CN112150009A - 一种场地污染风险管控与修复模式推荐的方法及装置 - Google Patents

一种场地污染风险管控与修复模式推荐的方法及装置 Download PDF

Info

Publication number
CN112150009A
CN112150009A CN202011025153.3A CN202011025153A CN112150009A CN 112150009 A CN112150009 A CN 112150009A CN 202011025153 A CN202011025153 A CN 202011025153A CN 112150009 A CN112150009 A CN 112150009A
Authority
CN
China
Prior art keywords
case
index information
target case
target
characteristic index
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.)
Pending
Application number
CN202011025153.3A
Other languages
English (en)
Inventor
黄国鑫
王夏晖
张秋垒
田梓
季国华
张涛
魏楠
陈茜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Environmental Planning Institute Of Ministry Of Ecology And Environment
Original Assignee
Environmental Planning Institute Of Ministry Of Ecology And Environment
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Environmental Planning Institute Of Ministry Of Ecology And Environment filed Critical Environmental Planning Institute Of Ministry Of Ecology And Environment
Priority to CN202011025153.3A priority Critical patent/CN112150009A/zh
Publication of CN112150009A publication Critical patent/CN112150009A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Abstract

本发明提供了一种场地污染风险管控与修复模式推荐的方法及装置，其中，该方法包括：提取目标案例的特征指标信息；根据特征指标信息计算目标案例与预设案例库中的源案例的相似度；根据目标案例与源案例的相似度确定目标案例的风险管控与修复模式。由于预设案例库中的源案例是根据真实案例整理得到的，每个源案例对应的风险管控与修复模式也是经过实践验证的，因此根据与目标案例相似度最高的源案例确定得到的目标案例的风险管控与修复模式可靠性更高，并且通过实施本发明获取目标案例的风险管控与修复模式时，计算过程简单。

