城市湖库藻类水华实时监测汇总Word文件下载.docx
《城市湖库藻类水华实时监测汇总Word文件下载.docx》由会员分享，可在线阅读，更多相关《城市湖库藻类水华实时监测汇总Word文件下载.docx（16页珍藏版）》请在冰点文库上搜索。
针对城市湖库藻类水华产生的特点，通过整理和分析近几年湖库大量的水文数据，以及相应的气象数据，通过化工正交实验，结合智能信息处理技术中的粗糙集理论对藻类水华的成因做主因素分析，在众多的水体理化指标和环境因素中求解出湖库藻类水华的关键作用因子，确定藻类水华的预测指标。
3.我们基于智能信息处理技术的湖库藻类水华预测方法，解决由于藻类水华产生过程存在复杂性、非线性、时变性、不确定性等因素，用传统方法无法获得精确数学模型的难题。
包括两方面：
研究基于Elman神经网络和支持向量机的适合于湖库藻类水华发生的预测理论和方法，提高湖库藻类水华预测方法的鲁棒性及精度。
4.设计与实现城市湖库藻类水华预警与控制应用系统。
对实时监测系统提供的现场水域多尺度数据进行数据挖掘和数据融合，提取用于藻类水华预测模型的有效数据，对藻类水华变化进行预测预警，并提出相应的控制策略。
四系统研发的主要过程
（1）监测水域情况介绍和分析
圆明园遗址公园地势呈北高南低、西高东低的局势，高程差约为1米。
圆明园总共水域面积达125万平方米，主要由三大水域构成，分别为九州、福海和长春园三个部分，水域相通，但是的水不能互相流通，基本处于静止状态，平均水深大约为0.8-1米。
平均每日耗水量为5000立方米左右，主要原因是蒸发和渗漏。
除大气降水和圆明园区域内地表径流补充水源外，圆明园主要补充水源自2007年10月以后，主要水源来源于清河污水处理厂的中水，供水方式为直径800mm的管涵从清河污水厂泵入，每年平均500万立方米。
其次，还有非常少的地表水补充，来源是京密水渠。
第三个补充水的途径是，汛期万泉河泄洪补水，但量同样非常少。
圆明园的水质控制按照功能区划分为重要旅游地景观水，水质控制指标为地表水III类标准，每年都有局部水域发生水华爆发情况。
（2）监测站点的要求和选择
由于现场监测站点的选择对数据是否有代表性、仪器的安装及最后系统能否成功都有直接的关系，安恒公司邀请了并北京工商大学环境科学院与信息工程学院的教授共同探讨此方案，一致认为监测站点应该满足以下几点要求
1、这个监测点需要在圆明园具有代表性。
2、监测点的水流量必须相对平稳、水流动比较小的、水深属于整个湖泊的平均水深、植物不是很密集的地区，确保取得的数据有效，固定，平稳。
3、采集的数据有几个数需要手工测量：
碳、氮、磷、叶绿素A、浊度、溶解氧、PH值。
取得这些数据，并且保证这些数据的有效性与环境指标也是息息相关的，例如：
水温、紫外线光照强度、风力。
经过多次现场勘测，最终决定选择长春园中的海岳开襟作为我们的监测点。
（如图一）
（图一）
（3）、确定水华预测评价指标
水华的发生是由于许多因素如营养盐、水温、光照、pH值、生物因素等共同作用的结果，发生时又有多种水质指针如pH值、溶解氧、氧化还原电位、氮磷浓度等同时发生变化，因此在水质预警模型中参数较多，在模型设计时需要在这些影响因素中筛选出合适的因素作为预警因子。
一般选择那些受周围环境影响小的、适合于所选择的模型的、监测方便并且与藻类生长密切相关的这些因素作为预警因子。
安恒公司针对城市湖库藻类水华产生的特点，通过整理和分析近几年湖库大量的水文数据，以及相应的气象数据，通过化工正交实验，结合智能信息处理技术中的粗糙集理论对藻类水华的成因做主因素分析，在众多的水体理化指标和环境因素中求解出湖库藻类水华的关键作用因子，确定藻类水华的预测指标。
通过对水华预测评价指标进行论证分析，根据圆明园遗址公园的实际情况，初步考虑利用水体的三类指标作为评价指标体系：
