[發明專利]一種基于粒子群的水質傳感器網絡優化部署方法

有效

• 申請號: 201810045751.3
• 申請日: 2018-01-17
• 公開（公告）號: CN108064047B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 孫茜;王小藝;王立;許繼平;于家斌;趙峙堯;金學波;申志平;余幸運
• 申請（專利權）人: 北京工商大學
• 主分類號: H04W16/20
• 分類號: H04W16/20;H04W16/22;H04W24/02;H04W84/18;G06F30/18
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 安麗

1.一種基于粒子群的水質傳感器網絡優化部署方法，其特征在于：包括建立水域特征模型和傳感器網絡的優化部署兩個基本步驟；

所述建立水域特征模型包括：

(1)建立基于綜合水質評價的水域基本模型：

針對采集到的水域監測數據，利用主成分分析法對各個因素進行分析，對水質參數進行降維處理，提取出水質評價的代表成分，其數學模型為：

其中，i為樣本個數；j為因子個數；n為主成分分析后的主成分個數；a_1j，a_2j，…，a_nj是原始變量矩陣在各主成分上的載荷；X_i1，X_i2，…，X_ij是原始變量矩陣經過標準化處理的值；z_i1，z_i2，……，z_in表示經過主成分分析后各個主成分的值；

由主成分分析得出的每個樣本的主成分z_in值，能夠得到相應的主成分評價函數Z_i，作為評判重點監測點的數據基礎：

其中，Z_i是每個樣本對應的主成分評價得分值；λ_i1，λ_i2，……，λ_in是矩陣[X_i1，X_i2，……，X_ij]初始特征值對應的方差貢獻率；

通過主成分分析對某區域水質參數的分析，可以得出該區域在時間變化上的綜合水質評價得分Z_i，求取這些得分的方差值，可以評價該水域的水質數據穩定或者波動的情況，同理，可求得各片水域的綜合水質評價得分的方差值，比較各水域的方差值大小，將方差值最大的監測點作為重點監測點，并以此作為水域基本模型；

(2)利用高斯煙羽模型確定重點監測點的影響范圍：

從理論上說，污染物在水域中的分布與毒物在大氣中的擴散相似，是對無限空間擴散方程式的正態分布解，其數學模型如公式(3)所示：

式中，x，y，z分別為距離重點監測點的水平、垂直及橫向距離，其中x方向定義為重點監測點水質的擴散方向；C(x,y,z)為(x,y,z)點上受重點監測點影響的程度，是個無量綱的量；q為重點監測點擴散源的影響力；μ是重點監測點水質濃度的傳播速度；σ_y和σ_z是x的函數，分別為重點監測點在y和z方向的分布參數；

由于重點監測點的影響范圍受多個不確定因素的影響，在完全理想的無限空間進行擴散現象的推導，令σ_y＝σ_z＝σ，y²+z²＝r²，r為擴散半徑，則有：

根據Robert公式，K為擴散系數，于是：

由于q，μ，K與重點監測點的水質情況以及周圍其他水域水質狀況有關，作進一步假設，由量綱分析設K＝ax，這里a為常量，a∈(0.15,1)；此時：

只考慮x和y方向的水質濃度傳播速度，即z＝0，r²＝y²；其中，r為擴散半徑，服從正態分布，取置信度為0.95，r的置信區間為取則上式可寫成：

借助引力場理論進行模擬，重點監測點擴散源的影響力q表示為公式(8)；

式中，P為重點監測點的面積，通過以重點監測點為圓心，以傳感器的感知范圍為半徑求出；

因此，由公式(7)和(8)可求出重點監測點對周圍水域產生的影響范圍為：

因此，通過煙羽模型就可以得到重點監測點的影響范圍；

水域特征模型由重點監測水域和非重點監測水域構成；以重點監測點為圓心，以重點監測點的影響范圍和傳感器的感知半徑之和為半徑，即可得到最終的重點監測水域，其余水域為非重點監測水域；

對待監測水域進行網格化處理，假定水域大小為M×N，包括非重點監測水域和重點監測水域，對監測水域離散化處理，以密度為gs劃分網格，所述監測水域中的網格點由矩陣Ω表示，

其中，Ω′₁，Ω′₂…Ω′_t，代表重要監測水域；

所述傳感器網絡的優化部署包括：

(1)建立水域模型的覆蓋度量標準：在得到如式(10)所述的水域模型后，對其產生的網格點記為X_mn，區域內的網格點總數記作KK，網格點X_mn被一個傳感器s_i監測到的概率記為c(s_i,X_mn)；采用布爾感知模型完成傳感器的覆蓋監測，模型的數學表達式如下：

其中，d(s_i,X_mn)表示傳感器節點與網格點X_mn的歐式距離，即傳感器節點s_i部署在點(x_i,y_i)上，則網格點X_mn到(x_i,y_i)的距離為：

其中，R_c表示傳感器的有效監測半徑，當d(s_i,X_mn)大于傳感器的有效半徑時，網格點X_mn將不能被監測；對于一個受監測網格，將它被整個監測區域中的所有傳感器節點監測到得概率定義為聯合監測概率，網格X_mn的聯合監測概率如下公式所示：

統計監測概率等于1的網格數量，其與總網格數KK的比值即為目標區域的覆蓋率；

(2)基于粒子群算法的網絡優化部署：假設在一個二維水域平面上，在解的D維搜索空間里有n個粒子作為預備解，隨機部署m個傳感器節點，則群體中的第i個粒子位置為s_i＝(x_i1,y_i1；x_i2,y_i2；x_i3,y_i3；............；x_im,y_im)，其中，每一個傳感器節點在更新過程中有一個速度向量，用于更新當前速度和位置；

每個粒子在自動更新過程中，會經歷一個表征個體最優解的位置和一個表征全局最優解的位置；首先是每個傳感器節點根據當前的速度和自身位置以及鄰居節點的位置更新當前的速度，進而更新當前的位置，所有傳感器節點的當前速度和當前位置得到更新之后就計算一次適應值，粒子則通過新的適應值不斷跟蹤個體最優解P_id＝(p_i1,p_i2，p_i3，............p_iD)和全局最優解P_g＝(p_g1,p_g2,p_g3,......,p_gd)進行搜索，以最優適應值為目標更新自己，其中，p_iD和p_gd為每一次運算后適應值的大小；適應值由傳感器網絡的節點位置所確定的覆蓋率大小決定，每次更新之后的覆蓋率應當大于上次更新之后的覆蓋率，在達到最大迭代次數時終止；根據粒子的自動移動特點，速度和位置的更新公式為：

其中，i＝1,2,3,......,n，d＝1,2,3,......,D，k為最大迭代次數，可設為50，為加權因子，它記錄粒子當前的運動狀況，c₁和c₂是加速因子，c₁使粒子具有自我繼承的作用，c₂使粒子吸收群體中其他臨近粒子的好的位置，r₁和r₂為[0,1]之間的隨機數，在三者的相互聯系和作用下，粒子向自身經歷過的最優點和群體歷史最優點靠近，由此，傳感器節點均部署在使網絡覆蓋率最大的位置；

在此基礎上，對重點水域進行重新部署，即將距離重點監測區域小于傳感器半徑的傳感器節點部署到重點監測區域內，實現對污染嚴重的區域的實時重點監測。