基于多智能體建模的持久性有機污染物動態風險評估展望

許玲玲 嚴勇 陸凱

（無錫市生態環境監測監控中心 江蘇無錫 214000）

近年來，伴隨著工業和農業活動的快速發展、市政的開發和化學品使用量的增加，有意或無意地產生了許多對生態環境有害的物質，特別是持久性有機污染物（Persistent Organic Pollutants，POPs）的生成，因其具有遠距離遷移性、生物積累性、高毒性和持久性，可能會對人體構成潛在的健康威脅，已引起了人們的廣泛關注［1］。

目前對于持久性有機污染物的風險評估尚未成熟，其中以靜態風險評估的角度為主，少部分則是基于國家或機構統一頒發的標準指南，或是基于不同的模型和數學方法［2］，均屬于瞬時風險評價，不具備連續性。事實上，持久性有機污染物的產生途徑或者大部分影響持久性有機污染物生成的因素（人為的與非人為的）都是動態的，是隨時間不斷變化的，那么在進行持久性有機污染物的風險評估時不僅要考慮與之相關的靜態因子，還要考慮其他動態因子。現有的動態風險評估模型基本都是應用于安全事故的預測預警，而對于污染物可能造成的環境風險預測還缺乏深入的認識。

智能體（Agent）建模［3］是一種特定環境下的仿真模擬方式，其特點是自上而下、從微觀到宏觀。以微觀為前提，每一個智能體都有獨立思考的能力，而智能體建模是抽象每個智能體的行為方式、特征和狀態，然后將復雜的邏輯機制和數學規則賦予它們，從而使得每個智能體能夠相互交流協作，并根據不同的環境感知作出相應的決策，最后在宏觀上仿真模擬復雜的系統演化。因此，本文綜述了持久性有機污染物的特點及影響因素和多智能體的特點，并對基于多智能體的持久性有機污染物動態風險評估［4-5］提出了展望。

1 持久性有機污染物概述

1.1 持久性有機污染物的來源

持久性有機污染物是人類合成的化學物質，源于農副產品的實際生產和工業制造過程，主要分為工業化學品、有機氯殺蟲劑和非人為故意生產的副產物3 類。例如，氯丹作為控制白蟻等害蟲的殺蟲劑［6］，多作用于農業，在完成毒殺害蟲的主要功效后殘留在土壤中，進而流入地表水或滲透到地下水中，現雖已被許多國家禁止使用，但由于其具備難降解性，目前仍為環境中的主要有機污染物之一［7-9］，至今在我國一些地區的底泥和水體中仍有一定污染水平。二噁英的自然來源有火山噴發、雨林燃燒等，在我國主要來源于熱力發電、廢棄物焚燒和鋼鐵制造行業，通過煙氣等途徑釋放到環境介質中，是非人為故意生產的工業副產物［10］。而多氯聯苯不僅作為工業熱過程的副產物被排放到周邊環境中，也是人工合成的有機物被用于多種商業用途，造成環境二次污染［11-12］；六氯苯通常被用作殺真菌劑，其主要來源是農藥生產，也有一部分在氯化工藝中以非人為故意制造的副產品產出［13］。上述持久性有機污染物由于難降解且具有揮發性，對環境和人體健康構成威脅。

1.2 持久性有機污染物的特征

（1）與非持久性有機污染物相比，持久性有機污染物很難在自然環境中進行降解。它們通常擁有較長的半衰期，在土壤中長達1～12 a，在水體中則大多為幾十天至幾十年［14］。例如，二噁英的半衰期最高可至10 a［15］。如果第一時間沒有對其進行處理，就會對自然環境造成嚴重和持續的損害。某些持久性有機污染物的濃度即使比較低，也能對生物造成嚴重傷害。據研究表明［16-17］，在目前已知的物質中，二噁英的毒性是砒霜的900 倍、氰化鉀的1 000 倍，是毒性最強的化合物之一。此外，二噁英還具有很強的致癌性，是黃曲霉素的10 倍［18］。因此，在我國的癌癥研究中心，二噁英被列為一級致癌物。

