基于无线传感器的大气污染物排放浓度远程监测方法研究

韩慧　韩硕

摘要：为解决人工抽样检测大气污染物的局限性和高误差问题，文章提出基于无线传感器的大气污染物排放浓度远程监测方法。首先，利用DV-Hop定位算法确定传感器最佳安装位置，构建污染监测网络。然后，通过分析光谱数据与气体分子间的关系，检测大气中的异常物质颗粒。结合光谱吸收原理和谐波检测技术，准确计算污染物排放浓度。最后，根据空气质量指数AQI，确定污染排放等级。经实验验证，该方法对某工厂的VOCs排放浓度的监测结果RMSE值低于0.1，有效反映大气污染状况。此方法降低了监测误差，提高大气污染监测的准确性和效率。

关键词：无线传感器；大气环境；网络节点；污染物浓度；光谱能量

中图分类号：X830.2 文献标志码：B

前言

随着工业生产水平的提升，越来越多的化工原料应用在工业生产过程中，使得制造加工时出现大量污染物，其排放到大气环境中，一污染物浓度超过安全标准，可能带来严重的环境污染，影响人们的身体健康。人们逐渐意识到大气污染物管控的重要性，针对很多加工厂提出符合国家安全标准的污染物排放规则，一超过规定排放浓度值，需要进行严格控制。文献[3]对大气污染监测区域分散布置多个移动监测站点，结合高斯扩散模型和污染分布特征，设计污染物排放浓度反演算法。实验结果表明，该方法可靠性差。文献[4]将探测器和红外光源组合起来，构建红外光吸收设备，实时采集监测区域的红外光谱数据。将其导入至污染浓度自动监测模型中，得到最终监测数据。测试结果表明，该方法污染监测结果不够准确。文献[5]利用多种半导体式气体传感器，获取环境监测数据。构建污染扩散分析模型分析监测数据，推算污染物排放浓度监测值，但该方法计算复杂度较高。

现有大气污染物排放浓度检测方法，不能满足现阶段监测要求。对此，设计一种利用无线传感技术的新型远程监测方法，实时获取准确的大气污染物排放浓度，作为污染物管控计划制定的参考。

1 以无线传感器为基础设计大气污染物排放浓度远程监测方法

1.1 基于无线传感器构建污染监测网络

通过每个无线传感器采集环境数据，由中间节点传送到上位机，作为远程监测基础。采用DV-Hop定位算法进行节点定位，定位中对监测区域布置多个锚节点，计算锚节点间平均跳距。

式（1）中，ε、o为两个锚芾点，P为锚节点数量，H为平均跳距，（xo，yo）为锚节点o的坐标，（xε、yε）为锚节点ε的坐标，h为跳数。

按照该跳距向周围节点发送信息，了解未知节点与最邻近锚节点间跳距，计算未知节点与周围所有锚节点间距离，结合周围锚节点坐标，得出位置节点的坐标信息。

图2中，A1、A2、A3、A4、A5、An为已知坐标的节点，n为已知坐标节点数量，D1、D2、D3、D4、D5、D6、Dn为已知节点到未知节点间的距离。

图2已知节点坐标为（x1，y1），（x2，y2），（x3，y3），（x4，y4），（x5，y5），（x6，y6）及（xn，yn），并对未知节点的坐标值做假设得出如式（2）：

式（2）中，（x，y）为未知节点假设的坐标。

从式（2）第一个方程开始，计算最后一个方程差，求未知节点坐标，将这一计算过程为线性方程，如式（3）。

1.2 建立光谱数据能量分析机制

为利用激光差分技术，分析不同污染环境下光谱遥感数据中光波能量变化特点，建立光谱数据能量变化机制，辅助大气污染物排放浓度远程监测。对应光谱雷达吸收数学式为式（4）：

式（4）中，q为光谱吸收能量，L为光波长度，δ、δ'分别为雷达光谱吸收装置的开、合状态，g、g'为气体分子吸收装置的开、合状态，ω为污染介质密度。

依托于光源折射原理，将颗粒物浓度与光源吸收间的联系为式（5）。

式（5）中，q为穿过大气团后的光谱吸收强度，ψ为光学厚度。

其中：

式（6）中，μ、μ分别为穿过细小颗粒物前、后的光谱吸收强度，ξ为污染物吸收截面，φ为光的分散率。

1.3 计算大气污染物排放浓度值

从光谱吸收光源的强度人手，推算当前大气污染物排放浓度值时，明确气体颗粒物分子被吸收中，光强变化始终满足式（7）。

式（7）中，I、I0分别为注入光和入射光强度数值，θ为吸收系数，ω为大气污染物，ι为气体污染物浓度，k为吸收路径长度。

为得到更加真实的光谱信息，运用激光器的可调特性调节光源。将气体颗粒物分子的吸收谱线为线型函数，如式（8）。

式（8）中，S为吸收谱线强度值，U为压强，Φ为吸收线谱的半高半宽，R0为调整前光源中心频率，R为调整后光源中心频率，θ'为光谱中心吸收系数。

将式（8）线型函数代入式（7）中，得到式（9）：

式（9）中，t为时刻，Γ为频率调节系数，ν为光源输出频率，M为光源强度调节系数。

假设调节变量Cr为式（10）：

对式（9）处理，得到原始数据中基波分量系数、二次谐波分量式为式（11）：

式（11）中，e为调节函数，ρ为基波分量，ρ2为二次谐波分量。

1.4 生成污染物排放浓度远程监测结果

以污染物排放浓度计算结果为基础，计算当前空气质量指数（AQI）公式为式（12）：

式（12）中，Q为空气质量指数（AQI），α、β为大气浓度的常系数，j为气体样本编号，J为气体样本数量，B为污染物平均浓度，E为该污染物样本的标准值。

2 实验

2.1 实验准备

选择某工厂作为研究对象，对空气污染物VOCs排放浓度进行远程监测。该工厂内存在5台煤粉锅炉，最近一段时间VOCs排放浓度较高，需进行污染物排放浓度实时监测。针对实验场地，定位10个监测点分别安装无线传感器，远程采集环境光谱数据情况见表1。

实验时间设置为2022年3月1日到2023年2月28日，分别在春夏秋冬四季进行空气污染物排放浓度远程监测。无线传感器网络监测流程方框图见图1。

2.2 大气污染物VOCs浓度远程监测结果

对于春季和夏季来说，该工厂空气污染物VOCs整体排放浓度变化见图2。

2.3 监测方法性能对比

应用文献[3]和文献[4]方法污染排放浓度监测，应用测量设备获取同时段VOCs污染物排放浓度实际值。计算三种方法监测结果的均方根误差。

式（13）中，λ为均方根误差（RMSE）值，Ⅳ为监测次数，zf为第f次监测得出大气污染物排放浓度，z为实际大气污染物排放浓度。见图3方根误差对比结果。

3 结束语

为了提高对大气污染物进行监测的效率和精准度，文章研究基于无线传感器的大气污染物排放浓度远程监测方法。该方法以加工厂为主要监测目标，实时获取各监测点的污染物排放数据，并利用先进的算法和模型分析数据，判断污染物排放情况是否超标。通过无线传感器网络，能够实现对目标区域的大气污染物排放进行实时、连续的监测，确保一旦发现污染物浓度超标，能够立即采取相应的处理措施。这种方法不仅提高了环境监测的效率和准确性，还能帮助加工厂可以更好地了解和掌握自身的污染物排放情况，为制定有效的污染处理方案提供科学依据。研究旨在通过技术创新，为环境保护事业贡献力量。随着研究的开展，将为环境保护工作带来更多的可能性。