[发明专利]水质异常检测的方法、装置及终端设备

说明书

本发明适用于水质检测技术领域，提供了一种水质异常检测的方法、装置及终端设备，所述方法包括：获取待测水域监测节点第一时长内的时间序列测量数据，将时间序列测量数据输入基于循环神经网络RNN的UV254预测模型，得到所述待测水域监测节点第一时长内的UV254预测数据；利用UV254测量数据与UV254预测数据计算差分，获得残差，根据残差分布生成置信区间；若残差在所述置信区间内，则判定为正常点；若残差不在所述置信区间内，则判定为异常点；针对第一时长中第二时间窗内所有测量时刻计算表征第二时间窗内发生水质异常概率的累积概率，若所述累积概率大于预设概率阈值，则判定所述第二时间窗内发生了水质异常事件。本发明大大降高了水质异常检测效果。

技术领域

本发明属于水质检测技术领域，尤其涉及一种水质异常检测的方法、装置及终端设备。

背景技术

中国水资源缺乏，人均水资源占有量只有世界平均水平的四分之一，然而我国的部分水资源受到不同程度的污染，其中河道水质污染事件中的有机污染事件的比重较大，影响城市供水。UV254是衡量水中有机物指标的一项重要控制参数，可以有效的反映水中有机物的含量，具有检测速度快、对有机物灵敏度高、无需试剂等特点，可以有效的检测河道中的有机物含量，因此适合用于河道的水质异常检测，尤其是针对有机污染事件的准确及时的检测，保障城市供水安全。

近年来，随着机器学习的发展，相关算法在异常检测领域取得了较大的进展，尤其是基于数据驱动的水质异常检测方法，例如SVM、随机森林等。但是这些方法在水质异常检测过程中效果不好，准确度不够高。

发明内容

有鉴于此，本发明实施例提供了一种水质异常检测的方法、装置及终端设备，以解决相关技术在水质异常检测过程中效果不好，准确度不够高的技术问题。

本发明实施例的第一方面提供了一种水质异常检测的方法，包括：

获取待测水域监测节点第一时长内各个测量时刻的UV254测量数据作为时间序列测量数据，将所述时间序列测量数据输入基于循环神经网络RNN的UV254预测模型，得到所述待测水域监测节点第一时长内各个测量时刻的UV254预测数据；

利用所述UV254测量数据与UV254预测数据计算差分，获得第一时长内各个测量时刻的残差，根据所述残差的分布生成置信区间；

若第一时长内测量时刻的残差在所述置信区间内，则判定该测量时刻为正常点；若第一时长内测量时刻的残差不在所述置信区间内时，则判定所述测量时刻为异常点；

针对第一时长中第二时间窗内所有测量时刻计算表征第二时间窗内发生水质异常概率的累积概率，若所述累积概率大于预设概率阈值，则判定所述第二时间窗内发生了水质异常事件。

本发明实施例的第二方面提供了一种水质异常检测的装置，包括：

预测模块，用于获取待测水域监测节点第一时长内各个测量时刻的UV254测量数据作为时间序列测量数据，将所述时间序列测量数据输入基于循环神经网络RNN的UV254预测模型，得到所述待测水域监测节点第一时长内各个测量时刻的UV254预测数据；

差分模块，用于利用所述UV254测量数据与UV254预测数据计算差分，获得第一时长内各个测量时刻的残差，根据所述残差的分布生成置信区间；

第一判定模块，用于若第一时长内测量时刻的残差在所述置信区间内，则判定该测量时刻为正常点；若第一时长内测量时刻的残差不在所述置信区间内时，则判定所述测量时刻为异常点；

第二判定模块，用于针对第一时长中第二时间窗内所有测量时刻计算表征第二时间窗内发生水质异常概率的累积概率，若所述累积概率大于预设概率阈值，则判定所述第二时间窗内发生了水质异常事件。