（2）親油憎水性是持久性有機污染物的特性之一，它們極容易快速在生物體脂肪內積累［19］。此種類型的污染物，實際上對食物鏈頂層生物的影響最大，甚至還會對人類的健康造成嚴重影響。有研究發現［20］，選取部分滴滴涕濃度為3×10-9的水體，測出在該水體內生存的魚類體內滴滴涕濃度為2×10-9，而食用該魚的鳥類體內滴滴涕濃度則高達2.5×10-8，表明持久性有機污染物有著明顯的生物積累特點。持久性有機污染物在風、水等自然物質的承載下能夠進行遠距離的遷移。

（3）半揮發性是持久性有機污染物的又一特性。這類污染物可在常溫下揮發至大氣層［21］。然而，這類污染物會通過雨水等途徑重新降落到地面，而不會長時間在大氣中停滯。因為這類污染物在遠距離的遷移期間很難被降解，便會通過風、雨作用進而破壞更廣的區域環境。

1.3 持久性有機污染物的風險評估

因持久性有機污染物導致的危害問題，對其暴露風險的評估刻不容緩。RIAZ 等［22］研究發現，山區水系的魚類對持久性物質的長期暴露十分敏感；MYHRE 等［23］也證實了在母鼠懷孕和哺乳期間，若小鼠幼崽暴露于多種持久性有機污染物中，則大多數污染物都會在其后代的大腦里檢出；孫毓鑫等［24］更是以金線魚為指示生物，評估了人群食用南海海域海產品對持久性有機污染物的潛在暴露風險。由于持久性有機污染物的生物積累性，作為食物鏈的頂層，人類健康與此息息相關。此外，持久性有機污染物的直接人體暴露風險同樣不可小覷。施家威等［25］評估了不同種類典型持久性有機污染物對Ⅱ型糖尿病發病風險的影響；柳鑫［26］則在此基礎上探究了在這類污染物的長期暴露下，孕婦的妊娠期糖尿病與此風險之間的關系。

為了更好地研究和控制持久性有機污染物對環境和人體的影響，風險評估已成為當今防治持久性有機污染物污染的一種方式。楊文武等［27］根據《環境污染物人群暴露評估技術指南》，建立暴露評估模型來估算人體暴露量；王志霞等［28］以地理信息系統（Geographic Information System，GIS）為基礎，用區域健康風險評價（Regional Health Risk Assessment，RHRA）模型作為風險評估的研究框架；楊志群等［29］研究的RAIDAR（the Risk Assessment Identification And Ranking）模型則考慮到生態閾值，根據其敏感性來計算它對應的臨界排放量（EC），再用預估的實際排放量（EA）來與其比較，根據二者比值則可得到風險評價因子RAF（Risk Assessment Factor），采用RAF 來篩選和分級化合物的環境風險。

2 多智能體建模

2.1 多智能體概述

智能體是一種抽象實體，它運行在某一環境中，能夠作用于自身并能響應環境變化［30］。智能體通過感知外界環境的變化，靈活、自主地采取相應的行動，從而實現既定的目標。現實世界中任何大型、復雜的系統都可以抽象成多個智能體的組合。智能體聯用協作技術主要研究在同個復雜系統中，如何實現多個獨立自主的智能體之間智能行為的協調［31］。隨著研究問題的復雜化，在人工智能方面，多智能體技術已然成為探究的重點之一。區域環境系統是一個復雜系統，而基于多智能體建模是當前國內外解決復雜系統問題的有效途徑。

2.2 多智能體建模步驟

基于智能體聯用技術的復雜構建主要分為3 個步驟，即智能體的選擇、智能體狀態轉換函數的確定和模型的優化。

（1）智能體的選擇。由于智能體具有社會性、進化性等特征，在選擇智能體時，首先根據復雜系統的范圍和框架，抽象出不同類型、功能的智能體，再根據具體應用來確定智能體的屬性［32］。反應式智能體主要起到與外界簡單交互的作用，而慎思式智能體則更強調智能性，即系統的演變過程。此外，還有根據不同屬性和環境做出相應調整的復合式智能體，故選擇智能體時，應充分考慮作用目標、作用范圍、作用效果等綜合因素。

