基于傳感器和模糊算法的水質監測系統

李素平 尤容容 蔣治國 許 明 毛萬中

（巢湖學院，安徽 巢湖 238000）

基于傳感器和模糊算法的水質監測系統

李素平 尤容容 蔣治國 許 明 毛萬中

（巢湖學院，安徽 巢湖 238000）

文章針對巢湖水質污染問題，結合我國水質監測技術發展現狀，構建了基于Zigbee無線傳感器的湖泊水質監測系統，使用模糊神經網絡算法進行水質測評，并將巢湖水質狀態通過APP的形式展示出來。實驗表明，該系統可以實現水質的智能化監測，能夠有效提升水質監測的質量和效率。水質狀態以APP的形式展示，具有較強的應用和推廣價值。

Zigbee無線傳感器；湖泊水質監測；模糊神經網絡；APP

1 引言

近年來水污染的問題日漸突出，作為五大淡水湖之一的巢湖因為工業化的發展水質污染也越來越嚴重。因為水質污染宣傳力度不夠，民眾對巢湖水質污染的程度及相關情況了解較少，所以保護巢湖水資源的意識比較淡薄。因此設計出一款可以讓市民隨時了解巢湖水質污染情況的APP顯得尤為重要。

2 水質監測研究概述

2.1 水質監測系統研究現狀

據了解，國外在水質監測方面起步較早，從20世界中葉以來，美國、英國、日本等國家先后建立了水質污染監測系統[1]。雖然我國的水質監測系統也歷經了多個主要階段，從最初的人工水質分析階段到使用監測儀器階段，再到如今的水質自動監測階段，但是我國在監測系統方面和其他國家相比，依然存在著一定的差距。

無線傳感器網絡具有智能化程度高、信息時效強、覆蓋區域廣、支持多路傳感器數據同步采集、可擴展性好等特點[2]，其在水質環境監測領域有著廣闊的應用前景。目前，國內外已開展了無線傳感器網絡在水質監測相關方面的應用研究。

2.2 巢湖水質監測系統研究意義

采用無線傳感器進行信息傳送，可以實現水質自動監測，改變了傳統的水質監測采用儀表結合人工操作的弊端，使監測覆蓋區域變廣，可擴展性變強，可以實現實時反映巢湖水環境動態變化[3-4]。市民只需在手機上安裝可以顯示水質狀態的軟件，即可隨時隨地了解巢湖水質的污染情況。此外，在此類APP客戶端上會推薦一些改善水質的措施，讓市民改善水質有法可行。

3 系統總體設計

3.1 水質環境參數

衡量水污染的指標主要有溫度、PH值、溶氧量（DO）、電導率、濁度、鹽度、氨氮、化學需氧量（COD）、生化需氧量（BOD）、總磷、總氮和重金屬離子等[5]。在本文系統中以氨氮、溶氧量（DO）、化學需氧量（COD）為檢測指標，設計了基于無線傳感器網絡的巢湖水質監測系統。該系統使用靈活，能對大范圍水域實現水質環境參數的實時采集、無線傳輸和遠程監測等功能。同時針對巢湖水質的污染問題，在實時測評巢湖水質等級的基礎上，以水質指標數據和水質監測等級作為數據源，設計出了一款巢湖水質監測APP。

3.2 系統結構設計

巢湖水質監測系統由Zigbee無線傳感器網絡、本地監測中心和用戶界面APP組成。Zigbee無線傳感器網絡具有水質數據采集功能，包括傳感器節點、路由節點和匯聚節點[6-7]。傳感器可以放置在監測區域內，以自組織的方式構成無線網絡，將采集到的數據以多跳的網絡方式傳遞到匯聚節點，匯聚節點接收到信息并進行分析處理，然后把數據傳送到本地監測中心，監測中心軟件對接收的數據采用模糊神經網絡進行處理，可以實現水質實時在線監測，此后監測中心會通過GPRS模塊接入網絡，將數據發送到手機APP軟件上，具體結構如圖1所示。

圖1 水質監測系統結構圖

3.3 無線傳感器模塊

目前已經有很多類型的化學傳感器，能夠檢測24種水質參數，遵照地表水環境質量標準《GB3838-2016》，本文選擇氨氮、溶氧量（DO）、化學需氧量（COD）3個參數的傳感單元模塊作為監測對象。傳感器感知模塊中，各傳感單元模塊采集到的現場信號傳輸到本地檢測中心的處理器。傳感器各模塊之間協調工作，共同完成數據采集、數據處理和數據發送任務。

