水质自动在线监测设备测量误差的分析和估计方法
【专利摘要】本发明公开了一种水质自动在线监测设备测量误差的分析和评估方法，其基于数据对比统计，且分类进行有针对性的误差估计，能够提高评估结果的准确性。首先，采用稳健剔除异常数据的方法，剔除在线监测数据中的粗大误差；然后从剔除粗大误差后的在线监测数据提取中位数，判断该中位数是否在水质样本均值置信区间内；如果不在，则确定没有系统误差，结束本流程；否则，确定存在系统误差，将系统误差分为周期性系统误差、线性及多项式型系统误差和常量系统误差分别采用基于Burg法的谱分析和回归分析相结合的方法、回归分析方法、均值滤波方法和卡尔曼滤波相结合的方法进行估计。最后，将三类系统误差的估计结果相加，得到最终的系统误差估计结果。
【专利说明】水质自动在线监测设备测量误差的分析和估计方法
【技术领域】
[0001] 本发明涉及监测数据校准领域，具体涉及一种水质自动在线监测数据误差分析和 估计方法，可用于各类型水质自动监测仪器中。
【背景技术】
[0002] 在线监测设备的设计结构复杂，必须由专业人员进行维护和校准，同时，监测结果 的准确性受到多方面因素的影响，试剂浓度不准确、管路污染、测量温度变化等都会造成结 果产生误差。目前，监测设备应用广泛，但是监测结果的准确性受到多方质疑。许多专家 学者对误差产生原因、仪器维护、监测质量控制方法等进行了探讨，试图通过规范仪器的使 用，加强仪器维护等方法，提高测量结果的准确性。同时，也有学者采用一些数学方法（如 滤波、最小二乘法等），对其他类型的监测数据（如电容、测井等数据）进行分析和校正。由 于水质在线监测仪器设计复杂，还没有人尝试过采用数学分析的方法对在线监测仪器的误 差进行分析。
【发明内容】
[0003] 有鉴于此，本发明提供了一种用于水质在线监测的误差估计方法，该方法采用数 据对比统计的方式，且将误差分类后，分别估计误差值，然后再整合，能够提高测量结果的 准确性。
[0004] 为了解决上述技术问题，本发明是这样实现的：
[0005] -种水质自动在线监测设备测量误差的分析和评估方法，其通过分析水质自动在 线监测设备产生误差的类型，将测量误差分为系统误差、偶然误差和粗大误差，其中系统误 差进一步分为周期性系统误差、线性及多项式型系统误差以及常量系统误差三类；针对上 述误差类型的评估，包括如下步骤：
[0006] 步骤一、采用稳健剔除异常数据的方法，剔除在线监测数据中的粗大误差；
[0007] 步骤二、从剔除粗大误差后的在线监测数据提取中位数\，判断该中位数\是否 在水质样本均值置信区间内；如果是，则确定存在系统误差，进入步骤三；否则，确定没有 系统误差，结束本流程；
[0008] 步骤三、将系统误差分为周期性系统误差、线性及多项式型系统误差和常量系统 误差；
[0009] 采用基于Burg法的谱分析和回归分析相结合的方法估计周期性系统误差；
[0010] 采用回归分析方法，估计线性及多项式型的系统误差；
[0011] 采用均值滤波方法，估计常量系统误差，再采用卡尔曼滤波方法对常量系统误差 进行估计和预测；同时，均值滤波和卡尔曼滤波还将偶然误差消减；
[0012] 将三类系统误差的估计结果相加，得到最终的系统误差估计结果。
[0013] 优选地，步骤一中，采用稳健剔除异常数据的方法，剔除在线监测数据中的粗大误 差的具体步骤如下：
[0014] 步骤1、计算在线监测数据均值置信区间的上限Mm和下限mm :
[0015]
【权利要求】
