(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211264807.7 (22)申请日 2022.10.17 (71)申请人 水利部信息中心 地址 100053 北京市西城区白广路二条1号 (72)发明人 王卓然　刘杰　卢洪健　孙龙　 杨桂莲　 (74)专利代理 机构 北京盛广信合知识产权代理 有限公司 161 17 专利代理师 刘化帅 (51)Int.Cl. G06K 9/62(2022.01) G01C 13/00(2006.01) (54)发明名称 一种大量地下水实时自动监测数据自动识 别和处理的方法 (57)摘要 本发明涉及一种大量地下水实时自动监测 数据自动识别和处理的方法， 包括： 基于第一数 据处理规则， 对接收到的地下水监测数据进行初 步筛选， 获取第一数据集； 基于监测站点的埋深 值， 设置第二数据处理规则， 通过第二数据处理 规则对第一数据集进行筛选， 得到第二数据集； 通过连续监测时长的差异， 对第二数据集进行分 类处理和筛选， 获取可疑数据集； 通过比测的方 法对可疑数据集进行人工确认， 并采用直线插补 法对可疑数据集中的缺失值进行处理， 获取最终 数据。 本发 明实现地下水监测过程中假埋深的自 动识别， 实现了地下水监测过程中错误数据的自 动识别和处理， 且能够对于不同长度序列的可疑 数据进行识别。 权利要求书2页 说明书6页 附图1页 CN 115545112 A 2022.12.30 CN 115545112 A 1.一种大量 地下水实时自动监测数据自动识别和处 理的方法， 其特 征在于， 包括： 基于第一数据处 理规则， 对接收到的地下 水监测数据进行初步筛 选， 获取第一数据集； 基于监测站点的埋深值， 设置第二数据处理规则， 通过所述第二数据处理规则对所述 第一数据集进行筛 选， 得到第二数据集； 通过连续监测时长的差异， 对所述第二数据集进行分类处 理和筛选， 获取可疑数据集； 通过比测的方法对所述可疑数据集进行人工确 认， 并采用直线插补法对所述可疑数据 集中的缺失值进行处 理， 获取最终数据。 2.根据权利要求1所述的大量地下水实时自动监测数据自动识别和 处理的方法， 其特 征在于， 所述第一数据处 理规则包括 埋深数据处 理规则和水位数据处 理规则； 其中， 所述埋深数据处理规则包括： 埋深监测值小于等于0但监测井非自流井； 埋深监 测值大于井深； 埋深监测值 等于水位 值但地面高程不为0； 所述水位数据处理规则包括： 水位值大于地面高程但非自流井； 水位值等于埋深值但 地面高程不为0。 3.根据权利要求2所述的大量地下水实时自动监测数据自动识别和 处理的方法， 其特 征在于， 获取 所述第一数据集包括： 基于所述第一数据处理规则， 对所述地下水监测数据进行初步筛选， 将符合所述埋深 数据处理规则和所述水位数据处 理规则的数据剔除， 获得 所述第一数据集。 4.根据权利要求1所述的大量地下水实时自动监测数据自动识别和 处理的方法， 其特 征在于， 所述第二数据处 理规则为 假埋深自动识别， 所述 假埋深自动识别的方法包括： 将地面高程值GREL、 监测埋深值BD、 监测水位值Z进行比较， 若监测水位值Z＝地面 高程 值GREL‑监测埋深值BD， 则埋深为真埋深； 若监测水位值Z＝固定点高程值FPEL ‑监测埋深值 BD， 则监测埋深为 假埋深。 5.根据权利要求4所述的大量地下水实时自动监测数据自动识别和 处理的方法， 其特 征在于， 获取 所述第二数据集， 包括： 将所述第一数据集中符合所述第二数据处 理规则的数据剔除， 获取 所述第二数据集。 6.根据权利要求1所述的大量地下水实时自动监测数据自动识别和 处理的方法， 其特 征在于， 对所述第二数据集进行分类处 理包括： 通过所述连续监测时长的差异， 设定预设阈值， 基于所述预设阈值对所述第二数据集 进行分类， 得到分类数据集一、 分类数据集二和分类数据集三； 其中， 所述预设阈值包括第 一阈值、 第二阈值和第三阈值。 7.根据权利要求6所述的大量地下水实时自动监测数据自动识别和 处理的方法， 其特 征在于， 对所述分类数据集 一进行处 理包括： 通过确定异常值发生的位置， 获取 可疑数据， 计算所述异常值发生的位置的方法为： 其中， K表示异常值集合， y(t)表示按照时间发生顺序总长为T的第t个监测值， Q1、 Q3分权　利　要　求　书 1/2 页 2 CN 115545112 A 2别为T个监测值的第一和第三四分位数， Δy(t)＝y(t+1) ‑y(t)， n为 经验值。 8.根据权利要求6所述的大量地下水实时自动监测数据自动识别和 处理的方法， 其特 征在于， 对所述分类数据集 二进行处 理包括： 采用时间序列预测方法进行可疑数据筛选， 选用ETS(A,N,N)模型、 ETS(A,A,N)模型、 ETS(M,A,N)模型、 Holt ‑Winters指数无季节项、 ARIMA方法分别进行模拟， 计算AIC和BIC值， 选取AIC和BIC最小的模型进行拟合优度检验； 通过检验的模型确 定为最终模型一， 将分类 数据集二输入所述最 终模型一， 将所述最终模型一的预测结果与进入分类数据集二中的实 时监测数据进行对比， 若所述实时监测数据大于预测值， 则判定为可疑数据。 9.根据权利要求6所述的大量地下水实时自动监测数据自动识别和 处理的方法， 其特 征在于， 对所述分类数据集 三进行处 理包括： 采用特征值法和季节时间序列预测的方法叠加进行可疑数据筛选， 季节时间序列 预测 为使用加法模 型、 乘法模 型或混合模 型处理ARIMA方法模型中的趋势因素、 季节 性因素和不 规则因素， 确定季节性与非季节性差分数， 对季节性模型进 行定阶， 所述模型定阶的总体原 则为AIC、 BIC最小； 使用Ljung_Box  Q检验方法检验模型残差白噪声； 通过检验的模型确定 为最终模型二， 将分类数据集三输入所述最 终模型二， 获得预测结果， 将所述预测结果与进 入分类数据集三中的实时监测数据进行对比， 若实时监测数据大于预测 值， 则与历年特征 值相比较， 若超出历年特 征值， 则判定为可疑数据。 10.根据权利要求1所述的大量地下水实时自动 监测数据自动识别和处理 的方法， 其特 征在于， 所述方法还 包括： 基于 评价规则对所述 最终数据进行综合成果校验及评价； 其中， 所述评价 规则， 包括： 区域地下水动态变化和区域水文动态是否一 致； 同一含水层各监测站之间的监测资料对比是否合理， 相邻的相同含水层监测数据 是否 具有相同的变化趋势； 自动监测站日常运维对比观测资料 是否与使用的实时监测数据相一 致。权　利　要　求　书 2/2 页 3 CN 115545112 A 3