CN116091103A - 一种周期环境整治测算方法、装置、电子设备及介质 - Google Patents

一种周期环境整治测算方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN116091103A
CN116091103A CN202310205554.4A CN202310205554A CN116091103A CN 116091103 A CN116091103 A CN 116091103A CN 202310205554 A CN202310205554 A CN 202310205554A CN 116091103 A CN116091103 A CN 116091103A
Authority
CN
China
Prior art keywords
economic
information
data
environment
node
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
CN202310205554.4A
Other languages
English (en)
Inventor
陈敬敏
于凯
席春芳
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.)
Beijing Baixin Blueprint Technology Co ltd
Original Assignee
Beijing Baixin Blueprint 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 Beijing Baixin Blueprint Technology Co ltd filed Critical Beijing Baixin Blueprint Technology Co ltd
Priority to CN202310205554.4A priority Critical patent/CN116091103A/zh
Publication of CN116091103A publication Critical patent/CN116091103A/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial 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
    • 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)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及生态环境整治的领域，尤其是涉及一种周期环境整治测算方法、装置、电子设备及介质。方法包括：获取历史环境信息，然后对预设区域内的经济活动进行调取，得到经济活动信息，经济活动信息为历史周期内的经济活动信息，然后对历史环境信息以及经济活动信息进行数据分析，得到生态节点信息以及与生态节点信息相对应的经济节点信息，然后判断经济节点信息中的经济投资数据是否属于生态节点信息中的经济节点范围，若不属于，则基于经济节点信息以及经济节点范围确定经济违规数据，并将经济违规数据与生态节点信息进行结合测算，得到环境调整参数，本申请具有提高生态环境稳定性的效果。

Description

一种周期环境整治测算方法、装置、电子设备及介质
技术领域
本申请涉及生态环境整治的领域，尤其是涉及一种周期环境整治测算方法、装置、电子设备及介质。
背景技术
环境整治是指对大气、水体和土壤等生态系统要素的整合治理，生态系统要素作为一种非排他性的资源，长期以来人们都是免费或廉价使用的，生态环境的价值没有受到足够的重视并且缺乏量化手段，也没有计入经济活动分析中。随着ESG（环境Environment、社会Social和治理Governance）理念的普及和认可，政府和企业在其政策制定及投资决策过程中逐渐开始将经济活动对生态环境的影响作为重要考量因素之一。而对生态环境的生态价值进行测算评估是实现将经济活动对生态环境的影响整合到决策中的重要前提。
目前，在对区域的生态价值进行测算评估时，通常采用多种测算方法对生态价值进行测算评估，多种测算方法包括：市场价值法、疾病成本法、规避行为法以及旅行费用法等，每种测算方法所代表的是区域不同生态维度的当前生态价值测算，然后将多生态维度的当前生态价值进行整理，得到当前综合生态价值，政府和企业根据当前综合生态价值对区域的生态环境进行整治，从而降低由于经济活动而导致生态环境发生恶化的可能。
针对于上述相关技术，在对区域的生态环境进行整治时，由于区域的生态环境随着时间的推演所释放的生态价值不同，导致仅通过当前综合生态价值无法周期性的对生态环境进行合理整治，从而存在难以维持生态环境稳定性的缺陷。
发明内容
为了提高生态环境稳定性，本申请提供了一种周期环境整治测算方法、装置、电子设备及介质。
