监测信息深度挖掘的供水管网污染源定位

为实现供水管网污染源及时准确地定位,针对配备在线水质监测设备的供水管网系统,提出一种充分挖掘水质传感器时序信息的贝叶斯方法,用于节点需水量随机波动条件下供水管网污染源定位。该方法采用蒙特卡洛模拟生成随机污染事件,构建各节点污染事件的观测信息概率分布,利用贝叶斯推断,根据传感器报警次序及时间观测信息,实时更新各候选污染节点的后验概率,并根据排序确定可疑污染源位置,同时对比不同传感器信息挖掘程度对定位结果的影响。结果表明,所提出的方法能在水质传感器报警信息累积时不断更新可疑候选节点的污染源后验概率,使候选节点个数降低,污染概率信息熵降低,能有效地识别出污染节点所在区域,且传感器信息挖掘程度越深,污染事件定位的准确率也越高。引入传感器首次报警时间作为辅助信息可以减少候选污染节点个数,降低候选节点污染源概率分布的不确定性,提高定位的准确性。