基于SOA的智慧河道水質(zhì)監(jiān)測(cè)預(yù)警平臺(tái)設(shè)計(jì)及應(yīng)用

賈 佳 邱曙光 白若琛 龐成鑫

(上海電力大學(xué)電子與信息工程學(xué)院 上海 200090)

0 引 言

水利信息化是現(xiàn)代化水利的重要組成部分，“十三五”期間水利部提出要以水利信息化帶動(dòng)水利現(xiàn)代化[1]，加強(qiáng)基礎(chǔ)設(shè)施和保障環(huán)境建設(shè)，全面推進(jìn)全國水利信息化?，F(xiàn)如今，城市水利信息采集及管理由人工測(cè)試記錄逐步轉(zhuǎn)變?yōu)楦鞣N智能化管理模式，如：智能管理采用遙感、空間定位、衛(wèi)星航空定位、視頻監(jiān)控等科學(xué)手段，動(dòng)態(tài)監(jiān)測(cè)主要河流湖泊、濱水海岸線和河道采砂。[2]，但是上述技術(shù)均無法實(shí)現(xiàn)全方位的監(jiān)控和調(diào)度、各個(gè)水文站信息相對(duì)獨(dú)立，易造成偏遠(yuǎn)區(qū)域河流采砂監(jiān)測(cè)不完善，干流流域私自采砂現(xiàn)象影響河道正常的行洪與泄洪等現(xiàn)象。協(xié)調(diào)管理機(jī)制的不完善使得很多河流無法得到應(yīng)有的管理，導(dǎo)致水環(huán)境污染問題不斷加重[3]。因此，管理部門需要及時(shí)調(diào)查取證，掌握實(shí)時(shí)動(dòng)態(tài)，以免造成很多不必要的麻煩。

1 基于SOA的系統(tǒng)整體架構(gòu)

1.1 平臺(tái)關(guān)鍵技術(shù)

低功耗廣域網(wǎng)絡(luò)(Low Power Wide Area Network，LPWAN)是具有超低功耗、廣覆蓋、低帶寬、低速率、支持海量連接的物聯(lián)網(wǎng)技術(shù)[4]，適合狀態(tài)變化慢、采集頻次低、實(shí)時(shí)性要求低、分布松散的“小數(shù)據(jù)”連接。LPWAN網(wǎng)絡(luò)常見技術(shù)有LoRa、NB-IoT、SigFox、LTE-M、RPMA、Weightless、Amber Wireless等。

SOA(Service Oriented Architecture)是一個(gè)業(yè)務(wù)驅(qū)動(dòng)的框架[5]，集成了對(duì)業(yè)務(wù)流程和IT基礎(chǔ)設(shè)施的之處，提供安全、標(biāo)準(zhǔn)、可重用的組件，即服務(wù)；通過接口來實(shí)現(xiàn)各模塊間的通信，接口的方式降低了模塊之間的耦合度，從而使各種新舊系統(tǒng)進(jìn)行無縫整合；具有基于標(biāo)準(zhǔn)、松散耦合、共享服務(wù)、粗粒度和聯(lián)合控制等優(yōu)勢(shì)，可以有效地解決傳統(tǒng)集成方案存在的弊端，簡化了應(yīng)用間集成拓?fù)浣Y(jié)構(gòu)[6]，采用開放的標(biāo)準(zhǔn)，實(shí)現(xiàn)了不同系統(tǒng)間的消息、事件和服務(wù)層面的動(dòng)態(tài)的互聯(lián)互通，更有利于不同系統(tǒng)間的互操作性的提高[7]。

企業(yè)服務(wù)總線(Enterprise ServiceBus，ESB)是構(gòu)建基于SOA解決方案時(shí)所使用基礎(chǔ)架構(gòu)的關(guān)鍵部分[8]，是由中間件技術(shù)實(shí)現(xiàn)并支持SOA的一組基礎(chǔ)架構(gòu)功能。