Description

一种场地污染风险管控与修复模式推荐的方法及装置
技术领域
本发明涉及土壤和地下水污染风险管控技术领域，具体涉及一种场地污染风险管控与修复模式推荐的方法及装置。
背景技术
环境保护是当前社会最关注的问题之一，为了将环境保护真正落实到实际行动中，需要对存在的污染进行风险管控与修复。通过传统方式对场地污染进行风险管控与修复时，需要进行采样分析、风险评估、模型预测、风险管控与修复模式矩阵比选、效果评估等一系列计算，但是这些方法计算过程复杂，并且，通过上述方法分析得到的风险管控与修复模式只是理论上可实现的模式，并未经过实践验证。因此，通过传统方法确定针对场地污染的风险管控与修复模式，容易出现选择不合理，投入成本高昂，管控效果不理想，管控效率低，精准化、智能化和高效化水平欠缺等缺陷。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中确定的针对场地污染的风险管控与修复模式容易出现投入成本高昂，管控效果不理想，管控效率低，精准化、智能化和高效化水平欠缺的缺陷，从而提供一种场地污染风险管控与修复模式推荐的方法及装置。
本发明第一方面提供了一种场地污染风险管控与修复模式推荐的方法，包括：提取目标案例的特征指标信息；根据特征指标信息计算目标案例与预设案例库中的源案例的相似度；根据目标案例与源案例的相似度确定目标案例的风险管控与修复模式。
可选地，在本发明提供的场地污染风险管控与修复模式推荐的方法中，通过如下公式计算目标案例与预设案例库中的源案例的相似度：
Figure BDA0002701913840000021
其中，i表示第i个特征指标信息，m表示特征指标信息的个数，wi表示第i个特征指标信息的权重，Di(s,t)表示源案例与目标案例在第i个特征指标信息维度的距离。
可选地，在本发明提供的场地污染风险管控与修复模式推荐的方法中，特征指标信息包括逻辑型指标信息，源案例与目标案例在第i个特征指标信息维度的距离为：
Figure BDA0002701913840000022
其中，Psi表示源案例中第i个逻辑型指标信息的值，Pti表示目标案例中第i个逻辑型指标信息的值，Di(s,t)表示源案例与目标案例在第i个逻辑型指标信息维度的距离。
可选地，在本发明提供的场地污染风险管控与修复模式推荐的方法中，特征指标信息包括数值型指标信息，源案例与目标案例在第i个特征指标信息维度的距离为：
Figure BDA0002701913840000031
其中，Maxi表示预设案例库中第i个数值型指标信息的最大值，Mini表示预设案例库中第i个数值型指标信息的最小值，Psi表示源案例中第i个数值型指标信息的值，Pti表示目标案例中第i个数值型指标信息的值，Di(s,t)表示源案例与目标案例在第i个数值型指标信息维度的距离。
可选地，在本发明提供的场地污染风险管控与修复模式推荐的方法中，确定各特征指标信息的权重的步骤，包括：确定各特征指标信息的重要程度分值，根据各特征指标信息的重要程度分值建立判断矩阵；根据判断矩阵和特征指标信息计算判断矩阵的一致性指标；根据一致性指标和预设随机一致性指标计算判断矩阵的一致性比率；若一致性比率小于第一预设阈值，根据判断矩阵确定各特征指标信息的权重。
可选地，本发明提供的场地污染风险管控与修复模式推荐的方法还包括：若目标案例与预设案例库汇总的源案例的相似度小于第二预设阈值，将目标案例和与目标案例相对应的风险管控与修复模式对应存储于预设案例库中。
本发明第二方面提供了一种场地污染风险管控与修复模式推荐的装置，包括：特征指标信息提取模块，用于提取目标案例的特征指标信息；相似度计算模块，用于根据特征指标信息计算目标案例与预设案例库中的源案例的相似度；风险管控与修复模式确定模块，用于根据目标案例与源案例的相似度确定目标案例的风险管控与修复模式。
本发明第三方面提供了一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，从而执行如本发明第一方面提供的场地污染风险管控与修复模式推荐的方法。
本发明第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如本发明第一方面提供的场地污染风险管控与修复模式推荐的方法。
本发明技术方案，具有如下优点：
1.本发明提供的场地污染风险管控与修复模式推荐的方法，在确定目标案例的风险管控与修复模式时，先提取目标案例的特征指标信息，然后根据特征指标信息计算目标案例与预设案例库中的源案例的相似度，根据目标案例与源案例的相似度确定目标案例的风险管控与修复模式。由于预设案例库中的源案例是根据真实案例整理得到的，每个源案例对应的风险管控与修复模式也是经过实践验证的，因此根据与目标案例相似度最高的源案例确定得到的目标案例的风险管控与修复模式可靠性更高，并且通过实施本发明获取目标案例的风险管控与修复模式时，计算过程简单。
2.本发明提供的场地污染风险管控与修复模式推荐的方法，若目标案例与预设案例库中的源案例的相似度小于第二预设阈值，则将目标案例与目标案例相对应的风险管控与修复模式存储于预设案例库中，在通过本发明提供的场地污染风险管控与修复模式推荐的方法获取目标案例的风险管控与修复模式的同时，还不断地对预设案例库进行填充，呈现出良好的自学习能力，使得通过实施本发明得到的目标案例的风险管控与修复模式的准确性不断提高，并且，通过第二预设阈值对存入预设案例库中的目标案例进行限制，可避免预设案例库无限膨胀而降低风险管控与修复模式推荐效率。
