地表水水質(zhì)自動監(jiān)測預(yù)警方法初探

嵇曉燕,孫宗光,楊凱,姚志鵬*, 陳亞男,安新國, 董雅欠,王正

(1.中國環(huán)境監(jiān)測總站，北京 100012；2.北京金水永利科技有限公司，北京 100012)

地表水水質(zhì)自動監(jiān)測預(yù)警是指通過地表水水質(zhì)自動監(jiān)測數(shù)據(jù)對水質(zhì)狀況的歷史和現(xiàn)狀進(jìn)行定性、定量分析和評價，對其未來發(fā)展?fàn)顩r進(jìn)行預(yù)測，并對可能出現(xiàn)的惡化趨勢進(jìn)行預(yù)報，適時給出水質(zhì)狀態(tài)惡化的各種警告信息，以便對未出現(xiàn)或即將出現(xiàn)的水質(zhì)問題給出防范措施[1]。國家地表水環(huán)境質(zhì)量監(jiān)測網(wǎng)已建設(shè)了1 900余個地表水水質(zhì)自動監(jiān)測站，結(jié)合各省市建立的水質(zhì)自動監(jiān)測站，我國已經(jīng)初步形成了覆蓋范圍廣泛、監(jiān)測指標(biāo)比較全面的地表水水質(zhì)自動監(jiān)測網(wǎng)絡(luò)，為我國地表水水質(zhì)自動監(jiān)測預(yù)警提供了數(shù)據(jù)基礎(chǔ)。

目前，國內(nèi)外對地表水水質(zhì)自動監(jiān)測預(yù)警的研究主要有3個方向：一是社會經(jīng)濟(jì)環(huán)境復(fù)合系統(tǒng)的作用機(jī)理研究；二是計(jì)算機(jī)技術(shù)在水環(huán)境預(yù)警領(lǐng)域的應(yīng)用研究；三是水環(huán)境預(yù)警的理論和方法研究[2]。在國家地表水環(huán)境質(zhì)量監(jiān)測網(wǎng)建設(shè)過程中，我國開展了地表水水質(zhì)自動監(jiān)測預(yù)警理論研究，并結(jié)合國家水質(zhì)自動監(jiān)測網(wǎng)的建設(shè)，在監(jiān)測數(shù)據(jù)質(zhì)量異常判定、突發(fā)事件水質(zhì)預(yù)警、跨界重點(diǎn)斷面水質(zhì)預(yù)警等領(lǐng)域進(jìn)行了有益探索，并實(shí)現(xiàn)了部分業(yè)務(wù)化應(yīng)用?，F(xiàn)基于我國地表水水質(zhì)自動監(jiān)測現(xiàn)狀，以及前期水環(huán)境預(yù)警理論研究成果，結(jié)合人工智能技術(shù)在水環(huán)境預(yù)警領(lǐng)域的應(yīng)用，探討綜合利用地表水環(huán)境質(zhì)量數(shù)理和機(jī)理模型進(jìn)行水質(zhì)自動監(jiān)測預(yù)警的方法體系。以期提升我國水環(huán)境風(fēng)險預(yù)警能力和應(yīng)急響應(yīng)速度，為我國地表水環(huán)境的科學(xué)管理與風(fēng)險應(yīng)對提供技術(shù)支撐。

1 水質(zhì)自動監(jiān)測預(yù)警技術(shù)路線

地表水水質(zhì)自動監(jiān)測預(yù)警過程是以水質(zhì)監(jiān)測數(shù)據(jù)為基礎(chǔ)，基于不同預(yù)警方法分別建立預(yù)警模型，并進(jìn)行自動監(jiān)測預(yù)警[3]。其技術(shù)路線見圖1，包括以下4個主要步驟。

圖1 地表水水質(zhì)自動監(jiān)測預(yù)警技術(shù)路線

(1)水質(zhì)自動監(jiān)測數(shù)據(jù)集成。通過自動站系統(tǒng)通訊協(xié)議或與水質(zhì)自動監(jiān)測平臺的數(shù)據(jù)接口，實(shí)時集成水質(zhì)自動監(jiān)測數(shù)據(jù)，作為水質(zhì)自動監(jiān)測預(yù)警的數(shù)據(jù)基礎(chǔ)[4]。

