一种供水管网水体污染快速检测方法技术

本发明专利技术涉及水体污染检测的技术领域，公开了一种供水管网水体污染快速检测方法，所述方法包括：采集供水管网水质指标数据序列并进行数据清洗；对清洗后的供水管网水质指标数据序列进行结合能量优化选择策略以及启发式算法的时序分解操作；基于水质指标的重要性评估结果对时序分解特征进行降维以及聚类处理；利用供水管网水体污染快速检测模型对供水节点水质污染类型进行检测识别

【技术实现步骤摘要】
一种供水管网水体污染快速检测方法


[0001]本专利技术涉及水体污染检测的
，尤其涉及一种供水管网水体污染快速检测方法
。

技术介绍

[0002]供水管网是城市的关键基础设施，任何出现在供水管网中的污染都可能严重威胁到城市居民的饮用水安全
。
但是如何保障供水管网中的饮用水的安全在科技高速发展的今天依旧是一个挑战
。
氟氯化物，重金属等污染物会轻易威胁到饮用水的安全与防护
。
更为严重的是，一旦城市的供水管网中出现的污染没有被及时检测与隔离，污染物便会随着管道水的流动而开始广泛扩散
。
实际上，当前我国部分地区对于饮用水水质的检测，仍然采用人工巡查采样并提交实验室分析的方法
。
该方法虽然能够获得详尽可靠的水质信息，却往往耗费极大的人力物力，而且很难提供及时的检测结果
。
针对该问题，本专利技术提出一种供水管网水体污染快速检测方法，通过自适应数据关联分析实现供水管网污染快速检测，保证供水安全
。

