城市湖库藻类水华实时监测剖析

城市湖库藻类水华实时监测、智能化预警系统技术总结报告一国内外现状根据各地多年的监测资料，近年来我国多数城市湖泊水体呈严重富营养化状态⋯。

2007年，28个国控重点湖(库)中，V类的5个，占17．9％，劣V类的11个，占39．3％【1】。

水体富营养化的重要特征就是发生水华。

水华是当水体中出现富营养状况并具备适宜的温度、光照、气候及合适的水文条件等有利于藻类生长或聚集的环境条件时，水体藻类大量生长繁殖或聚集并达到一定浓度的现象。

水华一旦发生，就会使水体透明度下降，溶解氧降低，水体出现黑臭等现象，而有些类型的水华还会产生藻毒素，给人类居住环境和人体健康造成损害。

水华的发生是突发性的，而水华一旦发生，控制难度就会加大，治理成本成倍提高，因此如果能够预见到水华的发生并及时采取相应措施会取得事半功倍的效果。

水华预警是水质预警中的一种突发型预警类别，是指在一定范围内，对藻类生长状况进行分析、评价，对其未来发展状况进行预测。

水华预警系统具有超前性预报的功能，能够提前预测出水质演化趋势、方向、速度和后果，在发生水华之前及早发出警报，为水华控制提供科学依据。

国内外对水华预警的研究主要围绕三个方面展开：(1)利用单变量或多变量营养指标对水体营养程度进行预测；(2)利用水质模型对水体富营养化程度进行模拟和预测；(3)利用地理信息系统或遥感系统对水华的发生进行预测。

水华预警的方法有模糊评价法、人工神经网络、遗传算法、支持向量机(support vector machines，SVM)等。

本系统的建立是基于神经网络的湖库藻类水华短期智能预测模型，提高藻类水华预测的精度，对藻类水华的短期预警提供有效的方法；而在中期预警上则建立基于支持向量机的湖库藻类水华中期智能预测模型。

二项目概况城市湖库藻类水华实时监测、智能化预警系统项目是北京安恒公司承担的海淀区科委和海淀区财政局的科技项目，项目起至时间为2008年1月至2009年12月，主要是为了解决目前湖库藻类水华实时监测及预警困难等问题，建立基于多尺度数据源的水质实时远程监测系统，研究引起藻类水华暴发的关键性作用因子，建立基于智能信息处理技术的城市湖库藻类水华预警模型，并根据藻类水华暴发程度给与相应的控制策略，最终开发一套实用的水华实时监测与智能预警系统，为城市湖库藻类水华的进一步治理提供重要的参考依据。

三系统主要研究内容1. 我们采用了多尺度数据源的水质实时监测系统，建立基于对多尺度水质参数自动监测仪器、数据采集与处理系统、GPRS无线通讯系统的集成，研制开发具有多尺度数据源的水质自动实时监测系统。

2. 研究藻类水华的关键作用因子，确定藻类水华的预测指标。

针对城市湖库藻类水华产生的特点，通过整理和分析近几年湖库大量的水文数据，以及相应的气象数据，通过化工正交实验，结合智能信息处理技术中的粗糙集理论对藻类水华的成因做主因素分析，在众多的水体理化指标和环境因素中求解出湖库藻类水华的关键作用因子，确定藻类水华的预测指标。

3. 我们基于智能信息处理技术的湖库藻类水华预测方法，解决由于藻类水华产生过程存在复杂性、非线性、时变性、不确定性等因素，用传统方法无法获得精确数学模型的难题。

包括两方面：研究基于Elman神经网络和支持向量机的适合于湖库藻类水华发生的预测理论和方法，提高湖库藻类水华预测方法的鲁棒性及精度。

4. 设计与实现城市湖库藻类水华预警与控制应用系统。

对实时监测系统提供的现场水域多尺度数据进行数据挖掘和数据融合，提取用于藻类水华预测模型的有效数据，对藻类水华变化进行预测预警，并提出相应的控制策略。

四系统研发的主要过程（1）监测水域情况介绍和分析圆明园遗址公园地势呈北高南低、西高东低的局势，高程差约为1米。

圆明园总共水域面积达125万平方米，主要由三大水域构成，分别为九州、福海和长春园三个部分，水域相通，但是的水不能互相流通，基本处于静止状态，平均水深大约为0.8-1米。