無線傳感器網絡包括傳感器節點、路由節點和匯聚節點，可以用于采集被監測區域的水質參數。將傳感器節點分布于被監測區域，動態地組成ZigBee網絡，用于采集水中的氨氮、溶氧量（DO）、化學需氧量（COD）等指標數據；匯聚節點負責接收傳感器節點發出的數據，并對采集到的數據進行處理[8]。由于Zigbee設備為低功耗設備，其通信距離較短，因此設備設計成可自動調整發射功率。為進行實時水質監測，設備會一直呈現活躍狀態。

可那時的李莉不這么認為，她覺得她和許峰的相戀，是互相驚艷了時光，他看見她，心如止水；她看見他，如見繁華。

匯聚節點是由若干個具有路由功能的無線節點構成，其主要作用是上傳從傳感器節點上接收到的水質參數，便于后期進行水質等級檢測，并將得到的水質結果傳送給本地監測中心，從而把水質評價結果呈現在APP中[9]。

4 模糊神經網絡水質檢測算法

本地監測中心使用模糊神經網絡算法進行水質檢測，檢測數據來自于被監測區域的數據采集模塊。水質指標數據取自巢湖多個觀測點，實驗中選取的觀測點有黃麓水域、中廟水域和龜山公園水域。根據該區域實際情況選取氨氮、溶氧量（DO）、化學需氧量（COD）3項指標作為參評因子，水質評價標準參考國家地表水環境質量標準。

4.1 T-S模糊神經網絡的水質檢測算法

系統采用T-S模糊神經網絡的水質評價算法。T-S模糊系統是一種自適應能力很強的模糊系統，該模型不僅能自動更新，而且能不斷修正模糊子集的隸屬度。T-S模糊神經網絡分為輸入層、模糊化層、模糊規則計算層和輸出層。輸入層與輸入向量連接，節點數與輸入向量維數相同。模糊化層采用隸屬度函數對輸入向量進行模糊化得到模糊隸屬度。模糊規則計算層將得到的隸屬度進行模糊計算，由模糊計算結果判定模糊模型的分類。

基于T-S模糊神經網絡的水質檢測算法如圖2所示[10]，其中模糊神經網絡根據訓練樣本的輸入維數、輸出維數確定網絡的輸入和輸出節點數。網絡初始化后用訓練樣本訓練模糊神經網絡，用訓練好的模糊神經網絡評價巢湖水質，訓練樣本和檢測樣本均來自傳感器數據采集模塊。

圖2 基于模糊神經網絡的水質維數算法流程圖

4.2 算法性能測試與分析

模糊神經網絡用訓練數據訓練神經網絡，實驗中取巢湖水體樣本對巢湖水質進行評價，采樣取水口為巢湖船廠水域。采樣時間為2015年和2016年兩個全年，監測數據采樣頻率為每小時一次，對每周的數據取均值作為實驗數據，共計104組訓練數據，采樣水體用氨氮、溶氧量（DO）、化學需氧量（COD）3項指標作為參評因子。模糊神經網絡訓練樣本水質檢測等級如圖3所示，其網絡反復訓練100次。

圖3 訓練樣本水質檢測

圖3為訓練樣本水質檢測結果圖，檢測樣本來自于巢湖船廠水域，可以看到基于模糊神經網絡的水質檢測算法用于檢測水質等級的準確率很高。在104組樣本數據中只有第38組數據和第90組數據有一個等級的偏差，其余全部正確，正確率為98%，因此可以采用訓練完成的該網絡對巢湖水質等級進行測評。

圖4 測試樣本水質檢測

通常情況下，巢湖水質監測數據采樣頻率為每小時一次，故對原始采樣數據進行預處理，對于每類水質指標數據，取每月水質數據的均值作為待測實驗數據。為檢驗模糊神經網絡的水質檢測算法，用訓練好的神經網絡檢測巢湖黃麓水域和中廟水域2015年到2016年兩個全年各月份水質等級，網絡評價結果如圖4所示。

圖4中橫坐標代表2015年到2016年的各個月份，共24個月份。可以看到，黃麓水域和中廟水域水質等級基本穩定在2級和3級之間，2016年春季兩個水域的水質整體上優于2015年的水質表現，不過在夏季尤其是7、8月份，水質狀況較差。這是由于7、8月份氣溫較高，水體富營養化，氨氮含量和化學需氧量 (COD)上升，導致水質偏差。進入12月份的冬季之后，水體富營養化現象得到抑制，水質轉好。

