并行處理網絡下水質污染物跟蹤檢測仿真

楊艷麗，楊新吉勒圖，韓煒宏

(1. 內蒙古工業(yè)大學經濟管理學院，內蒙古 呼和浩特 010051；2. 蒙古國科技大學商業(yè)研究所，蒙古國 烏蘭巴托 46520)

1 引言

在城市化和工業(yè)化的飛速發(fā)展下，廢棄物和污染物的大量排放，導致江、河、湖、海等水環(huán)境受到了嚴重污染。水質污染物具有生物積累性的特點，甚至有些污染物的危害也很大，不斷尋求水質污染物的檢測方法是當今水質污染檢測的主要任務[1-2]，隨著對環(huán)境監(jiān)測工作高效率的要求和經濟的發(fā)展，快速以及有效的水質污染物跟蹤檢測方法的研究成為國際環(huán)境問題所討論的熱點之一，為了能夠快速發(fā)現、控制水質污染物，并行處理網絡下水質污染物的跟蹤檢測十分必要。

吳德操等人提出基于二維重組的并行處理網絡下水質污染物跟蹤檢測方法，結合去噪方法，對水樣光譜做采樣處理，并利用時間和光譜軸建立二維矩陣，二維小波變化之后，設置窗口，該窗口具有寬度可變的特點，根據窗口格中的小波系數計算獲得去噪閾值，利用去噪閾值完成對水質污染物的跟蹤檢測，實驗結果表明，該方法的水質數據去噪性能較好，但存在檢測結果假陽性率高和平均檢測時間長的問題[3]。劉杰恒等人提出氣相色譜-微池電子捕獲的并行處理網絡下水質污染物跟蹤檢測方法，利用污染物分析方法對樣品進行萃取，根據OV-1701色譜柱程序升溫做分離處理，采用微池電子捕獲檢測器來實現對水質污染物的跟蹤檢測，實驗結果表明，該方法的靈敏度高，但水質污染物跟蹤檢測結果的假陽性率較高，不能夠準確的實現檢測[4]。

針對上述兩種研究方法中存在的問題，提出基于紫外光譜的水質污染物跟蹤檢測方法。

2 水質數據和異常

通常情況下，異常被定義為在某個時間中一種或很多種信號的變化情況，異常可能是短暫的或者是持續(xù)發(fā)生的。本文主要對水中是否有污染物進行研究，并假設水質污染物能夠引起水質檢測指標產生變化。污染物會使水質出現異常現象，并且持續(xù)一段時間[5]。

并行處理網絡下水質數據的波動情況分為有四種，分別為水質污染物、噪聲和離群點、工藝操作、背景數據所引起的變化，其中污染物導致的異常現象為水質異常，需要對其進行跟蹤檢測。

1)背景數據

水質的日常數據可以被當作背景數據，其特征為波動性，通常情況下，該數據會隨著外界環(huán)境的變化而變化，例如時間和溫度[6]。將水質背景數據當作時間序列數據，能夠采用時間序列分析法，對預測和測量值進行差異比較，可以有效降低背景數據波動所帶來的影響。

2)工藝操作

對于供水網的基本操作來說，設備維修和閥門水泵開關等均會導致水質數據出現波動，也可能導致水質指標發(fā)生突變，出現誤報。添加模式庫是一種降低異常干擾的通用方法，構建水質數據曲線模式庫，其中包括機械操作、流速改變給水質指標變化帶來的影響，需要不斷的進行更新、完善。在模式庫中找到接近異常的形態(tài)可以降低該類水質異常的干擾。

3)噪聲和離群點

噪聲會引起離群點，離群點是孤立的，通過對水質真實異常持續(xù)時間的分析，設置固定步長的時間窗，異常值小于時間窗的長度時，則水質污染物為異常。若是正常情況時，噪聲和離群點導致出現異常的概率為10%，若連續(xù)10個時間步長存在6個異常情況，其概率為0.0001，若是通過污染物引起的異常則概率為0.9999，此時能夠判斷出水質污染物。

4)水質污染物異常

在一段時間內，當水質指標偏離預測值，并且不屬于常規(guī)模式時，則該種模式屬于異常情況[7]。在實驗環(huán)境中，人為加入污染物將引起游離氯出現異常，在正常的水質下不會出現波動。在現場環(huán)境中，游離氯的變化十分復雜。實際上，經過大量研究證明，化學物質如果存在毒性都會導致游離氯指標發(fā)生變化。