3.本发明提供的场地污染风险管控与修复模式推荐的装置，在确定目标案例的风险管控与修复模式时，先提取目标案例的特征指标信息，然后根据特征指标信息计算目标案例与预设案例库中的源案例的相似度，根据目标案例与源案例的相似度确定目标案例的风险管控与修复模式。由于预设案例库中的源案例是根据真实案例整理得到的，每个源案例对应的风险管控与修复模式也是经过实践验证的，因此根据与目标案例相似度最高的源案例确定得到的目标案例的风险管控与修复模式可靠性更高，并且通过实施本发明获取目标案例的风险管控与修复模式时，计算过程简单。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中场地污染风险管控与修复模式推荐的方法的一个具体示例的流程图；
图2为本发明实施例中目标案例的指标系统结构图；
图3、图4为本发明实施例中场地污染风险管控与修复模式推荐的方法的具体示例的流程图；
图5为本发明实施例中场地污染风险管控与修复模式推荐的装置的具体示例的原理框图；
图6为本发明实施例中场地污染风险管控与修复模式推荐的系统的示意框图；
图7为本发明实施例中场地污染风险管控与修复模式推荐的系统中的案例信息展示界面；
图8为本发明实施例中场地污染风险管控与修复模式推荐的系统中的案例详细信息展示界面；
图9、图10为本发明实施例中场地污染风险管控与修复模式推荐的系统中的特征指标信息输入界面；
图11为本发明实施例中场地污染风险管控与修复模式推荐的系统中的特征指标信息确认界面；
图12为本发明实施例中场地污染风险管控与修复模式推荐的系统中的风险管控与修复模式输出界面；
图13为本发明实施例中提供的计算机设备原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”“第二”“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
环境保护是当前社会最关注的问题之一，为了将环境保护真正落实到实际行动中，需要对存在的污染进行风险管控与修复。通过传统方式对场地污染进行风险管控与修复时，需要进行采样分析、风险评估、模型预测、风险管控与修复模式矩阵比选、效果评估等一系列计算，但是这种方法计算过程复杂，并且，通过上述方法分析得到的风险管控与修复模式只是理论上可实现的模式，并未经过实践的验证。因此，通过传统方法确定针对污染的风险管控与修复模式，容易出现修复模式选择不合理，投入成本高昂，管控效果不理想等缺陷。
本发明实施例提供了一种场地污染风险管控与修复模式推荐的方法，如图1所示，包括：
步骤S10：提取目标案例的特征指标信息。
在一具体实施例中，目标案例是指被污染的地块案例，例如生产过程中会排出污染物的加工企业(例如化学原料和化学制品制造业、黑色金属冶炼和压延加工业、金属制品业、医药制造业、有色金属冶炼和压延加工业和石油、煤炭及其他燃料加工业等)占用的地块。
在一具体实施例中，目标案例的特征指标体系如图2所示，包括场地概况、场地概念模型、以及环境、经济和社会指标三大类，其中，场地概念模型包括污染源、污染途径和敏感受体，环境、经济和社会指标用于表示目标案例对风险管控及修复技术的使用限制。
具体地，在如图2所示的指标体系中，场地概况包括场地基本信息和区域自然、经济、社会环境概况。场地基本信息具体包括所属行业、场地现状、土地利用规划；区域自然、经济、社会环境概况具体包括干湿指数、城市等级。
场地概念模型包括特征污染物、迁移途径、敏感目标。特征污染物具体包括：土壤特征污染物和地下水特征污染物，土壤特征污染物包括挥发性有机污染物(VOCs)、半挥发性有机污染物(SVOCs)、重金属和无机物、石油烃；地下水特征污染物包括挥发性有机污染物(VOCs)、半挥发性有机污染物(SVOCs)、重金属和无机物、石油烃。迁移途径包括包气带的影响和含水层的影响。敏感目标包括场地周边1km范围内地表水和场地周边1km范围内人群。
环境、经济和社会指标包括环境指标、经济指标和社会指标。其中，环境指标包括残余风险、长期效果、健康影响；经济指标包括基本建设费用投资度、后期费用投资度和运行维护成本投资度；社会指标包括管理和公众可接受程度。
在本发明实施例提供的场地污染风险管控与修复模式推荐的方法中，在构建模式推荐指标体系时，涵盖了场地基本信息，区域自然、经济、社会环境概况，特征污染物，迁移途径，敏感目标，环境指标，经济指标，社会指标等方面的24项指标信息，比现有技术中对风险管控与修复模式筛选时所采用的指标信息(11项)更全面合理，本发明实施例中提供的场地概况和场地概念模型有关特征指标信息使得场地概化更加科学和合理，进而确定的目标案例的风险管控与修复模式效果更加理想、管控效率更高，并且，本发明实施例中还包括有关区域自然、经济、社会环境的特征，该类特征可以体现对风险管控与修复模式的需求，因此本发明实施例中提供的特征指标信息得到的目标案例的风险管控与修复模式不仅能有效治理被污染的地块，并且还可以满足经济、社会等方面的需求。
步骤S20：根据特征指标信息计算目标案例与预设案例库中的源案例的相似度。
在本发明实施例中，预设案例库中包括多个源案例，源案例是根据已经实施治理的被污染地块得到的，源案例中包括被污染的地块的场地概况、场地概念模型，以及对被污染的地块进行治理时的风险管控与修复技术、场地土壤风险管控与修复模式、实施效果等数据和信息。