1.基本指标，是碳（COD表示）、氮（TN或NH3-N表示）、磷（TP表示），代表了藻类生长所必须的碳源、磷源和氮源；
2.表征指标，叶绿素a、溶解氧、pH、氧化还原电位、水温，表征了水华发生时造成的藻类生长和水体混浊的幅度、理化指标变化；
3.环境指标，光照强度、气温、风力和气压，这是藻类细胞生长密切相关的环境指标
通过对这三类指标的时变规律的综合分析研究，以提高对对水华暴发进行评价和预测时准确度。
表1湖泊（水库）营养状态评价标准（单位：
mg/L）
营养状态
指数
总磷
（以P计）
总氮
（以N计）
叶绿素（α）
高锰酸盐指数
透明度（m）
贫
10
20
0.001
0.004
0.020
0.050
0.0050
0.0010
0.15
0.4
5.0
中
30
40
50
0.010
0.025
0.10
0.30
0.50
0.0020
0.0040
1.0
2.0
4.0
3.0
1.5
富
60
70
80
90
100
0.20
0.60
0.90
1.3
6.0
9.0
16.0
0.026
0.064
0.16
0.40
8.0
25
0.5
0.3
0.2
0.12
（4）、研发中心的实验室模拟仿真研究
针对圆明园历史数据稀缺的问题，在前期研发中利用安恒水环境监测研发中心阳光房实验基地见图2，图3，采集圆明园水体，调整不同的氮磷比，对水华发生过程进行模拟培养实验，具体模拟实验见表2。
实验在4－8月进行，每次实验周期约15天，实验项目和频率与圆明园监测子站相同。
图2阳台阳光房实景图3WeatherStation气象站
表2模拟自然水体实验条件
组
氮磷浓度及氮磷比
1＃水缸
2＃水缸
3＃水缸
4＃水缸
第一组
TP（mg/L）
0.05
0.1
TN（mg/L）
1.1
2.2
5.6
TN/TP（mol/L）
第二组
0.7
1.4
3.6
16
第三组
5
第四组
4.5
11
（5）、圆明园监测子站的建立
1.智能气象监测站，可在线测定光照强度、紫外线强度、温度、风向、风力、气压等。
（不在本次系统建设内容之内，气象数据来源于位于北京工商大学的研发中心智能气象站）
2.多参数水质在线监测仪，安装在得胜盖无人小岛的监测水域，可测叶绿素a、NH3-N、浊度、溶解氧、pH、氧化还原电位、水温。
监测子站在线监测数据常规每小时采集、存储和发送一次，在水华爆发期间可以实施加密监测和数据传输。
3.远程监测系统的构建：
对于远程监测系统的构建，第一步的工作是将现场数据智能RTU绑定在现场水质监测仪器上，RTU软件集成在GPRS模块FLUSH中，软件主要包括三方面：
与监控中心交互信息、水质数据采集、数据存储、检查及异常处理等。
其中交互信息的主要功能是接受监控中心下达命令和数据并作相应处理，根据监控中心命令要求数据的类型和格式上传RTU采集的数据。
数据的采集可以是对某一水质参数单采集或是按照预先设定时间间隔对水质参数进行采集；
查询和异常处理负责不间断地监控RTU的运行情况，并立即上报监控中心。
全部数据在GPRSVPN网内运行，GPRS数据无线传输设备，现场设备由A/D数据转换模块、GPRS传输模块、SIM卡等组成；
要求所有GPRS终端之间可以直接通讯，主服务中心的数据中心由具有固定IP地址计算机及数据通讯软件等组成，远程监测系统系统整体实施图如图4所示。
该远程监测系统包括中心监测模块、分中心监测模块1、分中心监测模块2、次级分中心监测模块1、次级分中心监测模块2、终端采集处理模块1、终端采集处理模块2、终端采集处理模块3、终端采集处理模块4，中心监测模块内的主服务器与镜像服务器通过两个固定的公网IP之间的虚拟专用网络（VPN）相连，中心监测模块、分中心监测模块1、分中心监测模块2、次级分中心监测模块1、次级分中心监测模块2、终端采集处理模块1、终端采集处理模块2、终端采集处理模块3、终端采集处理模块4均以宽带的接入方式接入Internet并建立虚拟专用网络（VPN）。
