基于Hinkley算法的突發水污染分級報警方法

武軍旭，趙平歌，黃 毅，蘆玥同

(西安工業大學建筑工程學院，陜西西安 710021)

環境污染，特別是突發性水污染事件，是全世界面臨的一個嚴重問題[1]，它將破壞生態環境，危害人類健康，造成嚴重的經濟資產損失，是影響社會穩定的不確定因素[2]。因此，快速準確預警水質突變對實現事故的緊急控制和應急安全處理非常重要。據統計，1995年—2012年我國水體突發性污染事件發生總次數為11 640次，年均達到647次[3]。2020年中國生態環境狀況公報顯示，全國發生各類突發環境事件共208起[4]，其中包括我國近20年來尾礦泄漏量最大、應急處置難度最大、后期生態環境治理修復任務異常艱巨的突發環境事件——伊春鹿鳴礦業“3·28”尾礦庫泄漏事故[5]。雖然傳統的理化監測在連續自動采樣和實時分析等技術方面已經取得了重大進展，但當前針對快速發展的未知化學危害混合物進行實時預警的能力仍然有限[3]。從神經毒理學的角度來看，急性暴露下，意外或故意行為進入淡水供應的化學制劑可能影響神經系統，故只能使用適當的功能生物模型進行可靠評估[6-7]。

目前，對于突發性污染水體監測的研究更多是連續監測敏感水生生物的行為和生理參數，常用的監測生物包括發光細菌[8-9]、藻類[10]、大水蚤[11]和魚類[12-13]等。其中，魚類作為水質監測預警“傳感器”的應用更早，也更成熟[14-15]，可對多種人為引起的環境破壞作出顯著和可預見的反應，包括溫度[16]、富營養化[17]、酸化[18]、化學污染[19]、物理棲息地的改變[20]等。魚類對周圍水生環境健康的敏感是利用它們監測環境突變的基礎[21]。任宗明等[22]通過低壓電信號采集日本青鳉的行為變化，實現對污染水體的水質變化報警。馬中雨等[23]、杜娟娟等[24]研究證明，基于魚類行為變化的水質監測系統對渾濁度、石油類、亞硝酸鹽、苯、砷化物、錳、高濃度苯酚都較為敏感。Tian等[25]和Alfonso等[26]研究表明，行為的變化往往先于身體損傷可見之前就受到影響。基于此，實時生物預警系統(biological early warning systems，BEWS)應運而生，填補了傳統水質監測的不足[27]。然而，各種因素如生物有機體本身的復雜性、設備誤差和環境噪聲，均可能會影響模型預測的準確性和及時性[28]，且對較低濃度的污染物識別能力差。即使是已經發展較為先進完善的BEWS系統也避免不了假陽性和假陰性警報等相關的問題[27,29]，這些問題可能源于生物體本身或生存環境，例如魚群的求偶行為[30]、溶解氧濃度[27]以及尚未檢測到的其他因素。

快速發展的機器學習和深度學習在預測水質狀況方面表現出明顯的優勢，概率神經網絡(PNN)[31]、自組織映射(SOM)[31]、隱馬爾可夫(CHMM)[32]、支持向量機(SVM)[33]和Adaboost算法[34]等算法確定水質與異常行為特征間的定性關系，這些算法一定程度上促進了BEWS的發展。但預警系統假陽性和假陰性的情況還是不可避免，而且對特征污染物生物預警閾值等級的研究較少。

目前，基于斑馬魚豐富的行為表現已經被證明是一種強大的水生脊椎動物模型[35]。鑒于此，本試驗所用模式生物選擇AB系藍色斑馬魚，利用視頻追蹤技術，對試驗過程中5條斑馬魚的速度、加速度、運動高度、距離、軌跡密度、轉彎次數進行實時采集。以正常水體中斑馬魚行為指標的變化為基礎，模擬CuCl2不同濃度突發污染暴露下斑馬魚的行為反應，并利用Hinkley算法對各行為指標進行優化處理，最后通過對各類行為指標賦予權重得到不同濃度下的綜合報警指數Y，進而驗證Hinkley算法預警的真實性和時效性。

