一种用于饮用水风险因子识别的关键控制因素筛选方法技术

本发明专利技术公开了一种用于饮用水风险因子识别的关键控制因素筛选方法，属于饮用水风险管理与质量控制领域，包括：从饮用水供应链中获取水质监测数据；对监测数据进行标准化；分析计算各水质指标对水质影响的贡献率并排序；筛选出关键控制因素作为风险因子的识别范围；从饮用水供应链中识别出风险因子。本发明专利技术通过筛选出关键控制因素，将风险因子的识别控制在较小范围内，可使饮用水供应链中风险因子的识别过程更加快速、准确，大大提高了饮用水质管理效率和水平。

A screening method of key control factors for identification of drinking water risk factors

The invention discloses a key control factor screening method for identifying drinking water risk factors, which belongs to the field of drinking water risk management and quality control, including: obtaining water quality monitoring data from the drinking water supply chain; standardizing the monitoring data; analyzing and calculating the contribution rate of each water quality index to water quality influence side by side. Sequence; Screen out the identification range of key control factors as risk factors; Identify risk factors from the drinking water supply chain. By screening out the key control factors and controlling the identification of risk factors in a small range, the invention can make the identification process of risk factors in the drinking water supply chain more rapid and accurate, and greatly improve the efficiency and level of drinking water quality management.