3 基于紫外光譜的水質污染物跟蹤檢測

3.1 水質分析原理

1)紫外光譜

水質中的有機物在紫外的可見波段范圍中，并且有吸收的特點，通過被測物質對紫外光譜的反射或者吸收性質分析的方法為紫外光譜法。

從分子結構來看，有機化合物中包括：不成鍵的孤對電子(n電子)、雙鍵的π電子和單鍵的σ電子三種。

紫外光譜的分子躍遷：

σ→σ*躍遷。該種躍遷所需能量為最大，峰值吸收小于200nm，該種躍遷在飽和有機物中最為常見[8]。

π→σ*或者σ*→π躍遷。該種躍遷所需能量小于σ→σ*，峰值吸收同樣小于200nm。

n→σ*躍遷。該種躍遷適用于雜原子的有機化合物，雜原子包含N、S、O、P等原子，峰值吸收大約在200nm左右。

π→π*躍遷。不飽和有機化合物將產生該種躍遷。

n→π*躍遷。不飽和有機化合物中包含雜原子時，產生該躍遷。

針對有機化合物來說，n→π*和π→π*兩種躍遷可以用來檢測有用的吸收光譜。

2)比爾定律

該定律屬于光吸收基本定律，是比色分析法和吸收光度法研究的基礎。該定律的物理意義為：對于有均勻非散射特性的吸光物質來說，當吸光物質被平行單色光經過時，吸光度的計算公式如下

(1)

其中，I0、It分別表示入射和投射光的強度，T表示透過率，K表示吸收系數，與入射光的溫度和波長相關，L表示光程，c表示物質的濃度，并且c與L成正比，通過式(1)可以得到，光程一定的情況下，A與c呈線性關系。

當介質中有多種吸收光時，采用吸光度的加和性來定量分析光譜。假設組分物質均勻混合時，物質間無相互作用，并且不會與入射光間存在光化學反映，只有光吸收[9]。

對于多分組體系來說，能夠按照吸光度的加和性對吸光度進行求解，設三種組分共同組成混合物，并且之間無相互作用，分別用向量s1、s2和s3來表示其對應的光譜吸光度，對應的濃度為c1、c2和c3，按照加合定律，該體系的A可以由下式求出

A=c1s1+c2s2+c3s3+e

(2)

式中，e表示儀器測量誤差，則有：

A1=c1s11+c2s12+c3s13+e

A2=c1s21+c2s22+c3s23+e

…

Am=c1sm1+c2sm2+c3sm3+e

(3)

A=cs+e

(4)

對于包含p個組分樣本n在m下數據的矩陣表達式如下

An×m=Cn×pSp×m+En×m

(5)

3.2 數據預處理

1)均值中心化

均值中心化可以聯系待測物質和光譜吸收度的變化，對校正集的光譜進行求解，對樣品和平均光譜做減法計算，可以獲得經過變換之后的光譜，構建光譜定性或者定量模型之前，常見的數據預處理方法為均值中心化，該方法可以使樣品光譜間的差異得到提升，大大提高了模型的分析能力。

對校正集樣品的平均光譜進行計算

(6)

其中，n表示校正集的樣品數量，k=1，2，…，m，對于未知的樣品譜x來說，利用下式可以獲得經過處理后的光譜：

(7)

2)標準化

標準化又可以稱作均值方差化，首先對經過均值中心化處理所得的光譜和利用校正集光譜矩陣求得的標準偏差光譜進行求解，再利用前者對后者做除法運算。

標準偏差光譜的計算公式如下

(8)

經過標準化處理之后的光譜為

(9)

3.3 并行處理網絡下水質污染物跟蹤檢測

利用紫外光譜來替代水質污染物當作報警參數，通過對水質異常的檢測，可以實現對水質污染物的跟蹤檢測，光譜矩陣可以反映出水質中污染物的變化情況，利用紫外光譜檢測水質異常的步驟如下：

1)學習階段。測量歷史光譜可以得到基準光譜，其中包含光譜的特征和形狀。

2)報警參數的設置。利用統計和經驗方法可以設置該參數，按照水質中的異常事件對其進行過調整。

3)水質異常判斷。通過基線光譜和報警參數對水質的正常和異常情況進行判斷，光譜的一階和二階導數以及吸光度也可以對水質異常數據進行判斷，采用光譜矩陣導數對其判斷時，可以消除掉光譜基線變化時帶來的影響，完成對光譜基線的異常判斷[10]。

