[发明专利]一种多变量水质参数时序数据异常事件检测方法

摘要

本发明公开了一种多变量水质参数时序数据异常事件检测方法：首先，输入多个水质参数建模，训练和构造数据驱动的预测模型(BP模型)，分析供水管网中的多变量水质时序数据，并对模型进行评估；然后，通过BP模型预测获得水质数据的预测值，比较当前状态的实测值和利用预测模型得到的预测值进行误差评估和分类分析，确定单变量参数异常事件；基于误差统计结果进行分类，通过序贯更新贝叶斯更新确定单变量水质参数的事件概率，进行多变量融合决策，将来自多个水质监测指标的信息融合，提供统一的决策结果，确定供水管网在具体节点处是否异常事件发生。

主权项

1.一种多变量水质参数时序数据异常事件检测方法，其特征在于，包括以下步骤：(1)BP模型模拟水质参数：输入6个水质参数进行建模，训练和构造数据驱动的预测模型，分析供水管网中的多变量水质时序数据，并对模型进行评估；其中6个水质参数分别是游离氯、总有机碳(Total Organic Carbon,TOC)、电导率(Electrical Conductivity,EC)、PH值、温度和浊度,数据驱动的预测模型为BP模型；(2)误差评估与分类：通过BP模型预测获得水质数据的预测值，然后对供水管网中实时水质参数进行测量，比较当前状态的实测值和利用预测模型得到的预测值进行误差评估和分类分析；(3)确定单变量参数异常事件：基于误差结果的分类，通过序贯更新贝叶斯更新确定单变量水质参数的事件概率；(4)多变量融合决策：来自多个水质监测指标的信息融合，提供统一的决策结果，确定供水管网在具体节点处是否异常事件发生；多变量融合决策具体步骤如下：(4.1)对6个水质参数指标分配各自的权重，在每个时间段，通过融合单变量的事件概率计算多参数变量的事件概率；(4.2)本发明将污染异常事件发生的阈值概率设为PThreshold＝0.7；每个水质参数事件更新的概率超过此阈值0.7，表示在这一段时间间隔，该单变量参数有异常事件发生；(4.3)经过实验，确定当在一段时间内，供水管网中某个节点有3个或3个以上的水质参数经过序贯贝叶斯更新，概率超过给定的阈值PThreshold＝0.7时，经过融合决定，发出预警，认为在该节点发生了水质污染异常事件。