人工智能在大气环境监测的应用研究进展

王振豪 梁爽 李若飞 达尔仁·阿斯哈提 张乐华

摘要：通过将人工智能在大气环境监测中运用时的各个结构进行剖析，综述传感器网络等，将网络结构中的感知层、网络层、应用层依次的呈现出来;结合实际案例，综述现阶段人工智能技术在大气环境监测应用的研究进展。

关键词：人工智能;环境监测;大气污染;传感器

中图分类号：X84 文献标识码：A 文章编号：2095-672X（2019）08-0-03

DOI：10.16647/j.cnki.cn15-1369/X.2019.08.101

Application of artificial intelligence in atmospheric environmental monitoring： A review

Wang Zhenhao， Liang Shuang， Li Ruofei，Da Erren， Zhang Lehua

（School of Resources and Environmental Engineering， East China University of Science and Technology，Shanghai 200237，China）

Abstract：The structures of artificial intelligence used in atmospheric environment detection were introduced. The atmospheric environmental monitoring with artificial intelligence included the perception layer， network layer and application layer in the network structure. Combined with practical cases， the application of artificial intelligence technology in atmospheric environmental monitoring was evaluated.

Key words：Artificial intelligenc; Environmental monitoring; Atmospheric contamination; Sensor

图1 物联网系统总框架图

作为自然界的最主要环境要素之一，大气环境对人类和动植物的生存起着至关的重要作用，但工业发展不可避免的带来了许多大气污染问题。自从二十一世纪以来，我国大气环境污染状况也不容乐观，西南地区酸雨、北方冬季雾霾等问题频繁发生[1-2]。因此，治理大气污染已经是一个刻不容缓的问题，而治理的第一步就是对大气环境质量进行监测。我国在大气环境监测方面与国外仍有一定差距：美国即将在全国各地建立空气监测站，实现对全国范围内的大气环境实时动态监测;日本政府也加大了对环境监测系统的研发投入[3-4]。虽然近些年来国内环境监测技术有所发展，但在动态实时及智能监测方面仍然落后。

人工智能是指由人为创造的系统所表现出来的智能。其主要能力是存储知识，让程序能够处理，并通过一定的运算实现我们预设的目标。同时，人工智能也可以对以视觉图像、声音、其他传感器输入等形式的数据输入进行处理并作出合理的反应。大气污染一般可分为物理污染、化学污染、生物污染、颗粒物污染等四种类型，由于污染物质的多样性、复杂性和变化性，使得对大气的监测尤为困难。而人工智能以其具有自学习 、自适应和自组织功能，特别是其不需要建立被控对象精确数学模型的特点，非常适用于大气的监测[5]。如人工智能在气象行业的应用，利用AI的数据处理能力及神经网络对台风进行提前一周的预测。

1 物联网系统总体构架

人工智能大气环境监测系统一般由应用层、网络层以及感知层组成[6]。其物联网系统总体构架图1所示。该结构的最底层为传感层，传感器通过特殊的朴拓结构，构成传感器网络，然后通过无线通信模块将采集到的信息传输至网络层;网络层有多个网络子节点，组成多条传输路径，汇总整理之后将环境信息送至应用层;应用层将数据进行最终处理，并通过人机交互平台将信息呈现出来。

2 感知层

在大气环境监测系统中，感知层又称为大气环境实时动态监测无线传感网络硬件系统，是大气监测系统的基础，起着采集信息并将之传输的作用[7]。

2.1 传感器

对于上述四大类污染，现在通常会对温度、湿度、大气压、CO浓度、CH4浓度、甲醛浓度、烟雾浓度、粉尘等方面进行监测，其对应的传感器分别为粉尘传感器，温湿度传感器，气压传感器，CO传感器，烟雾传感器，甲醛传感器和CH4传感器。