平均每日耗水量为5000立方米左右，主要原因是蒸发和渗漏。

除大气降水和圆明园区域内地表径流补充水源外，圆明园主要补充水源自2007年10月以后，主要水源来源于清河污水处理厂的中水，供水方式为直径800mm的管涵从清河污水厂泵入，每年平均500万立方米。

其次，还有非常少的地表水补充，来源是京密水渠。

第三个补充水的途径是，汛期万泉河泄洪补水，但量同样非常少。

圆明园的水质控制按照功能区划分为重要旅游地景观水，水质控制指标为地表水III类标准，每年都有局部水域发生水华爆发情况。

（2）监测站点的要求和选择由于现场监测站点的选择对数据是否有代表性、仪器的安装及最后系统能否成功都有直接的关系，安恒公司邀请了并北京工商大学环境科学院与信息工程学院的教授共同探讨此方案，一致认为监测站点应该满足以下几点要求1、这个监测点需要在圆明园具有代表性。

2、监测点的水流量必须相对平稳、水流动比较小的、水深属于整个湖泊的平均水深、植物不是很密集的地区，确保取得的数据有效，固定，平稳。

3、采集的数据有几个数需要手工测量：碳、氮、磷、叶绿素A、浊度、溶解氧、PH值。

取得这些数据，并且保证这些数据的有效性与环境指标也是息息相关的，例如：水温、紫外线光照强度、风力。

经过多次现场勘测，最终决定选择长春园中的海岳开襟作为我们的监测点。

（如图一）（图一）（3）、确定水华预测评价指标水华的发生是由于许多因素如营养盐、水温、光照、pH值、生物因素等共同作用的结果，发生时又有多种水质指针如pH值、溶解氧、氧化还原电位、氮磷浓度等同时发生变化，因此在水质预警模型中参数较多，在模型设计时需要在这些影响因素中筛选出合适的因素作为预警因子。

一般选择那些受周围环境影响小的、适合于所选择的模型的、监测方便并且与藻类生长密切相关的这些因素作为预警因子。

安恒公司针对城市湖库藻类水华产生的特点，通过整理和分析近几年湖库大量的水文数据，以及相应的气象数据，通过化工正交实验，结合智能信息处理技术中的粗糙集理论对藻类水华的成因做主因素分析，在众多的水体理化指标和环境因素中求解出湖库藻类水华的关键作用因子，确定藻类水华的预测指标。

通过对水华预测评价指标进行论证分析，根据圆明园遗址公园的实际情况，初步考虑利用水体的三类指标作为评价指标体系：1.基本指标，是碳（COD表示）、氮(TN或NH3-N表示)、磷（TP表示），代表了藻类生长所必须的碳源、磷源和氮源；2.表征指标，叶绿素a、溶解氧、pH、氧化还原电位、水温，表征了水华发生时造成的藻类生长和水体混浊的幅度、理化指标变化；3.环境指标，光照强度、气温、风力和气压，这是藻类细胞生长密切相关的环境指标通过对这三类指标的时变规律的综合分析研究，以提高对对水华暴发进行评价和预测时准确度。

表1 湖泊（水库）营养状态评价标准（单位：mg/L）（4）、研发中心的实验室模拟仿真研究针对圆明园历史数据稀缺的问题，在前期研发中利用安恒水环境监测研发中心阳光房实验基地见图2，图3，采集圆明园水体，调整不同的氮磷比，对水华发生过程进行模拟培养实验，具体模拟实验见表2。

