基于ABC-BP模型的丹江水源地水質(zhì)監(jiān)測系統(tǒng)設(shè)計

何建強,韓美林,陳 垚

(商洛學(xué)院 電子信息與電氣工程學(xué)院，陜西 商洛 726000)

0 引言

秦嶺不僅是中國南北氣候的分界線，也是重要的生態(tài)安全屏障。它具有調(diào)節(jié)氣候、涵養(yǎng)水源、涵養(yǎng)水土、維護生物多樣性等多種功能，是中國地理和中國文明的精神和自然象征。黨中央、國務(wù)院、省委、省政府高度重視秦嶺生態(tài)環(huán)境保護。習(xí)近平總書記強調(diào)：“誰也不能破壞秦嶺的自然生態(tài)美”。保護好秦嶺生態(tài)環(huán)境不僅是落實新發(fā)展觀、建設(shè)生態(tài)文明、維護國家生態(tài)安全的必然要求，也是推進秦嶺“五新”戰(zhàn)略、促進人與自然和諧發(fā)展的重大舉措，具有重要的社會、經(jīng)濟、生態(tài)、文化價值，功在當(dāng)代，利在千秋[1]。

丹江發(fā)源于陜西省商洛地區(qū)西北部的秦嶺南麓，流經(jīng)陜西、河南和湖北三省，流入湖北省丹江口市丹江口水庫，在此與漢江交匯[2]。丹江總長390千米，流域面積1.73萬平方千米，占漢江流域總面積的10%，是漢江最長的支流[3]。丹江不僅是“南水北調(diào)”中線工程的重要水源地，也是商洛地區(qū)經(jīng)濟文化發(fā)展的核心區(qū)域，近年來，商洛市全面實施循環(huán)發(fā)展戰(zhàn)略，大力推進秦嶺地區(qū)生態(tài)環(huán)境保護，保護水源地，建設(shè)生態(tài)商洛，確保“一江清水供京津”。但雖隨著移民搬遷工程的推進，及經(jīng)濟社會的發(fā)展，越來越多的生活污水排放至丹江，直接影響丹江流域水質(zhì)。目前丹江流域的水質(zhì)監(jiān)測每年耗費巨大的人力、財力，并且不具備實時、智能的特點。因此，針對目前丹江流域水質(zhì)監(jiān)測方面存在的問題，本文設(shè)計了一種基于ABC-BP模型的丹江水源地水質(zhì)監(jiān)測系統(tǒng)，該系統(tǒng)可通過ZigBee無線傳感器網(wǎng)絡(luò)和4G網(wǎng)絡(luò)完成水質(zhì)參數(shù)的采集和傳輸，通過ABC-BP預(yù)測模型，實現(xiàn)水質(zhì)參數(shù)pH值、DO(溶解氧)值、導(dǎo)電率、水溫等的實時顯示和預(yù)測功能[4]。該系統(tǒng)的研究與設(shè)計對丹江流域水污染的治理和防控能力有一定的提高，對秦嶺地區(qū)生態(tài)環(huán)境保護以及政府的水環(huán)境監(jiān)測與治理提供有效的基礎(chǔ)信息和有力的技術(shù)支撐，促進了商洛市智慧城市建設(shè)。

1 系統(tǒng)總體方案設(shè)計

該系統(tǒng)主要由ZigBee終端監(jiān)測模塊、4G網(wǎng)絡(luò)模塊和監(jiān)測中心上位機軟件部分組成，系統(tǒng)總體結(jié)構(gòu)如圖1所示。