1.2 系統(tǒng)架構(gòu)

本文將SOA的設(shè)計(jì)思想引入到水質(zhì)自動(dòng)化監(jiān)測(cè)系統(tǒng)的平臺(tái)設(shè)計(jì)中，使用SSM框架同時(shí)融合了ESB系統(tǒng)為實(shí)現(xiàn)各異構(gòu)系統(tǒng)平臺(tái)共同接入為智慧河道管理系統(tǒng)提供更多服務(wù)，吸取SOA面向服務(wù)架構(gòu)的優(yōu)點(diǎn)，使平臺(tái)具有更好的服務(wù)性、多源融合性及科學(xué)性等。系統(tǒng)整體架構(gòu)如圖1所示。

圖1 基于SOA的河道管理系統(tǒng)架構(gòu)

(1) 數(shù)據(jù)持久層。數(shù)據(jù)持久層是專門負(fù)責(zé)數(shù)據(jù)持久化的邏輯層,提供對(duì)數(shù)據(jù)庫的CRUD(增刪改查)操作[9]。持久層使用MySQL和MongoDB數(shù)據(jù)庫進(jìn)行存儲(chǔ)以實(shí)現(xiàn)數(shù)據(jù)持久性，并且可以實(shí)現(xiàn)Device Shadow和HTTP服務(wù)。本文通過阿里云物聯(lián)網(wǎng)套件作為中間件來實(shí)現(xiàn)數(shù)據(jù)鏡像存儲(chǔ)，同時(shí)定義了大量HTTP接口為用戶界面服務(wù)提供幫助。

(2) 系統(tǒng)服務(wù)管理層。系統(tǒng)服務(wù)管理層是共享和交換底層數(shù)據(jù)的核心部分[10]，是業(yè)務(wù)系統(tǒng)各個(gè)功能和任務(wù)的抽象和封裝，其功能實(shí)現(xiàn)主要依賴于適配器和企業(yè)服務(wù)總線。該平臺(tái)包含五類服務(wù)：設(shè)備管理傳輸服務(wù)、河道信息傳輸服務(wù)、權(quán)限信息傳輸服務(wù)、水質(zhì)監(jiān)測(cè)傳輸服務(wù)、數(shù)據(jù)采集傳輸服務(wù)。

高中是學(xué)生學(xué)習(xí)知識(shí)的關(guān)鍵期，這也是大家公認(rèn)的一個(gè)特殊時(shí)期。那么，面對(duì)這個(gè)特殊時(shí)期，學(xué)生和教師都應(yīng)該繃緊“一根弦”—學(xué)生要讓自己踏上接受高等教育的道路，而教師則要將學(xué)生送上他們理想的高等學(xué)府。但是，這所有的一切都是建立在教師的高效教學(xué)和學(xué)生的高效學(xué)習(xí)的基礎(chǔ)之上的。根據(jù)調(diào)查顯示，“多元互動(dòng)”式的合作學(xué)習(xí)就是一個(gè)不可多得且十分高效的教學(xué)方法。其以“互動(dòng)”“合作”為手段，以教學(xué)課堂為依托，進(jìn)而實(shí)施“多元互動(dòng)”式的合作學(xué)習(xí)，以促進(jìn)學(xué)生的知識(shí)吸收，提升高中語文課堂的教學(xué)效率。

(3) 應(yīng)用展示層。應(yīng)用展示層通過Echart庫向用戶展示區(qū)域內(nèi)所有河道位置及放置傳感器的點(diǎn)位信息；結(jié)合Web服務(wù)技術(shù)跨平臺(tái)向用戶動(dòng)態(tài)展示河道相關(guān)數(shù)據(jù)、地理位置、水質(zhì)等級(jí)、各水質(zhì)參數(shù)走勢(shì)等。

1.3 系統(tǒng)功能設(shè)計(jì)

