章　俊　倪　薇



数据挖掘技术在水质自动监测站管理中的应用

章俊倪薇

水质自动监测站的水质数据质量和仪器状态、外界环境（水、电、天气等）、运维状态等息息相关，干扰因素很多，因此水质数据经常会有异常值产生，而且有些异常数据很难依靠人工判断，处理难度较大。近年来，由于大数据的迅速发展，使得数据挖掘技术逐渐成熟，各种挖掘算法被广泛运用于数据处理，并有许多成功应用的案例。本文尝试使用数据挖掘技术对新汴河团结闸水质自动监测站2014年1～6月的水质监测数据进行处理，剔除异常值，使有效数据能够均匀分布，从而提高数据质量和规范性，并通过人工监测数据进行验证，取得了好的效果。

一、数据处理方法的选择

数据挖掘有很多成熟的技术，但是在水质处理和预测计算方面运用的并不多。本文分析水质数据的特点，就单个水质参数而言，除非遇到突发性水污染事故，否则数据变化幅度不大，且都是正实数，不包含向量等复杂数据。目前水质自动监测站每天上传监测数据2～4条，频度不大。聚类分析法处理数据过程简单易懂，实用性较强，选择聚类分析法可以方便地解决数据处理问题，达到预期效果。

聚类分析是依据样本间关联的度量标准将其自动分成几个类，且使同一类中的样本相似，而属于不同类的样本相异的一组方法。一个聚类分析系统的输入是一组样本和一个度量两个样本间相似度（或相异度）的标准，聚类分析的输出是数据集的几个类（簇），这些类构成一个分区或分区结构。……