CN114399212A - 生态环境质量评估方法、装置、电子设备及存储介质 - Google Patents
生态环境质量评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114399212A CN114399212A CN202210056339.8A CN202210056339A CN114399212A CN 114399212 A CN114399212 A CN 114399212A CN 202210056339 A CN202210056339 A CN 202210056339A CN 114399212 A CN114399212 A CN 114399212A
- Authority
- CN
- China
- Prior art keywords
- ecological environment
- index
- environment quality
- data
- quality evaluation
- 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
Links
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001303 quality assessment method Methods 0.000 claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 239000013598 vector Substances 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 13
- 230000007613 environmental effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 239000000428 dust Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析技术,揭露一种生态环境质量评估方法,包括:实时采集目标区域的生态环境相关信息数据;根据预构建的生态环境质量评估指标体系,抽取所述信息数据中的多个指标数据;提取每个所述指标数据的指标特征,利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值;根据所述相对概率值计算每个所述评估等级的得分,确定得分最高的评估等级为所述目标区域的生态环境质量评估等级。本发明还提出一种生态环境质量评估装置、设备以及介质。本发明可以提升生态环境质量评估的准确性及效率。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种生态环境质量评估方法、装置、电子设备及计算机可读存储介质。
背景技术
生态环境问题是关系到国计民生的大问题,关系到人民的福祉。通过不间断地、实时地对一座城市或一个区域的生态环境质量进行监测,可以有效预测当地生态环境发展趋势、及时预警重大环境问题,并做出相关环境政策的调整。
通常,影响一座城市或一个区域的生态环境质量的因素非常多,例如,空气、地表水、地下水、土壤、噪声、工业、生活污染等,而每个因素又可以细分成更多的条目,每一个因素涉及的行业和领域也非常复杂,导致生态环境质量度量工作任务量大、难度高。
当前生态环境质量的度量较为普遍的是通过人工统计历史静态数据,再按照相关规则进行环境质量的评估。这种方式,一方面,依赖人工进行生态环境质量的评估的效率低下,另一方面,依赖历史静态数据,不能及时关联新的环境度量因素以及实时的环境数据,不能根据最新的情况的变换进行环境测评的动态调整,评估数据的时效性及准确性有待提升。
发明内容
本发明提供一种生态环境质量评估方法、装置及计算机可读存储介质,其主要目的在于提升生态环境质量评估的准确性及效率。
为实现上述目的,本发明提供的一种生态环境质量评估方法,包括:
实时采集目标区域的生态环境相关信息数据;
根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据;
提取每个所述指标数据的指标特征,利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值;
根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
可选地,所述实时采集目标区域的生态环境相关信息数据,包括:
根据预设的采集模块的实时采集任务,实时从所述采集模块对应的预设数据源中,获取所述目标区域的生态环境相关信息数据;
将所述信息数据存储到预设的存储区域中。
可选地,所述提取每个所述指标数据的指标特征,包括:
对每个所述指标数据进行词向量转换;
利用预先训练的生态环境学习模型中的多头注意力机制,将所述词向量转化成文本特征向量;
利用所述生态环境学习模型中的残差连接层,连接所述词向量及所述文本特征向量,得到所述指标数据的文本特征向量密切关联矩阵;
利用所述生态环境学习模型中的全连接层,对所述文本特征向量密切关联矩阵进行降维处理,得到每个所述指标数据对应的指标特征。
可选地,所述提取每个所述指标数据的指标特征,包括:
从所述指标数据中,随机选择预设数量的指标数据点作为聚类中心;
计算所述指标数据中其他指标数据到所述聚类中心的距离,并将每个所述指标数据划分到距离最小的聚类中心对应的聚类中,得到多个聚类簇;
判断每个所述聚类簇是否满足预设条件;
当任一所述聚类簇不满足所述预设条件时,则返回上述的从所述指标数据中,随机选择预设数量的指标数据点作为聚类中心的步骤;
当所有所述聚类簇满足所述预设条件时,将满足所述预设条件的聚类簇对应的类别作为所述指标数据的指标特征。
可选地,所述利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值,包括:
