基于时频分析和多传感器信息融合技术的水质事件检测方法研究

近年来，我国水污染事故频繁发生，城市供水安全保障任务十分艰巨。现有大多水质监控预警系统依据报警阈值，或利用水质评价获得的水质类别进行报警的方法，在预警的实时性、准确性方面都存在较大的不足，难以满足进行水质事件智能检测和自动检测的需要。本课题以水质在线分析仪器获得的水质指标数据为主要源信息，综合运用Hilbert-Huang及现有先进时频分析方法，提取水质数据中反映水质事件本质特性的深层次特征信息，筛选出能显著反映水质指标异常变化的关键特征量，探索这些变量与水质事件之间隐含的关联关系，建立基于时频分析的水质异常检测模型和算法，最后对来自不同水质传感器的水质异常信息进行分布式、多层次的融合，在全局决策层面进行水质事件的判定，为水质事件预警研究提供更为有效的先进信息处理方法。

近年来，我国水污染事故频繁发生，城市供水安全保障任务十分艰巨。现有大多水质监控预警系统依据报警阈值，或利用水质评价获得的水质类别进行报警的方法，在预警的实时性、准确性方面都存在较大的不足，难以满足进行水质事件智能检测和自动检测的需要。本课题以水质在线分析仪器获得的水质指标数据为主要源信息，综合运用时间序列分析、Hilbert-Huang变换等先进时频分析方法，提取水质数据中反映水质事件本质特性的深层次特征信息，筛选出能显著反映水质指标异常变化的关键特征量，探索这些变量与水质事件之间的隐含关系，建立基于时频分析的水质异常事件检测模型，并利用来自不同水质传感器的水质异常信息进行数据融合，在全局决策层面进行水质事件的判定，为水质事件预警研究提供更为有效的先进信息处理方法。提出了一系列面向不同应用场景的水质事件检测算法，自主开发完成水质事件检测算法库及应用软件，项目执行期间共发表学术论文15篇，其中SCI收录期刊论文6篇，EI收录期刊论文1篇，国内核心期刊论文2篇，国际学术会议论文7篇（全部EI收录），申请国家发明专利5项（已授权1项）。