CN111275333B - 污染数据处理方法和装置 - Google Patents
污染数据处理方法和装置 Download PDFInfo
- Publication number
- CN111275333B CN111275333B CN202010065605.4A CN202010065605A CN111275333B CN 111275333 B CN111275333 B CN 111275333B CN 202010065605 A CN202010065605 A CN 202010065605A CN 111275333 B CN111275333 B CN 111275333B
- Authority
- CN
- China
- Prior art keywords
- data
- pollution
- target enterprise
- enterprise
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000012423 maintenance Methods 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 15
- 238000013480 data collection Methods 0.000 claims 2
- 238000007689 inspection Methods 0.000 abstract description 20
- 230000000694 effects Effects 0.000 abstract description 6
- 208000028659 discharge Diseases 0.000 description 83
- 230000008859 change Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000002485 combustion reaction Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000029087 digestion Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000000383 hazardous chemical Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000004380 ashing Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000012086 standard solution Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种污染数据处理方法和装置。该方法包括:获取目标企业的监测数据,其中,监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;按照类别对监测数据进行分类,得到分类数据;根据不同类别对分类数据进行特征提取,得到类别特征值;将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据,其中,预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据。通过本发明,达到了提高企业污染情况检查效率的效果。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种污染数据处理方法和装置。
背景技术
自环保法施行以来,环保部门不断加大对环境污染的督查力度。虽然政府执法部门对污染企业违法行为一直保持高压态势,但是还有部分企业尝试数据造假,一些运维单位帮助企业造假,运维人员擅自修改自动监控设备参数,人为故意逃避自动监控设备监管,超标排放污水。
相关技术中,确定企业是否存在排污不符合规定的情况,都是要人工去检查,无法通过自动化监控方法主动获得企业排污不符合规定的情况,因而检查效率低。
针对相关技术中企业污染情况检查效率低的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种污染数据处理方法和装置,以解决企业污染情况检查效率低的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种污染数据处理方法,该方法包括:获取目标企业的监测数据,其中,所述监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;按照类别对所述监测数据进行分类,得到分类数据;根据不同类别对所述分类数据进行特征提取,得到类别特征值;将所述类别特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据,其中,所述预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据。
进一步地,所述目标企业的排污数据包括所述监测数据采集时间对应的排污数据。
进一步地,将所述类别特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据之后,所述方法还包括:获取预设的等级划分规则;根据所述预设的等级划分规则对所述排污数据进行污染等级划分,得到所述目标企业的污染等级。
