CN115171362B - 一种面向重点区域防控的预警方法及系统 - Google Patents

一种面向重点区域防控的预警方法及系统 Download PDF

Info

Publication number
CN115171362B
CN115171362B CN202211086740.2A CN202211086740A CN115171362B CN 115171362 B CN115171362 B CN 115171362B CN 202211086740 A CN202211086740 A CN 202211086740A CN 115171362 B CN115171362 B CN 115171362B
Authority
CN
China
Prior art keywords
analysis
early warning
historical
environment
environmental
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
Application number
CN202211086740.2A
Other languages
English (en)
Other versions
CN115171362A (zh
Inventor
李淑琴
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.)
Jiangxi Minxuan Intelligent Science & Technology Co ltd
Original Assignee
Jiangxi Minxuan Intelligent Science & Technology Co ltd
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 Jiangxi Minxuan Intelligent Science & Technology Co ltd filed Critical Jiangxi Minxuan Intelligent Science & Technology Co ltd
Priority to CN202211086740.2A priority Critical patent/CN115171362B/zh
Publication of CN115171362A publication Critical patent/CN115171362A/zh
Application granted granted Critical
Publication of CN115171362B publication Critical patent/CN115171362B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Emergency Management (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及环境防控预警技术领域，具体公开了一种面向重点区域防控的预警方法及系统，方法包括：S1、采集重点区域排污企业在特定时长内的历史排污数据，判断各排污企业的历史排污数据是否符合要求，并在不符合要求时生成预警信息；S2、采集重点区域环境监测点在特定时长内的历史环境参数，对历史环境参数进行标准分析：当标准分析符合要求时，进行预警分析；当标准分析不符合要求时，生成预警信息；当预警分析符合要求时，进行步骤S3；当预警分析不符合要求时，生成预警信息；S3、将历史排污数据输入至环境分析模型中，获得预测环境参数，将预测环境参数与历史环境参数进行比对分析，根据分析结果进行预警。

