4. 原始水位数据的结构解析与质量初检

在正式开展异常筛查之前，必须先弄清楚手里这批原始水位数据“长什么样”。水文观测孔的水位监测通常由自动水位计（压力式、浮子式或雷达式）按固定采样间隔记录，导出后往往是一张包含多列字段的表格或一段文本日志。如果对字段含义、单位、时间基准和记录粒度没有统一认识，后续的阈值判断、突变识别和趋势分析都会建立在错误的前提上。本节的任务是把原始数据结构拆解清楚，并对完整性、重复性和时间对齐做第一轮体检。

字段含义：每一列代表什么

一份典型的观测孔原始水位记录，至少包含以下几类字段。第一类是标识字段，即孔号（如“ZK03”“观测孔-7”），用于区分不同监测孔；同一文件可能混装多孔数据，也可能一孔一文件，这直接决定了后续分组方式。第二类是时间字段，即时间戳，记录采样时刻，需明确它是采集时刻还是整点时刻、是北京时间还是 UTC、是否含时区偏移。第三类是水位值字段，通常以“水位埋深（m）”或“水位标高（m）”表示，两者含义相反：埋深是从孔口向下量到水面的距离，数值越大水位越低；标高是水面相对于统一基准面的高程，数值越大水位越高。第四类是孔口/基准信息，如孔口高程、基准点高程、埋深起算面，用于在埋深与标高之间换算。此外还可能有传感器编号、电池电压、温度、信号强度等辅助字段。

这里必须强调参照约定：本课程统一以水位埋深作为主分析量，单位为米（m），埋深增大表示水位下降。若原始数据给的是标高，需先用“埋深 = 孔口高程 − 水位标高”换算后再进入筛查流程，且全文与图示保持这一约定。单位也要逐一核对，有的设备导出为毫米或厘米，有的为米，混用会造成数量级错误。

完整性检查：先看“有没有缺”

完整性关注的是记录是否按预期采样间隔连续存在。做法是先确定标称采样间隔（例如 1 小时），再对每个孔的时间序列计算相邻时间戳之差。若差值等于标称间隔，说明连续；若差值大于标称间隔，说明中间存在缺测，缺测条数约为“差值 ÷ 间隔 − 1”。例如某孔 08:00 之后直接跳到 11:00，间隔为 3 小时，按 1 小时采样则缺 2 条。同时要统计水位值字段的空值、空字符串、占位符（如“—”“NaN”“-9999”）。需要提醒的是，-9999 这类值常被设备用作缺测标记，若不识别就会被当成真实埋深参与统计，造成极端异常。完整性检查的输出应是一张按孔汇总的表：总记录数、应有记录数、缺失条数、缺失时段、空值条数。

重复性检查：同一条记录是否出现多次

重复记录常见于设备补传、导出脚本重复执行或人工合并文件。判断标准是“同孔号 + 同时间戳”是否出现多条。若重复行的水位值完全一致，可直接去重保留一条；若同一时间戳对应不同水位值，则属于冲突记录，不能简单去重，需要结合设备日志、相邻时刻趋势判断哪一条可信，或标记为待核实。实操中可用分组计数快速定位：按孔号和时间戳分组，计数大于 1 的即为疑似重复。去重后必须重新核对总记录数变化，避免误删不同孔在同一时刻的正常记录。

时间对齐检查：时间轴是否可信

时间对齐包含三层含义。其一是时区与格式统一：确认所有时间戳采用同一时区、同一格式（如“YYYY-MM-DD HH:mm”），避免字符串排序与真实时间顺序不一致。其二是采样时刻规整：检查时间戳是否落在整点或标称时刻上，若出现 08:03、09:07 这类漂移，说明设备时钟未校准或存在采集延迟，需评估是否影响小时均值计算。其三是跨孔基准一致：多孔对比分析时，各孔时间基准必须一致，否则同一时刻的水位响应无法比较。对漂移明显的数据，可记录偏移量并在分析前做时间重采样或标注。

一份可直接使用的初检记录表

把上述三类检查落到一张表上，便于逐孔填写和交接。下表字段与本节检查项一一对应，可作为初检成果直接使用（表中数值为示例，非实测）。

完成这三项初检后，数据才具备进入异常识别环节的基本条件。需要牢记：完整性决定样本是否代表真实过程，重复性决定统计是否被放大，时间对齐决定多孔与多时刻比较是否成立。三者中任何一项未处理干净，后续的突变、越限、趋势判断都可能把数据问题误判为水文异常，或把真实异常淹没在噪声里。