一个端到端的数据分析框架,通过电子鼻子网络实时检测和识别污染事件的来源

科学领域:

• 环境科学 环境科学
• 分析化学 分析化学
• 传感器技术 传感器技术

背景情况:

• 在全球范围内,空气污染导致数以百万计的过早死亡.
• 工业排放对公众健康和生态系统构成重大风险.
• 准确的实时监测和来源分配对于有效的空气质量管理至关重要.

研究的目的:

• 为实时排放监测开发一个先进的数据分析框架.
• 为了使工业地区的空气污染精确的来源分配.
• 提高排放管理的透明度和问责制.

主要方法:

• 部署一个低成本电子鼻子 (e-noses) 的分布式网络.
• 使用PCA,HCA和MCR-ALS等化学测量技术进行数据解卷.
• 实施5W归因方案来表征排放事件.

主要成果:

• 实现空间和时间解决的排放监测.
• 成功地将e-nose数据分解为离散的排放事件.
• 创建了一个可搜索的污染事件数据库.

结论:

• 该框架为排放问责制提供实时,低成本的传感.
• 支持快速缓解反应,并加强监管合规性.
• 在复杂的工业环境中提供透明的空气质量管理方法.