基于光譜統(tǒng)計(jì)特征提取的水質(zhì)異常事件檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及水質(zhì)安全監(jiān)測領(lǐng)域，具體涉及一種適用于紫外可見光光譜在線水質(zhì)異 常事件檢測方法。
【背景技術(shù)】
[0002] 水資源乃人類生存最為重要的資源，城市生活飲用水的質(zhì)量直接關(guān)系著城市人口 生活的質(zhì)量以及生命的安全。在日常的生活之中，危害水資源的因素往往來自于生活的各 個(gè)方面，例如城市生活和工業(yè)垃圾的隨意棄置、未經(jīng)處理的生活與工業(yè)污水的肆意排放、工 業(yè)化學(xué)藥品在運(yùn)輸過程中的泄露以及農(nóng)業(yè)生產(chǎn)過程中農(nóng)藥的過度使用等。現(xiàn)如今，我國飲 用水環(huán)境保護(hù)情況也隨著日益快速發(fā)展的經(jīng)濟(jì)和不斷加快的城鎮(zhèn)化腳步而變得日益嚴(yán)峻。 供水系統(tǒng)的發(fā)展已經(jīng)可以完全滿足城市用戶對水量和水壓的要求，因而更多的關(guān)注被投向 于飲用水的安全問題。
[0003] 利用光學(xué)方法檢測水質(zhì)是利用光線與水體本身的相互作用進(jìn)行的檢測技術(shù)，它主 要按照檢測原理的不同分為光吸收式檢測（紫外-可見光譜和近紅外光譜）和熒光檢測 (熒光光譜）等類型。光吸收式檢測主要通過光線在傳播過程中被吸收的情況從而進(jìn)行污 染物濃度或性質(zhì)的判定，而熒光光譜檢測方法則是通過檢測有機(jī)物質(zhì)被激發(fā)后所發(fā)射出的 光線判斷水體水質(zhì)情況以及水體中有機(jī)物的化學(xué)結(jié)構(gòu)等特性。使用光學(xué)技術(shù)檢測水質(zhì)的最 大好處在于其快速性和廣泛的適用性。此外，光譜方法具有運(yùn)行成本低、無需化學(xué)試劑、少 量或者無需采樣等特點(diǎn)，這些都使得光譜方法可以在在線的水質(zhì)檢測中檢測一系列的水質(zhì) 數(shù)據(jù)并發(fā)揮及其重要的作用。
[0004] 對于連續(xù)在線監(jiān)測，水質(zhì)異常通?？梢岳斫鉃樵谀硞€(gè)特定時(shí)間點(diǎn)所檢測的信號發(fā) 生了顯著的變化，這個(gè)變化可以持續(xù)一段時(shí)間，也可以比較短暫。對于日常的水質(zhì)監(jiān)測數(shù) 據(jù)，其本身會(huì)發(fā)生一些波動(dòng)，主要的引起原因包括：日常操作帶來的影響、背景數(shù)據(jù)的變化、 傳感器檢測帶來的噪聲和離群點(diǎn)給水質(zhì)帶來的變化以及污染物的進(jìn)入給水體帶來的變化。 其中由污染物引起的水質(zhì)異常是指：對于在足夠長的一段時(shí)間內(nèi)，水質(zhì)監(jiān)測數(shù)據(jù)持續(xù)出現(xiàn) 顯著偏離正常水質(zhì)基線的情況，可以基本斷定水質(zhì)污染物導(dǎo)致的異常事件的發(fā)生。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明的內(nèi)容在于解決采用光譜在線檢測技術(shù)進(jìn)行污染物注入水體情況下的定 性異常檢測問題。本發(fā)明提出了基于光譜統(tǒng)計(jì)特征提取的水質(zhì)異常事件檢測方法。
[0006] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
[0007] -種基于光譜統(tǒng)計(jì)特征提取的水質(zhì)異常事件檢測方法，包括以下步驟：
[0008] SI.水質(zhì)在線數(shù)據(jù)采集：在線采集紫外可見光200nm至700nm波長的原始光譜數(shù) 據(jù)；
[0009] S2.數(shù)據(jù)預(yù)處理：對Sl步驟得到的原始光譜數(shù)據(jù)進(jìn)行歸一化預(yù)處理；
[0010] S3.主成分?jǐn)?shù)目確定：對經(jīng)S2步驟得到的歸一化光譜數(shù)據(jù)進(jìn)行主成分分析，然后 根據(jù)主成分系數(shù)權(quán)重，確定主成分分析中的主成分?jǐn)?shù)目；
