基于ARIMA模型的環境監測系統設計與實現

王 鵬，徐圣法，劉杰強，李田甜，王海江

(北京東方計量測試研究所，北京 100086)

0 引言

隨著試驗任務的不斷增加，對發射區工作環境的安全性和可靠性提出了更高的智能化監控管理要求。如何更好的在信息化、智能化的技術條件下，收集整合分析環境參數數據，高效評估預測環境健康狀態，對突發事故快速響應報警，提前預判安全事故，把風險系數降到最低，是當前智慧發射場建設需研究的課題。本文設計的環境監測系統，通過在發射區關鍵位置布置的傳感器收集環境參數信息，采用虛擬實景、二維、三維、圖形、圖表、柱狀圖、餅狀圖、曲線等多種可視化手段，在正常情況下，實時展示發射場區環境綜合監測信息；在事故發生時，快速鎖定泄漏源位置，預判推進劑泄漏擴散路徑，評估事故危險等級，給出巡檢人員最佳逃生路線的指導性意見，為管理者指揮調度提供重要的數據參考依據。該系統顯示功能多樣化，操作簡單，維護便捷，可實現跨平臺訪問與管理，具備智能預判與提前預警等快速響應能力，提高了發射場智能化監控管理水平，有效提升人員工作效率。目前該系統已在某地投入使用，應用效果顯著。

1 系統功能要求

環境監測系統主要用于實時監測、評估、判斷發射區環境的健康狀態、推進劑泄漏情況、推進劑泄漏擴散狀態、空調設備運行狀態、人員健康狀態等情況，對突發安全事故快速響應，迅速鎖定事故源，掌握相關處置策略，對事態變化趨勢跟蹤和評估，作為事故搶救的重要依據。其主要功能如下。

1.1 重要部位，實時監測顯示

利用關鍵部位布置的傳感器、網絡通訊、數據交互、大數據分析與處理等多種技術手段，結合地理圖像數據，采用虛擬實景、二維、三維、圖形、圖表、柱狀圖、餅狀圖、曲線等多種可視化手段，實時展示發射區域環境健康狀態、空調設備運行狀態，跟蹤推進劑泄漏數據的變化趨勢，并對環境安全程度做出評估。還可進行歷史數據查詢、三維模型歷史數據回放、歷史數據變化趨勢查詢等操作。

1.2 突發事故，快速報警提醒

當推進劑泄漏事故發生時，可通過界面高亮閃爍和現場聲光報警器，根據不同程度的報警等級，發出報警信號，實現雙重報警，快速鎖定泄漏源位置，及時判斷評估泄漏事故狀態，為巡檢人員提供最佳逃生路線的指導性意見，快速給出事故處理的合理建議。還可進行報警歷史查詢、報警事件統計分析、重要數據預測報警、報警限值設定等操作。

1.3 環境狀態，跟蹤預測評估

當發生推進劑泄漏事故時，可通過泄漏源定位功能，快速鎖定事故發生源頭，為事故搶修節約寶貴時間；通過推進劑泄漏擴散評估功能，模擬推進劑泄漏后，在發射場外部擴散情況，為場外工作區與生活區人員撤離提供指導意見；通過空調設備運行狀態評估功能，判斷重要區域空氣風場流向及風力大小，為空調設備控制調整提供指導意見；通過重要數據變化趨勢預測功能，提前預防安全事故發生，為試驗任務安全執行提供有力保障。

1.4 人員健康，安全運維管理

通過巡檢人員佩戴便攜式個人劑量計設備，收集工作人員接觸推進劑濃度累積量，記錄統計巡檢人員工作情況，運用加權比較法，分析評估人員健康狀態，建立人員健康檔案，為工作人員健康工作，提供指導意見。

1.5 系統設備，智能監控管理

可對系統中涉及到的傳感器、數據采集器、個人劑量計、聲光報警器等設備進行配置、修改、增刪操作；建立設備信息庫，定期提示需要維護的設備信息；對系統用戶個人信息、系統界面操作菜單、用戶操作日志記錄、角色分配權限，進行集中運維管理，實現權限統一分配和系統輔助操作管理。

