基于DTW 算法与RS 技术的排污监测预警平台构建

钟 亮

（广州市南沙区磨碟头工程管理所，广州 510000）

目前，在传统水质区域监测中，受到污染水体中指标多、面积广、时间长、环境复杂等情况，导致水样在人工采集、 测试分析等存在严重的单一性和滞后性［1-3］；其次，运行管理中设施数据分散，难以统一管理，受多因素影响，预期分析效果差，缺乏针对异常指标监测感知预警的情况［4］，为此，构建水量排污运行智能化动态监测预警平台， 获取实时数据是关键且迫切的。

本文为实现对排污现状的精准监测和科学管控，以统一规划、分步实施的方式为依据，以计算机、物联网、传感器等现代化技术为基础，采用动态时间弯曲距离（Dynamic Time Warping Distance，DTW）算法和遥感（Remote Sensing，RS）技术耦合协调，构建具备实时化、 智能化和科学化的一体式排污监测预警管控平台。 该监测管控平台系统通过RS技术整合“天-地-河”全空间雨量、液位、水质数据，可视化叠加展示各区域污水系统运行情况， 实现了智能化管控污水系统运行各相关因素监测数据［5］；通过DTW算法进一步优化解决时间序列时间点延后的问题，正确判断两个时间序列数据的相似性， 并通过时间分割策略来降低算法复杂度。以此，实现从区域宏观的角度和辅助排查影响对全污水系统运行状态和排污各类因素相关性进行监测、分析及预警。从而通过动态时间弯曲距离（DTW）算法和遥感（RS）技术实现排污动态监测。

1 排污运行动态监测预警体系设计研究分析

1.1 监测预警体系设计方案

排污运行动态监测预警平台整体构架如图1。

图1 监测预警平台总体架构

由图1可知，平台架构设计以“六横两纵”为主体，“两纵” 包括信息安全体系、 标准规范体系，“六横” 分别为前端感知层、基础设施层、数据层、平台层、应用层和展示层。其中，在前端感知层中，主要依托传感器设备对管网液体、水质等进行分析；其次，运行动态数据经数据传输，经数据层统一整理、传输和分析水质理化性质数据、 水样点位地理信息指标等；最后，通过排污水质监测多平台（GIS平台、互联网平台、数据库平台等）对动态监测数据、监测预警进行分类管理，以此，在实现排污水数据规范管理的基础上，同时实现排污水信息实时动态监测预警，提升监测平台安全性和功能性。

1.2 研究内容

本文以区域排污水质数据为研究对象， 构建基于动态时间弯曲距离（DTW）算法和RS技术的实时动态监测网络一体化服务平台， 最终实现区域水质参数的实时动态监测、 数据预测分析和报警预测管理，其研究分析主要内容如下：

（1）实时监测污水厂、管网等设备区域运行动态，并对设备数据、排污水质浓度、运行水位量进行分类汇总，进行可视化动态分析，以降低因设备故障和污染因子所引发的排污加剧现象。

（2） 实现在系统提前感知污水系统运行异常情况， 以可视化预警和报警成果进一步协助线下排查、定位影响污水系统运行问题，辅助污水处理提质增效工作开展。通过对各类在线监测数据分析，基于DTW算法分析数据各类监测数据异常相关情况，输出相似性高的数据波段、数值及其相关方因素。

（3）在排污水质监测过程中，构建RS技术水质在线监测平台，实现污染区域高效、精准定位。 实现地理特征、区域环境参数和排污水质结果的协同分析。

2 排污运行动态监测数据方法分析

2.1 DTW算法原理及技术设计分析

目前，在排污水质动态监测领域中，多采取DTW算法优化数据信息因空间和时间差异形成的影响，进而高效处理数据监测时间点延后问题。 DTW算法是数据时间序列的基础表示形式， 其原理是通过优化调整DTW算法距离模式， 实现对相似度长度不均一时间序列数据进行分析比较， 进而提升运行动态监测精度。DTW算法其本质是典型的数据优化问题，在该算法训练和识别过程中， 首先构建参考模块和测试模块，两者一般同种类型的LPC系数、相同帧长、窗函数等［6］。 当时间规整函数满足某一特定条件时，通过求解参考模块和测试模块间的距离最小值优化规整数据时间序列对应关系， 从而正确判断两段长度不均一时间序列排污数据的相似性， 实现排查影响污水系统正常运行的各类因素相关性分析总结。

DTW算法片段长度分析对比示意结果如图2。

图2 DTW算法表现形式示意图

通过图2可知，当a序列数据片段与b序列数据片段间的欧式距离达到最低， 及图中所示ab间距离值小于ab’间距离时，其数据片段波形存在相似性，但时间序列轴距不相同，如20时间断面处，b’点对应值非a值，其在动态监测过程中将造成数据误差，致使数据不精准，为此，通过DTW算法进行最优欧式距离计算，以获取区域排污相似片段（a，b片段）内的正确对应值，提高运行动态监测预警的精准性，降低传统时间段内对齐比较距离数据的延误性。