(2)水質(zhì)異常數(shù)據(jù)判定清洗。水質(zhì)自動監(jiān)測預(yù)警需要通過自動快速的監(jiān)測數(shù)據(jù)質(zhì)量控制方法保障參與預(yù)警模型計(jì)算的數(shù)據(jù)質(zhì)量。需要建立數(shù)據(jù)質(zhì)量異常判定模型對在線監(jiān)測數(shù)據(jù)進(jìn)行分析，主動發(fā)現(xiàn)并清洗異常值，從而形成經(jīng)過自動質(zhì)控的地表水水質(zhì)自動監(jiān)測預(yù)警數(shù)據(jù)集，為水質(zhì)自動預(yù)警運(yùn)算提供準(zhǔn)確有效的監(jiān)測數(shù)據(jù)[5]。

(3)水質(zhì)預(yù)警模型運(yùn)行。根據(jù)不同水體的具體預(yù)警需求，選擇和配置不同的模型組合，包括突變型預(yù)警模型和漸變型預(yù)警模型，通過預(yù)警模型對自動監(jiān)測預(yù)警數(shù)據(jù)集進(jìn)行分析并生成預(yù)警數(shù)據(jù)。首先需要進(jìn)行預(yù)警模型建模，選擇恰當(dāng)?shù)念A(yù)警模型，并通過機(jī)器學(xué)習(xí)方法，利用歷史數(shù)據(jù)對模型進(jìn)行率定，建模完成后進(jìn)入預(yù)警階段，通過預(yù)警模型分析實(shí)時監(jiān)測數(shù)據(jù)并產(chǎn)生預(yù)警結(jié)果。如產(chǎn)生水質(zhì)預(yù)警，將啟動預(yù)警信息處理流程，進(jìn)行預(yù)警信息處理；如未產(chǎn)生預(yù)警，則等待新的自動監(jiān)測數(shù)據(jù)，進(jìn)入下一周期的預(yù)警流程。

(4)水質(zhì)預(yù)警信息處理。預(yù)警模型運(yùn)行中若產(chǎn)生警情，將提示預(yù)警信息，相關(guān)部門可以基于規(guī)則，啟動相應(yīng)的事件處理流程。

2 水質(zhì)自動監(jiān)測數(shù)據(jù)集成

水質(zhì)自動監(jiān)測數(shù)據(jù)是地表水水質(zhì)自動監(jiān)測預(yù)警的基礎(chǔ)，根據(jù)系統(tǒng)部署架構(gòu)的不同，地表水水質(zhì)自動監(jiān)測數(shù)據(jù)的集成主要通過2種方式[6]：(1)數(shù)據(jù)直接來源于水質(zhì)自動監(jiān)測站，通過自動站系統(tǒng)通訊協(xié)議直接傳輸入庫；(2)數(shù)據(jù)來源于獨(dú)立的水質(zhì)自動監(jiān)測平臺，通過建立數(shù)據(jù)庫接口等方式，從水質(zhì)自動監(jiān)測數(shù)據(jù)庫獲取。集成的地表水水質(zhì)自動監(jiān)測數(shù)據(jù)存儲進(jìn)入數(shù)據(jù)庫并按照自動監(jiān)測預(yù)警模型運(yùn)行的數(shù)據(jù)結(jié)構(gòu)進(jìn)行組織，形成地表水水質(zhì)自動監(jiān)測預(yù)警數(shù)據(jù)集。地表水水質(zhì)自動監(jiān)測數(shù)據(jù)集成流圖見圖2。