分中心监测模块1得到中心监测模块的授权，可对次级分中心监测模块1传输的数据信息和设备进行处理和控制；
分中心监测模块2得到中心监测模块的授权，对次级分中心监测模块2传输的数据信息和设备进行处理和控制；
次级分中心监测模块1得到中心监测模块的授权，对终端采集处理模块1、2传输的数据信息和设备进行处理和控制；
次级分中心监测模块2得到中心监测模块的授权，对终端采集处理模块3、4传输的数据信息和设备进行处理和控制。
需要精细化监测时，可以设置更复杂的分级监测。
终端采集处理模块包括智能终端器、数据采集器，智能终端器通过继电器（于本实施例中以继电器连接为例，也可采用其他连接方式）与数据采集器以电路相连，该智能终端器为含有嵌入式Linux开源系统脚本的智能型远程测控单元装置（RTU），其内部设置有龙芯芯片，并且使用基于嵌入式Linux系统的软件开发，使用LAMP（Linux-Apache-Mysql-PHP）Web为开发构架，并包含一通信处理器模块（CommunicationsProcessorModule,CPM），并且该终端采集处理模块借助该通信处理器模块以无线方式（如GPRS、CDMA、3G、CITYWIFI等）或者有线方式（如ADSL、宽带等）接入互联网（Internet），构建虚拟专用网络（VPN）。
当具有上述结构的远程监测系统应用于水网监测时，现场设备先收集各个终端的水的具体数据，之后通过继电器传输到智能终端器，智能终端器内的程序开始运行，处理收集到的数据，之后发给通信处理器模块（CPM），再通过无线方式或者有线方式接入互联网（Internet），水的数据信息通过虚拟专用网络（VPN）逐层传输到监测中心的中心监测模块内，中心监测模块内的主服务器对数据进行分析和保存，完成水数据采集过程。
如果主服务器受到攻击或者出现其他情况而出现故障时，采集和处理的水数据信息就会优先选择镜像服务器传输数据，则镜像服务器成为主服务器，对数据进行分析和保存，而此时原主服务器通过修复故障之后接收到的数据来修补故障时期内的数据损失。
4.太阳能供电电源系统随水质分析仪器安装在监测水域岸上，由太阳能板、12-24VDC太阳能电池组、电源转换设备等组成。
电源系统为监测子站提供24小时供电。
5．圆明园监测中心现场工作站内放置于科技办公室，通过工作终端计算机将实时显示现场水质监测数据（包括常常规五参数、叶绿素、蓝绿藻）、已经自动入库的协作实验室分析数据（COD、N、P）、智能化预警结果（历史数据+预测曲线）表现在地理属性的地图上，将来还可以开发现场视频监测。
6．COD、TN、TP隔日测定一次，由实施方组织进行，圆明园协调配合。
现已委托清华大学环境工程系实验室作为协作实验室，由清华方面负责采样、分析和通过协作实验室终端，数据人工录入后自动向主数据服务器发送数据入库。
为圆明园遗址公园建立水质监测预警系统，我们必须把环境友好放到重要的位置。
城市湖库藻类水华实时监测、智能化预警系统主要具备以下环境友好的条件：
1、该系统的现场监测仪器非常紧凑、小巧，仅需要简单位置固定，无需施工工程，且监测的方法均为物理方法，仪器本身不使用、不消耗、不产生任何有毒有害的试剂和废弃产物，对环境非常安全，原来是设计应用于城市供水水源地自来水净水厂取水口进行的水质实时监测的系统。
2、该系统的现场仪器供电采用太阳能供电，配有一个普通铅酸蓄电池组用于在阴雨气象条件下供电，无需现场市电供应，几乎没有现场的施工工程，对环境景观不会造成负面影响。
3、该系统采用公用GSM网络通过GPRS进行数据无线传输，没有通信干扰，也无需申请无线通信频点，也不会对现有的集群通讯指挥调度系统造成影响。