基于SOA架構(gòu)設(shè)計(jì)如圖1中各類服務(wù)，將通用服務(wù)接口搭載在ESB上，這些服務(wù)通過不同協(xié)議、接口對(duì)采集到的數(shù)據(jù)及需要發(fā)送的數(shù)據(jù)進(jìn)行系統(tǒng)化管理，同時(shí)為應(yīng)用端服務(wù)提供基礎(chǔ)。主要服務(wù)功能如下：

(1) 設(shè)備管理傳輸服務(wù)：使用SOAP輕量型協(xié)議與服務(wù)器進(jìn)行消息交換[11]、消息控制，實(shí)現(xiàn)包括：對(duì)鏡像阿里云設(shè)備進(jìn)行激活，添加收發(fā)規(guī)則引擎對(duì)各套件設(shè)備數(shù)據(jù)格式、規(guī)則詳情進(jìn)行控制管理，設(shè)置設(shè)備連接等。

(2) 河道信息傳輸及權(quán)限服務(wù)：將河道專題圖、河道基本信息、河流長辦公信息、河道統(tǒng)計(jì)、用戶角色設(shè)定、對(duì)應(yīng)權(quán)限等上傳至基本管理應(yīng)用中。

(3) 水質(zhì)監(jiān)測(cè)傳輸服務(wù)：將訓(xùn)練好的深度學(xué)習(xí)算法網(wǎng)絡(luò)存儲(chǔ)在云端，解析后的數(shù)據(jù)通過該服務(wù)調(diào)取模型進(jìn)行運(yùn)算，實(shí)現(xiàn)云端數(shù)據(jù)智能化分析和預(yù)測(cè)。

(4) 數(shù)據(jù)采集傳輸服務(wù)：通過Socket連接網(wǎng)關(guān)網(wǎng)絡(luò)服務(wù)器，從中提取JSON格式數(shù)據(jù)，對(duì)原生數(shù)據(jù)及無人機(jī)視頻資料進(jìn)行存儲(chǔ)。所有服務(wù)在應(yīng)用服務(wù)器中均可按需進(jìn)行調(diào)用實(shí)現(xiàn)相應(yīng)功能。

2 數(shù)據(jù)處理及可視化

2.1 數(shù)據(jù)集成

河道監(jiān)測(cè)平臺(tái)集成了包括水文站人工采集信息、傳感器監(jiān)測(cè)信息、沿岸涉水信息、各類河道新聞資訊、河道管理規(guī)則、沿河視頻監(jiān)控等多方面數(shù)據(jù)資源。

系統(tǒng)采用中間件模式統(tǒng)一管理各種異構(gòu)數(shù)據(jù)庫，遺留系統(tǒng)和Web資源。中間件位于異構(gòu)數(shù)據(jù)源系統(tǒng)(數(shù)據(jù)層)和應(yīng)用程序(應(yīng)用層)之間[12]，向下可以協(xié)調(diào)各數(shù)據(jù)源系統(tǒng)，向上可以為訪問集成數(shù)據(jù)的應(yīng)用提供統(tǒng)一數(shù)據(jù)模式和數(shù)據(jù)訪問的通用接口。各水質(zhì)傳感器可基于不同的LPWAN技術(shù)進(jìn)行組網(wǎng)，以實(shí)現(xiàn)低功耗、長距離數(shù)據(jù)采集及傳輸。不同系統(tǒng)的網(wǎng)關(guān)NS通過Websocket技術(shù)與阿里云物聯(lián)網(wǎng)套件SDK相連接，組成數(shù)據(jù)流通中間件。SDK接收到采集數(shù)據(jù)后，形成設(shè)備影子數(shù)據(jù)，通過Topic傳輸設(shè)備影子數(shù)據(jù)，將原始數(shù)據(jù)存儲(chǔ)在云服務(wù)器中并進(jìn)行算術(shù)處理；水質(zhì)傳感器通過RS485/232分別與各協(xié)議集中器相連接，遵循LoRaWAN、CoAP、UDP等不同協(xié)議規(guī)定將各類低功耗物聯(lián)網(wǎng)數(shù)據(jù)傳輸至網(wǎng)關(guān)NS，從而實(shí)現(xiàn)多源數(shù)據(jù)的接入，如圖2所示。

