钱塘江南源流域异常水质预测及影响因素分析

基于数据驱动的水质预测模型存在局限性,对突发水质异常事件的预测效果不佳。该研究选取钱塘江南源流域马戍口监测断面为研究对象,综合采用相关性分析方法对水质异常事件的主要影响因素进行分析,明确流域内、外因及土壤条件对水质异常指标的影响程度,探究造成模型局限性的深层原因。结果表明:异常水质的影响因素及其耦合机制复杂多变,异常浊度受降雨量、径流量的直接影响更大,异常高锰酸盐指数与温度、降雨量相关关系更明显,而总磷、总氮的异常变化与相对湿度、降雨量、径流量具有相关关系。研究结果对于提高气候变化背景下的水质预报能力具有重要的参考价值,可为自然流域水污染防治提供科学参考。

海上A油田异常水质分析及配套工艺研究

南海东部A油田为边水驱岩性油藏,油井投产后地层压力下降迅速,产量递减明显,需要注水补充地层能量。注水水质是判断油田能否注水的前提,在水质异常分析基础上,提出“结垢量增加量”评价新方法和悬浮物含量分析新方法,确定了注入水可能引起的储层伤害,并提出了配套工艺,确保水质满足油田注水要求。研究表明:①J层水源水异常的主要原因是水中的亚铁离子氧化导致的;②通过地面水处理流程增加高纯度制氮设备、去除水中亚铁离子等工艺,能除铁或避免亚铁离子氧化,可确保注水水质。

湖北省某水厂特发性异常水质监测系统研究

根据湖北省某水厂特发性的水源污染事故,水厂在常规水处理工艺中出现的异常水质问题,研究了一套较科学、完善的饮用水水源地水质监测系统。建立水质监测的处理工序和工艺参数,分析监测系统的组成模块,通过实验结果表明,该监测系统操作便捷、监测数据可靠、稳定性高,能够在水厂中大规模使用。

县级水厂特发性异常水质的应急处理预案

针对县级水厂原水取水口特发性的污染事故,水厂制水过程中出现的异常水质问题,供水管网出现的异常水质问题,逐一分析产生原因,排查问题及探讨应急处理预案。

防治异常水质对汽轮机的危害

通过对机组运行期间水汽品质出现的异常情况进行分析,总结出导致曲靖协联电力有限公司1号机组汽轮机的低压级排汽室缸壁、隔板、隔板套上出现异常情况的原因。对两个大修周期内的水质情况和设备内部情况进行对比。

某核电厂一回路冷却剂处理系统水质异常分析与改进

某核电厂3、4号机组一回路冷却剂处理系统在运行过程中数次发生水质异常情况,导致系统树脂床失效、传硼酸工作被迫停止,影响了机组安全生产,增加了放射性废物产量。经过对系统、设备的分析,最后通过技术改造和设备替代,从根源上消除了系统在运行过程中的水质异常情况。

基于鱼类运动行为的水质异常评价因子研究

针对利用鱼类运动行为进行异常水质评价的问题,本文对如何选取具有普遍性、全面性、代表性等特点且能够反映水环境与鱼类运动特征参数之间的主要相关性的因子进行了研究。首先通过研究水质变化对红鲫鱼运动轨迹的影响,引入基于鱼类运动轨迹的曲率、邻近特征这两个特征参数;其次分别提取正常和异常水质中红鲫鱼的速度、加速度、曲率、邻近特征4个特征参数,建立水质异常评价因子数据库;最后将不同评价因子输入支持向量机(SVM)进行分类识别,且采用ROC曲线考察鱼类运动特征参数和水质安全定性关系的准确性。实验结果表明,曲率、邻近特征作为水质评价因子明显优于速度、加速度,不但异常水质识别率达到90%以上,而且通过ROC曲线可知其建立的模型具有稳健性、普适性、高效性。

基于MSLSTM-DA模型的水质自动监测异常数据报警

提出一种基于多元堆叠长短时记忆网络-差值分析(MSLSTM-DA)模型对地表水质异常数据进行报警的方法.该方法首先建立MSLSTM模型对水质指标数据进行预测,再基于预测结果的残差分布建立DA模型,并确定各个指标的数据异常阈值,当实测数据与预测数据差值大于阈值时进行数据报警.以长江流域监测断面的水质数据进行了方法有效性验证.结果表明,构建的预测模型对5个指标的MAE、MAPE均值比BP神经网络预测模型降低21.0%,17.8%,比LSTM模型降低16.8%,17.9%.皮尔逊系数均值比BP神经网络、LSTM模型的分别高5.9%,4.4%.5个指标共检出水质异常数据37条,其中34条经人工判断确实存在有异常,报警准确率高达91.9%.