Description

一种面向重点区域防控的预警方法及系统
技术领域
本发明涉及环境防控预警技术领域，具体为一种面向重点区域防控的预警方法及系统。
背景技术
随着工业化的快速发展，其对于环境造成的挑战也越来越大，尤其在工业企业较为集中的区域，其对环境造成的污染程度较为严重；随着人们对于环境保护重视程度的增加，环境污染防治是面向重点区域防控的一种重要手段，环境污染防治主要通过在区域内设置多个污染物监测点，通过监测点监测的数据来对该区域的环境进行判断，并根据判断结果对该区域涉及排污的工业企业进行管控，限制排污量较大的企业，进而来改善该区域的环境污染状况。
现有的环境污染防控方案中，采用的预警方式主要通过对各种污染浓度进行及时的监测和判断，当污染物的浓度超过标准时，则发出预警信息，进而来提醒相关环境管理人员对该区域的环境进行管控，避免污染状况进一步的恶化。
然而，现有的预警方案在具体实施时具有一定的滞后性，具体地，只有当污染气体的浓度超过标准后，才能被预警系统所判断出来，此时再进行管控，污染气体已经对环境造成了影响，而且还会增加后续防治的压力；其次，现有的对企业废气排放量的监测方式主要通过企业上报的数据来进行确定，实地的监测难以全面的实施，因此较难对企业实际的废气排放数据进行监管，进而难以有效的对其进行管控。
发明内容
本发明的目的在于提供一种面向重点区域防控的预警方法及系统，解决以下技术问题：
如何及时的对重点区域的环境状况进行预警并实现对重点区域企业排污量的监测。
本发明的目的可以通过以下技术方案实现：
一种面向重点区域防控的预警方法，所述方法包括：
S1、采集重点区域排污企业在特定时长内的历史排污数据，判断各排污企业的历史排污数据是否符合要求，并在不符合要求时生成预警信息；
S2、采集重点区域环境监测点在特定时长内的历史环境参数，对历史环境参数进行标准分析：
当标准分析符合要求时，进行预警分析；
当标准分析不符合要求时，生成预警信息；
当预警分析符合要求时，进行步骤S3；
当预警分析不符合要求时，生成预警信息；
S3、将历史排污数据输入至环境分析模型中，获得预测环境参数，将预测环境参数与历史环境参数进行比对分析，根据分析结果进行预警。
于一实施例中，步骤S2中标准分析的过程为：
根据历史环境参数统计各项环境参数随时间变化曲线
Figure 100002_DEST_PATH_IMAGE001
、
Figure DEST_PATH_IMAGE002
…
Figure 100002_DEST_PATH_IMAGE003
；
将
Figure 693707DEST_PATH_IMAGE001
、
Figure 876426DEST_PATH_IMAGE002
…
Figure 187322DEST_PATH_IMAGE003
分别与对应的标准区间进行比对：
若
Figure DEST_PATH_IMAGE004
，则标准分析符合要求；
否则，标准分析不符合要求；
其中，n为环境参数的项数，
Figure 100002_DEST_PATH_IMAGE005
表示第i项环境参数的曲线，
Figure DEST_PATH_IMAGE006
表示第i项环境参数对应的标准区间。
于一实施例中，步骤S2中预警分析的过程为：
对
Figure 379269DEST_PATH_IMAGE001
、
Figure 459220DEST_PATH_IMAGE002
…
Figure 544332DEST_PATH_IMAGE003
进行求导，获得各项环境参数变化量随时间变化曲线
Figure 100002_DEST_PATH_IMAGE007
、
Figure DEST_PATH_IMAGE008
…
Figure 100002_DEST_PATH_IMAGE009
；
将
Figure 873683DEST_PATH_IMAGE007
、
Figure 338162DEST_PATH_IMAGE008
…
Figure 272620DEST_PATH_IMAGE009
分别与对应的变化量阈值进行比对：
若
Figure 531563DEST_PATH_IMAGE007
＜
Figure DEST_PATH_IMAGE010
，则预警分析符合要求；
否则，预警分析不符合要求；
其中，
Figure 817051DEST_PATH_IMAGE007
表示第i项环境参数变化量的曲线，
Figure 819642DEST_PATH_IMAGE010
表示第i项环境参数的变化量阈值。
于一实施例中，步骤S3中环境分析模型的建立过程为：
采集该重点区域若干个时间点的历史排污数据及历史环境参数，选取各项环境参数及对应时间点相关联排污项的排污数据，生成训练样本；
以卷积神经网络搭建模型，通过各项环境参数的训练样本对模型进行训练，获得各项环境参数的环境分析模型。
于一实施例中，步骤S3中，比对分析的过程为：
根据历史环境参数，分别建立每项环境参数历史数值随时间变化曲线
Figure 100002_DEST_PATH_IMAGE011
；
根据预测环境参数分别建立每项环境参数预测数值随时间变化曲线
Figure DEST_PATH_IMAGE012
；
针对每项环境参数，将
Figure 139765DEST_PATH_IMAGE011
与
Figure 835188DEST_PATH_IMAGE012
在同一个坐标系中建立，计算
Figure 342393DEST_PATH_IMAGE011
高于
Figure 883096DEST_PATH_IMAGE012
区域的面积值
Figure 100002_DEST_PATH_IMAGE013
；
将面积值
Figure 792146DEST_PATH_IMAGE013
与该项环境参数对应的预设阈值
Figure DEST_PATH_IMAGE014
进行比对：
若
Figure 658471DEST_PATH_IMAGE013
≥
Figure 652972DEST_PATH_IMAGE014
，则发出预警信号。
于一实施例中，比对分析的过程还包括：
若
Figure 997365DEST_PATH_IMAGE013
≥
Figure 760922DEST_PATH_IMAGE014
，则获取
Figure 798148DEST_PATH_IMAGE011
与
Figure 14366DEST_PATH_IMAGE012
距离最大点对应的时间点t；
获取
Figure 100002_DEST_PATH_IMAGE015
时间段内该重点区域的气候信息，判断该时间段内是否出现预设的特定气候类型，并在判断未出现时发出预警信号；
其中，
Figure DEST_PATH_IMAGE016
为预设时段。
于一实施例中，所述方法还包括：
S4、根据各项环境参数标准分析的结果进行环境整体状态分析。
于一实施例中，所述环境整体状态分析的过程为：
通过公式
