[發明專利]一種基于管網多元水質時序數據的水質異常事件識別預警方法

有效

• 申請號: 202010029422.7
• 申請日: 2020-01-13
• 公開（公告）號: CN111191855B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 李子林;劉海星;劉雙;裴圣偉;彭勇;張弛
• 申請（專利權）人: 大連理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N20/10
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 李曉亮;潘迅

一種基于管網多元水質時序數據的水質異常事件識別預警方法，屬于供水管網水處理技術領域。首先，對SCADA采集的監測點的水質數據進行預處理，模擬出模擬水質異常事件數據。其次，對正常運行狀態下的多個水質指標建立預測回歸模型，并選擇每種水質指標的回歸預測模型模型訓練較好的模型進行集成，構建最終的回歸預測模型。再次，確定各水質指標的預測值與真實值殘差分布的標準差，并對回歸預測模型進行評價，確定最優算數乘子。最后，利用時序貝葉斯原理進行水質異常事件的概率更新，并進行事件報警，給出最終模型的報警信號及水質異常事件的發生概率、異常水質指標。本發明具有運行成本低、操作簡單、效果好等優點，能夠大幅降低誤報率與漏報率。

技術領域

本發明涉及供水管網水處理技術領域，具體涉及到一種基于管網多元水質時序數據的異常事件識別預警方法。

背景技術

配水管網直接面向用戶，是供水系統的一個重要環節，居民飲用水的清潔狀況直接影響到人民的身體健康。管網內發生水質污染事件后，污染物會隨著水質的運移快速的在管網中擴散，不僅會造成巨大的經濟損失，影響供水安全，而且會造成環境破壞，影響社會秩序，甚至威脅到居民的生命安全。

供水管網紅、黃水事故頻發，使得居民的用水安全受到威脅，因此快速發現水質污染事故和提升水質狀況成為各地水務集團的重點關注內容。然而，當前水質污染事故檢測缺乏有效的科學方法，更多依賴用戶報告，水務集團才能獲知水質污染事故的發生，而此時水質污染事故往往已經造成了大量的受污染水量，影響了居民的正常用水，人工舉報方法已經嚴重影響了水務集團的供水服務水平和社會受認可度。因此供水管網水質事故快速預警成為供水系統管理領域的重要研究方向。

針對管網內水質異常事件的識別與檢測問題，國內外眾多科研工作者已經展開了大量的工作。目前關于水質污染事件的研究，主要包括水質污染事故檢測指標、基于統計分析的水質污染事故預警研究和基于神經網絡數據驅動模型的水質污染事故預警研究三方面?，F在的研究均存在一定的不足，不能很好的識別出不平穩水質事件序列的水質事件，在管網的實際應用中需要標定大量的參數，在不同地區的管網系統，在線水質監測平臺測量的水質指標有不同，水質數據的測量精度也有不同，應用于不同地區管網時比較麻煩，正確預警的概率不高。同時，在管網實際的運行過程中，管網內的水質數據往往可能會因為傳感器的影響或者泵運行工況的改變造成異常的波動，這種情況導致的水質數據的波動并不能成為水質的異常事件，大量的研究識別出水質異常點就進行水質的預警報告，漏報率和誤報率較高。

發明內容

對上述不足，本發明要解決的問題是提供一種供水管網水質污染事件監測預警的模型方法，能適用于不同管網的多水質指標的水質事件識別，有較強的魯棒性，能適應較強噪聲點的影響，有較高的正確預警水質事件的概率，同時將誤報率控制在較小的范圍內。

為了達到上述的目的，本發明采用的技術方案為：

一種基于管網多元水質時序數據的水質異常事件識別預警方法，包括以下步驟：

(1)對SCADA采集的監測點的水質數據進行預處理，模擬出模擬水質異常事件數據；

(2)對預處理過的正常運行狀態下的多個水質指標建立預測回歸模型，每一種水質指標的預測均采用相同形式的輸入輸出格式，每一種水質數據的預測都采用多種機器學習方法進行下一時段水質指標值的預測(例如KNN、回歸樹、ANN、隨機森林、不同核函數配置的SVM回歸模型等)，通過不同的機器學習回歸方法得到不同指標的時段的預測值，利用水質指標的真實值與預測值的決定系數R²的值來評價回歸預測模型的性能，保存每一種水質指標預測較好的機器學習回歸預測模型，機器學習回歸預測模型的輸入輸出關系可以用以下公式表示，

式中，x_i(t)，表示為水質指標i在時間t的真實值和模型預測值；f(·)是回歸預測模型函數，由各個回歸模型確定，其自變量為回歸模型的輸入，輸出為水質指標i的預測值；