[發明專利]水環境監測質控數據分析方法

有效

• 申請號: 201210500108.8
• 申請日: 2012-11-29
• 公開（公告）號: CN103020642A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 趙永剛;汪曉東;穆肅;胡冠九;張蓓蓓;章勇
• 申請（專利權）人: 江蘇省環境監測中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 濟南舜源專利事務所有限公司 37205
• 代理人: 徐槐

1.一種水環境監測質控數據分析方法，其特征在于，該方法包括下述的步驟：

a.獲取待審核水環境質控數據，采用常規的方法對數據進行處理，所述的常規方法是數據邏輯判斷法、Dixon檢驗法，去除明顯不合理的異常數據，應用非監督學習算法辨識隱含的離群數據；

b.采用監督學習算法建立水環境質控數據分析模型，并鑒別監測數據的可靠性；

c.將質控數據輸出與分析方法、儀器類型相同歷史數據中的質控數據進行比較，得到偏差；

d.確定數據的審核通過與否，具體確定的步驟為：偏差不大，則數據合理，通過審核，并將其加入歷史數據集，反之偏差過大，將該數據列為可疑數據，應用支持向量機回歸方法從水質監測質控數據時間序列中分離異常數據。

2.如權利要求1所述的一種水環境監測質控數據分析方法，其特征在于，所述的非監督學習算法為：聚類算法。

3.如權利要求1所述的一種水環境監測質控數據分析方法，其特征在于，所述的監督學習算法為k均值聚類的算法、粒子群優化法、人工神經網絡算法、支持向量機中的至少一種。

4.如權利要求3所述的一種水環境監測質控數據分析方法，其特征在于，所述的k均值聚類的算法的具體步驟是：

（a）隨機地選擇k個實驗數據，每個實驗數據初始地代表一個類的平均值或中

心；

（b）對剩余的每個實驗數據，根據其與各個類中心的距離，將它賦給最近的

類，對于重新聚成的k的類，判斷準則函數是否收斂：若收斂，則算法終

止；否則，轉（c）；

（c）重新計算每個類的中心，轉（b）。

5.如權利要求3所述的一種水環境監測質控數據分析方法，其特征在于，所

述的粒子群優化算法的具體步驟為：

對于第j個粒子，其位置表示為x_j＝[x_j1,x_j2,...,x_jd]，飛行速度表示為v_j＝[v_j1,v_j2,...v，_jd，所經歷的最好位置為p_bestj，群體所有粒子經歷的最好位置為g_best，粒子通過不斷學習更新，最終飛至解空間中最優解所在的位置，整個搜索過程即結束，最后輸出的g_best就是全局最優解，粒子在迭代過程中用來更新自己的速度和位置的進化公式為

vjK+1=wKvjK+c1r1jK(pbestjK-xjK)+c2r2jK(gbestK-xjK)---(1)]]>

xjK+1=xjK+vjK+1---(2)]]>

式中K為當前迭代次數，c₁和c₂為學習因子，它們分別代表個體經驗和群體經驗對粒子進化的指導力度；r_1j和r_2j為0-1之間按正態分布的隨機數，用來增加粒子的多樣性，w為慣性權重，是一個0-1之間的常數，慣性權重隨迭代過程按下式線性遞減：

wK=wmax-(wmax-wmin)KKmax---(3)]]>

式中K_max為最大迭代次數，w_max為最大慣性權重，w_min為最小慣性權重；

粒子群優化在每次迭代過程中，計算各粒子的適應度，即目標函數，以計算結果評估當前的p_bestj和g_best，粒子群優化的整個尋優過程為：

a)隨機初始化每個粒子的位置和速度；

b)計算粒子的適應度，如果得到更優的p_bestj和g_best，則更新并保存當前的最優值；

c)依照式(1)、(2)更新每個粒子的速度和位置，并按照式(3)更新當前的慣性權重，同時進行過速檢測與修正等約束性操作；

d)如果未能達到預先設定的最大迭代次數，則返回b)；否則停止運算，并輸出結果。