基于传感器和模糊算法的水质监测系统

李素平 尤容容 蒋治国 许 明 毛万中

（巢湖学院，安徽 巢湖 238000）

基于传感器和模糊算法的水质监测系统

李素平 尤容容 蒋治国 许 明 毛万中

（巢湖学院，安徽 巢湖 238000）

文章针对巢湖水质污染问题，结合我国水质监测技术发展现状，构建了基于Zigbee无线传感器的湖泊水质监测系统，使用模糊神经网络算法进行水质测评，并将巢湖水质状态通过APP的形式展示出来。实验表明，该系统可以实现水质的智能化监测，能够有效提升水质监测的质量和效率。水质状态以APP的形式展示，具有较强的应用和推广价值。

Zigbee无线传感器；湖泊水质监测；模糊神经网络；APP

1 引言

近年来水污染的问题日渐突出，作为五大淡水湖之一的巢湖因为工业化的发展水质污染也越来越严重。因为水质污染宣传力度不够，民众对巢湖水质污染的程度及相关情况了解较少，所以保护巢湖水资源的意识比较淡薄。因此设计出一款可以让市民随时了解巢湖水质污染情况的APP显得尤为重要。

2 水质监测研究概述

2.1 水质监测系统研究现状

据了解，国外在水质监测方面起步较早，从20世界中叶以来，美国、英国、日本等国家先后建立了水质污染监测系统[1]。虽然我国的水质监测系统也历经了多个主要阶段，从最初的人工水质分析阶段到使用监测仪器阶段，再到如今的水质自动监测阶段，但是我国在监测系统方面和其他国家相比，依然存在着一定的差距。

无线传感器网络具有智能化程度高、信息时效强、覆盖区域广、支持多路传感器数据同步采集、可扩展性好等特点[2]，其在水质环境监测领域有着广阔的应用前景。目前，国内外已开展了无线传感器网络在水质监测相关方面的应用研究。

2.2 巢湖水质监测系统研究意义

采用无线传感器进行信息传送，可以实现水质自动监测，改变了传统的水质监测采用仪表结合人工操作的弊端，使监测覆盖区域变广，可扩展性变强，可以实现实时反映巢湖水环境动态变化[3-4]。市民只需在手机上安装可以显示水质状态的软件，即可随时随地了解巢湖水质的污染情况。此外，在此类APP客户端上会推荐一些改善水质的措施，让市民改善水质有法可行。

3 系统总体设计

3.1 水质环境参数

衡量水污染的指标主要有温度、PH值、溶氧量（DO）、电导率、浊度、盐度、氨氮、化学需氧量（COD）、生化需氧量（BOD）、总磷、总氮和重金属离子等[5]。在本文系统中以氨氮、溶氧量（DO）、化学需氧量（COD）为检测指标，设计了基于无线传感器网络的巢湖水质监测系统。该系统使用灵活，能对大范围水域实现水质环境参数的实时采集、无线传输和远程监测等功能。同时针对巢湖水质的污染问题，在实时测评巢湖水质等级的基础上，以水质指标数据和水质监测等级作为数据源，设计出了一款巢湖水质监测APP。

3.2 系统结构设计

巢湖水质监测系统由Zigbee无线传感器网络、本地监测中心和用户界面APP组成。Zigbee无线传感器网络具有水质数据采集功能，包括传感器节点、路由节点和汇聚节点[6-7]。传感器可以放置在监测区域内，以自组织的方式构成无线网络，将采集到的数据以多跳的网络方式传递到汇聚节点，汇聚节点接收到信息并进行分析处理，然后把数据传送到本地监测中心，监测中心软件对接收的数据采用模糊神经网络进行处理，可以实现水质实时在线监测，此后监测中心会通过GPRS模块接入网络，将数据发送到手机APP软件上，具体结构如图1所示。