步骤S30：根据目标案例与源案例的相似度确定目标案例的风险管控与修复模式。
在一具体实施例中，在根据目标案例与源案例的相似度确定目标案例的风险管控与修复模式时，可以提供与目标案例相似度最高的三个源案例的风险管控与修复模式，为相关人员提供参考。也可以先获取与目标案例相似度最高的源案例的风险管控与修复模式，若目标案例与源案例的相似度大于一定值，则可以将源案例的风险管控与修复模式确定作为目标案例的风险管控与修复模式。若目标案例与源案例的相似度小于一定值，则在源案例的风险管控与修复模式的基础上进行一定的修改，形成目标案例的风险管控与修复模式，例如，若目标案例与相似度最高的源案例的相似度大于95％，则将源案例的风险管控与修复模式确定为目标案例的风险管控与修复模式，若目标案例与相似度最高的源案例的相似度小于95％，则在源案例的风险管控与修复模式的基础上进行一定的修改，形成目标案例的风险管控与修复模式。具体地，可以获取目标案例与源案例各特征指标信息的相似度，可以针对相似度较低的特征指标信息对源案例的风险管控与修复模式进行修改，具体地，若目标案例和源案例的指标信息中，后期费用投资度这一特征的相似度较小，则可以根据目标案例的后期费用投资度对源案例的风险管控与修复模式进行调整，得到更适用于目标案例的风险管控与修复模式。
在一可选实施例中，本发明实施例提供的场地污染风险管控与修复模式推荐的方法通过如下公式计算目标案例与预设案例库中的源案例的相似度：
Figure BDA0002701913840000101
其中，i表示第i个特征指标信息，m表示特征指标信息的个数，wi表示第i个特征指标信息的权重，Di(s,t)表示源案例与目标案例在第i个特征指标信息维度的距离。
在一可选实施例中，上述步骤S10中获取的特征指标信息包括逻辑型指标信息，逻辑性指标信息是指无法量化的指标信息，本发明实施例中，通过如下公式计算目标案例和源案例之间在逻辑型指标信息维度的距离：
Figure BDA0002701913840000111
其中，Psi表示源案例中第i个逻辑型指标信息的值，Pti表示目标案例中第i个逻辑型指标信息的值，Di(s,t)表示源案例与目标案例在第i个逻辑型指标信息维度的距离。
在本发明实施例中，逻辑型指标主要包括：所属行业、场地现状、土地利用规划、场地周边1km范围内地表水、场地周边1km范围内人群、土壤特征污染物和地下水特征污染物。
所属行业的值可以为化学原料和化学制品制造业、黑色金属冶炼和压延加工业、金属制品业、医药制造业、有色金属冶炼和压延加工业、石油和天然气开采业、印刷和记录媒介复制业、有色金属矿采选业和石油、煤炭及其他燃料加工业；
场地现状的值可以为在产或关闭；
土地利用规划为基于《土地利用现状分类》(GB/T 21010-2017)标准，根据场地未来规划确定的场地土地利用规划等级，划分方式见下表1所示。
表1
Figure BDA0002701913840000112
Figure BDA0002701913840000121
土壤特征污染物和地下水特征污染物中的SVOCs、VOCs、重金属和无机物、石油烃包括《土壤环境质量建设用地土壤污染风险管控标准(试行)》(GB36600-2018)中重点关注的85项污染物。
在一可选实施例中，上述步骤S10中获取的特征指标信息包括数值型指标信息，数值型指标信息是指可以量化的指标信息，本发明实施例中，通过如下公式计算目标案例和源案例之间在数值型指标信息维度的距离：
Figure BDA0002701913840000122
其中，Maxi表示预设案例库中第i个数值型指标信息的最大值，Mini表示预设案例库中第i个数值型指标信息的最小值，Psi表示源案例中第i个数值型指标信息的值，Pti表示目标案例中第i个数值型指标信息的值，Di(s,t)表示源案例与目标案例在第i个数值型指标信息维度的距离。
数值型指标主要包括：干湿指数、城市等级、包气带的影响、含水层的影响、残余风险、长期效果、健康影响、管理和公众可接受程度、基本建设费用投资度、后期费用投资度、运行维护成本投资度。
在一具体实施例中，通过如下公式计算干湿指数：
Figure BDA0002701913840000131
其中，DWI表示干湿指数(无量纲)；
Figure BDA0002701913840000132
表示多年平均降水量，单位毫米(mm)；
Figure BDA0002701913840000134
表示多年平均蒸发量，单位毫米(mm)，上述公式中计算降水量和蒸发量时所取的年份数量可以根据实际需求进行调整。
特征指标信息中的干湿指数可以取干湿指数的具体值，也可以取干湿指数对应的等级，干湿指数与等级的对应关系如下表2所示。
表2
Figure BDA0002701913840000133
城市等级是指目标案例所在城市的城市等级，城市等级的值根据《关于调整城市规模划分标准的通知》(国发〔2014〕51号)确定，其中A类等级城市包括北京、上海、广州和深圳4个，赋予等级值10；B类等级城市包括重庆、天津、杭州和南京等21个城市，赋予等级值8；C类等级城市包括太原、呼和浩特、贵阳和兰州等41个城市，赋予等级值6；D类等级城市包括银川、西宁、拉萨和三亚等62个城市，赋予等级值4；E类等级城市包括肇庆、清远、汕尾和梅州等190个城市，赋予等级值2；F类为其它市，赋予等级值0。