进一步地,在根据所述预设的等级划分规则对所述排污数据进行污染等级划分,得到所述目标企业的污染等级之后,所述方法还包括:在所述污染等级超过预设阈值时,发出报警信息,其中,所述报警信息用于指示所述目标企业的污染等级超标。
进一步地,将所述类别特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据包括:将所述类别特征值与预设的该类别的权重相乘得到对应于所述类别的权重特征值;将所述权重特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据。
为了实现上述目的,根据本发明的另一方面,还提供了一种污染数据处理装置,该装置包括:第一获取单元,用于获取目标企业的监测数据,其中,所述监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;分类单元,用于按照类别对所述监测数据进行分类,得到分类数据;提取单元,用于根据不同类别对所述分类数据进行特征提取,得到类别特征值;计算单元,用于将所述类别特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据,其中,所述预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据。
进一步地,所述目标企业的排污数据包括所述监测数据采集时间对应的排污数据和所述监测数据采集时间之后的排污数据,所述监测数据采集时间之后的排污数据用于指示所述目标企业的排污风险。
进一步地,所述装置还包括:第二获取单元,用于将所述类别特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据之后,获取预设的等级划分规则;划分单元,用于根据所述预设的等级划分规则对所述排污数据进行污染等级划分,得到所述目标企业的污染等级。
为了实现上述目的,根据本发明的另一方面,还提供了一种存储介质,包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行本发明所述的污染数据处理方法。
为了实现上述目的,根据本发明的另一方面,还提供了一种设备,至少包括一个处理器,以及与所述处理器连接的至少一个存储器、总线,其中,所述处理器、所述存储器通过所述总线完成相互间的通信,所述处理器用于调用所述存储器中的程序指令,以执行本发明所述的污染数据处理方法。
本发明通过获取目标企业的监测数据,其中,监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;按照类别对监测数据进行分类,得到分类数据;根据不同类别对分类数据进行特征提取,得到类别特征值;将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据,其中,预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据,解决了企业污染情况检查效率低的问题,进而达到了提高企业污染情况检查效率的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的污染数据处理方法的流程图;
图2是根据本发明实施例的维度特征数据的示意图;以及
图3是根据本发明实施例的污染数据处理装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种污染数据处理方法。
图1是根据本发明实施例的污染数据处理方法的流程图,如图1所示,该方法包括以下步骤:
步骤S102:获取目标企业的监测数据,其中,监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;
步骤S104:按照类别对监测数据进行分类,得到分类数据;
步骤S106:根据不同类别对分类数据进行特征提取,得到类别特征值;
步骤S108:将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据,其中,预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据。
该实施例采用获取目标企业的监测数据,其中,监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;按照类别对监测数据进行分类,得到分类数据;根据不同类别对分类数据进行特征提取,得到类别特征值;将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据,其中,预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据,解决了企业污染情况检查效率低的问题,进而达到了提高企业污染情况检查效率的效果。
本发明实施例的技术方案可以应用到企业污染源在线监测的风险识别中,企业的污染数据可以从运维数据、用电情况、锅炉使用数据等体现出来,因而通过持续或者定时监测目标企业的运维数据、电能运行数据和锅炉运行数据等,可以得到工况相关数据,再结合预先训练好的算法模型计算或者识别,即可得到该企业的排污情况,得到的排污数据可以是特征数据的产生时间对应的排污数据,例如基于当前的企业这个月的特征数据判断这个月是否可能存在违规排污等,样本数据是预先收集的各个企业的特征数据,例如每个企业在规定位置放置的检测装置,这些装置的数据直接上传到环保部门,但如果企业存在排污过量的情况又不想被发现,可能会对检测装置的数据采集进行干扰,例如用水稀释使得数据降低等,因而这些数据只能作为参考,不能作为该企业是否存在排污超标的依据,这些被干扰的数据也有其特点,通过对这些监测数据的特征值进行计算,可以得到该企业的排污数据。
