近年来,城市供水管网突发水质事故时有发生,利用水质异常检测技术快速、准确地检测出管网中的水质异常事件,对保障居民饮用水安全具有重要意义。传统的水质异常检测方法往往只考虑单一水质监测站点的时间维度信息,而忽略了城市供水管网中的空间维度信息,导致检测误报率高,检出率低。针对这一问题,本文研究并提出了一种融合关联站点时间和空间信息的水质异常事件检测方法。本文的主要工作与创新点如下:(1)考虑到单站点水质信息不完备,导致异常检测检出率较低,论文研究了上下游站点水质信息之间的空间关联关系,利用贝叶斯网络建立该站点与其上游站点之间正常时刻的水质空间关联模型,引入空间维度信息以分析该站点水质异常,并通过逻辑回归模型将时间维度和空间维度的异常概率融合以提高检出率。(2)根据污染事件引起的水质异常在站点间的传递性,论文引入动态时间规整算法对上下游站点水质时间序列进行相关性分析,与时空关联模型融合,以降低仪器噪声及异常或水质背景波动造成的误报,并在此基础上探讨了利用动态时间规整算法进行污染事件区分的可行性。(3)本研究通过EPANET仿真实验和供水管网综合模拟系统上的污染物注入实验,对上述方法进行了验证和分析,并将其提取成公用方法,封装成可供调用的库文件,部署至模拟系统上位软件上进行异常检测分析。本文提出的水质异常检测方法可以较好地利用站点之间空间关系,通过时空信息融合,并结合站点间异常波动的相关性分析,实现更为准确的水质异常检测。