【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种地下水污染可视化监测方法。
技术介绍
1、地下水作为人类生活中重要的水资源，在农业灌溉、饮水等方面占比很大。地下水受到污染的一般原因是由于人类活动，导致地下水的质量出现恶化，直接影响了人类正常活动。所以对于地下水污染情况监测是十分必要的，现有技术一般采用时间序列分解法（stl）得到数据的趋势项、季节项、残差项，分析污染物浓度数据的变化趋势，得到地下水在流动过程中的健康情况。
2、现有的问题：采用时间序列分解法（stl）分解污染物浓度数据的趋势项的时候，由于平滑窗口尺度及数据变化趋势不明确，导致时间序列分解法（stl）分解不到原始数据准确的趋势项或趋势出现偏差，影响对地下水污染物浓度数据变化趋势的判断。
技术实现思路
1、本专利技术提供一种地下水污染可视化监测方法，以解决现有的问题。
2、本专利技术的一种地下水污染可视化监测方法采用如下技术方案：
3、本专利技术一个实施例提供了一种地下水污染可视化监测方法，该方法包括以下步骤：
4、对采集的地下水进行污染物浓度检测，得到原始数据序列；获取若干个平滑窗口尺寸，根据初始平滑窗口尺寸，得到原始数据序列对应的参考数据序列；其中，平滑窗口尺寸中包含初始平滑窗口尺寸；
5、根据参考数据序列分别与其分解的所有周期项数据序列之间的数据差异，得到原始数据序列在初始平滑窗口尺寸下的伪最佳周期项数据序列；
6、根据原始数据序列和模型偏差数据序列中数据
7、使用离散傅里叶变换，将原始数据序列分解为若干个分原始数据序列，并得到每个分原始数据序列对应的频率和周期；将原始数据序列分解的任意一个分原始数据序列，记为目标分原始数据序列；根据伪最佳周期项的调整系数、目标分原始数据序列对应的周期、目标分原始数据序列与伪最佳周期项数据序列中的数据差异，得到目标分原始数据序列对应的伪最佳周期项优劣程度；
8、根据原始数据序列分解的所有分原始数据序列对应的伪最佳周期项优劣程度和频率，得到原始数据序列在初始平滑窗口尺寸下的伪最佳周期项数据序列的优劣程度；
9、根据原始数据序列在所有平滑窗口尺寸下的伪最佳周期项数据序列的优劣程度，得到原始数据序列对应的最佳周期项数据序列和最佳趋势项数据序列；在地下水污染可视化监测平台上对最佳周期项数据序列和最佳趋势项数据序列进行数据分析，得到水污染标记点图。
10、进一步地，所述获取若干个平滑窗口尺寸，根据初始平滑窗口尺寸，得到原始数据序列对应的参考数据序列，包括的具体步骤如下：
11、将平滑窗口尺寸从预设的初始平滑窗口尺寸开始，进行加2迭代，当平滑窗口尺寸达到预设的最大平滑窗口尺寸时结束，得到若干个平滑窗口尺寸；
12、根据预设的初始平滑窗口尺寸，使用移动平均法对原始数据序列进行平滑处理，得到原始数据序列对应的趋势项数据序列；
13、根据原始数据序列与趋势项数据序列相减，得到原始数据序列对应的参考数据序列。
14、进一步地，所述根据参考数据序列分别与其分解的所有周期项数据序列之间的数据差异，得到原始数据序列在初始平滑窗口尺寸下的伪最佳周期项数据序列，包括的具体步骤如下：
15、使用离散傅里叶变换，将参考数据序列分解为若干个周期项数据序列；
16、根据参考数据序列分别与每个周期项数据序列相减，得到每个周期项数据序列对应的残差项数据序列；
17、计算每个残差项数据序列中的数据均值，将所有残差项数据序列中的数据均值中的最小值对应的残差项数据序列，记为目标残差项数据序列；
18、将目标残差项数据序列对应的周期项数据序列，记为原始数据序列在初始平滑窗口尺寸下的伪最佳周期项数据序列。
19、进一步地，所述根据原始数据序列和模型偏差数据序列中数据的差异，得到伪最佳周期项的调整系数，包括的具体步骤如下：
20、使用局部加权回归方法构建原始数据序列的拟合回归模型，得到原始数据序列对应的拟合数据序列；
21、根据原始数据序列与拟合数据序列相减，得到原始数据序列对应的模型偏差数据序列；
22、根据模型偏差数据序列中数据之间的差异，得到模型偏差数据序列中每个数据的异常占比；
23、将模型偏差数据序列中所有数据的异常占比中的最大值，记为伪最佳周期项的调整系数。
24、进一步地，所述根据模型偏差数据序列中数据之间的差异，得到模型偏差数据序列中每个数据的异常占比对应的具体计算公式为：
25、
26、其中为模型偏差数据序列中第x个数据的异常占比，为模型偏差数据序列中第x个数据的归一化值，为模型偏差数据序列中所有数据的归一化值的均值，为模型偏差数据序列中所有数据的归一化值的标准差，| |为绝对值函数。
27、进一步地，所述根据伪最佳周期项的调整系数、目标分原始数据序列对应的周期、目标分原始数据序列与伪最佳周期项数据序列中的数据差异，得到目标分原始数据序列对应的伪最佳周期项优劣程度，包括的具体步骤如下：
28、根据伪最佳周期项的调整系数、目标分原始数据序列与伪最佳周期项数据序列中的数据差异，得到目标分原始数据序列中每个数据的校正差异；
29、根据目标分原始数据序列中所有数据的校正差异，构成校正差异序列；
30、根据目标分原始数据序列对应的周期向下取整值，依次将校正差异序列划分为若干个不重复的差异序列段；将校正差异序列划分的任意一个差异序列段，记为目标差异序列段；
