超越基线异常检测：基于在线流式细胞术与可解释人工智能利用Isolation Forest实现微生物水质无基线异常识别

《Water Research》：Beyond baselines for anomaly detection: Isolation Forest for baseline-free identification of anomalies in microbial water quality using online flow cytometry and explainable AI

　　

流式细胞术(FCM)可优化并补充传统基于培养的方法以监测饮用水微生物质量，但数据分析主要依赖随时间累积的基线偏差观测（基于细胞计数和/或核酸含量），未考虑微生物群落更复杂的偏移。FCM提供的多参数数据可传递更细致的微生物水质信息，但由于数据无标签、稠密且受季节、水文气象及运行变化影响，解释难度较大。研究人员采用计算成本低廉的无监督多变量异常检测算法Isolation Forest(IF)，对两处地理差异显著的场地地下水微生物质量相关的13,951条低分辨率FCM指纹进行解释。归一化与非归一化特征分别捕获两类异常，对IF模型施加SHAP分析识别出驱动异常的指纹区域。由于数据来自运行中的开采井，无法获得异常真值标签，研究人员将所指认异常与环境及运行数据关联，继而用Random Forest(RF)分类模型基于环境与运行数据预测异常标签进行间接评估，准确率达约90%。随后对RF模型进行SHAP分析，识别出符合场地特定水文与微生物领域知识的重要特征。因此，IF结合SHAP与可解释人工智能(XAI)可为微生物水质监测中场地特异性微生物异常识别与解释提供无基线方法，同时关联领域知识以支持决策与运行操作，改进开采井管理。

研究背景方面，欧洲饮用水指令(EDWD 2020/2184)要求保障饮用水微生物质量，传统基于异养平板计数(HPC)的培养法需2至4天、成本高且无法反映不可培养微生物的真实状况，存在公共健康风险隐患。流式细胞术(FCM)能快速、在线、自动化地给出总细胞计数(TCC)、高核酸(HNA)与低核酸(LNA)含量等指标，但现行做法多依赖TCC与HNA的均值±标准差或四分位距基线报警，假设数据正态分布且对离群值敏感，难以容纳饮用水系统中随季节、水文事件与空间位置变化的复杂微生物群落动态。已有研究尝试Bray-Curtis相异度、聚类分析或距离基在线离群检测，但仍受限于真实场景中季节性等背景波动与无通用阈值问题。无监督算法可在无标签条件下从整体数据辨识异常，其中Isolation Forest(IF)因计算廉价、擅长高维、树形易解释而被选为主力。本研究据此提出一种不依赖基线、面向多参数FCM指纹、并用可解释人工智能(XAI)闭环解释异常由来的框架，论文发表于《Water Research》。

关键技术方法上，研究人员在冰岛两处水文地质差异显著的地下水开采场（雷克雅未克Heiem?rk保护区内浅层V5井，西冰岛Grábrókarhraun(GB)场地两口30至36米井）布设BactoSense在线FCM，采集2019至2025年共13,951个FCS文件；同步获取气象站与土壤传感器运行数据。指纹经对数化门控后叠加10×10像素栅格得100特征，分非归一化（体积校正原始计数）与行归一化两套输入。主算法为默认参数IF，对照Local Outlier Factor(LOF)与Support Vector Machine(SVM)；异常标签再交由Random Forest(RF)基于环境/运行变量反向预测，以准确率、敏感度、精度与留一交叉验证(LOOCV)间接评估。解释端对IF与RF均施SHAP TreeExplainer，特征间Spearman相关系数>0.8者剔除以稳解释。

研究结果部分，“Isolation Forest：一种高效识别基于指纹异常的算法”小节指出，V5在非归一化特征下指认806条(8.1%)异常、归一化下113条(1.1%)，显示该场异常多源于TCC极端化；GB非归一化404条(10.6%)、归一化151条(4.0%)，异常更频发且多变。非归一化异常多与高TCC连续出现，归单事件延长污染；归一化异常不随HNA百分比走，呈散发性，证明仅HNA/LNA比不够，须用全指纹。V5异常聚冬春融雪期，GB因湖渗补给水文耦合弱而季节性不明显。“无监督Isolation Forest后处理：SHAP分析识别驱动异常像素”小节中，非归一化时主菌群所在高计像素推正常判定，周边低计像素与像素39推异常；归一化时GB的HNA区像素转推异常，说明两套特征捕获不同机理——前者抓总量突增，后者抓群落结构偏移，故两者并行必要。

讨论与结论翻译：应用IF算法及水务部门应如何处理异常信息仍待完善。FCM所检异常代表整个微生物群落变动，在群落与病原体关系未明前不能直接等同微生物风险；浴水中活大肠杆菌(E. coli)与群落相关表明若污染本身即群落风险则可建立指纹—风险联系。一般而言异常不一定意味风险，而应作为进一步核查偏差的指标，比培养法更及时，助力高效响应。超参数如预期污染率与异常分数阈值可按井史调节——高变井调灵敏，稳态井调迟钝。研究表明，Isolation Forest辅以SHAP与可解释人工智能(XAI)能为微生物水质监测提供无基线、场地特异的异常识别与解释路径，并将结论锚定至水文与微生物领域知识，支撑开采井运行决策。