1. 课程导入与任务总览

水质监测中，COD（化学需氧量）与氨氮是两项最常被同时关注的指标。COD反映水体中有机物及可氧化物质的综合污染水平，氨氮则指示含氮污染物的分解与累积状态。二者往往来自同一污染源——生活污水、养殖废水、食品加工排水等，但在管网输送、生化处理和受纳水体中，它们的迁移转化规律并不一致。因此，仅看单指标是否超标，很难回答“污染从哪来、处理是否有效、趋势是否恶化”这类问题。本课程的任务，就是围绕这两项指标，建立一套从数据获取到趋势诊断、关联建模、再到报告输出的完整分析链条。

学习目标：三个层次的能力

第一层是数据能力：能够从监测台账、在线仪表或实验室记录中整理出时间对齐的COD与氨氮序列，识别缺失值、异常值与单位不一致问题。第二层是分析能力：能够用趋势线、移动平均、同比环比等方法判断变化方向，用散点图、相关系数、滞后相关分析刻画二者的关联强度与时间先后。第三层是表达能力：能够把分析结论组织成有数据支撑、有判断依据、有建议指向的报告，而不是罗列图表。

需要强调的是，关联分析不等于因果判断。COD与氨氮同步上升，可能来自同一排放源，也可能只是季节温度变化带来的共同响应。课程中会反复区分“统计相关”与“工艺因果”，避免把相关系数直接当作治理依据。

任务链：五个环节的完整闭环

整个分析任务可以拆成五个前后衔接的环节，下图展示了它们之间的输入输出关系与关键判断点。

这五个环节不是单向流水线。实际工作中，趋势诊断发现某段时期数据整体偏移，往往要回到数据清洗核对量程；关联建模发现相关系数在雨季前后差异很大，则要回到趋势诊断做分段处理。图中虚线反馈回路表达的就是这种回溯关系。

以真实监测场景为载体

课程将围绕一个典型场景展开：某城镇污水处理厂进水口与出水口，连续12个月、每周2次的COD与氨氮监测记录。示例数据为教学构造，用于演示方法，不代表任何实际厂站。数据中会人为设置几类常见问题：某月在线仪表校准导致COD整体偏高约15%、雨季氨氮因稀释出现短期下降、个别日期因采样瓶污染出现离群点。学员需要在这些“不干净”的数据上完成分析，而不是在理想数据上套公式。

具体来说，数据表至少包含日期、监测点位、COD（mg/L）、氨氮（mg/L）、数据来源（手工/在线）五个字段。分析前先做时间对齐：手工样与在线样频率不同，需统一到周尺度，取周均值并记录样本数。单位方面，COD与氨氮均以mg/L计，若原始记录出现g/L需换算。异常值判断可采用箱线图法则或基于历史同期均值的偏离度，但任何剔除都要在报告中注明依据，不能静默删除。

趋势诊断与关联建模的分工

趋势诊断回答“各自怎么变”：用4周移动平均平滑短期波动，观察季节尺度上的升降；用同比对比判断是否偏离往年同期；用超标频次统计判断风险累积程度。关联建模回答“二者怎么一起变”：先画散点图看形态，再计算皮尔逊或斯皮尔曼相关系数；若怀疑存在时间先后，例如氨氮峰值先于COD峰值出现，则做滞后相关分析，逐周平移计算相关系数，找出相关性最强的滞后期。分段分析同样重要——雨季与旱季、进水与出水，关联强度可能完全不同，合并计算会掩盖真实结构。

本课程的学习框架

后续内容将按“方法讲解—示例演示—常见陷阱—练习任务”的节奏推进。每个方法都配有小规模示例数据和可复现的计算过程，例如移动平均的窗口选择、相关系数的显著性判断、滞后期的确定依据。学员在完成本课程后，应能独立拿到一份原始监测数据，走完清洗、诊断、建模、报告的全过程，并对结论的可靠性做出自我评估。需要提醒的是，工具只是手段，对水质过程的理解才是判断分析结果是否合理的关键——当相关系数高得离谱或趋势线完全违背工艺常识时，首先要怀疑数据，而不是急于下结论。