《Journal of Water Process Engineering》：Adaptive multi-sensor water quality monitoring system with anomaly-filtered baseline modelling and autonomous decision control
编辑推荐：
•经异常过滤的 EWMA 基线可防止被污染的读数破坏参考模型。•两层异常检测将阈值规则与增量式孤立森林相结合，以实现稳健的传感。•随机森林分类器在"安全、不安全、不确定"三种水状态分类中达到 97.3% 的准确率。•在 ESP32 上实现自主 STORE/REJECT/DEL
- •
经异常过滤的 EWMA 基线可防止被污染的读数破坏参考模型。
- •
两层异常检测将阈值规则与增量式孤立森林相结合，以实现稳健的传感。
- •
随机森林分类器在"安全、不安全、不确定"三种水状态分类中达到 97.3% 的准确率。
- •
在 ESP32 上实现自主 STORE/REJECT/DELAY 决策控制，具备三种上下文感知模式。
- •
采用带动态可靠性评分的传感器融合机制，在传感器退化情况下仍能保持 95.8% 的检测能力。
引言
获得安全的饮用水仍然是 21 世纪最紧迫的全球性挑战之一。据世界卫生组织（WHO）统计，约有 20 亿人饮用受污染水源的水，水传播疾病每年导致超过 50 万人死亡 [1]。在发展中国家，由于基础设施不足、季节性变化以及处理工艺欠佳，民用供水系统尤其容易受到污染。因此，在用水点或储水点实施实时水质监测对于公共健康与安全具有至关重要的意义。
传统的水质监测系统主要依赖于针对瞬时传感器读数所施加的固定阈值比较。尽管这类方法能够提供基本的检测能力，但仍存在若干根本性局限。首先，传感器测量值通常被孤立地评估，未考虑时间依赖性和历史上下文。其次，对噪声、传感器漂移和瞬态干扰的高度敏感性会导致误报或漏检。第三，现有系统缺乏评估单个传感器读数可信度的机制，从而在故障条件下降低可靠性。第四，大多数水质监测系统纯属被动响应式，在任何纠正措施执行前都需要人工干预 [2]、[3]。
随着物联网（IoT）的兴起以及嵌入式计算领域的进步，如今已有可能开发出更智能的水质管理方法。换言之，最新的微控制器设备已具备足够的计算能力，可执行本地算法处理；同时借助无线连接，可通过云技术对水质进行远程监测 [4]。然而，目前大多数基于 IoT 的解决方案仍然依赖静态阈值逻辑进行决策。
本研究提出了一种新颖的自适应多传感器水质监测系统，通过单一的多层方法解决上述挑战。该方案包含四个主要算法模块：带有异常过滤的自适应基线估计、多参数异常识别、预测性分类，以及上下文自主决策控制。
本研究的主要贡献如下：
- •
一种经异常过滤的自适应基线建模方法，可防止错误数据扭曲系统参考模型。
- •
一个多维异常检测层，可同时评估偏差、时间变化率以及跨传感器一致性。
- •
一个预测性分类模块，可基于当前和历史传感器数据进行主动决策。
- •
一个上下文感知的自主决策控制单元，可根据系统上下文动态选择运行模式。
- •
一种带有动态可靠性评分的加权传感器融合机制，可提高对传感器退化和读数冲突的抗扰能力。
需要说明的是，本研究采用的各个算法组件——EWMA 基线建模、基于阈值的检测、孤立森林、随机森林分类以及基于规则的决策控制——均为已有方法。本研究的新颖之处在于：(i) 对 EWMA 基线进行异常过滤的选择性更新，可防止被污染的读数破坏参考模型，这一机制在本研究所回顾的水质监测文献中未曾发现；(ii) 在资源受限的 ESP32 微控制器中，统一嵌入式实现全部五个模块，且不依赖云端；(iii) 面向家庭用水管理应用设计的上下文感知三模态自主决策控制框架。
本文组织结构如下：第 2 节综述相关工作；第 3 节描述系统架构；第 4 节给出实验结果；第 5 节进行讨论；第 6 节为结论。
章节摘要
基于阈值的监测系统
早期的自动化水质监测系统依赖于单参数阈值比较。Wen 等人开发了一种评价气候变化对环境影响的新方法，利用针对农村供水的 pH 与浊度监测系统展示了低成本嵌入式传感的可行性 [3]。然而，类似系统本质上是被动的，且在正常的季节性波动期间会产生较高的误报率，从而带来负面影响 [5]。Rasin 和 Abdullah [2] 报告了……
系统架构与方法
所提出的系统采用多层自适应框架结构，由五个功能模块组成：(i) 数据采集与预处理；(ii) 自适应基线建模；(iii) 异常检测；(iv) 带传感器融合的预测性分类；(v) 上下文感知决策控制。图 1 展示了完整系统的框图及各功能单元之间的互联关系。传感单元包含与微控制器接口连接的 pH、浊度、TDS（总溶解固体）以及电化学传感器……
结果与性能评估
所提出系统的性能通过两个互补阶段进行评估。首先，使用由实验室级参考物质制备的真实水样，将物理 ESP32 原型与经认证的参考仪器进行比对，以确认硬件在传感器规格范围内正常运行。其次，对完整的算法框架——包括自适应基线建模、异常检测、预测性分类、传感器融合以及自主决策控制——进行了验证……
讨论
实验结果清楚地表明，与传统阈值方法相比，所提出的方法具有显著优势。该方法最大的优势在于采用了经异常过滤的参考模型技术：由于将错误测量值从更新过程中剔除，可在长时间运行期间保证稳定的性能。这一能力在第 2 节所回顾的所有既有系统中均不存在。表 10 提供了……
结论
本研究提出了一种自适应多传感器水质监测系统，在统一的嵌入式框架内集成了经异常过滤的基线建模、多参数异常检测、预测性分类、带动态可靠性评分的传感器融合，以及上下文感知自主决策控制。
实验评估表明，对明显污染事件的分类准确率为 97.3%，异常检测率为 95.8%，误报率为 3.2%。……
CRediT 作者贡献声明
Apoorva Aggarwal：撰写——审阅与编辑、撰写——初稿、指导、项目管理、概念构思。Kushagra Khajuria：方法论、调查研究、形式化分析、概念构思。Aarush Jha：资源、形式化分析、数据整理。Jayesh Kumar Sinha：验证、软件、调查研究、数据整理。
利益冲突声明
作者声明不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。
Apoorva Aggarwal|Kushagra Khajuria|Aarush Jha|Jayesh Kumar Sinha