圖2 多協(xié)議數(shù)據(jù)接入

2.2 數(shù)據(jù)存儲(chǔ)及分類

針對(duì)上述系統(tǒng)中接入的異構(gòu)數(shù)據(jù)，采用三層B/S架構(gòu)，服務(wù)器分為存儲(chǔ)服務(wù)器、運(yùn)算服務(wù)器及應(yīng)用服務(wù)器。數(shù)據(jù)存儲(chǔ)模式為“主存-輔存”模式[13]，其中存儲(chǔ)服務(wù)器中的數(shù)據(jù)庫是主數(shù)據(jù)庫，用于存儲(chǔ)不同協(xié)議接入的各類原生數(shù)據(jù)(包括JSON、XMl等)及解析后數(shù)據(jù)。

采集出的數(shù)據(jù)根據(jù)類型可以分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)[14]，其中：結(jié)構(gòu)化數(shù)據(jù)有傳感器采集數(shù)據(jù)、設(shè)備狀態(tài)信息、網(wǎng)關(guān)實(shí)時(shí)狀態(tài)設(shè)備等；非結(jié)構(gòu)化數(shù)據(jù)有運(yùn)算產(chǎn)生的圖表、頁面展示目錄信息、地理信息、遙感信息等。

結(jié)構(gòu)化數(shù)據(jù)采用分布式關(guān)系型數(shù)據(jù)庫(MySQL)進(jìn)行存儲(chǔ)。數(shù)據(jù)以表-字段形式存儲(chǔ)在數(shù)據(jù)庫中, 將數(shù)據(jù)表水平拆分到后端的每個(gè)分?jǐn)?shù)據(jù)庫的分表中。根據(jù)不同狀態(tài)及服務(wù)，本文將數(shù)據(jù)庫文件分為 “系統(tǒng)”“用戶”“云端”“終端”。分別管理河道基本信息、河道定位坐標(biāo)、傳感器設(shè)備控制命令、采集數(shù)據(jù)等。數(shù)據(jù)庫中每個(gè)分庫負(fù)責(zé)每一份數(shù)據(jù)的讀寫操作，從而有效地分散了整體的訪問壓力, 提高了大型數(shù)據(jù)訪問效率。

對(duì)半結(jié)構(gòu)及非結(jié)構(gòu)數(shù)據(jù)采用分布式文檔存儲(chǔ)數(shù)據(jù)庫(MangoDB)。實(shí)現(xiàn)對(duì)JSON格式文本進(jìn)行動(dòng)態(tài)查詢，同時(shí)查詢文檔中內(nèi)嵌的對(duì)象及數(shù)組、關(guān)鍵段提取等; 對(duì)非結(jié)構(gòu)化類數(shù)據(jù)，如無人機(jī)采集視頻數(shù)據(jù)進(jìn)行結(jié)構(gòu)轉(zhuǎn)換、清除無用數(shù)據(jù)等處理。

2.3 數(shù)據(jù)可視化

系統(tǒng)應(yīng)用層使用MVC架構(gòu)，將用戶界面與邏輯運(yùn)算分離，實(shí)現(xiàn)代碼模塊化。用戶請(qǐng)求通過前端.jsp代碼，將用戶請(qǐng)求發(fā)送到Dispatch Servlet，隨后通過.jsp中的URL地址查找Handler Mapping將請(qǐng)求分派給相應(yīng)的Handler(Controller)，調(diào)用相應(yīng)的邏輯運(yùn)算對(duì)請(qǐng)求進(jìn)行處理，如監(jiān)測(cè)數(shù)據(jù)查詢服務(wù)、獲取產(chǎn)品設(shè)備狀態(tài)、地理信息獲取、控制數(shù)據(jù)查詢間隔、預(yù)警信息讀取等服務(wù)，處理完成后將ModelAndView再傳回Dispatcher Servlet，并將視圖渲染到對(duì)應(yīng)的JSP。