2.1.1 温湿度传感器

图2 温湿度传感器结构图

大气环境温湿度监测是其他各项监测的基础，所以在分析各项环境监测数据前必须要确定温湿度，然后在其基础上进行运算标定，温湿度传感器其结构如图2所示，传感器采取互补金属氧化物半导体材料将电压放大，利用能量间隙体监测环境温度，通过电容体监测环境湿度，具有很强的抗干扰性能和很高的靈敏度[8]。

2.1.2 烟雾传感器

烟雾传感器依靠烟雾浓度检测电路。烟雾传感器检测出的微弱电压信号进行放大处理，由于烟雾传感器自带信号放大器（AD），放大后的信号与烟雾传感器引脚相连，实现室内烟雾浓度采集。传感器数据采集电路如图3所示。

图3 传感器检测电路设计

2.1.3 光照强度传感器

光照强度由光敏电阻测得，将光敏电阻与一个阻值与光敏电阻随光强变化时中间阻值相等的电阻串联，通过测电压的变化测光照强度[9]，电路如图4所示。

图4 光照测量强度电路

2.2 传感器网络

图5 传感器节点组成

传感器网络是由许多在空间上分布的传感器组合而成的。这些不同功能的传感器相互协作，共同监测某一区域的各项环境指标（比如温度、湿度、声音、压力、悬浮物、挥发性有机物等等）。传感器网络的基础结构组成是大量部署在所要监控区域内、具有单独无线通信能力的微小传感节点。根据周围环境条件和所要完成的监测任务，传感器节点以自组织方式构成分布式智能化网络系统[10-11]。传感器网络结合传感器技术、嵌入式计算技术、无线通信技术及分布式信息处理技术等于一体，通过网络层将检测到的环境因素传递至应用层，用户对此环境条件进行判断，采取相应对策。传感器网络节点主要由四个基本单元组成：①传感单元，主要包括传感器和模数转换功能模块;②处理单元，执行嵌入式系统，包括CPU、存储器、嵌入式操作系统等;③通信单元，由无线通信模块组成;④电源部分[12-13]。

3 网络层

网络层是感知层和应用层之间数据传送的透明介质，是由多个网络节点按照随机的拓扑结构相互连接组成的[14-15]。交换网络拓扑结构如图6所示。

图6 交换网络拓扑结构

网络层中，通信子网络节点之间的相互连接、互相组合构成了多条传输路径，网络节点在收到信息后，首先要进行路由选择，即选择确定合适的信息传输路径。确定路由选择的方法被称作路由算法[16-20]。路由算法的选择要考虑五个方面的影响因素：①路由算法所要基于的性能指标——最短路径还是最优路径;②通信子网是采用数据报方式还是虚电路方式;③采用分布式还是集中式路由算法;④考虑网络信息的来源;⑤采用动态路由选择策略，还是静态路由选择策略。

4 应用层

应用层位于物联网三层结构中的最顶层，其功能为对感知层采集环境信息进行计算处理，将环境条件以人们需要的方式展现出来，从而实现对环境质量的实时监测，进而通过得到的环境信息找到合适的应对措施[21-22]。应用层工作的两个方面：一是“数据”，完成对数据的管理和处理，然后以合适的方式呈现;二是“应用”，将处理后的数据与各行业应用相结合，使各产业智能化。例如在大气环境监测中臭氧的实时动态监测：放置在目的区域的臭氧在线检测仪在收集到大气中的臭氧浓度后，通过网络层发送并汇总到环境监测中心的电脑终端上。电脑终端就是应用层的主要组成部分，它通过对收集到的臭氧浓度信息以合适的方法进行处理，通过对这些信息的判断，做出相应的应对措施[23]。

