水源安全模糊發光微生物傳感器的研究

魏勝非，陳彩云，許德玄

（1.東北師范大學物理學院，吉林 長春 130024；2.東北師范大學城市與環境科學學院，吉林 長春 130024）

近年來，水源污染事件屢有發生，例如松花江水污染事件、鹽城水污染事件、赤峰水污染事件等，這些事件直接給人們的身體健康帶來了危害，嚴重的可危及人們的生命安全.適時地對水源進行檢測已成為一個十分重要的課題.目前，對水源的急性毒物檢測方法主要有化學實驗室分析方法和生物檢測法.化學分析方法結果精確，但耗時長、成本高，依靠此種方法進行適時檢測難度較大，這也是該方法雖存在已久，但污染水源事件未能做到及時預警的主要原因［1－2］.生物檢測方法對于飲用水安全檢測來說不失為一種好方法，所謂生物檢測就是利用水生生物——魚、蚤、發光微生物等對水中急性毒物進行檢測，特別是利用發光微生物的方法是近年來常使用的一種方法.當水中的急性毒物達到一定的濃度，會使水生生物的生物習性發生改變，從而判定水中急性毒物的含量.急性毒物含量的確定在實際檢測中并不是人們所關心的量值，因為精確值的確定往往依靠化學分析，但是化學分析需要24h以上的時間，對飲用水源急性毒物的含量人們最關心的是劇毒、有毒、正常這三個狀態.采用模糊微生物傳感器正是能將數值量轉變為符號描述，從而便于檢測人員分析檢測結果，快速地做出分析判斷［3］.一旦判定飲用水源地急性毒物超標，立即停止取水，確保水廠內存水以及水生產輸送設備不被污染，為采取進一步的措施贏取時間.

1 模糊生物傳感器的結構原理與功能

1.1 模糊傳感器的定義

模糊傳感器是以數值測量為基礎，能產生和處理與其有關的符號信息，實現被測對象信息自然語言表達的智能傳感器［4］.核心部分是語言符號的產生，也就是將數值測量通過模糊集方法轉換成語言符號.模糊集合的定義為：對于由一個對象組成的論域U＝｛x1，x2，…，xn｝，U 為由對象中所有的元素xi（i＝1，2，…，n）構成的集合.設從U 到［0，1］閉區間有映射μA，表示為μA：U→［0，1］，則稱μA確定了U的一個模糊集合，而μA稱為模糊集合A的隸屬函數.映射μA將U上任意一點x映射到閉區間［0，1］上的值為μA（x），稱為論域U中元素x隸屬于模糊集合A的程度，簡稱x對A的隸屬度.μA（x）的取值范圍為［0，1］，其大小反映了x屬于A的程度，其值接近于1時表示x屬于A的程度高，其值接近于0時表示屬于A的程度低［5］.

1.2 模糊生物傳感器的功能

模糊傳感器作為一種智能傳感器，它具有學習、推理、感知、通信功能.其中學習功能是其最重要的一種功能.模糊傳感器能夠實現在專家指導下學習或實現無需專家指導的自組織學習，并能夠針對不同的測量任務要求選擇合適的測量方案［6］.

1.3 模糊生物傳感器的基本結構

模糊傳感器的基本結構可以分為物理結構和軟件結構：物理結構包括CPU、基礎測量單元、存儲器、接口、通信單元，其中CPU完成的是對整個模糊傳感器系統的管理和監督，它不僅包括對模糊傳感器自身進行的管理，還包括接收上級系統的指令，啟動或關閉模糊傳感器的工作.基礎測量單元是由傳統的傳感器敏感單元、信號調理電路以及數模轉換器組成的.存儲器包括存放的知識庫與數據庫，以及算法和學習軟件.其中，通過軟件實現語言符號的生成與處理.接口的作用是通過其輸入專家信號，實現專家指導下的學習.軟件結構包括管理模塊、數值處理模塊、數值／符號轉換模塊、概念生成模塊等.

