基于多維特征的環境監察數據異常識別研究

沈奇銘

（湖州市生態環境局長興分局 浙江 湖州 313100）

0 引言

從環境保護的角度出發，對環境進行監測成了分析環境發展趨勢以及制定相關防治措施實施的重要基礎[1]。在此背景下，對監察數據進行準確分析成了相關環境管理部門需要重點關注的問題之一[2]。值得注意的是，環境執法只有以真實的環境數據為基礎才能夠確保其合理性。受監察技術等多種因素的影響，監測數據中的異常值往往難以通過直觀的方式獲取到[3]，不僅如此，在環境自身屬性特征所涵蓋的多個維度也使得環境監察數據異常的識別難度增加[4]。在此基礎上，為了對環境狀態做出準確判斷，展開環境監察數據異常識別的研究是十分必要的[5]。針對該問題，需要綜合分析環境的溫度、氣候等諸多因素帶來的影響[6]，以此分析環境監察數據異常識別值。由此不難看出，在對環境監察數據異常值進行分析的過程中，結合具體的影響因素，從多個維度進行全面分析是保障識別結果可靠性的重要基礎。

為此，本文提出基于多維特征的環境監察數據異常識別方法，并通過試驗測試分析驗證了所設計方法的實際應用效果。借助本文的研究，希望可以為相關環境管理工作的開展提供有價值的參考。

1 環境監察數據異常識別方法設計

1.1 監察環境多維特征提取

在對單一監察環境數據異常情況進行識別時，單純地根據數據的變化情況對其作出判斷可靠性較低，在實際中，影響目標監察數據的因素是多元化的[7]，而在多個因素的共同作用下，從宏觀角度分析數據的動態變化是合理的。結合該理論，本文在進行數據異常識別前，提取了監察環境的多維特征。

假設環境監察數據為A，與其直接或間接相關的因素分別為B和C，則下述關系式成立：

其中，a表示環境監察數據的原始基準參量，w1和w2分別表示影響因素B和C對目標監察數據A的影響權重系數，k1和k2分別表示影響因素B和C對目標監察數據A的作用強度，λ表示環境監察目標的抗擾動系數，e表示環境監察目標的自衰減系數，該數據以實際的環境情況為基準，當監察環境自身具有靜態屬性時，e的取值結果為0。

在此基礎上，分析當數據A變化時對應影響因素的各參量變化情況，通過這樣的方式即可實現對影響監察目標各個指標作用特征的提取。但是需要注意的是，環境影響因素本身具有不穩定性，因此本文為了提高后續分析的準確性，以單位環境監察數據辯護值對應的影響因素參量為基準[8]，對監察環境多維特征提取進行提取，其計算方式可以表示為

其中，ΔA表示環境監察數據單位變化量，TB表示影響因素B的特征參量，TC表示影響因素C的特征參量。

通過這樣的方式，計算得到監察環境多維特征，為后續的數據異常識別提供判斷基礎。

1.2 環境監察數據異常識別

在上述基礎上，本文對環境監察數據異常識別是根據目標數據與影響因素之間的擬合關系實現的。在1.1部分已經得到了不同因素的特征參量，那么，對環境監察數據的分析方式可以表示為

其中，A＇表示實際的環境監察數據參量，ε表示理想數據結果與實際數據之間的差值?？紤]到環境的發展本身具有一定的規律，因此在不受異常干擾的條件下，連續監察數據對應的ε應表現出相同的發展趨勢，結合這一特點，本文以差值的變化程度Δε為基準對數據異常進行判斷。

則認為此時的環境監察數據為異常值。根據本文設置的判斷標準可以看出，為了確保識別結果的準確性，本文將2.0%設置為允許波動閾值范圍，通過這樣的方式避免由于過擬合情況導致的正常數據被識別為異常的情況。但是需要注意的是，由于不同環境、不同數據的監察標準不同，因此對于允許閾值范圍可以根據實際情況進行差異化設置，以此確保識別結果與實際需求具有較高的一致性。