平臺(tái)采用JavaScript技術(shù)實(shí)現(xiàn)的可視化庫ECharts來更直觀地呈現(xiàn)河道水質(zhì)監(jiān)測(cè)不同參數(shù)的變化情況，動(dòng)態(tài)表圖展示參數(shù)走勢(shì)。該平臺(tái)可在PC和移動(dòng)設(shè)備上順利運(yùn)行，并與大多數(shù)當(dāng)前瀏覽器兼容。提供可視化、交互式和高度可定制的數(shù)據(jù)可視化圖表；同時(shí)，ECharts通過增量渲染技術(shù)支持Canvas / SVG雙引擎渲染，可以實(shí)現(xiàn)數(shù)千萬的數(shù)據(jù)渲染[15]。該平臺(tái)基于ECharts庫，使前端能夠可視化大量監(jiān)控?cái)?shù)據(jù)的呈現(xiàn)，并具有平滑的動(dòng)態(tài)效果。

3 監(jiān)測(cè)預(yù)警算法設(shè)計(jì)

3.1 算法模型選擇及設(shè)計(jì)

河流評(píng)估主要根據(jù)代表監(jiān)測(cè)點(diǎn)的數(shù)據(jù)和河段的監(jiān)測(cè)來評(píng)估河流或河段的分?jǐn)?shù)[16]。僅在河道中放置一組傳感器遠(yuǎn)不能準(zhǔn)確測(cè)評(píng)出整條河道的水質(zhì)信息，因此在進(jìn)行監(jiān)測(cè)、預(yù)警設(shè)計(jì)前針對(duì)一條河道分為N段，每段長度約為河寬的5～10倍，連續(xù)放置M類傳感器在各河段進(jìn)行數(shù)據(jù)采集，采用評(píng)價(jià)河段-監(jiān)測(cè)點(diǎn)-監(jiān)測(cè)河段-監(jiān)測(cè)河道的技術(shù)路線，最終綜合各河段數(shù)據(jù)以保證整條河道監(jiān)測(cè)的完整性，如圖3所示。設(shè)計(jì)包括對(duì)整條河道水質(zhì)等級(jí)的監(jiān)測(cè)及對(duì)一條河中某河段的某一參數(shù)進(jìn)行預(yù)測(cè)報(bào)警。同時(shí)，對(duì)數(shù)據(jù)進(jìn)行質(zhì)量檢測(cè)，包括對(duì)采集數(shù)據(jù)的合理性和時(shí)間連續(xù)性進(jìn)行檢查，對(duì)不符合檢查標(biāo)準(zhǔn)的數(shù)據(jù)自動(dòng)標(biāo)注為異常數(shù)據(jù)，為下文數(shù)據(jù)深度應(yīng)用與挖掘提供支持。

圖3 傳感器監(jiān)測(cè)點(diǎn)位

監(jiān)測(cè)技術(shù)是監(jiān)測(cè)和測(cè)量水中污染物類型，各種污染物濃度及其變化以評(píng)估水質(zhì)的過程。模型使用常見的BP神經(jīng)網(wǎng)絡(luò)，具有前向傳播反饋功能，能夠更好地修正各層級(jí)間權(quán)值問題，找出最優(yōu)解。由于BP網(wǎng)絡(luò)容易陷入局部最優(yōu)解，因此利用PSO對(duì)BP網(wǎng)絡(luò)進(jìn)行參數(shù)優(yōu)化，PSO是基于種群的一種演化算法，根據(jù)個(gè)體對(duì)環(huán)境的適應(yīng)度來決定個(gè)體是否能移動(dòng)到好的區(qū)域[17]，使被優(yōu)化算法具有更快收斂速度、更強(qiáng)的搜索能力和適用性等。

