一种基于ARIMA模型与3σ准则的取水异常检测方法

为提高取水预测数据的准确性,针对现有部分取水数据异常且难以进行人工判别的问题,提出一种基于ARIMA模型与3σ准则的取水异常检测方法。分析每个取水点每年的日取水量的时间序列数据,使用时间序列的ARIMA模型和高斯分布的3σ准则判断日取水量是否为异常值;通过时间序列分解算法分析异常值附近取水点的趋势,判断异常值附近是否存在其他未检测出的异常值,给出异常值的参考修正值。对所提模型在带异常标签的通用时间序列数据集上进行实验,通过评价指标混淆矩阵验证模型可行性,并将模型在真实水利部门取水数据集上进行实验,结果表明:模型可有效检测取水数据中的异常值并修正其值,对取水异常的原因进行分析有助于改进取用水的采集方法,提高取水监测数据的质量。

水资源工业取水监测体系建设设计

按照党的"十八大"以来中央提出的一系列治水新思路的要求,利用3年左右时间(2016-2018年),进一步提高大中型灌区工业取水的在线监测能力,提出了工业取水监测体系建设设计,实现对上海市工业公共在线监测的取水颁证水量达到136.76亿m^3,满足国家要求的全市取水颁证水量80%以上的建设目标,深化信息资源整合和业务应用开发,基本建成比较完善的工业取水监测功能,形成与实行最严格水资源管理制度基本适应的水资源监控能力以及信息化支撑需要。