【技术实现步骤摘要】
本专利技术涉及监测数据校准领域，具体涉及一种水质自动在线监测数据误差分析和估计方法，可用于各类型水质自动监测仪器中。
技术介绍
在线监测设备的设计结构复杂，必须由专业人员进行维护和校准，同时，监测结果的准确性受到多方面因素的影响，试剂浓度不准确、管路污染、测量温度变化等都会造成结果产生误差。目前，监测设备应用广泛，但是监测结果的准确性受到多方质疑。许多专家学者对误差产生原因、仪器维护、监测质量控制方法等进行了探讨，试图通过规范仪器的使用，加强仪器维护等方法，提高测量结果的准确性。同时，也有学者采用一些数学方法(如滤波、最小二乘法等)，对其他类型的监测数据(如电容、测井等数据)进行分析和校正。由于水质在线监测仪器设计复杂，还没有人尝试过采用数学分析的方法对在线监测仪器的误差进行分析。
技术实现思路
有鉴于此，本专利技术提供了一种用于水质在线监测的误差估计方法，该方法采用数据对比统计的方式，且将误差分类后，分别估计误差值，然后再整合，能够提高测量结果的准确性。为了解决上述技术问题，本专利技术是这样实现的：一种水质自动在线监测设备测量误差的分析和评估方法，其通过分析水质自动在线监测设备产生误差的类型，将测量误差分为系统误差、偶然误差和粗大误差，其中系统误差进一步分为周期性系统误差、线性及多项式型系统误差以及常量系统误差三类；针对上述误差类型的评估，包括如下步骤：步骤一、采用稳健剔除异常数据的...
【技术保护点】
一种水质自动在线监测设备测量误差的分析和评估方法，其特征在于，通过分析水质自动在线监测设备产生误差的类型，将测量误差分为系统误差、偶然误差和粗大误差，其中系统误差进一步分为周期性系统误差、线性及多项式型系统误差以及常量系统误差三类；针对上述误差类型的评估，包括如下步骤： 步骤一、采用稳健剔除异常数据的方法，剔除在线监测数据中的粗大误差； 步骤二、从剔除粗大误差后的在线监测数据提取中位数xe，判断该中位数xe是否在水质样本均值置信区间内；如果是，则确定存在系统误差，进入步骤三；否则，确定没有系统误差，结束本流程； 步骤三、将系统误差分为周期性系统误差、线性及多项式型系统误差和常量系统误差； 采用基于Burg法的谱分析和回归分析相结合的方法估计周期性系统误差； 采用回归分析方法，估计线性及多项式型的系统误差； 采用均值滤波方法，估计常量系统误差，再采用卡尔曼滤波方法对常量系统误差进行估计和预测，同时均值滤波加卡尔曼滤波还消减了偶然误差； 将三类系统误差的估计结果相加，得到最终的系统误差估计结果。
【技术特征摘要】
1.一种水质自动在线监测设备测量误差的分析和评估方法，其特征在于，通过分析水质自动在线监测设备产生误差的类型，将测量误差分为系统误差、偶然误差和粗大误差，其中系统误差进一步分为周期性系统误差、线性及多项式型系统误差以及常量系统误差三类；针对上述误差类型的评估，包括如下步骤：
步骤一、采用稳健剔除异常数据的方法，剔除在线监测数据中的粗大误差；
步骤二、从剔除粗大误差后的在线监测数据提取中位数xe，判断该中位数xe是否在水质样本均值置信区间内；如果是，则确定存在系统误差，进入步骤三；否则，确定没有系统误差，结束本流程；
步骤三、将系统误差分为周期性系统误差、线性及多项式型系统误差和常量系统误差；
采用基于Burg法的谱分析和回归分析相结合的方法估计周期性系统误差；
采用回归分析方法，估计线性及多项式型的系统误差；
采用均值滤波方法，估计常量系统误差，再采用卡尔曼滤波方法对常量系统误差进行估计和预测，同时均值滤波加卡尔曼滤波还消减了偶然误差；
将三类系统误差的估计结果相加，得到最终的系统误差估计结果。
2.根据权利要求1所述的方法，其特征在于，步骤一中，采用稳健剔除异常数据的方法，剔除在线监测数据中的粗大误差的具体步骤如下：
步骤1、计算在线监测数据均值置信区间的上限Mm和下限mm：
式中，是在线监测数据的均值，σ是在线监测数据的标准差，n是在线监测数据的个数；
步骤2、提取在线监测数据的中位数me；如果满足mm≤me≤Mm，则判定在线监测数据服从对称beta分布，采用式I对参数g,h进行估计：
上式I中为beta分布的参数估计值，u为在线监测数据归一化后的结果， 为u的平均值，su为u的标准差；
如果满足...
【专利技术属性】
技术研发人员：潘峰，李位星，高琪，高岩，李晓婷，邓哲，常彦春，舒俊逸，丁鑫同，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。