圖2 地表水水質(zhì)自動監(jiān)測數(shù)據(jù)集成流圖

3 水質(zhì)異常數(shù)據(jù)判定清洗

地表水水質(zhì)自動監(jiān)測數(shù)據(jù)的質(zhì)量控制是準(zhǔn)確進(jìn)行水質(zhì)預(yù)警的保障，直接關(guān)系到預(yù)警結(jié)果的可靠性，影響管理決策的科學(xué)性。因此，對自動監(jiān)測數(shù)據(jù)進(jìn)行異常值判定，及時發(fā)現(xiàn)并清洗異常數(shù)據(jù)，為水質(zhì)預(yù)警提供準(zhǔn)確有效的數(shù)據(jù)基礎(chǔ)是整體方法體系中重要的一環(huán)，數(shù)據(jù)質(zhì)量是否異?？梢酝ㄟ^以下幾方面判斷[7]。

(1)監(jiān)測儀器運(yùn)行狀態(tài)異常。參考水質(zhì)自動監(jiān)測站的數(shù)據(jù)審核規(guī)則，根據(jù)其儀器運(yùn)行狀態(tài)、儀器狀態(tài)量、設(shè)備質(zhì)控狀態(tài)、運(yùn)維狀態(tài)、動力環(huán)境參數(shù)等信息，進(jìn)行數(shù)據(jù)質(zhì)量異常判定。在監(jiān)測時段出現(xiàn)電源供電電壓異常、水泵狀態(tài)異常或監(jiān)測設(shè)備處于運(yùn)維狀態(tài)等情況，則該數(shù)據(jù)判定為異常。在實(shí)際運(yùn)行中，具體預(yù)警參數(shù)的設(shè)定可以基于審核規(guī)則并結(jié)合實(shí)際水質(zhì)與水質(zhì)自動監(jiān)測站運(yùn)行情況進(jìn)行調(diào)整。

(2)監(jiān)測數(shù)據(jù)超出儀器量程。監(jiān)測數(shù)據(jù)超出儀器設(shè)備測量范圍時，如出現(xiàn)pH值>14，或者污染物濃度結(jié)果為負(fù)值等情況，該數(shù)據(jù)應(yīng)根據(jù)水質(zhì)自動數(shù)據(jù)修約規(guī)則進(jìn)行處理并確定是否判定為數(shù)據(jù)異常。

(3)監(jiān)測數(shù)據(jù)長時間不變。正常水質(zhì)在線監(jiān)測數(shù)據(jù)會隨時間出現(xiàn)波動，如果監(jiān)測數(shù)據(jù)在連續(xù)幾個監(jiān)測周期內(nèi)保持不變，數(shù)據(jù)圖形為直線，通常是由于監(jiān)測設(shè)備或系統(tǒng)故障導(dǎo)致，狀態(tài)核實(shí)后可判定為數(shù)據(jù)異常。

(4)監(jiān)測數(shù)據(jù)劇烈波動。監(jiān)測數(shù)據(jù)在連續(xù)的幾個監(jiān)測周期內(nèi)出現(xiàn)劇烈的上下波動，通常是由于設(shè)備故障導(dǎo)致，可以判定為數(shù)據(jù)異常。監(jiān)測數(shù)據(jù)波動范圍閾值可以根據(jù)斷面水質(zhì)數(shù)據(jù)統(tǒng)計(jì)特征設(shè)定，設(shè)定范圍應(yīng)遠(yuǎn)大于該斷面水質(zhì)的日常波動范圍，避免出現(xiàn)異常值誤判，導(dǎo)致對水質(zhì)污染事件的漏報。

為了減少誤報，保證預(yù)警準(zhǔn)確性，通常需要對連續(xù)幾組數(shù)據(jù)進(jìn)行分析判定，異常值判定的周期和閾值應(yīng)根據(jù)不同斷面的數(shù)據(jù)特點(diǎn)設(shè)定。異常值應(yīng)按規(guī)則進(jìn)行剔除清洗或數(shù)據(jù)修約，經(jīng)過異常判定與清洗的有效數(shù)據(jù)集則將參與水質(zhì)預(yù)警計(jì)算。

4 水質(zhì)預(yù)警模型建立與運(yùn)行

在建立地表水水質(zhì)自動監(jiān)測預(yù)警體系過程中，需要將各種不同預(yù)警模型組合構(gòu)成預(yù)警模型組，各模型間互相驗(yàn)證，實(shí)現(xiàn)多種方法、多個角度的監(jiān)控預(yù)警，從而保證水質(zhì)預(yù)警的可靠性與準(zhǔn)確性，減少誤報、漏報情況的發(fā)生[8]。