Figure 100002_DEST_PATH_IMAGE017
计算出环境整体状态系数
Figure DEST_PATH_IMAGE018
；
其中，
Figure 100002_DEST_PATH_IMAGE019
为第i项环境参数的权重系数，
Figure DEST_PATH_IMAGE020
为第i项环境参数的应用系数，当
Figure 100002_DEST_PATH_IMAGE021
∈
Figure DEST_PATH_IMAGE022
时，
Figure 290014DEST_PATH_IMAGE020
=0；当
Figure 908077DEST_PATH_IMAGE021
∉
Figure 100002_DEST_PATH_IMAGE023
时，
Figure DEST_PATH_IMAGE024
；
将
Figure 381784DEST_PATH_IMAGE025
与预设阈值
Figure DEST_PATH_IMAGE026
、
Figure 350877DEST_PATH_IMAGE027
进行比对：
若
Figure 37073DEST_PATH_IMAGE025
≥
Figure 775222DEST_PATH_IMAGE027
，则判断环境整体状态极差；
若
Figure 154251DEST_PATH_IMAGE027
＞
Figure 345060DEST_PATH_IMAGE025
＞
Figure 834948DEST_PATH_IMAGE026
，则判断环境整体状态较差；
若
Figure 162024DEST_PATH_IMAGE025
≤
Figure 711954DEST_PATH_IMAGE026
，则环境整体状态较优。
一种面向重点区域防控的预警系统，所述系统包括：
排污数据采集模块，用于采集重点区域排污企业在特定时长内的历史排污数据；
环境参数监测模块，采集重点区域环境监测点在特定时长内的历史环境参数；
分析模块，用于判断各排污企业的历史排污数据是否符合要求，及对历史环境参数进行标准分析：
当标准分析符合要求时，进行预警分析：
当预警分析符合要求时，进行比对分析；
环境分析模型，用于根据历史排污数据预测环境参数；
比对模块，用于将预测环境参数与历史环境参数进行比对分析；
预警模块，用于在各排污企业的历史排污数据不符合要求时、标准分析不符合要求时、预警分析不符合要求时及比对分析不符合要求时发出预警信息。
本发明的有益效果：
（1）本发明通过采取预警分析及比对分析结合的方式，通过对环境的状态进行预测式分析，能够提前发现潜在的环境隐患，进而能够提前对其进行管理；同时，通过对比分析的过程，能够对相关企业上报的数据与实际的环境参数进行对比，从整体的角度判断有无谎报、漏报的问题。
（2）本发明在监测各项环境参数是否符合要求的同时，还会对整体的环境状态进行分析，通过分析结果，进而能够实现对整体环境状态的评价。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明面向重点区域防控的预警方法流程图；
图2是本发明面向重点区域防控的预警系统的概要框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，在一个实施例中，提供了一种面向重点区域防控的预警方法，方法包括：
S1、采集重点区域排污企业在特定时长内的历史排污数据，判断各排污企业的历史排污数据是否符合要求，并在不符合要求时生成预警信息；
S2、采集重点区域环境监测点在特定时长内的历史环境参数，对历史环境参数进行标准分析：
当标准分析符合要求时，进行预警分析；
当标准分析不符合要求时，生成预警信息；
当预警分析符合要求时，进行步骤S3；
当预警分析不符合要求时，生成预警信息；
S3、将历史排污数据输入至环境分析模型中，获得预测环境参数，将预测环境参数与历史环境参数进行比对分析，根据分析结果进行预警。
通过上述技术方案，本实施例采取了预警分析及比对分析结合的方式，通过对环境的状态进行预测式分析，能够提前发现潜在的环境隐患，进而能够提前对其进行管理；同时，通过对比分析的过程，能够对相关企业上报的数据与实际的环境参数进行对比，从整体的角度判断有无谎报、漏报的问题。
具体地，通过步骤S1对企业上传的数据与相关标准进行比对，其中，相关标准根据区域的环保部门设定而来，因此通过步骤S1的过程，能够对企业进行初步的判断。
通过步骤S2的过程，能够实现对实际检测数据的标准分析及预测分析，其中，标准分析即为将各项环境参数监测的数值与对应参数标准进行比对，同样的，对应参数标准也是根据该区域环保部门设定而来，因此通过标准分析的过程，能够判断该区域的环境参数是否超标，进而在超标时发出警示信息；而在标准分析合格时，还会进一步进行预警分析，通过当前数据对存在的环境风险进行预测，进而能够提前进行对应的管理，避免的环境参数获取的滞后性。
步骤S3中，首先通过环境分析模型，根据企业的实际排污数据对环境测试进行分析，再将分析的结果与实际的结果进行比对，显然，当两者差别较大时，尤其在实际环境参数的指标高于预测的结果时，说明企业存在漏报、少报的几率较大，因此通过此种方式，能够从整体的层面对该重点区域排污企业的实际排污状况进行判断，进而及时的进行预警。
需要说明的是，本实施例中比对分析的过程仅仅能够对该重点区域整体排污量过大的问题进行判断，同时，本实施例中污染防控的主体主要针对污染气体的预警。
作为本发明的一种实施方式，步骤S2中标准分析的过程为：
根据历史环境参数统计各项环境参数随时间变化曲线
Figure 390060DEST_PATH_IMAGE001
、
Figure 683638DEST_PATH_IMAGE002
…
Figure 130800DEST_PATH_IMAGE003
；
将
Figure 586052DEST_PATH_IMAGE001
、
Figure 751454DEST_PATH_IMAGE002
…
Figure 583144DEST_PATH_IMAGE003
分别与对应的标准区间进行比对：
若
Figure 150391DEST_PATH_IMAGE004
，则标准分析符合要求；
否则，标准分析不符合要求；
其中，n为环境参数的项数，
Figure 776545DEST_PATH_IMAGE005
表示第i项环境参数的曲线，
Figure 429243DEST_PATH_IMAGE006
表示第i项环境参数对应的标准区间。
通过上述技术方案，本实施例提供了进行标准分析的具体过程，通过在历史环境参数筛选并统计各项环境参数随时间变化曲线
Figure 64624DEST_PATH_IMAGE001
、
Figure 220798DEST_PATH_IMAGE002
…
Figure 283432DEST_PATH_IMAGE003
，将各项环境参数随时间变化曲线
