CN111855946A - 基于鱼类行为解析的水质分析方法 - Google Patents

Abstract

本发明涉及一种基于鱼类行为解析的水质分析方法,设置八个独立待测水体的检测池，且每一个待测水体的检测池内设有生物行为传感器以建立各自生物监测的通道，信号采集单元记录各生物行为传感器所采集到对应通道内的鱼类水生生物在水体突发性污染时产生回避行为的生物活动信号，信号分析单元对水质污染进行综合判断，所述的信号分析单元包括单通道监测算法模型进行分析判断和多通道综合判断算法模型进行分析判决。本发明能对复杂生物行为信号进行有效可靠分析处理，提高水质分析判决的准确性和可靠性。

Description

基于鱼类行为解析的水质分析方法

技术领域

本发明涉及一种基于鱼类行为解析的水质分析方法，属于水质监测技术领域。

背景技术

水是生命之源，近年来，环境保护领域是研究的热点，其中水资源尤为重要。水质直接关系到饮用水的安全，与人们的生活息息相关。当前我国地表水水质逐渐恶化，对自然环境以及人们的正常生活等方面产生了很大影响。合理监测并对水质安全进行有效监测分析，成为当前水质监测的重要问题。

目前，水质监测和评估的方法主要有理化分析和生物监测两大类，与理化分析相比，生物监测方法具有直观可靠、经济实用以及准确全面等特点，能反应环境的长期污染情况，可用于水质的综合评价，同时兼备预警功能。生物监测方法主要是通过生物传感器监测水体内受试水生生物不同水平上的生物学指标变化，受试水生生物对有毒物质暴露的一种典型“应激”状态是突然“兴奋”，随着毒性的增加或累积，受试水生生物随后运动状态强度迅速减弱，乃至最终的死亡，因此，受试水生生物的运动行为的改变是实现水质有毒物质污染事件监测和预警的重要手段。但现有的水质分析方法判断单一，影响水质分析结果的真实性。

发明内容

本发明的目的是提供一种基于鱼类行为解析的水质分析方法，能对复杂生物行为信号进行有效可靠分析处理，提高水质分析判决的准确性和可靠性。

本发明为达到上述目的的技术方案是：一种基于鱼类行为解析的水质分析方法,其特征在于，所述方法包括：

建立多个独立生物监测的通道，设置八个独立待测水体的检测池，且每一个待测水体的检测池内设有生物行为传感器以建立各自生物监测的通道；

原始信号的收集，信号采集单元记录各生物行为传感器所采集到对应通道内的鱼类水生生物在水体突发性污染时产生回避行为的生物活动信号；

信号分析单元对水质污染进行判断，所述的信号分析单元包括单通道监测算法模型进行分析判断和多通道综合判断算法模型进行分析判决；

所述单通道监测算法模型按默认输入信号的长度接收信号采集单元所记录的各通道的生物活动信号，所述的生物活动信号包括背景信号和有鱼的原始待检测信号，信号处理系统对各通道的原始待检测信号进行信号分解和信号整合处理，得到修正后的待检测信号，单通道监测算法模型对输入各通道内的生物活动信号按以下步骤判断：

对各通道内的背景信号进行判断，计算各通道背景信号的标准差，当背景信号的标准差≤所设定的阈值，判断背景值正常并进入下一步判断；当背景信号的标准差＞所设定的阈值，判断背景信号波动剧烈，该通道不适合作为判断水质情况的依据，算法退出，输出并报告背景值异常；

对各通道内的待检测信号进行判断，计算各通道待检测信号的标准差，当待检测信号的标准差≥所设定的阈值，判断鱼有行为运动并进入下一步判断；当待检测信号的标准差＜所设定的阈值，判断该通道的鱼没有行为运动，算法退出，输出并报告鱼死亡；

对各通道内的鱼行为进行判断，对各通道的待检信号进行鱼行为曲线递归EMD分解获得各通道的行为曲线包络线，所述的曲线包络线为行为曲线的趋势项；

当行为曲线的趋势项的均值＜所设定的阈值，信号较弱，分析行为曲线的趋势项信号大于或小于所设定的阈值在总信号长度中比例来判断通道是否严重污染，当该通道严重污染，则算法退出，并输出并报告严重污染；