表1中時間一欄中數字代表2015年到2016年的24個月份。表中數據與基于模糊神經網絡的水質測評等級一致，說明了該算法的有效性。

表1 2015年水樣等級

表2 2016年水樣等級

5 用戶界面APP設計

當今社會民眾多使用各類APP客戶端方便日常生活。為使人們能夠直觀形象地了解巢湖水質狀況，便于安排休閑旅行，設計了一款巢湖水質監測APP。該水質監測APP接收傳感器模塊和本地監測中心送來的數據，經后臺處理后可以將水質狀態在APP界面上非常直觀地呈現出來。

圖5 APP實現流程圖

巢湖水質監測APP包括首頁主界面、評界面、議界面和個人中心四個功能界面及，可以在四個界面間自行切換。首頁主界面主要體現了巢湖湖心湖畔有特色的三個旅游景點的位置、概況介紹、天氣、風速等信息。評界面用于展示巢湖各個景點的水質等級并對比顯示本期水質數據與上期水質數據。議界面包含各個景點區域的水質等級分別為優、良、中和差時的環保建議。對于環保措施，每個人都可以在APP客戶端的個人中心發表看法，積極行動起來，讓巢湖在藍天下水清湖美到永遠。

圖6 APP首頁和個人中心

圖7 APP評界面和議界面

6 結束語

本文結合Zigbee無線傳感器技術和模糊神經網絡進行水質監測，可以實時監測巢湖水質狀態，該方案可用于解決偏遠水域水質環境的監測問題。巢湖水質狀態以APP的形式展示，可以使更多的巢湖市民隨時關注巢湖水質狀況，具有綠色環保特性和較強的應用價值。

[1]莫莉，陳麗華.地表水水質監測指標體系現狀綜述[J].南昌工程學院學報，2014，33（4）:71-73.

[2]王文博，趙培陸，梅笑冬，等.基于 Zig Bee的無線傳感器網絡大氣監測系統設計[J].傳感器與微系統，2014，（2）:83-86.

[3]馬銳，陳光建，賈金玲，等.基Zigbee和GPRS的多參數水質監測系統設計[J].自動化與儀表，2014，（10）:33-36.

[4]陳巖，閆云浩，譚婷，等.基于 WSNs多參數水質監測的終端設計[J].傳感器與微系統，2014，（10）:83-86.

[5]高凱.基于模糊神經網絡的城市地下水水質評價研究[J].西安文理學院學報（自然科學版），2016，（4）:66-71.

[6]周皓東，黃燕，劉煒.基于WiFi無線傳感器網絡的水質監測系統設計[J].傳感器與微系統，2015，（5）:99-101.

[7]趙敏華，李莉，呼娜.基于無線傳感器網絡的水質監測系統設計[J].計算機工程，2014，（2）:92-96.

[8]張明陽.無線傳感器網絡在水質監測中的應用研究[D].合肥:合肥工業大學，2013:12-14.

[9]劉繼忠，敖俊宇，黃翔.基于 ZigBee的水質監測無線傳感器網絡節點[J].儀表技術與傳感器，2012，（6）:64-65.

[10]王小川，史峰.MATLAB神經網絡43個案例分析[M].北京:北京航空航天大學出版社，2013:288-298.

A STUDY ON THE WATER QUALITY MONITORING SYSTEM BASED ON SENSOR AND FUZZY ALGORITHM

LI Su-ping YOU Rong-rong JIANG Zhi-guo XU Ming MAO Wan-zhong
（Chaohu College， Chaohu Anhui 238000）

The lake water quality monitoring system based on Zigbee wireless sensor is constructed in view of the Chaohu Lake water pollution and the current situation of water quality monitoring technology in China.The fuzzy neural network algorithm is used for water quality assessment and Chaohu Lake water quality status is displayed in the form of APP.It is proved that the system can realize the intelligent monitoring of the water quality,which can effectively improve the quality and efficiency of the water quality monitoring.Water quality displayed in the form of APP is of strong popularization and application value.

Zigbee wireless sensor； Lake water quality monitoring； Fuzzy neural network； APP

TP14

A

：1672-2868（2017）03-0021-06

責任編輯：陳 侃

2017-04-20

皖維科技創新孵化基金項目（項目編號：WWZR-201604）；安徽省高校省級自然科學基金重點項目（項目編號：KJ2017A449）

李素平（1982-），女，山東聊城人。巢湖學院，講師。研究方向：智能信號處理。