圖1 丹江流域水質(zhì)監(jiān)測系統(tǒng)總體結(jié)構(gòu)圖

ZigBee終端監(jiān)測模塊主要實現(xiàn)pH值、DO值、導(dǎo)電率和水溫等水質(zhì)參數(shù)的采集，該模塊主要由PH傳感器、DO傳感器、導(dǎo)電率傳感器、溫度傳感器、CC2530處理器、電源模塊及相應(yīng)的信號調(diào)理電路構(gòu)成。采集節(jié)點通過ZigBee無線傳感器網(wǎng)絡(luò)將采集到的水質(zhì)參數(shù)傳至處理器上，再通過高速率的4G移動網(wǎng)絡(luò)傳輸?shù)竭h程監(jiān)測中心。為了簡化終端模塊電路，降低節(jié)點消耗的能量，采用光伏板和備用電池相結(jié)合的方式對系統(tǒng)供電[5]。遠程監(jiān)測中心主要對數(shù)據(jù)進行分析、存儲、處理并建立水質(zhì)預(yù)測模型，實現(xiàn)對水質(zhì)參數(shù)的預(yù)測。

2 系統(tǒng)關(guān)鍵技術(shù)設(shè)計及實現(xiàn)

2.1 數(shù)據(jù)采集節(jié)點硬件設(shè)計

終端節(jié)點主要由傳感器、信號調(diào)整電路、處理器模塊、無線通信模塊和電源模塊組成[6]。數(shù)據(jù)采集節(jié)點如圖2所示。傳感器主要實現(xiàn)pH值、DO、導(dǎo)電率、水溫等水質(zhì)參數(shù)的采集，信號經(jīng)op07及LM21等構(gòu)成的信號調(diào)整電路處理后，與AD芯片(ADS8364)相連，實現(xiàn)模數(shù)轉(zhuǎn)換。 ADS8364的6個地址引腳D0～D5與CC2530的P1.0～P1.5相連，ADS8364的REST與CC2530的REST相連，由外部REST信號完成操作，保證CC2530和ADS8364時鐘的同步。利用ZigBee低功耗的優(yōu)勢，本設(shè)計采用光伏板和備用電池相結(jié)合的供電方式，通常兩節(jié)5號電池可為ZigBee模塊提供長達6個月的能量，避免斷電事故的發(fā)生。為了給CC2530提供5 V和+3.3 V電壓，通過CW7805C輸出+5 V電壓，通過ASM1117-3.3輸出+3.3 V電壓。

圖2 數(shù)據(jù)采集節(jié)點框圖

2.1.1 ZigBee模塊電路設(shè)計

CC2530芯片具有低功耗和低成本的特點，且其各方面性能優(yōu)于CC2430芯片[6]，為構(gòu)建功能強大的無線傳感網(wǎng)絡(luò)，本設(shè)計ZigBee模塊的核心芯片采用CC2530芯片。該芯片的基本電路如圖3所示，其中L1電感和C1-C8電容構(gòu)成去耦電路，保證CC2530芯片具有穩(wěn)定的工作電源。

圖3 CC2530的基本電路

2.1.2 無線通信模塊設(shè)計

無線通信模塊主要是實現(xiàn)ZigBee模塊相互之間的控制信息交換、數(shù)據(jù)收發(fā)等無線通信，常見的無線通信天線有柱形天線和環(huán)形天線，根據(jù)不同種類的特點，本設(shè)計選擇以 PCB 板銅箔制成的環(huán)形天線，硬件電路如圖4所示，其中黑粗線為環(huán)形天線，兩端分別與CC2530芯片的RF_P和RF_N引腳相連接。

圖4 無線通信模塊硬件電路圖

2.2 網(wǎng)關(guān)節(jié)點硬件設(shè)計

網(wǎng)關(guān)節(jié)點是整個ZigBee無線網(wǎng)絡(luò)的核心。接收終端數(shù)據(jù)采集節(jié)點發(fā)送的pH值、DO值、導(dǎo)電率、水溫等數(shù)據(jù)，經(jīng)處理器處理后，通過4G無線網(wǎng)絡(luò)傳輸至監(jiān)測中心[6]。由于整個監(jiān)測網(wǎng)絡(luò)中數(shù)據(jù)處理量大，網(wǎng)關(guān)節(jié)點數(shù)量比較少，還要執(zhí)行來自遠程監(jiān)控中心的命令信息。因此，采用基于ARM11內(nèi)核的S3C6410芯片作為本設(shè)計的網(wǎng)關(guān)節(jié)點處理器[7]，圖5為網(wǎng)關(guān)節(jié)點系統(tǒng)框圖。

