环境自动监测系统数据处理及分析
来源:用户上传
作者:
摘要：当前我国环境污染情况日益严重，环境监测的任务也越来越重。为了保证环境监测结果的准确性，确保环境监测工作的质量，必须加强环境监测过程中的数据分析。本文重点论述环境自动监测系统数据分析方法，并介绍数据融合技术在环境监测数据分析中的应用，希望对提高环境监测质量有所帮助。
关键词：环境监测；监测数据；数据融合；处理；分析
中图分类号：B82-058 文献标识码：A 文章编号：
当前建设资源节约型，环境友好型社会，促进生态文明建设是环保工作的主要任务。在环境保护工作不断深入发展的时期，环境监测的重要性日显凸出。环境监测的重要性在于能够准确的、及时、全面的反映环境质量现状以及发展趋势，为环境管理污染源控制，环境规划等提供科学依据。特别是近年来我国经济建设快速发展，环境污染日趋加重，因此，环境监测的任务也越来越重。但环境监测是一项技术性很强的工作，为了保证环境监测的质量，确保监测数据的科学性、客观性、准确性，就必须加强环境监测数据的分析，不断提高环境监测水平，这也是环境监测发展的根本所在。
1 监测数据获取存在的问题
环境监测是以环境为对象，运用物理的、化学的和生物的技术手段，对其中的污染物及其有关的组成成分进行定性、定量和系统的综合分析，以探索研究环境质量的变化规律。环境监测的重要性在于能够准确的、及时、全面的反映环境质量现状以及发展趋势，为环境管理污染源控制，环境规划等提供科学依据。监测数据作为环境监测工作的最终成果，对环境监测数据的要求是监测数据应具有代表性、准确性、精密性、可比性、完整性。但目前监测数据获取上仍存在不少问题，直接影响到了监测数据的质量。
目前监测数据的获取上存在的问题主要有:
(1)主观原因:监测人员本身业务素质较低，并不能将数据进行科学有效的分析和处理，使得部分数据丧失真实性，甚至不能用于评价工作。
(2)客观原因:监测仪器配置和监测站点的布置过于陈旧，并未根据最新环境变化情况更新，使得环境监测数据不具有代表性，造成评价结果的偏差，无法进行科学的分析和处理。
2 分析方法
由于监测数据与污染物空间分布和持续时间等因素有关，故在分析数据时可将数据按周期性规律进行统计分析，从而得出浓度随时间变化的大致规律。同时再根据当地的水文条件、气象变化和地形特征等因素进行综合整理，生成更为详尽的浓度等值线图，便于数据的直观性统计与分析。
2.1 离群数据的分析
环境监测数据获取条件较为复杂，在实际工作中可能由于监测主体或条件变化产生离群值的产生，如何正确区分离群值产生的原因并科学有效地去除离群值，是正确进行评价的重要依据。
2.1.1 Q检验法
在同一组数据中，判断最大值或最小值是否为异常值时采用Q检验法【Dixon(狄克逊)检验法】:将数据从大到小进行排列，根据测定次数进行计算Q值:
(1)
(2)
根据测定数据次数n和显著性水平，查Dixon检验统计表,将Q值与临界值比较,判断x1与xn是否为离群值:若Q≤Q0.05，则可疑值为正常值；若Q0.05＜Q≤Q0.01，则可疑值为偏离值，可做保留处理；若Q＞Q0.01，则可疑值应予剔除。但该检验方法仅将可疑值与相邻数据进行比较分析，具有一定的局限性。
2.1.2 T检验法
对于各组测定数据平均值的一致性检验可采用(Grubbs)格拉布斯检验法，即T检验法:将监测数据从大到小排列，并计算其算术平均值和标准偏差s，计算T值:
(3)
查T检验临界表得T的临界值，若T≥，则可疑数据x1或xn为异常值，应予剔除；反之则采取保留处理。依次反复计算直至无异常数据为止。
2.2 分析结果准确度的检验
2.2.1 平均值与标准值的比较
用于检查监测方法或操作过程是否存在较大系统误差。对标样进行n次监测，再利用T检验法比较监测结果与标准值是否存在显著性差异。
(4)
式中:为标准值，为监测结果，s为标样测定的标准偏差，n为标样测定的次数。根据自由度和置信度P查得T值，与计算结果进行比较。若计算值大于T值，则存在系统误差；若小于则是由偶然误差引起的。环境监测中置信度一般为95%。
2.2.2 两组平均值的比较
针对同一样品的不同组数据产生平均值误差问题，先假设两组数据方差无明显差异(分别为和)，计算T值:
(5)
(6)
式中:s为合并方差，n为测定次数。用P=95%，f=n1+n2-2查表所得T值小于计算值，则存在显著性差异；若大于则无。
2.3 分析结果精密度的检验
用于比较两组数据方差s的一致性，又称F检验:求出两组数据标准方差的平均值和，计算，与F分布表中查得一定自由度下的F值进行比较，若大于计算值则存在显著性差异，若无则不存在。
