当前位置:首页 > 教学资源 > 高原湖泊水环境监控虚拟仿真模块

高原湖泊水环境监控虚拟仿真模块

        随着经济快速发展和城市规模的急剧扩大、人类的活动的不断扩张,入湖污染负荷不断增大,导致湖泊营养化及水质污染状况日趋严重,水体功能受到极大损害。本实验平台以滇池蓝藻水华为实验对象,以无线传感器网络为监测手段,以多传感器数据融合算法为理论依据,以GIS相关软件为实验结果展示平台,虚实结合,开展滇池流域蓝藻水华监测、预警与评价仿真实验。实验以多功能传感器网络技术实现滇池水质的实时在线监测,监测对象包括叶绿素、溶解氧、PH值、电导率、浊度、温度等参数。在上述数据基础上,利用灰色理论及BP人工神经网络相结合的方法实现滇池水质的动态预测、预警的仿真模拟,并结合GIS技术实现水质监测与预测结果的时空表达。实验能够为水污染突发事件的监测、预测、预警、评估、应急响应等提供技术支撑。
       学生通过完成该实验,能够了解无线传感器网络工作原理、组网方式,熟悉各种水质传感器的使用方法,并可通过仿真软件验证、优化组网方式;基本掌握利用多传感器数据融合算法将各种水质数据进行数据融合的方法,了解如何通过融合结果预测未来一段时间内水质变化规律,以及对水质做出评价;能够利用GIS相关软件进行水质情况的时空分析与表达。




>>滇池蓝藻水华监测预警虚拟仿真实验

【实验目的】近三十年来,滇池流域经济快速发展和城市规模的急剧扩大、人类的活动的不断扩张,使入湖污染负荷不断增大,导致滇池富营养化日趋严重,水体功能受到极大损害。本实验以滇池蓝藻水华为实验对象,以无线传感器网络为监测手段,以多传感器数据融合算法为理论依据,以GIS相关软件为实验结果展示平台,虚实结合,开展滇池流域蓝藻水华监测、预警与评价仿真实验。
该仿真实验涉及空间信息与数字技术、地理信息科学、测绘科学、计算机科学技术、网络工程、软件工程、无线传感器网络等多个学科的相关内容,实验的开展能够锻炼学生利用所学知识解决实际问题的能力,以实验促进教学,以教学推动教学。
学生通过完成该实验,能够了解无线传感器网络工作原理、组网方式,熟悉各种水质传感器的使用方法,并可通过仿真软件验证、优化组网方式;基本掌握利用多传感器数据融合算法将各种水质数据进行数据融合的方法,了解如何通过融合结果预测未来一段时间内水质变化规律,以及对水质做出评价;能够利用GIS相关软件进行水质情况的时空分析与表达。
【实验流程】:
本实验涉及了数据采集与处理、数据存储、数据融合、结果输出四个部分的内容,围绕滇池蓝藻水华监测、预警与评价开展无线传感器网络组网实验、监测节点分配及区域划分仿真实验、蓝藻水华预测、评价仿真等实验,让学生从监测网系统架构、水质数据获取及处理、结果的时空化表达等方面了解湖泊水质监测与评价方法。
1无线传感器网络组网实验步骤
采用Cooja物联网仿真软件为平台,开展无线传感器网络组网实验,实现传感器节点间的自组网。
a)  Contiki开发环境配置。将其配置为InstantContiki模式,从而可在Windows环境下采用VMware虚拟机模拟Contiki开发环境;
b)  通信协议设置。由于6LoWPAN低速无线个域网具有普及性、适用性、地址空间大、易接入、易移植等特点估本实验采用该协议作为组网通信协议。其设置过程包括地址配置和地址管理、网络管理、安全性管理等;
c)  建立仿真,根据不同的网络拓扑结构(点对点、星型网、环状网等)进行自组网仿真。其仿真过程包括工程建立、网络拓扑结构设置、节点添加、建立仿真、仿真结果分析。
  
图43 节点组网实验

 
2滇池研究区划分仿真实验步骤
以滇池为实验对象,以ArcGIS为实验工具,以泰森多边形为理论依据,根据监测节点数量及地理位置,将滇池划分为多个区域,掌握建立泰森多边形算法步骤。
a)  在ArcMap中加载滇池流域监测点.shp格式的坐标数据,其坐标格式要与原图层坐标一致,得到监测点图层;
b)  利用Analysis ToolsProximityCreate Thiessen Polygonss划分泰森多边形的划分。选取流域面矢量数据以和其保持一致的坐标系;设置生成泰森多边形的四周边缘;
c)  利用Analysis Tools-Extract-Clip工具对泰森多边形数据进行剪裁;打开流域泰森多边形属性表,得到面积值。

图44 实验区提取、监测节点布置、泰森多边形划分步骤示意图

 
3多传感器数据融合仿真实验步骤
将灰色理论、BP人工神经网络两种算法相结合,利用Matlab仿真工具将获取的历史水质数据进行融合处理,从而预测未来一定时间尺度下的蓝藻水华变化规律,并根据国家水质相关评价标准,得出湖泊水质等级;
a)  数据获取与准备;模型需要使用叶绿素a、总氮、总磷、化学需氧量、溶解氧、酸碱度、浊度、温度、风速、风向、光照、降雨作为输入,其中叶绿素a、溶解氧、酸碱度、浊度、温度通过现场实测获取;由于滇池流域长期处于重度富营养状态,故总氮、总磷、化学需氧量变化较小,故采用云南省环境监测中心提供的年平均数据;风速、风向、光照、降雨采用云南省气象局公布的数据;采用主成分分析法对数据进行特征值提取,从而降低噪声干扰、提高模型收敛速度;
b)  灰色理论预测水质指标;通过原始数据序列得到累加生成序列;建立累加生成序列的微分方程,并用矩阵形式表达;采用最小二乘法计算特征向量,从而得到灰色序列的离散时间响应函数;最后对累加预测值进行还原,从而得到每一个水质指标的预测值;
c)  BP人工神经网络进行蓝藻水华一致性解释;采用历史水质数据对神经网络进行训练,根据训练结果与期望结果的偏差大小调整其权值和阈值,从而减小预测误差;将通过灰色理论预测得到的水质数据导入训练好的BP人工神经网络中,得到滇池流域蓝藻水华浓度及变化趋势。
   
蓝藻水华预测、评价仿真实验示意图

云南师范大学信息学院 版权所有  技术支持:昆明鼎华信息科技有限公司