一种水质数据异常识别方法及系统技术方案

本发明专利技术提供一种水质数据异常识别方法及系统，包括：步骤S1，获取水质监测数据，包括多个指标因子和对应的时序数据；步骤S2，对指标因子对应的时序数据处理得到标准化数组矩阵；步骤S3，将各标准化数组矩阵分别转换为影像数据并波段合成得到多波段影像数据，提取各指标因子的像元值形成当前质谱数据；步骤S4，将当前质谱数据与各标准质谱数据进行匹配，并根据匹配结果处理得到水质监测站点对应的水质数据异常识别结果。有益效果是本方法及系统将水质监测数据转换为多波段影像数据，提取多波段影像数据中的像元值得到当前质谱数据，通过信息散度筛选得到适配质谱数据，并通过时间差值进行水质数据异常识别，从而为控制水质达标提供科学支撑。供科学支撑。供科学支撑。

【技术实现步骤摘要】
一种水质数据异常识别方法及系统


[0001]本专利技术涉及水质监测
，尤其涉及一种水质数据异常识别方法及系统。

技术介绍

[0002]水环境保护建设和发展的迫切需求是水环境治理，而水环境监测及时、准确、全面地反映流域水质状况及水质未来发展变化的重要前提和基础，是水环境治理工作的核心内容之一，为水环境管理、污染减排、环境规划等提供基础数据资料支撑。
[0003]目前对于水质数据的使用仅仅是操作人员根据直观的数据来判断是否进行水环境治理，无法从宏观角度判断水环境的异常程度，会造成人工判断的失误。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供一种水质数据异常识别方法，预先构建一水质变化质谱库，用于保存多条标准质谱数据；
[0005]则所述水质数据异常识别方法包括:
[0006]步骤S1，获取一水质监测站点的一水质监测数据，所述水质监测数据包括多个指标因子和各所述指标因子对应的一时序数据；
[0007]步骤S2，针对每个所述指标因子，对所述指标因子对应的所述时序数据处理得到一标准化数组矩阵；
[0008]步骤S3，将各所述标准化数组矩阵分别转换为一影像数据，并对各所述影像数据进行波段合成得到一多波段影像数据，并分别提取各所述指标因子在所述多波段影像数据中的像元值形成一当前质谱数据；
[0009]步骤S4，将所述当前质谱数据与各所述标准质谱数据进行匹配，并根据匹配结果处理得到所述水质监测站点对应的水质数据异常识别结果。
[0010]优选的，每条所述标准质谱数据分别关联一标准监测时间，则所述步骤S4包括：
[0011]步骤S41，将所述当前质谱数据与各所述标准质谱数据进行匹配得到一适配质谱数据和所述适配质谱数据对应的所述标准监测时间作为所述匹配结果；
[0012]步骤S42，根据所述适配质谱数据对应的所述标准监测时间和所述当前质谱数据对应的一当前监测时间处理得到一时间差值，判断所述时间差值是否大于一预设阈值：
[0013]若是，输出表征所述当前质谱数据异常的水质数据异常识别结果；
[0014]若否，输出表征所述当前质谱数据正常的水质数据异常识别结果。
[0015]优选的，所述步骤S2包括：
[0016]步骤S21，针对每个所述指标因子，根据所述指标因子对应的所述时序数据分别处理得到一均值数据和一标准差数据；
[0017]步骤S22，根据所述均值数据、所述标准差数据和所述时序数据处理得到对应的所述标准化数组矩阵。
[0018]优选的，执行所述步骤S1之前包括所述水质变化质谱库的一构建过程，具体包括
以下步骤：
[0019]步骤A1，获取所述水质监测站点的多个历史监测数据，所述历史监测数据包括多个历史指标和各所述历史指标对应的一历史时序数据；
[0020]步骤A2，针对每个所述历史指标，对所述历史指标对应的所述历史时序数据处理得到一历史标准化矩阵；
[0021]步骤A3，对各所述历史标准化矩阵进行影像转换并提取各所述历史指标的像元值以形成对应的所述标准质谱数据。
[0022]优选的，所述步骤S41包括：
[0023]步骤S411，对所述当前质谱数据处理得到一当前概率向量分布，对各所述标准质谱数据分别处理得到一标准概率向量分布；
[0024]步骤S412，根据所述当前概率向量分布和各所述标准概率向量分布分别处理得到一信息散度，将各所述信息散度按从大到小的顺序进行排序；
[0025]步骤S413，将排序靠前的所述信息散度对应的所述标准质谱数据作为所述适配质谱数据，并将所述适配质谱数据和所述适配质谱数据对应的所述标准监测时间作为所述匹配结果。
[0026]优选的，一种水质数据异常识别系统，应用于上述水质数据异常识别方法，包括：
[0027]一数据获取模块，用于获取一水质监测站点的一水质监测数据，所述水质监测数据包括多个指标因子和各所述指标因子对应的一时序数据；
[0028]一矩阵处理模块，连接所述数据获取模块，用于针对每个所述指标因子，对所述指标因子对应的所述时序数据处理得到一标准化数组矩阵；
[0029]一影像转换模块，连接所述矩阵处理模块，用于将各所述标准化数组矩阵分别转换为一影像数据，对各所述影像数据进行波段合成得到一多波段影像数据，并分别提取各所述指标因子在所述多波段影像数据中的像元值形成一当前质谱数据；
[0030]一质谱处理模块，连接所述影像转换模块，用于将所述当前质谱数据与各所述标准质谱数据进行匹配，并根据匹配结果处理得到所述水质监测站点对应的水质数据异常识别结果。
[0031]优选的，每条所述标准质谱数据分别关联一标准监测时间，则所述质谱处理模块包括：