4.1 預(yù)警模型分類

從警情發(fā)生狀態(tài)的角度，將地表水水質(zhì)自動監(jiān)測預(yù)警模型分為突變型預(yù)警和漸變型預(yù)警[1]。

4.1.1 突變型預(yù)警

突變型預(yù)警是針對某個時刻突然發(fā)生的水質(zhì)異常情況進(jìn)行預(yù)警，可分為單因子預(yù)警和多因子預(yù)警。其中單因子預(yù)警是指通過地表水水質(zhì)自動監(jiān)測的特定單一指標(biāo)的數(shù)據(jù)及其變化情況進(jìn)行分析，如果監(jiān)測數(shù)據(jù)或其變化率突破閾值，意味著某種警情已經(jīng)或即將發(fā)生，應(yīng)及時發(fā)出預(yù)警信息。單因子預(yù)警主要是針對直接監(jiān)測指標(biāo)的變化進(jìn)行預(yù)警，適用于已知污染物導(dǎo)致的水質(zhì)污染事件，具有指向明確、反應(yīng)靈敏的特點(diǎn)，其預(yù)警模型原理簡單、見效快、容易實(shí)施。單因子預(yù)警模型可以分為固定閾值和動態(tài)閾值2種類型，由預(yù)警模型進(jìn)行實(shí)時分析，當(dāng)實(shí)時監(jiān)測數(shù)據(jù)觸發(fā)模型預(yù)警條件時進(jìn)行預(yù)警[9]。

多因子預(yù)警則是指通過地表水水質(zhì)自動監(jiān)測的某幾項(xiàng)指標(biāo)組合進(jìn)行的預(yù)警，首先需要合理選擇預(yù)警指標(biāo)組合，并根據(jù)所選定的指標(biāo)組合監(jiān)測數(shù)據(jù)進(jìn)行實(shí)時綜合分析和評價后發(fā)出預(yù)警。在無異常情況下，斷面水質(zhì)監(jiān)測因子數(shù)據(jù)間的關(guān)系保持相對穩(wěn)定，當(dāng)發(fā)生突發(fā)性污染事件等水質(zhì)異常情況時，即使污染物本身未被直接監(jiān)測，但可能會對其他監(jiān)測因子造成影響，改變原有數(shù)據(jù)規(guī)律，因此對監(jiān)測因子組合數(shù)據(jù)關(guān)系進(jìn)行分析可以發(fā)現(xiàn)潛在的水質(zhì)異常[10]。在地表水水質(zhì)自動監(jiān)測預(yù)警體系中，多因子預(yù)警是對單因子預(yù)警的有力補(bǔ)充，能夠在自動監(jiān)測指標(biāo)有限的情況下盡可能多地發(fā)現(xiàn)潛在風(fēng)險。

4.1.2 漸變型預(yù)警

在水質(zhì)自動監(jiān)測預(yù)警工作中，可根據(jù)實(shí)際需要，采用不同模型分別進(jìn)行建模和調(diào)度運(yùn)行，組成綜合預(yù)警模型組進(jìn)行水質(zhì)預(yù)警。預(yù)警模型所產(chǎn)生的預(yù)警信息可以與數(shù)據(jù)審核流程相結(jié)合，通過數(shù)據(jù)審核排除因儀器故障或質(zhì)控等原因?qū)е碌念A(yù)警，從而保證預(yù)警信息的準(zhǔn)確性，并協(xié)助提升數(shù)據(jù)審核效率。地表水水質(zhì)自動監(jiān)測預(yù)警方法體系見表1。