Figure 157847DEST_PATH_IMAGE001
、
Figure 331340DEST_PATH_IMAGE002
…
Figure 873180DEST_PATH_IMAGE003
分别与对应的标准区间进行比对，进而能够判断各项环境参数是否符合要求，其中，
Figure DEST_PATH_IMAGE028
为该项环境参数对应的标准区间，由该区域或该地区环保部门设定而来，因此当环境参数超过
Figure 106715DEST_PATH_IMAGE029
时，说明该项环境参数超过标准，进而进行预警。
作为本发明的一种实施方式，步骤S2中预警分析的过程为：
对
Figure 468426DEST_PATH_IMAGE001
、
Figure 445609DEST_PATH_IMAGE002
…
Figure 839026DEST_PATH_IMAGE003
进行求导，获得各项环境参数变化量随时间变化曲线
Figure 977883DEST_PATH_IMAGE007
、
Figure 826891DEST_PATH_IMAGE008
…
Figure 342185DEST_PATH_IMAGE009
；
将
Figure 593038DEST_PATH_IMAGE007
、
Figure 168376DEST_PATH_IMAGE008
…
Figure 504680DEST_PATH_IMAGE009
分别与对应的变化量阈值进行比对：
若
Figure 823665DEST_PATH_IMAGE007
＜
Figure 929025DEST_PATH_IMAGE010
，则预警分析符合要求；
否则，预警分析不符合要求；
其中，
Figure 675264DEST_PATH_IMAGE007
表示第i项环境参数变化量的曲线，
Figure 233284DEST_PATH_IMAGE010
表示第i项环境参数的变化量阈值。
通过上述技术方案，本实施例在标准分析的基础上提供了进行预测分析的具体过程，通过分别对各项环境参数随时间变化曲线
Figure 355961DEST_PATH_IMAGE001
、
Figure 315827DEST_PATH_IMAGE002
…
Figure 232967DEST_PATH_IMAGE003
进行求导，通过求导后的各项环境参数变化量随时间变化曲线
Figure 543863DEST_PATH_IMAGE007
、
Figure 204651DEST_PATH_IMAGE008
…
Figure 19023DEST_PATH_IMAGE009
与对应的变化量阈值
Figure 372644DEST_PATH_IMAGE010
进行比对，能够判断各项环境参数是否出现变化量异常的问题，进而当环境参数在标准范围内但变化量异常时，实现对环境参数的预警分析，进而在环境参数发生变化异常的初期及时发现，进而能够便于区域环保管理人员对其进行及时的防控，避免了防控滞后性造成的防治压力过大的问题。
作为本发明的一种实施方式，步骤S3中环境分析模型的建立过程为：
采集该重点区域若干个时间点的历史排污数据及历史环境参数，选取各项环境参数及对应时间点相关联排污项的排污数据，生成训练样本；
以卷积神经网络搭建模型，通过各项环境参数的训练样本对模型进行训练，获得各项环境参数的环境分析模型。
通过上述技术方案，本实施例提供了一种搭建环境分析模型的方案，具体地，通过采集该重点区域的历史排污数据及历史环境参数，将每项环境参数与排污数据相对应，获取多个时间点的数据，将数据进行处理后形成训练样本，之后通过卷积神经网络搭建模型，通过各项环境参数的训练样本对模型进行训练，能够根据该重点区域上报的排污数据来获得对应的各项环境参数数据，进而通过环境分析模型的建立过程，能够获得与历史环境参数相比对的预测环境参数，提供了比对分析的条件。
上述技术方案中，卷积神经网络搭建模型及训练样本的生成处理过程均通过现有技术中常规的机器学习算法实现，在此不作详述。
作为本发明的一种实施方式，步骤S3中，比对分析的过程为：
根据历史环境参数，分别建立每项环境参数历史数值随时间变化曲线
Figure 905257DEST_PATH_IMAGE011
；
根据预测环境参数分别建立每项环境参数预测数值随时间变化曲线
Figure 369736DEST_PATH_IMAGE012
；
针对每项环境参数，将
Figure 38615DEST_PATH_IMAGE011
与
Figure 563137DEST_PATH_IMAGE012
在同一个坐标系中建立，计算
Figure 583046DEST_PATH_IMAGE011
高于
Figure 585637DEST_PATH_IMAGE012
区域的面积值
Figure 374601DEST_PATH_IMAGE013
；
将面积值
Figure 70025DEST_PATH_IMAGE013
与该项环境参数对应的预设阈值
Figure 311650DEST_PATH_IMAGE014
进行比对：
若
Figure 117932DEST_PATH_IMAGE013
≥
Figure 26982DEST_PATH_IMAGE014
，则发出预警信号。
通过上述技术方案，本实施例提供了一种进行比对分析的具体方式，具体的，根据历史环境参数，分别建立每项环境参数历史数值随时间变化曲线
Figure 362149DEST_PATH_IMAGE011
；根据预测环境参数分别建立每项环境参数预测数值随时间变化曲线
Figure 356650DEST_PATH_IMAGE012
；在同一坐标系内建立曲线
Figure 701043DEST_PATH_IMAGE011
与
Figure 464600DEST_PATH_IMAGE012
，根据两曲线在坐标系进行图形比对，具体地，计算图形中
Figure 239177DEST_PATH_IMAGE011
高于
Figure 720974DEST_PATH_IMAGE012
区域的面积值
Figure 869058DEST_PATH_IMAGE013
，显然，面积值
Figure 487121DEST_PATH_IMAGE013
越大，说明实际的历史数值随时间变化曲线
Figure 695249DEST_PATH_IMAGE011
超过预测的每项环境参数预测数值随时间变化曲线
Figure 133183DEST_PATH_IMAGE012
越多，因此说明两者之间的差别较大，因此当
Figure 819380DEST_PATH_IMAGE013
≥
Figure 557528DEST_PATH_IMAGE014
时，其中，
Figure 670978DEST_PATH_IMAGE014
的数值根据历史数据分析拟合计算获得，因此能够通过发出预警信号的方式来进行预警。
作为本发明的一种实施方式，比对分析的过程还包括：
若