圖5 網(wǎng)關(guān)節(jié)點系統(tǒng)框圖

由于S3C6410處理器內(nèi)存較小，在程序運行過程中容易出現(xiàn)內(nèi)存不足現(xiàn)象，因此，本系統(tǒng)的程序代碼采用AM29LV160D型號芯片存儲，采用HY57V641620 HG型號芯片作為擴展存儲器[6]。為了降低程序讀寫過程中的延遲時間，將程序存入擴展存儲器中執(zhí)行。擴展電路如圖6所示。圖中nSCS0是片選網(wǎng)絡(luò)標號，nOE是讀允許網(wǎng)絡(luò)標號，nSWE是寫允許網(wǎng)絡(luò)標號，DATA0～DATA15是輸入與輸出的數(shù)據(jù)網(wǎng)絡(luò)標號[6]。它們分別與S3C6410的XM1CSN0[PINL23]、XM0OEN[PINL4]、XM1WEN[PINM19]、XM0DATA0～XM0DATA15相連接[6]。

圖6 存儲器擴展電路圖

HY57V641620HG中的BA1和BA0分別與S3C6410的XM1ADDR0[PINH24]和XM1ADDR1[PINJ24]引腳相連接。行地址選通信號線nSRAS、列地址選通信號線nSCS0、寫允許信號nSWE和讀允許信號線nOE分別與S3C6410的XM1RASN[PINL44]、XM1CASN[PINL24]、XM1WEN[PINM19]和XM0OEN[PINL42]引腳相連接[6]。

3 軟件設(shè)計

3.1 數(shù)據(jù)采集節(jié)點軟件設(shè)計

數(shù)據(jù)采集節(jié)點上電開始工作后，硬件設(shè)備初始化并加入網(wǎng)絡(luò)。入網(wǎng)成功后，采集pH值、DO、導(dǎo)電率、水溫等數(shù)據(jù)并將數(shù)據(jù)傳輸至下個節(jié)點。此后程序開始循環(huán)調(diào)用sendDATA()函數(shù)，并進入發(fā)送信息狀態(tài)。傳輸完一次數(shù)據(jù)后，判斷是否繼續(xù)有采集任務(wù)，無采集命令時，處于休眠工作模式[8]，直至下次采集任務(wù)到來時進入工作狀態(tài)。程序流程如圖7所示。

圖7 ZigBee終端信息采集節(jié)點程序流程圖

3.2 網(wǎng)關(guān)節(jié)點軟件設(shè)計

網(wǎng)關(guān)節(jié)點上電后，硬件設(shè)備和協(xié)議棧分別初始化并建立WSN網(wǎng)絡(luò)，在接收到終端節(jié)點發(fā)送的加入網(wǎng)絡(luò)信標后，判斷是否允許該節(jié)點加入網(wǎng)絡(luò)[9-11]。如果允許加入網(wǎng)絡(luò)，則為其分配網(wǎng)絡(luò)地址，接收傳輸?shù)膒H值、含氧量、導(dǎo)電率、水溫等水質(zhì)參數(shù)數(shù)據(jù)，向4G模塊發(fā)送數(shù)據(jù)。若沒有收到入網(wǎng)信標，則調(diào)用aplFormNetwork()來建立網(wǎng)絡(luò)，并判定地址空間是否已滿，如果有空閑地址則自動為子節(jié)點分配16位地址，并允許其加入網(wǎng)絡(luò)。網(wǎng)關(guān)節(jié)點程序流程如圖8所示[12-14]。

