基于時間與空間關聯分析的城市供水管網水質異常檢測方法研究.pdf

1、為保障城市居民的飲用水安全，建立一套對供水管網水質進行持續(xù)在線監(jiān)控的預警系統(tǒng)意義重大。水質異常檢測作為保障城市飲用水安全的核心環(huán)節(jié)，其目標在于對管網的水質波動情況進行實時檢測以及準確判別，挖掘出管網系統(tǒng)中因污染物質所引起的水質污染事故，并及時進行預警，以控制事故的影響范圍。
　　隨著檢測技術的發(fā)展和分布式傳感器網絡的普及，水質監(jiān)測指標逐漸呈現出多元化、空間化的特點，傳統(tǒng)的異常檢測及分析方法往往難以對多維數據間的關聯屬性進行深入挖掘

2、。針對這一現狀，本文通過引入不同維度下的相關性信息，提出了基于多指標、多站點監(jiān)測信息之間時間關聯與空間關聯融合分析的水質異常檢測算法，并借助實驗和仿真數據對算法進行了驗證。
　　本文的主要工作以及創(chuàng)新點如下:
　　(1)本文將滑動去趨勢波動相關性分析(MDFA)的方法應用到水質監(jiān)測指標的異常檢測分析當中，以避免水質背景信息的趨勢變化以及傳感器監(jiān)測信號的傳輸異常等因素的影響?，F有的水質異常檢測方法大多是基于各個指標時間序列的波

3、動性分析來展開的，非常容易受到尖峰噪聲及趨勢波動等情形的干擾，造成最終檢測結果的誤判。而MDFA算法的運用能夠對各指標的監(jiān)測數據進行去趨勢平滑處理，并對處理后序列的波動指數進行自相關分析，判斷該監(jiān)測指標在當前時刻的波動是否存在異常;隨后利用D-S證據理論將各個指標的分析結果進行融合，從而得出多指標融合的水質異常概率。結合實驗數據對方法可行性進行了驗證，并討論了不同時間窗口尺寸對于算法性能的影響。
　　(2)在各參數去趨勢波動自相關

4、分析的基礎之上，本文進一步利用最長公共子序列(LCSS)方法引入了多個參數之間的波動互相關分析。污染物注入水體后，往往會引起多個水質指標發(fā)生變化，且變化之間存在一定關聯，利用最長公共子序列方法對多個指標兩兩之間的互相關信息進行度量，能夠進一步提升對于污染物所引起異常波動的識別能力。與此同時，設計了一種自適應調整時間窗口尺寸的方法，以在算法的誤報和漏報之間找到一個更優(yōu)的權衡。
　　(3)在單站點異常檢測的基礎之上，本文設計了一種基于

5、空間關聯分析的多站點異常檢測方法。城市供水管網系統(tǒng)的空間分布跨度較大，而目前的水質異常檢測大多仍停留在單站點分析層面。為了更好地挖掘污染隨供水管路在網絡中傳播的情況，本文利用有向拓撲圖以及貝葉斯網絡對供水管網的結構信息進行刻畫，利用上游站點的異常檢測結果對下游站點進行先驗假設，以提高水質異常檢測的準確度。借助仿真軟件及模擬實驗數據對方法可行性進行了測試，驗證了水質數據空間關聯信息的引入對于檢測性能提升很有幫助。
　　總的來說，本文