技术实现思路

[0003]有鉴于此，本专利技术提供一种供水管网水体污染快速检测方法，目的在于：1）采用指数迭代方式对供水管网水质指标数据序列中的数据值进行多轮迭代，得到该数据值的预测迭代结果，若预测迭代结果超过预设的阈值，则表示该数据值有可能为噪声数据，并标记为缺失数据，针对不同水质指标类型的缺失数据采用不同的数据补充规则，实现供水管网水质指标数据序列的清洗处理，并结合不同时序分解层对应的时序分解特征的峭度以及能量值，利用结合惯性权重的启发式算法进行参数计算，得到最终时序分解层数对供水管网水质指标数据序列进行时序分解，得到能够有效表征供水管网水质指标数据序列时序冲击特性的时序分解特征；2）基于水质指标的重要性评估结果对时序分解特征进行降维处理，将降维处理结果作为供水节点的水质污染程度，并利用不同供水节点的水质污染程度距离以及共享近邻个数选取局部密度更大的供水节点水质污染程度作为聚类簇的聚类中心，实现结合空间分布特性以及局部密度特性的聚类处理，并结合水质污染程度距离以及共享近邻个数计算得到非聚类中心与聚类中心的相似度，实现供水节点水质污染程度的聚类处理，利用供水管网水体污染快速检测模型对不同聚类簇的聚类中心进行供水节点水质污染类型检测识别，得到同一聚类簇下所有供水节点的水质污染类型，避免消耗过多计算资源对所有供水节点逐一检测识别
。
[0004]实现上述目的，本专利技术提供的一种供水管网水体污染快速检测方法，包括以下步骤：
S1
：采集供水管网水质指标数据序列并进行数据清洗，得到清洗后的供水管网水质指标数据序列；
S2
：对清洗后的供水管网水质指标数据序列进行结合能量优化选择策略以及启发
式算法的时序分解操作，得到供水管网中不同供水节点的时序分解特征；
S3
：对不同水质指标的时序分解特征进行重要性评估；
S4
：基于水质指标的重要性评估结果对时序分解特征进行降维以及聚类处理，得到供水管网中不同供水节点的水质污染程度以及聚类结果；
S5
：构建供水管网水体污染快速检测模型对不同聚类簇的供水节点水质污染类型进行检测识别
。
[0005]作为本专利技术的进一步改进方法：可选地，所述
S1
步骤中采集供水管网水质指标数据序列并进行数据清洗，包括：采集供水管网水质指标数据序列，其中供水管网中包括
N
个供水节点，则所采集供水管网水质指标数据序列的表示形式为：其中：表示供水管网中第
i
个供水节点在第
j
种水质指标的数据序列，
M
表示水质指标的总数；在本专利技术实施例中，水质指标包括水温
、ph
值
、
溶解氧含量
、
电导率
、
氨氮含量
、
高猛酸钾指数
、
总有机碳含量
、
有机化合物含量
、
硝酸盐含量
、
氰化物含量
、
氟化物含量
、
氯化物含量等；表示供水管网中第
i
个供水节点的第
j
种水质指标在时刻的数据值，表示供水管网水质指标数据序列的采集时间范围；对所采集供水管网水质指标数据序列进行数据清洗，其中数据序列的清洗流程为：
S11
：将数据序列中的数据值同预设的第
j
种水质指标的阈值范围进行比较，将阈值范围外的数据值标记为
NaN
；其中表示预设的第
j
种水质指标的最小阈值，表示预设的第
j
种水质指标的最大阈值；
S12
：计算数据序列中任意数据值的
m
次迭代值，则数据值的
m
次迭代值为：为：为：为：为：为：为：其中：
表示数据值在第
m
次迭代的迭代系数；分别表示数据值在第
m
次迭代的一次指数值
、
二次指数值以及三次指数值；在本专利技术实施例中，，，，其中表示数据序列的数据值均值；表示平滑系数；若超过预设的迭代阈值，则将数据值标记为
NaN
；
S13
：对标记为
NaN
的数据值进行数据值补全，构成数据清洗后的数据序列：其中：为数据序列的数据清洗后数据序列；为数据值的标记
、
补全后结果
。
在本专利技术实施例中，数据值补全规则包括对水温等缓慢变化的水质指标，采用取前后有效的数据值均值方法进行数据值补全，对
pH
值
、
电导率以及成分含量等可能突变的水质指标，采用取距离缺失数据值时刻的最近有效数据值方法进行数据值补全
。
[0006]可选地，所述
S2
步骤中对清洗后的供水管网水质指标数据序列进行结合能量优化选择策略以及启发式算法的时序分解操作，包括：对清洗后的供水管网水质指标数据序列进行结合能量优化选择策略以及启发式算法的时序分解操作，其中数据序列的时序分解流程为：
S21
：设置第
j
种水质指标的启发式优化参数，并初始化生成
U
个粒子的位置坐标以及速度参数，其中初始化生成的第
u
个粒子的位置坐标以及速度参数为：个粒子的位置坐标以及速度参数为：其中：表示第
u
个粒子的初始化位置坐标，表示分别表示在启发式优化参数的参数空间的参数值；其中启发式优化参数的参数空间为启发式优化参数的参数值取值范围；表示第
u
个粒子的初始化速度参数，分别表示所对应启发式优化参数的速度值；
S22
：设置粒子位置坐标以及速度参数的当前迭代次数为
d
，最大迭代次数为
Max