可选地,目标企业的排污数据包括监测数据采集时间对应的排污数据,排污数据可以是排污概率,或者排污量、排污时间等排污相关数据,还可以是该企业违规排污的风险等级等。
可选地,将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据之后,获取预设的等级划分规则;根据预设的等级划分规则对排污数据进行污染等级划分,得到目标企业的污染等级。
根据排污数据可以得到污染等级,例如排污数据显示排污概率是90%,则该企业的污染等级可以是比较高的等级,如果排污数据显示概率是10%,则该企业污染等级比较低,或者,排污数据包含排污量的情况下,根据排污量的等级划分得到每个企业的排污等级。
可选地,在根据预设的等级划分规则对排污数据进行污染等级划分,得到目标企业的污染等级之后,在污染等级超过预设阈值时,发出报警信息,其中,报警信息用于指示目标企业的污染等级超标。
如果模型计算出的该企业的排污量超过对应的等级阈值,则可以发出报警信息,以提示该企业的污染等级超标,也即存在排污风险,且排污量可能超标。
可选地,将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据包括:将类别特征值与预设的该类别的权重相乘得到对应于类别的权重特征值;将权重特征值输入到预设的算法模型进行计算,得到目标企业的排污数据。
在通过类别特征值输入模型计算企业的排污数据时,可以对各个类别设置对应的权重,有些类别数据对结果影响的大可以设置权重较大,有些类别影响的小可以设置权重小,这样可以使计算结果更加准确。
本发明还提供了一种优选实施方式。
本实施例通过从工况角度进行分析,结合在线监测运维数据、排污企业用电使用情况、企业锅炉监测数据3个方面,对企业排污情况进行深入分析,从企业运维、电能、锅炉燃烧中发现排污企业可能存在的数据欺诈行为,进而确定企业排污风险。
对企业监控数据经过质量分析后,根据行业维度进行汇总,以表格、图表、地图等多种可视化的方式,展现重点企业监控数据的质量现状以满足业务人员查询需要。展示内容包括企业综合评分及指标项等得分。为协助业务人员快速了解指标算法及发现企业运行问题,系统提供对综合评分概况说明,具体阐述该企业在哪个维度的不足或者待改进之处,通过点击分数项即可获得该分数计算方法以及计算过程。
为方便使用人员快速检索,系统提供关键字、评估时间、企业类型、所在区域、指标排序、数据质量指标分类查询等功能。根据环境监察对象智能推荐系统,通过生成的隐患企业名单,用于监察执法部门的现场检查。监察部门可以依据任务类型、名单范围、企业评价评结果、历史检查记录等,快速筛选出问题企业或者存在环境隐患的企业,科学精准地进行目的性检查,从而摆脱现阶段的随机检查以及定期巡查,节约人力成本,提升执法效率。
本实施例从在线监测运维数据、排污企业用电使用情况、企业锅炉监测数据3个方面,对企业工况数据分析综合评分的过程。采集工况3个方面的实时数据,存储至云梦大数据集群中,对各维度数据进行特定分析,利用客观赋权法熵权法进行合理赋权,调用自研的算法模型库进行分布式实时计算,对企业工况进行动态综合评分。根据评分结果进行智能推送,协助监管人员进行环境管理。
现有的监测系统中没有从企业工况中的运维、电能使用、锅炉监测中进行衔接整合,且未关联分析各监测数据间存在的变化关系,本方法综合采集了企业的工况数据,通过提取各数据特征,自研模型算法对数据计算分析,动态地对企业工况综合评分,发现潜在问题企业名单,预判可能存在的造假行为。并针对分析评价的结果,提供消息通知功能,将综合评分过低,或者某个工况维度明显有待改进之处的企业名单以及整改建议推送至监管人员,实现环境监管服务的有力支撑。
图2是根据本发明实施例的维度特征数据的示意图,如图2所示,通过使用层次分析法将本技术的最终目标——企业工况综合动态评分按监测维度拆解为各目标子层,再将各目标子层按提取的各维度特征工程拆解为因素层,也就是各维度的特征变量。
利用熵权法赋予各目标子层、因素层合理的权重。熵权法是一种客观赋权方法。熵这个概念是信息论里的信息熵,在这里表示信息的离散程度,在具体操作过程中,熵权法根据各特征的变化程度,计算出各指标的熵权,再通过熵权对各特征的权重进行计算,从而计算出各特征的客观权重。在熵权法中,熵越大,越无序,信息越少,效用值越小,所以权重就小;熵越小,越有序,信息越多,效用值越大,所以权重也就越大。
熵权法的基本原理介绍如下:
根据信息论的基本原理,信息是用来度量系统有序程度的,而熵是用来度量系统无序程度的。
如果系统处于很多不同的状态。令每种状态出现的概率为pi=(i=1,2,...,m)时,则系统的熵就定义为:
显然,各种状态出现的概率相同时,即当)pi=1/m(i=1,2,...,m)时,熵可以取到最大值,为:
emax=lnm
假设现在有n个评价指标,m个待评项目,可以组成评价矩阵R=(rij)m×n,针对于某个特征rj,它的信息熵如下:
从上述信息熵的公式可以得出如下结论:
如果某个特征提供的信息量越多,则说明其特征的变化程度越大,则此特征的熵值越小,在评价模型中此特征的作用越大,那么它的权重就应该越大。
如果某个特征提供的信息量越少,则说明其特征的变化程度越小,则此特征的熵值越大,在评价模型中此特征的作用越小,那么它的权重就应该越小。