利用如下公式计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值:
其中,p(a|x)为每个所述指标数据中指标特征x和生态环境质量评估等级a之间的相对概率,wa为生态环境质量评估等级a的权重向量,T为求转置运算符号,exp为求期望运算符号,N为预设的多个生态环境质量评估等级的数量。
可选地,所述根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级,包括:
获取每个所述指标数据的预设的差异权重;
根据每个所述指标数据对应的差异权重及相对概率值,计算所述每个生态环境质量评估等级的得分;
对所述得分进行统计,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
可选地,所述根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据之前,所述方法还包括:
对所述信息数据执行去重操作;
检测所述信息数据中是否存在缺失值,当所述信息数据中存在缺失值时,则对所述缺失值进行填充;
检测所述信息数据中是否存在异常数据,当所述信息数据中存在异常数据时,删除所述异常数据;
对所述信息数据执行一致性比对操作,得到不一致数据,对所述不一致数据进行标准化处理。
为了解决上述问题,本发明还提供一种生态环境质量评估装置,所述装置包括:
数据采集模块,用于实时采集目标区域的生态环境相关信息数据;
指标数据抽取模块,用于根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据;
指标特征计算模块,用于提取每个所述指标数据的指标特征,利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值;
质量评估综合模块,用于根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的程序以实现上述所述的生态环境质量评估方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的生态环境质量评估方法。
本发明申请通过实时采集目标区域的生态环境相关信息数据,对采集到的信息数据进行指标数据的抽取、指标特征的提取以及利用每个所述指标数据的指标特征计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值,根据所述相对概率值计算每个所述评估等级的得分,确定得分最高的评估等级为所述目标区域的生态环境质量评估等级,一方面实时采集及分析数据,保证了目标区域的环境质量评估的时效性,进而提升了评估的准确性,同时通过上述评估方法,减少了对人工的依赖,提升了目标区域的环境质量评估的效率。
附图说明
图1为本发明一实施例提供的生态环境质量评估方法的流程示意图;
图2为图1所示生态环境质量评估方法中其中一个步骤的详细实施流程示意图;
图3为图1所示生态环境质量评估方法中其中另一个步骤的详细实施流程示意图;
图4为本发明一实施例提供的生态环境质量评估装置的功能模块图;
图5为本发明一实施例提供的实现所述生态环境质量评估方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种生态环境质量评估方法。所述生态环境质量评估方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述生态环境质量评估方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的生态环境质量评估方法的流程示意图。在本实施例中,所述生态环境质量评估方法包括:
S1、实时采集目标区域的生态环境相关信息数据;
本发明实施例中,所述目标区域可以是一座城市或城市的某一特定区域,也可以是面积更为广阔的多个城市或地区。
本发明实施例中,所述生态环境相关信息数据是指能够反映所述目标区域的生态环境状况的数据,通常所述目标区域覆盖的生态环境包括河流、湖泊、山林、耕地、公园、工业区、矿区、居民区、商业区、学校及医疗场所等。相应地,所述生态环境相关信息数据也可以包括多种类型数据,例如,空气污染指数、降雨PH值、降水分布均匀度、常年风速、土壤类型、土壤质量、地表水状况、地下水状况、绿化植被率等。本发明实施例采集多样化的生态环境相关信息数据,保证了对所述目标区域的生态环境质量进行较为全面的、科学的、准确的评估。
本发明实施例中,可通过具有数据抓取功能的计算机语句(java语句、python语句等)从国家环境监测总站等权威生态环境数据发布平台,采集所述目标区域的生态环境相关信息数据,也可以通过所述目标区域的生态环境监测站点,获取所述目标区域的生态环境相关信息数据。
详细地,所述实时采集目标区域的生态环境相关信息数据,包括:根据预设的采集模块的实时采集任务,实时从所述采集模块对应的预设数据源中,获取所述目标区域的生态环境相关信息数据;将所述信息数据存储到预设的存储区域中。
可以理解的是,通常所述目标区域的生态环境相关信息数据种类庞杂,数据来源也比较多,为了保障所述生态环境相关信息数据采集地规范及有序,可以针对不同的数据源,指定特定的采集模块实时从所述数据源的获取生态环境相关信息数据。
本发明实施例中,所述预设的存储区域可以是本地数据库也可以是云端服务器,所述预设的存储区域,用来接收每个所述采集模块发来的各个数据源的数据。
S2、根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据;
本发明实施例中,所述预构建的生态环境质量评估指标体系,是依据现有的生态环境质量评估方法论,对所述目标区域的历史的生态环境相关数据进行分门别类的梳理,得到一定颗粒度的可衡量的环境质量度量因子。例如,废水处理率、废水处理达标率、废气治理率、粉尘处理率、废渣治理率等。
