历明月，李建华，夏丽娟，郑 钧

(北京尚水信息技术股份有限公司，北京 100085)

在“互联网+”时代，传统水利和互联网技术的结合是必然趋势。自动化监测与传统的人工监测方式相比，其数据统计分析的时间尺度更加多元化。例如，监测数据24 h内的变化趋势和规律分析，以月为周期的数据变化趋势和规律分析；监测数据跨年度变化分析等等。我国的水环境自动化监测发展的较晚[1]，但是，经过十几年的发展，我国的大流域基本部署了水环境自动化监测设备，逐步实现网络化治理水环境的目标[2-5]。

水环境自动化监测能够给相关部门提供海量数据，假如指标的监测频率为5 min一次，其1年的数据量就可达10万条以上。基于海量数据，可清楚掌握各项监测指标的实时变化情况。利用数理统计方法或模型算法能够更加科学地分析出数据之间的相互关系以及各自的时空变异特征。同时，海量数据的出现也给数据分析处理工作人员带来更大的压力和挑战。目前，水环境自动化监测的海量数据多被搁置，并没有得到有效处理和充分利用[5]。因此，自动化实时监测数据的有效处理和价值挖掘工作已迫在眉睫。

本研究中，基于海量的水环境自动化监测数据，利用Pearson相关系数分析法研究了各指标之间的相关性关系，基于具有相关关系的监测指标，可建立一元线性回归预测模型，修补校正水环境自动化缺测时段的数据，为合理地监测水环境数据和获得完整的时间序列提供科学保障。……