本模型中利用熵权法计算权重的具体步骤如下:
首先计算第j个特征下第i个项目的特征值的比重pij:
其次计算第j个特征的熵值ej:
然后计算第j个特征的熵权wj:
最后可以确定特征的综合权数βj:
假设将特征重要性的权重确定为αj,j=1,2,...,n结合特征的熵权wj就可以得到特征j的综合权数:
各因素层分别进入模型算法库进行计算,将计算结果乘以其对应的权重,加上目标子层多对应的其他因素层的加权得分即为该目标子层的初步得分。类似地,各目标子层的得分乘以其权重再相加即为最终企业环境行为总得分。
其中,所有目标子层对应的权重总和为1,各目标子层对应的因素层权重总和也为1。
各目标子层计算分析方法:
运维监测:
从消解温度、消解时间、校零校满、截距和斜率、标液浓度、加热温度,进行污染源排放自动监控数据疑似欺诈行为判断和报警。
消解温度是指对于需要消解的设备,当消解温度降低时,则会导致消解不充分,最终导致测量结果变小。
消解时间是指对于需要消解的设备,当消解时间降低时,则测量过程会缩短,消解不充分,最终导致测量结果变小。
校零校满是指通过校零校满,仪器会重新生成工作曲线,直接影响最终的测量结果。如果长期不做校零校满则仪器的准确度无法保证。如果在校零校满过程中,人为缩短消解时间,则校零校满的原始信号值会降低,导致曲线参数错误,测量结果会偏低。
截距和斜率是指一般有校零校满自动生成,如果人为修改,则直接导致数据失真。通过监控分析两次校零校满后生成的截距、斜率的变化情况,可了解仪器是否处于正常的工作状态,并及时发出报警。
标液浓度是指校零校满时仪器根据标液浓度和测量得到的信号值,计算工作曲线,如果人为修改标液浓度参数,将导致曲线错误,引起测量结果失真。
加热温度是指通过监控加热温度的变化过程,并与采集到消解温度进行比较,可了解仪器是否在正常工作;同时对于TOC类的仪器,加热温度直接影响分析结果。
电能监测:
企业电能监测将实时反应出企业生产、经营、排污等情况。企业用电习惯可反应出该用户的排污模式,通过对用户负荷突减和排污模式突变进行识别,可间接分析出用户排污情况。对比分析负荷突减和正常负荷之间的差异,可量化表示企业生产排污衰落率。通过对企业电能监测数据与企业排污总量、企业各时间排污量进行对比分析,其中包括对各产线电量监测与排口排污总量对比分析、企业总电量与排污总量对比分析。在对比分析的时间上,将考虑小时、天、月对电量与排污情况进行对比分析,及时发现电能使用与排污不一致异常行为。
锅炉监测:
在锅炉燃烧过程中将监控各燃室温度,压力,电流,频率等数据。对比燃室前端温度与尾端温度是否一致、各燃室压力变化是否一致、各燃室电流变化是否一致和各燃室频率变化是否一致。判断各燃烧阶段变化特征,具体包括:起炉、燃烧、灰化、停炉4个阶段各监测数据变化特征是否正常。判断各燃室温度是否达到燃烧标准,比如国家规范要求一燃室温度必须在850度以上,二燃室温度必须在1100度以上,如发现不一致或未达到规范标准将指标评分降低,增加企业的排污风险等级。
综合评分后续处理:
企业监控数据经过质量分析后,根据行业维度进行汇总,以表格、图表、地图等多种可视化的方式,展现重点企业监控数据的质量现状以满足业务人员查询需要。展示内容包括企业综合评分及指标项等得分。为协助业务人员快速了解指标算法及发现企业运行问题,系统提供对综合评分概况说明,具体阐述该企业在哪个维度的不足或者待改进之处,通过点击分数项即可获得该分数计算方法以及计算过程。
为方便使用人员快速检索,系统提供关键字、评估时间、企业类型、所在区域、指标排序、数据质量指标分类查询等功能。根据环境监察对象智能推荐系统,通过生成的隐患企业名单,用于监察执法部门的现场检查。监察部门可以依据任务类型、名单范围、工况评价评结果、历史检查记录等,快速筛选出问题企业或者存在环境隐患的企业,科学精准地进行目的性检查,从而摆脱现阶段的随机检查以及定期巡查,节约人力成本,提升执法效率。
本实施例的技术方案从工况角度分析,对排污企业进行反欺诈识别。对运维数据、电能监测、锅炉检测数据进行数据挖掘,提取各监测数据特征,对比分析各联数据变化特征,及时发现企业人员随意更改运维参数、稀释排放口污染物,干扰监测设备正常运行、超低排放未达到国家排放标准等违法行为。对疑似数据造假,排污欺诈行为的企业进行定量评分,并评判风险等级,及时发现高分险预警企业。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例提供了一种污染数据处理装置,该装置可以用于执行本发明实施例的污染数据处理方法。
图3是根据本发明实施例的污染数据处理装置的示意图,如图3所示,该装置包括:
第一获取单元10,用于获取目标企业的监测数据,其中,监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;
分类单元20,用于按照类别对监测数据进行分类,得到分类数据;
提取单元30,用于根据不同类别对分类数据进行特征提取,得到类别特征值;
计算单元40,用于将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据,其中,预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据。
