摘要：为加强对污染源的监督管理，合理控制环境污染物总量，快速应对突发性污染事件的环境处置能力，提出一种基于数据挖掘技术的环境污染监控系统设计方案。利用数据挖掘技术获得大量环境信息数据中隐性知识和规则，达到挖掘结果可视化效果，建立监控模型，通过传感器节点采集环境数据，运算出污染源的允许排放总量，在重点污染区域部署传感器节点来检测污染排放情况，凭借本地用户监控界面和远程监控网站完成环境污染监控系统设计。实验结果显示，该系统监控准确性较高，网络寿命较长。
关键词：数据挖掘技术；节能策略；网络功耗；传感器节点；环境污染监控
近几十年来，通过不断出台措施，加强环境质量监测能力建设，加强环境污染治理，恢复重要功能区生态，环境质量得到了一定程度的改善。但由于种种原因，几十年来，中国环境形势依然十分严峻，环境质量恶化的趋势没有得到根本改善，环境污染和生态破坏已成为制约国民经济可持续发展的重要因素。有必要实施应急控制，对环境污染实时监控［１］。环境污染信息十分复杂，在大环境信息的准确获取和数据的归纳和体现中，不同污染因子的比例、传递和变化都存在诸多困难。上述检测手段无法从大量复杂的环境污染信息中快速获取不同污染因子之间的关联，监测效果较差，为此，文章利用数据挖掘技术，挖掘其隐藏的规律，直观得到各种环境数据的退化规律和结果。同时采用传感器节点对重点区域的污染物排放进行检测，通过远程监控终端中的数据采集模块对环境污染因素实时监控［２］。
１基于数据挖掘技术的环境污染源数据可视化
数据挖掘技术是在大量的数据中，应用特殊的数据处理方法，将隐藏在相关数据中的不被识别的、尚未被发现而是实际存在的知识和规则挖掘出来的，利用已知的知识和规律来表达处理过程。得到的数据规则可以用现有的知识规则来表示，数据挖掘技术利用数据库的存储功能，对大量信息进行搜索和处理，识别出相关数据之间的潜在规律，挖掘出相关数据蕴含的重要规律［３］。该规律可以提供环境数据的总体特征，描述大量相关环境污染情况并预测其发展趋势，为生产维护实施系统提供重要的数据支持，更好地为监测模块和用户服务。同时也可清晰监测污染程度，了解污染发展情况，推动制定相关防治措施，为大规模环境污染防治提供基础。系统整体结构图，在图１中展现。
２环境污染监控系统设计方案
２．１监控模型构建
由于污染源十分广泛，污染检测困难性较大。为此接入ＡＡＡ（Ａｕｔｈｅｎｔｉｃａｔｉｏｎ、Ａｕｔｈｏｒｉｚａｔｉｏｎ、Ａｃ⁃ｃｏｕｎｔｉｎｇ）服务器［５－６］。假定污染环境容量为Ｈ，各污染源的允许排放总量为Ｐ１，Ｐ２，…，Ｐｎ，满足以下数学关系：（１）当某一区域的污染源发生ΔＰ增量时，根据适当的总量平衡和削减任务分配模型集成到环境自动监控系统当中，确保污染容量不超过允许的环境容量，环境质量处于稳定状态，确保环境安全［７］。
２．２系统节能设计
设定Ｅ为系统节点的初始能量值，Ｅ０为单位时间的能量消耗。可建立下述模型为：当初始能量值Ｅ为常数时，应降低单位时间能耗Ｅ０以增加节点寿命Ｔ，由式（５）可知，只有每个αｉ的值能够降低，为控制模块ｉ的占比，应在硬件和软件方面采取相应的措施。
２．３硬件设计
公共节点集成了温度，亮度和化学成分传感器这些传感器负责收集环境污染信息。处理器模块和通信模块采用低能耗产品，延长节点生命周期。网关节点具有强大的通信能力，公共节点收集数据并将其发送到网关，网关通过移动通信网络传输数据，并将其传输到监控中心，控制中心对收集到的数据进行处理，以实现对污染排放的实时监控。
２．４软件设计