4)處理報警事件。當水質異常數據與正常數據值相差不大時，可以對水質展開實驗分析，再做下一步處理。當水質異常數據與正常數據值相差較大時，則需要對其采取緊急措施。

并行處理網絡下水質污染物跟蹤檢測可以輸出分類模型，分類模型則是對實例進行映射，并且映射到特定類中。對于水質污染物跟蹤檢測來說，輸出結果有水質正常和異常兩類，與水質本身的正常與否相結合，有四種判斷：

1)真陽性：表示水質本身和檢測結果均為異常。

2)偽陽性：表示水質本身正常，但結果為異常。

3)真陰性：表示水質本身和檢測結果均為正常。

4)偽隱性：表示水質本身異常，但結果正常。

并行處理網絡下水質污染物跟蹤檢測的性能指標有以下幾種：

檢出率：也可以稱為真陽性率或者靈敏度，是指在檢測水質污染物時，檢測出的水質異常次數占異常總次數的百分比，檢出率的具體計算公式如下

(10)

其中，TP表示水質異常次數，(TP+FN)表示異常總次數。

誤報率：也可以稱為假陽性率，是指在檢測水質污染物時，其表達式為

(11)

式中，FP代表水質虛假異常次數，(TN+FP)代表全部決策次數。

平均檢測時間：是指水質異常發(fā)生時間和給出報警時間之間差值的平均值，可以反映出水質污染物跟蹤檢測方法的平均延誤率，表達式如下

(12)

式中，n′代表水質異常點數，tid代表檢測出水質污染物的時間，tir代表實際發(fā)生異常的時間。

經過上述分析與計算，完成了對并行處理網絡下水質污染物的跟蹤檢測。

4 仿真設計與結果分析

為了驗證基于紫外光譜的水質污染物跟蹤檢測方法的準確性和有效性，需進行仿真。采用Agilentll00高效液相色譜儀進行水質樣本污染提取，并配置自動進樣器、紫外檢測器；通過FA-2004N型電子天平(上海精密科學有限公司天平儀器廠)在呼和浩特某河道中量取污染水質，將提取到的水質污染物數值輸入到MATLAB仿真軟件中。在MATLAB的命令窗口輸入simulink，生成Fuzzy函數，分別以方法的假陽性率、平均檢測時間為指標，測試水質污染物跟蹤檢測方法的準確性和有效性。對提出方法、方法一(基于二維重組的并行處理網絡下水質污染物跟蹤檢測方法)和方法二(提出氣相色譜-微池電子捕獲的并行處理網絡下水質污染物跟蹤檢測方法)展開測試，對比三種方法水質污染的檢測結果的假陽性率，其中，假陽性率可通過式(11)進行計算，并得到對比結果，對比結果如圖1所示。

圖1 不同方法的假陽性率對比結果

分析圖1可知，提出方法的30次迭代中，水質污染物跟蹤檢測結果的假陽性率在50%以下變化，方法一和方法二的30次迭代中，水質污染物跟蹤檢測結果的假陽性率則在60～90%和80～100%之間變化，根據上文可知，假陽性率即為誤報率，誤報率越低準確性越好，則假陽性率越低方法檢測結果的準確性越好，對比可知，提出方法的水質污染物跟蹤檢測結果更加準確。

在對水質污染物跟蹤檢測假陽性率測試的基礎上，測試方法的平均檢測時間，平均檢測時間越高，方法的延誤率越低，測試結果如圖2、圖3所示。

圖2 提出方法的平均檢測時間測試結果

圖3 方法一的平均檢測時間測試結果

分析圖2、圖3可知，30次迭代中，提出方法水質污染物的平均跟蹤檢測時間整體變化范圍為0.2～0.3s，方法一水質污染物的平均跟蹤檢測時間整體變化范圍為0.2～0.7s，提出方法和方法一的水質污染物最高平均檢測時間分別約為0.28s和0.62s，通過對比可知，提出方法的水質污染物平均檢測時間較短，說明提出方法的平均延誤率較低。

5 結論

水質的好壞直接影響了人們的生活，水環(huán)境將受到污染的影響，因此，提出基于紫外光譜法的水質污染物跟蹤檢測方法，并對水質污染物跟蹤檢測結果的假陽性率以及平均檢測時間展開實驗研究，實驗結果證明提出方法水質污染跟蹤檢測的準確性和有效性，提出方法還能夠利用檢測結果對水質常規(guī)波動的研究奠定基礎。