基于TRIZ理論的“環境監測預報系統的設計應用”研究

于光華 蘇丹 夏魁良 王麗紅

摘要：通過建立深度學習模型，應用多層限制玻爾茲曼機（RBM）和一層反向傳播（BP）網絡組成多層深度信念網絡，應用TRIZ理論分析，更好地提煉出空氣濃度的趨勢，從而更加準確無誤地進行監測系統預報和監控。通過模擬人類大腦的神經連接結構，將數據原有空間的特征轉換到模型特征空間中進行訓練，自動地學習得到層次化的特征表示，從而提高預報性能。近年的實踐表明，環境檢測系統已成為解決環境空氣監管的主要技術措施和手段，為城市主動監管和治理環境空氣質量提供了強有力的工具，是實現國家治理霧霾的一項重要措施。

關鍵詞：TRIZ理論;環境監測;城市空氣污染防治

中圖分類號：G642.0? ? ?文獻標志碼：A? ? ?文章編號：1674-9324（2019）42-0091-02

一、引言

近幾年來，我國經濟不斷快速增長的同時，也造成環境的嚴重破壞，部分大中城市深受霧霾的影響。以二氧化硫、氮氧化物、一氧化碳、可吸入顆粒物（PM10，PM2.5）等為主要污染物的城市空氣污染問題日益突出，已嚴重制約了我國經濟的飛速發展。因此，為了有效地反映空氣污染變化趨勢，為環境管理決策提供準確、全面的空氣質量信息，預防嚴重污染事件發生，開發城市空氣質量預報裝置是十分必要的。近些年來，將人工神經網絡用在城市空氣質量預報領域的研究受到廣大科學者的關注，主要表現在空氣污染物濃度的短期預報、空氣污染指數的預報、污染物總量的預報、使用改進的神經網絡進行預報以及多種預報方法的比較等幾個研究方向。雖然在研究過程中取得了一定成果，但由于城市空氣質量的狀況受到氣象、地理、污染源和人類活動等多種因素的影響，加上神經網絡自身還存在著一些不足和局限，所以在預測過程中還有很多問題待解決。借鑒TRIZ理論的原理進行模型的建立，可以更加準確地預報。

二、TRIZ理論簡介

1.基本原理的實際內容。TRIZ是根里奇·阿奇舒勒通過對50萬件發明專利進行研究、分析、歸納和總結，揭示了隱藏在專利中的奧秘，是提煉出的一整套體系化的、實用的發明創新理論。TRIZ理論是一種創新方法，它使創新思維從發散走到收斂，利用創新規律使創新走向盲目的、高成本的試錯或靈光式的偶然。在眾多創新方法中，該創新方法是世界上最神奇的一種發明創新方法，既能解決問題的具體方案，還能尋找解決問題答案的思路和方向[1-3]。

2.基本理論的解決思路。G.S.Ahshuller通過對上百萬件發明專利的分析研究，抽出了40個發明創造所遵循的原理，它們成為TRIZ解決技術矛盾的關鍵。理論的核心技術系統進行化法則，包括完備性法則、能量傳遞法則、提高理想度法則、矛盾產生與克服法則等。進化法則是TRIZ理論中解決發明問題的重要指導原則，掌握好進化法則，可有效提高問題解決的效率。其中TRIZ就是從問題中找到存在的物理矛盾并對其進行改善，從而達到解決目標的理論。想要提高TRIZ的實用性，最重要的工作就是想方設法使人們更容易地找到問題中包含的物理矛盾。實用TRIZ要求解決問題必須按照既定的3個步驟一步一步進行：一是問題發生臨界狀態的模型圖，二是導出矛盾，三是分析矛盾。

3.應用的TRIZ理論。應用TRIZ理論中的最終理想解，目的是希望用高技術、小成本，可以換來大利潤;應用TRIZ理論中的S曲線的四個時期對項目進一步分析，使其更有社會價值。在系統開發的過程中，我們需要的是讓系統使用的壽命長，監測數據準確，預報精度高，但質量好所需的成本就高，然而，我們更希望的是低成本高利潤。

三、分析矛盾

1.分割原則。（1）將監測系統、實時傳輸部分分成獨立的部分。（2）使監測系統、通信模塊能夠實現系統升級，協議共享。（3）增加監測精度、空氣濃度實現實時傳輸。

2.拆出原則。從空氣中采集空氣濃度數據，送予預測模型拆出“干擾”部分（“干擾”特性）或者相反，分出唯一需要的部分或需要的特性。與上述監測系統和通信系統分成幾個相同部分的技法相反，這里是要把監測到的數據進行反饋、分析，建立數據之間的內在規律，分成幾個不同的部分。

3.局部性質原則。（1）要分別單獨無監督地訓練每一層RBM網絡，通過非監督貪婪逐層方法預訓練獲得生成模型的權值，確保特征向量映射到不同特征空間，要盡可能多地保留特征信息。訓練過程，實際上是通過確定權值求出一個最能產生訓練樣本的概率分布。也就是說，求一個分布，使得在這個分布下訓練樣本的概率最大。（2）模型最后一層的BP網絡，接收RBM的輸出特征向量作為輸入特征向量，有監督地訓練分類器。每一層RBM網絡調整自身層內的權值，確保該層特征向量映射達到最優，而整個模型的特征向量映射并沒達到最優，所以BP網絡將錯誤信息自頂向下傳播至每一層RBM，微調整個DBN網絡。（3）在訓練數據集的選取上，根據歷史經驗選取當年最近一段時間內和前一年同期最近的一段時間內污染物濃度和氣象數據作為訓練樣本數據，生成訓練集，提高了預測模型的預測精度。

4.精度補償原則。應用神經網絡BP去訓練最后一層，微調DBN網絡模型，從而提高預報精度。

5.最終理想解。系統使用壽命長，不僅能實現監測監控，而且能根據監測地點的環境參數進行準確的監測、預報，同時軟件向網絡化發展，按統一的格式向外提供監測數據。其次，規范通信協議和傳輸設備物理層協議，提高遠程通信能力，加強系統的兼容性或制定相應的專業技術標準。有用功能即為系統的長使用壽命、高精度監測、低成本高利潤，有害作用就是環境的進一步變換以及檢測漏洞等，我們需要的是增高理想度。

四、系統功能分析

功能分析（如表所示）：

結論：本設計運用了TRIZ理論，該方法通過模擬人類大腦的神經連接結構，將數據在原空間的特征表示轉換到具有語義特征的新特征空間，自動地學習得到層次化的特征表示，從而提高預報性能。得益于這種方式，新方法與傳統方法相比，不僅可以利用空氣質量監測、氣象監測及預報等環境大數據，充分考慮污染物的時空變化、空間分布，得到直觀性的污染物變化規律，還可以基于其他空氣污染預測方法的結果（如數值預報模式），自動分析其適用范圍、優勢劣勢。因此，新方法通過模擬人腦思考過程實現更充分的大數據集成，一定程度上克服了現有方法的缺陷，應用上更加具有靈活性和可操作性，對空氣質量的預報更加具有真實性。

參考文獻：

[1]趙新軍，李曉青，鐘瑩.創新思維與技法[M].北京：中國科學技術出版社，2014.

[2]趙新軍，孫曉楓.40條發明創造原理及其應用[M].北京：中國科學技術出版社，2014.

[3]金昊宗.適用TRIZ研究與實踐[M].北京：中國科學技術出版社，2014.