表1 地表水水質(zhì)自動監(jiān)測預(yù)警方法體系

4.2 水質(zhì)突變型預(yù)警

4.2.1 單因子預(yù)警模型

4.2.1.1 固定閾值預(yù)警模型

固定閾值類模型是指預(yù)先設(shè)定預(yù)警閾值，如根據(jù)水質(zhì)評價等級、水質(zhì)考核目標(biāo)等預(yù)設(shè)固定閾值，當(dāng)水質(zhì)監(jiān)測數(shù)據(jù)超出固定閾值時進(jìn)行預(yù)警。固定閾值類模型實(shí)現(xiàn)簡單，可以作為整體預(yù)警體系中的基礎(chǔ)模型，但是由于其不能動態(tài)反映水體水質(zhì)變化規(guī)律，在地表水水質(zhì)自動監(jiān)測預(yù)警體系中應(yīng)與其他預(yù)警模型結(jié)合使用。

4.2.1.2 動態(tài)閾值預(yù)警模型

動態(tài)閾值預(yù)警模型是指基于對監(jiān)測數(shù)據(jù)的動態(tài)統(tǒng)計(jì)設(shè)定動態(tài)預(yù)警閾值，在水質(zhì)自動監(jiān)測數(shù)據(jù)超出閾值時進(jìn)行預(yù)警。該方法根據(jù)不同水體的水質(zhì)、水期的周期性變化規(guī)律及近期水質(zhì)變化情況動態(tài)設(shè)定閾值，預(yù)警結(jié)果更符合斷面的水質(zhì)實(shí)際情況，彌補(bǔ)了固定閾值模型不能及時反映斷面水質(zhì)實(shí)際變化的不足。動態(tài)閾值預(yù)警模型可分為以下3種。

(1)周期統(tǒng)計(jì)閾值預(yù)警。在建模階段，根據(jù)斷面歷史監(jiān)測數(shù)據(jù)，按季節(jié)、水期等周期性指標(biāo)對監(jiān)測數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，根據(jù)統(tǒng)計(jì)結(jié)果形成經(jīng)驗(yàn)型統(tǒng)計(jì)閾值，當(dāng)實(shí)時監(jiān)測數(shù)據(jù)超出統(tǒng)計(jì)閾值時進(jìn)行預(yù)警。周期統(tǒng)計(jì)閾值可以按照不同季節(jié)(水期)水質(zhì)監(jiān)測數(shù)據(jù)的均值加上標(biāo)準(zhǔn)差倍數(shù)的方式確定，所設(shè)定的標(biāo)準(zhǔn)差倍數(shù)應(yīng)按照斷面水質(zhì)特征進(jìn)行分析。

(2)滑動平均閾值預(yù)警。計(jì)算近期水質(zhì)監(jiān)測數(shù)據(jù)的滑動平均值，確定斷面近期水質(zhì)變化范圍并動態(tài)設(shè)定預(yù)警閾值，當(dāng)實(shí)時監(jiān)測數(shù)據(jù)超出預(yù)警閾值時進(jìn)行預(yù)警?；瑒悠骄A(yù)警閾值按照監(jiān)測數(shù)據(jù)的滑動平均值加標(biāo)準(zhǔn)差倍數(shù)確定，滑動平均時間窗口、標(biāo)準(zhǔn)差倍數(shù)應(yīng)按照斷面特征具體分析[3]。

(3)相鄰數(shù)據(jù)突變預(yù)警。當(dāng)實(shí)時監(jiān)測數(shù)據(jù)相對于相鄰歷史數(shù)據(jù)發(fā)生較大程度的突變時，在排除數(shù)據(jù)質(zhì)量因素后發(fā)出預(yù)警。相鄰數(shù)據(jù)突變預(yù)警的變化率閾值可以在建模階段根據(jù)斷面水質(zhì)歷史數(shù)據(jù)按照水質(zhì)監(jiān)測數(shù)據(jù)的正態(tài)分布特征設(shè)定，避免產(chǎn)生大量的誤報、漏報情況。相鄰數(shù)據(jù)突變預(yù)警實(shí)例見圖3。

夏商周時期的陶瓷作品多作為日常生活用品而存在和發(fā)展的，直到宋朝時期才逐漸的作為陳設(shè)出現(xiàn)于空間之中，然后經(jīng)歷了元明清的不斷變化發(fā)展之后，幾乎成為了生活中最為常見與平常的陳設(shè)物品。陶藝對工藝技法、形態(tài)、釉色等都有十分嚴(yán)格的要求，它是被視作一種品味和地位的代表，一般涵蓋了花瓶、文具、瓷板畫等器物，它們在空間陳設(shè)中起著重要的作用。

