基于MSLSTM-DA模型的水质自动监测异常数据报警

来源：中国环境科学杂志2022年第4期北京时间：

作者：嵇晓燕, 姚志鹏, 杨凯, 陈亚男, 王正, 安新国

单位：1. 中国环境监测总站, 北京 100012;2. 北京金水永利科技有限公司, 北京 100012

摘要：提出一种基于多元堆叠长短时记忆网络-差值分析(MSLSTM-DA)模型对地表水质异常数据进行报警的方法.该方法首先建立MSLSTM模型对水质指标数据进行预测,再基于预测结果的残差分布建立DA模型,并确定各个指标的数据异常阈值,当实测数据与预测数据差值大于阈值时进行数据报警.以长江流域监测断面的水质数据进行了方法有效性验证.结果表明,构建的预测模型对５个指标的MAE、MAPE均值比BP神经网络预测模型降低21.0%,17.8%,比LSTM模型降低16.8%,17.9%.皮尔逊系数均值比BP神经网络、LSTM模型的分别高5.9%,4.4%.5个指标共检出水质异常数据37条,其中34条经人工判断确实存在有异常,报警准确率高达91.9%.

关键词：堆叠长短时记忆网络,差值分析,水质异常报警

基金资助：长江生态环境保护修复联合研究项目(2019-LHYJ-01-0301);国家水环境监测监控及业务化平台技术研究课题(2017ZX07302002)