管网水质多指标动态关联异常检测方法.docxVIP

管网水质多指标动态关联异常检测方法 魏媛;冯天恒;黄平捷;侯迪波;张光新 【摘要】为了提高城市供水管网水质监测系统的污染检测能力，利用污染物所引起 多个指标变化之间的关联特性，提出基于多常规水质指标动态关联分析的水质异常 检测方法.应用动态时间规整算法(DTW)衡量多个常规水质指标时间序列间的动态 距离，刻画各指标波动的相似程度和动态关联特性.利用D-S证据理论融合各指标单 独的异常概率，将融合后得到的供水管网水质异常概率与所设定的多指标融合异常 概率阈值进行比较,作出当前时刻水质是否存在水质异常的综合判断.依托课题组模 拟供水管网实验系统，设计不同浓度的硫酸铜和铁氰化钾污染物的注入实验,利用在 线监测的pH值、浊度、余氯、溶解氧等8种常规水质指标进行动态关联分析和水 质异常检测，方法的可行性和异常检测性能通过受试者工作特征曲线(ROC)进行验 证. 【期刊名称】《浙江大学学报(工学版)》 【年(卷)，期】2016(050)007 【总页数】8页(P1402-1409) 【关键词】常规水质指标;数据融合;水质异常检测;时间序列分析;动态时间规整;相 关性分析 【作者】魏媛;冯天恒;黄平捷;侯迪波;张光新 【作者单位】浙江大学工业控制技术国家重点实验室，浙江杭州310027;浙江大学 工业控制技术国家重点实验室，浙江杭州310027;浙江大学工业控制技术国家重点 实验室，浙江杭州310027；浙江大学工业控制技术国家重点实验室，浙江杭州 310027;浙江大学工业控制技术国家重点实验室，浙江杭州I 310027 【正文语种】中文 【中图分类】X832 水是人类赖以生存的自然资源，饮用水的质量与人们生产生活息息相关.城市供水系 统中任一环节出现问题，均可能对居民的日常生活用水造成严重影响［1］ .建立一套能 够准确挖掘异常水质状况并及时进行预警处理的饮用水污染预警系统对于保障广大 居民的用水安全意义重大.水质异常检测作为后续响应操作的基础，在整个水质预警 系统中起着非常重要的作用. 供水管网中的水质监测数据在日常观测中的变化称为水质波动.引起管网水质发生 波动的原因包括日常背景变化、工艺操作变化、仪表传输噪声以及水质污染事件等. 在水质异常检测中，最受关注的是由于水质污染事件所引起的水质波动，如何能够将 因污染物注入所引起的异常变化从常规水质波动中剥离出来,是水质异常检测的核 心. 早期的研究主要依据统计学方法，通过判断单一水质指标测量值是否超出背景数据 均值3倍标准差的范围来判断是否存在异常［2］;为了克服水质数据本身存在的波 动性对检测结果的影响，之后的研究逐渐向时间序列分析的方向过渡［3］；近年来，随 着数据挖掘技术的发展，水质异常检测逐渐打破单一参数的束缚，研究人员开始利用 机器学习的相关方法将多个传感器的检测结果进行融合,以期达到更好的检测效果. 贝叶斯网络［4］、决策树［5］、人工神经网络［6］、支持向量机［7］等有监督的学习算 法以及K平均聚类［8］、轨迹聚类［9］、最小椭球体积聚类［10］、多维最近邻聚类［11］ 等无监督的学习算法都在水质异常检测领域得到了广泛的应用；此外，针对空间分 布传感器检测结果的融合逐渐成为研究的热点［12-13］.虽然上述研究的方法不同，但 结果都体现出了多指标异常检测性能的优势. 多指标水质信息融合并非简单的数据叠加.污染物进入水体后，会引起多个水质指标 之间的联动变化,且由于受到水体缓冲、仪器检测原理等因素的影响,各指标对污染 物的响应速度及持续时间不同[14].现有的多传感器信息融合的异常检测方法多是 通过统计一段时间窗口内出现异常的指标个数来对各指标的决策结果进行直接融合 [15-16],往往对于污染物注入前、后指标之间的相关性变化挖掘不够充分，且由于各 指标时间序列的波动变化并非完全同步彳主往会导致融合后的判断结果存在滞后和 误判. 本文针对该问题,提出基于动态时间规整算法的水质异常检测方法.动态时间规整算 法是一种将时间规整与距离测度结合起来进行相似性度量的方法.因该算法对序列 在时间轴的伸缩、扭曲和异位等形变具有较好的包容性，在语音识别、机器学习等 领域的序列相似度比较中得到了很好的应用.本文将动态时间规整算法引入到多水 质指标的变化相似度分析中，通过滑动时间窗读取一定长度窗口内各个水质参数的 时间序列,利用动态时间规整算法来计算任意两个指标时间序列之间的动态距离,得 到两两指标间波动的动态关联系数.利用D-S证据理论的方法融合每个参数各自的 基本异常概率,判断当前时刻的水质是否存在异常.该方法旨在通过多指标关联特性 的挖掘来提高异常检测的灵敏程度，同时减少因各指标响应速度不同所导致的检测 误判和滞后. 水质异常是指一个或多个水质指标在一定时间内所呈现出的偏离正常行为的波动