陳振偉+凌海波

摘要：近年來，在社會發(fā)展過程中，環(huán)境也在進(jìn)行著改變，工業(yè)及生活用水的大量未經(jīng)處理的排放導(dǎo)致我國河流水質(zhì)狀況的不斷惡化，成了一個(gè)亟待解決的問題，本文針對該問題，建立了一個(gè)基于無線傳感器網(wǎng)絡(luò)的水質(zhì)預(yù)報(bào)系統(tǒng)模型，通過無線傳感器監(jiān)測水質(zhì)參數(shù)，通過多跳方式將信息傳遞到監(jiān)控終端服務(wù)器，通過服務(wù)器的預(yù)處理，將預(yù)處理數(shù)據(jù)輸入改進(jìn)的神經(jīng)網(wǎng)絡(luò)模型，得出水質(zhì)變化曲線，給監(jiān)測人員帶來直觀的水質(zhì)狀況的判斷方法。通過模型的仿真，該水質(zhì)預(yù)報(bào)系統(tǒng)模型效果良好，達(dá)到了監(jiān)測的效果。

關(guān)鍵詞：WSN；水質(zhì)監(jiān)測；神經(jīng)網(wǎng)絡(luò)

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）12-0225-03

Abstract： in recent years， in the process of social development， the environment is in change， industrial and domestic water without the emissions of lead to worsening the condition of the water quality of the rivers in China， has become a problem to be solved， to the problem， The water quality prediction model based on WSN monitoring system is established， through wireless sensor for monitoring the water quality parameters， through multi hop manner the information transmission to the monitoring terminal server， through pretreatment of server， the pre-processing of input data improved neural network model， draw water quality curve， bring the water quality condition of intuitive judgment method to the monitoring personnel. Through the simulation of the model， the water quality forecasting system model has good effect， and it achieve the monitoring results.

Key words： WSN； water quality prediction； neural network

1概述

近年來，隨著環(huán)境的變化，水質(zhì)的狀況越來越受到人們的關(guān)注，由于工業(yè)的發(fā)展以及生活用水的大量未經(jīng)處理的排放，導(dǎo)致我國河流的水質(zhì)狀況不斷的惡化，嚴(yán)重影響了河流中各類生物的生存和河流周邊居民的飲水安全，從而造成大量疾病的產(chǎn)生。這種形勢也越來越嚴(yán)峻，正在引起各級政府部門的高度重視。為了重建生態(tài)文明河流水質(zhì)，政府投入了大量的資金和人力進(jìn)行環(huán)境的治理，但河流水質(zhì)環(huán)境一旦污染，再進(jìn)行治理，對于我們社會付出的代價(jià)將是巨大的，因此，亟待建立一個(gè)建立一個(gè)切實(shí)可行的水質(zhì)監(jiān)測預(yù)報(bào)系統(tǒng)迫在眉睫。近年來，由于無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks， WSN）網(wǎng)絡(luò)的興起，為實(shí)時(shí)對河流狀況進(jìn)行檢測提供了更加可靠的手段，無線傳感器網(wǎng)絡(luò)是一種分布式傳感網(wǎng)絡(luò)，它的末梢是可以感知和檢查外部世界的傳感器。WSN中的傳感器通過無線方式通信，因此網(wǎng)絡(luò)設(shè)置靈活，設(shè)備位置可以隨時(shí)更改，還可以跟互聯(lián)網(wǎng)進(jìn)行有線或無線方式的連接。通過無線通信方式形成的一個(gè)多跳自組織的網(wǎng)絡(luò)，數(shù)據(jù)可以通過末端傳感器檢測數(shù)據(jù)，然后通過多跳網(wǎng)絡(luò)傳遞到監(jiān)控終端，通過終端對數(shù)據(jù)的分析和預(yù)測，達(dá)到水質(zhì)狀況的很好的判斷目的。本文試圖建立了一個(gè)基于無線傳感器網(wǎng)絡(luò)（WSN）的水質(zhì)監(jiān)測預(yù)報(bào)系統(tǒng)模型，通過該模型，實(shí)時(shí)對水質(zhì)指標(biāo)進(jìn)行監(jiān)測，使得管理人員可以及時(shí)掌握各個(gè)監(jiān)測點(diǎn)的水質(zhì)環(huán)境狀況，及時(shí)獲取水質(zhì)環(huán)境數(shù)據(jù)，為采取及時(shí)措施和指定相關(guān)策略提供有力的依據(jù)。

2水質(zhì)影響因子分析

由于不同河流的污染源不同，影響河流的主要指標(biāo)各不相同，如錳酸鹽指數(shù)、五日生化需氧量、化學(xué)需氧量、氨氮、石油類、揮發(fā)酚、總磷和汞等，影響這些指標(biāo)的因素主要有以下幾個(gè)方面決定：1）上游水源的水質(zhì)狀況；2）該河流流經(jīng)地區(qū)的地質(zhì)狀況；3）該河流沿岸工業(yè)狀況；4）該河流流域的環(huán)境質(zhì)量；5）該河流沿岸的居民的活動(dòng)；因此，不同的河流的污染源不同，影響因子也各不相同，因此針對不同的河流，首先分析該河流的主要污染源，找出最主要我?guī)醉?xiàng)影響水質(zhì)的關(guān)鍵因子，利用不同的傳感器進(jìn)行檢測，建立檢測預(yù)警系統(tǒng)，以達(dá)到對關(guān)鍵影響因子數(shù)據(jù)的監(jiān)測的目的。