1 基于Hinkley算法水質突變分級報警模型的建立

1.1 Hinkley算法

Hinkley算法是一種用于衡量觀測量中長期效應的統計算法，它的特點是最大限度地剔除了短期變化對觀測值的估計影響[36]。在水質預警中，正常水質條件下的斑馬魚各行為指標均在一定的范圍內，進而導致不同毒性濃度下的Hinkley函數值變化趨勢不明顯，而異常水質條件下的斑馬魚行為指標的變化異于正常水質，故運用這種算法來衡量各個運動指標的中長期變化。

以速度為例，計算如式(1)。

(1)

其中：G(t)——t時刻的Hinkley函數值；

G(t-1)——t-1時刻的Hinkley函數值；

U0——正常水體中速度的均值，mm/s；

U1——正常水體中速度的均值U0與平均速度標準差σ之和，mm/s；

Zt——速度指標的監測值，mm/s。

1.2 水質突變分級報警模型

在Huang等[13]的研究基礎上，進一步將斑馬魚運動行為指標分3類：速度、加速度為Ⅰ類(活動強度)；運動高度、轉彎次數為Ⅱ類(位移強度)；距離、軌跡密度為Ⅲ類(聚散強度)。

為了防止個別行為指標的突變導致系統誤報，研究對各類指標賦予權重，進而計算綜合報警指數Y，計算如式(2)。

Y=0.4×G(t)Ⅰ+0.3×G(t)Ⅱ+0.3×G(t)Ⅲ

(2)

其中：0.4、0.3、0.3——賦予Ⅰ類、Ⅱ類、Ⅲ類指標的權重(權重值的設定和魚的種類、年齡、不同指標對污染物的敏感程度密切相關，可根據反復試驗摸索確定，速度的變化較其他指標更敏感，故與速度有關的系數可以適當定高一點[36])；

G(t)Ⅰ、G(t)Ⅱ、G(t)Ⅲ——Ⅰ類、Ⅱ類、Ⅲ類指標Hinkley函數值。

Y和預警等級如表1所示。初級警報提供預警，表示水質有可能已經被污染，此時魚群行為出現異常；中級警報提供預先警報，表示水質即將達到臨界階段，20%～40% 的魚群出現尾巴停擺的中毒現象；高級警報表示水質已經達到臨界階段，40% 以上的魚群出現翻肚的現象。

表1 分級報警Tab.1 Grading Alarm

2 實例分析

2.1 斑馬魚的馴養

本實驗室斑馬魚由中國科學院武漢水生所提供，試驗用水均為曝氣24 h后的脫氯自來水，水溫維持在(26±1) ℃，pH值控制在6.6～7.2，光照周期為12 h∶12 h，投食頻率為2～3次/d。試驗時挑選魚齡為3～6個月、體長為(35±2)mm的斑馬魚，每組試驗用魚5條，試驗前24 h不喂食。

2.2 試驗試劑

氯化銅(CuCl2，分析純，阿拉丁)，使用時先配置成質量濃度為1 g/L的母液。

2.3 試驗設計

參照《水質 物質對淡水魚(斑馬魚)急性致死毒性的測定》(GB/T 13267—1991)，利用概率單位圖解法計算出CuCl2的24 h半致死質量濃度(24 h-LC50)為0.5 mg/L。本研究以24 h-LC50為1個毒性單位(1.0 TU)，觀察記錄0.2 TU(質量濃度為0.1 mg/L)、1.0 TU(質量濃度為0.5 mg/L)、2.0 TU(質量濃度為1.0 mg/L)暴露下斑馬魚運動行為指標的變化。

