地表水水质自动监测预警方法初探

基于目前我国地表水水质自动监测现状,初步探讨了地表水水质自动监测预警方法体系,提出了水质自动监测预警的整体技术路线,搭建基于突变型预警和渐变型预警的多种预警模型组框架,可以实现对单因子、多因子组合,趋势、状态等不同情况的异常水质数据进行预警,保证了预警的可靠性和准确性。通过实例分析,从水质自动监测数据集成、异常数据判定清洗、预警模型建立与运行、预警信息处理等方面介绍了水质自动监测预警的实现方法。     

地表水水质预警方法研究综述

阐述了水质预警的概念,介绍了水环境模型、生物毒性监测和数理统计方法在地表水水质预警中的应用,总结了各种方法的优缺点。分析了水质预警方法目前面临的挑战,并从融合多种预警方法、关联多维多元数据、建立一体化智能模型等3个方面,对水质预警未来的发展方向进行了展望。     

基于MSLSTM-DA模型的水质自动监测异常数据报警

提出一种基于多元堆叠长短时记忆网络-差值分析(MSLSTM-DA)模型对地表水质异常数据进行报警的方法.该方法首先建立MSLSTM模型对水质指标数据进行预测,再基于预测结果的残差分布建立DA模型,并确定各个指标的数据异常阈值,当实测数据与预测数据差值大于阈值时进行数据报警.以长江流域监测断面的水质数据进行了方法有效性验证.结果表明,构建的预测模型对５个指标的MAE、MAPE均值比BP神经网络预测模型降低21.0%,17.8%,比LSTM模型降低16.8%,17.9%.皮尔逊系数均值比BP神经网络、LSTM模型的分别高5.9%,4.4%.5个指标共检出水质异常数据37条,其中34条经人工判断确实存在有异常,报警准确率高达91.9%.