可以理解的是,不同的目标区域的生态环境特点不同,例如,有的目标区域属于林场区域,有的目标区域属于草场区域,有的目标区域属于居民生活区域,不同的目标区域的生态环境监测的重点不同,相应的所述预构建的生态环境质量评估指标体系可以根据目标区域的生态环境特点进行动态的调整,细化重点监测对象的评估指标,对非重点监测对象的评估指标可以保持较大的颗粒度,例如,针对矿区的目标区域,可以就粉尘、水质、噪声等重点监测对象细化生态环境质量评估指标体系,而对景观覆盖、生活污染等数据保持较大颗粒度的度量即可。
本发明实施例中,从不同的数据源获取到的所述生态环境相关信息数据较多为非结构化的文本数据,例如,网页数据,同时也存在一部分重复数据或无效数据,或者存在格式或命名不统一的数据,因此在提取所述数据中的指标数据之前,还需要对所述数据执行去重、格式统一等预处理操作。
所述根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据之前,所述方法,还可以包括:对所述信息数据执行去重操作;检测去所述信息数据中是否存在缺失值,当所述信息数据中存在缺失值时,则对所述缺失值进行填充;检测所述信息数据中是否存在异常数据,当所述信息数据中存在异常数据时,删除所述异常数据;对所述信息数据执行一致性比对操作,得到不一致数据,对所述不一致数据进行标准化处理。
本发明实施例中,可以通过自定义的脚本或小程序,识别所述数据中重复数据、缺失值的数据以及异常数据。
本发明实施例中,可以利用模型法对所述缺失值的数据进行填充,所述模型法是基于已有的其他数据,将所述缺失值的数据作为目标变量进行预测,从而得到最为可能的填充值,通常所述模型法包括回归模型补全法及分类模型补全法,其中所述回归模型补全法适用于所述缺失值的数据是数值变量的情况,所述分类模型补全法适用于所述缺失值的数据是分类变量的情况。
本发明实施例中,可以通过自定义的脚本实现数据的标准化处理,例如,通过自定义脚本实现数值格式的统一、删除字符串中的多余空格等操作。例如,将5%转换为指定的小数格式,如将5%转换为0.05。
本发明实施例中,所述根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据的过程,可以理解为是对所述信息数据进行标注的过程,即将所述信息数据中的符合指标体系特征的数据标注出来。
本发明实施例中,可以采用brat或Doccano等常见的文本标注工具,根据所述预构建的生态环境质量评估指标体系,提取所述信息数据中的指标数据。
本发明实施例中,所述预设数量可以根据实际情况设置。
S3、提取每个所述指标数据的指标特征,利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值;
本发明实施例中,可以利用基于卷积神经网络构建的机器学习模型,提取每个所述指标数据的指标特征。其中,所述指标特征包括正常指标特征、异常指标特征及指标类型特征。
本发明实施例中,所述正常指标特征是指能否反映对应指标数据符合常规取值范围的特征,所述异常指标特征是指能否反映对应指标数据不符合常规取值范围的特征,所述指标类型特征是指能够反映出对应指标所属类型的特征,例如,指标数据为粉尘处理率小于15%,所述指标数据对应的分类是粉尘类。
详细地,参阅图2所示,S3中所述提取每个所述指标数据的指标特征,包括:
S31、对每个所述指标数据进行词向量转换;
S32、利用预先训练的生态环境学习模型中的多头注意力机制,将所述词向量转化成文本特征向量;
S33、利用所述生态环境学习模型中的残差连接层,连接所述词向量及所述文本特征向量,得到所述指标数据的文本特征向量密切关联矩阵;
S34、利用所述生态环境学习模型中的全连接层,对所述文本特征向量密切关联矩阵进行降维处理,得到每个所述指标数据对应的指标特征。
本发明实施例中,可以采用Word2vec、glove、Elmo等词向量经典模型对每个所述指标数据进行词向量转换。
本发明实施例中,所述预先训练的生态环境学习模型是基于卷积神经网络构建的机器学习模型,通过大量的反映生态环境质量文本样本数据训练得到的。
本发明另一实施例中,可以利用自适应聚类算法,对所述指标数据按照正常指标、异常指标进行聚类,以及按照指标类型进行聚类,从而得到每个所述指标数据的指标特征。
详细地,参阅图3所示,S3中所述提取每个所述指标数据的指标特征,也可以包括:
S31、从所述指标数据中,随机选择预设数量的指标数据点作为聚类中心;
S32、计算所述指标数据中其他指标数据到所述聚类中心的距离,并将每个所述指标数据划分到距离最小的聚类中心对应的聚类中,得到多个聚类簇;
S33、判断每个所述聚类簇是否满足预设条件;
当任一所述聚类簇不满足所述预设条件时,则返回上述的步骤S31;
当所有所述聚类簇满足所述预设条件时,执行S34、将满足所述预设条件的聚类簇对应的类别作为所述指标数据的指标特征。
本发明实施例中,所述预设条件可以是聚类次数达到预设的最大聚类次数时,结束聚类。也可以借助计算F统计量来确定选择一个聚类中心后,判断相应的聚类结果是否优于上次聚类结果,若相应的聚类结果优于上次聚类结果,则选择该聚类中心并同时更新聚类数,重复循环执行选择下一个聚类中心,直到F统计量不再增大时结束聚类,此时的聚类数就是最佳聚类数。
进一步地,本发明实施例中,可利用预设的激活函数分别对每个所述指标数据进行计算,以计算每个所述指标数据中的每一个指标特征与预设的多个生态环境质量评估等级的相对概率。其中,所述相对概率是指每一个特征是某一种生态环境质量评估等级的概率值,当某一特征与某一生态环境质量评估等级之间的相对概率越高,则该特征是用于表达生态环境质量评估等级的概率越高。
详细地,所述激活函数包括但不限于softmax激活函数、sigmoid激活函数、relu激活函数,所述预设的生态环境质量评估等级包括但不限于优、良、一般、较差、很差、严重。
