水质监测数据时间序列的时域和频域分析_刘兰玉.pdf

第35卷第11期人民黄河Vol．35，No．11
2013年11月YELLOWＲIVEＲNov．，2013

【水资源·水环境】

水质监测数据时间序列的时域和频域分析

刘兰玉1，王玲玲2，安贝贝1，刘姣姣1，龚立1

(1．重庆市环境科学研究院，重庆401147;2．黄河水利科学研究院，河南郑州450003)

摘要:以2010年某河流5个自动监测水质断面主要污染指标高锰酸盐指数和氨氮、总磷、总氮日均浓度为研究对象，
将时域和频域分析方法综合应用在水质自动监测数据的时间序列分析中，利用小波变换的多尺度、时频相结合的特点，
并结合断面月均浓度变化规律，揭示出该河流多个监测断面主要污染物具有10d左右的周期行为。
关键词:时域分析;频域分析;傅里叶变换;小波分析;水质监测
中图分类号:X832文献标志码:Adoi:10．3969/j．issn．1000-1379．2013．11．019

AnalysisofTimeDomainandFrequencyDomainofWaterQualityMonitoringDatain
TimeSeries
LIULan-yu1，WANGLing-ling2，ANBei-bei1，LiuJiao-jiao1，GONGLi1
(1．ChongqingAcademyofEnvironmentalSciences，Chongqing401147，China;
2．YellowＲiverInstituteofHydraulicＲesearch，Zhengzhou450003，China)

:，，
AbstractTakingtheaveragedailyvaluesofCODMnNH3－NTPandTNof5sectionsofwaterqualityautomaticmonitoringinacertainriverin
2010forstudyobjects，thispaperappliedtimedomainandfrequencydomainanalysismethodsinthetimeseriesanalysisofpollutantconcentration．
Combinedwiththevariationruleofthesectionalaveragemonthlypollutantconcentrationandthewaveletanalysis，thispaperrevealedthe10days
periodicactivityofmainpollutantsinseveralwaterqualitymonitoringsections．
Keywords:timedomainanalysis;frequencydomainanalysis;Fouriertransform;waveletanalysis;waterqualitymonitoring

水质监测频次过多将增加人力、物力负担，频次过少则会
使监测数据失去代表性和可靠性，因而通过对水质监测数据进1时域分析
行时间序列分析，得到流域水质格局特征，合理设定监测频次，
时间域分析方法是从时间序列模型出发，获得数据的动态
将对水环境监测有着重要意义。
变化规律。用自相关函数进行时间序列的自相关定性检验，利
传统的多元统计分析方法是通过对水质时空监测数据的
用MATLAB软件中的Autocorr函数计算并画出置信区间下单
分析来提取地表水质在时间和空间的相关关系，进而识别引起
变量时间序列的自相关函数图。
时空变异的主要污染源［1］多元统计分析方法总是假设时间
。对5个断面主要污染指标高锰酸盐指数和氨氮、总磷、总
上的数据或者空间上的点是独立的，而水质时间数据存在一定氮日均浓度时间序列去均值(即归一化)后的自相关函数进行
的延续性，仅描述其时间或空间的相似性是不够的，还需要用
分析，得出ACF(AutocorrelationFunction)自相关函数图，可以
能够定量表征水质污染时间变化模式的方法进行研究。看出这几个断面的主要污染物时间序列没有明显的周期性变
水质监测数据的时间序列分析主要包括时域和频域分析。化趋势。
时域分析方法通过描述时间序列的自相关结构，获得数据的动
态变化规律。该方法相对简单，且容易理解，国外已将其广泛2频域分析
应用于水质时间序列分析的研究［2］。频域分析方法以傅里叶
根据频域分析方法中常用的傅里叶变换和小波分析对5
变换分析和小波分析最为普遍，用来表征信号的周期行为或者
［］
多尺度时间格局特征3－5。收稿日期:2012-12-03
基金项目:国家水体污染控制与治理科技重大专项(2009ZX07528－003－06)。
本文以2010年某河流5个断面(分别用代码A、B、C、D、E
作