1. 课程导入与任务全景

水文观测孔是地下水动态监测体系中最基础、也最容易被低估的一环。无论是区域地下水资源评价、矿山与基坑疏干排水设计、水库与堤防的渗流安全监控，还是地面沉降与地裂缝的预警，工程师最终拿到的往往不是"地下水"这个抽象概念，而是一串按时间排列的水位数值。这些数值一旦混入异常，后续的流场分析、参数反演、涌水量预测乃至安全判定都会沿着错误的输入一路放大。因此，水位数据异常筛查不是数据整理阶段的附属工作，而是整个地下水监测成果能否被信任的第一道关口。

本课程面向已经接触过水文观测、但尚未系统建立数据质量控制方法的学习者。我们不把"异常"简单理解为"看起来不对的数字"，而是把它当作需要被识别、被分类、被追溯、被处置的对象。全课程围绕一条主线展开：从原始观测序列出发，判断哪些点可疑、可疑属于哪一类、由什么原因造成、应当如何标记或修正，最终形成可交付的合格数据与筛查记录。

为什么水位异常筛查值得单独成课

水位观测数据的异常有其特殊性。与气象、水质等要素相比，地下水位变化通常缓慢、量级有限，日变幅往往只有几厘米到几十厘米，因此异常一旦出现，既可能非常隐蔽（如缓慢漂移、系统性偏置），也可能非常剧烈（如传感器脱落导致的跳变、负值或恒定值）。更麻烦的是，同一个数值表现可能对应完全不同的成因：一次突降可能是抽水干扰，也可能是探头被泥沙淤埋后信号失真；一段平稳可能是含水层补给停滞，也可能是数据采集器死机后重复写入同一值。仅凭曲线"好不好看"无法区分，必须结合观测孔结构、仪器状态、周边人类活动与水文气象背景综合判断。

这也决定了筛查工作不能靠单一规则。实际生产中常见的做法是"三级过滤"：先用物理与量程规则剔除不可能值，再用统计与时间序列方法识别统计意义上的离群点，最后用成因逻辑与现场信息做人工复核。本课程将沿着这条由粗到细、由自动到人工的路径逐步展开，并在每一级给出可操作的判据与示例参数。

典型工作流程与关键判断

上图给出了本课程贯穿始终的任务全景。左侧是数据来源：观测孔结构、探头位置、采集器与传输链路，任何一个环节出问题都会在数据上留下痕迹。中间是三级筛查链，右侧是交付成果与异常类型谱系。需要强调的是，这条链并非严格单向——第三级复核常常会把某些点退回第二级重新设定阈值，甚至退回第一级补充量程规则，图中用虚线反馈回路表示这种迭代。

以第一级为例，规则看似简单，但阈值必须结合观测孔实际。假设某孔孔口高程为 45.20 m，历史水位埋深在 3.5～6.8 m 之间波动，那么换算为水位高程约为 38.4～41.7 m。此时若出现水位高程 52 m 的记录，明显高于孔口高程，属于物理不可能值，应直接判为仪器或换算错误；若出现 -0.3 m 的埋深，意味着水位高于地表，除非该孔位于承压自流区且有历史自流记录，否则同样可疑。这类规则的价值在于用少量领域常识快速压缩可疑范围，但它无法发现"看起来合理却系统性偏移"的数据。

第二级方法则依赖序列自身的统计特征。常用做法包括：对滑动窗口（如 30 天）计算中位数与四分位距，将超出中位数 ±3 倍四分位距的点标为离群；对相邻采样点计算一阶差分，当日变幅超过历史同期最大变幅的若干倍时标记突变；对连续 N 个采样值完全相同的情况标记恒定段。这些方法各有盲区：滑动统计对缓慢漂移不敏感，差分法对高频噪声敏感，恒定检测则可能误伤枯水期真实平稳段。因此第二级的输出必须带"类型标签"，而不是简单删除。

课程目标与实战项目

学完本课程，你应当能够独立完成一次完整的水位数据筛查任务，具体包括：读懂观测孔台账与仪器日志，建立该孔的量程与变幅基线；按三级流程执行筛查并记录每一步判据；对可疑点给出成因假设并设计验证方式（查降雨、查抽水记录、查气压、现场校测）；最终产出一份可被他人复核的筛查记录。课程不追求覆盖所有仪器型号，而是让你掌握可迁移的判断逻辑。

实战项目设定为一个包含 6 个观测孔的监测小区，采样间隔 1 小时，时间跨度 12 个月，数据中人为植入跳变、漂移、恒定、缺失与伪异常五类问题。你将拿到原始 CSV、孔结构台账、周边抽水与降雨记录，按章节逐步完成筛查，并在项目收尾时提交清洗后序列与异常标记表。示例中的孔口高程、埋深范围、阈值倍数等参数均为教学假设，实际作业时应以本孔历史资料与规范要求重新确定。