包气带的影响根据包气带渗透系数最大的岩性及其等级值确定，包气带渗透系数最大的岩性及其等级值的对应关系如下表3所示。
表3
Figure BDA0002701913840000141
含水层的影响根据含水层最主要岩性及其等级值确定，含水层最主要岩性和等级值的对应关系见下表4所示。
表4
Figure BDA0002701913840000142
Figure BDA0002701913840000151
残余风险分为四类：小、中、大、不确定，其中，小对应的等级值为3，中对应的等级值为5，大对应的等级值为8，不确定对应的等级值为1。
长期效果分为三类：不好、好、不确定，其中，不好对应的等级值为1，好对应的等级值为5，不确定对应的等级值为3。
健康影响分为四类：小、中、大、不确定，其中，小对应的等级值为3，中对应的等级值为5，大对应的等级值为8，不确定对应的等级值为1。
管理和公众可接受程度分为三类：不可接受、尚可接受、可接受，其中，不可接受对应的等级值为1，尚可接受对应的等级值为3，可接受对应的等级值为5。
基本建设费用投资度分为四类：低、中、高、不确定，基本建设费用投资度为低时对应的等级值为3，基本建设费用投资度为中时对应的等级值为5，基本建设费用投资度为高时对应的等级值为8，基本建设费用投资度不确定时对应的等级值为1。
后期费用投资度分为四类：低、中、高、不确定，后期费用投资度为低时对应的等级值为3，后期费用投资度为中时对应的等级值为5，后期费用投资度为高时对应的等级值为8，后期费用投资度不确定时对应的等级值为1。
运行维护成本投资度分为四类：低、中、高、不确定，运行维护成本投资度为低时对应的等级值为3，运行维护成本投资度为中时对应的等级值为5，运行维护成本投资度为高时对应的等级值为8，运行维护成本投资度不确定时对应的等级值为1。
在一具体实施例中，基本建设费用投资度、后期费用投资度、运行维护成本投资度的值可根据实际情况确定。
在一可选实施例中，如图3所示，通过如下步骤计算各特征指标信息的权重：
步骤S21：确定各特征指标信息的重要程度分值，根据各特征指标信息的重要程度分值建立判断矩阵。各特征指标信息的重要程度分值可以根据实际需求进行设置，在本发明实施例中，各特征指标信息的重要程度分值见下表5所示。
表5
Figure BDA0002701913840000161
Figure BDA0002701913840000171
根据上述各特征指标信息的重要程度分值得到的判断矩阵为：
Figure BDA0002701913840000172
步骤S22：根据判断矩阵和特征指标信息计算判断矩阵的一致性指标，本发明实施例中先根据判断矩阵计算该矩阵的特征值，然后根据特征值中最大特征值和特征指标信息的个数计算一致性指标：
Figure BDA0002701913840000173
其中，IC表示一致性指标，λmax表示判断矩阵的最大特征值，n表示特征指标信息的个数。
步骤S23：根据一致性指标和预设随机一致性指标计算判断矩阵的一致性比率：
Figure BDA0002701913840000181
其中，RC表示一致性比率，IR表示预设随机一致性指标，预设随机一致性指标的值根据特征指标信息的个数确定，预设随机一致性指标的值和特征指标信息的个数的对应关系如下表6所示。
表6
Figure BDA0002701913840000182
步骤S24：判断一致性比率是否小于第一预设阈值，若一致性比率小于第一预设阈值，则执行步骤S25，若一致性比率大于或等于第一预设阈值，则返回上述步骤S21,重新确定各特征指标信息的重要程度分值，并根各特征指标信息的新的重要程度分值建立新的判断矩阵，直到一致性比率小于第一预设阈值。在一具体实施例中，第一预设阈值的值可以设置为0.1。
步骤S25：根据判断矩阵确定各特征指标信息的权重，在本发明实施例中，先根据判断矩阵计算该矩阵的最大特征值对应的最大特征向量，然后对最大特征向量的元素求总和，最后根据最大特征向量的各个元素和最大特征向量的元素总和分别计算各特征指标信息的权重。
在本发明实施例中，根据上述表5中的各特征指标信息的重要程度分值建立判断矩阵后，计算得到该判断矩阵的最大特征值为26.23673，根据该判断矩阵的最大特征值和特征指标信息的个数计算得到的一致性指标IC的值为0.09725，预设随机一致性指标IR为1.6511，根据一致性指标和预设随机一致性指标计算得到的一致性比率为0.0589，小于第一预设阈值0.1，因此可以通过上述判断矩阵计算该矩阵的最大特征值对应的最大特征向量以及最大特征向量的元素总和，并根据最大特征向量的各个元素和最大特征向量的元素总和分别计算各特征指标信息的权重，计算得到的各特征指标信息的权重见下表7所示。
表7
Figure BDA0002701913840000191
在一可选实施例中，如图4所示，本发明实施例提供的场地污染风险管控与修复模式推荐的方法还包括：
步骤S40：判断目标案例与预设案例库中的源案例的相似度小于第二预设阈值，若目标案例与预设案例库中的源案例的相似度小于第二预设阈值，则执行步骤S50。
步骤S50：将目标案例和与目标案例相对应的风险管控与修复模式对应存储于预设案例库中。第二预设阈值的取值可以为80％，即，当目标案例与预设案例库中的所有源案例的相似度都小于80％时，将目标案例与目标案例对应的风险管控与修复模式对应存储于预设案例库中。
