人工智能在大氣環境監測的應用研究進展

王振豪 梁爽 李若飛 達爾仁·阿斯哈提 張樂華

摘要：通過將人工智能在大氣環境監測中運用時的各個結構進行剖析，綜述傳感器網絡等，將網絡結構中的感知層、網絡層、應用層依次的呈現出來;結合實際案例，綜述現階段人工智能技術在大氣環境監測應用的研究進展。

關鍵詞：人工智能;環境監測;大氣污染;傳感器

中圖分類號：X84 文獻標識碼：A 文章編號：2095-672X（2019）08-0-03

DOI：10.16647/j.cnki.cn15-1369/X.2019.08.101

Application of artificial intelligence in atmospheric environmental monitoring： A review

Wang Zhenhao， Liang Shuang， Li Ruofei，Da Erren， Zhang Lehua

（School of Resources and Environmental Engineering， East China University of Science and Technology，Shanghai 200237，China）

Abstract：The structures of artificial intelligence used in atmospheric environment detection were introduced. The atmospheric environmental monitoring with artificial intelligence included the perception layer， network layer and application layer in the network structure. Combined with practical cases， the application of artificial intelligence technology in atmospheric environmental monitoring was evaluated.

Key words：Artificial intelligenc; Environmental monitoring; Atmospheric contamination; Sensor

圖1 物聯網系統總框架圖

作為自然界的最主要環境要素之一，大氣環境對人類和動植物的生存起著至關的重要作用，但工業發展不可避免的帶來了許多大氣污染問題。自從二十一世紀以來，我國大氣環境污染狀況也不容樂觀，西南地區酸雨、北方冬季霧霾等問題頻繁發生[1-2]。因此，治理大氣污染已經是一個刻不容緩的問題，而治理的第一步就是對大氣環境質量進行監測。我國在大氣環境監測方面與國外仍有一定差距：美國即將在全國各地建立空氣監測站，實現對全國范圍內的大氣環境實時動態監測;日本政府也加大了對環境監測系統的研發投入[3-4]。雖然近些年來國內環境監測技術有所發展，但在動態實時及智能監測方面仍然落后。

人工智能是指由人為創造的系統所表現出來的智能。其主要能力是存儲知識，讓程序能夠處理，并通過一定的運算實現我們預設的目標。同時，人工智能也可以對以視覺圖像、聲音、其他傳感器輸入等形式的數據輸入進行處理并作出合理的反應。大氣污染一般可分為物理污染、化學污染、生物污染、顆粒物污染等四種類型，由于污染物質的多樣性、復雜性和變化性，使得對大氣的監測尤為困難。而人工智能以其具有自學習 、自適應和自組織功能，特別是其不需要建立被控對象精確數學模型的特點，非常適用于大氣的監測[5]。如人工智能在氣象行業的應用，利用AI的數據處理能力及神經網絡對臺風進行提前一周的預測。

1 物聯網系統總體構架

人工智能大氣環境監測系統一般由應用層、網絡層以及感知層組成[6]。其物聯網系統總體構架圖1所示。該結構的最底層為傳感層，傳感器通過特殊的樸拓結構，構成傳感器網絡，然后通過無線通信模塊將采集到的信息傳輸至網絡層;網絡層有多個網絡子節點，組成多條傳輸路徑，匯總整理之后將環境信息送至應用層;應用層將數據進行最終處理，并通過人機交互平臺將信息呈現出來。

2 感知層

在大氣環境監測系統中，感知層又稱為大氣環境實時動態監測無線傳感網絡硬件系統，是大氣監測系統的基礎，起著采集信息并將之傳輸的作用[7]。

2.1 傳感器

對于上述四大類污染，現在通常會對溫度、濕度、大氣壓、CO濃度、CH4濃度、甲醛濃度、煙霧濃度、粉塵等方面進行監測，其對應的傳感器分別為粉塵傳感器，溫濕度傳感器，氣壓傳感器，CO傳感器，煙霧傳感器，甲醛傳感器和CH4傳感器。