利用采集到的一個(gè)月的水質(zhì)數(shù)據(jù)進(jìn)行訓(xùn)練，設(shè)置輸入層為五類傳感器參數(shù)，根據(jù)中國水質(zhì)分類文件《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)GB3838—2002》將輸出分為I、II、III、IV、V類，即輸出向量為[1,2,3,4,5]。對(duì)河道中每一段進(jìn)行檢測(cè)。最終，所有河段中當(dāng)Ⅰ～Ⅲ類大于90%時(shí)判斷整條河質(zhì)量為優(yōu)，Ⅰ～Ⅲ類大于等于75%且小于90%時(shí)為良，以此類推，如圖4所示。

圖4 監(jiān)測(cè)預(yù)測(cè)模型選擇設(shè)計(jì)框圖

預(yù)警信息包括監(jiān)測(cè)預(yù)警對(duì)象、監(jiān)測(cè)預(yù)警結(jié)果兩部分[18]。當(dāng)用戶選擇AR模型時(shí)，選調(diào)器跳轉(zhuǎn)到AR模塊進(jìn)行運(yùn)算，具體方法如下：以河道中pH值為例，預(yù)警對(duì)象為河道未來幾天pH值，預(yù)測(cè)模型選用回歸模型：

xt=?1xt-1+?2xt-2+…+?nxt-n+at

(1)

式中：xt-i(i=0,1,2,…,n)為歷史數(shù)據(jù);?n(i=0,1,2,…,n)為模型系數(shù);at為均值為0、方差為δ2的平穩(wěn)白噪聲序列。傳感器信息輸入模型后，根據(jù)預(yù)測(cè)值與實(shí)際值之間差值，在規(guī)定的閾值范圍內(nèi)進(jìn)行報(bào)警判斷，預(yù)警信息標(biāo)志分別設(shè)為“0”“1”，通過Ajax技術(shù)返回預(yù)警標(biāo)志“1”對(duì)應(yīng)的文字警報(bào)信息，實(shí)現(xiàn)自動(dòng)化監(jiān)控預(yù)警。該數(shù)據(jù)運(yùn)算均在運(yùn)算服務(wù)器中，采用多線程處理和并行計(jì)算模式完成多不同河段pH值、ORP、溶解氧等多類數(shù)據(jù)質(zhì)量檢查、數(shù)據(jù)滑動(dòng)平均、迭代預(yù)測(cè)等處理流程。

上述監(jiān)測(cè)及預(yù)測(cè)算法模型均基于MATLAB 2017平臺(tái)進(jìn)行搭建，通過MATLAB核心算法庫設(shè)計(jì)數(shù)據(jù)處理算法，使用其中的Deploytools工具箱將.m文件生成Java包，從而在Java中對(duì)不同算法函數(shù)進(jìn)行調(diào)用，實(shí)現(xiàn)同步算法的輸入輸出管理。采用Redis (Remote dictionary server) 緩存服務(wù)器和線程池技術(shù)對(duì)同一算法進(jìn)行多次處理及結(jié)果存儲(chǔ)，實(shí)現(xiàn)高效和簡潔的編程，提高算法導(dǎo)入后的應(yīng)用效果。

3.2 算法測(cè)試與仿真

監(jiān)測(cè)算法仿真、測(cè)試仿真過程中，訓(xùn)練數(shù)據(jù)選取總體樣本的前2/3，共1 200組數(shù)據(jù)(包含五種水質(zhì)等級(jí)數(shù)據(jù))進(jìn)行PSO-BP模型訓(xùn)練。