基于视觉感知与V-detector的水质异常检测方法

为了快速准确地对水质进行评价分析,提出了一种新的水质异常检测方法.该方法将视觉感知技术与人工免疫系统中的否定选择原理相结合.首先采用视觉驱动的生物监测技术对水质指标进行采集,然后利用基于否定选择原理的可变V-detector算法对水质指标进行评价分析.由于视觉感知技术具有敏感性、综合性以及人工免疫系统具有自组织、自学习、自识别等特点,故该方法能够快速准确地对水质进行实时检测评价.实验结果表明该方法是一种实用的水质检测评价方法.

基于RBF神经网络和小波分析的水质异常检测方法

快速准确地检测出自然或人为事件下的水质异常,对保护水环境和保障公众健康具有重要意义。针对水质背景数据波动大时异常检测性能不理想的问题,提出一种基于RBF神经网络和小波分析的水质异常检测算法。通过引入RBF神经网络预测水质,对预测值和真实值相比较得到的残差序列进行滑动窗口小波去噪,对各时刻偏离原点的距离与特定阈值比较后判定水质是否异常。以某水源水库在线监测氨氮值为研究对象验证算法,实验结果表明:与时间序列增量方法比较,算法具有更高的异常检测率和较低的误报率。

基于监督学习的紫外-可见光光谱水质在线异常检测方法研究

水资源关系到国计民生,近年来时有发生的水污染事件使污染物入侵预警得到了广泛的社会关注。针对现有基于紫外-可见光光谱的水质异常检测方法存在的检出下限偏低的问题,提出一种基于监督学习的紫外-可见光光谱水质异常检测方法。该方法首先获取不同数据集中的正常样本差异性空间,再使用正交投影方法去除差异性空间中的光谱数据分量,以达到基线校正的目的;然后采用偏最小二乘判别分析从校正后的光谱中提取特征,利用训练集得到的最优阈值确定离群点;最后采用序贯贝叶斯滚动更新每个时刻上的异常概率,确定水质报警序列。实验选用苯酚作为模拟污染入侵事件的注入试剂,采样2周内的紫外-可见光光谱数据,在实验平台上对提出的方法进行了验证。实验结果表明,采用的正交投影基线校正方法可以消除不同批次水质光谱的背景差异,更为充分的利用了光谱信息,降低了对特征污染物的检出下限。

基于向量自回归模型的水质异常检测研究

水质异常检测对保障用水安全具有重大意义。为了准确有效地判断水质异常,提出基于向量自回归（VAR）模型的多参数融合水质异常检测算法。VAR模型是自回归（AR）模型的一种扩展。通过AR模型和VAR模型跟踪和预测水质背景数据,计算预测残差,与设定阈值比较判断水质是否异常。结果表明,与基于AR模型的水质异常检测算法相比,基于多参数融合的VAR模型在水质背景数据跟踪上具有更好的准确性,能够实现较高的异常检出率和较低的异常误报率。

水产养殖水质异常优化预测仿真研究

对水产养殖水质的异常进行预测,能够有效提高水产养殖水质的质量。对水质异常的预测,需要计算出数据预测值,分析单整自回归移动平均模型特点,完成水质异常预测。传统方法对水产养殖水质参数的异常预测,是先对水质进行排除,预测异常,其过程复杂且预测精度偏低。提出基于滑动窗口的水产养殖水质参数异常预测算法,对原始数据进行异常点排除。构建高精确度的线性时间序列预测模型,对数据进行逐层训练,将实际输出与预期输出的误差逐层向后传播,计算出数据预测值,深入分析单整自回归移动平均模型与深度信念网络模型特点,建立一种水产养殖水质异常预测模型,并应用在水产养殖溶解氧的水产养殖水质预测中。完成对水产养殖水质参数的异常预测。实验结果表明,ARIMA-DBN组合模型的均方误差为0.0723,平均相对误差为0.0054,平均绝对误差为0.0354,验证了将ARIMA-DBN组合模型应用于水产养殖水产养殖水质预测的有效性。

酚氰废水处理站水质异常的分析及解决措施

通过对酚氰废水处理站水质影响因素分析,水温、进水污染物浓度、回流比、设备故障是造成水质异常的主要因素。结合实际操作经验,建立及时的动态调整模式,保障工艺参数稳定,保证酚氰废水处理站水质稳定达标。

