基于希爾伯特—黃變換的時頻水質(zhì)異常檢測方法研究.pdf

1、水質(zhì)安全對于國家穩(wěn)定非常重要，潛在的水質(zhì)污染物事故將造成嚴(yán)重后果。建立水質(zhì)污染物防范機制和監(jiān)測系統(tǒng)是對水質(zhì)事故有效的預(yù)警手段。水質(zhì)異常檢測算法作為污染物監(jiān)測系統(tǒng)的關(guān)鍵組成部分，是準(zhǔn)確定位異常發(fā)生時點、進行后續(xù)事件診斷和定量分析的基礎(chǔ)。常見的水質(zhì)異常檢測算法包括統(tǒng)計分析、聚類分類以及人工智能算法等，目前這些時域水質(zhì)異常檢測算法受到水質(zhì)時序本身非平穩(wěn)性、指標(biāo)間可能存在的相關(guān)性等特性影響，往往導(dǎo)致異常檢測困難、誤判率偏高等問題。
　　為

2、了進一步挖掘水質(zhì)指標(biāo)時序波動特性，結(jié)合事件發(fā)生過程中時域、頻域雙重瞬時變化，融合多維水質(zhì)指標(biāo)，提高水質(zhì)事件局部異常的檢出能力和信息利用率，本文提出了基于希爾伯特-黃變換及瞬時時頻因子的水質(zhì)異常檢測方法，通過理論研究、實驗和仿真分析等工作，驗證了算法在異常波形提取和提高檢測性能方面的有效性，并初步完成了多維指標(biāo)融合的時頻檢測方法。
　　本文的主要工作和創(chuàng)新點如下:
　　1.研究分析了水質(zhì)指標(biāo)的多尺度組成特點及波動的非平穩(wěn)性，選

3、取不同濃度的鐵氰化鉀和硫酸鐵銨溶液進行靜態(tài)實驗研究，分析了污染物濃度變化與常規(guī)指標(biāo)關(guān)系，并著重論證了水質(zhì)指標(biāo)間的相關(guān)性。
　　2.提出了基于時域多尺度分解的水質(zhì)異常檢測方法。首先應(yīng)用經(jīng)驗?zāi)B(tài)分解(EMD)方法對水質(zhì)時序進行分解，并對不同指標(biāo)對應(yīng)頻段使用多維控制圖(MCC)進行融合，通過判斷觀測值統(tǒng)計量與控制限關(guān)系，實現(xiàn)水質(zhì)異常檢測。多尺度分解使水質(zhì)時序中不同組分相互分離，保證各個模態(tài)滿足MCC的實施前提。該方法可以緩解宏觀檢測中水

4、質(zhì)非平穩(wěn)性對結(jié)果的影響，提升異常定位能力;此外，提取敏感頻段可以提高異常波形相對噪聲和背景變化的信噪比。
　　3.研究了水質(zhì)時序在污染物事件發(fā)生時段，時頻譜中瞬時幅值和瞬時頻率的雙重變化特性，提出了基于時頻因子的單指標(biāo)水質(zhì)異常檢測方法。在傳統(tǒng)瞬時能量密度級(IE)定義的基礎(chǔ)上，通過對各頻段瞬時幅值的標(biāo)準(zhǔn)化，以降低IE中低頻高幅的影響，提高異常頻譜的表征能力。
　　4.提出了基于時頻因子多指標(biāo)融合的水質(zhì)異常檢測方法。在基于單指