2.1.1 溫濕度傳感器

圖2 溫濕度傳感器結構圖

大氣環境溫濕度監測是其他各項監測的基礎，所以在分析各項環境監測數據前必須要確定溫濕度，然后在其基礎上進行運算標定，溫濕度傳感器其結構如圖2所示，傳感器采取互補金屬氧化物半導體材料將電壓放大，利用能量間隙體監測環境溫度，通過電容體監測環境濕度，具有很強的抗干擾性能和很高的靈敏度[8]。

2.1.2 煙霧傳感器

煙霧傳感器依靠煙霧濃度檢測電路。煙霧傳感器檢測出的微弱電壓信號進行放大處理，由于煙霧傳感器自帶信號放大器（AD），放大后的信號與煙霧傳感器引腳相連，實現室內煙霧濃度采集。傳感器數據采集電路如圖3所示。

圖3 傳感器檢測電路設計

2.1.3 光照強度傳感器

光照強度由光敏電阻測得，將光敏電阻與一個阻值與光敏電阻隨光強變化時中間阻值相等的電阻串聯，通過測電壓的變化測光照強度[9]，電路如圖4所示。

圖4 光照測量強度電路

2.2 傳感器網絡

圖5 傳感器節點組成

傳感器網絡是由許多在空間上分布的傳感器組合而成的。這些不同功能的傳感器相互協作，共同監測某一區域的各項環境指標（比如溫度、濕度、聲音、壓力、懸浮物、揮發性有機物等等）。傳感器網絡的基礎結構組成是大量部署在所要監控區域內、具有單獨無線通信能力的微小傳感節點。根據周圍環境條件和所要完成的監測任務，傳感器節點以自組織方式構成分布式智能化網絡系統[10-11]。傳感器網絡結合傳感器技術、嵌入式計算技術、無線通信技術及分布式信息處理技術等于一體，通過網絡層將檢測到的環境因素傳遞至應用層，用戶對此環境條件進行判斷，采取相應對策。傳感器網絡節點主要由四個基本單元組成：①傳感單元，主要包括傳感器和模數轉換功能模塊;②處理單元，執行嵌入式系統，包括CPU、存儲器、嵌入式操作系統等;③通信單元，由無線通信模塊組成;④電源部分[12-13]。

3 網絡層

網絡層是感知層和應用層之間數據傳送的透明介質，是由多個網絡節點按照隨機的拓撲結構相互連接組成的[14-15]。交換網絡拓撲結構如圖6所示。

圖6 交換網絡拓撲結構

網絡層中，通信子網絡節點之間的相互連接、互相組合構成了多條傳輸路徑，網絡節點在收到信息后，首先要進行路由選擇，即選擇確定合適的信息傳輸路徑。確定路由選擇的方法被稱作路由算法[16-20]。路由算法的選擇要考慮五個方面的影響因素：①路由算法所要基于的性能指標——最短路徑還是最優路徑;②通信子網是采用數據報方式還是虛電路方式;③采用分布式還是集中式路由算法;④考慮網絡信息的來源;⑤采用動態路由選擇策略，還是靜態路由選擇策略。

4 應用層

應用層位于物聯網三層結構中的最頂層，其功能為對感知層采集環境信息進行計算處理，將環境條件以人們需要的方式展現出來，從而實現對環境質量的實時監測，進而通過得到的環境信息找到合適的應對措施[21-22]。應用層工作的兩個方面：一是“數據”，完成對數據的管理和處理，然后以合適的方式呈現;二是“應用”，將處理后的數據與各行業應用相結合，使各產業智能化。例如在大氣環境監測中臭氧的實時動態監測：放置在目的區域的臭氧在線檢測儀在收集到大氣中的臭氧濃度后，通過網絡層發送并匯總到環境監測中心的電腦終端上。電腦終端就是應用層的主要組成部分，它通過對收集到的臭氧濃度信息以合適的方法進行處理，通過對這些信息的判斷，做出相應的應對措施[23]。