本发明实施例提供的场地污染风险管控与修复模式推荐的方法，若目标案例与预设案例库中的源案例的相似度小于第二预设阈值，则将目标案例与目标案例相对应的风险管控与修复模式存储于预设案例库中，在通过本发明实施例提供的场地污染风险管控与修复模式推荐的方法获取目标案例的风险管控与修复模式的同时，还不断地对预设案例库进行填充，呈现出良好的自学习能力，使得通过实施本发明得到的目标案例的风险管控与修复模式的准确性不断提高，并且，通过第二预设阈值对存入预设案例库中的目标案例进行限制，可避免预设案例库无限膨胀而降低风险管控与修复模式推荐效率。
实施例2
本发明实施例提供了一种场地污染风险管控与修复模式推荐的装置，如图5所示，包括：
特征指标信息提取模块10，用于提取目标案例的特征指标信息，详细内容见上述步骤S10的描述。
相似度计算模块20，用于根据特征指标信息计算目标案例与预设案例库中的源案例的相似度，详细内容见上述步骤S20的描述。
风险管控与修复模式确定模块30，用于根据目标案例与源案例的相似度确定目标案例的风险管控与修复模式，详细内容见上述步骤S30的描述。
本发明实施例提供的场地污染风险管控与修复模式推荐的装置，在确定目标案例的风险管控与修复模式时，先提取目标案例的特征指标信息，然后根据特征指标信息计算目标案例与预设案例库中的源案例的相似度，根据目标案例与源案例的相似度确定目标案例的风险管控与修复模式。由于预设案例库中的源案例是根据真实案例整理得到的，每个源案例对应的风险管控与修复模式也是经过实践验证的，因此根据与目标案例相似度最高的源案例确定得到的目标案例的风险管控与修复模式可靠性更高，并且通过上述方案获取目标案例的风险管控与修复模式时，计算过程简单。
实施例3
本发明实施例提供了一种场地污染风险管控与修复模式推荐的系统，如图6所示，包括IT基础设备层、数据层、应用层、接入和服务、系统管理和保障体系。该系统采用浏览器/服务器(B/S)结构模式，浏览器由Internet访问Web服务器，Web服务器向数据库服务器递交数据请求，经过后台运算，将返回的运行结果推送到浏览器上。
在本发明实施例中，根据数据需求分析，场地污染风险管控与修复模式推荐的系统的数据层中包括案例基础信息数据库、关系型数据库管理系统(PostgreSQL)数据库、非结构化数据存储的数据库(HBase)和Impala数据仓库。
其中，案例基础信息数据库主要用于对源案例的搜索、查询、增加、删减和修改，是整个系统平台的基础数据库。通过对源案例信息的分析，可以获得统计性的结论和规律。为此，源案例中信息的储存方式显得极其重要。本发明实施例中源案例记录的信息主要通过数据和描述性语言两方面来储存。案例库信息如表8所示。
表8
Figure BDA0002701913840000221
Figure BDA0002701913840000231
示例性地，场地污染风险管控与修复模式推荐的系统中，案例信息的展示界面如图7所示，查看每个案例的详情界面如图8所示。
本发明实施例提供的场地污染风险管控与修复模式推荐的系统具备风险管控与修复模式推荐功能，图9-图12为风险管控与修复模式推荐界面，用户在如图9和图10所示的界面输出目标案例的特征指标信息后，点击“保存”，会出现如图11所示的信息确认页面，确认无误并上传信息后，场地污染风险管控与修复模式推荐的系统会执行上述实施例1中的场地污染风险管控与修复模式推荐的方法，确定并输出目标案例的风险管控与修复模式，展示界面如图12所示。
本发明实施例提供的场地污染风险管控与修复模式推荐的系统还具备检索功能，在如图7所示的界面中输入案例的如企业名称、所在地区、行业分类等主要信息进行单项或多项混合查询，系统会输出匹配的查询结果。
通过实施本发明实施例提供的场地污染风险管控与修复模式推荐的系统，能为目标案例提供更可靠的风险管控与修复模式，并且，在为目标案例提供风险管控与修复模式推荐的同时，对源案例进行统一管理，使得模式推荐过程更智能化和高效化。
实施例4
本发明实施例提供一种计算机设备，如图13所示，该计算机设备主要包括一个或多个处理器51以及存储器52，图13中以一个处理器51为例。
该计算机设备还可以包括：输入装置53和输出装置54。
处理器51、存储器52、输入装置53和输出装置54可以通过总线或者其他方式连接，图13中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit，CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器52可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据场地污染风险管控与修复模式推荐的装置的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至场地污染风险管控与修复模式推荐的装置。输入装置53可接收用户输入的计算请求(或其他数字或字符信息)，以及产生与场地污染风险管控与修复模式推荐的装置有关的键信号输入。输出装置54可包括显示屏等显示设备，用以输出计算结果。
实施例5
本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的场地污染风险管控与修复模式推荐的方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (9)

