基于时间与空间关联分析的城市供水管网水质异常检测方法研究

发布时间：2017-03-27 15:08

  本文关键词：基于时间与空间关联分析的城市供水管网水质异常检测方法研究，由笔耕文化传播整理发布。

【摘要】：为保障城市居民的饮用水安全,建立一套对供水管网水质进行持续在线监控的预警系统意义重大。水质异常检测作为保障城市饮用水安全的核心环节,其目标在于对管网的水质波动情况进行实时检测以及准确判别,挖掘出管网系统中因污染物质所引起的水质污染事故,并及时进行预警,以控制事故的影响范围。随着检测技术的发展和分布式传感器网络的普及,水质监测指标逐渐呈现出多元化、空间化的特点,传统的异常检测及分析方法往往难以对多维数据间的关联属性进行深入挖掘。针对这一现状,本文通过引入不同维度下的相关性信息,提出了基于多指标、多站点监测信息之间时间关联与空间关联融合分析的水质异常检测算法,并借助实验和仿真数据对算法进行了验证。本文的主要工作以及创新点如下：(1)本文将滑动去趋势波动相关性分析(MDFA)的方法应用到水质监测指标的异常检测分析当中,以避免水质背景信息的趋势变化以及传感器监测信号的传输异常等因素的影响。现有的水质异常检测方法大多是基于各个指标时间序列的波动性分析来展开的,非常容易受到尖峰噪声及趋势波动等情形的干扰,造成最终检测结果的误判。而MDFA算法的运用能够对各指标的监测数据进行去趋势平滑处理,并对处理后序列的波动指数进行自相关分析,判断该监测指标在当前时刻的波动是否存在异常；随后利用D-S证据理论将各个指标的分析结果进行融合,从而得出多指标融合的水质异常概率。结合实验数据对方法可行性进行了验证,并讨论了不同时间窗口尺寸对于算法性能的影响。(2)在各参数去趋势波动自相关分析的基础之上,本文进一步利用最长公共子序列(LCSS)方法引入了多个参数之间的波动互相关分析。污染物注入水体后,往往会引起多个水质指标发生变化,且变化之间存在一定关联,利用最长公共子序列方法对多个指标两两之间的互相关信息进行度量,能够进一步提升对于污染物所引起异常波动的识别能力。与此同时,设计了一种自适应调整时间窗口尺寸的方法,以在算法的误报和漏报之间找到一个更优的权衡。(3)在单站点异常检测的基础之上,本文设计了一种基于空间关联分析的多站点异常检测方法。城市供水管网系统的空间分布跨度较大,而目前的水质异常检测大多仍停留在单站点分析层面。为了更好地挖掘污染随供水管路在网络中传播的情况,本文利用有向拓扑图以及贝叶斯网络对供水管网的结构信息进行刻画,利用上游站点的异常检测结果对下游站点进行先验假设,以提高水质异常检测的准确度。借助仿真软件及模拟实验数据对方法可行性进行了测试,验证了水质数据空间关联信息的引入对于检测性能提升很有帮助。总的来说,本文所提出的基于多指标、多站点时间与空间相关分析的水质异常检测方法,能够较好地实现利用多维水质数据检测出污染事件所引起的水质异常波动,并且空间相关性的引入使得异常检测算法在准确性方面有了较大的提升,为水质日常监控及预警系统提供了方法支持。
【关键词】：水质异常检测 多指标数据融合 水质波动相关性 时间与空间关联分析
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU991.21
【目录】：