实验在4－8月进行，每次实验周期约15天，实验项目和频率与圆明园监测子站相同。

图2 阳台阳光房实景图3 Weather Station气象站表2 模拟自然水体实验条件组氮磷浓度及氮磷比1＃水缸2＃水缸3＃水缸4＃水缸第一组TP（mg/L）0.05 0.1 0.2 0.5 TN（mg/L）0.5 1.1 2.2 5.6 TN/TP（mol/L）25第二组TP（mg/L）0.05 0.1 0.2 0.5 TN（mg/L）0.4 0.7 1.4 3.6 TN/TP（mol/L）16第三组TP（mg/L）0.05 0.1 0.2 0.5 TN（mg/L）0.1 0.2 0.5 1.1 TN/TP（mol/L）5第四组TP（mg/L）0.05 0.1 0.2 0.5 TN（mg/L） 1.1 2.2 4.5 11 TN/TP（mol/L）50（5）、圆明园监测子站的建立1.智能气象监测站，可在线测定光照强度、紫外线强度、温度、风向、风力、气压等。

(不在本次系统建设内容之内，气象数据来源于位于北京工商大学的研发中心智能气象站)2. 多参数水质在线监测仪，安装在得胜盖无人小岛的监测水域，可测叶绿素a、NH3-N、浊度、溶解氧、pH、氧化还原电位、水温。

监测子站在线监测数据常规每小时采集、存储和发送一次，在水华爆发期间可以实施加密监测和数据传输。

3.远程监测系统的构建：对于远程监测系统的构建，第一步的工作是将现场数据智能RTU绑定在现场水质监测仪器上，RTU软件集成在GPRS模块FLUSH中，软件主要包括三方面：与监控中心交互信息、水质数据采集、数据存储、检查及异常处理等。

其中交互信息的主要功能是接受监控中心下达命令和数据并作相应处理，根据监控中心命令要求数据的类型和格式上传RTU采集的数据。

数据的采集可以是对某一水质参数单采集或是按照预先设定时间间隔对水质参数进行采集；查询和异常处理负责不间断地监控RTU的运行情况，并立即上报监控中心。

全部数据在 GPRS VPN网内运行，GPRS数据无线传输设备，现场设备由A/D数据转换模块、GPRS传输模块、SIM 卡等组成；要求所有 GPRS 终端之间可以直接通讯，主服务中心的数据中心由具有固定IP 地址计算机及数据通讯软件等组成，远程监测系统系统整体实施图如图4该远程监测系统包括中心监测模块、分中心监测模块1、分中心监测模块2、次级分中心监测模块1、次级分中心监测模块2、终端采集处理模块1、终端采集处理模块2、终端采集处理模块3、终端采集处理模块4，中心监测模块内的主服务器与镜像服务器通过两个固定的公网IP 之间的虚拟专用网络(VPN)相连，中心监测模块、分中心监测模块1、分中心监测模块2、次级分中心监测模块1、次级分中心监测模块2、终端采集处理模块1、终端采集处理模块2、终端采集处理模块3、终端采集处理模块4均以宽带的接入方式接入Internet 并建立虚拟专用网络(VPN)。

分中心监测模块1得到中心监测模块的授权，可对次级分中心监测模块1传输的数据信息和设备进行处理和控制；分中心监测模块2得到中心监测模块的授权，对次级分中心监测模块2传输的数据信息和设备进行处理和控制；次级分中心监测模块1得到中心监测模块的授权，对终端采集处理模块1、2传输的数据信息和设备进行处理和控制；次级分中心监测模块2得到中心监测模块的授权，对终端采集处理模块3、4传输的数据信息和设备进行处理和控制。

需要精细化监测时，可以设置更复杂的分级监测。

终端采集处理模块包括智能终端器、数据采集器，智能终端器通过继电器（于本实施例中以继电器连接为例，也可采用其他连接方式）与数据采集器以电路相连，该智能终端器为含有嵌入式Linux开源系统脚本的智能型远程测控单元装置(RTU)，其内部设置有龙芯芯片，并且使用基于嵌入式Linux系统的软件开发，使用LAMP(Linux-Apache-Mysql- PHP ) Web为开发构架，并包含一通信处理器模块(Communications Processor Module,CPM)，并且该终端采集处理模块借助该通信处理器模块以无线方式(如GPRS、CDMA、3G、CITYWIFI等)或者有线方式(如ADSL、宽带等)接入互联网(Internet)，构建虚拟专用网络(VPN) 。