2 系統整體架構

環境監測系統主要是通過發射場重要區域和關鍵位置布置的各種高精度傳感器，實時采集發射區周邊偏二甲肼氣體濃度、二氧化氮氣體濃度、氧氣濃度等10余種環境參數狀態信息，通過數據采集器把環境參數模擬信號轉換成數字信號，再傳遞到中轉工控機上，通過組態軟件把數據轉換成特定協議格式，打包分類，傳送至服務器主機上，通過數據處理軟件和評估算法模塊，對數據進行綜合分析、計算、處理、評估，并通過數據顯示軟件，把處理后的數據展示給用戶。該系統采用B/S架構設計[4]，可以直接在瀏覽器中輸入網址打開，通過特定賬號和密碼來遠程登陸訪問該系統，便于用戶隨時查看發射區域現場及周邊以至整個場區的態勢。在人員值班室分別放置兩臺聲光報警器，當泄漏事故發生時，系統自動控制發出聲光報警信號，提示工作人員事故排查。

環境監測系統通過對環境參數收集分析，運用Calpuff軟件[5-7](非穩態拉格朗日煙團模型，可模擬三維流場隨時間和空間發生變化時，污染物在大氣環境中的擴散過程)，建立氣體擴散模型，模擬推進劑泄漏后，在發射場外部擴散情況，為場外工作區與生活區人員撤離提供指導意見；運用樸素貝葉斯方法，判斷定位推進劑泄漏源位置，輔助值班人員及早發現險情，為事故搶修節約寶貴時間；基于ARIMA模型，預測評估推進劑泄漏變化趨勢，提前做好防范工作，把安全事故風險系數降到最低；通過微壓差數據分析對比，識別關鍵區域風場流向和風力強度，判斷當前空調設備運行情況是否符合設計要求，為空調設備風量控制調節，提供指導意見，確保推進劑泄漏后，可沿風場方向排出場外，保障巡檢人員人身安全；通過巡檢人員攜帶的個人劑量計，收集人員攝入的推進劑濃度累積量數據，運用加權比較法，評估人員健康狀態，建立人員健康檔案，給出員工合理工作建議，保障身心健康。

系統結構組成圖如圖1所示。

圖1 系統結構組成圖

3 系統軟件設計

該系統采用B/S架構設計，運行于銀河麒麟操作系統上，可兼容Microsoft Windows系列操作系統，數據存儲于MySQL數據庫中，采用SpringBoot框架編寫業務層服務，前臺展示界面采用Vue.js技術開發，其邏輯架構如圖2所示。系統軟件由兩部分組成：數據處理軟件和數據顯示軟件。數據處理軟件包含數據接收、數據庫管理、數據分析、數據服務和評估算法；數據顯示軟件包含數據顯示與查詢模塊、報警查詢與預警模塊、環境評估模塊、人員健康檔案、設備管理模塊和系統管理模塊。

數據處理軟件主要負責對中轉工控機上傳的實時監測數據接收處理，與評估算法模塊配合完成數據的綜合分析與評估、對其運行結果進行存儲和管理。數據顯示軟件可以通過訪問服務器數據庫表對處理和評估后的數據進行提取顯示。數據顯示軟件為人機操作交互界面，通過向各個模塊發送請求，被請求模塊前往數據庫表中調用相關數據，然后返回查詢的數據結果，結合地理信息模型，運用多種可視化手段，為用戶展示數據運行結果。數據處理軟件和數據顯示軟件二者之間完全獨立運行，通過WebSocket通信協議進行數據交互。