PSO-BP模型通過設(shè)置粒子數(shù)量、迭代次數(shù)、粒子運(yùn)動(dòng)次數(shù)對(duì)BP網(wǎng)絡(luò)中net.iw{1,1}、net.b{1}、net.lw{2,1}及net.b{2}(不同層級(jí)間權(quán)值)依次進(jìn)行迭代最優(yōu)值計(jì)算。其中網(wǎng)絡(luò)參數(shù)設(shè)置為：網(wǎng)絡(luò)輸入輸出層元素個(gè)數(shù)分別為五類傳感器及其對(duì)應(yīng)等級(jí)；最大收斂次數(shù)為1 000；收斂誤差為1e-50；學(xué)習(xí)速率為10e-4；網(wǎng)絡(luò)以RMSE為性能函數(shù)測(cè)試不同隱藏層層數(shù)最終確定隱藏層數(shù)為6層。

(2)

經(jīng)過多次訓(xùn)練，選取RMSE結(jié)果為0.008 9的網(wǎng)絡(luò)固定網(wǎng)絡(luò)參數(shù)。輸入新的測(cè)試集(樣本后1/3)，結(jié)果如圖5所示。橫坐標(biāo)為訓(xùn)練集樣本個(gè)數(shù)，其中每一個(gè)樣本都包含五個(gè)數(shù)值即五類水質(zhì)參數(shù)值?？v坐標(biāo)即每個(gè)樣本對(duì)應(yīng)的水質(zhì)等級(jí)。圖中期望輸出即原始樣本，也就是每個(gè)樣本應(yīng)當(dāng)輸出的等級(jí)值；預(yù)測(cè)輸出即拿原始輸入樣本通過上述訓(xùn)練網(wǎng)絡(luò)后的輸出結(jié)果，對(duì)比可見預(yù)測(cè)值基本在期望值上下浮動(dòng)。

圖5 PSO-BP模型測(cè)試

通過圖6所示的誤差分析，可以更加直觀地看出這些誤差基本維持在±0.5內(nèi)，由于樣本等級(jí)間隔為1，對(duì)于間誤差的數(shù)據(jù)可以通過程序判斷來進(jìn)行校正。

圖6 誤差分析(PSO-BP模型)

為了更加確保該模型不僅整體預(yù)測(cè)效果佳，同時(shí)對(duì)局部數(shù)據(jù)也有較強(qiáng)的可靠性，因此分別對(duì)不同算法模型下不同等級(jí)的新樣本數(shù)據(jù)進(jìn)行計(jì)算，測(cè)試結(jié)果見表1?？梢悦黠@看出PSO-BP算法測(cè)試中誤差不超過1.5%，可以完全適用于河道預(yù)測(cè)。

表1 不同算法模型下新樣本數(shù)據(jù)測(cè)試

預(yù)測(cè)算法仿真中，由于預(yù)測(cè)值和歷史數(shù)據(jù)間關(guān)系密切，因此，在采集數(shù)據(jù)時(shí)對(duì)一個(gè)站點(diǎn)采集頻率設(shè)置為24次/天，對(duì)一個(gè)站點(diǎn)一天內(nèi)采集到的數(shù)據(jù)進(jìn)行切尾均值計(jì)算，得出該站點(diǎn)當(dāng)天pH情況；對(duì)整條河道所有站點(diǎn)進(jìn)行切尾均值后得出整條河道的綜合值作為該河道當(dāng)天pH值。

測(cè)試選用河道pH樣本中的前80個(gè)數(shù)據(jù)作為歷史數(shù)據(jù)，預(yù)測(cè)隨后5天數(shù)據(jù),如圖7所示，其中“*”為真實(shí)樣本數(shù)據(jù)，“△”為通過AR模型后的預(yù)測(cè)值。通過式(2)的計(jì)算得出其RMSE為1.6%，基本可以滿足預(yù)測(cè)。

圖7 pH值預(yù)測(cè)結(jié)果(AR模型)

