[发明专利]水环境监测质控数据分析方法

权利要求书

1.一种水环境监测质控数据分析方法，其特征在于，该方法包括下述的步骤：

a.获取待审核水环境质控数据，采用常规的方法对数据进行处理，所述的常规方法是数据逻辑判断法、Dixon检验法，去除明显不合理的异常数据，应用非监督学习算法辨识隐含的离群数据；

b.采用监督学习算法建立水环境质控数据分析模型，并鉴别监测数据的可靠性；

c.将质控数据输出与分析方法、仪器类型相同历史数据中的质控数据进行比较，得到偏差；

d.确定数据的审核通过与否，具体确定的步骤为：偏差不大，则数据合理，通过审核，并将其加入历史数据集，反之偏差过大，将该数据列为可疑数据，应用支持向量机回归方法从水质监测质控数据时间序列中分离异常数据。

2.如权利要求1所述的一种水环境监测质控数据分析方法，其特征在于，所述的非监督学习算法为：聚类算法。

3.如权利要求1所述的一种水环境监测质控数据分析方法，其特征在于，所述的监督学习算法为k均值聚类的算法、粒子群优化法、人工神经网络算法、支持向量机中的至少一种。

4.如权利要求3所述的一种水环境监测质控数据分析方法，其特征在于，所述的k均值聚类的算法的具体步骤是：

（a）随机地选择k个实验数据，每个实验数据初始地代表一个类的平均值或中

心；

（b）对剩余的每个实验数据，根据其与各个类中心的距离，将它赋给最近的

类，对于重新聚成的k的类，判断准则函数是否收敛：若收敛，则算法终

止；否则，转（c）；

（c）重新计算每个类的中心，转（b）。

5.如权利要求3所述的一种水环境监测质控数据分析方法，其特征在于，所

述的粒子群优化算法的具体步骤为：

对于第j个粒子，其位置表示为x_j＝[x_j1,x_j2,...,x_jd]，飞行速度表示为v_j＝[v_j1,v_j2,...v，_jd，所经历的最好位置为p_bestj，群体所有粒子经历的最好位置为g_best，粒子通过不断学习更新，最终飞至解空间中最优解所在的位置，整个搜索过程即结束，最后输出的g_best就是全局最优解，粒子在迭代过程中用来更新自己的速度和位置的进化公式为

vjK+1=wKvjK+c1r1jK(pbestjK-xjK)+c2r2jK(gbestK-xjK)---(1)]]>

xjK+1=xjK+vjK+1---(2)]]>

式中K为当前迭代次数，c₁和c₂为学习因子，它们分别代表个体经验和群体经验对粒子进化的指导力度；r_1j和r_2j为0-1之间按正态分布的随机数，用来增加粒子的多样性，w为惯性权重，是一个0-1之间的常数，惯性权重随迭代过程按下式线性递减：

wK=wmax-(wmax-wmin)KKmax---(3)]]>

式中K_max为最大迭代次数，w_max为最大惯性权重，w_min为最小惯性权重；

粒子群优化在每次迭代过程中，计算各粒子的适应度，即目标函数，以计算结果评估当前的p_bestj和g_best，粒子群优化的整个寻优过程为：

a)随机初始化每个粒子的位置和速度；

b)计算粒子的适应度，如果得到更优的p_bestj和g_best，则更新并保存当前的最优值；

c)依照式(1)、(2)更新每个粒子的速度和位置，并按照式(3)更新当前的惯性权重，同时进行过速检测与修正等约束性操作；

d)如果未能达到预先设定的最大迭代次数，则返回b)；否则停止运算，并输出结果。