基于動態(tài)關聯(lián)矩陣的管網(wǎng)水質異常檢測方法研究.pdf

1、水質異常檢測作為城市管網(wǎng)水質監(jiān)測系統(tǒng)的核心部分，其目的在于快速、準確地對管網(wǎng)中可能存在的水質異常波動進行檢測。傳統(tǒng)的水質異常檢測方法通常是在時域或者頻域上對水質監(jiān)測數(shù)據(jù)進行分析。隨著水質監(jiān)測技術的發(fā)展，水質監(jiān)測數(shù)據(jù)呈現(xiàn)出多元化的現(xiàn)象。傳統(tǒng)分析方法往往難以有效利用多維數(shù)據(jù)間的內(nèi)在關系，來提升水質異常檢測的準確度。針對這一現(xiàn)狀，本文通過對不同維度下水質數(shù)據(jù)的關聯(lián)性分析，提出了基于多個水質參數(shù)的水質異常檢測方法，并將其拓展至多監(jiān)測站點的水質異

2、常檢測。文中通過大量實驗和仿真數(shù)據(jù)對方法進行了驗證，并對算法可能存在的問題進行了討論。
　　本文的主要工作和創(chuàng)新點如下:
　　(1)現(xiàn)有的水質異常檢測算法大多未能對不同水質參數(shù)之間的聯(lián)系進行分析，很難獲得期望的效果。本文提出了基于動態(tài)關聯(lián)矩陣的水質異常檢測方法，通過動態(tài)時間規(guī)整算法對不同水質參數(shù)時間序列之間的關聯(lián)特性進行分析，并結合各個水質參數(shù)自身的波動狀況，實現(xiàn)了對管網(wǎng)水質狀態(tài)的實時檢測。文中還對不同采樣間隔下的水質數(shù)據(jù)進

3、行了分析，討論了水質數(shù)據(jù)的背景變化和基線漂移對檢測結果的影響。
　　(2)根據(jù)動態(tài)關聯(lián)矩陣進行特征提取，對水質異常波動進行了更深入的分析。借助隨機森林算法實現(xiàn)了對不同污染物引起的水質異常波動的分類。在已知污染物的類別情況下，依靠對水質異常波動的分類，可以有效地提升水質異常檢測算法的準確度。文中還根據(jù)異常波動樣本在弱分類器上的概率分布，討論了如何減小部分工況操作導致的水質異常波動對水質異常檢測算法的影響。
　　(3)參照單一站