5 案例分析

5.1 基于無線傳感網絡的大氣PM2.5污染狀況實時監測

近些年來，由于霧霾現象的頻繁發生，而霧霾的成因主要是大氣中以PM2.5為首的顆粒物濃度過高導致的，因此有必要對PM2.5進行實時監測，及時控制。將大氣環境監測與人工智能相結合，提出以無線傳感網絡為基礎的PM2.5的實時監測系統[24]。感知層使用粉塵傳感器，利用氣體中顆粒物對不同波長表現出的吸收光譜不同，傳感器中的激光發射器對氣體注入發射光源，同時得到輸出光信號，進而獲得諧波分量信號中的大氣中PM2.5顆粒物濃度。然后利用無線傳感技術，其作為檢測系統的基礎，將傳感器網絡監測到的信號利用網絡路由器傳輸到系統的終端節點。最后利用人工魚群理論對終端節點的布置進行效果優化，以提高網絡覆蓋率并盡可能降低監測系統的能耗，降低運行成本，后將信號傳入應用層，通過人機交互使監測到的數據沉呈現出來。

5.2 基于LoRa的大氣環境監測系統

從Semtech公司推出LoRa無線擴頻調制技術，到2015年LoRa聯盟成立，再到如今，LoRa技術已經被廣泛應用于物聯網領域。該技術能夠實現以較低的發射功率擁有很遠的通信距離，相關資料顯示，在空曠地區，LoRa射頻模塊的通信距離為15km[25]。并且LoRa無線擴頻調制技術具有穩定性高、低能耗、低成本等優點。

LoRa大氣環境監測系統以stm32作主控制器，體系的數據感知層由傳感器網絡和Lora射頻無線通信組成。射頻通信模塊和GPRS網絡通信組成匯聚結點，其功能是接受采集的數據，通過GPRS公網將數據傳輸到監控中心。監控中心對所得的大氣環境參數進行處理，分析各個監測點的實時環境狀況，作出針對性的判斷后采取相應的措施。

5.3 基于ZigBee和GIS的大氣環境實時動態監測系統

基于Zigbee和GIS技術的大氣環境實時動態監測系統是一種低成本、易布設、易維護的軟硬件技術平臺[26]。它的功能除了實時監測大氣各項環境指標，還可以跟蹤污染源的變化，及時對污染事故進行預警。

該系統分為感知層和應用層。感知層采用基于ZigBee的無線自組網技術和GPRS無線傳輸技術，實時定位監測大氣環境信息;應用層是基于B/S架構的大氣環境實時動態監測系統。該系統通過實時動態采集和分析環境數據的空間分布與動態變化，及時預警環境污染事故[27-28]。

6 總結

人工智能與大氣環境監測相結合，可以實現對某個區域的大氣環境條件全面實時動態及智能監控。大氣各種環境參數通過感知層中的傳感器采集，在傳感器網絡中經過嵌入式計算技術進行初步處理計算，后經過無線傳感網絡傳入網絡層中，通過路由算法選擇傳輸途徑，實現信息的匯集與傳輸至多個應用層終端。大氣環境條件參數在應用層經過云計算系統進一步分析整理，將大氣環境數據通過人機交互平臺呈現實時出來，人們根據所測參數采用相應的措施。目前在國內，人工智能在大氣環境檢測方面的應用還處于一個萌芽期，實現人工智能在大氣環境檢測上的全面應用還需要深入研究，最終實現人工智能與大氣環境監測相結合。

參考文獻

[1]ZHAO K R，CHEN J Y，XU Z C，et al. Emission characteristic analysis of urban domestic pollution sources in china[J].Procedia Environmental Sciences，2010，23（2）：761-767.

[2]D B K， L A. Direct quantification of PM2.5 fossil and biomass carbon within the northern front range air quality studys domain[J]. Environmental Science&Technology，2015，33（23）：4146-4154.

[3]WU S，FENG Q，DU Y，et al.Artificial neural network models for daily PM10air pollution index prediction in the urban area of Wuhan，China[J].Environmental Engineering Science.2011，28（5）：357-363.

[4]李瑾，孫偉.環境監測站儀器設備期間核查的探討[J].廣州環境科學，2013（1）：44-46.

[5]WenHu， Fan Guixian， Zhai Xiaowei， et al. Atmospheric monitoring system and analysis of Shenhua CCS Project. Safety and Environmental Engineering.2015，22（5）：73-78.