该实施例采用第一获取单元10,用于获取目标企业的监测数据,其中,监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;分类单元20,用于按照类别对监测数据进行分类,得到分类数据;提取单元30,用于根据不同类别对分类数据进行特征提取,得到类别特征值;计算单元40,用于将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据,其中,预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据,从而解决了企业污染情况检查效率低的问题,进而达到了提高企业污染情况检查效率的效果。
可选地,目标企业的排污数据包括监测数据采集时间对应的排污数据。
可选地,该装置还包括:第二获取单元,用于将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据之后,获取预设的等级划分规则;划分单元,用于根据预设的等级划分规则对排污数据进行污染等级划分,得到目标企业的污染等级。
所述污染数据处理装置包括处理器和存储器,上述第一获取单元、分类单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高企业污染情况检查效率。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述污染数据处理方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述污染数据处理方法。
本发明实施例提供了一种设备,设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的污染数据处理方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取目标企业的监测数据,其中,监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;按照类别对监测数据进行分类,得到分类数据;根据不同类别对分类数据进行特征提取,得到类别特征值;将类别特征值输入到预设的算法模型进行计算,得到目标企业的排污数据,其中,预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种污染数据处理方法,其特征在于,包括:
获取目标企业的监测数据,其中,所述监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;
按照类别对所述监测数据进行分类,得到分类数据;
根据不同类别对所述分类数据进行特征提取,得到类别特征值;
将所述类别特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据,其中,所述预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据,将所述类别特征值与预设的该类别的权重相乘得到对应于所述类别的权重特征值;将所述权重特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据。
2.根据权利要求1所述的方法,其特征在于,所述目标企业的排污数据包括所述监测数据采集时间对应的排污数据。
3.根据权利要求1所述的方法,其特征在于,将所述类别特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据之后,所述方法还包括:
获取预设的等级划分规则;
根据所述预设的等级划分规则对所述排污数据进行污染等级划分,得到所述目标企业的污染等级。
4.根据权利要求3所述的方法,其特征在于,在根据所述预设的等级划分规则对所述排污数据进行污染等级划分,得到所述目标企业的污染等级之后,所述方法还包括:
在所述污染等级超过预设阈值时,发出报警信息,其中,所述报警信息用于指示所述目标企业的污染等级超标。
5.一种污染数据处理装置,其特征在于,包括:
第一获取单元,用于获取目标企业的监测数据,其中,所述监测数据至少包括目标企业的运维数据、电能运行数据和锅炉运行数据;
分类单元,用于按照类别对所述监测数据进行分类,得到分类数据;
提取单元,用于根据不同类别对所述分类数据进行特征提取,得到类别特征值;
计算单元,用于将所述类别特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据,其中,所述预设的算法模型是通过预设数量的样本数据训练得到的,每条样本数据包含类别特征值和对应的排污数据,所述计算单元包括第一计算模块和第二计算模块,其中,所述第一计算模块用于将所述类别特征值与预设的该类别的权重相乘得到对应于所述类别的权重特征值;所述第二计算模块将所述权重特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据。
6.根据权利要求5所述的装置,其特征在于,所述目标企业的排污数据包括所述监测数据采集时间对应的排污数据。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
第二获取单元,用于将所述类别特征值输入到预设的算法模型进行计算,得到所述目标企业的排污数据之后,获取预设的等级划分规则;
划分单元,用于根据所述预设的等级划分规则对所述排污数据进行污染等级划分,得到所述目标企业的污染等级。
8.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至4中任意一项所述的污染数据处理方法。