31、根据目标差异序列段中的数据均值，得到目标差异序列段的可信度；
32、将校正差异序列划分的所有差异序列段的可信度的均值，记为目标分原始数据序列对应的伪最佳周期项优劣程度。
33、进一步地，所述根据伪最佳周期项的调整系数、目标分原始数据序列与伪最佳周期项数据序列中的数据差异，得到目标分原始数据序列中每个数据的校正差异对应的具体计算公式为：
34、
35、其中为目标分原始数据序列中第x个数据的校正差异，为目标分原始数据序列中第x个数据值，为伪最佳周期项数据序列中第x个数据值，为伪最佳周期项的调整系数，| |为绝对值函数。
36、进一步地，所述根据目标差异序列段中的数据均值，得到目标差异序列段的可信度，包括的具体步骤如下：
37、若目标差异序列段中的数据均值小于预设的判断阈值时，将目标差异序列段的可信度设置为预设的最大可信阈值；
38、若目标差异序列段中的数据均值大于等于预设的判断阈值时，将目标差异序列段的可信度设置为预设的最小可信阈值。
39、进一步地，所述根据原始数据序列分解的所有分原始数据序列对应的伪最佳周期项优劣程度和频率，得到原始数据序列在初始平滑窗口尺寸下的伪最佳周期项数据序列的优劣程度对应的具体计算公式为：
40本文档来自技高网...
【技术保护点】
1.一种地下水污染可视化监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述获取若干个平滑窗口尺寸，根据初始平滑窗口尺寸，得到原始数据序列对应的参考数据序列，包括的具体步骤如下：
3.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述根据参考数据序列分别与其分解的所有周期项数据序列之间的数据差异，得到原始数据序列在初始平滑窗口尺寸下的伪最佳周期项数据序列，包括的具体步骤如下：
4.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述根据原始数据序列和模型偏差数据序列中数据的差异，得到伪最佳周期项的调整系数，包括的具体步骤如下：
5.根据权利要求4所述一种地下水污染可视化监测方法，其特征在于，所述根据模型偏差数据序列中数据之间的差异，得到模型偏差数据序列中每个数据的异常占比对应的具体计算公式为：
6.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述根据伪最佳周期项的调整系数、目标分原始数据序列对应的周期、目标分原始数据序列
7.根据权利要求6所述一种地下水污染可视化监测方法，其特征在于，所述根据伪最佳周期项的调整系数、目标分原始数据序列与伪最佳周期项数据序列中的数据差异，得到目标分原始数据序列中每个数据的校正差异对应的具体计算公式为：
8.根据权利要求6所述一种地下水污染可视化监测方法，其特征在于，所述根据目标差异序列段中的数据均值，得到目标差异序列段的可信度，包括的具体步骤如下：
9.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述根据原始数据序列分解的所有分原始数据序列对应的伪最佳周期项优劣程度和频率，得到原始数据序列在初始平滑窗口尺寸下的伪最佳周期项数据序列的优劣程度对应的具体计算公式为：
10.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述根据原始数据序列在所有平滑窗口尺寸下的伪最佳周期项数据序列的优劣程度，得到原始数据序列对应的最佳周期项数据序列和最佳趋势项数据序列，包括的具体步骤如下：
...【技术特征摘要】
1.一种地下水污染可视化监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述获取若干个平滑窗口尺寸，根据初始平滑窗口尺寸，得到原始数据序列对应的参考数据序列，包括的具体步骤如下：
3.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述根据参考数据序列分别与其分解的所有周期项数据序列之间的数据差异，得到原始数据序列在初始平滑窗口尺寸下的伪最佳周期项数据序列，包括的具体步骤如下：
4.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述根据原始数据序列和模型偏差数据序列中数据的差异，得到伪最佳周期项的调整系数，包括的具体步骤如下：
5.根据权利要求4所述一种地下水污染可视化监测方法，其特征在于，所述根据模型偏差数据序列中数据之间的差异，得到模型偏差数据序列中每个数据的异常占比对应的具体计算公式为：
6.根据权利要求1所述一种地下水污染可视化监测方法，其特征在于，所述根据伪最佳周期项的调整系数、目标分原始数据序列对应的周期、目标分原始...
【专利技术属性】
技术研发人员：崔亮亮，尚浩，殷焘，张继凯，周兴磊，姜川，朱庆福，董月，胡月，李罡，张淑勇，李娜，杜遵法，
申请(专利权)人：济南中安数码科技有限公司，
类型：发明
国别省市：
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。