通過這樣的方式，實現對環境監察數據異常的有效識別，為實際的環境管理工作提供可靠的決策基礎。

2 應用測試與分析

在上述設計的基礎上，為了能夠更加直觀地分析本文設計基于多維特征的環境監察數據異常識別方法的應用效果，進行了試驗測試，并分別將王慎陽等[5]和左松林等[6]提出的識別方法作為測試的對照組，通過分析三種方法的識別結果，對不同方法的環境監察數據異常識別效果做出客觀評價。

2.1 測試數據準備

本文以某區某污水處理廠污染物不同月份10天內的數據測量結果為基礎訓練數據，具體的數據信息如表1所示。

表1 監察數據統計表 單位：mg/L

在此基礎上，對污水處理廠在監察期間的排污量、污水處理劑的使用量，以及具體的運行環境的溫度參數、濕度參數進行統計。在此基礎上，采用三種方法對于表1中的異常情況進行識別，以此獲取不同方法下哪種環境監察數據異常識別效果好。

2.2 測試結果與分析

根據上述的基礎數據，采用三種方法對異常數據進行識別。在評價識別結果階段，本文將識別準確率作為具體的指標，其計算方式可以表示為

其中，P表示數據異常識別的準確率，x表示準確識別的異常數據總量，X表示實際異常數據總量。

以此為基礎，統計了三種方法的識別結果，對應的具體情況如圖1所示。

圖1 不同方法識別結果對比圖

從圖1中可以看出，在三種測試方法中，王慎陽等[5]方法的識別準確率具有較高的穩定性，在測試的6組數據中，測試結果最大波動幅度為15.0%，環境監察數據異常識別的準確性始終穩定在55.0%～70.0%之間。相比之下，左松林等[6]方法雖然對部分測試組數據異常的識別結果準確率達到了75.0%以上，但是其表現出了較為明顯的不穩定性。其中，對5月份數據異常的識別準確率僅為44.96%，處于較低水平。在本文方法的測試結果中，對數據異常情況的識別準確率始終穩定在80.0%以上，其最大值達到了90.0%以上，表明本文方法能夠對環境監察數據中異常的有效識別，這是由于本文在對數據進行分析階段，對影響監察數值結果的因素進行了綜合分析，對數據異常的判斷結果具有較高的準確性。

根據測試結果可驗證，本文設計的基于多維特征的環境監察數據異常識別方法的準確率較高，可以在實際的環境數據分析中發揮其重要作用。

3 基于多維特征的環境監察數據異常處理與原因分析

3.1 異常處理

當出現數據異常狀況的時候首先就要查出原因，依據環境、人為等因素進行分析，對于潛在問題要由異常數據出發，不能夠忽略各種因素對數據進行分析。監測污染源涉及的數據通常采樣5個，可以忽略其中2個。異常數據具有不同類型，有針對性地進行處理，監測數據與環境要保持一致性，詳細說明存在的原因，同時將結果進行反饋，之后強化對環境的監測監管。誤差導致的監測數據異常情況，可以在保障監測數據充足的前提下忽略異常數據，對于其他數據進行詳細分析。當由于是忽略的數據導致的不充分狀況的時候，可以重新進行監測，將數據需求進行補充，最大限度地保障數據的準確性。當異常數據的原因不能夠確定的時候，重新監測，對于監測過程中涉及的儀器、條件、影響因素等都要詳細地記錄，保障再次監測獲取到的數據能夠追溯其源頭，做出相關處理。