圖3 相鄰數(shù)據(jù)突變預(yù)警實(shí)例

由圖3可見，密度圖顯示總氮質(zhì)量濃度發(fā)生數(shù)據(jù)突變，由0.6 mg/L上升為1.0 mg/L，上升幅度達(dá)67%，超出相鄰數(shù)據(jù)突變預(yù)警閾值，并且突變持續(xù)2個監(jiān)測周期以上，從而提出動態(tài)閾值預(yù)警。

動態(tài)閾值預(yù)警模型考慮了水質(zhì)的周期性變化，也包含了對近期水質(zhì)變化的分析，可以實(shí)現(xiàn)水質(zhì)監(jiān)測指標(biāo)超標(biāo)前的提前預(yù)警。在建立地表水水質(zhì)自動監(jiān)測預(yù)警體系的過程中，可結(jié)合動態(tài)閾值預(yù)警模型和固定閾值預(yù)警模型，建立綜合的單因子預(yù)警模型組。

4.2.2 多因子預(yù)警模型

4.2.2.1 多因子協(xié)同突變預(yù)警模型

當(dāng)水質(zhì)受到污染排放等突發(fā)因素影響時，不同監(jiān)測因子的數(shù)據(jù)將發(fā)生協(xié)同變化，多因子協(xié)同突變預(yù)警模型是在綜合分析所選定指標(biāo)組合間變化關(guān)系后產(chǎn)生預(yù)警。部分指標(biāo)的突變關(guān)系和對應(yīng)的警情分析見表2[1]。

表2 部分指標(biāo)的突變關(guān)系和對應(yīng)的警情分析①

4.2.2.2 稀有數(shù)據(jù)組合預(yù)警模型

稀有數(shù)據(jù)組合預(yù)警模型是當(dāng)預(yù)警因子組合中的部分或全部因子的監(jiān)測數(shù)據(jù)進(jìn)入該因子組合歷史數(shù)據(jù)的小概率分布區(qū)域時進(jìn)行報警[11]。在建模過程中，首先通過皮爾遜相關(guān)系數(shù)等方法分析水質(zhì)監(jiān)測數(shù)據(jù)中多因子間的相關(guān)性，并選擇相關(guān)性較高的因子組合作為預(yù)警指標(biāo)組合，然后通過聚類分析算法計(jì)算出特定因子組合監(jiān)測數(shù)據(jù)特征在歷史上發(fā)生的頻率。在預(yù)警過程中對因子組合數(shù)據(jù)的分布概率進(jìn)行監(jiān)測，即針對組合監(jiān)測數(shù)據(jù)，根據(jù)統(tǒng)計(jì)標(biāo)準(zhǔn)差計(jì)算多維空間距離，計(jì)算出當(dāng)前組合監(jiān)測值在歷史中發(fā)生的頻率并以密度圖形式展示，若當(dāng)前數(shù)據(jù)組合發(fā)生頻率低于預(yù)警閾值，則判斷為異常并進(jìn)行預(yù)警[12]。

稀有數(shù)據(jù)組合預(yù)警實(shí)例見圖4(a)(b)。由圖4可見，高錳酸鹽指數(shù)和氨氮因子組合產(chǎn)生稀有數(shù)據(jù)組合預(yù)警，即該因子組合數(shù)據(jù)在歷史上發(fā)生的頻率低于預(yù)警閾值。分析對應(yīng)的監(jiān)測數(shù)據(jù)可以發(fā)現(xiàn)，高錳酸鹽指數(shù)突變的同時，氨氮質(zhì)量濃度也呈現(xiàn)上升趨勢，導(dǎo)致因子組合模式異常而發(fā)出預(yù)警。

