污染源在線監控數據異常檢測研究

楊輝明

（酒泉市污染源自動監控中心 甘肅酒泉 735000）

引言

污染源在線監控指的是以在線自動分析儀器為基礎設備，綜合利用移動通訊、現代傳感、自動測量、自動控制、互聯網等技術，對排污單位的污染排放情況進行實時監控的過程，是提升生態環境部門環境監管能力，強化對排污單位的污染物排放監管的有效手段。

污染源在線監控的應用可以實時發現排污單位的污染物出現超標排放的環境違法行為，生態環境部門可據此及時開展立案調查、限期整改、行政處罰等后續環境監管措施，進而有效打擊和震懾環境違法行為，減輕因超標排放對環境造成的破壞。此外，污染源在線監控過程可以在多種多樣的環境形勢下實施與運用，進而對污染源監控中存在的面大、量廣、時效性的問題進行了有效解決。污染源在線監控的實施，可以對環境問題進行實時、準確、有效的管理，這也代表了現代環境保護管理的發展趨勢。

雖然污染源在線監控對于排污單位的環境監管具有非常重要的意義，但實際操作過程中，污染源在線監控過程是一個由多學科技術參與的一項系統性工程，離不開特定專業技術人員的參與，在這些專業技術人員的運維下，污染源在線監控過程才能保持穩定的運行。此外，污染源在線監控過程在數據傳輸過程中，數據的穩定性也會受到多種因素的影響，比如儀器設備運行環境的情況、儀器性能情況、突發設備故障事件、通信傳輸故障事件等，最終造成污染源在線監控數據發生異常情況，而這也會造成線上監控的數據不能科學、準確的反應環境污染情況，嚴重影響了污染源在線監控數據的準確度。

1 污染源在線監控數據異常來源

1.1 系統誤差導致數據異常

系統誤差是非人為條件造成的一種誤差，是指的是因為儀器設備自身問題或者環境的變化，造成污染源線上監控數據與實際值不一致的現象。系統誤差具有重復性、單向性和可測性。系統誤差在實際在線監控設備運行過程中很難被發現，造成污染源線上監測數據異常的系統原因主要由以下幾點，比如自動監控平臺故障、通訊故障、現場端儀器故障、儀器性能故障、突發設備故障等。

對于此類系統誤差，可以定期對污染源線上監控設備進行校準和校驗，進而避免此類系統誤差的誤差對自動監測數據造成的嚴重的影響。

1.2 人為造假導致數據異常

對于人為造假導致的數據異常，指的是為有些人為了避免污染源在線監控數據超出標準，數據特征體現在數值在標準值附近徘徊；或者是為了為降低總排放量，數據特征體現在數據存在大幅變小的情況。人為造假實現的途徑主要包括以下兩種方式，分別為現場端儀器造假、數據采集過程造假。

2 污染源在線監控數據異常檢測方法

2.1 數據協調性分析檢測方法

數據協調性分析，指的是當一個持續穩定的污染源和一個末端凈化系統在其正常運轉的工作狀態下，其釋放的污染物和流質狀態參數將會維持一個比較穩定的邏輯關系。所以，在這種穩定的邏輯關系下，如果其中的一個數據發生顯著變化，那么很有可能分析出另一數據也發生了異常變化。該方法即是通過數據協調性來分析污染源在線監控數據的異常數據。

2.2 工藝參數核定的分析檢測方法

如果污染源系統額參數比較齊全，并且含有很高的參考性，通過之前提前設置的物料計算公式，可以合理準確計算出各種污染物的排放濃度，進而得到污染物監測值的核定結果。

2.3 診斷系統原理分析檢測方法

在正常的在線監測數據中，時間以正態分布或偏正態分布的形式分布，其對數函數和時間變量之間存在線性相關的關系。在這個原理的基礎上，可以把在線監測數據回歸成工作曲線，進而可以通過工作曲線的走向來體現在線監測系統誤差的發展水平。

如果在此工作曲線的上下限設置誤差臨界線，那么這個工作曲線就會變成線上監測系統的質量控制曲線，那些超過臨界線范圍的數據都會被當做異常數據，再加上數據之間的邏輯關系和工藝參數進行的物料分析，最終可以分析出異常數據產生的原因。

2.4 基于模型的分析檢測方法

基于模型的方法指的是通過建立某種統計或者數據模型，從而將不符合該模型的數據認為是異常數據。

2.5 基于密度的分析檢測方法

基于密度的分析檢測方法指的是假定正常數據在數據對象較多的范圍內，但是異常數據會與最近數據對象都比較遠，在這種情況下，那么可以根據數據對象的本地異常因子來判定對象的異常水平。密度法可以對異常數據進行有效的識別，而且該方法的數據參數比較少，檢測異常數據的準確性基本不受參數的影響。但是，該檢測方法在時間和空間復雜度上具有一定的難度。

結語

污染源在線監控系統可以實現對生產企業污染物排放的實時檢測，但是存在著檢測數據異常的問題，主要原因包括系統誤差和人為造假。該問題可以通過數據協調性分析、工藝參數核定分析、診斷系統原理分析、基于模型的分析、基于密度的分析等檢測方法來解決，從而預防或及時修正在線檢測系統檢測數據異常。