基于DTW 算法與RS 技術的排污監測預警平臺構建

鐘 亮

（廣州市南沙區磨碟頭工程管理所，廣州 510000）

目前，在傳統水質區域監測中，受到污染水體中指標多、面積廣、時間長、環境復雜等情況，導致水樣在人工采集、 測試分析等存在嚴重的單一性和滯后性［1-3］；其次，運行管理中設施數據分散，難以統一管理，受多因素影響，預期分析效果差，缺乏針對異常指標監測感知預警的情況［4］，為此，構建水量排污運行智能化動態監測預警平臺， 獲取實時數據是關鍵且迫切的。

本文為實現對排污現狀的精準監測和科學管控，以統一規劃、分步實施的方式為依據，以計算機、物聯網、傳感器等現代化技術為基礎，采用動態時間彎曲距離（Dynamic Time Warping Distance，DTW）算法和遙感（Remote Sensing，RS）技術耦合協調，構建具備實時化、 智能化和科學化的一體式排污監測預警管控平臺。 該監測管控平臺系統通過RS技術整合“天-地-河”全空間雨量、液位、水質數據，可視化疊加展示各區域污水系統運行情況， 實現了智能化管控污水系統運行各相關因素監測數據［5］；通過DTW算法進一步優化解決時間序列時間點延后的問題，正確判斷兩個時間序列數據的相似性， 并通過時間分割策略來降低算法復雜度。以此，實現從區域宏觀的角度和輔助排查影響對全污水系統運行狀態和排污各類因素相關性進行監測、分析及預警。從而通過動態時間彎曲距離（DTW）算法和遙感（RS）技術實現排污動態監測。

1 排污運行動態監測預警體系設計研究分析

1.1 監測預警體系設計方案

排污運行動態監測預警平臺整體構架如圖1。

圖1 監測預警平臺總體架構

由圖1可知，平臺架構設計以“六橫兩縱”為主體，“兩縱” 包括信息安全體系、 標準規范體系，“六橫” 分別為前端感知層、基礎設施層、數據層、平臺層、應用層和展示層。其中，在前端感知層中，主要依托傳感器設備對管網液體、水質等進行分析；其次，運行動態數據經數據傳輸，經數據層統一整理、傳輸和分析水質理化性質數據、 水樣點位地理信息指標等；最后，通過排污水質監測多平臺（GIS平臺、互聯網平臺、數據庫平臺等）對動態監測數據、監測預警進行分類管理，以此，在實現排污水數據規范管理的基礎上，同時實現排污水信息實時動態監測預警，提升監測平臺安全性和功能性。

1.2 研究內容

本文以區域排污水質數據為研究對象， 構建基于動態時間彎曲距離（DTW）算法和RS技術的實時動態監測網絡一體化服務平臺， 最終實現區域水質參數的實時動態監測、 數據預測分析和報警預測管理，其研究分析主要內容如下：

（1）實時監測污水廠、管網等設備區域運行動態，并對設備數據、排污水質濃度、運行水位量進行分類匯總，進行可視化動態分析，以降低因設備故障和污染因子所引發的排污加劇現象。

（2） 實現在系統提前感知污水系統運行異常情況， 以可視化預警和報警成果進一步協助線下排查、定位影響污水系統運行問題，輔助污水處理提質增效工作開展。通過對各類在線監測數據分析，基于DTW算法分析數據各類監測數據異常相關情況，輸出相似性高的數據波段、數值及其相關方因素。

（3）在排污水質監測過程中，構建RS技術水質在線監測平臺，實現污染區域高效、精準定位。 實現地理特征、區域環境參數和排污水質結果的協同分析。

2 排污運行動態監測數據方法分析

2.1 DTW算法原理及技術設計分析

目前，在排污水質動態監測領域中，多采取DTW算法優化數據信息因空間和時間差異形成的影響，進而高效處理數據監測時間點延后問題。 DTW算法是數據時間序列的基礎表示形式， 其原理是通過優化調整DTW算法距離模式， 實現對相似度長度不均一時間序列數據進行分析比較， 進而提升運行動態監測精度。DTW算法其本質是典型的數據優化問題，在該算法訓練和識別過程中， 首先構建參考模塊和測試模塊，兩者一般同種類型的LPC系數、相同幀長、窗函數等［6］。 當時間規整函數滿足某一特定條件時，通過求解參考模塊和測試模塊間的距離最小值優化規整數據時間序列對應關系， 從而正確判斷兩段長度不均一時間序列排污數據的相似性， 實現排查影響污水系統正常運行的各類因素相關性分析總結。

DTW算法片段長度分析對比示意結果如圖2。

圖2 DTW算法表現形式示意圖

通過圖2可知，當a序列數據片段與b序列數據片段間的歐式距離達到最低， 及圖中所示ab間距離值小于ab’間距離時，其數據片段波形存在相似性，但時間序列軸距不相同，如20時間斷面處，b’點對應值非a值，其在動態監測過程中將造成數據誤差，致使數據不精準，為此，通過DTW算法進行最優歐式距離計算，以獲取區域排污相似片段（a，b片段）內的正確對應值，提高運行動態監測預警的精準性，降低傳統時間段內對齊比較距離數據的延誤性。

