水质监测 · 异常检测与报警
📘 30章 从入门到实战
01
课程导论
水质重要性
异常检测意义
学习路径
02
水质监测基础
pH·浊度·溶解氧
COD
传感器原理
03
数据采集入门
Python读取
CSV/JSON
模拟传感器
04
数据清洗实战
缺失值
重复值
异常时间戳
05
数据可视化基础
Matplotlib
时序图
水质参数
06
统计特征提取
均值·方差
滑动窗口
统计量
07
基于阈值的异常检测
固定阈值
动态阈值
规则
08
3σ原则检测
正态分布
离群点
标准差
09
箱线图法 (IQR)
四分位距
异常值
稳健
10
移动平均法
平滑数据
趋势突变
滑动平均
11
指数加权移动平均
EWMA
近期权重
趋势
12
Z-Score标准化检测
标准分数
离群判断
归一化
13
基于聚类的异常检测
K-Means
DBSCAN
聚类
14
孤立森林算法
高维数据
孤立森林
高效
15
One-Class SVM
单分类
异常识别
支持向量
16
LSTM预测模型
深度学习
水质趋势
时序预测
17
自动编码器 (Autoencoder)
重构误差
异常检测
无监督
18
多参数联合分析
相关性矩阵
PCA
降维
19
实时数据流处理
Kafka/WebSocket
模拟流
Python
20
滑动窗口实时检测
动态计算
流式异常
窗口
21
报警规则引擎
可配置
触发逻辑
规则
22
报警分级与通知
短信·邮件
钉钉/微信
机器人
23
报警抑制与聚合
防止风暴
合并重复
抑制
24
系统架构设计
传感器→云端
数据链路
架构
25
数据库存储方案
InfluxDB
MySQL
选型
26
API服务搭建
Flask/FastAPI
检测接口
REST
27
前端可视化看板
ECharts
实时监测
报警状态
28
项目实战（一）
单参数pH
异常检测
系统搭建
29
项目实战（二）
多参数联合
报警联动
综合
30
课程总结与展望
边缘计算
联邦学习
未来