【技术实现步骤摘要】
一种用于饮用水风险因子识别的关键控制因素筛选方法
本专利技术属于饮用水风险管理与质量控制
，具体地说，是涉及一种用于识别饮用水供应链中影响饮用水安全的风险因子的关键控制因素筛选方法。
技术介绍
为了保障饮用水供水安全，从饮用水供应链中识别出风险因子,是饮用水安全管理的有效措施。然而，这项工作在实践中却面临很大的困难，究其原因主要是饮用水来源复杂，供应环节多,供应链长，使潜在污染因素增加。为了准确地识别出饮用水供应链中的风险因子，目前采取的措施是在饮用水供应链中设置多处监测点位和监测更多的水质指标，进行数据分析产生了海量的监测数据。全面分析这些监测数据不仅工作量大，而且分析结果的不确定性增强。研究表明，在饮用水供应链中仅有部分环节以及对少数水质指标的干扰，会对饮用水水质安全起决定性影响，这部分环节和少数指标就是饮用水安全的关键控制因素(KeyControlFactors，KCFs)。因此，将KCFs作为影响饮用水安全的风险因子识别范围，不仅不会遗漏可能的风险因子，还会提高识别效率。如WHO推荐的HACCP方案就是围绕确定的关键控制因素建立监控体系和纠偏方法进行饮用水安全管理的。但是，HACCP方案仅以控制微生物污染为目标，没有将化学性和感官性污染等其他影响饮用水安全的指标纳入风险因子识别体系，因此，不能全面地反映饮用水水质安全所面临的隐患。
技术实现思路
本专利技术的目的在于提供一种用于饮用水风险因子识别的关键控制因素筛选方法，不仅能够准确快捷地识别出影响饮用水安全的风险因子，而且能够较为全面地反映出饮用水水质安全所面临的隐患。为解决上述技术问题，本专利技术采用以下技术方案予以实现：一种用于饮用水风险因子识别的关键控制因素筛选方法，包括以下步骤：(1)沿饮用水供应链设置k+1个监测点，相邻两个监测点之间形成一个供水环节，对每一个监测点的饮用水进行n种水质指标检测，形成监测数据；(2)采用数据标准化方法对所有的监测数据进行标准化，转化为标准化指数；(3)利用转化后的标准化指数计算各水质指标对饮用水水质影响的贡献率；(4)计算各水质指标的标准化指数在不同供水环节对饮用水水质影响的分担率，进而计算出各水质指标在每一个供水环节的节点贡献率；(5)将计算出的节点贡献率按照从大到小的顺序排序，并筛选出其中累计贡献率超过设定值SET的前m个节点作为关键控制因素；(6)将所述关键控制因素作为风险因子的识别范围，采用风险因子识别方法从饮用水供应链中识别出风险因子。与现有技术相比，本专利技术的优点和积极效果是：通过本专利技术筛选出的关键控制因素可以将饮用水供应链中的风险因子准确定位在一个较小的识别范围内，不仅可以有效、准确地识别出饮用水供应链中的风险因子，而且可以减少影响饮用水安全的风险因子识别过程的工作量，提升饮用水供应链中风险因子的识别速度，提高饮用水的水质管理效率，全面地反映出饮用水水质安全所面临的隐患。结合附图阅读本专利技术实施方式的详细描述后，本专利技术的其他特点和优点将变得更加清楚。附图说明图1是本专利技术所提出的用于饮用水风险因子识别的关键控制因素筛选方法的一种实施例的流程图。具体实施方式下面结合附图对本专利技术的具体实施方式进行详细地描述。面对当前饮用水管理保障体系产生的海量监测数据，巨大的分析工作量和缺少统一的标准化指数体系，使得水质管控过程中风险因子的识别成为最大的难题。本实施例通过对传统的数据标准化方法和主成分分析法进行改造，建立了一种可以用于饮用水风险因子识别的关键控制因素筛选方法，将从饮用水供应链中筛选出的关键控制因素作为风险因子的识别范围，从而能够快速准确地识别出影响饮用水安全的风险因子。主成分分析法是一种可以通过消除重叠信息，筛选有用的、影响力最大的因子实现数据的降维，从而在损失较少数据信息的基础上，提高数据分析效率，避免主观判断带来的误差的统计方法。关键控制因素可以通过主成分分析法来量化各水质指标对水质影响力的大小来筛选。但是，主成分分析法应用于饮用水供应链中所面临的难题是：由于供水各环节采用的标准不同以及水质指标的量纲和危害性的差异，导致无法直接以监测结果为基础进行供应链的影响量化。因此，需要先建立一个统一的量化体系作为分析基础。也就是说，需要设计一套可将饮用水供应链中所有环节及所有指标的监测数据统一为标准化指数的方法。在该方法的基础上，就可以利用主成分分析法快速准确地识别出饮用水供应链中的风险因子。下面结合图1，对本实施例提出的用于饮用水风险因子识别的关键控制因素筛选方法的具体过程进行详细阐述。S101、获取监测数据；饮用水供应链包括从原水集水区到用户的全过程供应链条或网络，识别的风险因子应能够反映整个供水过程的风险，设置的监测点位应具有代表性。也可以将供应链划分为几个性质不同的供水环节，监测指标应尽可能覆盖所有对饮用水安全有威胁的水质指标。一般来说，监测数据越全面，即监测点位和监测指标越多，越能体现本实施例从海量数据中挖掘有效信息，把风险因子的识别范围准确限制在极少范围，从而大大提高工作效率的特点。本实施例沿饮用水供应链设置k+1个监测点，相邻两个监测点之间形成一个供水环节，由此可以形成k个供水环节。采集流经每一个监测点的饮用水，并对饮用水中的n种水质指标进行检测，由此可以形成(k+1)×n个监测数据。在沿饮用水供应链分布监测点时，可基于已有监测体系的点位设置，或者根据实际需要增加，以便于将供应链划分为几个性质不同的环节为原则。典型的布点位置包括：集水区取水口处、水库入水口处、水库出水口处、水厂入水口处、水厂出水口处、用户进水管处等。所述n种水质指标应涉及微生物指标(例如细菌、总大肠菌群、耐热大肠菌群等)、化学性指标(例如pH值、溶解氧、氨氮、高锰酸盐指数、化学需氧量、生化需氧量、总磷、总氮等)和感官性指标(例如臭和味)等。S102、整理监测数据；对监测数据进行检验，对其中的异常数据(例如变化量超过10倍的监测数据等)进行复查，确为失准数据予以剔除。然后，对监测数据中的缺失数据进行补充，本实施例优选采用热卡填充法对缺失数据进行补充。热卡填充法为现有方法，是一种在数据库中找到一个与缺失数据最相似的对象，然后，用这个相似对象的值进行填充的方法，目前常用于海量数据中的个别缺失数据的填补。S103、监测数据标准化；为了能够采用主成分分析法来量化各水质指标对饮用水水质的影响力，进而筛选出关键控制因素，本实施例优选采用改造后的数据标准化方法来对所有的监测数据进行标准化，以统一转化为可以相互对比的标准化指数。具体方法为：(1)对于规定了最高浓度限值的水质指标，采用实测值的占标率进行标准化。例如，若第i种水质指标在饮用水水质标准中仅规定了最高浓度限值，则可以利用以下公式计算出该水质指标的标准化指数Xi：Xi＝Ci/Si；其中，Ci为第i种水质指标的实测值，Si为第i种水质指标的标准值。所述标准值Si可以从饮用水水质标准中查出。若第i种水质指标的实际浓度值低于监测装置的最低检出值，则从监测装置上会得到“未检出”的检测结果，此时可以将监测装置的最低检出值的一半作为第i种水质指标的实测值Ci，利用上述公式计算出该水质指标的标准化指数Xi。在本实施例中，所述饮用水水质标准可以选用《生活饮用水水质标准》(GB5749)，若在《生活本文档来自技高网...

