城鎮化進程中水污染智能化防治策略探討

李干蓉　龍松勇　楊曉武

【摘要】新型城鎮化是由農業為主的傳統鄉村社會向以工業和服務業為主的現代城市社會逐漸轉變的歷史過程，該進程中會產生嚴重影響人民生活水平的水污染問題，本文分析了水污染的成因以及危害，借助于先進的人工智能技術，探討了一種基于人工智能的水污染防治策略，為科學決策提供相應的智力支撐。

【關鍵詞】新型城鎮化；水污染防治；人工智能

1、引言

城鎮化作為一段歷史進程，不僅是一個城鎮數量與規模擴大的過程，同時也是一種城鎮結構和功能轉變的過程，同時具有農村人口在空間上的轉換，非農產業向城鎮聚集和農業勞動力向非農業勞動力轉移等本質特征。水是人類賴以生存的物質基礎，水污染嚴重 地威脅著我國的水資源和水環境安全，水資源污染和短缺將導致人民的生活質量下降，直接影響經濟的快速發展和社會的穩定。城鎮化進程中勢必帶來一系列的社會和環境問題，加之農村農業發展慢，經濟實力弱，人民生活水平較低，水資源開發利用和保護力度有待加強。根據我國制定的水污染防治法，提出水污染防治應當堅持預防為主、防治結合、綜合治理的原則，優先保護飲用水水源，嚴格控制工業污染、城鎮生活污染，防治農業面源污染，積極推進生態治理工程建設，預防、控制和減少水環境污染和生態破壞。因此，在城鎮化進程中，在著力解決水污染問題的同時又能保證經濟較快發展和社會穩定，是一個值得探討分析的難題。基于此，本文主要對城鎮化進程中帶來的水污染問題進行分析，引入人工智能先進技術，探討了相應的水污染智能化防治策略，為水污染控制決策人員提供一定的理論參考。

中共中央、國務院2014年印發《國家新型城鎮化規劃2014-2020年》努力走出一條以人為本、四化同步、優化布局、生態文明、文化傳承的中國特色新型城鎮化道路，對全面建成小康社會、加快推進社會主義現代化具有重大現實意義和深遠歷史意義，按照規劃要求，到2020年，全國所有縣城和重點鎮具備污水收集處理能力，縣城、城市污水處理率分別達到85%、95%左右。國發〔2015〕17號指出，強化城鎮生活污染治理。加快城鎮污水處理設施建設與改造。現有城鎮污水處理設施，要因地制宜進行改造，2020年底前達到相應排放標準或再生利用要求。新型城鎮化健康發展的內涵和目標。社會生活的民主就業的相對充分、社會保障的公平、人生價值的多樣化實現、生態 環境的可持續、法制的契約關系及市場取向等。孟偉院士于2013年提出開展重化工業污染控制、農村面源治理、水環境修復技術研發與集成以及，即水質達標管理向水生態健康管理轉變；目標總量控制向容量總量控制轉變；行政區管理向流域管理轉變；被動式應急管理向主動風險管理轉變。

2、人工智能優勢

人工智能在節能減排起到重要作用，人工智能通過自身的優勢不斷提高能源的利用率。該功能在日常生活中具體表現為：有些智能硬件，可以根據季節和時間段的不同，自動調節溫度，以適應不同的工作學習生活，因此會使能源利用率就會極大地提高，能源就會得到極大的節省。

水污染的危害是致命的，帶來的后果大致分為以及幾類：死亡有機質帶來的危害是河流和溪流發黑，變臭，毒素積累，傷害人畜；石油化工帶來的危害：不但污染水體，導致水源水質嚴重下降，不能飲用，且長期積累在水生物中，容易導致食物中毒現象；水體營養如氮、磷等物質帶來的危害：容易引起富營養化，一起藻類的急劇繁殖，導致有劇毒的藻毒素。

采用傳統的水污染治理方式在一定時期內取得了相應的成效，但也不滿足于現有社會經濟發展的需求，在國家政策的主導下，特別是針對水污染的‘防和‘治兩方面，科學技術防治水污染，即利用人工智能技術對水污染進行防治，不失為一種高效的措施，人工智能技術目前在國內外得到迅速發展，隨之多種信息科學領域得到發展，特別是以信息學、控制學、仿生學、計算機學等學科領域的疑難技術突破均被運用到人工智能應用中。人工智能是一項前瞻性科學研究，經過研究人員們長時間的科學探索和技術攻堅，并不斷涌現出新思想、新觀念、新理論、新技術，成為未來科學技術革命的重要發源地。城鎮化進程中帶來的水污染問題，可以借助于先進的智能化設備來處理，而智能化設備應該具備相應的‘學習能力功能，智能化是未來信息技術的發展趨勢，也是第三次工業革命的重要特征，已成為生產、生活領域技術創新的關鍵環節，產生深遠的影響。

3、水污染智能化防治策略

實現水污染智能化防治，需利用最新的科技設備，結合法律法規，制定相應的策略來實現。下面來探討如何實現水污染防治的智能化方法。

3.1 水污染的成因

水的污染主要包括自然污染和人為污染兩種，顯然，城鎮化進程中導致水污染的因素為人為污染。因此，本文重點討論人為污染進行的防治策略，因為人為污染對水體和人類危害較大。人為污染主要體現在以下幾個方面：存在認識問題、發展階段所致、產業結構不合理、技術水平不高和環保投入沒有高效利用等因素。本文就技術水平不高因素討論相關的水污染防治策略。