試驗利用視頻跟蹤技術對斑馬魚的活動強度、位移強度、聚散強度進行實時監測，模擬重金屬突發污染下的水質環境，記錄分析斑馬魚在水質污染前后的各運動行為指標變化，并利用Hinkley算法對各指標進行優化處理，引入綜合報警指數Y，建立了水質突變分級報警模型。

試驗用水采用半靜態式流水試驗，控制進水流速為15 L/h，水溫維持在(26±1)℃，pH值控制在6.6～7.2，背景燈控制光照強度為50 lux。試驗共進行240 min，前120 min為正常水質條件，記錄斑馬魚在正常水質條件下的各運動行為指標的變化，從第120 min開始加入CuCl2溶液，記錄該條件下斑馬魚各運動行為指標的變化。根據生物的急性毒性試驗設定每個質量濃度共進行3 個平行樣，每個平行樣的指標數據均為5 條魚的平均數，結果以3 個平行樣的平均數記錄顯示。

圖1 不同濃度的CuCl2突發暴露下斑馬魚活動強度變化Fig.1 Changes of Activity Intensity of Zebrafish Exposed in Different Concentrations of CuCl2

圖2 不同濃度的CuCl2突發暴露下斑馬魚位移強度的變化Fig.2 Changes of Displacement Intensity of Zebrafish Exposed in Different Concentrations of CuCl2

3 結果分析

3.1 CuCl2對活動強度的影響

如圖 1(a)～圖 1(d)所示，斑馬魚在前120 min處于正常水體中，速度變化相對穩定，主要在29.00～52.00 mm/s。0.2 TU時，在暴露后歷時11 min速度達到最大值，為70.60 mm/s，隨后歷時66 min恢復至暴露前水體中斑馬魚運動速度的波動范圍；1.0 TU時，在暴露后歷時6 min達到最大值，為77.28 mm/s，在46 min后降至暴露前均值的37.32%，最終速度維持在9.00～29.00 mm/s；2.0 TU時，在暴露后歷時12 min達到最大值，為80.28 mm/s，歷時29 min后達到暴露前均值的25.54%，最終維持在1.00～20.00 mm/s。

如圖 1(e)～圖 1(h)所示，斑馬魚在前120 min的正常水體中，加速度在-0.450～0.400 mm/s2。0.2 TU時，加速度在暴露后12 min才發生明顯增高，并在暴露后第14 min，由暴露前的-0.001 mm/s2增至0.420 mm/s2，但加速度整體的變化范圍與暴露前并沒有顯著差別；1.0 TU時，在暴露后的第10 min加速度由暴露前的0.001 mm/s2增至0.480 mm/s2，加速度整體的變化范圍與暴露前加速度變化范圍沒有顯著差別；2.0 TU時，在暴露后的第5 min，加速度由暴露前的-0.001 mm/s2變為-0.750 mm/s2，隨著時間的增長，加速度維持在-0.150～0.130 mm/s2。

由以上分析可知，速度與加速度在污染物暴露后發生短暫、快速的變化，變化范圍明顯高于暴露之前的水平。與接觸低濃度毒性相比，高濃度毒性時，除了經歷明顯的升高，隨著時間的增長，最終沒有維持在污染物暴露前的水平，而是快速下降，最終穩定在一定的范圍。

3.2 CuCl2對位移強度的影響

如圖 2(a)～圖 2(d)所示，運動高度在前120 min的正常水體中變化相對穩定，前120 min運動高度的均值為140.26 mm；在第120 min時，即斑馬魚接觸到CuCl2污染物后，不同毒性濃度的CuCl2下斑馬魚的平均高度敏感性又不相同。0.2 TU時，運動高度在暴露后12 min才明顯增高，隨著暴露時間的增長，平均運動高度又逐漸恢復至暴露前正常水體中的水平；1.0 TU時的運動高度在暴露后2 min驟降，與0.2 TU相比，1.0 TU時的運動高度并沒有隨著時間的增長而恢復至暴露前的水平，而是在第217 min后發生二次驟降，最終維持在39.60～95.60 mm；2.0 TU時，運動高度在污染物暴露后即刻呈現下降趨勢，并在149 min下降至37.68 mm，與暴露前均值相比下降約75.6%，最終維持在23.80～49.30 mm的水平。