3.2 原因分析

由于行為不規范或質量不符合實際采集的樣本，使得采集的數據與實際不符或與實際數據差異較大，監測數據與實際數據的偏差較大，如對水面、河流橫斷面、采樣、排污口斷面進行監測，此類數據往往是一般數據，無法真實反映河流的污染狀況，這是由于采樣地點不符合相關標準造成的。例如，在對除塵器部分進行采樣時，如果僅對擋板上的灰塵進行采樣和分析，則監測濃度通常非常高。樣品采集后，需要將樣品運至專門的環境實驗室，無法進行現場監測和分析。這樣，如果樣品在運輸過程中受到某些污染或天氣因素的影響，分析結果的客觀真實性將大大降低，并且獲取的監測數據與真實數據存在很大差異。如果某些試劑有助于保存和運輸，則不添加；需要強化的樣品試劑未強化；需要冷凍運輸的樣品在運輸和儲存期間沒有冷凍和交替污染，這導致獲得的數據存在很大偏差。當采樣時間和采樣不符合相關環境監測標準的要求時，或者如果設備和儀器過時且無法收集和處理，則獲取的數據不能代表分級數據或反映環境質量因素。如果采樣時間符合要求，在生產排放不穩定的情況下，過短的采集時間往往無法采集排放的污染物。在低負荷運行的情況下，不僅監測數據容易出現異常，而且污染物也不會被收集。

4 防止環境監察數據異常措施

4.1 強化責任意識

環境監察隊伍的建設要突出專業素質，樹立責任意識，這樣才能夠保障環境監察結果的科學性，而對于監察人員的選拔也要實施高標準。監察人員的職業道德、責任體現出其愛崗敬業，環境監察各個環節都要嚴格遵守要求，在整體上把控監察流程。構建以增強監察結果為目標的工作模式，降低數據異常情況的發生。特別是在樣品采集、運輸、存儲等過程，降低人為等因素的干擾。對專業知識要展開詳細的學習，增強樣品采集的真實性、代表性，明確樣品缺失等問題，合理控制監察頻率，選擇合適的監察時間，依據環境實際情況做好生產技術的應用，使環境監察具有正確性。

4.2 提高監測專業水平

環境監察質量和數據準確性都能夠體現出工作人員的專業水平，特別是在面對復雜環境狀態下，數據處理的難度會進一步增加，這就要求監察人員能夠以高水準開展環境監察工作。而環境監察機構要做好人才的引進工作，突出高素質、強責任心等人才的選拔。對于當前在職的監察人員也要開展全面的業務培訓工作，保障一定數量的培訓活動使監察人員在其中獲取到新知識，監察人員對于數據處理、分析等能力也會隨之提升，即便是面對突發數據異常情況也能夠冷靜的處理。及時淘汰舊設備，更新設備能夠提高環境監察數據的準確性，環境監察機構要加大對于設備更新的資金投入，改善工作環境，使監察人員工作積極性提升，這也是減少數據異常的重要措施。

4.3 加強數據審核

數據異常會發生在環境監察的不同環節，而突出多維特征，建立多層次的數據審計體系能夠減少數據異常情況發生的幾率，環境監察機構要對數據異常情況進行追根溯源，在層層審計過程中能夠確認環境監察報告存在的根本問題。針對發生的數據異常問題監察人員能夠及時地展開調查，分析哪一環節出現異常，針對數據類型的差異化制定針對性解決措施，提供全新的可行性途徑，最大化地降低類似事件在今后的工作中再次發生的概率。

4.4 樣品運輸與保存規范性

現場進行采樣完成之后要立刻將其運送到環境監察實驗室，而在這個過程中樣品很容易受到外界因素干擾造成嚴重的污染，使分析結果真實性受到影響。而一些樣品在運輸中由于在低溫環境會添加固定劑，這是為了能夠保障監察數據不受到影響，但是由于工作疏忽等導致交替污染情況的發生，也可能在實驗室檢測當中出現誤差。為了能夠最大限度的杜絕類似事件的出現，要強化采樣技術規范，在采樣完成之后盡快投入到實驗室進行分析，避免樣品保存時間過長。

5 結語

作為環境監察數據處理的重要環節之一，對異常值進行準確識別是保障后續相關環境治理措施能夠合理實施的重要保障。為了提升環境監察數據異常識別的準確率，本文提出基于多維特征的環境監察數據異常識別方法，從多個維度綜合對環境監察數據進行分析，實現了對環境監察數據異常情況的準確識別。實驗結果表明，該方法能夠提高了環境監察數據異常識別效果，可以為實際的環境管理工作提供可靠的決策支持。通過本文的研究內容，希望可以為相關環境監察數據處理工作的開展提供有價值的參考，助力環境保護工作能夠更加科學、合理地開展。