【技术保护点】
1.一种用于饮用水风险因子识别的关键控制因素筛选方法，其特征在于，包括以下步骤：(1)沿饮用水供应链布设k+1个监测点，相邻两个监测点之间形成一个供水环节，对每一个监测点的饮用水进行n种水质指标检测，形成监测数据；(2)采用数据标准化方法对所有的监测数据进行标准化，转化为标准化指数；(3)利用转化后的标准化指数计算各水质指标对饮用水水质影响的贡献率；(4)计算各水质指标的标准化指数在不同供水环节对饮用水水质影响的分担率，进而计算出各水质指标在每一个供水环节对饮用水水质影响的节点贡献率；(5)将计算出的节点贡献率按照从大到小的顺序排序，并筛选出其中累计贡献率超过设定值SET的前m个节点作为关键控制因素；(6)将所述关键控制因素作为风险因子的识别范围，采用风险因子识别方法从饮用水供应链中识别出风险因子。

【技术特征摘要】
1.一种用于饮用水风险因子识别的关键控制因素筛选方法，其特征在于，包括以下步骤：(1)沿饮用水供应链布设k+1个监测点，相邻两个监测点之间形成一个供水环节，对每一个监测点的饮用水进行n种水质指标检测，形成监测数据；(2)采用数据标准化方法对所有的监测数据进行标准化，转化为标准化指数；(3)利用转化后的标准化指数计算各水质指标对饮用水水质影响的贡献率；(4)计算各水质指标的标准化指数在不同供水环节对饮用水水质影响的分担率，进而计算出各水质指标在每一个供水环节对饮用水水质影响的节点贡献率；(5)将计算出的节点贡献率按照从大到小的顺序排序，并筛选出其中累计贡献率超过设定值SET的前m个节点作为关键控制因素；(6)将所述关键控制因素作为风险因子的识别范围，采用风险因子识别方法从饮用水供应链中识别出风险因子。2.根据权利要求1所述的关键控制因素筛选方法，其特征在于，在所述步骤(1)中，所述监测点的布点位置包括：集水区取水口处、水库入水口处、水库出水口处、水厂入水口处、水厂出水口处、用户进水管处。3.根据权利要求1所述的关键控制因素筛选方法，其特征在于，在所述步骤(1)中，所述水质指标包括微生物指标、化学性指标和感官性指标。4.根据权利要求1所述的关键控制因素筛选方法，其特征在于，在所述步骤(1)和步骤(2)之间还包括：对所述监测数据进行检验，剔除异常数据，并对监测数据中的缺失数据采用热卡填充法进行补充。5.根据权利要求1至4中任一项所述的关键控制因素筛选方法，其特征在于，在所述步骤(2)中，所述数据标准化方法包括：(2-1)若第i种水质指标在饮用水水质标准中仅规定了最高浓度限值，则该水质指标的标准化指数Xi＝Ci/Si；其中，Ci为第i种水质指标的实测值，Si为第i种水质指标的标准值；(2-2)若第i种水质指标在饮用水水质标准中规定了上下两个限值，则该水质指标的标准化指数其中，Smax为第i种水质指标的上限值，Smin为第i种水质指标的下限值；(2-3)若第i种水质指标为微生物指标或感官指标，则利用以下公式计算该水质指标的标准化指数Xi：若第i种水质指标在饮用水水质标准中有个数限值，则当实测值低于所述个数限值时，Xi＝Ci/Si；当实测值大于等于所述个数限值时，Xi＝1.00+log10(Ci/Si)；若第i种水质指标以是否检出为标准，则未检出时，Xi...

【专利技术属性】
技术研发人员：王琳，祁峰，孙艺珂，王晋，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东,37