本发明其中一个实施例可以利用如下公式计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值:
其中,p(a|x)为每个所述指标数据中指标特征x和生态环境质量评估等级a之间的相对概率,wa为生态环境质量评估等级a的权重向量,T为求转置运算符号,exp为求期望运算符号,N为预设的多个生态环境质量评估等级的数量。
S4、根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
本发明实施例中,由于所述目标区域包含多个指标数据,且每个所述指标数据与所述预设的生态环境质量评估等级之间的相对概率值不相同,因此,为了准确地识别出当前所述目标区域的生态环境质量评估等级,需要根据所述相对概率值对每个所述指标数据进行决策融合,以得到所述目标区域的生态环境质量评估等级。
本发明实施例中,可采用差异性投票机制,利用每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值,计算每一个生态环境质量评估等级的得分,并对每一个评估等级的得分进行统计,进而确定得分最高的评估等级为所述目标区域的环境质量评估等级。
详细地,所述根据所述相对概率值计算每个所述评估等级的得分,确定得分最高的评估等级为所述目标区域的生态环境质量评估等级,包括:获取每个所述指标数据的预设的差异权重;根据每个所述指标数据对应的差异权重及相对概率值,计算所述每个生态环境质量评估等级的得分;对所述得分进行统计,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
本发明实施例中,可以理解的是,每个所述指标数据对应的预设的差异权重不同,例如,所述目标区域为矿区环境,相应的噪声、粉尘、水质等指标数据的差异权重大于生活污染指标数据的差异权重。
本发明实施例通过实时采集目标区域的生态环境相关信息数据,对采集到的信息数据进行指标数据的抽取、指标特征的提取以及利用每个所述指标数据的指标特征计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值,根据所述相对概率值计算每个所述评估等级的得分,确定得分最高的评估等级为所述目标区域的生态环境质量评估等级,一方面实时采集及分析数据,保证了目标区域的环境质量评估的时效性,进而提升了评估的准确性,同时通过上述评估方法,减少了对人工的依赖,提升了目标区域的环境质量评估的效率。
如图4所示,是本发明一实施例提供的生态环境质量评估装置的功能模块图。
本发明所述生态环境质量评估装置100可以安装于电子设备中。根据实现的功能,所述生态环境质量评估装置100可以包括数据采集模块101、指标数据抽取模块102、指标特征计算模块103及质量评估综合模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述数据采集模块101,用于实时采集目标区域的生态环境相关信息数据;
所述指标数据抽取模块102,用于根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据;
所述指标特征计算模块103,用于提取每个所述指标数据的指标特征,利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值;
所述质量评估综合模块104,用于根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
详细地,本发明实施例中所述生态环境质量评估装置100中的各个模块在使用时采用与上述的图1至图3中所述的生态环境质量评估方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现生态环境质量评估方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如生态环境质量评估程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如生态环境质量评估程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如生态环境质量评估程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的生态环境质量评估程序是多个指令的组合,在所述处理器10中运行时,可以实现:
实时采集目标区域的生态环境相关信息数据;
根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据;
提取每个所述指标数据的指标特征,利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值;
根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
实时采集目标区域的生态环境相关信息数据;
根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据;
提取每个所述指标数据的指标特征,利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值;
根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种生态环境质量评估方法,其特征在于,所述方法包括:
实时采集目标区域的生态环境相关信息数据;
根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据;
提取每个所述指标数据的指标特征,利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值;