1.一种场地污染风险管控与修复模式推荐的方法，其特征在于，包括：
提取目标案例的特征指标信息；
根据所述特征指标信息计算所述目标案例与预设案例库中的源案例的相似度；
根据所述目标案例与所述源案例的相似度确定所述目标案例的风险管控与修复模式。
2.根据权利要求1所述的场地污染风险管控与修复模式推荐的方法，其特征在于，
通过如下公式计算所述目标案例与预设案例库中的源案例的相似度：
Figure FDA0002701913830000011
其中，i表示第i个特征指标信息，m表示特征指标信息的个数，wi表示第i个特征指标信息的权重，Di(s,t)表示源案例与目标案例在第i个特征指标信息维度的距离。
3.根据权利要求2所述的场地污染风险管控与修复模式推荐的方法，其特征在于，所述特征指标信息包括逻辑型指标信息，
所述源案例与目标案例在第i个特征指标信息维度的距离为：
Figure FDA0002701913830000021
其中，Psi表示源案例中第i个逻辑型指标信息的值，Pti表示目标案例中第i个逻辑型指标信息的值，Di(s,t)表示源案例与目标案例在第i个逻辑型指标信息维度的距离。
4.根据权利要求2或3所述的场地污染风险管控与修复模式推荐的方法，其特征在于，所述特征指标信息包括数值型指标信息，
所述源案例与目标案例在第i个特征指标信息维度的距离为：
Figure FDA0002701913830000022
其中，Maxi表示所述预设案例库中第i个数值型指标信息的最大值，Mini表示所述预设案例库中第i个数值型指标信息的最小值，Psi表示源案例中第i个数值型指标信息的值，Pti表示目标案例中第i个数值型指标信息的值，Di(s,t)表示源案例与目标案例在第i个数值型指标信息维度的距离。
5.根据权利要求2所述的场地污染风险管控与修复模式推荐的方法，其特征在于，确定各特征指标信息的权重的步骤，包括：
确定各所述特征指标信息的重要程度分值，根据各所述特征指标信息的重要程度分值建立判断矩阵；
根据所述判断矩阵和所述特征指标信息计算所述判断矩阵的一致性指标；
根据所述一致性指标和预设随机一致性指标计算所述判断矩阵的一致性比率；
若所述一致性比率小于第一预设阈值，根据所述判断矩阵确定各所述特征指标信息的权重。
6.根据权利要求1所述的场地污染风险管控与修复模式推荐的方法，其特征在于，还包括：
若所述目标案例与所述预设案例库汇总的源案例的相似度小于第二预设阈值，将所述目标案例和与所述目标案例相对应的风险管控与修复模式对应存储于所述预设案例库中。
7.一种场地污染风险管控与修复模式推荐的装置，其特征在于，包括：
特征指标信息提取模块，用于提取目标案例的特征指标信息；
相似度计算模块，用于根据所述特征指标信息计算所述目标案例与预设案例库中的源案例的相似度；
风险管控与修复模式确定模块，用于根据所述目标案例与所述源案例的相似度确定所述目标案例的风险管控与修复模式。
8.一种计算机设备，其特征在于，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，从而执行如权利要求1-6中任一项所述的场地污染风险管控与修复模式推荐的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1-6中任一项所述的场地污染风险管控与修复模式推荐的方法。
CN202011025153.3A 2020-09-25 2020-09-25 一种场地污染风险管控与修复模式推荐的方法及装置 Pending CN112150009A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011025153.3A CN112150009A (zh) 2020-09-25 2020-09-25 一种场地污染风险管控与修复模式推荐的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011025153.3A CN112150009A (zh) 2020-09-25 2020-09-25 一种场地污染风险管控与修复模式推荐的方法及装置