（2）轉換函數的確定。定義轉換函數并制定轉換規則是智能體建模最關鍵的部分。轉換函數的定義取決于對系統各要素的認知，并將其現實因素抽象化，是形成其他慎思式智能體的前提。轉換規則的制定則基于現有技術，并且要符合客觀世界的規律。

（3）模型的優化。優化模型也是智能體建模不可或缺的一步。模型構建完成后，由于缺乏實踐，可利用人工智能技術進行模擬，從而得到反應式智能體發生后對整個系統的影響，再與歷史數據相比對以提高準確度，使后續方案更具有可行性。若準確度較低，則應考慮智能體組成方式的修改和轉換函數的校正，從而改善模擬效果，使仿真結果更具有現實意義。

2.3 多智能體建模的應用

基于多智能體構建復雜模型是目前國內外進行動態風險評估的一種新興手段，最為顯著的是災害評估方面［33-35］。其次，在網絡安全方面，利用多智能體進行復雜建模也是熱門方式。黃鵬等［36］以Anylogic 軟件為仿真平臺，從不同角度通過分析初始風險值、局部風險值和全局風險值之間的關聯和區別，確定項目風險重點控制范圍；李嬋等［37］為達到風險評估的目的，將多智能體技術引入數字圖書館系統，構建了多智能體的混合式結構，從而實現動態評估；LI 等［38］基于多智能體提出了一種新型的多劑強化學習方法，通過加強交通信號之間的合作實現最佳控制。但該手段在污染物評估方面還未得到有效應用，其前景十分可期。

3 多智能體建模的動態風險評估

3.1 動態風險評估方式

近年來，由于工農業的發展、法律法規不全、監管范圍不夠等現象，持久性有機污染物得不到及時的監測和治理，對環境造成惡劣的影響，使之受到越來越多的關注。研究表明［39-40］，當前國內外持久性有機污染物風險評估主要為靜態評估，先選取污染風險指標，再根據不同的風險因子賦予不同的權重。該類型的風險評估主要是基于地理信息系統，輸入環境載體的承受能力、污染因子的危險度指數等環境系統數據，再憑借地理信息系統的空間疊加分析，展現出不同區域的風險區劃圖。這類風險評估方式盡管可以較為科學地對區域污染風險總體特征做出評估，有助于區域人體健康和經濟可持續發展，但在可靠性和靈活性方面有所欠缺。此類方法不僅不能進行特定污染因子的評估，還無法將環境系統中形成污染的內在機理和各因素的相互作用體現出來，不能將污染風險動態化展現，從而降低了污染風險評估在環境檢測中的作用。

區域動態風險評估應在2 個層面有所體現：①評估工具的動態性。與靜態風險評估不同之處在于，多智能體聯用技術是一個復雜的整體，動態風險評估將多個智能體結合，使其相互交流、協作，從而自動實現區域環境內各種不同風險情景下的風險評估結果；②評估方式的動態化。動態風險評估不只是進行單純的風險估計，而是能在不同環境和狀態下調整原有的風險評估預期。前者是應用性要求，要使評估工具的設計變得通用、靈活。而后者則是動態風險評估的內涵，只有基于多智能體的相互思考和協作，才能在靜態評估的基礎上優化評估方式，應用于復雜的環境系統。持久性有機污染物動態評估模型既要表現出區域環境各主體相互之間的關系，使農業、工業、經濟、社會在被不同的超標污染物干擾后的狀態和變化得到真實反映，實現微觀上的風險評估，又要使各種風險變化的可能性得以體現，尤其是當給予一個固定的時空范圍時。動態風險評估是一種整體評估，它不僅僅是估算出污染發生的概率和程度，然后將其整理融合，而且是要在多種風險因子存在的情況下仿真模擬，從而分析出區域環境系統狀態的演變。

3.2 多智能體建模的動態風險評估思路

區域環境是一個龐大的概念，它是一切因素的總和，人口、社會、經濟、自然等因素都有潛在的不確定性，且它們之間相互作用反應，構成了這樣一個多層次、大范圍的復雜系統。這個系統在宏觀上表現出的環境污染，則是各個風險因子交互的結果，因此，將這些復雜的關系用數學公式、圖形、文字等方式來表達是環境污染風險評估系統建模的前提，而傳統模型則只能做到對污染因子的單一表達。為此基于多智能體聯用技術來建立持久性有機污染物動態評估模型，從而在微觀上模擬演化區域環境有機物污染的發展規律，并充分發揮其在復雜關系上動態表達風險因子交互的優勢。

