基于TRIZ理论的“环境监测预报系统的设计应用”研究
来源:用户上传
作者:于光华 苏丹 夏魁良 王丽红
摘要：通过建立深度学习模型，应用多层限制玻尔兹曼机（RBM）和一层反向传播（BP）网络组成多层深度信念网络，应用TRIZ理论分析，更好地提炼出空气浓度的趋势，从而更加准确无误地进行监测系统预报和监控。通过模拟人类大脑的神经连接结构，将数据原有空间的特征转换到模型特征空间中进行训练，自动地学习得到层次化的特征表示，从而提高预报性能。近年的实践表明，环境检测系统已成为解决环境空气监管的主要技术措施和手段，为城市主动监管和治理环境空气质量提供了强有力的工具，是实现国家治理雾霾的一项重要措施。
关键词：TRIZ理论;环境监测;城市空气污染防治
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2019）42-0091-02
一、引言
近几年来，我国经济不断快速增长的同时，也造成环境的严重破坏，部分大中城市深受雾霾的影响。以二氧化硫、氮氧化物、一氧化碳、可吸入颗粒物（PM10，PM2.5）等为主要污染物的城市空气污染问题日益突出，已严重制约了我国经济的飞速发展。因此，为了有效地反映空气污染变化趋势，为环境管理决策提供准确、全面的空气质量信息，预防严重污染事件发生，开发城市空气质量预报装置是十分必要的。近些年来，将人工神经网络用在城市空气质量预报领域的研究受到广大科学者的关注，主要表现在空气污染物浓度的短期预报、空气污染指数的预报、污染物总量的预报、使用改进的神经网络进行预报以及多种预报方法的比较等几个研究方向。虽然在研究过程中取得了一定成果，但由于城市空气质量的状况受到气象、地理、污染源和人类活动等多种因素的影响，加上神经网络自身还存在着一些不足和局限，所以在预测过程中还有很多问题待解决。借鉴TRIZ理论的原理进行模型的建立，可以更加准确地预报。
二、TRIZ理论简介
1.基本原理的实际内容。TRIZ是根里奇·阿奇舒勒通过对50万件发明专利进行研究、分析、归纳和总结，揭示了隐藏在专利中的奥秘，是提炼出的一整套体系化的、实用的发明创新理论。TRIZ理论是一种创新方法，它使创新思维从发散走到收敛，利用创新规律使创新走向盲目的、高成本的试错或灵光式的偶然。在众多创新方法中，该创新方法是世界上最神奇的一种发明创新方法，既能解决问题的具体方案，还能寻找解决问题答案的思路和方向[1-3]。
2.基本理论的解决思路。G.S.Ahshuller通过对上百万件发明专利的分析研究，抽出了40个发明创造所遵循的原理，它们成为TRIZ解决技术矛盾的关键。理论的核心技术系统进行化法则，包括完备性法则、能量传递法则、提高理想度法则、矛盾产生与克服法则等。进化法则是TRIZ理论中解决发明问题的重要指導原则，掌握好进化法则，可有效提高问题解决的效率。其中TRIZ就是从问题中找到存在的物理矛盾并对其进行改善，从而达到解决目标的理论。想要提高TRIZ的实用性，最重要的工作就是想方设法使人们更容易地找到问题中包含的物理矛盾。实用TRIZ要求解决问题必须按照既定的3个步骤一步一步进行：一是问题发生临界状态的模型图，二是导出矛盾，三是分析矛盾。
3.应用的TRIZ理论。应用TRIZ理论中的最终理想解，目的是希望用高技术、小成本，可以换来大利润;应用TRIZ理论中的S曲线的四个时期对项目进一步分析，使其更有社会价值。在系统开发的过程中，我们需要的是让系统使用的寿命长，监测数据准确，预报精度高，但质量好所需的成本就高，然而，我们更希望的是低成本高利润。
三、分析矛盾
1.分割原则。（1）将监测系统、实时传输部分分成独立的部分。（2）使监测系统、通信模块能够实现系统升级，协议共享。（3）增加监测精度、空气浓度实现实时传输。
2.拆出原则。从空气中采集空气浓度数据，送予预测模型拆出“干扰”部分（“干扰”特性）或者相反，分出唯一需要的部分或需要的特性。与上述监测系统和通信系统分成几个相同部分的技法相反，这里是要把监测到的数据进行反馈、分析，建立数据之间的内在规律，分成几个不同的部分。
3.局部性质原则。（1）要分别单独无监督地训练每一层RBM网络，通过非监督贪婪逐层方法预训练获得生成模型的权值，确保特征向量映射到不同特征空间，要尽可能多地保留特征信息。训练过程，实际上是通过确定权值求出一个最能产生训练样本的概率分布。也就是说，求一个分布，使得在这个分布下训练样本的概率最大。（2）模型最后一层的BP网络，接收RBM的输出特征向量作为输入特征向量，有监督地训练分类器。每一层RBM网络调整自身层内的权值，确保该层特征向量映射达到最优，而整个模型的特征向量映射并没达到最优，所以BP网络将错误信息自顶向下传播至每一层RBM，微调整个DBN网络。（3）在训练数据集的选取上，根据历史经验选取当年最近一段时间内和前一年同期最近的一段时间内污染物浓度和气象数据作为训练样本数据，生成训练集，提高了预测模型的预测精度。
4.精度补偿原则。应用神经网络BP去训练最后一层，微调DBN网络模型，从而提高预报精度。
5.最终理想解。系统使用寿命长，不仅能实现监测监控，而且能根据监测地点的环境参数进行准确的监测、预报，同时软件向网络化发展，按统一的格式向外提供监测数据。其次，规范通信协议和传输设备物理层协议，提高远程通信能力，加强系统的兼容性或制定相应的专业技术标准。有用功能即为系统的长使用寿命、高精度监测、低成本高利润，有害作用就是环境的进一步变换以及检测漏洞等，我们需要的是增高理想度。
四、系统功能分析
功能分析（如表所示）：
结论：本设计运用了TRIZ理论，该方法通过模拟人类大脑的神经连接结构，将数据在原空间的特征表示转换到具有语义特征的新特征空间，自动地学习得到层次化的特征表示，从而提高预报性能。得益于这种方式，新方法与传统方法相比，不仅可以利用空气质量监测、气象监测及预报等环境大数据，充分考虑污染物的时空变化、空间分布，得到直观性的污染物变化规律，还可以基于其他空气污染预测方法的结果（如数值预报模式），自动分析其适用范围、优势劣势。因此，新方法通过模拟人脑思考过程实现更充分的大数据集成，一定程度上克服了现有方法的缺陷，应用上更加具有灵活性和可操作性，对空气质量的预报更加具有真实性。
参考文献：
[1]赵新军，李晓青，钟莹.创新思维与技法[M].北京：中国科学技术出版社，2014.
[2]赵新军，孙晓枫.40条发明创造原理及其应用[M].北京：中国科学技术出版社，2014.
[3]金昊宗.适用TRIZ研究与实践[M].北京：中国科学技术出版社，2014.
转载注明来源:https://www.xzbu.com/9/view-15039879.htm
