城市供水水質(zhì)異常檢測(cè)方法研究.pdf

1、隨著經(jīng)濟(jì)的快速發(fā)展，江河湖泊水質(zhì)污染事件和飲用水安全問(wèn)題頻繁發(fā)生。目前很多在線水質(zhì)監(jiān)測(cè)系統(tǒng)根據(jù)閾值報(bào)警的現(xiàn)狀，無(wú)法滿足對(duì)水質(zhì)污染事件進(jìn)行智能檢測(cè)的需要。研究基于在線水質(zhì)參數(shù)進(jìn)行水質(zhì)異常檢測(cè)的方法，可對(duì)水質(zhì)污染事故及時(shí)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(jià)值。
　　 本文重點(diǎn)圍繞城市供水水質(zhì)預(yù)測(cè)、異常波動(dòng)的檢測(cè)、異常信息類(lèi)別判斷等方法開(kāi)展研究，主要工作和創(chuàng)新點(diǎn)如下:
　　 (1)為掌握城市供

2、水水質(zhì)狀況和變化趨勢(shì)，及時(shí)檢測(cè)出水質(zhì)異常并提前預(yù)警，研究了水質(zhì)預(yù)測(cè)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(cè)方法;為解決RBF神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型時(shí)輸入階次和擴(kuò)展速度SPREAD難確定的問(wèn)題，研究提出了差分進(jìn)化算法自動(dòng)尋優(yōu)預(yù)測(cè)方法，并進(jìn)行了預(yù)測(cè)實(shí)驗(yàn)分析。預(yù)測(cè)結(jié)果表明，該方法可以較好地克服水質(zhì)正常周期波動(dòng)的影響，識(shí)別出非平穩(wěn)波動(dòng)信號(hào)，為后續(xù)進(jìn)一步進(jìn)行水質(zhì)異常檢測(cè)提

3、供了初篩可疑信號(hào)。同時(shí)，實(shí)驗(yàn)驗(yàn)證了所研究方法具有較高的預(yù)測(cè)精度，減少了人工設(shè)置參數(shù)的繁瑣性，水質(zhì)預(yù)測(cè)智能性有所提升。
　　 (2)水質(zhì)異常分析過(guò)程中，如果水質(zhì)數(shù)據(jù)中含有脈沖噪聲，往往會(huì)導(dǎo)致水質(zhì)異常檢測(cè)具有較大的誤報(bào)率。為了解決這一問(wèn)題，研究了小波變換模極大值去噪方法，通過(guò)對(duì)預(yù)測(cè)值和實(shí)測(cè)值相比較得到的殘差序列進(jìn)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(lái)判定水質(zhì)是否存在異常。實(shí)驗(yàn)證明此方法能在保持檢測(cè)率的同時(shí)減小誤報(bào)

4、率。
　　 (3)針對(duì)基線變化類(lèi)型的異常信息往往會(huì)引起頻繁誤報(bào)的問(wèn)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(xiàng)式擬合的方法提取異常點(diǎn)前時(shí)間序列表示模式，然后采用FCM聚類(lèi)方法將其聚為不同類(lèi)別，并保存到水質(zhì)異常模式知識(shí)庫(kù)中，接著進(jìn)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(shí)間序列數(shù)據(jù)進(jìn)行了異常信息判別實(shí)驗(yàn)分析，驗(yàn)證了所研究方法可較好地區(qū)分基線