当行为曲线的趋势项的均值≥所设定的阈值，信号较强，趋势项的最大值及最小值与均值之间的绝对差异均＞所设定的阈值，判断该通道的鱼行为活动变化异常剧烈，算法退出，输出并报告严重污染；

当行为曲线的趋势项的均值≥所设定的阈值，且行为曲线的趋势项的最大值、最小值与均值之间的绝对差异在设定的1/2阈值至阈值之间时，判断该通道的鱼行为活动变化异常，算法退出，输出并报告轻度污染；

当行为曲线的趋势项不满足上述任一条件，输出并报告无污染；

所述多通道综合决策算法模型接收单通道监测算法模型输出报告各通道信号，多通道综合决策算法模型按以下步骤进行综合判决：

统计背景异常的通道数，统计报告背景值异常的通道个数，当背景值异常的个数＜5进入下一步判决；当背景值异常的个数≥5，报告背景异常的通道个数超出总通道数的50％，算法退出，输出背景异常；

统计鱼死亡的通道数，统计报告鱼死亡的通道个数，当鱼死亡的通道的个数＜5进入下一步判决，当鱼死亡的通道的个数≥5，报告鱼死亡的通道个数超出总通道数的50％，判决检测到极其严重的水质污染，算法退出，输出重度污染；

统计污染情况的通道数，统计报告轻度污染通道的个数、鱼死亡通道的个数以及重度污染通道的个数之和，当通道的个数之和≥5进入下一步判决，当通道的个数之和＜5，报告存在污染情况的通道的个数小于总通道数的50％，此时则算法退出，输出安全；

比较轻度污染通道的个数，统计报告轻度污染通道的个数与报告鱼死亡通道的个数和重度污染通道的个数之和进行比较，当轻度污染通道的个数＞鱼死亡通道的个数和重度污染通道的个数之和，报告轻度污染，算法退出，输出轻度污染，否则输出重度污染。

本发明的基于鱼类行为解析的水质分析方法，通过多个生物行为传感器所采集对应通道内的鱼类水生生物在水体突发性污染时产生回避行为的生物活动信号，通过单通道监测算法模型判断得到各个通道的背景异常、鱼死亡、重度污染以及轻度污染和无污染的水质情况，再通过多通道综合判断算法模型对各通道输出判断结果进行解析和综合判决，能得到真实可靠的水质分析结果。本发明通过研究生物行为信号与水质监测之间的对应关系，对复杂生物行为信号进行有效可靠分析处理，提高水质判决的可靠性，在水质分析方面取得了很好的效果，能应用水质在线监测模型，实现基于信号处理的全自动水质分析。

附图说明

下面结合附图对本发明的实施例作进一步的详细描述。

图1是本发明基于鱼类行为解析的水质分析的决策框图。

图2是本发明单通道监测算法模型判断流程图。

图3是本发明多通道综合判断算法模型判决流程图。

图4是本发明对原始待检测信号进行信号整合处理的方法流程图。

具体实施方式

本发明的一种基于鱼类行为解析的水质分析方法,按以下步骤进行。

见图1所示，本发明建立多个独立生物监测的通道，设置八个独立待测水体的检测池，且每一个待测水体的检测池内设有生物行为传感器以建立各自生物监测的通道。本发明通过八个通道单来进行水质污染程度判断，能有效避免鱼类水生生物的随机性突发活动对水体污染程度判决结果的影响，提高水质分析的准确性。

原始信号的收集，信号采集单元记录各生物行为传感器所采集到对应通道内的鱼类水生生物在水体突发性污染时产生回避行为的生物活动信号，且鱼类水生生物对不同污染物浓度的水体暴露下行为剧烈反应程度也有所不同。本发明的生物行为传感器为现有的传感器，将感应到的生物应激性信号转化为电信号，从而监测鱼类水生生物的行为变化。