Figure 861788DEST_PATH_IMAGE013
≥
Figure 351675DEST_PATH_IMAGE014
，则获取
Figure 944330DEST_PATH_IMAGE011
与
Figure 494260DEST_PATH_IMAGE012
距离最大点对应的时间点t；
获取
Figure 172366DEST_PATH_IMAGE015
时间段内该重点区域的气候信息，判断该时间段内是否出现预设的特定气候类型，并在判断未出现时发出预警信号；
其中，
Figure 200365DEST_PATH_IMAGE016
为预设时段。
进一步地，本实施例对比分析过程中，在当
Figure 647527DEST_PATH_IMAGE013
≥
Figure 368358DEST_PATH_IMAGE014
时，还会判断是否受到环境因素影响，具体地，获取
Figure 533761DEST_PATH_IMAGE011
与
Figure 99871DEST_PATH_IMAGE012
距离最大点对应的时间点t，再获取
Figure 401540DEST_PATH_IMAGE015
时间段内该重点区域的气候信息，判断该时间段内是否出现预设的特定气候类型，其中，特定气候类型预先设定，例如雾霾天气会造成多项环境参数超标，因此通过判断此时段内是否出现该类气候类型，进而能够规避掉环境因素的影响，提高对比分析的准确性。
上述技术方案中，
Figure DEST_PATH_IMAGE030
的具体数值根据气候类型对环境影响的时间段分析获得；特定气候类型的设定根据本领域人员选择设定。
作为本发明的一种实施方式，方法还包括：
S4、根据各项环境参数标准分析的结果进行环境整体状态分析。
通过上述技术方案，本实施例在监测各项环境参数是否符合要求的同时，还会对整体的环境状态进行分析，通过分析结果，进而能够实现对整体环境状态的评价。
作为本发明的一种实施方式，环境整体状态分析的过程为：
通过公式
Figure 558851DEST_PATH_IMAGE017
计算出环境整体状态系数
Figure 211550DEST_PATH_IMAGE018
；
其中，
Figure 581351DEST_PATH_IMAGE019
为第i项环境参数的权重系数，
Figure 3105DEST_PATH_IMAGE020
为第i项环境参数的应用系数，当
Figure 65739DEST_PATH_IMAGE021
∈
Figure 940154DEST_PATH_IMAGE022
时，
Figure 379226DEST_PATH_IMAGE020
=0；当
Figure 655486DEST_PATH_IMAGE021
∉
Figure 889022DEST_PATH_IMAGE023
时，
Figure 250733DEST_PATH_IMAGE024
；
将
Figure 962337DEST_PATH_IMAGE025
与预设阈值
Figure 358683DEST_PATH_IMAGE026
、
Figure 763120DEST_PATH_IMAGE027
进行比对：
若
Figure 632635DEST_PATH_IMAGE025
≥
Figure 147930DEST_PATH_IMAGE027
，则判断环境整体状态极差；
若
Figure 133203DEST_PATH_IMAGE027
＞
Figure 708541DEST_PATH_IMAGE025
＞
Figure 44844DEST_PATH_IMAGE026
，则判断环境整体状态较差；
若
Figure 363830DEST_PATH_IMAGE025
≤
Figure 469190DEST_PATH_IMAGE026
，则环境整体状态较优。
通过上述技术方案，本实施例提供了一种进行环境整体状态分析的过程，具体的，首先判断各项环境参数
Figure 215429DEST_PATH_IMAGE021
是否落入到
Figure 773449DEST_PATH_IMAGE022
区间内，当落入时，说明该项参数符合要求，进而令
Figure 896126DEST_PATH_IMAGE020
=0，当未落入时，说明该项参数不符合要求，此时令
Figure 855992DEST_PATH_IMAGE024
，进而使得应用系数根据实际环境参数超过标准的数值进行调整，进一步地，通过公式
Figure 773132DEST_PATH_IMAGE031
计算出环境整体状态系数
Figure 84028DEST_PATH_IMAGE025
，
Figure DEST_PATH_IMAGE032
为第i项环境参数的权重系数，因此能够获得环境整体状态系数
Figure 10395DEST_PATH_IMAGE025
，通过环境整体状态系数
Figure 824768DEST_PATH_IMAGE025
与预设阈值
Figure 178388DEST_PATH_IMAGE026
、
Figure 711001DEST_PATH_IMAGE027
进行比对，进而能够整体的判断环境的状态。
需要说明的是，不同环境参数项对应的权重系数均不相同，而
Figure 644322DEST_PATH_IMAGE032
的具体数值的获取根据不同环境参数对环境造成的影响程度的不同进行选定；同时，
Figure 578780DEST_PATH_IMAGE026
、
Figure 368881DEST_PATH_IMAGE027
的数值根据分析拟合过程获取，且
Figure 388790DEST_PATH_IMAGE027
＞
Figure 656960DEST_PATH_IMAGE026
。
请参阅附图图2所示，本实施例提供了一种面向重点区域防控的预警系统，系统包括：
排污数据采集模块，用于采集重点区域排污企业在特定时长内的历史排污数据；
环境参数监测模块，采集重点区域环境监测点在特定时长内的历史环境参数；
分析模块，用于判断各排污企业的历史排污数据是否符合要求，及对历史环境参数进行标准分析：
当标准分析符合要求时，进行预警分析：
当预警分析符合要求时，进行比对分析；
环境分析模型，用于根据历史排污数据预测环境参数；
比对模块，用于将预测环境参数与历史环境参数进行比对分析；
预警模块，用于在各排污企业的历史排污数据不符合要求时、标准分析不符合要求时、预警分析不符合要求时及比对分析不符合要求时发出预警信息。
通过上述技术方案，采取了预警分析及比对分析结合的方式，通过对环境的状态进行预测式分析，能够提前发现潜在的环境隐患，进而能够提前对其进行管理；同时，通过对比分析的过程，能够对相关企业上报的数据与实际的环境参数进行对比，从整体的角度判断有无谎报、漏报的问题。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (6)