如圖 2(e)～圖 2(h)所示，轉彎次數在污染物暴露之前變化穩定，主要在3.47～13.73 n/(10 s)，轉彎次數的均值為8.32 n/(10 s)，標準差為2.27 n/(10 s)，在120 min后，轉彎次數整體均呈現先短暫升高后又下降趨勢，斑馬魚在0.2、1.0、2.0 TU的CuCl2水體中持續暴露2 h后轉彎次數依次變為4.7、5.0、0.66 n/(10 s)。

由以上分析可知，低濃度毒性時，運動高度的變化明顯滯后于轉彎次數的變化，并隨著時間的增長，斑馬魚運動能力逐漸恢復。轉彎次數在短時間內急劇上升，毒性越強，反應強度越劇烈。

圖3 不同濃度的CuCl2突發暴露下斑馬魚聚散強度的變化Fig.3 Changes of Gathering Strength of Zebrafish Exposed to Different Concentrations of CuCl2

3.3 CuCl2對聚散強度的影響

如圖3(a)～圖 3(d)所示，在污染物暴露之前，魚群距離變化在一個穩定的范圍內，在120 min后，0.2、1.0、2.0 TU下斑馬魚的平均距離均呈現下降后上升波動變化，最終通過自我調節適應，平均距離又恢復至污染物暴露前的水平。

如圖3(b)～圖3(h)所示，軌跡密度與距離的變化趨勢相似，均呈現下降后上升，最終通過自我調節適應，軌跡密度又恢復至污染物暴露前的水平。

由以上分析可知，在污染物暴露后的短期內，魚群距離出現快速減小的趨勢，魚群出現短暫的聚集現象，進而導致軌跡密度短時間內降低。

3.4 綜合報警指數的變化和分級報警效果

如圖4所示，不同毒性濃度下的Y隨著時間的變化均呈現遞增的趨勢。

在0～120 min，Y呈線性變化，通過線性擬合可知，試驗組與空白組斜率相差不大。空白組斜率為0.07；0.2 TU組斜率為0.10；1.0 TU組斜率為0.13；2.0 TU組斜率為0.07。具體結果如表2所示。

在暴露后20 min的時間段內，空白組斜率為0.06，與暴露前相比變化不大；0.2 TU組斜率為0.40，與暴露前相比增加近300.0%，較空白組增加566.7%；1.0 TU組的斜率為0.45，與暴露前相比增加了246.2%，較空白組增加650.0%；2.0 TU組的斜率為0.62，與暴露前相比增加了785.7%，較空白組增加933.3%。毒性濃度與曲線斜率呈正相關。

在第120 min后，Y出現了顯著的分級現象，這是在污染物暴露下，斑馬魚對周圍環境做出應激行為反應所造成的，故利用綜合報警指數Y可以對水質環境做出及時預警。

圖4 不同濃度CuCl2暴露下的綜合報警指數YFig.4 Comprehensive Alarm Index Y under Different Concentrations of CuCl2

表2 回歸性分析統計Tab.2 Statistics of Regression Analysis

研究通過實時采集Y并與分級報警(表1)進行對比，進而劃分預警等級，再通過斜率判別報警的真偽。結合表2和圖4，得到不同濃度的CuCl2突發脅迫下不同時間段的分級報警結果,如表3所示。

表3 不同濃度CuCl2下的分級報警結果Tab.3 Grading Alarm Results under Different Concentrations of CuCl2