圖4 稀有數(shù)據(jù)組合預(yù)警實(shí)例

4.3 水質(zhì)漸變型預(yù)警

4.3.1 狀態(tài)預(yù)警模型

4.3.1.1 數(shù)據(jù)持續(xù)惡化預(yù)警模型

數(shù)據(jù)持續(xù)惡化預(yù)警是在監(jiān)測數(shù)據(jù)持續(xù)惡化(污染物濃度上升，或溶解氧濃度下降)時進(jìn)行預(yù)警，可采用線性回歸法確認(rèn)數(shù)據(jù)處于持續(xù)惡化狀態(tài)，當(dāng)監(jiān)測數(shù)列的擬合斜率大于閾值時進(jìn)行預(yù)警[13]。數(shù)據(jù)持續(xù)惡化預(yù)警實(shí)例見圖5。由圖5可見，通過對一段時間內(nèi)的監(jiān)測數(shù)據(jù)分析，確定高錳酸鹽指數(shù)呈現(xiàn)惡化趨勢并發(fā)出預(yù)警。

圖5 數(shù)據(jù)持續(xù)惡化預(yù)警實(shí)例

4.3.1.2 數(shù)據(jù)關(guān)系變化預(yù)警模型

數(shù)據(jù)關(guān)系變化是針對部分水質(zhì)監(jiān)測因子間基于機(jī)理、統(tǒng)計(jì)等原理而存在特定的數(shù)據(jù)關(guān)系的情況，當(dāng)預(yù)警因子監(jiān)測數(shù)據(jù)漸變導(dǎo)致數(shù)據(jù)關(guān)系狀態(tài)發(fā)生變化時進(jìn)行預(yù)警。數(shù)據(jù)關(guān)系變化預(yù)警的一個典型場景是在湖庫水華發(fā)生前，葉綠素a與總磷、pH值、溶解氧均無顯著的相關(guān)關(guān)系，而在水華發(fā)生后，它們的相關(guān)關(guān)系顯著增強(qiáng)，表現(xiàn)為直接或間接的線性關(guān)系[14]。因此，可以通過該規(guī)律，對葉綠素a與總磷、pH值、溶解氧數(shù)據(jù)進(jìn)行狀態(tài)分析，當(dāng)發(fā)現(xiàn)數(shù)據(jù)關(guān)系發(fā)生變化時發(fā)出預(yù)警。

4.3.2 趨勢預(yù)警模型

4.3.2.1 水質(zhì)趨勢預(yù)測預(yù)警模型

在水質(zhì)趨勢預(yù)測預(yù)警中，通過預(yù)測模型對未來水質(zhì)數(shù)據(jù)進(jìn)行預(yù)測，水質(zhì)預(yù)測結(jié)果變化趨勢超出閾值時發(fā)出預(yù)警。根據(jù)不同水體特點(diǎn)和基礎(chǔ)數(shù)據(jù)狀況，可以結(jié)合面源模型、水動力模型建立機(jī)理預(yù)測模型組，然后通過數(shù)理模型對機(jī)理模型預(yù)測結(jié)果進(jìn)行修正，并根據(jù)最終預(yù)測結(jié)果進(jìn)行水質(zhì)趨勢預(yù)測預(yù)警[15]。通過SWAT(Soil and Water Assessment)面源模型、EFDC(Environmental Fluid Dynamics Code)水動力模型等建立多模型水質(zhì)預(yù)測機(jī)制，并對氨氮質(zhì)量濃度進(jìn)行預(yù)測，水質(zhì)趨勢預(yù)測預(yù)警實(shí)例見圖6。由圖6可見，氨氮質(zhì)量濃度出現(xiàn)趨勢性變化，峰值質(zhì)量濃度為1.68 mg/L，可以推測為上游污染團(tuán)過境并發(fā)出預(yù)警。