[0032]一第一处理单元，用于将所述当前质谱数据与各所述标准质谱数据进行匹配得到一适配质谱数据和所述适配质谱数据对应的所述标准监测时间作为所述匹配结果；
[0033]一第二处理单元，连接所述第一处理单元，用于根据所述适配质谱数据对应的所述标准监测时间和所述当前质谱数据对应的一当前监测时间处理得到一时间差值，将所述时间差值与一预设阈值进行比较并在所述时间差值大于所述预设阈值时输出表征所述当前质谱数据异常的水质数据异常识别结果；以及
[0034]在所述时间差值不大于所述预设阈值时，输出表征所述当前质谱数据正常的水质数据异常识别结果。
[0035]优选的，所述矩阵处理模块包括：
[0036]第三处理单元，用于针对每个所述指标因子，根据所述指标因子对应的所述时序数据分别处理得到一均值数据和一标准差数据；
[0037]第四处理单元，连接所述第三处理单元，用于根据所述均值数据、所述标准差数据和所述时序数据处理得到对应的所述标准化数组矩阵。
[0038]优选的，所述水质数据异常识别系统还包括一质谱库构建模块，连接所述质谱处理模块，包括：
[0039]一数据采集单元，用于获取所述水质监测站点的多个历史监测数据，所述历史监测数据包括多个历史指标和各所述历史指标对应的一历史时序数据；
[0040]一第五处理单元，连接所述数据采集单元，用于针对每个所述历史指标，对所述历史指标对应的所述历史时序数据处理得到一历史标准化矩阵；
[0041]一第六处理单元，连接所述第五处理单元，用于对各所述历史标准化矩阵进行影像转换并提取各所述历史指标的像元值以形成对应的所述标准质谱数据。
[0042]优选的，所述第一处理单元包括：
[0043]一第一处理子单元，用于对所述当前质谱数据处理得到一当前概率向量分布，对各所述标准质谱数据分别处理得到一标准概率向量分布；
[0044]一第二处理子单元，连接所述第一处理子单元，用于根据所述当前概率向量分布和各所述标准概率向量分布分别处理得到一信息散度，将各所述信息散度按从大到小的顺序进行排序；
[0045]一第三处理子单元，连接所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水质数据异常识别方法，其特征在于，预先构建一水质变化质谱库，用于保存多条标准质谱数据；则所述水质数据异常识别方法包括:步骤S1，获取一水质监测站点的一水质监测数据，所述水质监测数据包括多个指标因子和各所述指标因子对应的一时序数据；步骤S2，针对每个所述指标因子，对所述指标因子对应的所述时序数据处理得到一标准化数组矩阵；步骤S3，将各所述标准化数组矩阵分别转换为一影像数据，并对各所述影像数据进行波段合成得到一多波段影像数据，并分别提取各所述指标因子在所述多波段影像数据中的像元值形成一当前质谱数据；步骤S4，将所述当前质谱数据与各所述标准质谱数据进行匹配，并根据匹配结果处理得到所述水质监测站点对应的水质数据异常识别结果。2.根据权利要求1所述的水质数据异常识别方法，其特征在于，每条所述标准质谱数据分别关联一标准监测时间，则所述步骤S4包括：步骤S41，将所述当前质谱数据与各所述标准质谱数据进行匹配得到一适配质谱数据和所述适配质谱数据对应的所述标准监测时间作为所述匹配结果；步骤S42，根据所述适配质谱数据对应的所述标准监测时间和所述当前质谱数据对应的一当前监测时间处理得到一时间差值，判断所述时间差值是否大于一预设阈值：若是，输出表征所述当前质谱数据异常的水质数据异常识别结果；若否，输出表征所述当前质谱数据正常的水质数据异常识别结果。3.根据权利要求1所述的水质数据异常识别方法，其特征在于，所述步骤S2包括：步骤S21，针对每个所述指标因子，根据所述指标因子对应的所述时序数据分别处理得到一均值数据和一标准差数据；步骤S22，根据所述均值数据、所述标准差数据和所述时序数据处理得到对应的所述标准化数组矩阵。4.根据权利要求1所述的水质数据异常识别方法，其特征在于，执行所述步骤S1之前包括所述水质变化质谱库的一构建过程，具体包括以下步骤：步骤A1，获取所述水质监测站点的多个历史监测数据，所述历史监测数据包括多个历史指标和各所述历史指标对应的一历史时序数据；步骤A2，针对每个所述历史指标，对所述历史指标对应的所述历史时序数据处理得到一历史标准化矩阵；步骤A3，对各所述历史标准化矩阵进行影像转换并提取各所述历史指标的像元值以形成对应的所述标准质谱数据。5.根据权利要求2所述的水质数据异常识别方法，其特征在于，所述步骤S41包括：步骤S411，对所述当前质谱数据处理得到一当前概率向量分布，对各所述标准质谱数据分别处理得到一标准概率向量分布；步骤S412，根据所述当前概率向量分布和各所述标准概率向量分布分别处理得到一信息散度，将各所述信息散度按从大到小的顺序进行排序；步骤S413，将排序靠前的所述信息散度对应的所述标准质谱数据作为所述适配质谱数
据，并将所述适配质谱数据和所述适配质谱数据对应的所述标准监测时间作为所述匹配结果。6.一种水质数据异常识别系统，其特征在于，应用于如权利要求1
‑
5中任意一项所述的水质数据异常识别方法，包括：一数据获取模块，用于获取一水质监测站点的一水质监测数据，所述水质监测数据包...

【专利技术属性】
技术研发人员：杨晓楠，吴梦倩，刘黎明，陈瑜云，陈盟盟，
申请(专利权)人：上海普适导航科技股份有限公司，
类型：发明
国别省市：