5 案例分析

5.1 基于无线传感网络的大气PM2.5污染状况实时监测

近些年来，由于雾霾现象的频繁发生，而雾霾的成因主要是大气中以PM2.5为首的颗粒物浓度过高导致的，因此有必要对PM2.5进行实时监测，及时控制。将大气环境监测与人工智能相结合，提出以无线传感网络为基础的PM2.5的实时监测系统[24]。感知层使用粉尘传感器，利用气体中颗粒物对不同波长表现出的吸收光谱不同，传感器中的激光发射器对气体注入发射光源，同时得到输出光信号，进而获得谐波分量信号中的大气中PM2.5颗粒物浓度。然后利用无线传感技术，其作为检测系统的基础，将传感器网络监测到的信号利用网络路由器传输到系统的终端节点。最后利用人工鱼群理论对终端节点的布置进行效果优化，以提高网络覆盖率并尽可能降低监测系统的能耗，降低运行成本，后将信号传入应用层，通过人机交互使监测到的数据沉呈现出来。

5.2 基于LoRa的大气环境监测系统

从Semtech公司推出LoRa无线扩频调制技术，到2015年LoRa联盟成立，再到如今，LoRa技术已经被广泛应用于物联网领域。该技术能够实现以较低的发射功率拥有很远的通信距离，相关资料显示，在空旷地区，LoRa射频模块的通信距离为15km[25]。并且LoRa无线扩频调制技术具有稳定性高、低能耗、低成本等优点。

LoRa大气环境监测系统以stm32作主控制器，体系的数据感知层由传感器网络和Lora射频无线通信组成。射频通信模块和GPRS网络通信组成汇聚结点，其功能是接受采集的数据，通过GPRS公网将数据传输到监控中心。监控中心对所得的大气环境参数进行处理，分析各个监测点的实时环境状况，作出针对性的判斷后采取相应的措施。

5.3 基于ZigBee和GIS的大气环境实时动态监测系统

基于Zigbee和GIS技术的大气环境实时动态监测系统是一种低成本、易布设、易维护的软硬件技术平台[26]。它的功能除了实时监测大气各项环境指标，还可以跟踪污染源的变化，及时对污染事故进行预警。

该系统分为感知层和应用层。感知层采用基于ZigBee的无线自组网技术和GPRS无线传输技术，实时定位监测大气环境信息;应用层是基于B/S架构的大气环境实时动态监测系统。该系统通过实时动态采集和分析环境数据的空间分布与动态变化，及时预警环境污染事故[27-28]。

6 总结

人工智能与大气环境监测相结合，可以实现对某个区域的大气环境条件全面实时动态及智能监控。大气各种环境参数通过感知层中的传感器采集，在传感器网络中经过嵌入式计算技术进行初步处理计算，后经过无线传感网络传入网络层中，通过路由算法选择传输途径，实现信息的汇集与传输至多个应用层终端。大气环境条件参数在应用层经过云计算系统进一步分析整理，将大气环境数据通过人机交互平台呈现实时出来，人们根据所测参数采用相应的措施。目前在国内，人工智能在大气环境检测方面的应用还处于一个萌芽期，实现人工智能在大气环境检测上的全面应用还需要深入研究，最终实现人工智能与大气环境监测相结合。

参考文献

[1]ZHAO K R，CHEN J Y，XU Z C，et al. Emission characteristic analysis of urban domestic pollution sources in china[J].Procedia Environmental Sciences，2010，23（2）：761-767.

[2]D B K， L A. Direct quantification of PM2.5 fossil and biomass carbon within the northern front range air quality studys domain[J]. Environmental Science&Technology，2015，33（23）：4146-4154.

[3]WU S，FENG Q，DU Y，et al.Artificial neural network models for daily PM10air pollution index prediction in the urban area of Wuhan，China[J].Environmental Engineering Science.2011，28（5）：357-363.

[4]李瑾，孙伟.环境监测站仪器设备期间核查的探讨[J].广州环境科学，2013（1）：44-46.

[5]WenHu， Fan Guixian， Zhai Xiaowei， et al. Atmospheric monitoring system and analysis of Shenhua CCS Project. Safety and Environmental Engineering.2015，22（5）：73-78.