2 模糊生物傳感器的語言概念產生方法

2.1 應用語義關系方法產生模糊生物傳感器的語言概念

模糊傳感器的作用是提供數值測量的語言描述，因此產生語言概念是模糊傳感器的重要功能之一.運用語義間的語義關系產生概念是一種好方法.模糊傳感器可輸入多個語言描述，這些語言描述通過它們語義間的關系相聯系.語義關系可歸因于語言域Y上的順序關系.該關系又同數值域上的大小關系相對應，所有概念間的這種關系由傳感器自身管理.

圖1 隸屬函數示意圖

引入一個定義：把對應于數值域中那些最具有代表性的測量點或測量范圍的語言描述稱之為屬概念（generic concept）.因此定義屬概念為“有毒”（用t1表示）和“無毒”（用t2表示），其相應的隸屬函數為：對于x∈U，μR（t1，x）＝a則x∈U，μR（t2，x）＝1－a.隸屬函數采用梯形，如圖1所示.定義“非?！保╲ery）模糊算子，則very（t1）表示劇毒；而very（t2）表示非常無毒.因為無毒已經可以表達水檢測的需要，所以非常無毒這個新概念即可由無毒屬概念包含.把x隸屬于新生概念“very（t1）”的程度即隸屬函數μR（very（t1），x）表示為隸屬函數μR（t1，x）的函數形式，則μR（very（t1），x）＝f［μR（t1），x］，則有：若μR（t1，x）＞0.5，則有μR（very（t1），x）＜μR（t1，x）；若μR（t1，x）＜0.5，則有μR（very（t1），x）＞μR（t1，x）.在滿足上述條件下，可選擇函數的形式為

式中：ζ屬概念隸屬函數；k修正因子，（滿足0＜k＜1）.

新概念如果同實際測量不符，則需要訓練隸屬函數［7］.

2.2 模糊生物傳感器的隸屬函數訓練方法

模糊生物傳感器對測量環境的適應性是通過專家指導下的定性學習方法實現的.將專家和模糊生物傳感器對同一被測定量的語言描述的差異作為修正量，對模糊生物傳感器的語言描述進行修正，實際上就是對模糊生物傳感器的隸屬函數進行訓練，從而使其能夠適應各種復雜的監測環境.由于在監測水環境時，溫度、監測水化學毒性成分、pH值等因素的不確定性，使得單一的語言描述適用范圍很窄.為了能夠適用于復雜的水監測環境，就要采用專家指導下的定性學習.其訓練方法為首先對very（t1）概念進行訓練，設訓練樣本t∈［t0，t1］，由經驗曲線計算μR（very（t1），x）和μR（t1，x）.若μR（very（t1），x）≧μR（t1，x），該語言概念very（t1）同訓練樣本的狀態是相符，若Δ＝x01－x＜δ，δ為給定的閾值，則該隸屬函數符合實際.

3 模糊生物傳感器在飲用水檢測中的應用

3.1 模糊化過程

在相同的濃度下，不同的急性毒物對發光微生物的影響不同.本文以苯酚為急性毒物樣本建立初始隸屬函數，采用青?；【鶴 67為研究用發光微生物.青?；【鶴 67是一種淡水微生物，同其他海洋發光微生物相比更適合于飲用水源的檢測，因而本研究以其為檢測急性毒物的檢測媒介.經常作為急性毒物的樣本為氯化汞、苯酚，它們對應的EC50不同.初始取相對發光度變化10%時為有毒，50%為劇毒.取δ為5%.則

隸屬函數如上（2），（3），（4）式所示.由于以上隸屬函數為初始設定，在實際的檢測過程中，很可能有同實際檢測結果不適應的情況，為此需要相應的調整隸屬函數.