1.一种面向重点区域防控的预警方法，其特征在于，所述方法包括：
S1、采集重点区域排污企业在特定时长内的历史排污数据，判断各排污企业的历史排污数据是否符合要求，并在不符合要求时生成预警信息；
S2、采集重点区域环境监测点在特定时长内的历史环境参数，对历史环境参数进行标准分析：
当标准分析符合要求时，进行预警分析；
当标准分析不符合要求时，生成预警信息；
当预警分析符合要求时，进行步骤S3；
当预警分析不符合要求时，生成预警信息；
S3、将历史上报排污数据输入至环境分析模型中，获得预测环境参数，将预测环境参数与历史环境参数进行比对分析，根据分析结果进行预警；
步骤S3中环境分析模型的建立过程为：
采集该重点区域若干个时间点的历史排污数据及历史环境参数，选取各项环境参数及对应时间点相关联排污项的排污数据，生成训练样本；
以卷积神经网络搭建模型，通过各项环境参数的训练样本对模型进行训练，获得各项环境参数的环境分析模型；
步骤S3中，比对分析的过程为：
根据历史环境参数，分别建立每项环境参数历史数值随时间变化曲线
Figure DEST_PATH_IMAGE001
；
根据预测环境参数分别建立每项环境参数预测数值随时间变化曲线
Figure 990642DEST_PATH_IMAGE002
；
针对每项环境参数，将
Figure 795787DEST_PATH_IMAGE001
与
Figure 645931DEST_PATH_IMAGE002
在同一个坐标系中建立，计算
Figure 220132DEST_PATH_IMAGE001
高于
Figure 372896DEST_PATH_IMAGE002
区域的面积值
Figure DEST_PATH_IMAGE003
；
将面积值
Figure 196495DEST_PATH_IMAGE003
与该项环境参数对应的预设阈值
Figure 788013DEST_PATH_IMAGE004
进行比对：
若
Figure 403671DEST_PATH_IMAGE003
≥
Figure 789653DEST_PATH_IMAGE004
，则发出预警信号；
比对分析的过程还包括：
若
Figure 631707DEST_PATH_IMAGE003
≥
Figure 433441DEST_PATH_IMAGE004
，则获取
Figure 716655DEST_PATH_IMAGE001
与
Figure 601435DEST_PATH_IMAGE002
距离最大点对应的时间点
Figure DEST_PATH_IMAGE005
；
获取
Figure 524260DEST_PATH_IMAGE006
时间段内该重点区域的气候信息，判断该时间段内是否出现预设的特定气候类型，并在判断未出现时发出预警信号；
其中，
Figure DEST_PATH_IMAGE007
为预设时段。
2.根据权利要求1所述的一种面向重点区域防控的预警方法，其特征在于，步骤S2中标准分析的过程为：
根据历史环境参数统计各项环境参数随时间变化曲线
Figure 254319DEST_PATH_IMAGE008
、
Figure DEST_PATH_IMAGE009
…
Figure 64143DEST_PATH_IMAGE010
；
将
Figure 57507DEST_PATH_IMAGE008
、
Figure 608574DEST_PATH_IMAGE009
…
Figure 1378DEST_PATH_IMAGE010
分别与对应的标准区间进行比对：
若
Figure DEST_PATH_IMAGE011
∈
Figure 55921DEST_PATH_IMAGE012
，则标准分析符合要求；
否则，标准分析不符合要求；
其中，
Figure DEST_PATH_IMAGE013
为环境参数的项数，
Figure 892290DEST_PATH_IMAGE011
表示第
Figure 602758DEST_PATH_IMAGE014
项环境参数的曲线，
Figure DEST_PATH_IMAGE015
表示第
Figure 674619DEST_PATH_IMAGE014
项环境参数对应的标准区间。
3.根据权利要求2所述的一种面向重点区域防控的预警方法，其特征在于，步骤S2中预警分析的过程为：
对
Figure 979741DEST_PATH_IMAGE008
、
Figure 111645DEST_PATH_IMAGE009
…
Figure 574988DEST_PATH_IMAGE010
进行求导，获得各项环境参数变化量随时间变化曲线
Figure 325906DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE017
…
Figure 355042DEST_PATH_IMAGE018
；
将
Figure 595530DEST_PATH_IMAGE016
、
Figure 733120DEST_PATH_IMAGE017
…
Figure 350046DEST_PATH_IMAGE018
分别与对应的变化量阈值进行比对：
若
Figure 233688DEST_PATH_IMAGE016
＜
Figure DEST_PATH_IMAGE019
，则预警分析符合要求；
否则，预警分析不符合要求；
其中，
Figure 582761DEST_PATH_IMAGE016
表示第
Figure 817433DEST_PATH_IMAGE014
项环境参数变化量的曲线，
Figure 972471DEST_PATH_IMAGE019
表示第
Figure 366412DEST_PATH_IMAGE014
项环境参数的变化量阈值。
4.根据权利要求2所述的一种面向重点区域防控的预警方法，其特征在于，所述方法还包括：
