基于遺傳算法的城市湖面污染監(jiān)測及溯源系統(tǒng)

李 浩

（濉溪縣生態(tài)環(huán)境保護綜合行政執(zhí)法大隊，安徽 濉溪235100）

0 引言

湖泊作為地表生態(tài)系統(tǒng)中的重要一環(huán)，其生態(tài)功能在逐漸退化[1]。由于城市湖泊周邊有大量的人類生活生產(chǎn)活動，存在著大量的潛在污染源。因此，有必要建立一個針對湖泊污染的監(jiān)測系統(tǒng)，通過監(jiān)測數(shù)據(jù)實時上傳與分析掌握湖泊狀況，并通過溯源算法對污染湖泊水域的源頭進行定位。

隨著物聯(lián)網(wǎng)相關通信技術的進步，針對低功耗設備的通信方式的應用。我們依托窄帶物聯(lián)網(wǎng)（Narrow Band Internet of Things，NB-IoT）[2]可以在大范圍內(nèi)建立可靠的通信網(wǎng)絡，實現(xiàn)大范圍內(nèi)眾多設備的數(shù)據(jù)交互。

遺傳算法可以通過模擬自然界中生物的自然進化過程進行最優(yōu)解求取[3]。闞哲等人[4]通過遺傳算法在網(wǎng)格中插值、擬合，從而實現(xiàn)對溫度場的重建。該團隊指出基于遺傳重建算法得出的溫度場與最小二乘法重建算法結果相比具有更高的精度。劉鵬程和李新利[5]團隊將多種群遺傳算法用于配電網(wǎng)故障定位，提高了系統(tǒng)的收斂效率。

在水污染模型建立方面，吳迪軍等人[6]采用隱格式有限元差分法對水動力方程和污染擴散方程進行聯(lián)合求解，從而建立水體污染物濃度在時空范圍內(nèi)的分布模型，并通過模擬分析驗證了模型的有效性。王迎彬[7]團隊研究了基于多節(jié)點數(shù)據(jù)融合通過擬牛頓法重構污染物分布模型的定位方法。

本文基于以窄帶物聯(lián)網(wǎng)為代表的低功耗廣域網(wǎng)技術設計了適用于城市湖泊環(huán)境下的物聯(lián)網(wǎng)監(jiān)控系統(tǒng)，并通過遺傳算法定位污染源頭。

1 系統(tǒng)架構

湖泊污染監(jiān)測及溯源系統(tǒng)分為邊緣感知層、數(shù)據(jù)傳輸層、云數(shù)據(jù)服務層和管控應用層。

邊緣感知層由水質(zhì)感知浮標陣列組成。感知浮標搭載有包括pH傳感器、溶解氧傳感器、電導率傳感器、氮磷傳感器在內(nèi)的多種傳感器，可以實時采集湖泊水質(zhì)信息。同時，浮標可以通過二維流速傳感器感知水體的流速信息，為后續(xù)建立湖泊污染物擴散場打下基礎。感知浮標通過NB-IoT模組上傳數(shù)據(jù)，浮標采用太陽能電池供電，并結合PSM技術進行低功耗設計。

數(shù)據(jù)傳輸層為電信運營商提供的通信基站、核心網(wǎng)等基礎設施。隨著三大運營商加速在物聯(lián)網(wǎng)領域的建設，在全國范圍內(nèi)NB-IoT網(wǎng)絡已基本實現(xiàn)全覆蓋。

云數(shù)據(jù)服務層主要負責匯集系統(tǒng)中的數(shù)據(jù)，并通過遺傳算法對異常數(shù)據(jù)進行源頭追溯，定位湖泊污染源頭。同時將數(shù)據(jù)整理、分類提供給管控應用層。

管控應用層采用B/S架構開發(fā)。湖泊環(huán)境監(jiān)測人員可通過管控應用程序查看湖面各個區(qū)域的實時水質(zhì)狀況，從而定位污染源頭推算點。

2 基于遺傳算法的湖泊污染溯源算法

要基于遺傳算法重建湖泊污染擴散模型，就要采集出湖面若干點的污染物濃度數(shù)據(jù)。我們首先對湖面進行了網(wǎng)格化劃分，建立基準坐標系。而要完成對污染源頭的溯源工作，則需要根據(jù)已知污染濃度網(wǎng)格的數(shù)據(jù)推算出未部署水質(zhì)感知浮標的網(wǎng)格數(shù)據(jù)。

由于城市湖泊較小，流動性不強，水體較為穩(wěn)定。因此，污染物擴散受到水體流動的干擾較小，其基本符合由高濃度至低濃度的方向進行擴散。因此，合理推算出監(jiān)測點之間空白處的污染狀況，建立污染物擴散場是一個尋優(yōu)過程。

假設Tn時刻向水體中（xs，ys）位置投入污染物，其質(zhì)量為M，x，y方向的水流速度分別為vx、vy，水體在各方向的擴散系數(shù)均為cd。則在Tn+1時刻（x，y）處的污染濃度為：

設我們在湖面上部署了n個水質(zhì)感知浮標，浮標的位置記為（x1，y1），（x2，y2）…（xn，yn），各個節(jié)點的污染物濃度測量值記為向量CM={cmi｜i∈{1, 2，…，n}}。 則根據(jù)公式（1）可估算出各個水質(zhì)浮標位置的濃度值，記為向量CE={cei｜i∈{1, 2，…，n}}。 由此，我們可以得到各個水質(zhì)浮標的實際測量值與理論推算值之間的誤差函數(shù)：

當誤差函數(shù)達到最小值0時，可計算出污染物釋放量M、污染源位置（xs，ys），以及已持續(xù)擴散時間t的最優(yōu)解。我們采用遺傳算法進行求解。

當?shù)谝淮N群產(chǎn)生之后，按照優(yōu)勝劣汰的原理使種群迭代優(yōu)化，在種群中挑選適應能力強的個體，結合遺傳算子進行交叉組合和變異，得出代表解集的種群。遺傳算法可以對全局進行有效搜索，同時對各種特殊問題有著很強的適應性。如圖1所示為算法流程圖。

圖1 遺傳算法基本流程圖

首先，設污染物釋放量M、釋放時間t、污染物坐標（xs，ys）為個體的基因組，采用二進制編碼表示上述變量。 設定f（M，t，xs，ys）的值越接近于0，適應度越高。適應度決定遺傳概率。進入下一代種群中的個體數(shù)量由比例選擇算子確定。我們將水污染誤差函數(shù)轉(zhuǎn)換為適應度函數(shù)F（M，t，xs，ys）。

式中，CMAX為預設值，它與種群最大值成正比。種群通過比較適應度選擇遺傳的個體，實現(xiàn)了優(yōu)勝劣汰。

種群中個人的遺傳資格采取輪盤賭的方式確定。隨機選取兩個獲取遺傳資格個體的相同染色體位置按單點交叉算子按交叉概率P進行交換，從而在種群中產(chǎn)生了具有新基因的個體。

3 總結與展望

本文基于LPWAN構建了面向城市湖泊的污染監(jiān)測系統(tǒng)，實現(xiàn)湖泊水質(zhì)動態(tài)監(jiān)測?；谶z傳算法實現(xiàn)對湖泊污染源頭的追溯定位。下一步將針對算法和系統(tǒng)的實際測試結果進行優(yōu)化，并研究不同水體狀況的湖泊對算法性能的影響。