圖2 系統架構圖

軟件運行流程如圖3所示。首先，數據處理軟件采用UDP通信協議方式獲取數據采集器傳輸的各類環境參數信息數據，并對數據進行解析。然后，系統對解析后的數據通過與報警限值比較，判斷是否存在報警事件，如果存在，則在系統界面報警提示，并把報警信息存儲到報警記錄數據庫表中；如果不存在，則把解析后的數據存儲到實時監測數據庫表中。同時，解析后的數據經算法評估模塊的各功能模塊運行計算，得到預測評估結果數據，并對結果數據與預警限值比較，判斷是否有預警事件發生，如果有，則在系統界面預警提示，并把預警數據存儲到預警記錄數據庫表中；如果沒有，則把結果數據存儲到預測數據庫表中。同時，解析后的數據經過處理分析后，存儲到相應的數據庫表中。當用戶需要查看不同類型的數據信息時，數據顯示軟件觸發數據調用程序，從相應的數據庫表中提取相關數據信息，進行多維度展示。

圖3 系統軟件流程圖

4 預測報警算法

推進劑濃度是環境參數中最重要的監測指標，一旦發生泄漏事故，如果處理不當，將會引發嚴重后果。為了預防推進劑泄漏事故發生，系統開發推進劑預測報警功能，通過對推進劑歷史數據和實時數據的綜合分析，運用ARIMA模型[8-10]，對推進劑泄漏的時間序列數據分析與預測，提前預警，及早通知維護人員檢查維修，把安全事故風險系數降到最低。

預測報警算法模塊工作流程如圖4所示。首先，數據處理軟件對推進劑實時監測數據進行預測門限判別，當推進劑濃度數據連續5個以上超過預測門限值時，系統觸發算法模塊，對推進劑數據變化趨勢預測，并根據預測結果，繪制出未來24小時內的數據變化趨勢曲線，同時，系統還對預測值與報警閥值進行比較，如果預測值超過報警閥值，數據處理軟件立即向數據顯示軟件發出報警信號，通過系統界面報警提示和聲光報警器發出聲光報警信號等多種報警手段，提醒工作人員有安全隱患存在，需前往現場故障排查。系統自動將預警過程信息和預警判別結果存入到預警記錄數據庫表和趨勢預測數據庫表中，便于用戶后續查看。

圖4 預測報警算法模塊工作流程圖

預測報警算法是基于ARIMA模型來實現的，其中，φ、θ兩個權值的作用是將采集的推進劑濃度值Xt-i和誤差項u進行加權，獲得未來時刻推進劑濃度的預測值Xt，權值需要通過ARIMA模型運算獲取。

ARIMA算法模型可以表示為：

(1)

式中，Xt-i為系統在t-i時刻所采集到的推進劑濃度值；Xt為算法模塊預測的t時刻推進劑濃度值；ut-j、ut為t、t-j時刻的誤差項；φi為對應i時刻采集的推進劑濃度的權值；θj為j時刻誤差項的權值；p、q為通過ARIMA模型識別定階后生成的最佳參數。

算法模塊運行步驟如下所示：

1)識別推進劑濃度序列的平穩性。把采集到的推進劑濃度值看做一個序列，令Bk為k時刻推進劑濃度的滯后算子，即：

BkXt=Xt-k

(2)

把公式(2)代入到公式(1)得公式(3)：

(3)

令φ(B)=1-φ1B+φ2B2+……+φpBp,則序列的平穩條件是φ(B)的根在單位圓外。

2)對非平穩序列平穩化處理。如果推進劑濃度序列的根在單位圓內，即為非平穩濃度序列，則需要對序列數值進行差分運算。取序列中各相鄰項之間的差值，組成新的序列，并判斷新序列的平穩性。如果新序列依然為非平穩序列，則繼續差分運算，直到差分后的序列變為平穩為止，差分階數記為d。

3)根據序列模型識別規則，建立對應序列模型。當推進劑濃度序列平穩處理后，對模型識別定階，判斷適合該序列的最佳模型，識別出使模型最佳的p與q兩個參數。

在建立模型的過程中，首先需確定推進劑濃度序列的自協方差函數rk、自相關函數pk與偏自相關函數φkk，其數學公式如(4)～(6)所示。

(4)

式中，σ2為白噪聲序列的方差；k為某一時刻。

(5)