圖6 水質(zhì)趨勢預(yù)測預(yù)警實(shí)例

4.3.2.2 預(yù)測偏離預(yù)警模型

預(yù)測偏離預(yù)警是通過數(shù)理模型對特定監(jiān)測指標(biāo)進(jìn)行滾動預(yù)測，所得預(yù)測值作為預(yù)警基準(zhǔn)值，然后以實(shí)際監(jiān)測數(shù)據(jù)與預(yù)測數(shù)據(jù)進(jìn)行比對，若實(shí)際監(jiān)測數(shù)據(jù)與預(yù)測值偏離較大，則可能由于外來污染導(dǎo)致水質(zhì)狀態(tài)發(fā)生變化并發(fā)出預(yù)警[16]。預(yù)測偏離預(yù)警應(yīng)采用基于時間序列、多元回歸、神經(jīng)網(wǎng)絡(luò)等不同原理的多種數(shù)理模型組合進(jìn)行預(yù)測，以避免單一模型原理缺陷導(dǎo)致的結(jié)果偏離[17]。

長短期記憶神經(jīng)網(wǎng)絡(luò)模型(Long Short-Term Memory neural network，LSTM)是一種具有時間循環(huán)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型，適用于對時間序列數(shù)據(jù)樣本進(jìn)行預(yù)測分析。而誤差分析模型(Differential Analysis，DA)是通過差值分析對水質(zhì)指標(biāo)的實(shí)際監(jiān)測值與模型預(yù)測值的差值序列進(jìn)行分析以確定預(yù)警閾值。采用LSTM-DA模型進(jìn)行預(yù)測偏離預(yù)警，首先以歷史數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，完成模型馴化與率定。在建模完成后，基于實(shí)時水環(huán)境監(jiān)測數(shù)據(jù)，計(jì)算未來一段時間內(nèi)的水質(zhì)預(yù)測數(shù)據(jù)序列，在實(shí)際監(jiān)測數(shù)據(jù)與預(yù)測值偏離超出閾值時進(jìn)行預(yù)警?；贚STM-DA模型的預(yù)測偏離預(yù)警實(shí)例見圖7。該模型通過預(yù)測偏離能夠發(fā)現(xiàn)多數(shù)監(jiān)測數(shù)據(jù)峰值并發(fā)出預(yù)警[18]。

圖7 基于LSTM-DA模型的預(yù)測偏離預(yù)警實(shí)例

5 水質(zhì)預(yù)警信息處理

在水質(zhì)預(yù)警模型運(yùn)行中，如果產(chǎn)生了水質(zhì)預(yù)警，則應(yīng)同時生成對警兆、警情、警義的描述以及對警源的分析等預(yù)警說明，并結(jié)合監(jiān)測數(shù)據(jù)形成完整的預(yù)警信息。所生成的預(yù)警信息應(yīng)首先由數(shù)據(jù)管理人員進(jìn)行審核，排除因儀器故障或質(zhì)控等原因?qū)е碌念A(yù)警，在確認(rèn)預(yù)警確由水質(zhì)原因觸發(fā)后，應(yīng)根據(jù)應(yīng)急流程推送至相關(guān)人員，并基于不同的警素和警度啟動相應(yīng)的事件處理流程。

6 結(jié)論

基于我國地表水水質(zhì)自動監(jiān)測現(xiàn)狀，初步探討了地表水水質(zhì)自動監(jiān)測預(yù)警方法體系。以經(jīng)過異常值判定與清洗等質(zhì)控措施的水質(zhì)自動監(jiān)測預(yù)警數(shù)據(jù)集為基礎(chǔ)，采用綜合預(yù)警模型組開展水質(zhì)預(yù)警，并對水質(zhì)預(yù)警信息進(jìn)行分析發(fā)布。地表水水質(zhì)自動監(jiān)測預(yù)警模型可分為突變型預(yù)警和漸變型預(yù)警；根據(jù)預(yù)警因子和原理不同，突變型預(yù)警又分為單因子預(yù)警與多因子預(yù)警等模型，漸變型預(yù)警則包含狀態(tài)預(yù)警和趨勢預(yù)警等模型。不同模型類別可采用多種不同原理的模型實(shí)現(xiàn)，可根據(jù)實(shí)際情況結(jié)合多種模型建立綜合預(yù)警模型組，從多個角度對地表水水質(zhì)的短期形勢和長期趨勢進(jìn)行綜合研判，形成綜合性的地表水水質(zhì)自動監(jiān)測預(yù)警體系。