3.2 基于人工智能的水污染防治策略

經濟發展過程中，人為造成的水污染是不可避免的，我們只能將水污染程度控制在一定范圍內。根據水污染的成因，采取相應的防治策略，特別是引入人工智能科學技術具有重要意義。

人工智能比較顯著特征就是它的自我學習的能力，與環境不斷交互過程中完善自我，提高自身的判別能力，最終實現目標向量或目標函數最優化，這里的目標向量最優化可以認為是通過對水污染進行一系列的處理后，使水質到達或高于預期目標，排放后對外界環境造成最少的損失代價，使人民生活質量最大化的過程，該向量是由多個環境因素構成。主要的學習策略有：

（1）機械學習：是指符號所代表的新知識與學習者認知結構中已有的知識建立非實質性的和人為的聯系，即對任意的（或人為的）和字面的聯系獲得的過程。（2）示教學習：示教學習的主要目標是通過學習示教者的行為，達到由自主體自動學習最優策略的目的。（3）在基于解釋的學習（分析學習）中，學習器的輸入是假設空間H，一些訓練樣例集合D，還有一個領域理論B等。下面給出設備智能化水平、水污染治理效果和人民生活水平的關系圖1所示，為簡化表示，用智能化技術，治理效果和生活水平來備注標題。

從圖1可以看出，左邊的圖顯示了設備智能化水平和水污染治理效果的關系圖，水污染治理效果會隨著智能化水平的提高而得到不斷地改善，右邊的圖顯示了人民生活水平隨著改善的治理效果而得到提升，這就蘊含著設備智能化水平，經過合理的運用在水污染防治過程中，將間接地改善人民的生活水平，因此，借助于人工智能技術，將有益于水質量的提升。下面繼續探討人工智能設備主要功能。

3.3 人工智能設備主要功能

要實現水污染的智能化防治，就要采用先進的科技來實現，其核心就是以工藝設備為載體，引入人工智能算法，實現特定的功能。要求工藝設備必須具有感知能力，這是實現智能水污染管控目的的要素之一，同時要求設備之間進行聯網，同時要求具備云計算的能力。下面介紹它們的作用。

（1）傳感網

傳感網是一組隨機分布包含傳感器、數據處理單元和通信單元的微小節點，通過自組織的方式構成的無線網絡，在水污染控制過程中，可以獲取防治因素的實時數據，進行定量分析，實現智能化識別和管理，形成智慧的防治策略。傳感網的核心技術有感知技術：主要獲取信源，目前比較高效的是采用RFID射頻識別技術，可以通過無線電訊號識別特定目標并讀寫相關數據，而無需識別系統與特定目標之間建立機械或者光學接觸；傳輸技術：主要通過互聯網、無線網和傳感器網來實現。

（2）云計算技術

云計算技術是一種具有互聯網的智能計算方式，實現軟硬件資源共享以及信息按需分配給其它設備，是相關服務的增加、使用和交付模式，通常涉及通過互聯網來提供動態易擴展且經常是虛擬化的資源。

總結

本文主要探討了城鎮化進程中伴隨的水污染控制這一問題，分析了水污染的成因及危害，借助科技是第一生產力這一思想，引入人工智能先進技術理念，分析了人工智能在水污染防治工程中的作用，為水污染防治的科學決策提供一定的智力支撐。

參考文獻：

[1] 張曉. 中國水污染趨勢與治理制度[J]. 中國軟科學， 2014（10）：11-24.

[2] 呂佳， 李艷松. 農村水污染的影響因素與防治策略分析[J]. 資源節約與環保， 2015（9）：77-77.

[3] 孟偉. 遼河流域水污染治理和水環境管理技術體系構建——國家重大水專項在遼河流域的探索與實踐[J]. 中國工程科學， 2013（3）：4-10.

[4] 胡震云， 陳晨， 王慧敏，等. 水污染治理的微分博弈及策略研究[J]. 中國人口·資源與環境， 2014， 24（5）：93-101.

[5] 姚士謀， 張平宇， 余成，等. 中國新型城鎮化理論與實踐問題[J]. 地理科學， 2014， 6（6）：641-647.

[6] 張鴻雁. 中國新型城鎮化理論與實踐創新[J]. 社會學研究， 2013（3）：1-14.

[7] 鐘義信. 人工智能的突破與科學方法的創新[J]. 模式識別與人工智能， 2012， 25（3）：456-461.

[8]李干蓉等， 烏江思林水庫夏季富營養化評價與分析. 山東農業大學學報（自然科學版）， 2014（04）： 581-584.

[9] 余杰， 田寧寧， 王凱軍，等. 中國城市污水處理廠污泥處理、處置問題探討分析[J]. 環境工程學報， 2007， 1（1）：82-86.

[10] 金波， 李寶新. 城市污水處理廠污泥的綜合利用探討[J]. 環境科學與管理， 2010， 35（5）：106-109.

[11] 劉永， 陽平堅， 盛虎，等. 滇池流域水污染防治規劃與富營養化控制戰略研究[J]. 環境科學學報， 2012， 32（8）：1962-1972.

作者簡介：

李干蓉，女，碩士，副教授。主要研究方向環境工程，生態治理技術。

楊曉武，男，博士研究生，主要研究方向人工智能技術，機器人運動控制。