圖8 網(wǎng)關(guān)節(jié)點程序流程圖

3.3 監(jiān)測中心軟件設(shè)計

監(jiān)測中心上位機軟件系統(tǒng)是在C/S模式架構(gòu)下，采用JAVA語言進行編寫，選用關(guān)系型數(shù)據(jù)庫MySQL 5.7作為數(shù)據(jù)庫管理系統(tǒng)。系統(tǒng)整體架構(gòu)分為3層，每一層之間是相互獨立且具有一定的聯(lián)系，從最底層到最高層分別是基礎(chǔ)數(shù)據(jù)層、功能服務(wù)層和用戶層。水質(zhì)監(jiān)測軟件系統(tǒng)架構(gòu)如圖9所示，可實現(xiàn)水質(zhì)參數(shù)的實時顯示、歷史數(shù)據(jù)查詢、數(shù)據(jù)導(dǎo)出，數(shù)據(jù)分析和參數(shù)預(yù)警等功能[15]。

圖9 水質(zhì)監(jiān)測系統(tǒng)架構(gòu)圖

基礎(chǔ)數(shù)據(jù)層包括三部分。第一部分是實時數(shù)據(jù)的采集與整理；第二部分是數(shù)據(jù)存儲，將整理完畢的實時數(shù)據(jù)，存儲于MySQL 5.7數(shù)據(jù)庫中，可以永久性的使用，并定期維護；第三部分建立數(shù)據(jù)訪問接口，該接口通常稱為DAO(Date Access Object)層，即數(shù)據(jù)訪問對象。該層是必不可少的，為上一層提供操作數(shù)據(jù)的通道。

功能服務(wù)層主要有基礎(chǔ)數(shù)據(jù)更新模塊、實時數(shù)據(jù)展現(xiàn)模塊、數(shù)據(jù)清洗模塊、數(shù)據(jù)預(yù)測模塊、預(yù)測誤差分析模塊、用戶管理模塊、系統(tǒng)設(shè)置模塊、輔助模塊等。

用戶層是與用戶直接相關(guān)的部分。用戶層是用戶與系統(tǒng)進行交互的接口。用戶可以輸入相關(guān)數(shù)據(jù)或者點擊相關(guān)操作，實現(xiàn)需要的功能。

4 水質(zhì)預(yù)測算法及優(yōu)化

4.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型及實現(xiàn)

由于水源地水質(zhì)參數(shù)復(fù)雜多樣，神經(jīng)網(wǎng)絡(luò)具有模糊信息處理的優(yōu)點，可通過水質(zhì)參數(shù)之間的模糊關(guān)系建立輸出和輸入之間的非線性模型，預(yù)測容氧量值，圖10為利用神經(jīng)網(wǎng)絡(luò)預(yù)測水質(zhì)參數(shù)的建模流程[9]。

圖10 BP神經(jīng)網(wǎng)絡(luò)水質(zhì)參數(shù)預(yù)測模型

根據(jù)實際的水質(zhì)數(shù)據(jù)把溫度、PH值、DO、導(dǎo)電率這4個參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入，將DO值作為輸出。通過建模、訓(xùn)練，實現(xiàn)對DO值的預(yù)測，并進行誤差分析。

為了提高預(yù)測數(shù)據(jù)的準確性，利用式(1)對數(shù)據(jù)進行歸一化處理，將數(shù)據(jù)轉(zhuǎn)換到[-1，1]范圍：

(1)

式(1)中,x表示采集的水質(zhì)數(shù)據(jù)，y表示經(jīng)過歸一化變換的之后的數(shù)據(jù)，可減小結(jié)果與實際值之間的偏差。

4.1.1 BP神經(jīng)網(wǎng)絡(luò)建模

1)網(wǎng)絡(luò)結(jié)構(gòu)的確定。在BP網(wǎng)絡(luò)模型中，確定了神經(jīng)網(wǎng)絡(luò)的輸入和輸出之后，為使仿真誤差和網(wǎng)絡(luò)性能都達到最佳，隱含層神經(jīng)元個數(shù)通過經(jīng)驗公式(2)來確定[10]，常用的公式為：

(2)

式中,n、i、o分別表示隱層神經(jīng)元個數(shù)、輸入神經(jīng)元個數(shù)和輸出神經(jīng)元個數(shù)，m的值一般在1～10中隨機選取。

2)參數(shù)設(shè)置。根據(jù)選取的輸入?yún)?shù)和輸出參數(shù)值，隱含層神經(jīng)元個數(shù)由公式(2)計算出為8。結(jié)果通過Sigmoid函數(shù)公式(3)映射到(0，1)之間輸入下一層。

