I(c)开始记录气敏传感器阵列I-1实时响应数据，并存储在指定的临时文本文件“temp.txt”里；历时5秒；外置真空泵III持续抽吸；(3.4)监测点k恶臭气体顶空采样：在单周期T0第190-220秒，二位二通电磁阀I-8导通，3个二位二通电磁阀I-5、I-13和I-10断开，二位二通电磁阀I-6-1～I-6-10保持步骤(3.1)的状态；在内置微型真空泵I-14抽吸作用下，气体缓冲室I-8内的恶臭气体以流量1000ml/min依次流过气敏传感器阵列环形工作腔I-1、节流阀I-11、流量计I-12、内置微型真空泵I-14，最后排出到室外；气敏传感器阵列I-1因此产生的敏感响应继续记录在临时文件“temp”里，历时30秒；外置真空泵III持续抽吸；(3.5)气敏传感器阵列冲洗：在单周期T0第221-230秒，二位二通电磁阀I-5，二位二通电磁阀I-8、I-10和I-13断开，在微型真空泵I-14抽吸作用下，流量6500ml/min的净化环境空气以依次流经二位二通电磁阀I-5、气敏传感器阵列环形工作腔I-1、二位二通电磁阀I-10，然后被排出到室外；与此同时，二位二通电磁阀I-6-k+1导通，10个二位二通电磁阀I-6-1～I-6-10的其余9个断开，二位二通电磁阀k断开，外置真空泵III转而抽吸监测点k+1的恶臭气体；由于净化环境空气的作用，气敏传感器阵列环型工作腔内积聚的热量被带走，粘附在气敏传感器敏感膜表面和管道内壁的恶臭气体分子被初步冲走，气敏传感器阵列I-1逐步恢复到基准状态；历时20秒；其中：(a)在单周期T0第221-230秒，气敏传感器阵列响应数据继续记录在临时文件“temp”里，历时10秒；至第230秒末，计算机控制与数据分析系统I(c)停止记录气敏传感器阵列响应数据；(b)在单周期T0第231-240秒，计算...

【专利技术属性】
技术研发人员：高大启，宋佳敏，王泽建，赵黎明，张小勤，金志超，李建华，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：上海,31