2011年德國PEN3電子鼻分析環境廢氣惡臭的試驗報告

1 材料與方法

• 實驗項目：北京某電子有限公司生產車間的不同廢氣總排口進口處及出口處排放（涂裝、噴涂、電鍍）的工業廢氣惡臭強度，廠界內（頂樓排氣界限）、廠界外（工廠與馬路的交界西面、北面、南面廠界處）不同地點的環境惡臭污染程度實驗檢測。

• 實驗時間：2011 年 1 月 24 日-27 日

• 實驗儀器設備與標準依據

電子鼻系統，PEN3，德國 AIRSENSE 公司。該電子鼻含有 10 個不同的金屬氧化物傳感器，組成傳感器陣列。

檢測主要是依據 GB/T14675-1993《空氣質量 惡臭的測定 三點比較式嗅袋法》排污標準數據為指紋模板評價，即 GB14554-1993《惡臭污染物排放標準》三級標準。實時檢測數據與國標指紋模板對比，直接得出檢測惡臭強度（OU）值，利用 LDA、PCA 方法識別分析出排污總體狀況。

1.4 實驗方法

直接頂空吸氣法

直接將進樣針頭插入采集廢氣或者環境空氣密封袋中，用德國 PEN3 便攜式電子鼻氣味分析儀進行測定。電子鼻測定條件：采樣時間間隔為 1 秒/組；傳感器自清洗時間為 100 秒；傳感器歸零時間為 10 秒；樣品準備時間為 3 秒；進樣流量為 300 ml/min；試驗分析測試時間為 60 秒。

1.5 數據處理

本實驗在對每個樣品的數據采集過程中，通過查看每個傳感器響應信號的變化曲線、每個時間點的信號值及星型雷達圖或柱狀指紋圖，可以清晰考察各個傳感器在實驗分析過程中的響應情況。并通過傳感器選擇設置可以查看在不同數量的傳感器情況下的響應情況。由于每個傳感器對某一類特征氣體響應劇烈，可以確定樣品分析過程中樣品主要揮發出了哪一類特征氣體。

對于樣品區分分析，本實驗提取 10 個傳感器的特征值，然后采用主成分分析法(PCA)，線性判別法(LDA)和傳感器區別貢獻率分析法(Loadings)作為主要區別分析方法。在用 PCA 進行分析時，可以查看在每個主成分下樣品區分的狀況，并可以分析樣品之間主要是由哪一類組分起主要區分作用；LDA 是 DFA(識別因子法)的*步，LDA 分析注重類別的分類以及各種組之間的距離分析；Loadings 分析法與 PCA 是相關的，它們都基于同一種算法，但不同的是，本實驗中 Loadings 算法主要是對傳感器進行研究，利用該方法可以確認特定實驗樣品下各傳感器對樣品區分的貢獻率大小，從而可以考察在這個樣品區分過程中哪一類氣體起了主要區分作用。

通過區別判定 DFA、歐氏距離 EUCLID、馬氏距離 MAHALANOBIS 和相關性分析 CORRELATION 等

方法，有效判定未知樣歸屬于哪一類，達到一個用電子鼻驗證未知樣的實驗結果。并通過 PLS 偏zui小二乘法進行 OU 值的定量預測。

2 結果分析與討論

2.1 電子鼻對總排口廢氣的特征響應圖

圖 1

電鍍

圖

2  噴

涂

圖 3  涂裝圖 4  廠界上風處

圖 5  廠界下風處 圖 6 廠界外-北

圖 7  廠界外-南

圖 8  廠界外-西

10  電鍍-出

圖 9  電鍍-進圖

圖 11 噴涂-進

圖 12 噴涂-出

圖 13 涂裝-進

圖 14 涂裝-出圖 1 ~ 圖 14 分別是廢氣總排口和廠界內外環境空氣的特征雷達圖，10 個傳感器對廢氣和環境空氣的

響應曲線圖，各個傳感器對應的 G/G0（或 G0/G）值。從以上 14 個圖我們可以清楚的看出，10 個傳感器的比值差異明顯。對于廢氣總排口和廠界環境空氣，10 個傳感器均有明顯的響應，尤其是 2、4、5、7、9、號傳感器。其中 7 號和 9 號傳感器是針對惡臭氣體響應明顯的，這種氣體例如含硫的成分及化學成分比較接近的惡臭氣體。

• PCA 分析（主成分分析）

3 / 14

圖 15 三個廢氣總排口的 PCA 主成分聚類分析

圖 16 三個廢氣總排口的 PCA 主成分聚類區分度分析

三個廢氣總排口的 PCA 分析結果如圖 15 和圖 16 所示，在 CORRELATION 相關性矩陣模式下：*主份區分貢獻率為 99.974%，第二主成分區分貢獻率為 0.02%，兩個主成分區分貢獻率和為 ，大于 90%，所以這兩個主成分已經基本代表了樣品的主要信息特征。由以上兩圖可以看出，在*主成分上，三個廢氣總排口廢氣均區分明顯，并且區分度達到了驚人的 0.998，說明，三個廢氣總排口被*區分開來。

• LDA 分析（線性判別分析）

圖 17 LDA 線性判定分析圖

LDA 分析圖如圖 17 所示。從圖中我們可以清晰直觀的看出，涂裝二區的廢氣惡臭強度zui大，噴涂次之，電鍍較前二者比較弱。噴涂和涂裝二區的惡臭強度明顯要強于電鍍。這和環保部門的測評結果也是吻合的。

• LOADING 分析（傳感器區分貢獻率分析）

4 / 14

圖 18 LOADING 傳感器貢獻率分析圖

LOADING 分析 PCA 在 CORRELATION 相關性矩陣模式圖：2 號和 7 號傳感器對惡臭氣體分析貢獻率較大。8 號和 9 號傳感器次之。

• PLS 定量分析（偏zui小二乘法）

圖 19-1  電鍍廢氣 PLS 定量預測曲線圖 圖 19-2 電鍍廢氣 PLS 定量預測值