9.一种污染监管系统,其特征在于,所述污染监管系统至少包括一个处理器,以及与所述处理器连接的至少一个存储器、总线,其中,所述处理器、所述存储器通过所述总线完成相互间的通信,所述处理器用于调用所述存储器中的程序指令,以执行权利要求1至4中任意一项所述的污染数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010065605.4A CN111275333B (zh) | 2020-01-20 | 2020-01-20 | 污染数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010065605.4A CN111275333B (zh) | 2020-01-20 | 2020-01-20 | 污染数据处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275333A CN111275333A (zh) | 2020-06-12 |
CN111275333B true CN111275333B (zh) | 2021-06-01 |
Family
ID=71003404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010065605.4A Active CN111275333B (zh) | 2020-01-20 | 2020-01-20 | 污染数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275333B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931414A (zh) * | 2020-06-22 | 2020-11-13 | 山东师范大学 | 基于大数据分析的企业烟气排放数据检测方法及系统 |
CN112465380A (zh) * | 2020-12-07 | 2021-03-09 | 神彩科技股份有限公司 | 基于危废数据的企业行为分析方法、装置、设备及介质 |
CN112465379A (zh) * | 2020-12-07 | 2021-03-09 | 神彩科技股份有限公司 | 基于危废追溯数据的企业评分方法、装置、设备及介质 |
CN112614329A (zh) * | 2020-12-11 | 2021-04-06 | 江苏汇环环保科技有限公司 | 一种适用多种污染治理工况的数据采集传输系统 |
CN112561337A (zh) * | 2020-12-16 | 2021-03-26 | 北京明略软件系统有限公司 | 一种对象类型的确定方法和装置 |
CN112732487B (zh) * | 2021-01-07 | 2024-01-23 | 中国银联股份有限公司 | 一种数据恢复方法及装置 |
CN113095953B (zh) * | 2021-03-29 | 2022-06-10 | 福建亿力优能电力科技有限公司 | 一种基于用电数据的企业环保监测方法 |
CN113435738A (zh) * | 2021-06-24 | 2021-09-24 | 平安国际智慧城市科技股份有限公司 | 环境污染溯源方法、装置、设备及计算机可读存储介质 |
CN114219279A (zh) * | 2021-12-14 | 2022-03-22 | 北京软通智慧科技有限公司 | 环境数据处理方法、装置、设备和存储介质 |
CN114519048A (zh) * | 2022-02-17 | 2022-05-20 | 平安国际智慧城市科技股份有限公司 | 数据识别方法、装置、设备及可读存储介质 |
CN114580958B (zh) * | 2022-03-16 | 2024-06-04 | 国网湖南省电力有限公司 | 一种基于电量数据的工业企业环保工况监测方法及系统 |
CN114610799B (zh) * | 2022-05-11 | 2022-07-22 | 未名环境分子诊断(常熟)有限公司 | 基于环境监测的数据处理方法、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377436A (zh) * | 2018-11-02 | 2019-02-22 | 深圳市博安达信息技术股份有限公司 | 一种环境精准监管方法与装置、终端设备及存储介质 |
CN109767084A (zh) * | 2018-12-25 | 2019-05-17 | 江苏神彩科技股份有限公司 | 一种企业环境行为分析处理的方法及设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5063505A (en) * | 1989-06-16 | 1991-11-05 | Pate Systems, Inc. | Computer aided management system for public utility wastewater collection systems |
CN203535436U (zh) * | 2013-07-18 | 2014-04-09 | 广东长天思源环保科技股份有限公司 | 污染源智能环保监控系统 |
CN106709242B (zh) * | 2016-12-07 | 2018-12-07 | 常州大学 | 一种鉴别污水监测数据真伪的方法 |
