[发明专利]一种水污染源在线监测数据弄虚作假行为自动识别方法

权利要求书

1.一种水污染源在线监测数据弄虚作假行为自动识别方法，其特征是：该方法由以下步骤实现：

步骤一、输入数据；

步骤二、对步骤一的输入数据同时进行小幅波动检测和周期性波动检测，并将所述小幅波动检测结果和周期性波动检测结果均存入数据库中；

步骤三、将每一段被检测数据的小幅波动检测结果与周期性波动检测结果从数据库中取出，若至少一项检测结果为存在弄虚作假嫌疑，则认定该数据有弄虚作假嫌疑，将弄虚作假嫌疑数据对应的企业信息、监测站位信息、监测因子、数据起止时间、检测结果以及数据范围均存储于数据库中。

2.根据权利要求1所述的一种水污染源在线监测数据弄虚作假行为自动识别方法，其特征在于：步骤二中，所述小幅波动检测的包括突变点检测、平稳性检测和数据范围筛选；具体过程为：

步骤二一、对步骤一输入数据进行突变点检测，然后在每一处突变点分割开，生成新的数据；

步骤二二、遍历每两个相邻突变点之间的数据；

步骤二三、判断该数据是否为平稳数据，如果是，执行步骤二三；如果否，返回步骤二二；

步骤二四、数据范围筛选；

计算被筛选数据波动范围x_range，将所述被筛选数据波动范围x_range与数据范围筛选阈值τ进行比较，

若x_range＞τ，则被筛选数据波动范围合理；

若x_range≤τ，则被筛选数据波动范围小，存在弄虚作假嫌疑；

将存在数据弄虚作假嫌疑的数据、数据的起止时间、数据的波动范围记录于数据库中；

步骤二五、输入下一组数据进行平稳性检验；返回步骤二三。

3.根据权利要求2所述的一种水污染源在线监测数据弄虚作假行为自动识别方法，其特征在于：步骤二一中，对步骤一输入数据进行突变点检测，具体为：

A、将长度为n的输入数据x₁,x₂,…,x_n从小到大排列，获得各个数据对应的秩次r₁,r₂,…,r_n；

B、构建统计量S_k，并从所述统计量S_k中找到突变点S_e；

C、计算所述突变点S_e的显著性P；

将显著性P与预设值比较，如果显著性P小于预设值，则突变点S_e认定为突变点；如果显著性P大于或等于预设值，则舍弃突变点S_e；

D、以突变点S_e为中心，将输入数据一分为二，在新获得的两组数据中分别寻找突变点；

E、重复步骤A至步骤D，直到无法找到突变点。

4.根据权利要求2所述的一种水污染源在线监测数据弄虚作假行为自动识别方法，其特征在于：对每一组新的数据依次进行平稳性检验的过程为：

分别检验在下列三种情形下数据是否平稳；

a)无常数均值且无趋势；

式中，Δy_t为被检验数据在t时刻的一阶差分值，ε_t为独立同分布白噪声项，m为最大滞后阶数，为s阶自回归系数；y_t-1为被检验数据在t-1时刻的数值；

s为滞后阶数；

b)有常数均值且无趋势；

式中，c为常数项；

c)有常数均值且有趋势；

式中，β为时间趋势项；

若被检验数据在上述三种情况下均为平稳序列，则进行数据范围筛选；若被检验数据在上述任意一种情况下为非平稳序列，则直接开始下一组数据的检验。