[0011] S4. PPCA模型計(jì)算：基于最大似然估計(jì)的概率主成分分析模型（PPCA)計(jì)算，將歸 一化光譜數(shù)據(jù)中的主成分因子進(jìn)行提??；
[0012] S5.多變量監(jiān)測圖分析：多維統(tǒng)計(jì)變量在線檢測控制圖分析，對經(jīng)S4步驟的主成 分因子在每一時(shí)間點(diǎn)上對應(yīng)的在常態(tài)水質(zhì)框架下的控制極限值進(jìn)行計(jì)算，對超過該值的光 譜數(shù)據(jù)標(biāo)記為異常；
[0013] S6.水質(zhì)異常事件報(bào)告：對經(jīng)S5步驟的獲得異常時(shí)間序列進(jìn)行異常事件概率分 析，以報(bào)告水質(zhì)異常事件。
[0014] 所述的S4步驟中，在主成分分析的基礎(chǔ)上配合概率分布模型，概率主成分分析模 型由標(biāo)準(zhǔn)因子分析衍生出來隱藏變量方法將經(jīng)典主成分分析模型轉(zhuǎn)化成為概率模型，在使 用隱藏變量模型時(shí)，將Sl步驟采集到的原始光譜數(shù)據(jù)矢量X表示成為一系列隱藏變量的線 性組合，即
[0015] t = Wx+ μ + ε (I)
[0016] 其中，
[0017] t為觀測變量；
[0018] X是平均值為〇,各項(xiàng)同性單位矢量，滿足高斯分布N(0，I);
[0019] μ是最大似然估計(jì)的平均值；
[0020] ε是一個(gè)獨(dú)立于t的噪聲量。
[0021] 所述隱藏變量的空間是q維空間，小于原始光譜數(shù)據(jù)的空間維度值d，在因子分析 中，噪聲模型服從ε~Ν(0，Ψ)，Ψ是對角陣，因此，t就服從Ν(μ，ΙΙ τ+Ψ)，對于概率主成 分分析模型，假設(shè)誤差協(xié)方差矩陣Ψ = σ2Ι，在該假設(shè)的基礎(chǔ)上，確定光譜的觀測數(shù)據(jù)t與 隱藏變量X之間條件獨(dú)立，此處W和Ψ沒有解析形式的解，使用迭代算法進(jìn)行求解。
[0022] 所述的最大似然估計(jì)，包括兩個(gè)步驟不斷迭代交替進(jìn)行計(jì)算，第一步是計(jì)算期望， 利用現(xiàn)有的對隱藏變量的估計(jì)值，計(jì)算其最大似然估計(jì)值，第二步是最大化，利用第一步中 求得的最大似然值來計(jì)算參數(shù)，第二步中找到的參數(shù)估計(jì)值將被用于下一次第一步的計(jì) 算，該迭代過程將不斷繼續(xù)，直至終止條件滿足。
[0023] 所述的計(jì)算期望的過程中，首先對觀測變量t的似然值取對數(shù)，即 N
[0024] =Zlnλ;) (2)
[0025] 按照概率主成分分析理論，有 II，廠奸 Τχ廠刈|: Ilxi-Ii2
[0026] /;(/.,,^)=(2^0-2) " ~e 2σ' χ(2π) <! 2e 2 (3)
[0027] 然后，對數(shù)下似然值1。的期望通過P (Xi Iti, W，〇2)進(jìn)行估算，如公式（4)所示，隱 藏變量的條件密度函數(shù)給出了 h，W和〇2，
【主權(quán)項(xiàng)】
1. 一種基于光譜統(tǒng)計(jì)特征提取的水質(zhì)異常事件檢測方法，其特征在于，包括以下步 驟：
51. 水質(zhì)在線數(shù)據(jù)采集：在線采集紫外可見光200nm至700nm波長的原始光譜數(shù)據(jù)；
52. 數(shù)據(jù)預(yù)處理：對S1步驟得到的原始光譜數(shù)據(jù)進(jìn)行歸一化預(yù)處理；
53. 主成分?jǐn)?shù)目確定：對經(jīng)S2步驟得到的歸一化光譜數(shù)據(jù)進(jìn)行主成分分析，然后根據(jù) 主成分系數(shù)權(quán)重，確定主成分分析中的主成分?jǐn)?shù)目； 54.PPCA模型計(jì)算：基于最大似然估計(jì)的概率主成分分析模型（PPCA)計(jì)算，將歸一化 光譜數(shù)據(jù)中的主成分因子進(jìn)行提取；
55. 多變量監(jiān)測圖分析：對經(jīng)S4步驟的主成分因子在每一時(shí)間