第一方面，本申请提供一种周期环境整治测算方法，采用如下的技术方案：
一种周期环境整治测算方法，包括：
获取历史环境信息，所述历史环境信息用于表示在历史周期内预设区域不同时刻的生态环境参数；
对所述预设区域内的经济活动进行调取，得到经济活动信息，所述经济活动信息为所述历史周期内的经济活动信息；
对所述历史环境信息以及所述经济活动信息进行数据分析，得到生态节点信息以及与所述生态节点信息相对应的经济节点信息；
判断所述经济节点信息中的经济投资数据是否属于所述生态节点信息中的经济节点范围，若不属于，则基于所述经济节点信息以及所述经济节点范围确定经济违规数据，并将所述经济违规数据与所述生态节点信息进行结合测算，得到环境调整参数，所述经济节点范围用于表示对所述生态节点信息的经济投资范围，所述经济违规数据用于表示所述经济投资超出所述经济节点范围的投资数据；
控制显示所述环境调整参数，以使得环保人员根据环境调整参数对当前生态环境进行调整。
在另一种可能实现的方式中，所述对所述历史环境信息以及所述经济活动信息进行数据分析，得到生态节点信息以及与所述生态节点信息相对应的经济节点信息，包括：
调取所述经济活动信息中的活动时间信息，并基于所述活动时间信息确定所述历史环境信息中与所述活动时间信息相对应的参数变化信息；
基于所述参数变化信息确定节点参数数据，并将所述节点参数数据输入至训练后的经济模型中进行识别，得到经济节点范围；
将所述参数变化信息、所述经济节点范围以及所述经济活动信息按照所述活动时间信息进行整合，得到所述生态节点信息以及与所述生态节点信息相对应的经济节点信息。
在另一种可能实现的方式中，所述基于所述经济节点信息以及所述经济节点范围确定经济违规数据，包括：
分别对所述经济节点范围中的经济数据以及所述经济活动信息进行调取，得到与所述经济活动信息对应的经济活动数据以及与所述经济节点范围对应的第一经济阈值以及第二经济阈值，所述第一经济阈值为所述经济节点范围中的最高经济阈值，所述第二经济阈值为所述经济节点范围中的最低经济阈值；
判断所述经济活动数据是否大于所述第一经济阈值，若大于，则计算所述经济活动数据与所述第一经济阈值之间的差值，得到所述经济违规数据；
若所述经济活动数据不大于所述第一经济阈值，则判断所述经济活动数据是否小于所述第二经济阈值，若小于，则计算所述经济活动数据与所述第二经济阈值之间的差值，得到所述经济违规数据。
在另一种可能实现的方式中，所述将所述经济违规数据与所述生态节点信息进行结合测算，得到环境调整参数，包括：
根据所述经济活动信息确定经济活动类型以及与所述经济活动类型相对应的活动投资数据；
根据所述生态节点信息确定与所述经济活动类型对应投资生效时长以及与所述投资生效时长对应的生效环境参数，所述投资生效时长用于表示在实施所述经济活动信息后完全生效的时长；
对所述活动投资数据与所述生效环境参数进行单位转换计算，得到数据参数单位；
基于所述数据参数单位对所述经济违规数据进行数据测算，得到环境调整参数。
在另一种可能实现的方式中，所述判断所述经济节点信息中的经济投资数据是否属于所述生态节点信息中的经济节点范围,之后还包括：
若所述经济节点信息属于所述生态节点信息中的经济节点范围，则获取未来环境信息以及未来活动信息，所述未来环境信息用于表示在未来周期时间段内预设区域不同时刻的生态环境参数，所述未来活动信息用于表示在未来周期时间段内预设区域的经济活动信息；
根据所述未来环境信息、所述未来活动信息以及所述历史环境信息对所述经济活动范围进行预测，得到所述未来周期时间段内的未来经济活动范围；
判断所述未来活动信息中的经济投资数据是否属于未来经济活动范围，若不符合，则检测所述未来活动信息中不符合所述未来经济活动范围的初始经济节点，并对所述初始经济节点与所述未来环境信息进行分析，得到未来调整参数，所述初始经济节点用于表示所述未来活动信息中首次出现经济活动的投资数据超过未来经济活动范围的节点，所述未来调整参数用于表示所述未来环境信息中需要调整的环境参数。
在另一种可能实现的方式中，所述根据所述未来环境信息、所述未来活动信息以及所述历史环境信息对所述经济活动范围进行预测，得到所述未来周期时间段内的未来经济活动范围，包括：
对所述历史环境信息进行分析，确定所述历史环境信息中预设区域内不同生态气候类别分别对应的生态种类数量以及所述生态种类数量中每种生态对应的生态环境参数，并基于所述生态环境参数以及所述生态种类数量对所述历史环境信息进行无监督时间序列数据整理，得到第一环境矩阵数据；
将所述第一环境矩阵数据输入至训练好的环境模型进行向量特征提取，得到环境特征维度数量，并将得到的所述环境特征维度数量与所述第一环境矩阵数据进行数据结合处理，生成第二环境矩阵数据；
对所述第二环境矩阵数据中所包含的数据进行数据处理，得到环境参数数据，并将得到的所述环境参数数据输入至预设算法模型中进行数据推算，生成所述生态种类数量以及所述生态种类数量中每种生态在所述未来周期时间段内的环境参数；
将所述未来环境信息中的生态气候类别与所述不同生态气候类别进行匹配，得到未来生态种类数量以及与所述未来未来种类数量对应的未来环境参数；