基于基线校正和主元分析的紫外-可见光光谱在线水质异常检测方法

近年来,饮用水安全问题引起社会的广泛关注。采用紫外-可见光吸收光谱对水质进行异常检测,具有现场原位、无需试剂、分析快速等优点,适合快速在线监测。然而,紫外-可见光光谱数据量大,且易受仪器和水质正常波动的干扰,从而影响水质异常检测结果。提出一种基于基线校正和主元分析的紫外-可见光光谱法来检测污染物引起的水质异常,该方法利用非对称最小二乘校正基线,采用主元分析法从基线校正后的光谱矩阵中降维并提取特征,然后根据残差子空间的Q统计量评估测试样本的离群点,最后采用累计概率来更新异常报告结果。通过苯酚注入的实验,验证了该算法的有效性,实验结果表明,提出的方法与单波长法相比,有效地提高了污染物的检出下限;与未经基线校正采用主元分析进行的异常检测方法相比,提高了检出率,降低了误报率。

管网水质多指标动态关联异常检测方法

为了提高城市供水管网水质监测系统的污染检测能力,利用污染物所引起多个指标变化之间的关联特性,提出基于多常规水质指标动态关联分析的水质异常检测方法.应用动态时间规整算法(DTW)衡量多个常规水质指标时间序列间的动态距离,刻画各指标波动的相似程度和动态关联特性.利用D-S证据理论融合各指标单独的异常概率,将融合后得到的供水管网水质异常概率与所设定的多指标融合异常概率阈值进行比较,作出当前时刻水质是否存在水质异常的综合判断.依托课题组模拟供水管网实验系统,设计不同浓度的硫酸铜和铁氰化钾污染物的注入实验,利用在线监测的pH值、浊度、余氯、溶解氧等8种常规水质指标进行动态关联分析和水质异常检测,方法的可行性和异常检测性能通过受试者工作特征曲线(ROC)进行验证.

基于多因子融合的水质异常检测算法

为了及时有效地发现偶发或蓄意的水质异常,保障饮用水供水安全,在总结现有异常检测算法的基础上,提出基于自回归(AR)模型和模糊C-均值聚类(FCM)的多因子融合水质异常检测算法.通过AR模型实现水质背景信号的高精度跟踪,采用FCM算法融合多种水质指标的AR预测残差,与设定阈值作比较并判断异常.实验结果表明,与单因子算法、直接融合水质指标监测值的算法、利用多维欧氏距离融合AR预测残差的算法相比,提出的多因子融合水质异常检测算法具有更高的异常检出率和较低的误报率.

基于水质时间序列异常检测的动态预警方法

文章提出了基于自回归模型(AR)和孤立森林算法的地表水水质在线监测数据的异常检测方法。利用AR模型实现水质时间序列的动态高精度预测,并采用孤立森林算法进行异常检测分析,通过与设定阈值进行比较,可识别出水质异常。选取了美国Potomac River流域某监测站点的浊度、电导率和溶解氧时间序列进行案例分析。通过受试者工作特征曲线(ROC)对异常检测性能进行评价。结果表明:选取浊度和电导率2个指标的残差向量组时, ROC曲线下面积(AUC)最大为0.919,且其检出率达到80%时,误报率为9.7%;而浊度、溶解氧组合和电导率、溶解氧组合对应的AUC分别为0.797和0.805,检出率达到80%时,对应的误报率分别为45.4%和33.9%。可以看出,在所选案例中,浊度和电导率所组成的残差向量组比其他组合更能识别强降雨造成的水质异常事件。

基于K-means聚类的城市生活用水水质异常特征检测算法

为解决水质异常特征检测中存在检测精度低等问题,提出基于K-means聚类的城市生活用水水质异常特征检测算法。首先,通过构建水质特征提取系统,并通过荧光法计算污染物含量,完成水质特征提取及污染物质含量确定。再将城市生活用水水质pH、氨氮、耗氧量、色度以及浑浊度作为异常值,通过K-means聚类计算数据间信任度及数据簇距离,并构建城市生活用水水质异常特征检测模型,完成检测。结果表明:采用所提方法检测城市生活用水水质异常特征的精度较高。

自来水水质异常现象释疑

本文针对市民所反映的常见自来水异常现象,进行了汇总和分类,解释这些异常现象产生的原因,并提出相应的处理办法。