差分吸收光谱法测量大气污染的测量误差分析

差分吸收光谱技术被广泛地应用于测量大气中微量元素的浓度，尽管该技术利用最小二乘法来反演待测气体的浓度，能够得到很高的测量精度。但是，由于仪器本身的噪声以及测量波段其它气体的干扰等，使得仪器的测量有一定的误差，而且上述因素还决定着仪器的测量下限。对差分吸收光谱方法的测量误差以及引起误差的原因作了详细的分析。     

对差分光学吸收光谱法的监测数据进行实时预测研究

差分光学吸收光谱法（DOAS）已经成为测量大气中微量气体浓度广泛应用的方法.通过对大气差分吸收光谱的分析可以得到它们的浓度.但在恶劣气候条件下，DOAS系统不能获得连续的实时监测数据，因此不能满足我国环境监测条例对环境监测子站的要求.文中提出了一种利用逐步回归分析的方法，对DOAS系统的监测数据进行实时预测.通过大量的对比实验表明，利用该方法得到的预测结果与实际测量结果一致，目前该技术已经被应用于DOAS监测仪器中. 关键词： 差分光学吸收光谱法（DOAS） 逐步回归分析 预测     

差分吸收光谱法测量大气污染的浓度反演方法研究

介绍了差分光学吸收光谱法(DOAS)测量大气污染气体浓度的基本原理,描述了对测量光谱所作的一些必要处理,对最小二乘法作了简单介绍,并将它用在DOAS方法中的浓度反演中,通过与当地监测站的数据进行对比,证明了最小二乘法非常适用于DOAS方法中的浓度反演. 关键词： 差分光学吸收光谱法 光谱处理 最小二乘法 环境监测     

差分吸收光谱仪测量上下限的确定

给出差分吸收光谱仪（DOAS）系统对测量上下限的确定方法,由于测量原理Beer-Lambert的线性适用范围限制了系统的测量上限,系统的噪声,被测气体的差分吸收截面以及测量的数据点数共同决定了系统的测量下限,通过理论分析与实际测量确定了DOAS系统的测量上下限。     

利用人工神经网络方法提高差分光学吸收光谱系统测量精度研究

差分光学吸收光谱法已经变成了测量大气中微量气体浓度常用的方法。微量气体的浓度通过对大气吸收光谱的分析得到。但在实际应用中，由于受到硬件条件的限制，使得每次分析的光谱带宽有限，造成分析的误差较大，结果不够稳定。这里提出了一种利用多层自适应线性（Madaline）人工神经网络对光谱进行扩展的方法，并对试验结果进行了比较，收到了良好的效果。