[发明专利]水环境监测质控数据分析方法

说明书

技术领域

本发明属于数据分析领域，具体涉及一种水环境监测质控分析方法。

背景技术

在流域水环境有机污染物监测过程中，数据的获得包括布点、采样、现场测试、样品运输、样品交接、样品制备、实验室分析测试、数据处理、数据审核、综合分析和评价等多个技术环节。由于受分析方法的局限性、监测分析人员的技术水平及各种干扰因素的影响，监测数据失真、异常的现象时有发生。为了使监测数据能够准确地反映流域水环境质量的现状，必须对整个环境监测过程实行质量控制，同时对质控监测数据进行全面、严格、规范的审核，以便及时发现环境监测过程中存在的问题和不足，并及时予以纠正和解决，确保监测质控数据的完整性、代表性、可比性、精密性和准确性。从而为各地环保管理部门进行排污申报核定、排污许可证发放、总量控制、环境统计、排污费征收和现场环境执法等环境监督管理的依据，为环境管理提供优质、高效的服务。因此，监测过程质量控制及监测质控数据审核是质量管理工作的主要内容，是获得正确分析数据的一个极为重要环节，是当前流域水环境监测工作需要解决的技术关键和科学管理实验室的有效方法，也是水质监测走向法制化和科学化的必然要求。

二十多年来，国家环境监测系统先后出台了环境水质监测质量保证手册、水质监测采样监测分析方法、环境监测技术规范、水质监测实验室质量控制指标等，各级监测站通过计量认证或实验室认可，初步建立了质量管理体系，通过质量体系的运作来实现质量管理。随着有机污染物监测的大量开展，监测技术的质量控制及其相关的监测质控数据审核已跟不上发展需要，流域水环境有机污染监测质量保证与质量控制系统性不强、质量控制手段单一等问题日益凸显，使得每年大量监测质控数据无可比性，无法说清环境质量、变化规律、变化趋势及变化原因。

监测质控数据的处理与审核是环境监测过程全面质量管理的关键技术之一，然而随着人们环境保护意识的增强，现代环境监测从无机污染物向有机污染物监测发展、从化学分析向仪器分析发展、从手动采样－实验室分析向自动在线监测系统发展、以及从单一的监测分析技术向多种监测分析技术联用发展，都使得监测质控数据的积累急剧地膨胀，由此产生了巨量的、复杂的监测质控数据；此外，这些监测质控数据与水质之间呈现的也并非是简单的线性关系，而是非线性多变量的。对这些技术进步所带来的巨量的、复杂的监测质控数据若仍采用传统的人工处理与审核方法已难以满足科学管理的要求。

因此需要针对上述的方法进行改进，设计一种能满足科学管理需求的水环境监测质控数据分析方法。

发明内容

为了解决上述的技术问题，本发明提供了一种能够更加准确的反映水环境监测质控数据的分析方法。

本发明的水环境监测质控分析方法是通过下述的技术方案来解决以上的技术问题的：

一种水环境监测质控数据分析方法，其特征在于，该方法包括下述的步骤：

a.获取待审核水环境质控数据，采用常规的方法对数据进行处理，常规方法是指数据逻辑判断法、Dixon检验法，去除明显不合理的异常数据，应用非监督学习算法辨识隐含的离群数据；

b.采用监督学习算法建立水环境质控数据分析模型，并鉴别监测数据的可靠性；

c.将质控数据输出与分析方法、仪器类型相同历史数据中的质控数据进行比较，得到偏差；

d.确定数据的审核通过与否，具体确定的步骤为：偏差不大，则数据合理，通过审核，并将其加入历史数据集，反之偏差过大，将该数据列为可疑数据，应用支持向量机回归方法从水质监测质控数据时间序列中分离异常数据。

上述的非监督学习算法为：聚类算法。

上述的监督学习算法为k均值聚类的算法、粒子群优化法、人工神经网络算法、支持向量机中的至少一种。

k均值聚类的算法：

（a）随机地选择k个对象，每个对象初始地代表了一个类的平均值或中心：

（b）对剩余的每个对象，根据其与各个类中心的距离，将它赋给最近的类。

对于重新聚成的k的类，判断准则函数是否收敛：若收敛，则算法终止；

否则，转（c）；

（c）重新计算每个类的中心，转（b）。

粒子群优化算法为：