3. 水位数据异常筛查的业务场景与判定标准

水位数据异常筛查并不是一套放之四海而皆准的固定规则。同一个水位读数，在饮用水水源监测中可能意味着取水层被扰动，在矿山排水系统中可能只是疏干漏斗的正常响应，在地下水资源评价中则可能是开采量变化的合理反映。因此，异常筛查的第一步不是套用统计公式，而是明确业务场景——数据服务于什么决策，异常会造成什么后果，可接受的误报与漏报水平如何。本节围绕三类典型场景，说明异常的定义方式与阈值设定原则。

一、场景差异决定异常定义

饮用水水源地监测的核心目标是保障供水安全与水质稳定。水位在这里主要承担两个作用：一是反映含水层的补给与排泄平衡，二是作为污染通道判断的辅助信息。水位骤降可能意味着过量开采或邻近工程降水，水位骤升可能指示补给异常或地表水倒灌。此类场景对缓变型异常较为敏感，因为水源地的水位变化通常平缓，短期内出现数十厘米的持续偏移就值得关注。异常定义偏向“偏离长期季节规律”，阈值宜紧不宜松。

矿山排水场景的逻辑几乎相反。矿井疏干本身就会造成水位大幅下降，排水系统运行、雨季补给、采掘推进都会带来剧烈波动。这里的异常筛查重点不是“水位降了多少”，而是“下降是否超出疏干设计的预期”“水位回升是否威胁井下安全”。异常定义偏向安全边界：水位高于警戒标高、疏干效果不达预期、排水量与水位变化不匹配，才是真正的异常。阈值设定以工程安全裕度为依据，而非统计分布。

地下水资源评价关注的是区域尺度的水量平衡与可持续性。单孔水位是评价输入之一，异常值会污染开采量—水位响应关系、补给量估算和趋势分析。此场景下，异常更多被定义为数据质量问题：传感器漂移、淤堵导致的滞后、人工读数错误、观测时间不一致等。阈值设定需要兼顾统计合理性与物理可解释性，通常采用“统计检验 + 物理上限”的双重约束。

二、阈值设定的四条基本原则

原则一：先定业务后果，再定数值边界。阈值不是从数据里“算出来”就完事，而要回答“超过这条线会发生什么”。饮用水场景中，若水位下降 0.5 m 可能触发取水层暴露风险，那么 0.5 m 就是有业务含义的边界；矿山场景中，警戒标高由井下最低作业面与安全超高反算，属于工程给定值。把业务后果前置，可以避免阈值沦为纯统计游戏。

原则二：统计规则与物理约束并用。常用的统计判据包括：基于历史同期的分位数区间（如以近 5 年同月水位分布的 5%～95% 分位作为正常带）、滑动窗口的均值±3 倍标准差、以及一阶差分的突变检测。但统计规则在样本少、季节性强或存在趋势时容易失效。此时应叠加物理约束：水位不应高于地面高程、不应低于含水层底板或泵吸入口、变化速率不应超过含水层给水度与补给能力允许的范围。两条约束同时满足才判为正常，可显著降低误报。

原则三：区分“数据异常”与“水文异常”。前者是观测系统的问题，如传感器跳变、淤堵造成的响应滞后、人工录入错误；后者是含水层真实响应，如开采增加、补给变化、邻近工程影响。二者的处置路径完全不同：数据异常应回溯原始记录、检查设备与观测时间；水文异常应进入业务分析、核实用水与工程活动。筛查环节若不加区分，容易把真实的水文信号当作坏数据剔除，造成信息损失。

原则四：阈值分级而非单一红线。实践中宜设置“关注—预警—报警”多级阈值。以饮用水监测孔为例，可设：日变幅超过历史同期 90% 分位为关注；连续 3 日偏离季节正常带为预警；水位低于取水层顶板或日降幅超过 1.0 m 为报警。分级的好处是让复核工作量与风险等级匹配，避免所有异常都走同一套重流程。

三、一个可操作的判定示例

假设某饮用水水源监测孔，观测频率为每日 1 次，已有近 5 年同期数据。筛查可按如下顺序执行：先做物理范围检查，水位埋深应介于 0 与孔深之间，超出即判数据异常；再做变化速率检查，日变幅超过历史同期 95% 分位（示例取 0.35 m）进入关注；再做季节正常带比对，连续 3 日落在同期 5%～95% 分位之外进入预警；最后做邻近井一致性检查，若 2 km 内参照井同期变化方向相反且幅度显著，提升复核优先级。需要说明，上述 0.35 m 等数值仅为教学示例，实际项目应基于本孔历史序列与业务要求重新标定。

综上，业务场景决定了“什么算异常”，判定标准则把这一判断转化为可执行的数值边界与检查顺序。饮用水场景偏紧、重季节规律；矿山场景重安全边界与疏干设计；资源评价场景重数据质量与统计物理双重约束。三者共享的底线是：阈值必须能解释、能追溯、能随业务调整，筛查结论最终要回到业务判断，而不是停在统计输出上。