根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
2.如权利要求1所述的生态环境质量评估方法,其特征在于,所述实时采集目标区域的生态环境相关信息数据,包括:
根据预设的采集模块的实时采集任务,实时从所述采集模块对应的预设数据源中,获取所述目标区域的生态环境相关信息数据;
将所述信息数据存储到预设的存储区域中。
3.如权利要求1所述的生态环境质量评估方法,其特征在于,所述提取每个所述指标数据的指标特征,包括:
对每个所述指标数据进行词向量转换;
利用预先训练的生态环境学习模型中的多头注意力机制,将所述词向量转化成文本特征向量;
利用所述生态环境学习模型中的残差连接层,连接所述词向量及所述文本特征向量,得到所述指标数据的文本特征向量密切关联矩阵;
利用所述生态环境学习模型中的全连接层,对所述文本特征向量密切关联矩阵进行降维处理,得到每个所述指标数据对应的指标特征。
4.如权利要求1所述的生态环境质量评估方法,其特征在于,所述提取每个所述指标数据的指标特征,包括:
从所述指标数据中,随机选择预设数量的指标数据点作为聚类中心;
计算所述指标数据中其他指标数据到所述聚类中心的距离,并将每个所述指标数据划分到距离最小的聚类中心对应的聚类中,得到多个聚类簇;
判断每个所述聚类簇是否满足预设条件;
当任一所述聚类簇不满足所述预设条件时,则返回上述的从所述指标数据中,随机选择预设数量的指标数据点作为聚类中心的步骤;
当所有所述聚类簇满足所述预设条件时,将满足所述预设条件的聚类簇对应的类别作为所述指标数据的指标特征。
6.如权利要求1所述的生态环境质量评估方法,其特征在于,所述根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级,包括:
获取每个所述指标数据的预设的差异权重;
根据每个所述指标数据对应的差异权重及相对概率值,计算所述每个生态环境质量评估等级的得分;
对所述得分进行统计,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
7.如权利要求1至6任一项所述的生态环境质量评估方法,其特征在于,所述根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据之前,所述方法还包括:
对所述信息数据执行去重操作;
检测所述信息数据中是否存在缺失值,当所述信息数据中存在缺失值时,则对所述缺失值进行填充;
检测所述信息数据中是否存在异常数据,当所述信息数据中存在异常数据时,删除所述异常数据;
对所述信息数据执行一致性比对操作,得到不一致数据,对所述不一致数据进行标准化处理。
8.一种生态环境质量评估装置,其特征在于,所述装置包括:
数据采集模块,用于实时采集目标区域的生态环境相关信息数据;
指标数据抽取模块,用于根据预构建的生态环境质量评估指标体系,从所述信息数据中抽取预设数量的指标数据;
指标特征计算模块,用于提取每个所述指标数据的指标特征,利用每个所述指标特征,计算每个所述指标数据与预设的多个生态环境质量评估等级之间的相对概率值;
质量评估综合模块,用于根据所述相对概率值计算每个所述生态环境质量评估等级的得分,确定得分最高的生态环境质量评估等级为所述目标区域的生态环境质量评估等级。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的生态环境质量评估方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的生态环境质量评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210056339.8A CN114399212A (zh) | 2022-01-18 | 2022-01-18 | 生态环境质量评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210056339.8A CN114399212A (zh) | 2022-01-18 | 2022-01-18 | 生态环境质量评估方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114399212A true CN114399212A (zh) | 2022-04-26 |
Family
ID=81230411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210056339.8A Pending CN114399212A (zh) | 2022-01-18 | 2022-01-18 | 生态环境质量评估方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399212A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029535A (zh) * | 2023-03-27 | 2023-04-28 | 东莞先知大数据有限公司 | 一种供水压力预警方法、装置、电子设备和存储介质 |
CN116257540A (zh) * | 2023-05-10 | 2023-06-13 | 南京麦堤微林信息科技有限公司 | 一种地理环境数据的管理方法和管理系统 |
CN117495208A (zh) * | 2024-01-02 | 2024-02-02 | 中科三清科技有限公司 | 空气质量预报评估方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609754A (zh) * | 2017-08-25 | 2018-01-19 | 国网辽宁省电力有限公司 | 一种电网信息系统性能监测系统及方法 |
CN109962982A (zh) * | 2019-03-29 | 2019-07-02 | 中海生态环境科技有限公司 | 一种基于物联网的河湖水生态环境监控系统 |