S4、根据各项环境参数标准分析的结果进行环境整体状态分析。
5.根据权利要求4所述的一种面向重点区域防控的预警方法，其特征在于，所述环境整体状态分析的过程为：
通过公式
Figure 948703DEST_PATH_IMAGE020
计算出环境整体状态系数
Figure DEST_PATH_IMAGE021
；
其中，
Figure 405092DEST_PATH_IMAGE022
为第
Figure 301504DEST_PATH_IMAGE014
项环境参数的权重系数，
Figure DEST_PATH_IMAGE023
为第
Figure 159739DEST_PATH_IMAGE014
项环境参数的应用系数，当
Figure 178510DEST_PATH_IMAGE011
∈
Figure 512409DEST_PATH_IMAGE024
时，
Figure 9249DEST_PATH_IMAGE023
=0；当
Figure 721990DEST_PATH_IMAGE011
∉
Figure 849346DEST_PATH_IMAGE024
时，
Figure 483590DEST_PATH_IMAGE023
=
Figure DEST_PATH_IMAGE025
；
将
Figure 580859DEST_PATH_IMAGE021
与预设阈值
Figure 538319DEST_PATH_IMAGE026
、
Figure DEST_PATH_IMAGE027
进行比对：
若
Figure 695631DEST_PATH_IMAGE021
≥
Figure 817171DEST_PATH_IMAGE027
，则判断环境整体状态极差；
若
Figure 593497DEST_PATH_IMAGE028
，则判断环境整体状态较差；
若
Figure 484093DEST_PATH_IMAGE021
≤
Figure 77885DEST_PATH_IMAGE026
，则环境整体状态较优。
6.一种面向重点区域防控的预警系统，其特征在于，所述系统包括：
排污数据采集模块，用于采集重点区域排污企业在特定时长内的历史排污数据；
环境参数监测模块，采集重点区域环境监测点在特定时长内的历史环境参数；
分析模块，用于判断各排污企业的历史排污数据是否符合要求，及对历史环境参数进行标准分析：
当标准分析符合要求时，进行预警分析：
当预警分析符合要求时，进行比对分析；
环境分析模型，用于根据历史上报排污数据预测环境参数；
比对模块，用于将预测环境参数与历史环境参数进行比对分析；
预警模块，用于在各排污企业的历史排污数据不符合要求时、标准分析不符合要求时、预警分析不符合要求时及比对分析不符合要求时发出预警信息；
环境分析模型的建立过程为：
采集该重点区域若干个时间点的历史排污数据及历史环境参数，选取各项环境参数及对应时间点相关联排污项的排污数据，生成训练样本；
以卷积神经网络搭建模型，通过各项环境参数的训练样本对模型进行训练，获得各项环境参数的环境分析模型；
比对分析的过程为：
根据历史环境参数，分别建立每项环境参数历史数值随时间变化曲线
Figure 421142DEST_PATH_IMAGE001
；
根据预测环境参数分别建立每项环境参数预测数值随时间变化曲线
Figure 516006DEST_PATH_IMAGE002
；
针对每项环境参数，将
Figure 261108DEST_PATH_IMAGE001
与
Figure 760222DEST_PATH_IMAGE002
在同一个坐标系中建立，计算
Figure 528458DEST_PATH_IMAGE001
高于
Figure 708904DEST_PATH_IMAGE002
区域的面积值
Figure 636408DEST_PATH_IMAGE003
；
将面积值
Figure 509686DEST_PATH_IMAGE003
与该项环境参数对应的预设阈值
Figure 14486DEST_PATH_IMAGE004
进行比对：
若
Figure 998622DEST_PATH_IMAGE003
≥
Figure 780634DEST_PATH_IMAGE004
，则发出预警信号；
比对分析的过程还包括：
若
Figure 824813DEST_PATH_IMAGE003
≥
Figure 567641DEST_PATH_IMAGE004
，则获取
Figure 152206DEST_PATH_IMAGE001
与
Figure 726407DEST_PATH_IMAGE002
距离最大点对应的时间点
Figure 128438DEST_PATH_IMAGE005
；
获取
Figure 155300DEST_PATH_IMAGE006
时间段内该重点区域的气候信息，判断该时间段内是否出现预设的特定气候类型，并在判断未出现时发出预警信号；
其中，
Figure 809135DEST_PATH_IMAGE007
为预设时段。
CN202211086740.2A 2022-09-07 2022-09-07 一种面向重点区域防控的预警方法及系统 Active CN115171362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211086740.2A CN115171362B (zh) 2022-09-07 2022-09-07 一种面向重点区域防控的预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211086740.2A CN115171362B (zh) 2022-09-07 2022-09-07 一种面向重点区域防控的预警方法及系统