Publications (1)

Publication Number Publication Date
CN112150009A true CN112150009A (zh) 2020-12-29

Family

ID=73897274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011025153.3A Pending CN112150009A (zh) 2020-09-25 2020-09-25 一种场地污染风险管控与修复模式推荐的方法及装置

Country Status (1)

Country Link
CN (1) CN112150009A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114819880A (zh) * 2022-03-30 2022-07-29 杭州利环环境集团有限公司 一种用于土壤修复和数字化管理的方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103744829A (zh) * 2014-01-02 2014-04-23 环境保护部环境规划院 一种地下水污染防治区划分的方法
CN104573338A (zh) * 2014-12-24 2015-04-29 哈尔滨工业大学 一种应用于突发性水源污染应急处置技术筛选与评估的方法
CN105844401A (zh) * 2016-03-22 2016-08-10 北京工商大学 基于案例推理的湖库水华治理复杂动态关联模型与决策方法
CN109902153A (zh) * 2019-04-02 2019-06-18 杭州安脉盛智能技术有限公司 基于自然语言处理和案例推理的设备故障诊断方法及系统
CN110728449A (zh) * 2019-10-10 2020-01-24 广西电网有限责任公司 一种风险管控评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103744829A (zh) * 2014-01-02 2014-04-23 环境保护部环境规划院 一种地下水污染防治区划分的方法
CN104573338A (zh) * 2014-12-24 2015-04-29 哈尔滨工业大学 一种应用于突发性水源污染应急处置技术筛选与评估的方法
CN105844401A (zh) * 2016-03-22 2016-08-10 北京工商大学 基于案例推理的湖库水华治理复杂动态关联模型与决策方法
CN109902153A (zh) * 2019-04-02 2019-06-18 杭州安脉盛智能技术有限公司 基于自然语言处理和案例推理的设备故障诊断方法及系统
CN110728449A (zh) * 2019-10-10 2020-01-24 广西电网有限责任公司 一种风险管控评价方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114819880A (zh) * 2022-03-30 2022-07-29 杭州利环环境集团有限公司 一种用于土壤修复和数字化管理的方法和系统

Similar Documents

Publication Publication Date Title
Yuan et al. A review of the technical and economic evaluation techniques for shale gas development
Bian et al. Evaluation of urban ecological well-being performance in China: A case study of 30 provincial capital cities
Shao et al. An alternative method for analyzing dimensional interactions of urban carrying capacity: Case study of Guangdong-Hong Kong-Macao Greater Bay Area
CN106844527B (zh) 一种基于互联网大数据的路面病害识别与管养决策方法及系统
Yu et al. Estimating the carbon abatement potential of economic sectors in China
Islam et al. Yard waste prediction from estimated municipal solid waste using the grey theory to achieve a zero-waste strategy
Hua et al. Assessment of ecological risks induced by land use and land cover changes in Xiamen City, China
Zhang et al. A data-driven approach to objective evaluation of urban low carbon development performance
CN112150009A (zh) 一种场地污染风险管控与修复模式推荐的方法及装置
Zhou et al. Scenario prediction and critical factors of CO2 emissions in the Pearl River Delta: A regional imbalanced development perspective
Cheng Evaluation and analysis of high-quality development of new urbanization based on intelligent computing
Yajuan et al. Tourism ecological security in Wuhan
CN114723218B (zh) 一种基于信息量-神经网络的油气管道地质灾害评价方法
Zheng et al. Environmental risk assessment of the municipal solid waste in a city-state: A case study of Macao
Yang LDA-based Topic Mining Research on China's Government Data Governance Policy
CN111651432B (zh) 一种疑似污染场地时空信息识别方法
CN111914339A (zh) 基于景观绩效评价的风景园林景观设计方法及系统
Wang et al. Geographic information system and system dynamics combination technique for municipal solid waste treatment station site selection
Liu The use of GIS-based genetic algorithm in water pollution control planning
Li et al. Construction Means of Soil Microbial Synusiologic Network Based on ANN
Qin et al. Application of data mining in cultivation of student mental health
Wang Influence assessment of tourist resource exploitation on ecological environment based on Grey model
Zhou et al. WebGIS-based Catering Industry Entrepreneurial Decision-making System
Fan et al. A framework for automatic collection and updating of" Honor & Black" list based on big data
Sina et al. Hybrid Forecasting Methods—A Systematic Review. Electronics 2023, 12, 2019

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