图1 水质监测系统结构图

3.3 无线传感器模块

目前已经有很多类型的化学传感器，能够检测24种水质参数，遵照地表水环境质量标准《GB3838-2016》，本文选择氨氮、溶氧量（DO）、化学需氧量（COD）3个参数的传感单元模块作为监测对象。传感器感知模块中，各传感单元模块采集到的现场信号传输到本地检测中心的处理器。传感器各模块之间协调工作，共同完成数据采集、数据处理和数据发送任务。

无线传感器网络包括传感器节点、路由节点和汇聚节点，可以用于采集被监测区域的水质参数。将传感器节点分布于被监测区域，动态地组成ZigBee网络，用于采集水中的氨氮、溶氧量（DO）、化学需氧量（COD）等指标数据；汇聚节点负责接收传感器节点发出的数据，并对采集到的数据进行处理[8]。由于Zigbee设备为低功耗设备，其通信距离较短，因此设备设计成可自动调整发射功率。为进行实时水质监测，设备会一直呈现活跃状态。

可那时的李莉不这么认为，她觉得她和许峰的相恋，是互相惊艳了时光，他看见她，心如止水；她看见他，如见繁华。

汇聚节点是由若干个具有路由功能的无线节点构成，其主要作用是上传从传感器节点上接收到的水质参数，便于后期进行水质等级检测，并将得到的水质结果传送给本地监测中心，从而把水质评价结果呈现在APP中[9]。

4 模糊神经网络水质检测算法

本地监测中心使用模糊神经网络算法进行水质检测，检测数据来自于被监测区域的数据采集模块。水质指标数据取自巢湖多个观测点，实验中选取的观测点有黄麓水域、中庙水域和龟山公园水域。根据该区域实际情况选取氨氮、溶氧量（DO）、化学需氧量（COD）3项指标作为参评因子，水质评价标准参考国家地表水环境质量标准。

4.1 T-S模糊神经网络的水质检测算法

系统采用T-S模糊神经网络的水质评价算法。T-S模糊系统是一种自适应能力很强的模糊系统，该模型不仅能自动更新，而且能不断修正模糊子集的隶属度。T-S模糊神经网络分为输入层、模糊化层、模糊规则计算层和输出层。输入层与输入向量连接，节点数与输入向量维数相同。模糊化层采用隶属度函数对输入向量进行模糊化得到模糊隶属度。模糊规则计算层将得到的隶属度进行模糊计算，由模糊计算结果判定模糊模型的分类。

基于T-S模糊神经网络的水质检测算法如图2所示[10]，其中模糊神经网络根据训练样本的输入维数、输出维数确定网络的输入和输出节点数。网络初始化后用训练样本训练模糊神经网络，用训练好的模糊神经网络评价巢湖水质，训练样本和检测样本均来自传感器数据采集模块。

图2 基于模糊神经网络的水质维数算法流程图

4.2 算法性能测试与分析

模糊神经网络用训练数据训练神经网络，实验中取巢湖水体样本对巢湖水质进行评价，采样取水口为巢湖船厂水域。采样时间为2015年和2016年两个全年，监测数据采样频率为每小时一次，对每周的数据取均值作为实验数据，共计104组训练数据，采样水体用氨氮、溶氧量（DO）、化学需氧量（COD）3项指标作为参评因子。模糊神经网络训练样本水质检测等级如图3所示，其网络反复训练100次。

图3 训练样本水质检测

图3为训练样本水质检测结果图，检测样本来自于巢湖船厂水域，可以看到基于模糊神经网络的水质检测算法用于检测水质等级的准确率很高。在104组样本数据中只有第38组数据和第90组数据有一个等级的偏差，其余全部正确，正确率为98%，因此可以采用训练完成的该网络对巢湖水质等级进行测评。

图4 测试样本水质检测

通常情况下，巢湖水质监测数据采样频率为每小时一次，故对原始采样数据进行预处理，对于每类水质指标数据，取每月水质数据的均值作为待测实验数据。为检验模糊神经网络的水质检测算法，用训练好的神经网络检测巢湖黄麓水域和中庙水域2015年到2016年两个全年各月份水质等级，网络评价结果如图4所示。