3.2 有導師學習

由于急性毒物種類繁多，且每種急性毒物的毒性劃分標準不同，因而其隸屬函數也就不同.為了能夠適應實際檢測環境對未知急性毒物進行劃分，就需要模糊生物傳感器能夠自行調整其隸屬函數，即能夠進行有導師的學習.有導師學習的基本原理是通過比較導師和模糊生物傳感器對同一被測量物定性描述的差別，調整模糊傳感器的隸屬函數，從而使模糊生物傳感器的描述接近于導師的描述.針對飲用水水源地的急性毒物檢測同其他的學習方法不同，有其獨特的一面.因為飲用水水源地的安全直接關系到人們的身體健康，因而在學習過程中應把握標準從嚴的原則，而不是盲從于導師的學習.這一點是模糊生物傳感器的特點，也是要求在設計其學習算法時應遵循的基本原則.例如：敵敵畏、樂果、馬拉硫磷、甲基對硫磷等殺蟲劑，它們的毒性劃分標準不同，但是在調整隸屬函數時應從嚴把握.

3.3 實驗數據分析

以青?；【鶴 67為發光微生物建立模糊生物傳感器，該傳感器由發光微生物、光電倍增管、信號放大器、導師學習系統、模糊化模塊等組成.根據《GB／T1544121995水質急性毒性的測定：發光細菌法》，通過采用相對發光度或相對抑光度來表征毒物所在環境的生物毒性水平［8］.

本文采用相對發光度來測量急性毒物對發光微生物發光度的影響［9］.首先以苯酚為急性毒物測試樣本，測得的不同濃度下，苯酚對青?；【鶴 67的發光度影響結果見表1所示.

表1 苯酚對青海弧菌Q 67的發光度影響結果

由于發光微生物的發光受外界影響和本身的影響較大，因而波動性較大，這也是將模糊理論應用于生物檢測的難點.5%的相對發光度變化對于發光微生物而言是可以接受的，但是對于精確檢測而言是不能允許的誤差.考慮到用于急性毒物檢測，相對于精度而言，檢測速度更為重要.因此取δ為10%.相對發光度為20%時為有毒，50%為劇毒.則相應的隸屬函數調整如下：

根據以上隸屬函數可以編制程序，也可以用電子線路設計相應的硬件電路.硬件電路計算速度要高于軟件的運算速度.

4 結論

將模糊理論應用于生物傳感器的檢測技術，有效解決了生物傳感器檢測技術所亟待解決的從量化到語言化的問題.將其應用于水源地取水環境的快速檢測，可以極大地提高水源地取水急性毒物的檢測速度，特別是對邊遠地區的水源地取水檢測有著重要意義.降低了操作人員的入門要求，從而為避免急性水源污染事件的發生提供了有效的工具.由于發光微生物的自身及環境影響波動較大，因此該方法僅適用于快速定性檢測，精確的毒物含量及種類的判別還需要借助化學分析方法，所以建議將此方法同化學分析方法配合使用.

［1］魏勝非，陳彩云，許德玄.基于青?；【?Q 67的飲用水環境虛擬檢測儀測［J］.東北師大學報：自然科學版，2010，42（2）：143－146.

［2］陳晶，魏勝非.基于ZigBeen技術的靈芝無線傳感器監測網絡［J］.東北師大學報：自然科學版，2011，43（1）：109－112.

［3］陳彩云，魏勝非.柴油機尾氣處理中的濕度檢測融合算法［J］.東北師大學報：自然科學版，2009，41（4）：82－85.

［4］劉君華.智能傳感器系統［M］.西安：西安電子科技大學出版社，1999：363－376.

［5］付華，王濤，楊崔.模糊傳感器在煤礦瓦斯監測中的應用［J］.傳感器與微系統，2009，28（1）：115－120

［6］劉立偉，王英杰，牛彥文.模糊水分計的研究［J］，傳感技術學報，2003（1）：69－73.

［7］韓國才，澈麗木格.模糊數學法在水環境質量評價中的應用［J］.南水北調與水利科技，2008，6（5）：101－104

［8］朱文杰，鄭天凌，李偉民.發光細菌與環境毒性檢測［M］.北京：中國輕工業出版社，2009：208－209.

［9］BULICH A A.Use of luminescent bacteria for determining toxicity in aquatic environments［G］／／ MARKING L L，AKIMERLE R.Aquatic toxicology STP667.Philadelphia，PA：American Society for Testing and Materials，1979：98－106.