Publications (2)

Publication Number Publication Date
CN115171362A CN115171362A (zh) 2022-10-11
CN115171362B true CN115171362B (zh) 2022-12-02

Family

ID=83482105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211086740.2A Active CN115171362B (zh) 2022-09-07 2022-09-07 一种面向重点区域防控的预警方法及系统

Country Status (1)

Country Link
CN (1) CN115171362B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116880305B (zh) * 2023-07-31 2024-02-02 中泰亚信技术有限公司 一种机房环境预测式监测控制系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101790A (zh) * 2020-09-16 2020-12-18 清华大学合肥公共安全研究院 一种水体监测视频及数据联动预警方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
HK1215919A2 (zh) * 2016-04-20 2016-09-23 Meo Ltd 空氣質量監控裝置
CN108921440B (zh) * 2018-07-11 2022-08-05 平安科技（深圳）有限公司 污染物异常监测方法、系统、计算机设备和存储介质
CN112308273A (zh) * 2019-07-31 2021-02-02 中国石油化工股份有限公司 存储器、石化企业排污管理方法、装置和设备
CN112651553A (zh) * 2020-12-24 2021-04-13 航天科工网络信息发展有限公司 一种城市大气污染预警监管和决策分析的方法
CN114943409A (zh) * 2022-04-11 2022-08-26 国网山东省电力公司滨州供电公司 一种基于电力数据的环境监控分析方法、系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101790A (zh) * 2020-09-16 2020-12-18 清华大学合肥公共安全研究院 一种水体监测视频及数据联动预警方法及系统

Also Published As

Publication number Publication date
CN115171362A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN112101790B (zh) 一种水体监测视频及数据联动预警方法及系统
CN111898691B (zh) 一种河流突发水污染预警溯源方法、系统、终端及介质
WO2021174971A1 (zh) 一种水环境风险预测预警方法
CN107480698B (zh) 基于多个监测指标的质量控制方法
CN108665119B (zh) 一种供水管网异常工况预警方法
CN107677614B (zh) 一种水中重金属污染风险在线预警系统及方法
CN115171362B (zh) 一种面向重点区域防控的预警方法及系统
CN107436277A (zh) 基于相似距离判别的单指标数据质量控制方法
CN106991491B (zh) 一种基于遗传算法优化的rbf神经网络的环境污染监测系统
CN113496314B (zh) 一种神经网络模型预测道路交通流量的方法
CN114422184A (zh) 基于机器学习的网络安全攻击类型和威胁等级预测方法
CN111191855B (zh) 一种基于管网多元水质时序数据的水质异常事件识别预警方法
CN116990479B (zh) 一种基于Zigbee技术的水质监测方法、系统、设备及介质
CN115563880A (zh) 一种基于Isolated forest-变点增强的企业用电异常检测方法
CN112906738A (zh) 一种水质检测及处理方法
CN114049134A (zh) 一种污染源在线监测数据造假识别方法
CN111800502A (zh) 一种基于LoRa的立体式环境在线监测系统及方法
CN115470850A (zh) 一种基于管网水质时空数据的水质异常事件识别预警方法
CN115358647A (zh) 基于大数据的氢能产业链风险监测系统及监测方法
CN114295162A (zh) 一种基于数据采集的环境监测系统
CN117115637A (zh) 一种基于大数据技术的水质监测预警方法及系统
CN117332815A (zh) 一种工业园区大气污染的预测方法及预测预警系统
CN115792165B (zh) 一种环境水质智能监测方法及系统
CN111855946B (zh) 基于鱼类行为解析的水质分析方法
Giordani et al. Beta diversity and similarity of lichen communities as a sign of the times

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A warning method and system for key area prevention and control

Effective date of registration: 20230913

Granted publication date: 20221202

Pledgee: Jiangxi Bank Co.,Ltd. Nanchang Zhongshan Road Branch

Pledgor: JIANGXI MINXUAN INTELLIGENT SCIENCE & TECHNOLOGY Co.,Ltd.

Registration number: Y2023980056621

PE01 Entry into force of the registration of the contract for pledge of patent right