3. 出水数据可视化与初步异常识别

总氮、总磷的出水监测数据本身是一串按时间排列的数字，单看某一天的数值很难判断"正常"还是"异常"。可视化与统计规则的作用，就是把时间序列中的趋势、波动幅度和离群点同时呈现出来，让异常识别从"凭经验看"变成"按规则判"。本节围绕三类工具——趋势图、休哈特控制图、箱线图——以及两条统计判据（3σ准则、移动极差）展开，并给出一个可复现的异常标注示例。

一、三类图形各自回答什么问题

趋势图回答"往哪个方向走"。以时间为横轴、浓度为纵轴，把总氮、总磷两条序列画在同一坐标系（或上下分面），可以直观看到季节性抬升、雨后冲击、工艺调整后的响应。趋势图对缓慢漂移最敏感，但对单点跳变不够醒目，因此需要叠加控制限。

休哈特控制图回答"这次波动是否超出正常范围"。它由中心线（CL）、上控制限（UCL）、下控制限（LCL）构成，控制限通常取 CL±3σ。需要强调：σ 应来自过程处于受控状态时的历史数据，而不是包含异常点的全部数据，否则异常会把控制限"撑宽"，导致漏报。工程上常用移动极差（相邻两点差值的绝对值）估计短期波动：先算移动极差均值 MR̄，再用 σ̂ = MR̄ / 1.128（子组大小为2时的常数 d₂）得到标准差估计，这种方法对缓慢漂移不敏感，适合出水这类单值序列。

箱线图回答"分布形态与离群程度"。它用中位数、四分位数和 IQR 展示数据的集中与离散，超出 Q1−1.5IQR 或 Q3+1.5IQR 的点被标为离群点。箱线图不依赖时间顺序，适合按月份、按工艺段分组比较，例如对比雨季与旱季的总氮分布差异。

二、3σ准则与移动极差的具体算法

设单值序列为 x₁…xₙ。移动极差 MRᵢ = |xᵢ − xᵢ₋₁|，i=2…n；MR̄ = ΣMRᵢ /(n−1)；标准差估计 σ̂ = MR̄/1.128。控制限为 CL = x̄、UCL = x̄ + 3σ̂、LCL = x̄ − 3σ̂。判异规则至少包括：①任一点超出 UCL/LCL；②连续7点位于中心线同一侧（趋势或偏移）；③连续6点单调上升或下降（漂移）。规则②③能捕捉"没超限但已经跑偏"的情况，这正是出水总氮缓慢爬升时最容易被忽视的异常。

以图中示例数据为例（数值为教学假设）：前10点均值约12.0，移动极差均值约0.55，σ̂≈0.49；若用全部14点计算，第11点16.4会把 x̄ 拉高、σ̂ 撑大，控制限变宽，反而掩盖异常。因此正确做法是先用受控段数据建立基线，再对新数据逐点判异，基线定期（如每季度）用剔除异常后的数据更新。

三、异常标注与初步分类

识别出异常点后，应给出可追溯的标注，而不是只画一个红点。建议每条异常记录包含：时间、指标（TN/TP）、实测值、对应控制限、触发规则、初步类别、待核查方向。初步分类可按成因粗分为四类：单点冲击（孤立超限，多与瞬时排放、采样或仪表故障有关）、趋势漂移（连续同侧或单调，多与工艺参数漂移、碳源不足、污泥活性变化有关）、周期性波动（与季节、降雨、生产班次相关）、数据质量异常（跳变后立即恢复、与相邻指标不同步，优先怀疑在线仪表或传输）。分类不是结论，而是为下一步原因追溯缩小范围。

四、给定数据集的标注示例

下表为一段教学假设的日监测数据（单位 mg/L），演示标注过程。基线取前10天，x̄=12.0、σ̂≈0.5，UCL≈13.5、LCL≈10.5。

标注完成后应做一次"反向验证"：把标注点回填到趋势图上，检查异常是否与已知工况事件（检修、降雨、加药调整）在时间上吻合。吻合则分类可信；不吻合则优先怀疑数据质量，调取同一时段的流量、pH、浊度等辅助信号交叉比对。这样形成的"图形—规则—标注—分类—验证"闭环，才是出水数据异常识别的完整工作方式，也为后续原因追溯提供了结构化起点。