，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种供水管网水体污染快速检测方法，其特征在于，所述方法包括：
S1
：采集供水管网水质指标数据序列并进行数据清洗，得到清洗后的供水管网水质指标数据序列；
S2
：对清洗后的供水管网水质指标数据序列进行结合能量优化选择策略以及启发式算法的时序分解操作，得到供水管网中不同供水节点的时序分解特征；
S3
：对不同水质指标的时序分解特征进行重要性评估；
S4
：基于水质指标的重要性评估结果对时序分解特征进行降维以及聚类处理，得到供水管网中不同供水节点的水质污染程度以及聚类结果；
S5
：构建供水管网水体污染快速检测模型对不同聚类簇的供水节点水质污染类型进行检测识别
。2.
如权利要求1所述的一种供水管网水体污染快速检测方法，其特征在于，所述
S1
步骤中采集供水管网水质指标数据序列并进行数据清洗，包括：采集供水管网水质指标数据序列，其中供水管网中包括
N
个供水节点，则所采集供水管网水质指标数据序列的表示形式为：其中：表示供水管网中第
i
个供水节点在第
j
种水质指标的数据序列，
M
表示水质指标的总数；表示供水管网中第
i
个供水节点的第
j
种水质指标在时刻的数据值，表示供水管网水质指标数据序列的采集时间范围；对所采集供水管网水质指标数据序列进行数据清洗，其中数据序列的清洗流程为：
S11
：将数据序列中的数据值同预设的第
j
种水质指标的阈值范围进行比较，将阈值范围外的数据值标记为
NaN
；其中表示预设的第
j
种水质指标的最小阈值，表示预设的第
j
种水质指标的最大阈值；
S12
：计算数据序列中任意数据值的
m
次迭代值，则数据值的
m
次迭代值为：次迭代值为：次迭代值为：次迭代值为：次迭代值为：次迭代值为：次迭代值为：其中：
表示数据值在第
m
次迭代的迭代系数；分别表示数据值在第
m
次迭代的一次指数值
、
二次指数值以及三次指数值；表示平滑系数；若超过预设的迭代阈值，则将数据值标记为
NaN
；
S13
：对标记为
NaN
的数据值进行数据值补全，构成数据清洗后的数据序列：其中：为数据序列的数据清洗后数据序列；为数据值的标记
、
补全后结果
。3.
如权利要求2所述的一种供水管网水体污染快速检测方法，其特征在于，所述
S2
步骤中对清洗后的供水管网水质指标数据序列进行结合能量优化选择策略以及启发式算法的时序分解操作，包括：对清洗后的供水管网水质指标数据序列进行结合能量优化选择策略以及启发式算法的时序分解操作，其中数据序列的时序分解流程为：
S21
：设置第
j
种水质指标的启发式优化参数，并初始化生成
U
个粒子的位置坐标以及速度参数，其中初始化生成的第
u
个粒子的位置坐标以及速度参数为：个粒子的位置坐标以及速度参数为：其中：表示第
u
个粒子的初始化位置坐标，表示分别表示在启发式优化参数的参数空间的参数值；其中启发式优化参数的参数空间为启发式优化参数的参数值取值范围；表示第
u
个粒子的初始化速度参数，分别表示所对应启发式优化参数的速度值；
S22
：设置粒子位置坐标以及速度参数的当前迭代次数为
d
，最大迭代次数为
Max
，则第
u
个粒子位置坐标以及速度参数的第
d
次迭代结果为，；
S23
：设置结合能量优化选择策略的启发式粒子优化函数，其中启发式粒子优化函数的输入值为粒子位置坐标，则基于粒子位置坐标的启发式粒子优化函数为：
其中：表示将粒子位置坐标作为输入的启发式粒子优化函数；表示基于粒子位置坐标确定的时序分解层数；表示数据序列的第
k
层时序分解特征的能量值；表示数据序列的第
k
层时序分解特征的峭度；表示数据序列的长度；表示数据序列的第
k
层时序分解特征，表示时序分解特征的数据均值所构成长度为
R+1
的均值序列；表示滤波处理；表示
L1
范数，表示
L2
范数；
S24
：将当前迭代得到的粒子的位置坐标输入到启发式粒子优化函数中，得到每个位置坐标的启发式函数值；若，则将当前启发式函数值最小的位置坐标作为启发式优化参数，利用启发式优化参数对数据序列进行层的时序分解，得到数据序列的时序分解特征向量；的时序分解特征向量；其中：表示数据序列的时序分解特征向量；否则转向步骤
S25
对粒子的位置坐标进行迭代；
S25
：对粒子的位置坐标进行迭代，其中第
u
个粒子的位置坐标的迭代公式为：的迭代公式为：的迭代公式为：的迭代公式为：其中：表示速度参数的第
d+1
次迭代结果；表示第
d+1
次迭代的惯性权重，表示预设的惯性权重最大值，表示预设的惯性权重最小值；表示惯性参数，将设置为
1.2
；表示第
d+1
次迭代的指数参数，表示以自然常数为底的指数函数；表示第
d
次迭代后的
U
个粒子位置坐标中启发式函数值最小的位置坐标；
S26
：令
d=d+1
，返回步骤
S24。4...

【专利技术属性】
技术研发人员：朱顺华，陈文荣，刘缨，
申请(专利权)人：上海炯测环保技术有限公司，
类型：发明
国别省市：