城市供水水質(zhì)異常檢測方法研究.pdf

1、隨著經(jīng)濟的快速發(fā)展，江河湖泊水質(zhì)污染事件和飲用水安全問題頻繁發(fā)生。目前很多在線水質(zhì)監(jiān)測系統(tǒng)根據(jù)閾值報警的現(xiàn)狀，無法滿足對水質(zhì)污染事件進行智能檢測的需要。研究基于在線水質(zhì)參數(shù)進行水質(zhì)異常檢測的方法，可對水質(zhì)污染事故及時預(yù)警，有效減少污染造成的損失，保障水環(huán)境安全，具有重要理論意義和應(yīng)用價值。
　　 本文重點圍繞城市供水水質(zhì)預(yù)測、異常波動的檢測、異常信息類別判斷等方法開展研究，主要工作和創(chuàng)新點如下:
　　 (1)為掌握城市供

2、水水質(zhì)狀況和變化趨勢，及時檢測出水質(zhì)異常并提前預(yù)警，研究了水質(zhì)預(yù)測方法。經(jīng)方案比較，選取自優(yōu)化徑向基函數(shù)（Radical Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)模型作為水質(zhì)預(yù)測方法;為解決RBF神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型時輸入階次和擴展速度SPREAD難確定的問題，研究提出了差分進化算法自動尋優(yōu)預(yù)測方法，并進行了預(yù)測實驗分析。預(yù)測結(jié)果表明，該方法可以較好地克服水質(zhì)正常周期波動的影響，識別出非平穩(wěn)波動信號，為后續(xù)進一步進行水質(zhì)異常檢測提

3、供了初篩可疑信號。同時，實驗驗證了所研究方法具有較高的預(yù)測精度，減少了人工設(shè)置參數(shù)的繁瑣性，水質(zhì)預(yù)測智能性有所提升。
　　 (2)水質(zhì)異常分析過程中，如果水質(zhì)數(shù)據(jù)中含有脈沖噪聲，往往會導(dǎo)致水質(zhì)異常檢測具有較大的誤報率。為了解決這一問題，研究了小波變換模極大值去噪方法，通過對預(yù)測值和實測值相比較得到的殘差序列進行小波去噪，之后再根據(jù)去噪后的殘差值與異常閾值的偏離程度來判定水質(zhì)是否存在異常。實驗證明此方法能在保持檢測率的同時減小誤報

4、率。
　　 (3)針對基線變化類型的異常信息往往會引起頻繁誤報的問題，研究提出了區(qū)分水質(zhì)基線變化和水質(zhì)異常事件的判別方法。采用多項式擬合的方法提取異常點前時間序列表示模式，然后采用FCM聚類方法將其聚為不同類別，并保存到水質(zhì)異常模式知識庫中，接著進行在線模式匹配，判斷異常信息是屬于基線變化還是異常事件。采用流量、余氯、pH和電導(dǎo)率等易受工藝操作影響的水質(zhì)參數(shù)時間序列數(shù)據(jù)進行了異常信息判別實驗分析，驗證了所研究方法可較好地區(qū)分基線