信号分析单元对水质污染进行判断，本发明的信号分析单元包括单通道监测算法模型进行分析判断和多通道综合判断算法模型进行分析判决。

本发明单通道监测算法模型按默认输入信号的长度接收信号采集单元所记录的各通道的生物活动信号，默认输入信号的长度为25～35分钟数据信号，每秒采集15～25个数据信号，如默认输入信号的长度为30分钟数据信号，每秒采集20个数据信号，单通道监测算法模型先对输入各通道内的生物活动信号进行判断，以鱼类水生生物在待测水体中的行为信号为基础，分别对各通道的背景异常、鱼死亡、重度污染以及轻度污染和无污染进行判断，在线及时监测到各通道水质污染状况。

本发明的生物活动信号包括背景信号和有鱼的原始待检测信号，信号处理系统对各通道的原始待检测信号进行信号分解和信号整合处理，得到修正后的待检测信号，以提高分析的准确性。

见图2所示，本发明单通道监测算法模型对输入各通道内的生物活动信号按以下步骤判断：

对各通道内的背景信号进行判断，计算各通道背景信号的标准差，本发明首先对背景信号正常与否进行判断，而标准差是概率统计中常用的统计分布程度的一种度量，能够反映一个数据集内个体数据间的离散程度。理想情况下，背景信号应该为某个常数，但由于噪声的影响，真实的背景信号会在该常数附近进行微小范围的波动，因此信号的标准差可以用来作为衡量背景信号是否异常的标志，并与设定的阈值进行对比，如该设定阈值为0.01，当背景信号的标准差≤所设定的阈值，判断背景值正常并进入下一步判断；当背景信号的标准差＞所设定的阈值，判断背景信号波动剧烈，该通道不适合作为判断水质情况的依据，算法退出，输出并报告背景值异常。

对各通道内的待检测信号进行判断，即对待检测信号是否异常进行判断，计算各通道待检测信号的标准差，待检测信号的标准差也可以作为衡量待检测信号是否异常的标志，并与设定的阈值进行对比，如该设定阈值为0.01，当待检测信号的标准差≥所设定的阈值，判断鱼有行为运动并进入下一步判断；当待检测信号的标准差＜所设定的阈值，判断该通道的鱼没有行为运动，算法退出，输出并报告鱼死亡。

对各通道内的鱼行为进行判断，本发明单通道监测算法在通过上述两项极端情况判断后，才对各通道内的鱼行为进行判断，对各通道的待检信号进行鱼行为曲线递归经验模态EMD分解获得各通道的行为曲线包络线，曲线包络线为行为曲线的趋势项。

当行为曲线的趋势项的均值＜所设定的阈值，信号较弱，该情况不能通过计算信号值的绝对差异来进行污染情况的判定，分析行为曲线的趋势项信号大于或小于所设定的阈值在总信号长度中比例来判断通道是否严重污染，该设定的阈值在总信号长度中比例为现有数据，是从已知水体在严重污染、轻度污染和无污染数据的解析建立曲线的趋势项信号与阈值在总信号长度关系，判断该通道严重污染，则算法退出，输出并报告严重污染。

当行为曲线的趋势项的均值≥所设定的阈值，信号较强，趋势项的最大值及最小值与均值之间的绝对差异均＞所设定的阈值，则意味着行为曲线的趋势项变化剧烈，判断该通道的鱼行为活动变化异常剧烈，算法退出，输出并报告严重污染。

当行为曲线的趋势项的均值≥所设定的阈值，且行为曲线的趋势项的最大值、最小值与均值之间的绝对差异在设定的阈值及1/2阈值之间时，则意味着行为曲线的趋势项变化比较剧烈，判断该通道的鱼行为活动变化异常，算法退出，输出并报告轻度污染。

当行为曲线的趋势项不满足上述任一条件，输出并报告无污染。本发明通过单通道监测算法模型对各通道的生物活动信号进行背景异常、鱼死亡、重度污染以及轻度污染和无污染的判断，并将各通道水质污染判断信息向多通道综合决策算法模型报告。

本发明多通道综合决策算法模型接收单通道监测算法模型输出报告的各通道信号，对所有通道的背景值、鱼死亡、重度污染、轻度污染和无污染的输出结果进行综合判决，以提高系统判决的可靠性。