3無線傳感器網(wǎng)絡(luò)監(jiān)測模型

該無線傳感器監(jiān)測網(wǎng)絡(luò)根據(jù)不同監(jiān)測位置部署若干個(gè)監(jiān)測區(qū)域，每個(gè)監(jiān)測區(qū)域主要由以下部分組成：

1） 傳感器采集節(jié)點(diǎn)：該傳感器采用多參數(shù)水質(zhì)傳感器，周期性采集各項(xiàng)水質(zhì)指標(biāo)參數(shù)，將采集到的水質(zhì)信息，以多跳的方式傳遞到該監(jiān)測區(qū)域的匯聚傳感器節(jié)點(diǎn)。

2） 匯聚傳感器節(jié)點(diǎn)：將傳感器采集節(jié)點(diǎn)采集的數(shù)據(jù)匯總到該匯聚節(jié)點(diǎn)，由匯聚節(jié)點(diǎn)傳遞到監(jiān)測服務(wù)器，并且該節(jié)點(diǎn)實(shí)現(xiàn)傳感器網(wǎng)絡(luò)協(xié)議到互聯(lián)網(wǎng)協(xié)議的轉(zhuǎn)換，并充當(dāng)網(wǎng)關(guān)的作用。

3） 終端監(jiān)測服務(wù)器：負(fù)責(zé)將匯聚傳感器節(jié)點(diǎn)傳遞過來的數(shù)據(jù)進(jìn)行信息的存儲、預(yù)處理、 然后將數(shù)據(jù)以一定的規(guī)格輸入神經(jīng)網(wǎng)絡(luò)算法，得出水質(zhì)狀況的未來走向曲線，使得管理人員可以更加直觀地看出水質(zhì)狀況的變化，以達(dá)到對水質(zhì)監(jiān)控的目的。通常一個(gè)監(jiān)測服務(wù)器可同時(shí)管理多個(gè)監(jiān)測區(qū)域。通過網(wǎng)絡(luò)配置，監(jiān)測人員可通過智能終端 遠(yuǎn)程監(jiān)控水質(zhì)曲線變化。

4監(jiān)測數(shù)據(jù)預(yù)測模型

監(jiān)測數(shù)據(jù)預(yù)測模型是在三層BP神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)上，把中間隱含層的傳遞函數(shù)改為morlet小波函數(shù)[ψt=cos1.75te-t2/2]，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果，如圖2所示：

根據(jù)各項(xiàng)指標(biāo)預(yù)測曲線和真實(shí)曲線相比較，預(yù)測曲線與真實(shí)曲線吻合度較高，實(shí)驗(yàn)進(jìn)行了三次，對每次實(shí)驗(yàn)中的各項(xiàng)指標(biāo)的預(yù)測誤差進(jìn)行比較，可以看出，針對每項(xiàng)指標(biāo)，誤差在可接受范圍內(nèi)，模型具有一定的實(shí)用價(jià)值。

參考文獻(xiàn)：

[1] 馬正華，王騰，楊彥等.BP神經(jīng)網(wǎng)絡(luò)模型在太湖出入湖河流水質(zhì)預(yù)測中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2013（11）.

[2] 石子泊，鄒志紅.基于小波變換的ARIMA模型在水質(zhì)預(yù)測中的應(yīng)用研究[J].環(huán)境工程學(xué)報(bào)，2014（10）.

[3] 閔振輝，張志強(qiáng).基于灰色神經(jīng)網(wǎng)絡(luò)的污水處理廠水質(zhì)預(yù)測研究[J].自動(dòng)化與儀器儀表，2013（3）.

[4] 許立平，羅明志.基于ARIMA 模型的黃金價(jià)格短期分析預(yù)測[J].財(cái)經(jīng)科學(xué)，2011（1）：26-34

[5] 操建華，林宏偉，張實(shí)誠.基于BP 神經(jīng)網(wǎng)絡(luò)的丹江口庫區(qū)水質(zhì)指標(biāo)預(yù)測[J].電子設(shè)計(jì)工程，2010，18（3）：17-24.

[6] Hong L.，Yu L.，Lin L.Study on application of exponential smoothing method to water environment safety forecasting[C].International Conference on E-Product E-Service and E-Entertainment （ ICEEE）.Henan：IEEE，2010：1-3.

[7] Sun Guohong，Shen Yue，Xu Yingming，et al.Time series analysis and forecast model for water quality of Yellow River based on Box-Jenkins method.Journal of Agro-Environment Science，2011，30（ 9）：1888-1895.