（6）、研发服务中心的建设
1．中心应用软件运行在位于北京工商大学信息工程学院的研发服务中心的服务器上，包括数据库系统、水质参数监测、水质评价、水华预测算法等应用程序和网络运行程序两大部分。
2．数据处理系统
通过水体采样实验室分析、现场在线采集数据和模拟实验数据等大量的水体富营养化的现场、模拟和历史数据,对圆明园遗址公园水域监测地区的水华产生过程进行深入的机理分析，研究、改进适用于本水域的水华形成特点的过程神经网络结构，解决复杂的非线性生化过程的数学建模问题。
将过程神经元网络与进化算法结合，使之在运行过程中能够感知其环境的变化，能以进化的方式相应地改变网络参数，自动地调整学习算法，改进网络参数或结构。
提高处理复杂的非线性数学建模能力、提高数学模型和软测量的适用范围。
3．预测分析与研究
研究采用过程神经元网络的预测方法，过程神经元网络用于研究输入/输出为时间函数的泛函的逼近问题，利用过程神经元所具有的对时间变量的非线性映射能力，实现系统的输入、输出之间的连续映射关系。
其网络结构由加权、聚合和激励运算三部分组成，可建立具有多隐层的复杂过程神经元网络。
与传统神经元不同之处在于过程神经元的输入和权值可以是时变的，其聚合运算既有对空间的多输入汇聚，也有对时间过程的积累，具体表现在过程神经元网络引入了权值基函数和积分运算。
对系统的软测量模型在计算机用MATLAB进行数字仿真，分析结果，研究系统预警的方法。
神经元网络算法采用VisualBasic编程实现，利用MATLAB提供的引擎技术实现MATLAB软预测器集成到VisualBasic开发的实验程序中。
提供易操作的友好界面。
由此建立的数据处理系统，具有检测数据的整理与分析、数学模型建立、模型自校正、水体富营养化软测量、水华预测预警、水华预防和治理方案优化比较等实用性功能。
（7）、系统软件的构建
系统采用VB语言、MATLAB语言及SQLServer2000数据库，建立水质监控与分析、水华预测系统。
软件体系结构如图5所示。
图5系统软件体系结构示意图
系统从结构上可以分为以下三部分：
前台的应用程序、后台数据库及仿真程序。
本应用程序在开发过程中采用SQLServer2000创建后台数据库，实现对不同时期水质的实测数据、实验数据、气象数据的存储与管理，以保证数据的安全，供分析及参考使用；
系统采用MATLAB程序完成水质分析与水华预测的相关算法，与前台应用程序通过COM技术建立联系；
前台应用程序是在VB开发环境中设计友好的用户操作界面并实现相应方法的处理，以图形和数据结合方式，通过可视化界面随时动态显示水质监控与分析、水华预测结果。
同时该应用程序还具有报表显示、打印、存储等功能。
系统预测界面如图6：
（图6）
五系统研发的主要难点和技术创新
（1）系统研发主要难点
1.水华发生还有一些机理不清楚，系统研制需要面对各种外生和内生的不确定性因素，造成预测精度不高的问题，需要通过智能理论优化模型算法来解决。
2.水华形成过程中的非线性、复杂性和多因素相互作用，水华爆发评价指标或称临界点的复合多相性，直接造成建立机理评价与预测模型的困难，需要通过粗糙集、主成因分析等模糊评价方法诠释。
3.使用相对稀疏的数据，难以建立的动态数学模型，做到实时对比、动态拟合困难，解决这些问题，需要通过建立集成的、多源的实时数据采集系统，来实现水华预测功能。
4.水华爆发是众多因素共同作用的产物，系统预测评价指标就包括了三大类的指标，在众多水华影响因素的动态监测信息的融合基础上，寻求水华爆发与这些影响因素间的影射关系。
5.蓝藻水华预警监测涉及环境、生物、化学、物理、气象、水文等多个学科，对专业技术人员的要求也较高，不仅要求有扎实的专业基础知识，同时跨学科知识背景和丰富的实践经验同样非常的重要。
（2）系统研发主要技术创新
