随着城市供水安全受到越来越严峻的挑战,构建能够对城市供水管网水质进行持续在线监控的预警系统意义重大。在检测出水污染事件之后,为了更好地提供污染物特性等应急信息,需要进一步识别污染物的具体类别。可能引起水体污染的物质种类繁多,且很多没有针对性的检测仪器。面对这一状况,本文研究了污染物与常规水质参数响应之间的关系,并基于此开展了污染物分类识别研究。论文主要工作和创新点如下:(1)研究了常规水质参数与某些重金属盐、有机盐和无机盐污染物之间的相关响应规律,分析了不同监测数据时间序列幅值变化特性,提出了利用这些因不同污染物而不同的变化特性及其组合信息,进行不同污染物的分类与识别的技术架构。(2)研究了通过度量常规水质参数组合信息之间的相似性判别污染物类型的技术方法。该方法首先采用自回归模型进行水质背景信号估计,再利用K均值聚类算法融合多个指标的预测残差获取污染物引起的水质参数响应类别中心,最后采用相似性度量方法进行污染物识别。其中重点针对污染物识别过程中,常规水质参数响应幅值受污染物浓度影响的问题,从理论上分析了余弦距离的特性,其主要度量的是水质参数向量之间的夹角,因此受幅值改变的影响较小,在污染物分类识别中具有较好的效果。通过污染物注入实验比较了欧式距离,马氏距离,余弦距离等不同相似性度量方法在五种特征污染物上的识别效果,验证了理论分析的正确性。(3)针对常规水质参数与污染物浓度变化之间的非线性、各参数之间变化趋势不一致以及训练样本不足等问题,提出基于SVM多分类模型进行污染物分类的方法。考虑到污染物注入初始阶段错分率高,论文引入分类概率,通过研究最大分类概率以及分类概率标准差,对样本进行区分,避免在水质参数波动信息不显著情况下做出错误的单一决策。最后对相似性度量方法和SVM多分类模型在不同情况下的性能进行了详细对比分析,明确了各自的性能优势和适用场合。(4)利用所研究的基于相似性度量的分类方法和基于SVM多分类模型的分类方法结合C#与MATLAB混合编程技术,在实验室模拟水质监测系统基础上设计开发了管网水质污染物分类软件。该软件具有特征污染物分类判别,特征库动态更新,分类算法管理,分类结果展示等功能。