(3)

得到如圖11所示的3層結(jié)構(gòu)。

圖11 神經(jīng)網(wǎng)絡(luò)3層結(jié)構(gòu)

4.1.2 仿真分析

以DO值數(shù)據(jù)為樣本，利用丹江流域商洛市商州區(qū)段2019年11月水質(zhì)實測DO值數(shù)據(jù)100組，前80組作為訓(xùn)練樣本，其余為檢驗樣本。

設(shè)定BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)最大迭代次數(shù)為1 500次，精度為0.001。通過Matlab程序隨機產(chǎn)生初始的權(quán)值和閾值，logsig作為隱含層傳輸函數(shù)，purelin作為輸出層傳輸函數(shù)，采用trainglm作為訓(xùn)練函數(shù)，BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型學(xué)習(xí)數(shù)據(jù)預(yù)處理[11-12]：

[p11,minp1,maxp1,t11,mint1,maxt1]=premnmx(p1,t1);

完成訓(xùn)練后結(jié)果如下：

輸入層到隱層權(quán)值和閾值：

隱層到輸入層權(quán)值和閾值：

B2=[1.4794]

BP神經(jīng)網(wǎng)絡(luò)仿真預(yù)測輸出與實際值的比較如圖12所示，由圖中可看出預(yù)測值和實際值走勢基本一致，可用來對輸出進行預(yù)測。但還存在一定的誤差，計算得最大誤差為0.05，最小誤差為0，總誤差值為0.49，平均誤差為0.025。

圖12 BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與實際值比較

4.2 ABC-BP預(yù)測模型及實現(xiàn)

4.2.1 ABC-BP預(yù)測模型建立

ABC-BP預(yù)測模型主要是采用ABC算法對BP神經(jīng)網(wǎng)絡(luò)中各層的權(quán)值和閾值進行優(yōu)化，將通過ABC算法求得最優(yōu)解轉(zhuǎn)換為BP神經(jīng)網(wǎng)絡(luò)各層的權(quán)值和閾值，提升BP神經(jīng)網(wǎng)絡(luò)預(yù)測的精確度，使其預(yù)測輸出速度更快、更準確[13]。ABC-BP的基本流程如圖13所示。

圖13 ABC-BP 算法流程

具體步驟如下：

1)創(chuàng)建一個 BP 神經(jīng)網(wǎng)絡(luò);

2)對種群及算法中最大循環(huán)搜索次數(shù)MCN、limit和初始種群Ns進行初始化，Ns中所有解都為一個D維向量，該向量Xi(i=1,…,Ns)表示連接權(quán)值和閥值，維數(shù)D滿足公式(4)：

D=i×n+n+n×o+o

(4)

式中,n、i和o分別表示隱層神經(jīng)元、輸入神經(jīng)元和輸出神經(jīng)元的數(shù)量。

3)雇傭蜂按照公式(5)搜索新解，按照公式(6)求解各個解的適應(yīng)度值，采用貪婪法選擇新解；

Vij=Xij+rand(-1,1)(Xij-Xkj)

(5)

(6)

式中,i和fi分別表示第i個食物源和當(dāng)前目標函數(shù)值，k∈{1,2,…,Ns}和j∈{1,2,…,D}是隨機值，且k≠i。

4)跟隨蜂依據(jù)公式(7)計算收益率，按照收益率搜索新解并選擇新解，式中f(x)為適應(yīng)度值。

(7)

5)對解的更新失敗次數(shù)和limit值進行比較，若limit的值小于更新失敗次數(shù)，通過公式(3)產(chǎn)生新解進行替換，并保存最優(yōu)解；

6)判斷循環(huán)次數(shù)(MCN)是否達到最大，若達到最大值則結(jié)束，否則返回步驟3)；

7)將所得最優(yōu)解轉(zhuǎn)換為BP神經(jīng)網(wǎng)絡(luò)各層的權(quán)值和閾值，然后對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。