系统软件部分主要设计了传感器节点数据采集程序、网关节点数据传输程序，并开发监控中心实现对环境污染的监控。环境数据采集流程图如图２所示。监控中心负责向节点下达命令。系统启动后，首先进行后台数据库和节点的部署，部署完毕后由监控中心发出命令，激活传感器节点。通过监控中心可以设置数据采集信息和采集周期，根据环境不同，采集周期可设置为６０ｍｉｎ，如果每１ｍｉｎ采集一次数据，那么会导致监控中心需要处理的数据量过大，将会严重影响传感器节点的生命周期，从而导致系统不稳定甚至瘫痪。传输过程需要对数据进行加密以确保网络不受攻击。如果存在未知数据或恶意攻击数据包，收集到的数据库将被剔除，有效的数据会通过终端进行显示和处理，并存储在后台数据库中。系统在后台建立数据库用于存储数据，并根据存储的数据回放历史。决策支持中心设置采集样本的阈值。当超过阈值时，系统参数将得到优化。决策中心可以增加和减少监控参数，提高监控效率。监控系统软件的具体结构在图３中展现。
３实验结果分析
为了测试文章设计的面向物联网的信息监控系统的应用性能，进行了系统调试和仿真实验分析。在嵌入式设备上运行ＱｔＣ＋＋ＡＰＩ，构建物联网信息监控系统集成了智能控制Ｌｉｎｕｘ内核，数据输入通道为四个采集卡的任意通道。系统调试设备为ＩｎｔｅｒｐｅｎｔｕｍＴｙｐ３２２０Ａ随机数据发生器和Ｏｐｅｎｇ１３２ＰＳＴ３２０２可编程控制器。设置系统初始频率为２ｋＨｚ，采样间隔为５２ｍｓ。设定监测数据精度为ｐｒｅｃｉｓｉｏｎ，查全率为ｒｅｃａｌｌ，Ｆ－ｍｅａｓｕｒｅ作为两者的调和均值，ＴＰ为监测结果是正确、实际结果也为正确的情况，ＴＮ为监测结果是错误、实际结果也为错误的情况，ＦＰ为监测结果是正确、实际结果为错误的情况，ＦＮ为监测结果是错误、实际结果为正确的情况，各个评估指标运算公式如下：根据上述仿真环境和参数的设置，采用文献［１］、［２］与文章方法对检测结果的Ｆ－ｍｅａｓｕｒｅ值进行比较。不同方法下的监控与挖掘性能对比曲线如图４所示。随着迭代数量的不断增加，文章方法综合检测精度逐渐提高，当到达最大值时开始缓慢降低，但仍保持较高的检测精度。这是因为通过数据挖掘能够剔除冗余信息，使用于检测的数据能提供高精度信息，最终使结果具有较高可信度。系统运行时间对比分析，具体内容如图５所示。分析图５可知，文章设计系统与其他两种系统相比而言运行时间最短，内存占用较小，可操作性强，所耗用资源成本较低、连续工作稳定性好、故障率低等优点，能满足日常应用需求。
４结语
环境保护是人类实现可持续发展的重要保障，世界各国政府和公众都意识到环境污染对人类生存５不同系统运行时间对比图和社会经济发展的巨大危害，随着中国环境保护工作的深入发展，对环境管理手段提出了更高的要求。文章提出一种基于数据挖掘技术的环境污染监控系统设计。它解决了以往环境管理系统直观性差、准确性差的问题，实现了高精度、高稳定性、高效率的污染监测可视化，为环境影响分析和预测提供了及时、可靠的信息，能够针对相关风险定制有效的防控措施。为政府有关部门决策提供依据，从而抑制事故的发生或减少危害范围。
参考文献：
［１］关丽．互联网络下水质污染源在线监控系统设计研究［Ｊ］．环境科学与管理，２０１９，４４（６）：７０－７４．
［２］宋薇．基于云计算的化工厂污染源高清视频监测防控系统设计［Ｊ］．湘潭大学自然科学学报，２０１８，４０（３）：６２－６５．
［３］蔡榕，周长江，杨毅，等．基于数据挖掘的电力仪表图像智能监控系统设计［Ｊ］．自动化与仪器仪表，２０２０，２４５（３）：１２３－１２５；１２９．
［４］王战平，冯扬文，朱宸良．基于数据挖掘技术的信息分析方法研究———以集装箱海运价格预测为例［Ｊ］．情报科学，２０１９，３７（７）：６５－７１．
［５］郭欣，章鸣嬛，吴良，等．基于数据挖掘技术的高校教学质量监控研究［Ｊ］．微型电脑应用，２０２０，３６（１）：７－１０，２１．
［６］胡坚，胡峰俊，张红，等．基于改进布谷鸟搜索算法对水质监测无线传感器部署的优化［Ｊ］．浙江农业学报，２０２０，３２（５）：８９７－９０３．
［７］王栋，袁伟，吴迪．基于ＷｉＦｉ物联网的图书馆环境监测系统［Ｊ］．计算机科学，２０１８，４５（Ｓ２）：５４２－５４４；５６７．
作者：陈晓飞 贾勇 白亮亮 单位：新疆工程学院 信息工程学院
