[发明专利]排水监测异常数据的识别方法

说明书

本发明公开了排水监测异常数据的识别方法，包括如下步骤：1、对原始检测数据做检测数据分类分析；2、对原始检测数据中的流量数据与液位数据的零值与空值进行评估；3、对流量数据与液位数据进行数据恒定评估；4、对流量数据与液位数据进行极值评估；5、对流量数据与液位数据进行基于历史数据的阈值评估；6、对流量数据与液位数据进行格拉布斯测试评估；7、结合液位数据与流量数据进行方法组合评估，具体为通过水动力模型评估液位数据与流量数据的相关性；8、将原始检测数据中未被表示为异常数据的内容存入清洗后检测数据库，供下一步应用。本发明既可以提高排水监测数据审核的效率，又可以提高监测数据审核的标准化。

技术领域

本发明涉及计算机自动监测技术领域，特别涉及排水监测异常数据的识别方法。

背景技术

在全面推进数字化转型的大背景下，伴随着排水管网总量的增大和排水系统功能需求的增加，原有依靠人工经验进行管理调度的难度越来越大，迫切需要通过智慧赋能，对排水系统进行系统性、综合性治理。

监测数据作为排水行业最重要的感知数据，对于数字水务涉及的模型率定、决策支持以及现状分析起到了至关重要的作用。由于排水监测仪器所处的监测环境较为恶劣，其传感器容易被杂质/油污等干扰导致监测数据存在异常。如果监测数据存在某些异常，基于此类异常数据进行的分析得到的结果也变得不可信。因此，需要针对排水监测数据中存在的异常数据进行识别。

而目前对于异常排水监测数据识别的方法，多采用人工通过经验分析来进行异常数据的逐一判别，但是这种方法存在以下缺陷：

1、由于排水监测数据数量极大，单个监测点一年数据就超过10万条(以5分钟一个数据计)。导致每次工程师都要花费大量的时间与精力来进行异常数据的识别剔除工作，极大的影响了排水模型的建模效率。

2、由于没有确定的统一的监测异常数据识别方法，不同工程师在人工核查时的最终结果不一致。

3、有工程师尝试采用极值进行监测数据的异常识别，但是由于排水监测数据在不同工况(例如旱季/雨季)差距特别大，单纯采用极值进行判断存在大量的错判与漏判。

因此，如何对排水监测异常数据进行高效准确的批量识别成为本领域技术人员亟需解决的技术问题。

发明内容

有鉴于现有技术的上述缺陷，本发明提供排水监测异常数据的识别方法，实现的目的是既可以提高排水监测数据审核的效率，又可以提高监测数据审核的标准化，从而最终提高最终获取的排水监测数据的质量，为排水行业的数字化转型提供高质量的感知数据。

为实现上述目的，本发明公开了排水监测异常数据的识别方法，包括如下步骤：

步骤1、对原始检测数据做检测数据分类分析；

步骤2、对所述原始检测数据中的流量数据与液位数据的零值与空值进行评估，评估监测的所述流量数据与所述液位数据是否为0或者为空值，即数据掉线；若监测的所述流量数据或者所述液位数据为0或为空值，则将相应的所述流量数据或者相应的所述液位数据均标识为异常数据；

步骤3、对所述流量数据与所述液位数据进行数据恒定评估；

步骤4、对所述流量数据与所述液位数据进行极值评估；

步骤5、对所述流量数据与所述液位数据进行基于历史数据的阈值评估；

步骤6、对所述流量数据与所述液位数据进行格拉布斯测试评估；

步骤7、结合所述液位数据与所述流量数据进行方法组合评估，具体为通过水动力模型评估所述液位数据与所述流量数据的相关性；

步骤8、将所述原始检测数据中未被表示为所述异常数据的内容存入清洗后检测数据库，供下一步应用。

优选的，步骤1包括如下步骤：