1. 一种水质自动在线监测设备测量误差的分析和评估方法，其特征在于，通过分析水 质自动在线监测设备产生误差的类型，将测量误差分为系统误差、偶然误差和粗大误差，其 中系统误差进一步分为周期性系统误差、线性及多项式型系统误差以及常量系统误差三 类；针对上述误差类型的评估，包括如下步骤： 步骤一、采用稳健剔除异常数据的方法，剔除在线监测数据中的粗大误差； 步骤二、从剔除粗大误差后的在线监测数据提取中位数判断该中位数&是否在水 质样本均值置信区间内；如果是，则确定存在系统误差，进入步骤三；否则，确定没有系统 误差，结束本流程； 步骤三、将系统误差分为周期性系统误差、线性及多项式型系统误差和常量系统误 差； 采用基于Burg法的谱分析和回归分析相结合的方法估计周期性系统误差； 采用回归分析方法，估计线性及多项式型的系统误差； 采用均值滤波方法，估计常量系统误差，再采用卡尔曼滤波方法对常量系统误差进行 估计和预测，同时均值滤波加卡尔曼滤波还消减了偶然误差； 将三类系统误差的估计结果相加，得到最终的系统误差估计结果。
2. 根据权利要求1所述的方法，其特征在于，步骤一中，采用稳健剔除异常数据的方 法，剔除在线监测数据中的粗大误差的具体步骤如下： 步骤1、计算在线监测数据均值置信区间的上限Mm和下限_ :
式中，i是在线监测数据的均值，〇是在线监测数据的标准差，n是在线监测数据的个 数； 步骤2、提取在线监测数据的中位数％ ;如果满足mm < < Mm，则判定在线监测数据 服从对称beta分布，采用式I对参数g，h进行估计：
上式I中承f为beta分布的参数估计值，u为在线监测数据归一化后的结果，i:为 u的平均值，su为u的标准差； 如果满足m/mm或n^Mm，则判定在线监测数据为不对称分布，采用式II对参数g, h分 别进行估计：
步骤3、根据估计好的beta分布，按在线监测数据的中位数％及四分位离差FD来确定 粗差判别界限为D，mdk/D]，当某个在线监测数据&超出所述粗差判别界限时，将 在线监测数据&判别为异常数据，进行剔除；其中，匕、k"为与beta分布参数相关的系数。
3. 根据权利要求1所述的方法，其特征在于，步骤二判断是否存在系统误差的方式具 体为： 步骤（1)、计算实验室对比数据置信区间的上限Mmd和下限mmd :
式中，〇 d是实验室对比数据的标准差，J是实验室对比数据的均值，n是在线监测数据 的个数； 步骤（2)、判断在线监测数据的中位数％是否在实验室对比数据的置信区间内；如果 在，则判定为没有系统误差，本流程结束；如果不在，判定为含有系统误差。
4. 根据权利要求1所述的方法，其特征在于，所述基于Burg法的谱分析和回归分析相 结合的方法分析周期性系统误差的方式为：采用Burg谱分析的方法判断在线监测数据是 否含有周期性系统误差；若含有周期性系统误差，则将在线监测数据按周期分割，针对每一 个周期的在线监测数据采用回归分析方法估计每个周期内的线性及多项式型系统误差。
5. 根据权利要求1或4所述的方法，其特征在于，所述采用回归分析方法估计线性及多 项式型系统误差的具体步骤如下： 依次将误差拟合成一阶、二阶、三阶多项式，得到回归系数，F检验方法进行显著性分 析，选择拟合误差最接近实际的作为最终结果。
6. 根据权利要求1所述的方法，其特征在于，采用均值滤波方法估计常量系统误差时， 滤波周期采用10?20个数据，重叠周期占滤波周期的1/3。
【文档编号】G01N33/18GK104280526SQ201410571356
【公开日】2015年1月14日 申请日期:2014年10月23日 优先权日:2014年10月23日
【发明者】潘峰, 李位星, 高琪, 高岩, 李晓婷, 邓哲, 常彦春, 舒俊逸, 丁鑫同 申请人:北京理工大学