4.2.2 仿真分析

同樣利用丹江流域商洛市商州區(qū)段2019年11月水質(zhì)實測DO值數(shù)據(jù)100組為樣本，前80組作為訓(xùn)練樣本，其余數(shù)據(jù)作為檢驗樣本。

ABC-BP算法參數(shù)設(shè)置：為兼顧最優(yōu)解和算法搜索時間本文選取蜂群的數(shù)量為200，Ns=Ne=No=100。解的維數(shù)D通過公式(4)計算可得D=49，limit設(shè)定為100，最大循環(huán)次數(shù)MCN為110[14]。

得到輸入層到隱層權(quán)值閾值：

W1=

隱層到輸入層權(quán)值閾值：

B2=[3.9467e-06]

圖14是ABC-BP算法和BP算法的仿真結(jié)果，從圖中可以明顯地看出ABC-BP算法得到的仿真結(jié)果更加精確，誤差更小。計算可得，最大誤差值為0.05，誤差最小值為0，平均誤差0.013，總誤差量值為0.279。與BP神經(jīng)網(wǎng)絡(luò)算法相比誤差減少了45.8%。圖15是ABC-BP算法和BP神經(jīng)網(wǎng)絡(luò)算法輸出的誤差百分比，從圖中可以看出優(yōu)化后的算法大大降低了預(yù)測誤差。

圖14 ABC-BP算法和BP算法的仿真結(jié)果對比

圖15 ABC-BP算法和BP算法輸出的誤差百分比比較

5 系統(tǒng)測試

為驗證基于ABC-BP模型的丹江水源地水質(zhì)監(jiān)測系統(tǒng)的可靠性，本文對丹江流域流經(jīng)商洛市商州區(qū)的某段進行了數(shù)據(jù)采集、傳輸、顯示和預(yù)測等方面的測試，監(jiān)測時間為15天，數(shù)據(jù)采集和傳輸頻率為1次/小時。

測試中，CC2530的波特率設(shè)置為57 600 bps，系統(tǒng)測試數(shù)據(jù)監(jiān)測軟件界面如圖16所示，上位機軟件系統(tǒng)可以獲取數(shù)據(jù)并顯示，可進行數(shù)據(jù)可視化顯示，表明上位機軟件系統(tǒng)滿足設(shè)計要求。通過對測試時間段測試數(shù)據(jù)和ABC-BP算法的預(yù)測數(shù)據(jù)與有線設(shè)備人工測試的數(shù)據(jù)進行對比，數(shù)據(jù)采集、傳輸和預(yù)測誤差均在合理范圍內(nèi)，由于水質(zhì)參數(shù)變化相對較慢，因此對數(shù)據(jù)采集的速率的要求不高，能夠滿足在線監(jiān)測的要求。因此，基于ABC-BP模型的丹江水源地水質(zhì)監(jiān)測系統(tǒng)軟硬件設(shè)計可行，能夠正常工作。

圖16 系統(tǒng)測試數(shù)據(jù)監(jiān)測界面

6 結(jié)束語

本文基于無線傳感器網(wǎng)絡(luò)實現(xiàn)了丹江流域水源地水質(zhì)的在線監(jiān)測。利用ZigBee無線傳感網(wǎng)絡(luò)對各個水源地水質(zhì)數(shù)據(jù)進行采集，通過4G移動網(wǎng)絡(luò)進行數(shù)據(jù)傳輸，監(jiān)測中心系統(tǒng)軟件實現(xiàn)對數(shù)據(jù)的顯示、分析、處理和預(yù)測。在完成各部分的軟硬件設(shè)計后，以丹江流域源頭商洛市商州區(qū)段作為測試點，進行了測試，該系統(tǒng)能夠準確地完成數(shù)據(jù)的傳輸、處理、分析、顯示和預(yù)測，并且系統(tǒng)運行穩(wěn)定可靠。因此，該監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)，對促進智慧商洛、生態(tài)商洛的發(fā)展，保護丹江水源地，確保“一江清水送京津”具有十分重要的價值。