在进行F检验法检验两组数据的精密度是否有显著性差异时，应先确定其类型:单边检验指一组数据的方差不可能小于另一组数据的方差；而双边检验时，其显著性水平为单边检验时的2倍，置信度变为90%。
2.4 等精度检验
对于n个监测室，用同一标准方法对同一个标准样品作m次监测，测定结果用Cochran最大方差法检验。设各自标准偏差分别为s1，s2，…，sn，最大值记为smax，计算统计量:
(7)
根据给定的显著性水平α，实验室个数n，测定次数m，从数理统计表得最大方差检验临界值Ca:C≤C0.05时表明各实验室符合精密度要求；C＞C0.01表明具有最大标准偏差的实验室精密度不符合要求；C0.05
2.5 精密度和准确度统计分析:
2.5.1 标准差分析
(1)对各组数据(x1，y1)分别进行求和Ti、求差Di。将和值用于计算各监测实验室数据分布的标准偏差，分母除以2是由于和值中包括两个类似样品的监测结果而含有两倍的误差。将差值用于计算随机标准偏差。
若s=sr则表明实验室不存在系统误差。当s＞sr时需进行方差分析:计算，根据显著性水平(0.05)和自由度查表，若F≤F0.05(f1，f2)时，表明在95%置信水平时，实验室的系统误差对分析结果的可比性无显著性影响；若F＞F0.05(f1，f2)时，表明实验室的系统误差对分析结果的可比性具有显著性影响，应及时采取校正措施。
3 数据融合技术的应用
数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理技术。
人类通过人体器官感受外部信息，转换成生物电，并通过人的中枢神经传送到大脑进行综合分析处理，然后对外面环境进行判断和控制。而多传感器数据融合的基本原理就如同人脑综合处理所感受的信息:利用多个传感器感测外部环境信息，再把多个传感器的数据根据某种准则进行组合，以获得对被测对象的一致性解释和描述，从而得出更准确的可信的结论。
面对大量的环境监测任务，如何科学有效地获取数据信息是最为关键的一步，融合技术为我们提供了强有力的支持，然而这些数据在采集、利用过程中，由于传感器采集数据的特征性差异，造成数据存在模糊性、互补性或矛盾性。如何有效并准确地处理传感器所采集的数据是以后研究的重点，而这必将为环境监测数据研究带来重大性突破。
3.1 融合模型
20世纪80年代，代表性的数据融合模型有:英国情报环模型、美国JDL模型和Boyd控制环模型。20世纪90年代提出的“改进的JDL模型”在军事领域应用十分广泛，还有将融合过程划分成观测、定位、决策、行动及传感器管理等阶段，并组成一个大循环的“综合模型”(Omnibus Model)等。但由于以上模型均未引入自学习和多级反馈机制，使得其自适应性和自我完善功能有待提高。
目前融合算法主要有:Kalman滤波器的改进方法和“数值－语言”混杂条件下的“知识发现和数据挖掘”(KDDM)方法和面向分布式数据融合的支持向量机(SVM)方法等。
3.2 应用举例
由于Kalman滤波方法是解决最优化滤波问题的经典方法，故常用于从被噪声污染的观测信号中消除噪声影响，可将Kalman滤波方法用于环境采样数据真实值的估计，在此我们以大气监测为例，简单探讨Kalman滤波方法在环境监测方面的应用[。
(1)建立大气变化状态转移矩阵。根据环境科学相关领域知识，结合传感器采集的大气参数，建立关于这些参数的大气参数状态转移矩阵。利用该矩阵，研究各项大气参数的变化情况。
(2)根据(1)中得到的观测目标属性特征，对来自各传感器的，反映不同污染现象的观测数据进行分析，分解出反映各种不同的污染现象的参数向量值。
(3)根据大气变化状态转移矩阵，利用各传感器采集的大气参数观察值，对各大气采样站点的环境进行最优化估计，得到各项参数的最优化估计值。
4 结论
总而言之，在环境污染日益加剧的今天，环境监测已成为环境保护中一项前瞻性、根本性的工作。只有认识到环境监测的重要性，加强环境监测数据的分析，不断应用先进的技术措施，才能确保监测数据的代表性、准确性、可比性、完整性，才能为环境保护工作打下坚实的基础，促进社会经济的可持续发展。
参考文献
[1] 叶付勇.有关环境监测数据的处理和分析[J].科技与企业,2012年02期
[2] 叶剑军;叶倩;李景广;胡红波;邓天福;樊娜.室内环境自动监测系统的数据分析研究[J].绿色建筑,2010年02期
转载注明来源:https://www.xzbu.com/2/view-4189265.htm