1.运用安恒发明专利的基于龙芯和LINUX的远程监测系统实现集成定点和移动式的水质参数采集和无线远程监测，实时获得在线监测引发水华暴发的水质参数变化趋势。
2．多源信息融合技术在水华预警系统中的应用。
所谓信息融合是针对一个系统中使用多种传感器这一特定问题而开展的一种全新的信息处理方法。
它利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下，加以自动分析与整合，以完成所需要的决策和估计任务。
其中融合是一种形式框架，在这一框架下，可以融合来自不同来源、不同模式、不同媒质、不同时间地点、不同表现形式的信息，目的是为了得到对感知对象（诸如河湖水华）更为精确的表述。
信息融合的过程是用数学方法和技术工具综合不同信息源，目的是得到高品质的、反映被感知对象的有价值信息。
信息融合技术还可提高水华预警信息的时间与空间分辨率，扩展水华预警信息的时空监测范围；
可以增加水华目标特征矢量的维数，降低水华预警信息的不确定性与预警推理的模糊程度；
同时，可以增强水华预警决策支持系统的容错能力和自适应能力，提高系统的可靠性与鲁棒性（robustness）。
3.对于湖库藻类水华智能阶段性预测模型采用了藻类水华短期神经网络预测模型和中期支持向量机（supportvectormachines，SVM）的预测模型相结合的方式。
4.城市湖库藻类水华智能预警与控制系统：
开发用于湖库藻类水华预警与控制系统，对水华发生进行预测预警，为水环境治理提供控制策略。
5.环境友好：
该系统的现场监测仪器非常紧凑、小巧，仅需要简单位置固定，无需施工工程，且监测的方法均为物理方法，仪器本身不使用、不消耗、不产生任何有毒有害的试剂和废弃产物，现场仪器供电采用太阳能供电，系统通信采用公用GSM网络通过GPRS进行数据无线传输，不会产生任何通信干扰。
6.针对系统的野外应用，长期使用而很少有机会维护，从而在系统在传输可靠性和功耗上提出了较高的要求，远程监测系统采用龙芯芯片，它采用先进的四发射超标量超流水结构，片内一级指令和数据高速缓存各64KB，片外二级高速缓存最多可达8MB.最高频率为1000MHz，功耗为3-5瓦，远远低于国外同类芯片。
大大降低了系统运作的能耗。
7.系统使用的虚拟专用网络（VPN）建立在互联网（Internet）上并以超文本传输协议（HTTP）相连接。
使得数据传输能力和数据传输安全性得到了很大的提高。
8.系统使用了Linux操作系统和互联网传输，大大降低了系统的运行成本。
六、总结
城市湖库藻类水华实时监测、智能化预警系统是安恒公司历时多年，进行大量的理论研究和实践活动，协调多方面资源而研发成功、拥有国家软件著作权的产品，该系统在大量水文数据分析的基础上，通过对水华发生机理进行深入分析和研究，探索并建立城市湖库藻类水华预测的智能模型，同时，通过安恒公司国家发明专利“基于龙芯LINUX系统远程智能监测系统”在水华预警技术上的集成应用，解决了多源信息融合技术在湖库水华预警中应用的一系列难题，实现了湖库水华自动化预警与多尺度、多方法水体富营养化实时监测的无缝结合，探索一条用软测量的方法，解决复杂的藻类水华监测问题，为保障城市河湖水系的复合功能，特别是保障城市供水水源的水质安全提供技术支撑。
城市湖库藻类水华实时监测、智能化预警系统作为上级主管部门的一项重要处理依据，有效提高管理安全系数，最大限度地保护和利用城市的环境用水、减少水环境治理周期、减低能源消耗、提高治理效果，对城区湖库乃至全国湖库水华的准确预测与控制具有重要意义，可有效地缓解城市水资源紧缺的压力，系统具有广阔的推广应用前景，其推广应用可为社会带来可观的经济效益，对于促进我市及我国水资源保护具有很大的推动作用，是发展循环经济，推进节约型社会建设的具体工作和实际行动。
升级会员 