一种突发水污染事件在线识别方法

摘要

一种突发水污染事件在线识别方法，利用历史数据来训练水质预测模型，以期获得水质的基线波动，在此基础上，结合层次聚类的方法对滤除基线波动的数据进行分析，来区分出异常，最后通过水质指标融合来判断事件发生。通过对历史数据的离线调试，将优化后的参数和模型传给在线识别过程，以完成对水质数据的事件判断：监测故障、污染警报、基线变化，若是判断为正常，则将数据存入历史数据继续用于离线调试反复进行训练，不断优化并调整模型和参数。本发明借助时间序列增量、层次聚类等方法实现突发水污染事件的在线识别，相比于传统的阈值法来说，对污染事件检测的误报率、检出率有了明显的提升，并且降低事件检出延时性。