基于多傳感器數(shù)據(jù)融合的水質(zhì)異常檢測(cè)方法研究.pdf

1、水質(zhì)異常檢測(cè)子系統(tǒng)是飲用水污染預(yù)警系統(tǒng)的重要組成部分，能夠及時(shí)有效的發(fā)現(xiàn)污染物泄漏或人為投毒事故，并給出預(yù)警信息和輔助處理手段，對(duì)保障飲用水供水系統(tǒng)安全，提高快速應(yīng)急能力具有重大意義，其關(guān)鍵是水質(zhì)異常檢測(cè)方法。本文提出基于多傳感器數(shù)據(jù)融合的水質(zhì)異常檢測(cè)方法，通過(guò)仿真和實(shí)驗(yàn)研究分析算法的異常檢測(cè)性能，并初步完成了實(shí)驗(yàn)平臺(tái)配套的水質(zhì)異常檢測(cè)軟件的開(kāi)發(fā)。
　　 本文的主要工作和創(chuàng)新點(diǎn)如下:
　　 1.大多現(xiàn)有水質(zhì)監(jiān)測(cè)方法只根據(jù)

2、單個(gè)水質(zhì)指標(biāo)是否超標(biāo)來(lái)判斷水質(zhì)異常，得到的檢出率低且誤報(bào)率高。本文提出基于自回歸模型和模糊C-均值聚類(lèi)對(duì)多種水質(zhì)指標(biāo)進(jìn)行融合的水質(zhì)異常檢測(cè)方法，通過(guò)自回歸預(yù)測(cè)模型實(shí)現(xiàn)水質(zhì)背景信號(hào)的高精度跟蹤，再利用模糊C-均值聚類(lèi)算法融合多種指標(biāo)的預(yù)測(cè)殘差獲取多維水質(zhì)綜合信息。最后引入基于ROC曲線的性能評(píng)價(jià)方法來(lái)驗(yàn)證該算法的異常檢出率和誤報(bào)率。
　　 2.聚類(lèi)算法需要依賴(lài)一定的先驗(yàn)知識(shí)，實(shí)際應(yīng)用中往往又很難獲得完備的先驗(yàn)異常數(shù)據(jù)，為此論文研究

3、了基于改進(jìn)D-S證據(jù)理論對(duì)多種水質(zhì)指標(biāo)信息進(jìn)行融合的水質(zhì)異常檢測(cè)方法，通過(guò)比較基于不同基本概率分配函數(shù)、不同沖突證據(jù)處理方法的性能差異，提出了基于類(lèi)正態(tài)分布的概率分配函數(shù)以及改進(jìn)的沖突證據(jù)處理策略，使該算法適用于各種具有不同敏感指標(biāo)的水質(zhì)異常情況。進(jìn)而對(duì)改進(jìn)的D-S證據(jù)融合方法和模糊C-均值聚類(lèi)方法進(jìn)行了性能對(duì)比分析，明確了各自的優(yōu)勢(shì)和適用場(chǎng)合。
　　 3.基于多種水質(zhì)監(jiān)測(cè)傳感器設(shè)計(jì)了在線實(shí)驗(yàn)平臺(tái)，通過(guò)靜態(tài)分析實(shí)驗(yàn)進(jìn)行污染物濃度