CN111898374A (zh) * | 2020-07-30 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 文本识别方法、装置、存储介质和电子设备 |
CN112395862A (zh) * | 2020-11-27 | 2021-02-23 | 西南交通大学 | 一种基于数据挖掘的环境风险感知评价方法 |
-
2022
- 2022-01-18 CN CN202210056339.8A patent/CN114399212A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609754A (zh) * | 2017-08-25 | 2018-01-19 | 国网辽宁省电力有限公司 | 一种电网信息系统性能监测系统及方法 |
CN109962982A (zh) * | 2019-03-29 | 2019-07-02 | 中海生态环境科技有限公司 | 一种基于物联网的河湖水生态环境监控系统 |
CN111898374A (zh) * | 2020-07-30 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 文本识别方法、装置、存储介质和电子设备 |
CN112395862A (zh) * | 2020-11-27 | 2021-02-23 | 西南交通大学 | 一种基于数据挖掘的环境风险感知评价方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029535A (zh) * | 2023-03-27 | 2023-04-28 | 东莞先知大数据有限公司 | 一种供水压力预警方法、装置、电子设备和存储介质 |
CN116257540A (zh) * | 2023-05-10 | 2023-06-13 | 南京麦堤微林信息科技有限公司 | 一种地理环境数据的管理方法和管理系统 |
CN116257540B (zh) * | 2023-05-10 | 2023-09-19 | 南京麦堤微林信息科技有限公司 | 一种地理环境数据的管理方法和管理系统 |
CN117495208A (zh) * | 2024-01-02 | 2024-02-02 | 中科三清科技有限公司 | 空气质量预报评估方法、装置、存储介质及电子设备 |
CN117495208B (zh) * | 2024-01-02 | 2024-04-05 | 中科三清科技有限公司 | 空气质量预报评估方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114399212A (zh) | 生态环境质量评估方法、装置、电子设备及存储介质 | |
CN114496264B (zh) | 基于多维数据的健康指数分析方法、装置、设备及介质 | |
CN111950625A (zh) | 基于人工智能的风险识别方法、装置、计算机设备及介质 | |
CN113516417A (zh) | 基于智能建模的业务评估方法、装置、电子设备及介质 | |
CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
CN113626606B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113139743A (zh) | 污水排放指标分析方法、装置、电子设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN115081538A (zh) | 基于机器学习的客户关系识别方法、装置、设备及介质 | |
CN112885423A (zh) | 疾病标签检测方法、装置、电子设备及存储介质 | |
CN114492663A (zh) | 事件智能分拨方法、装置、设备及存储介质 | |
CN113807728A (zh) | 基于神经网络的绩效考核方法、装置、设备及存储介质 | |
CN113868529A (zh) | 知识推荐方法、装置、电子设备及可读存储介质 | |
CN114862140A (zh) | 基于行为分析的潜力评估方法、装置、设备及存储介质 | |
CN117155771B (zh) | 一种基于工业物联网的设备集群故障溯源方法及装置 | |
CN113935880A (zh) | 政策推荐方法、装置、设备及存储介质 | |
CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
CN113313211A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN116843150A (zh) | 基于智慧物联网的社区服务方法及系统 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN113706019B (zh) | 基于多维数据的业务能力分析方法、装置、设备及介质 | |
CN113657546A (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113704407A (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
CN114708073A (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 | |
CN115034812A (zh) | 基于大数据的钢铁行业销售量预测方法及装置 |
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 |