在DTW算法整合調整時間序列數據片段， 實現排污動態監測過程設計中， 存在一定的全局限制性條件，結果如圖3。

圖3 DTW算法限制線示意圖

通過圖3可知，時間序列實線和虛線間存在全局限制線， 即兩時間序列片段規整路徑偏離網格矩陣對角線的距離不能大于門限。在限制線的前提下，尋找最優時間序列數據片段匹配值，以此，實現對區域排污運行動態監測預警過程。

在限制線條件基礎下， 通過對齊映射分析探索不同時間序列數據片段內的DTW最優路徑（最小路徑距離），首先將實線和虛線進行相關定義，其次匹配時間序列數據點最小路徑距離， 經過規整路徑得到累加距離，如式（1）：

式中 γ（i，j）為累積距離；d（qi，cj）為當前格點距離，即點qi和cj的歐式距離與可到達該點的最小的鄰近元素的累積距離和。

2.2 RS技術動態監測設計分析

目前，在區域范圍內污水治理過程中，常通過RS技術進行時間序列動態監測。 其中，RS指遙感技術，主要通過高空接受地表目標物的電磁波信息， 并以此根據目標物電磁波特性進行地物識別、 范圍性監測預警和遠距離測控等過程。 在排污運行監測領域中，其具備靈活布置、高靈敏度、低經濟成本性特征，同時在區域水質實時動態監控中， 一定程度內解決了水質參數分布不均監測難度大和人為誤差導致的數據精準度， 對水質運行動態監測和水體排污實際情況評估極為關鍵。

2.3 “耦合協調”設計預警平臺體系

目前，在排污水質分析區域范圍、時間序列層面中，DTW算法通過歐式距離優化調整不同時間序列數據片段中最優距離， 實現了排污數據的精準性采集，提升不同時間序列層面內數據的相似性等級；而RS技術通過接受地表排污水質的目標電磁波， 進行數據特征波段、信息測繪等，不僅實現了區域范圍可監測，而且提升了排污動態監測過程。 在此基礎上，本文嘗試通過融合RS技術結合DTW算法優化時間序列數據空間、時間差異性，提升監測的魯棒性。 以RS技術DTW算法“耦合協同”機制構建區域范圍、實時動態、 精準性的排污運行監測預警平臺實現低成本、高質量、智能化的水質信息預警分析，提升排污監測預警平臺管控能力。

3 排污運行動態監測預警平臺設計實現分析

3.1 數據資源整合設計分析

排污監測預警平臺主要通過對水質數據的采集、傳輸、匯總存儲和分析過程，進而實現水質監測預警，為此，對排污數據資源的整合過程是平臺預警分析的關鍵因素。 首先，在監測數據傳輸過程中，常通過數據加密，保證排污數據的完整性和保密性。其中，數據傳輸在不同網絡層級中傳輸方式不同，對于鏈路層， 采取網絡加密和IP方式； 對于網絡系統層級，采用多種通訊協議方式。排污監測平臺中傳輸數據的安全性，一方面保障了數據的原始性，另一方面有助于數據對比分析和實時監測預警報備等。

在排污水質數據備份存儲中， 傳輸數據經過數據庫匯總，并進行備份，同時其數據庫系統本身的功能或通過系統開發的數據庫備份恢復功能， 備份方式采用增量備份或全庫備份。 在服務器中為每次備份建立在線式索引，當用戶需要恢復時，只需要點取在線式索引中需要恢復的文件或數據， 系統就會自動進行文件恢復。 不僅保證了排污運行監測平臺的安全性，還強化了時間序列數據片段監測時效性。

3.2 動態運行監測預警安全體系分析

排污運行動態監測預警平臺通過DTW算法和RS技術有效實現了監測過程及時性、 數據獲取精準性等，同時為使監測平臺穩定、長足實現動態監測過程。以科學的安全體系結構模型為依據，在保證系統安全體系的完備性、合理性的前提下，對監測平臺安全體系單元進行分析， 通過分析和綜合研究應用確定動態監測預警平臺項目指導實施的方案。 安全體系主要分為應用系統安全、數據系統安全、網絡平臺安全、物理安全和安全管理等部分。 其中，應用系統安全和數據系統安全保障了排污數據在監測中的及時性和安全性；安全管理中，有序實現了RS技術的全范圍監測數據保障等，安全管理體系的合理設計，對RS技術和DTW耦合協同的排污運行動態監測預警平臺健康運行極為關鍵。

4 結語

（1）DTW算法和RS技術能優化時間序列數據片段，提高排污實時監測動態預警效率，排除人為影響因素，實現有效排污數據解譯分析。

（2）RS技術和DTW算法耦合協調， 能有效實現時間序列數據、 范圍性數據和數據時間的斷面精準性分析的效益增值。

（3）深入分析DTW算法和RS技術耦合協調所構建的監測預警平臺，為排污水質實時動態監測、優化調整措施和監測預警提供科學理論依據。