-
公开(公告)号:CN116050612A
公开(公告)日:2023-05-02
申请号:CN202310013710.7
申请日:2023-01-05
Applicant: 广州禾信仪器股份有限公司
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/26 , G06F30/20
Abstract: 本发明涉及温室气体监测技术领域,更具体的说是一种基于多技术融合的大气温室气体监测站点选址方法及系统及存储介质。该选址方法中,通过资料调研模块获取多源数据进行数据初步处理,形成基本数据库;通过点位初筛模块、精确筛选模块、实地勘察模块、科学论证模块等多种不同的技术手段落实温室气体监测站点选址,明确选址步骤,规范选址流程。相应的存储介质则便于存储运行上述方法的运行程序,应用于相关设备中。现有技术中,选址工作多是由人工实现调研、数据整理、踩点考察以及主观决策,整个决策过程效率低下,且很可能因信息获取不足或决策人的知识水平等因素而导致选址较差,本申请则能克服该缺陷,减少人工过程,提高选址准确性。
-
公开(公告)号:CN117929628A
公开(公告)日:2024-04-26
申请号:CN202311676322.3
申请日:2023-12-07
Applicant: 广州禾信仪器股份有限公司
IPC: G01N33/00
Abstract: 本发明涉及臭气评估分析领域,具体是一种适用于工业园区的恶臭异味评价方法,包括以下步骤:在工业园区分布若干检测点,每个检测点设有监测相同的若干恶臭因子的监测仪器;获取各个检测点中的若干指标,通过仪器监测形成的指标为机检指标,通过人工嗅辨形成的指标为巡检指标;分别对机检指标和巡检指标进行评分,并通过权重修正,获取每项指标的实际得分;根据实际得分获取评估总分,将评估总分与预设的分数分级表对照,获取污染评估等级。以工业园区恶臭异味污染物在线监测系统为基础,建立了工业园区恶臭异味综合评价体系,实现恶臭异味的科学性评估,提高恶臭异味评估的准确性。
-
公开(公告)号:CN115809728A
公开(公告)日:2023-03-17
申请号:CN202211463517.5
申请日:2022-11-22
Applicant: 广州禾信仪器股份有限公司
Abstract: 本申请涉及一种大气污染扩散条件预测方法、装置、计算机设备。该方法包括:获取目标范围的气象预测数据;利用第一修正系数修正目标区域的气象预测数据中的风速数据,得到目标区域的修正后的气象预测数据;目标范围包括目标区域;根据修正后的气象预测数据,确定目标区域的大气稳定度预测数据;根据大气稳定度预测数据和第二修正系数,确定目标区域的大气污染扩散条件预测结果;第二修正系数与修正后的气象预测数据具有映射关系。采用本方法能够提高大气污染扩散条件预测准确性。
-
公开(公告)号:CN117764412A
公开(公告)日:2024-03-26
申请号:CN202311687089.9
申请日:2023-12-08
Applicant: 广州禾信仪器股份有限公司
IPC: G06Q10/0637 , G06F17/18
Abstract: 本发明提供一种区域大气污染管控效果及收益的定量评估方法,包括:建立气象与大气污染物浓度的回归模型,进行气象基准化校正,计算污染物排放削减量,环境效益货币化,计算环境经济净效益;本方案去除基准年与评估年间气象差异影响,基于垂直优化的排放总量计算和环境效益货币化,有效量化大气污染物管控项目带来的环境经济效益,推动大气污染物减排工作的开展。
-
公开(公告)号:CN115526330A
公开(公告)日:2022-12-27
申请号:CN202210510530.5
申请日:2022-05-11
Applicant: 广州禾信仪器股份有限公司
IPC: G06N20/00
Abstract: 本申请涉及一种有机物方法、装置、计算机设备和存储介质。方法包括:获取至少一个固定站的有机物数据以及各固定站对应的气象数据;基于各固定站的有机物数据以及各固定站对应的气象数据建立各固定站对应的回归模型,得到回归模型集合,回归模型表示固定站的有机物数据与气象数据之间的映射关系;根据观测到的走航有机物数据对应的时间以及空间,在回归模型集合中确定目标回归模型;将所述观测到的走航有机物数据、走航气象数据以及目标气象数据输入至所述目标回归模型进行校准,得到校准后的走航有机物数据。采用本方法能够校准走航有机物数据,使得评价结果更准确。
-
公开(公告)号:CN110399893A
公开(公告)日:2019-11-01
申请号:CN201810373781.7
申请日:2018-04-24
Applicant: 广州禾信仪器股份有限公司
Abstract: 本发明涉及一种大气颗粒物的大气颗粒物的源解析方法、装置、计算机设备和存储介质,其中方法包括:获取待解析大气颗粒物的特征信息;其中,所述特征信息为根据待解析大气颗粒物的表征信息生成的特征信息;将所述特征信息输入预先训练的源解析模型,对所述待解析大气颗粒物的来源进行解析;其中,所述源解析模型为基于深度学习模型训练得到的分类模型;根据所述源解析模型的输出值确定所述待解析大气颗粒物的污染源分类信息。上述大气颗粒物的源解析方法,可以克服传统的受体模型法等源解析分类方法一般情况下只能将污染源分类到大类源上的缺陷,实现在大类源基础上进一步的污染源类别细分分类解析,提升了大气颗粒物源解析分类的精确度。
-
-
-
-
-