式中，pk表示推進劑濃度序列中，相隔k時刻的采樣值之間的相關程度。

(6)

式中，φkk表示對于推進劑濃度序列Xt，在已獲取k-1個推進劑濃度序列值的情況下，Xt與Xt-k之間的條件相關關系。

隨著k的增加，如果推進劑濃度序列的自相關函數pk與偏自相關函數φkk的函數值逐漸變為0，我們稱其具有截尾性；反之，如果隨著k的增加，自相關函數值和偏自相關函數值不為0，則稱其具有拖尾性。若濃度序列的偏自相關函數是截尾的，而自相關函數是拖尾的，則濃度序列選用AR模型運算；若濃度序列的偏自相關函數是拖尾的，而自相關函數是截尾的，則濃度序列選用MA模型運算；若濃度序列的偏自相關函數和自相關函數均是拖尾的，則濃度序列選用ARMA模型運算。

模型的最佳參數p和q可以通過AIC準則來確定，AIC定階準則的公式如式(7)所示：

(7)

(8)

(9)

(10)

5)把獲得的最佳參數p和q、權值φ和θ、推進劑采集的濃度值Xt-i以及誤差項u代入到識別得到的序列模型中，經計算，最終得到未來各時刻的推進劑濃度差分數據序列。在關閉算法模塊之前，系統將一直延用識別得到的序列模型進行預測，模型運算得到的各項參數值將保持不變。

6)對計算得到的未來時刻推進劑濃度差分數據序列進行差分逆運算，即為推進劑濃度未來時刻預測值，系統自動把預測值存儲到趨勢預測數據庫表中。

通過上述步驟，可以得到推進劑濃度未來時刻預測值，系統通過調用趨勢預測數據庫表中相關數據，繪制成推進劑濃度變化趨勢曲線，展示給用戶。

運用MATLAB仿真軟件驗證監測預警算法的準確性。系統連續選取600個真實的推進劑濃度值作為參考數據源，監測預警算法模塊按照上述步驟，利用前200個推進劑濃度實際值，計算得到后400個推進劑濃度預測序列值，預測數值與實際數值對比，如圖5所示。對算法得到的推進劑預測值與實際值進行相對誤差運算，運算結果如圖6所示，由圖可看出，推進劑預測值與實際值相對誤差小于2.6%。

圖5 實際值與預測值仿真對比圖

圖6 相對誤差運算結果圖

根據上述實驗結果可知，由預測報警算法模塊計算得到的推進劑濃度預測序列數據曲線與推進劑實測曲線相比，準確率最高達97%以上，可以作為推進劑泄漏預測報警的重要判斷依據。

5 試驗驗證與分析

為了驗證系統功能指標是否滿足設計要求，保證試驗結論的真實性和有效性，特委托第三方測評機構對系統功能測試。測試工具包括：USR-TCP232-Test串口轉網絡調試助手、jmeter壓力測試工具、Post-man接口測試工具、MATLAB仿真工具、Visual Studio、MySQL和ProView。

系統功能測試連接關系如圖7所示，測試方法主要是通過數據源模擬軟件模擬現場實時數據，驗證系統功能符合情況。

圖7 系統功能測試連接關系圖

系統主要測試用例執行情況統計如表1所示，系統全部測試用例執行情況統計如表2所示。系統所有測試用例都覆蓋執行，所有測試用例都全部通過，無不合格測試項，系統功能滿足設計要求。

6 結束語

本文提出的環境監測系統，結合了“大數據分析、物聯網、虛擬實景、人工智能”等最前沿技術手段，實現了對發射區環境安全、空調設備運行安全和人員健康安全的全面監控，通過評估算法模塊及ARIMA數學模型，大大提高了發射場智能化監控管理水平，為發射場建設提供安全、可靠、敏捷的一體化解決方案。

表1 系統主要測試用例執行統計表

表2 系統全部測試用例執行情況統計表

該系統在實際應用中發揮了重要作用，可為其他領域的環境與設備健康監測管理提供一種技術手段，具有一定的實用性和應用前景。