水质安全问题关系国计民生,水质污染事件不仅破坏了当地的水体环境,也严重影响到居民的管网水饮用安全。传统的化学法等水质异常检测手段往往费时且可能会造成二次污染。利用紫外吸收光谱法具有可现场原位检测、耗时较少、无二次污染等特性和优点,本文开展了基于紫外吸收光谱的在线水质异常检测方法研究,着重研究讨论了应用紫外吸收全光谱分析方法如何克服噪声干扰和基线漂移、水质背景波动、工况突变等因素的影响,从而提升对水质污染异常的检出和判别能力。论文的主要工作和创新点如下:(1)开展了面向噪声干扰和基线漂移的水质光谱异常检测方法研究,提出了分析紫外吸收全光谱数据的水质异常检测算法。该方法首先采用Savitzky-Golay(S-G)卷积平滑法进行管网水质紫外吸收光谱平滑滤波,并利用光谱数据均值中心化去除野值点和散射,应用非对称最小二乘法进行了光谱基线校正;进而采用主成分分析法(PCA)对光谱数据进行降维和特征提取,对正常水质构成的训练矩阵通过自适应优化后建立PCA模型,然后结合残差空间的Q统计量检出水质离群点(序列),最后通过分析序列中离群点的密度等时序特征来确定水质异常概率。通过管网水污染物注入实验对不同预处理方法的异常检测效果进行了对比分析,验证了所研究方法对于消除不同类型噪声和基线漂移状况是有效的。(2)针对长期水质背景波动的影响,对水质紫外光谱异常检测方法进行了优化。首先分析了长期水质背景波动的原因,讨论了原水水质变化和供水管网用水量变化等因素对紫外光谱检测数据所产生的缓慢时变波动特性;然后针对水质背景波动特点提出了滑动窗PCA法,通过注入污染物事件进行了分析和验证,同常规PCA法相比较,滑动窗PCA法更能适应水质背景长期趋势变化的影响,并根据不同窗口长度下的检出效果结合目标函数不断对"最佳"窗口长度进行优化。(3)针对工况突变导致的水质异常误报问题,进行了水质光谱异常分类方法的研究。分析了工况突变导致的紫外光谱数据波动特点,研究了水质异常分类的技术方案,提出建立不同工况突变导致的水质异常模式知识库,并对检出后的异常进行在线匹配。考虑到紫外光谱的维数大、波长之间相关度高等特点,论文采用主成分分析和Fisher线性判别分析法来进行特征提取和异常模式分类,将污染物异常和工况突变异常加以区分。全文围绕基于紫外吸收全光谱进行水质异常检测过程中的各类干扰问题,对异常检测方法进行了研究和改进完善。基于论文研究成果,开发了基于紫外光谱水质预警系统软件并得到了应用。