图4中横坐标代表2015年到2016年的各个月份，共24个月份。可以看到，黃麓水域和中庙水域水质等级基本稳定在2级和3级之间，2016年春季两个水域的水质整体上优于2015年的水质表现，不过在夏季尤其是7、8月份，水质状况较差。这是由于7、8月份气温较高，水体富营养化，氨氮含量和化学需氧量 (COD)上升，导致水质偏差。进入12月份的冬季之后，水体富营养化现象得到抑制，水质转好。

表1中时间一栏中数字代表2015年到2016年的24个月份。表中数据与基于模糊神经网络的水质测评等级一致，说明了该算法的有效性。

表1 2015年水样等级

表2 2016年水样等级

5 用户界面APP设计

当今社会民众多使用各类APP客户端方便日常生活。为使人们能够直观形象地了解巢湖水质状况，便于安排休闲旅行，设计了一款巢湖水质监测APP。该水质监测APP接收传感器模块和本地监测中心送来的数据，经后台处理后可以将水质状态在APP界面上非常直观地呈现出来。

图5 APP实现流程图

巢湖水质监测APP包括首页主界面、评界面、议界面和个人中心四个功能界面及，可以在四个界面间自行切换。首页主界面主要体现了巢湖湖心湖畔有特色的三个旅游景点的位置、概况介绍、天气、风速等信息。评界面用于展示巢湖各个景点的水质等级并对比显示本期水质数据与上期水质数据。议界面包含各个景点区域的水质等级分别为优、良、中和差时的环保建议。对于环保措施，每个人都可以在APP客户端的个人中心发表看法，积极行动起来，让巢湖在蓝天下水清湖美到永远。

图6 APP首页和个人中心

图7 APP评界面和议界面

6 结束语

本文结合Zigbee无线传感器技术和模糊神经网络进行水质监测，可以实时监测巢湖水质状态，该方案可用于解决偏远水域水质环境的监测问题。巢湖水质状态以APP的形式展示，可以使更多的巢湖市民随时关注巢湖水质状况，具有绿色环保特性和较强的应用价值。

[1]莫莉，陈丽华.地表水水质监测指标体系现状综述[J].南昌工程学院学报，2014，33（4）:71-73.

[2]王文博，赵培陆，梅笑冬，等.基于 Zig Bee的无线传感器网络大气监测系统设计[J].传感器与微系统，2014，（2）:83-86.

[3]马锐，陈光建，贾金玲，等.基Zigbee和GPRS的多参数水质监测系统设计[J].自动化与仪表，2014，（10）:33-36.

[4]陈岩，闫云浩，谭婷，等.基于 WSNs多参数水质监测的终端设计[J].传感器与微系统，2014，（10）:83-86.

[5]高凯.基于模糊神经网络的城市地下水水质评价研究[J].西安文理学院学报（自然科学版），2016，（4）:66-71.

[6]周皓东，黄燕，刘炜.基于WiFi无线传感器网络的水质监测系统设计[J].传感器与微系统，2015，（5）:99-101.

[7]赵敏华，李莉，呼娜.基于无线传感器网络的水质监测系统设计[J].计算机工程，2014，（2）:92-96.

[8]张明阳.无线传感器网络在水质监测中的应用研究[D].合肥:合肥工业大学，2013:12-14.

[9]刘继忠，敖俊宇，黄翔.基于 ZigBee的水质监测无线传感器网络节点[J].仪表技术与传感器，2012，（6）:64-65.

[10]王小川，史峰.MATLAB神经网络43个案例分析[M].北京:北京航空航天大学出版社，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

责任编辑：陈 侃

2017-04-20

皖维科技创新孵化基金项目（项目编号：WWZR-201604）；安徽省高校省级自然科学基金重点项目（项目编号：KJ2017A449）

李素平（1982-），女，山东聊城人。巢湖学院，讲师。研究方向：智能信号处理。