[6]陈立伟，杨建华，曹晓欢，贺宁.物联网架构下的室内环境监控系统[A].电子科学大学学报，2012（2）：265-268.

[7]CHUNG C C，WENG W S. Remote access the ZigBee sensor network through the IP network [J].Advanced Materials Research.2013， 684（4）：539-542.

[8]李丽芬，云彩霞，陈晓芳.基于嵌入式系统的环境监测与控制系统[A]. 现代电子科技，2017，40（19）126-128.

[9]胡晓芳.基于AVR单片机的室内环境检测系统[J].自动化技术与应用，2014（7）：117-119.

[10]梁韦华，于海斌，臧传治，等.基于多智能体的无线传感器网络仿真平台的研究[J].系统仿真学报，2006，18（4）：913-917，937.

[11]赵继聪，秦魏，周盼.浅析无线传感器网络及其应用[J]. 科技致富向导， 2011（8）：38-38.

[12]方磊，黄韬，舒坚.事件驱动型无线传感器网络能量监测机制研究[J].传感器与微系统， 2018，27（10）：14-17.

[13]邱生辉，姜秋霞，庞晓萌，等.可靠的无线传感器网络分簇协议研究[J].计算机科学与应用，2018，8（6）：930-936.

[14]D.Goyal， M.R.Tripathy. Routing Protocols in Wireless Sensor Networks：A Survey[C].Proceedings of the Second International Conference on Advanced Computing &Communication Technologies（ACCT），Rohtak，Haryana，2012：474-480.

[15]曹鹤婷.智慧物流系统的分析与设计[J]，移动通信，2014，（21）：33-37.

[16]钟宏波.包神铁路公司TDCS网络子系统的设计与实现[D]，东北大学硕士学位论文.2009.5：20-24.

[17]王谦.人工神经网络在图像识别中的应用研究[D].东南大学硕士论文，2014.

[18]王长亮.网格环境下协作型任务的资源调度算法研究[D].武汉理工大学硕士论文，2007 DOI：10.7666.

[19]张成成，陈求稳，徐强，等.基于支持向量机的太湖梅梁湾叶绿素a浓度预测模型[J].环境科学学报， 2013，33（10）：2856-2861.

[20]谢剑萍，郑丽娟.基于神经网络的城市大气污染评估模型的研究[C]. 2014年计算机科学与技术及教育技术学术研讨会论文集，2014：274-280.

[21]王小平， 曹立明. 进化算法——理论应用与软件实现[M]. 西安： 西安交通大学出版社， 2002： 116-117.

[22]ZHONG S，ZHOU I.WANG Z. Software for environmental impact assessment of air pollution dispersion based on Arc GIS [J].Procedia Environmental Sciences.2011，24（10）：2792-2797.

[23]邵丹，陳红玉.物联网在高速铁路安全领域的应用研究[J].电脑知识与技术，2015，11（14）：36-37.

[24]左种善，孙超.基于无线传感网络的大气环境PM2.5污染状况实时监测.[J].科学技术与工程，2017，17（34）：263-267.

[25]刘强强，马苗力，翟宝蓉.基于LoRa的大气环境监测系统[J].计量与测试技术，2018.45（5）：6-9.

[26]王素珍，靳奉祥，等.基于ZigBee和GIS的城市大气环境实时动态监测系统[A].济南大学学报，2016.30（2）：133-138.

[27]Shengjun Wu，Qi Feng， Yun Du， et al. Artificial neural network models for daily PM10 air pollution index prediction in the urban area of Wuhan，China[J].Environmental Engineering Science，2011，28（5）：357-363.

[28]XIN Z，CHEN G，LI X. Research on the ZigBee network and equipment design based on the CC2530 [J].Advance Materials Research.2012.32 （3）：482-486.

收稿日期：2019-05-11

作者简介：王振豪（1998-），男，本科，研究方向为环境工程。

通讯作者：张乐华（1974-），男，副教授，研究方向为环境工程。