4 平臺(tái)運(yùn)行效果

系統(tǒng)采用Eclipse平臺(tái)進(jìn)行開發(fā)，使用Java語言進(jìn)行編寫，基于ASP.net、SOA 架構(gòu)，利用HTML、CSS、JavaScript及服務(wù)器腳本，開發(fā)了上海市智慧河道云平臺(tái)。平臺(tái)實(shí)現(xiàn)融合多協(xié)議傳感器數(shù)據(jù)接入，同時(shí)對(duì)接嘉定區(qū)水利局河道數(shù)據(jù)信息，提供真實(shí)可靠的數(shù)據(jù)采集展示平臺(tái)。

平臺(tái)運(yùn)行界面如圖8所示。圖8(a)展示了河道管理平臺(tái)的整體功能分布及數(shù)據(jù)采集控制部分。該平臺(tái)通過河道經(jīng)緯度及百度地圖插件將所有監(jiān)測(cè)河道標(biāo)記在地圖中，同時(shí)實(shí)現(xiàn)了河道沿河管理、傳感設(shè)備的隨時(shí)監(jiān)控、數(shù)據(jù)實(shí)時(shí)采集、水質(zhì)數(shù)據(jù)PDF生成等功能。針對(duì)河道中放置的采集傳感器，設(shè)計(jì)自由組合命令方式，根據(jù)用戶需求設(shè)置發(fā)送設(shè)備的入網(wǎng)時(shí)間、發(fā)送內(nèi)容、定時(shí)發(fā)送等功能，使平臺(tái)更加貼合實(shí)際使用。圖8(b)展示了平臺(tái)在線水質(zhì)監(jiān)測(cè)部分。在線監(jiān)測(cè)以5 s為周期自動(dòng)更新各個(gè)監(jiān)測(cè)數(shù)據(jù)，使用柱狀圖直觀展示河道參數(shù)走勢(shì)，便于分析，分析、預(yù)測(cè)中可以選擇不同的河道進(jìn)行分析、預(yù)測(cè)天數(shù)、預(yù)測(cè)參數(shù)等，另外還有大屏顯示頁面，手機(jī)端頁面等綜合上述功能。點(diǎn)擊大屏頁面地圖中不同區(qū)域，通過Ajax技術(shù)使網(wǎng)頁迅速跳轉(zhuǎn)至區(qū)域河道信息展示，顯示河道中設(shè)備狀態(tài)、河道等級(jí)、及各參數(shù)狀態(tài)等。

(a) 云平臺(tái)界面

5 結(jié) 語

本文搭建了基于SOA架構(gòu)的“云管端”一體化服務(wù)平臺(tái)?；贚PWAN的低功耗物聯(lián)網(wǎng)平臺(tái)，借助阿里云中間件實(shí)現(xiàn)多種協(xié)議數(shù)據(jù)接入，形成多源異構(gòu)的平臺(tái)。結(jié)構(gòu)化數(shù)據(jù)設(shè)計(jì)了針對(duì)用戶數(shù)據(jù)分析的監(jiān)測(cè)、預(yù)測(cè)系統(tǒng)，將PSO-BP及AR算法嵌入應(yīng)用服務(wù)器內(nèi)使用以便用戶在平臺(tái)進(jìn)行實(shí)時(shí)監(jiān)測(cè)。

同時(shí)，平臺(tái)可以從多方面清晰地描述河湖健康與環(huán)境壓力響應(yīng)關(guān)系、系統(tǒng)地識(shí)別河湖健康狀況，為揭示受損成因提供幫助；緊密結(jié)合河流和湖泊系統(tǒng)的任務(wù)要求，為加強(qiáng)河流和湖泊管理提供支持；多源融合數(shù)據(jù)訪問可以為不同地區(qū)和類型的河流和湖泊健康評(píng)估的交叉參考比較提供支持；河流和湖泊的環(huán)境條件和評(píng)價(jià)指標(biāo)驗(yàn)證了該平臺(tái)是一種高效、經(jīng)濟(jì)的監(jiān)測(cè)和管理平臺(tái)。