调取所述未来活动信息中的未来时间信息，并基于所述未来时间信息以及所述未来环境参数确定所述未来环境信息中与所述活动时间信息相对应的未来变化信息；
基于所述未来变化信息确定未来参数数据，并将所述未来参数数据输入至所述经济模型中进行识别，得到未来经济活动范围。
在另一种可能实现的方式中，所述对所述第二环境矩阵数据中所包含的数据进行数据处理，得到环境参数数据，包括：
计算所述第二环境矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于所述正态分布均值以及所述正态分布方差确定所述第二环境矩阵数据的3σ范围；
判断所述数据是否在所述3σ范围之外，若所述数据在所述3σ范围之外，则确定所述数据所在所述第二环境矩阵数据的第一矩阵序列；
计算所述第一矩阵序列的序列平均值，用所述序列平均值对所述数据进行替换，得到替换后的第二矩阵序列；
对所述第二矩阵序列进行缺失值以及归一化处理，得到环境参数数据。
第二方面，本申请提供一种周期环境整治测算装置，采用如下的技术方案：
一种周期环境整治测算装置，包括：
信息获取模块，用于获取历史环境信息，所述历史环境信息用于表示在历史周期内预设区域不同时刻的生态环境参数；
信息调取模块，用于对所述预设区域内的经济活动进行调取，得到经济活动信息，所述经济活动信息为所述历史周期内的经济活动信息；
数据分析模块，用于对所述历史环境信息以及所述经济活动信息进行数据分析，得到生态节点信息以及与所述生态节点信息相对应的经济节点信息；
节点判断模块，用于判断所述经济节点信息中的经济投资数据是否属于所述生态节点信息中的经济节点范围，若不属于，则基于所述经济节点信息以及所述经济节点范围确定经济违规数据，并将所述经济违规数据与所述生态节点信息进行结合测算，得到环境调整参数；
控制显示模块，用于控制显示所述环境调整参数，以使得环保人员根据环境调整参数对当前生态环境进行调整。
在一种可能的实现方式中，所述数据分析模块在对所述历史环境信息以及所述经济活动信息进行数据分析，得到生态节点信息以及与所述生态节点信息相对应的经济节点信息时，具体用于：
调取所述经济活动信息中的活动时间信息，并基于所述活动时间信息确定所述历史环境信息中与所述活动时间信息相对应的参数变化信息；
基于所述参数变化信息确定节点参数数据，并将所述节点参数数据输入至训练后的经济模型中进行识别，得到经济节点范围；
将所述参数变化信息、所述经济节点范围以及所述经济活动信息按照所述活动时间信息进行整合，得到所述生态节点信息以及与所述生态节点信息相对应的经济节点信息。
在另一种可能的实现方式中，所述节点判断模块在基于所述经济节点信息以及所述经济节点范围确定经济违规数据时，具体用于：
分别对所述经济节点范围中的经济数据以及所述经济活动信息进行调取，得到与所述经济活动信息对应的经济活动数据以及与所述经济节点范围对应的第一经济阈值以及第二经济阈值，所述第一经济阈值为所述经济节点范围中的最高经济阈值，所述第二经济阈值为所述经济节点范围中的最低经济阈值；
判断所述经济活动数据是否大于所述第一经济阈值，若大于，则计算所述经济活动数据与所述第一经济阈值之间的差值，得到所述经济违规数据；
若所述经济活动数据不大于所述第一经济阈值，则判断所述经济活动数据是否小于所述第二经济阈值，若小于，则计算所述经济活动数据与所述第二经济阈值之间的差值，得到所述经济违规数据。
在另一种可能的实现方式中，所述节点判断模块在将所述经济违规数据与所述生态节点信息进行结合测算，得到环境调整参数时，具体用于：
根据所述经济活动信息确定经济活动类型以及与所述经济活动类型相对应的活动投资数据；
根据所述生态节点信息确定与所述经济活动类型对应投资生效时长以及与所述投资生效时长对应的生效环境参数，所述投资生效时长用于表示在实施所述经济活动信息后完全生效的时长；
对所述活动投资数据与所述生效环境参数进行单位转换计算，得到数据参数单位；
基于所述数据参数单位对所述经济违规数据进行数据测算，得到环境调整参数。
在另一种可能的实现方式中,所述装置还包括：未来信息获取模块、预测模块以及未来信息判断模块，其中，
所述未来信息获取模块，用于当所述经济节点信息属于所述生态节点信息中的经济节点范围，则获取未来环境信息以及未来活动信息，所述未来环境信息用于表示在未来周期时间段内预设区域不同时刻的生态环境参数，所述未来活动信息用于表示在未来周期时间段内预设区域的经济活动信息；
所述预测模块，用于根据所述未来环境信息、所述未来活动信息以及所述历史环境信息对所述经济活动范围进行预测，得到所述未来周期时间段内的未来经济活动范围；
所述未来信息判断模块，用于判断所述未来活动信息中的经济投资数据是否属于未来经济活动范围，若不符合，则检测所述未来活动信息中不符合所述未来经济活动范围的初始经济节点，并对所述初始经济节点与所述未来环境信息进行分析，得到未来调整参数，所述初始经济节点用于表示所述未来活动信息中首次出现经济活动的投资数据超过未来经济活动范围的节点，所述未来调整参数用于表示所述未来环境信息中需要调整的环境参数。