见图3所示，本发明多通道综合决策算法模型按以下步骤进行综合判决：

统计背景异常的通道数，先统计报告背景值异常的通道个数，当背景值异常的个数＜5进入下一步判决；当背景值异常的个数≥5，报告背景异常的通道个数超出总通道数的50％，则认为所述系统不可靠，无法做出有效判断，此时算法退出，输出背景异常。

统计鱼死亡的通道数，统计报告鱼死亡的通道个数，当鱼死亡的通道的个数＜5进入下一步判决，当鱼死亡的通道的个数≥5，统计报告鱼死亡的通道个数超出总通道数的50％，判决检测到极其严重的水质污染，此时算法退出，输出重度污染。

统计污染情况的通道数，统计报告轻度污染通道的个数、鱼死亡通道的个数以及重度污染通道的个数之和，当轻度污染通道的个数、鱼死亡通道的个数以及重度污染通道的个数之和≥5进入下一步判决，当轻度污染通道的个数、鱼死亡通道的个数以及重度污染通道的个数之和＜5，报告存在污染情况的通道的个数小于总通道数的50％，此时则算法退出，输出安全。

比较轻度污染通道的个数，将报告轻度污染的通道的个数与报告鱼死亡的通道的个数及重度污染的通道的个数之和进行比较，当轻度污染的通道的个数＞鱼死亡的通道的个数及重度污染的通道的个数之和，此时算法退出，输出轻度污染，否则输出重度污染。

本发明多通道综合决策算法模型向显示单元及终端输出报告，显示单元实时显示分析结果。

本发明为提高生物活动信号中有鱼的原始待检测信号的准确性，从而提高信号分析单元对水质分析结果的准确性和可靠性。见图4所示，信号处理系统对各通道的原始待检测信号基于稀疏方程和小波分解加性方法进行信号整合，得到修正后的待检测信号。信号处理系统对原始待检测信号处理如下。

步骤1，将各通道生物传感器鱼类行为信号的原始待检测信号输入信号处理系统内。

步骤2，信号处理系统对初始输入原始待检测信号进行信号分解，并确定分解终止准则，包括以下步骤：

步骤2.1，计算输入信号的局部极值；

步骤2.2，计算上(下)包络；

通过最小化下列函数提取上(下)包络：

其中J(·)是能量函数，E是上包络，Q一个是对应信号H中局部极大值(极小值)集合的向量，r是信号H的一个位置，s∈N(r)，N(r)是r的一个邻域，w_rs是一个基于下列两个强度的平方差的仿射函数：

其中σ_r是r周围相邻强度的方差；IC是多光谱信号的强度分量。

通过解下列稀疏线性方程构造一个与等式(1)等价的解：

其中，

表示向量运算，

步骤2.3，计算结构部分H_s；

包络信号可由上包络E和下包络F求得：

H_s＝(E+F)/2 (3)；

步骤2.4，获得信号的细节部分；

H_T＝H-H_S；

步骤2.5，对信号H进行n次分解，并判断结构部分是否与多光谱信号有相似尺度；经过n次分解后，信号H被分解为细节部分和结构部分：

利用下式计算结构部分H_s和多光谱信号的强度IC：

其中，f和a是随机变量H_s与IC对应强度值；

和P_IC(a)分别是H_s和IC的分布；

是H_s和IC的联合分布。

步骤3，在步骤2的基础上融合形成新的信号，包括以下步骤：

步骤3.1，得到最终分解的信号；

按照等式(5)计算每一步分解过程两部分的相互信息熵，如果

则终止分解，其中

表示第i次分解得到的信号的结构部分，最终得到分解信号：

步骤3.2，整合信号的细节信息和多光谱信号的强度，得到最终整合信号；

Claims (4)

