湖庫水質監測與水華預警信息系統

郝啟文，王小藝，許繼平，劉載文，盛 璐，何多多

(北京工商大學計算機與信息工程學院，北京 100048)

1 概述

隨著全球水體富營養化的加劇，湖庫發生水華現象越來越普遍，其造成的環境和經濟問題越來越引起人們的關注[1]。水體富營養化會導致某些特征性藻類非正常增殖，水體顏色逐漸變深，水體透明度下降，溶解氧濃度降低，CODMn濃度增大，直接導致魚類及其他生物死亡，從而破壞湖庫水體的自然生態平衡，造成環境和經濟的重大損失[2-3]。近年來，我國許多大型湖泊面臨著水華爆發的危險。水華的爆發破壞了水體中的生物多樣性，嚴重制約了經濟建設和社會發展。因此，有效預測水華爆發、對水華進行治理已經迫在眉睫[4-5]。

本文根據當前國內外水環境監測發展的現狀及系統所需的技術要求，開發了湖庫水質監測與水華預警信息系統。系統能實時接收水質監測數據，實現數據實時顯示、快速查詢、數據對比等功能。同時，系統集成了水華智能預測模型，實現了對湖庫水華的中長期預測預警功能，為環保部門進行水環境監測與水華防治提供有效的信息化決策平臺。

2 預警信息系統設計

2.1 整體結構設計

湖庫水質監測與水華預警信息系統基于 Visual Studio 2010軟件平臺進行開發，系統利用Socket控件接收下位儀表通過通用分組無線服務(General Packet Radio Service, GPRS)傳送的數據，將實時監測數據和大量歷史數據存儲在基于 SQL2005建立的數據庫中，為后期數據處理和分析提供可靠依據。同時，系統可在地理信息系統(Geographic Information System, GIS)圖中實時顯示監測點位置、水質參數，并按時間跨度、空間范圍進行水質數據的歷史查詢，繪制實時、歷史曲線，進行數據對比。系統實現了Matlab和 C++程序的混編，通過調用后臺灰色-BP(Back Propagation)神經網絡模型對采集到的水質數據進行分析，實現水華預測預警功能。系統結構如圖1所示。

圖1 預警信息系統結構

2.2 系統實現關鍵技術

2.2.1 網絡通信技術

水質監測傳感器的布點靈活，分布廣泛，數據量穩定，數據傳輸質量要求高，實時性強。GPRS遠程無線傳輸方式適用于間斷的、突發性的或頻繁的、少量的數據傳輸，也適用于偶爾的大數據量傳輸。其具有覆蓋地域廣、通信距離遠、網絡可靠性高、穩定性好、通信成本較低等優點。通過上述分析，選用GPRS遠程無線傳輸方式對水質信息進行實時傳送，完全可以滿足傳感器和系統對監測數據發送和接收的要求。

由于Socket接口是訪問Internet時用得最廣泛的方法，因此本系統采用面向連接的流式的Socket，針對面向連接的 TCP服務，實現由傳感器采集的水質信息的實時接收。

2.2.2 地理信息系統技術

GIS是以測繪測量為基礎、以數據庫作為數據儲存和使用數據源、以計算機編程為平臺的全球空間分析即時技術。近年來，由于新技術的發展和能夠獲取或共享的區域性數據日益豐富，因此傳統的大而全的地理信息系統已逐漸被集成二次開發的 GIS系統所取代[6]。水質環境動態監測的實現有賴于信息的實時更新和對信息的空間分析與綜合處理。GIS強大的專題制圖功能可將環境的變化情況、規律[7]，通過直觀的圖件資料予以顯示，實現對空間信息及其他種類信息的有效管理，實現對環境的綜合動態監測。

本文系統利用MapX組件技術進行開發，將GIS作為本項目的基礎平臺，起到存儲、處理和分析空間信息的作用。系統通過接收水質傳感器采集的數據，監測不同時段的信息變化情況，比較不同的空間數據集或其他種類的信息[8]。圖2為基于GIS的智能化信息系統(以太湖流域為例)初始界面。

圖2 系統初始界面

2.2.3 數據庫技術

結構化查詢語言(Structured Query Language,SQL)是一種數據庫查詢和程序設計語言，用于存取數據及查詢、更新和管理關系數據庫系統。

本系統數據來源于多水質參數傳感器，并配有高精度的信標機，采集包括時間、地理坐標等基本數據，利用GPRS模塊進行遠程數據傳輸。系統采用開放數據庫連接(Open Database Connectivity, ODBC)接口，將實時監測數據和大量歷史數據存儲在數據庫中。可實現水質信息、GPS位置信息實時顯示，并按時間跨度對歷史信息進行查詢和對比。