由智能體聯用技術建模的一般原理可知，分析區域持久性有機物污染風險時，應先基于一定的算法和技術，定義風險評估模型的主體，再根據主體和客體的關系找到最佳平衡點，從而選出最優的方案。故建立評估模型時，應先將風險受體（人口、社會、經濟、環境等）與風險源（農藥使用、工業生產等）進行抽象，再根據各屬性受到影響后的變化來確定信息的處理和表達方式，實現對有機污染物的動態評估。模型應結合地理信息系統，以所評估的區域環境地質圖（氣候、植被、地形等）為背景，再用柵格圖像來表達，直觀地體現持久性有機污染物的變化和影響。然后使用反應式智能體來仿真環境污染的發生，由此來模擬持久性有機污染物對風險受體（人口、經濟、自然、社會等）的影響，并不斷調整范圍和影響力，每個風險受體都由各自的跟蹤式智能體所控制，故每個受體的狀態不僅被污染物的種類、強度等所影響，還由其他風險受體所決定。再利用復合式智能體得到反饋，即分析區域內受體的演變（人為演變和非人為演變），將其可視化，最后再用一個獨立的智能體來統計每次仿真后的結果，從而提出相應的處理方式，并顯示出污染風險的規劃，實現動態風險評估。該模型的重點在于，利用智能體的優點將其聯用，可以同時處理其相互影響關系。該種方式的優勢是根據歷史數據、風險受體的關系等提前模擬出不同時空、污染物強度的多風險情景，分析出污染發生的可能性及其影響和后果，從而提前做到對污染發生行為的預防和控制，而不是在污染發生后做出環境污染的預報。

3.3 多智能體聯用建模的優點

綜上所述，持久性有機污染物風險評估模型基于多智能體聯用建模有以下3 個優點。

（1）具有良好的可塑性。智能體聯用建模的好處在于：憑借AI（Artificial Intelligence）領域的相關成果，實現對持久性有機污染物風險評估的智能化，即不同智能體通過計算局部信息來尋找分布式一致性問題的最優解。利用一些AI 方法，如大腦模擬、符號處理、專家系統等，可以使現有的靜態風險評估模型得到擴展，并將風險評估結果優化，這是未來風險評估領域的趨勢。

（2）將持久性有機污染物風險評估動態化。與現有的以概率為基礎的靜態建模不同，在不同的情境和狀態下，多智能體聯用建模可以模擬各種風險載體，如財產、人身健康、社會穩定性等，在污染程度達到不同等級時的狀態和相互關系，從而動態地評估持久性有機污染物風險。智能體聯用技術使得每個智能體既能獨立思考，又能相互交流協作，從而達到同步互動，這是模型能實現風險評估的動態性的原因［41］。

（3）將持久性有機污染物風險評估領域的現有研究成果加以吸收。考慮到靜態風險評估大多基于已知的數學方法和模型，故智能體的選取可以參考國家或機構統一頒發的標準指南。根據權威環境監測機構對污染指標的經驗來確定多個智能體，后續確定轉換函數時也可借鑒已有的污染損失數據。從某種意義來說，智能體聯用技術作為風險評估的一種方式，不僅能夠作用于污染物風險評估，并且能在將來為其他領域的風險理論提供更廣闊的平臺。

4 結語

持久性有機污染物動態風險評估模型的研究還尚未成熟，仍然需要面對諸多挑戰。首先，由于計算機建模擁有定量化的特點，這就要求人類對風險載體之間的關系要有更深入的研究，而區域環境污染系統是一個龐大的概念，要在微觀上通過各污染要素的關系才能實現智能體聯用技術的構建，目前對該領域的研究還不夠成熟。此外，多智能體聯用技術是對區域環境污染的全方位仿真模擬，目前的模型不能充分發揮其技術優勢，而是著力于風險因子相互之間的關系。環境污染是一個復雜的概念，動態風險評估模型應在宏觀上呈現持久性有機污染物的產生、演變、影響和治理方法的優化。