在DTW算法整合调整时间序列数据片段， 实现排污动态监测过程设计中， 存在一定的全局限制性条件，结果如图3。

图3 DTW算法限制线示意图

通过图3可知，时间序列实线和虚线间存在全局限制线， 即两时间序列片段规整路径偏离网格矩阵对角线的距离不能大于门限。在限制线的前提下，寻找最优时间序列数据片段匹配值，以此，实现对区域排污运行动态监测预警过程。

在限制线条件基础下， 通过对齐映射分析探索不同时间序列数据片段内的DTW最优路径（最小路径距离），首先将实线和虚线进行相关定义，其次匹配时间序列数据点最小路径距离， 经过规整路径得到累加距离，如式（1）：

式中 γ（i，j）为累积距离；d（qi，cj）为当前格点距离，即点qi和cj的欧式距离与可到达该点的最小的邻近元素的累积距离和。

2.2 RS技术动态监测设计分析

目前，在区域范围内污水治理过程中，常通过RS技术进行时间序列动态监测。 其中，RS指遥感技术，主要通过高空接受地表目标物的电磁波信息， 并以此根据目标物电磁波特性进行地物识别、 范围性监测预警和远距离测控等过程。 在排污运行监测领域中，其具备灵活布置、高灵敏度、低经济成本性特征，同时在区域水质实时动态监控中， 一定程度内解决了水质参数分布不均监测难度大和人为误差导致的数据精准度， 对水质运行动态监测和水体排污实际情况评估极为关键。

2.3 “耦合协调”设计预警平台体系

目前，在排污水质分析区域范围、时间序列层面中，DTW算法通过欧式距离优化调整不同时间序列数据片段中最优距离， 实现了排污数据的精准性采集，提升不同时间序列层面内数据的相似性等级；而RS技术通过接受地表排污水质的目标电磁波， 进行数据特征波段、信息测绘等，不仅实现了区域范围可监测，而且提升了排污动态监测过程。 在此基础上，本文尝试通过融合RS技术结合DTW算法优化时间序列数据空间、时间差异性，提升监测的鲁棒性。 以RS技术DTW算法“耦合协同”机制构建区域范围、实时动态、 精准性的排污运行监测预警平台实现低成本、高质量、智能化的水质信息预警分析，提升排污监测预警平台管控能力。

3 排污运行动态监测预警平台设计实现分析

3.1 数据资源整合设计分析

排污监测预警平台主要通过对水质数据的采集、传输、汇总存储和分析过程，进而实现水质监测预警，为此，对排污数据资源的整合过程是平台预警分析的关键因素。 首先，在监测数据传输过程中，常通过数据加密，保证排污数据的完整性和保密性。其中，数据传输在不同网络层级中传输方式不同，对于链路层， 采取网络加密和IP方式； 对于网络系统层级，采用多种通讯协议方式。排污监测平台中传输数据的安全性，一方面保障了数据的原始性，另一方面有助于数据对比分析和实时监测预警报备等。

在排污水质数据备份存储中， 传输数据经过数据库汇总，并进行备份，同时其数据库系统本身的功能或通过系统开发的数据库备份恢复功能， 备份方式采用增量备份或全库备份。 在服务器中为每次备份建立在线式索引，当用户需要恢复时，只需要点取在线式索引中需要恢复的文件或数据， 系统就会自动进行文件恢复。 不仅保证了排污运行监测平台的安全性，还强化了时间序列数据片段监测时效性。

3.2 动态运行监测预警安全体系分析

排污运行动态监测预警平台通过DTW算法和RS技术有效实现了监测过程及时性、 数据获取精准性等，同时为使监测平台稳定、长足实现动态监测过程。以科学的安全体系结构模型为依据，在保证系统安全体系的完备性、合理性的前提下，对监测平台安全体系单元进行分析， 通过分析和综合研究应用确定动态监测预警平台项目指导实施的方案。 安全体系主要分为应用系统安全、数据系统安全、网络平台安全、物理安全和安全管理等部分。 其中，应用系统安全和数据系统安全保障了排污数据在监测中的及时性和安全性；安全管理中，有序实现了RS技术的全范围监测数据保障等，安全管理体系的合理设计，对RS技术和DTW耦合协同的排污运行动态监测预警平台健康运行极为关键。

4 结语

（1）DTW算法和RS技术能优化时间序列数据片段，提高排污实时监测动态预警效率，排除人为影响因素，实现有效排污数据解译分析。

（2）RS技术和DTW算法耦合协调， 能有效实现时间序列数据、 范围性数据和数据时间的断面精准性分析的效益增值。

（3）深入分析DTW算法和RS技术耦合协调所构建的监测预警平台，为排污水质实时动态监测、优化调整措施和监测预警提供科学理论依据。