• 致谢5-7
• 摘要7-9
• Abstract9-17
• 第1章 绪论17-29
• 1.1 研究背景与意义17-20
• 1.1.1 我国水资源现状17-18
• 1.1.2 我国水污染概况18-20
• 1.2 城市供水系统水质监测的相关研究发展现状20-22
• 1.2.1 城市供水系统水处理流程20-21
• 1.2.2 城市管网饮用水安全保障主要面临的问题21-22
• 1.3 水质异常检测技术的研究进展22-26
• 1.3.1 不同检测指标的水质异常检测方法22-23
• 1.3.2 实验型水质异常检测研究方法23-24
• 1.3.3 算法型水质异常检测研究方法24-26
• 1.4 论文主要研究内容和安排26-28
• 1.4.1 研究课题的提出26
• 1.4.2 本文研究内容安排26-28
• 1.5 本章小结28-29
• 第2章 水质异常检测研究方法概述29-43
• 2.1 水质评价标准29-30
• 2.1.1 水质评价标准29
• 2.1.2 水质监测常用指标29-30
• 2.2 水质波动的分类与异常的定义30-34
• 2.2.1 水质波动的分类30-33
• 2.2.2 水质异常的定义33-34
• 2.3 多指标数据融合及证据理论34-37
• 2.3.1 多指标数据融合概述35-36
• 2.3.2 D-S证据理论36-37
• 2.4 水质异常检测方法的性能评价标准37-39
• 2.4.1 检测性能的评价指标与混淆矩阵37-38
• 2.4.2 ROC曲线与AUC评价38-39
• 2.5 模拟管网水质异常监测系统39-42
• 2.6 本章小结42-43
• 第3章 滑动去趋势相关性分析的水质异常检测方法43-57
• 3.1 水质时间序列自相关分析简介43-44
• 3.1.1 时间序列自相关分析基础43-44
• 3.1.2 水质时间序列的构成特点44
• 3.2 滑动去趋势水质波动相关性分析44-48
• 3.2.1 滑动去趋势波动相关性分析44-46
• 3.2.2 异常检测算法流程设计46-48
• 3.3 基于MDFA算法的水质异常检测研究48-56
• 3.3.1 实验方案设计48-49
• 3.3.2 实验结果与分析49-54
• 3.3.3 算法相关讨论54-56
• 3.4 本章小结56-57
• 第4章 多参数互关联分析的水质异常检测方法57-73
• 4.1 多参数水质时间序列的特点分析57-59
• 4.1.1 时间序列扭曲57
• 4.1.2 时间序列异位57-58
• 4.1.3 时间序列伸缩58-59
• 4.2 多参数时间序列相似性度量方法59-62
• 4.2.1 欧式距离59-60
• 4.2.2 动态时间弯曲距离60-61
• 4.2.3 符号化距离61-62
• 4.3 基于最长公共子序列的水质异常检测算法62-72
• 4.3.1 LCSS算法及相似度度量62-63
• 4.3.2 基于LCSS距离的算法流程与计算63-66
• 4.3.3 实验方案设计66-67
• 4.3.4 实验结果与讨论分析67-72
• 4.4 本章小结72-73
• 第5章 多站点空间关联分析的水质异常检测方法研究73-91
• 5.1 多站点水质时间序列的特点分析73-75
• 5.2 多站点空间关联异常检测的方法设计75-79
• 5.2.1 管网有向拓扑网络的建立75-76
• 5.2.2 基于贝叶斯网络的多站点污染传递概率76-78
• 5.2.3 空间关联概率融合78-79
• 5.3 多站点空间关联分析的水质异常检测方法79-90
• 5.3.1 供水模拟管网拓扑结构建立79-81
• 5.3.2 仿真环境设计81-87
• 5.3.3 实验设计与结果分析87-90
• 5.4 本章小结90-91
• 第6章 总结与展望91-93
• 6.1 论文工作总结91-92
• 6.2 研究展望92-93
• 参考文献93-98
• 作者在攻读硕士学位期间的研究成果98-99
• 作者简介99

【参考文献】

中国期刊全文数据库 前10条

1 陈冰;鲁刚;房红征;艾力;;基于最小二乘支持向量机的卫星异常检测方法[J];计算机测量与控制;2014年03期

2 何慧梅;侯迪波;赵海峰;黄平捷;张光新;;基于多因子融合的水质异常检测算法[J];浙江大学学报(工学版);2013年04期

3 王玉磊;赵春晖;齐滨;;基于光谱相似度量的高光谱图像异常检测算法[J];吉林大学学报(工学版);2013年S1期

4 王浩;王建华;;中国水资源与可持续发展[J];中国科学院院刊;2012年03期

5 张淑清;翟欣沛;刘永富;唐佰文;赵玉春;;滑动去趋势波动分析在电能质量暂态扰动检测中的应用[J];电力系统自动化;2012年08期

6 郭玉秀;张金敏;袁静;;滑动去趋势分析在机械故障诊断中的应用[J];噪声与振动控制;2011年05期

7 郑黎明;邹鹏;贾焰;;多维多层次网络流量异常检测研究[J];计算机研究与发展;2011年08期

8 姜桂艳;李琦;常安德;;数据融合技术在交通事件检测中的应用综述[J];交通信息与安全;2011年03期

9 郭志伟;陈伟;洪飞宇;;城市二次供水污染源分析及其改造[J];能源与环境;2011年02期

10 夏军;刘春蓁;任国玉;;气候变化对我国水资源影响研究面临的机遇与挑战[J];地球科学进展;2011年01期

中国博士学位论文全文数据库 前2条

1 王俊杰;基于网络的金融数据分析与挖掘[D];复旦大学;2013年

2 常魁;供水管网中氯和二氧化氯耦合反应过程及其衰减模型研究[D];哈尔滨工业大学;2011年

中国硕士学位论文全文数据库 前8条

1 杨晓敏;基于图论的水系连通性评价研究[D];济南大学;2014年

2 王璐媛;焦化废水中亚铁氰化物的分析和研究[D];辽宁科技大学;2013年

3 张高Z，

本文编号：270576