1.一种基于鱼类行为解析的水质分析方法,其特征在于，所述方法包括：

建立多个独立生物监测的通道，设置八个独立待测水体的检测池，且每一个待测水体的检测池内设有生物行为传感器以建立各自生物监测的通道；

原始信号的收集，信号采集单元记录各生物行为传感器所采集到对应通道内的鱼类水生生物在水体突发性污染时产生回避行为的生物活动信号；

信号分析单元对水质污染进行判断，所述的信号分析单元包括单通道监测算法模型进行分析判断和多通道综合判断算法模型进行分析判决；

所述单通道监测算法模型按默认输入信号的长度接收信号采集单元所记录的各通道的生物活动信号，所述的生物活动信号包括背景信号和有鱼的原始待检测信号，信号处理系统对各通道的原始待检测信号进行信号分解和信号整合处理，得到修正后的待检测信号，单通道监测算法模型对输入各通道内的生物活动信号按以下步骤判断：

对各通道内的背景信号进行判断，计算各通道背景信号的标准差，当背景信号的标准差≤所设定的阈值，判断背景值正常并进入下一步判断；当背景信号的标准差＞所设定的阈值，判断背景信号波动剧烈，该通道不适合作为判断水质情况的依据，算法退出，输出并报告背景值异常；

对各通道内的待检测信号进行判断，计算各通道待检测信号的标准差，当待检测信号的标准差≥所设定的阈值，判断鱼有行为运动并进入下一步判断；当待检测信号的标准差＜所设定的阈值，判断该通道的鱼没有行为运动，算法退出，输出并报告鱼死亡；

对各通道内的鱼行为进行判断，对各通道的待检信号进行鱼行为曲线递归EMD分解获得各通道的行为曲线包络线，所述的曲线包络线为行为曲线的趋势项；

当行为曲线的趋势项的均值＜所设定的阈值，信号较弱，分析行为曲线的趋势项信号大于或小于所设定的阈值在总信号长度中比例来判断通道是否严重污染，当该通道严重污染，则算法退出，并输出并报告严重污染；

当行为曲线的趋势项的均值≥所设定的阈值，信号较强，趋势项的最大值及最小值与均值之间的绝对差异均＞所设定的阈值，判断该通道的鱼行为活动变化异常剧烈，算法退出，输出并报告严重污染；

当行为曲线的趋势项的均值≥所设定的阈值，且行为曲线的趋势项的最大值、最小值与均值之间的绝对差异在设定的1/2阈值至阈值之间时，判断该通道的鱼行为活动变化异常，算法退出，输出并报告轻度污染；

当行为曲线的趋势项不满足上述任一条件，输出并报告无污染；

所述多通道综合决策算法模型接收单通道监测算法模型输出报告各通道信号，多通道综合决策算法模型按以下步骤进行综合判决：

统计背景异常的通道数，统计报告背景值异常的通道个数，当背景值异常的个数＜5进入下一步判决；当背景值异常的个数≥5，报告背景异常的通道个数超出总通道数的50％，算法退出，输出背景异常；

统计鱼死亡的通道数，统计报告鱼死亡的通道个数，当鱼死亡的通道的个数＜5进入下一步判决，当鱼死亡的通道的个数≥5，报告鱼死亡的通道个数超出总通道数的50％，判决检测到极其严重的水质污染，算法退出，输出重度污染；

统计污染情况的通道数，统计报告轻度污染通道的个数、鱼死亡通道的个数以及重度污染通道的个数之和，当通道的个数之和≥5进入下一步判决，当通道的个数之和＜5，报告存在污染情况的通道的个数小于总通道数的50％，此时则算法退出，输出安全；

比较轻度污染通道的个数，统计报告轻度污染通道的个数与报告鱼死亡通道的个数及重度污染通道的个数之和进行比较，当轻度污染通道的个数＞鱼死亡通道的个数和重度污染通道的个数之和，报告轻度污染，算法退出，输出轻度污染，否则输出重度污染。

2.根据权利要求1所述的基于鱼类行为解析的水质分析方法,其特征在于：所述的默认输入信号的长度为25～35分钟数据信号，且每秒采集15～25个数据信号。

3.根据权利要求1所述的基于鱼类行为解析的水质分析方法,其特征在于：所述的信号处理系统对各通道的原始待检测信号基于稀疏方程和小波分解加性方法进行信号分解和信号整合，得到修正后的待检测信号。

4.根据权利要求1所述的基于鱼类行为解析的水质分析方法,其特征在于：所述的多通道综合决策算法模型向显示单元及终端输出报告，显示单元实时显示分析结果。

Images