3 系統功能實現

3.1 水質信息分析

系統可實時顯示下位監測點的水質監測數據，可將水環境變化情況通過直觀的圖像資料予以顯示。監測點每小時對水質參數進行一次采集，并通過GPRS上傳。圖3為實時監測狀態和歷史查詢狀態顯示。

圖3 實時監測顯示與歷史數據查詢界面

水質監測點圖標將實時顯示在該水域地圖中的相應位置上，當鼠標放置于圖中該監測點上時，該監測點的水質信息將以列表的形式顯示；同時，在界面左側的日歷中選擇需要的日期和時間段，可以進行水質信息的歷史查詢。

系統實現了不同監測點可變時間跨度數據對比功能。通過選定2個或2個以上監測點在某一時間段內所采集的數據進行比對，可以曲線圖形式在同一界面中直觀顯示這些監測點的水質變化情況，如圖 4所示。

圖4 監測點數據對比

3.2 水華預測預警功能

湖庫體系是一個多層次、多因素、多目標的復雜系統，水質信息系統也具有明顯的層次復雜性、動態變化隨時性、指標數據不完全、不確定性[9]。針對湖庫水華產生的特點，應用智能信息處理技術對采集到的大量數據進行分析，將灰色理論與神經網絡結合，對水華的爆發時刻進行預測[10]。

具體建模步驟如圖5所示。

圖5 灰色-BP神經網絡建模步驟

將葉綠素參數值分為多個時間序列，分別建立GM(1, 1)模型，獲得葉綠素的預測值，將這些預測值與實際值之間的偏差關系及序列之間的相互關系綜合到神經網絡模型中考慮。將GM(1, 1)模型對下一時刻或幾個時刻葉綠素預測的偏差值作為神經網絡的一個輸入，影響水華的另外幾個主要因素(總磷、總氮、光照、溫度等)作為神經網絡的其他輸入，對應輸入的下一時刻葉綠素偏差值作為神經網絡的導師信號，將預測值偏差與GM(1, 1)模型對應時刻的預測值疊加，即得到葉綠素的預測值。圖6為水華預測仿真結果(預測周期為30天)。

圖6 30天水華預測結果

基于灰色-BP神經網絡的混合模型能夠有效預測水華暴發，預測精度達到90%以上。

4 結束語

本文開發了集成網絡通信技術、地理信息系統技術、SQL2005數據庫技術于一體的湖庫水質監測與水華預警智能信息系統，著重介紹了實現該系統的關鍵技術及中長期水華智能預測預警方法，為提高湖庫水質自動化監測程度及水華高精度預測提供了一套有效的信息化平臺。

[1]孟春紅, 趙 冰.2007三峽水庫蓄水后的富營養化趨勢分析[J].農業環境科學學報, 2007, 26(3): 863-867.

[2]Gubelit Y I, Berezina N A.The Causes and Consequences of Algal Blooms: The Cladophora Glomerata Bloom and the Neva Estuary (Eastern Baltic Sea)[J].Marine Pollution Bulletin, 2010, 61(4-6): 183-188.

[3]Hudnell H K, Jones C.Freshwater Harmful Algal Bloom(FHAB) Suppression with Solar Powered Circulation(SPC)[J].Harmful Algae, 2010, 9(2): 208-217.

[4]顧 崗.太湖藍藻暴發原因及其控制措施[J].上海環境科學, 2006, 15(12): 10-11.

[5]劉載文, 吳巧媚, 王小藝, 等.基于優化理論的藻類生長模型及在水華預測中的應用[J].化工學報, 2008,59(7): 1869-1873.

[6]靳海亮, 劉慧杰, 苗保亮, 等.基于 MapX 控件的 GIS應用軟件基本功能二次開發[J].計算機與數字工程,2011, 19(1): 26-29.

[7]竇佩瓊, 唐志剛, 文新宇.基于GIS平臺的SQL Server環境監測數據庫的應用[J].四川環境, 2007, (3): 45-47.

[8]李大年, 余家燕, 楊 燦, 等.重慶市環境監測 GIS系統應用與實現[J].三峽環境與生態, 2009, (1): 37-40.

[9]劉載文, 呂思穎, 王小藝, 等.河湖水華預測方法研究[J].水資源保護, 2008, 24(5): 26-29.

[10]朱世平, 劉載文, 王小藝, 等.基于灰色-BP神經網絡的水華預測方法[C]//中國智能自動化會議論文集.南京:[出版者不詳], 2009: 1067-1072.