4 討論

低濃度毒性的Cu2+對斑馬魚造成氧化應激需要時間的積累。以往研究表明，Cu是魚類等動物所必需的微量元素，存在于動物的組織中，是許多代謝活動所需酶的重要輔因子[37]，低劑量的Cu2+可以發揮抗氧化作用對抗氧化應激[17]。此外，水中離子強度對也會對毒性機制產生影響。一些研究發現，魚對Cu的攝取是通過Na+，依賴于Na+對魚類鰓中的Cu轉運體或上皮Na通道的干擾，但Ca和Mg單獨作用可減輕斑馬魚的Cu毒性[38]。這可能是0.2 TU暴露下沒有使斑馬魚在9 min內產生應激反應的原因。

從不同濃度CuCl2暴露對斑馬魚行為影響試驗結果可知，與對照組相比，斑馬魚對CuCl2產生了一定的“回避反應”[39]。根據相關研究，Cu2+在斑馬魚體內累積直至超過肌體所需的閾值，魚群開始出現心理應激(回避污染導致的急速游動)和身體應激(出血或感染)等行為[40]，這與Alfonso等[26]中所述的壓力應對方式(stress coping style)的調節一致。隨著暴露時間的增長，低濃度下的斑馬魚狀態逐漸恢復。0.2 TU時，其活動強度、位移強度(運動高度)和聚散強度分別歷時52～54、60～75、37～55 min恢復至暴露前的水平，這與Lu等[41]描述的內在調節機制作用相吻合。1.0 TU時，僅有加速度、運動高度的變化范圍逐漸恢復至暴露前的水平，其余參數都經歷了行為強度降低的過程。王英才等[42]研究表明，這種變化可能是污染物濃度增大、加速后的疲勞效應以及對脅迫環境的適應所致。與1.0 TU相比，暴露于2.0 TU下的斑馬魚呈現明顯的中毒跡象。這種隨著毒性濃度與斑馬魚行為強度變化的依賴性關系與黃東龍等[43]和Huang[13]的研究一致。Ren等[44]將斑馬魚毒性行為的變化描述為逐步行為響應模型，主要包括無效應、刺激、適應、調整(重新調整)和毒性效應。

本研究基于Hinkley算法設置了以斑馬魚活動強度、位移強度和聚散強度“三位一體”的水質突變預警系統，在水質突變后每隔20 min預警一次，且隨著時間的變化，預警等級會隨著水質污染的情況發生相應的變化。以往的研究表明，Hinkley算法可有效解決水生生物運動的隨機性、復雜性和非線性導致的誤報警現象，但系統穩定性和靈敏度不太好[36]。馬欣等[36]只對“第一壓力閾”之前速度、高度、距離以及活魚條數進行了監測，未監測“第一壓力閾”之后的參數變化，即未監測毒性效應暴發時斑馬魚狀況。但水質污染和水體凈化都是長期變化的過程，需要長期的監測數據并對水質變化作出實時評價。本研究在此基礎上，兼顧了試驗結果的可靠性和穩定性，精選了6個斑馬魚行為參數，并將其劃分為3類，每組試驗進行240 min，前120 min為斑馬魚在正常水體中的適應階段，后120 min為污染物暴露后的階段，設計充分考慮了環境壓力模型中斑馬魚行為強度變化的4個階段。綜合報警指數Y預警等級的劃分是經過前期預試驗結果所設置，具有一定的局限性。這種對特征污染物劃分預警等級的設計早在理化監測技術上得到了實踐發展，例如，行業規范標準[《生活飲用水衛生標準》(GB 5749—2006)、《地表水環境質量標準》(GB 3838—2002)等]的制定。但生物監測手段對特征污染物毒性閾值設定還有待完善。

5 結論

斑馬魚在CuCl2突發暴露后，其活動強度(速度和加速度)、位移強度(運動高度和轉彎次數)和聚散強度(距離和軌跡密度)均會在短期內發生明顯變化。以此為基礎，通過Hinkley算法對行為指標進行優化，引入綜合報警指數Y，建立了水質突變分級報警模型，通過對CuCl2突發暴露下斑馬魚運動行為指標的實時監測，證明了Hinkley算法在水質預警方面的準確性和有效性，為水質狀況評估、水質安全性評價等工作提供了參考。