[6]陳立偉，楊建華，曹曉歡，賀寧.物聯網架構下的室內環境監控系統[A].電子科學大學學報，2012（2）：265-268.

[7]CHUNG C C，WENG W S. Remote access the ZigBee sensor network through the IP network [J].Advanced Materials Research.2013， 684（4）：539-542.

[8]李麗芬，云彩霞，陳曉芳.基于嵌入式系統的環境監測與控制系統[A]. 現代電子科技，2017，40（19）126-128.

[9]胡曉芳.基于AVR單片機的室內環境檢測系統[J].自動化技術與應用，2014（7）：117-119.

[10]梁韋華，于海斌，臧傳治，等.基于多智能體的無線傳感器網絡仿真平臺的研究[J].系統仿真學報，2006，18（4）：913-917，937.

[11]趙繼聰，秦魏，周盼.淺析無線傳感器網絡及其應用[J]. 科技致富向導， 2011（8）：38-38.

[12]方磊，黃韜，舒堅.事件驅動型無線傳感器網絡能量監測機制研究[J].傳感器與微系統， 2018，27（10）：14-17.

[13]邱生輝，姜秋霞，龐曉萌，等.可靠的無線傳感器網絡分簇協議研究[J].計算機科學與應用，2018，8（6）：930-936.

[14]D.Goyal， M.R.Tripathy. Routing Protocols in Wireless Sensor Networks：A Survey[C].Proceedings of the Second International Conference on Advanced Computing &Communication Technologies（ACCT），Rohtak，Haryana，2012：474-480.

[15]曹鶴婷.智慧物流系統的分析與設計[J]，移動通信，2014，（21）：33-37.

[16]鐘宏波.包神鐵路公司TDCS網絡子系統的設計與實現[D]，東北大學碩士學位論文.2009.5：20-24.

[17]王謙.人工神經網絡在圖像識別中的應用研究[D].東南大學碩士論文，2014.

[18]王長亮.網格環境下協作型任務的資源調度算法研究[D].武漢理工大學碩士論文，2007 DOI：10.7666.

[19]張成成，陳求穩，徐強，等.基于支持向量機的太湖梅梁灣葉綠素a濃度預測模型[J].環境科學學報， 2013，33（10）：2856-2861.

[20]謝劍萍，鄭麗娟.基于神經網絡的城市大氣污染評估模型的研究[C]. 2014年計算機科學與技術及教育技術學術研討會論文集，2014：274-280.

[21]王小平， 曹立明. 進化算法——理論應用與軟件實現[M]. 西安： 西安交通大學出版社， 2002： 116-117.

[22]ZHONG S，ZHOU I.WANG Z. Software for environmental impact assessment of air pollution dispersion based on Arc GIS [J].Procedia Environmental Sciences.2011，24（10）：2792-2797.

[23]邵丹，陳紅玉.物聯網在高速鐵路安全領域的應用研究[J].電腦知識與技術，2015，11（14）：36-37.

[24]左種善，孫超.基于無線傳感網絡的大氣環境PM2.5污染狀況實時監測.[J].科學技術與工程，2017，17（34）：263-267.

[25]劉強強，馬苗力，翟寶蓉.基于LoRa的大氣環境監測系統[J].計量與測試技術，2018.45（5）：6-9.

[26]王素珍，靳奉祥，等.基于ZigBee和GIS的城市大氣環境實時動態監測系統[A].濟南大學學報，2016.30（2）：133-138.

[27]Shengjun Wu，Qi Feng， Yun Du， et al. Artificial neural network models for daily PM10 air pollution index prediction in the urban area of Wuhan，China[J].Environmental Engineering Science，2011，28（5）：357-363.

[28]XIN Z，CHEN G，LI X. Research on the ZigBee network and equipment design based on the CC2530 [J].Advance Materials Research.2012.32 （3）：482-486.

收稿日期：2019-05-11

作者簡介：王振豪（1998-），男，本科，研究方向為環境工程。

通訊作者：張樂華（1974-），男，副教授，研究方向為環境工程。