论文部分内容阅读
近几十年来,昆明市经济快速发展和城市规模不断扩大,在很大程度上加重了滇池流域的生态环境压力。滇池水环境恶化除了经济发展这一客观因素外,还与水环境监测管理不系统、不科学有关。传统的水质监测主要是依靠人工进行水体取样和实验室分析,成本高且不能实现水质指标实时监测,很难预测水质的动态变化。水质监测结果用表格方式存储,不利于数据管理,未充分利用GIS强大的空间分析功能和图形界面,以地图、图表等形式科学、全面、直观、实时地反映水质状况。无线传感器网络(WSN)技术的发展为滇池水质指标的实时在线监测提供了技术支持。把各类水质指标的传感器集成在一起,作为感知单元定量获取滇池水质指标的成分。数据通信部分的GPS模块能够获得监测节点的地理位置,并且通过GPS的授时功能实现各节点间的时间同步性,实现各节点的时空化管理。通过GPRS模块将信息发送给监测中心,数据通信具有双向性,每个节点不仅可以将监测数据传输到监测中心,监测中心也可以通过远程指令改变每个节点的特征,如采样周期等。地理信息系统(GIS)具有丰富的图形界面、数据的查询与统计和空间分析等功能。在滇池水质的监测中,可以充分利用地理信息系统技术管理和反映滇池的水质的状况。因此,本文将GIS和WSN两种技术相结合,实现滇池水质状况的实时在线监测。本文通过分析目前主要的开源GIS软件的特点,采用MapWindow提供的DotSpatial开源组件作为滇池水质实时监测和预测系统的开发工具包。在Microsoft Visual Studio开发环境中,使用C#语言对DotSpatial进行组件式二次开发,结合地理信息技术、多功能无线传感器网络技术、GPRS无线通信技术、GPS全球卫星定位技术、MongoDB数据库技术、MATLAB仿真技术设计和实现滇池水质实时监测与预测系统。该系统可以实时监测包括叶绿素a、溶解氧(DO)、PH值、电导率(EC)、浊度、温度等水质指标,并根据已监测到的水质指标数据通过预测模型动态预测滇池水华的变化趋势。该系统的水华预测模型是利用灰色新陈代谢GM(1,1)算法对各水质指标进行初步预测,然后利用BP神经网络实现序列的非线性补偿,从而建立GM(1,1)-BP神经网络水华预测模型。该模型把灰色模型建模所需信息量少和神经网络非线性预测优势有效结合起来,克服了GM(1,1)预测精度低和BP神经网络所需训练数据多的缺点,实现滇池水华爆发的短期预测。结合GIS的空间分析功能实现水质监测与预测的时空表达,为水污染突发事件的监测、预测、预警、评估、应急响应等提供数据、技术支撑。