CN106600509B (zh) * | 2016-12-28 | 2020-09-15 | 北京航空航天大学 | 一种基于基础数据分析判断企业兑水排污行为的方法 |
CN107301617B (zh) * | 2017-06-09 | 2020-11-13 | 江苏神彩科技股份有限公司 | 一种评估废气监测数据质量的方法及设备 |
CN107292501B (zh) * | 2017-06-09 | 2020-11-13 | 江苏神彩科技股份有限公司 | 一种评估废水监测数据质量的方法及设备 |
CN108564267B (zh) * | 2018-04-08 | 2022-07-12 | 苏州英瀚时信息科技有限公司 | 一种企业环境风险评价系统和方法 |
CN110188946B (zh) * | 2019-05-29 | 2021-07-20 | 剑科云智(深圳)科技有限公司 | 一种污水参数的预测方法及污水预测系统 |
CN110426996B (zh) * | 2019-07-12 | 2023-06-23 | 张鹏 | 基于大数据及人工智能的环境污染监测方法 |
-
2020
- 2020-01-20 CN CN202010065605.4A patent/CN111275333B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377436A (zh) * | 2018-11-02 | 2019-02-22 | 深圳市博安达信息技术股份有限公司 | 一种环境精准监管方法与装置、终端设备及存储介质 |
CN109767084A (zh) * | 2018-12-25 | 2019-05-17 | 江苏神彩科技股份有限公司 | 一种企业环境行为分析处理的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111275333A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275333B (zh) | 污染数据处理方法和装置 | |
CN115578015B (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
CN111310803B (zh) | 环境数据处理方法和装置 | |
Angelos et al. | Detection and identification of abnormalities in customer consumptions in power distribution systems | |
CN111614690A (zh) | 一种异常行为检测方法及装置 | |
CN109767084A (zh) | 一种企业环境行为分析处理的方法及设备 | |
CN112989332B (zh) | 一种异常用户行为检测方法和装置 | |
CN109614526A (zh) | 基于高维异常检测模型的环境监测数据造假手段识别方法 | |
CN116842527A (zh) | 一种数据安全风险评估方法 | |
CN115296933B (zh) | 一种工业生产数据风险等级评估方法及系统 | |
CN116366374B (zh) | 基于大数据的电网网络管理的安全评估方法、系统及介质 | |
CN116094837B (zh) | 基于网络大数据的网终应用采集分析方法、系统及介质 | |
CN117172430B (zh) | 一种基于深度学习的水体环境评估与预测方法及系统 | |
CN116112292A (zh) | 基于网络流量大数据的异常行为检测方法、系统和介质 | |
CN115222303B (zh) | 基于大数据的行业风险数据分析方法、系统及存储介质 | |
CN117094184B (zh) | 基于内网平台的风险预测模型的建模方法、系统及介质 | |
CN116596305A (zh) | 用于食品安全管理的风险分级方法 | |
CN111738843A (zh) | 一种使用流水数据的量化风险评价系统和方法 | |
CN115689396A (zh) | 污染物排放管控方法、装置、设备及介质 | |
CN116384736A (zh) | 一种智慧城市的风险感知方法及系统 | |
CN117670028A (zh) | 基于物联网监测的除尘系统风险动态评估及分级预警方法 | |
CN109871711B (zh) | 海洋大数据共享分发风险控制模型及方法 | |
CN115659351B (zh) | 一种基于大数据办公的信息安全分析方法、系统及设备 | |
CN110807174A (zh) | 一种基于统计分布的污水厂厂群出水分析及异常识别方法 | |
CN116227920A (zh) | 企业风险评估方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 215024 No.12 Louyang Road, Suzhou Industrial Park, Jiangsu Province Patentee after: Shencai Technology Co.,Ltd. Address before: 215024 No.12 Louyang Road, Suzhou Industrial Park, Jiangsu Province Patentee before: JIANGSU SHENCAI TECHNOLOGY Co.,Ltd. |