[发明专利]一种水质异常分析方法及装置

说明书

本申请公开一种水质异常分析方法及装置。所述方法包括采集历史水质断面数据，建立水质特征断面数据集；计算断面数据集中的历史水质特征与目的水质特征的关联特征，根据历史水质特征和关联特征构建水质异常模型；采集当前时刻水质数据，将当前时刻水质数据输入水质异常模型进行水质异常分析。本申请通过构建可以精准发现水质异常的水质异常模型，适用于不同流域不同断面的多种水质指标的异常分析，实现了水质数据异常的精准判断，降低了异常数据的漏报率以及误报率，为水环境质量的管理工作提供数据支持。

技术领域

本申请涉及水质异常报警领域，尤其涉及一种水质异常分析方法及装置。

背景技术

水环境监测数据作为水环境质量的真实反映。及时准确的发现数据中的异常有助于发现水环境中的污染，对水环境管理提供指导作用。处理水质数据异常的方法就是对指标建立固定阈值或者动态阈值。当数据的变化范围再阈值内，则认定为正常。当不在阈值范围内，则认定为数据发生异常，从而进行预警。

考虑到影响水环境的因素比较复杂，流域、断面、各个指标之间的数值差异性较大。基于阈值类的异常数据监测方法，就需要为每个指标建立相应的阈值，工作量较大，不能很好的推广应用，而且基于阈值类的方法没有考虑到水环境的变化，从而会导致数据异常的漏报和错报。

发明内容

本申请提供了一种水质异常分析方法，包括：

采集历史水质断面数据，建立水质特征断面数据集；

计算断面数据集中的历史水质特征与目的水质特征的关联特征，根据历史水质特征和关联特征构建水质异常模型；

采集当前时刻水质数据，将当前时刻水质数据输入水质异常模型进行水质异常分析。

如上所述的水质异常分析方法，其中，计算断面数据集中的历史水质特征与目的水质特征的关联特征，具体包括如下子步骤：

将历史水质特征预处理构成特征序列；

计算特征序列与目的水质序列之间的灰色关联系数和皮尔逊系数；

根据灰色关联系数和皮尔逊系数计算关联特征。

如上所述的水质异常分析方法，其中，根据历史水质特征和关联特征构建水质异常模型，具体包括如下子步骤：

构建模型参数网，将采集的历史水质数据序列和关联特征序列作为输入数据集，将当前时刻的水质指标数据作为输出数据集；

将输入数据集划分为训练、测试、验证数据集，使用训练集、测试集和验证数据集对模型参数网进行训练，得到初级水质异常模型；

计算初级水质异常模型对验证数据集的预测结果序列，并计算与验证数据集的输出序列的差值序列；

根据差值序列建立最终水质异常模型。

如上所述的水质异常分析方法，其中，根据差值序列建立最终水质异常模型，具体包括如下子步骤：

对差值序列进行近似正态分布检验；

如果不满足检验，则返回重新构建参数网训练模型；

如果满足验证，则计算差值变化范围，获得正常水质数据的区间值；

根据采集的历史水质数据序列和正常水质数据的区间值训练最终水质异常模型，输出水质异常情况。

如上所述的水质异常分析方法，其中，计算差值变化范围，获得正常水质数据的区间值，具体为：

①初始化差值变化范围；

②令差值序列均值为a，计算差值序列在区间[a-t,a+t]的个数l；