在另一种可能的实现方式中，所述预测模块在根据所述未来环境信息、所述未来活动信息以及所述历史环境信息对所述经济活动范围进行预测，得到所述未来周期时间段内的未来经济活动范围时，具体用于：
对所述历史环境信息进行分析，确定所述历史环境信息中预设区域内不同生态气候类别分别对应的生态种类数量以及所述生态种类数量中每种生态对应的生态环境参数，并基于所述生态环境参数以及所述生态种类数量对所述历史环境信息进行无监督时间序列数据整理，得到第一环境矩阵数据；
将所述第一环境矩阵数据输入至训练好的环境模型进行向量特征提取，得到环境特征维度数量，并将得到的所述环境特征维度数量与所述第一环境矩阵数据进行数据结合处理，生成第二环境矩阵数据；
对所述第二环境矩阵数据中所包含的数据进行数据处理，得到环境参数数据，并将得到的所述环境参数数据输入至预设算法模型中进行数据推算，生成所述生态种类数量以及所述生态种类数量中每种生态在所述未来周期时间段内的环境参数；
将所述未来环境信息中的生态气候类别与所述不同生态气候类别进行匹配，得到未来生态种类数量以及与所述未来未来种类数量对应的未来环境参数；
调取所述未来活动信息中的未来时间信息，并基于所述未来时间信息以及所述未来环境参数确定所述未来环境信息中与所述活动时间信息相对应的未来变化信息；
基于所述未来变化信息确定未来参数数据，并将所述未来参数数据输入至所述经济模型中进行识别，得到未来经济活动范围。
在另一种可能的实现方式中，所述预测模块在对所述第二环境矩阵数据中所包含的数据进行数据处理，得到环境参数数据时，具体用于：
计算所述第二环境矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于所述正态分布均值以及所述正态分布方差确定所述第二环境矩阵数据的3σ范围；
判断所述数据是否在所述3σ范围之外，若所述数据在所述3σ范围之外，则确定所述数据所在所述第二环境矩阵数据的第一矩阵序列；
计算所述第一矩阵序列的序列平均值，用所述序列平均值对所述数据进行替换，得到替换后的第二矩阵序列；
对所述第二矩阵序列进行缺失值以及归一化处理，得到环境参数数据。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，该电子设备包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述周期环境整治测算方法。
第四方面，提供了一种计算机可读存储介质，存储介质存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面中任一可能的实现方式所示的周期环境整治测算方法。
综上所述，本申请包括以下至少一种有益技术效果：
本申请提供了一种周期环境整治测算方法、装置、电子设备及介质，与相关技术相比，在本申请中，在对生态环境参数进行调节时，获取历史环境信息，其中，历史环境信息用于表示在历史周期内预设区域不同时刻的生态环境参数，然后对预设区域内的经济活动进行调取，得到经济活动信息，然后对历史环境信息以及经济活动信息进行数据分析，得到生态节点信息以及与生态节点信息相对应的经济节点信息，然后判断经济节点信息是否符合生态节点信息中的经济节点范围，若不符合，则基于经济节点信息以及经济节点范围确定经济违规数据，并将经济违规数据与生态节点信息进行结合测算，得到环境调整参数，根据环境调整参数及时调整生态环境整体参数水平，以使得生态环境趋于稳定，从而提高了生态环境的稳定性。
附图说明
图1是本申请实施例一种周期环境整治测算方法的流程示意图；
图2是本申请实施例一种周期环境整治测算装置的方框示意图；
图3是本申请实施例电子设备的示意图。
实施方式
以下结合附图1-3对本申请作进一步详细说明。
领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，一种周期环境整治测算方法、装置、电子设备及介质和/或B，可以表示：单独存在一种周期环境整治测算方法、装置、电子设备及介质，同时存在一种周期环境整治测算方法、装置、电子设备及介质和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种周期环境整治测算方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括：
步骤S10，获取历史环境信息。
其中，历史环境信息用于表示在历史周期内预设区域不同时刻的生态环境参数。
对于本申请实施例来说，历史周期以及预设区域均是由工作人员通过电子设备设置的时间周期以及区域，例如：历史周期可以为一个月时间，预设区域可以为四个经纬度组成的区域。
在本申请实施例中，历史环境信息包括土地参数信息以及水质信息，其中，土地参数信息包括种植状态下耕地的土壤信息以及植被覆盖下林草地的土壤信息，在对土壤进行信息检测时，采集位于地下不同深度土壤样品，采集深度的阈值根据种植物的扎根深度进行确定，然后将采集后的土壤样品进行预处置，预处置方式为：对土壤样品进行中止风干，然后将风干后的土壤样品弄成碎块平铺于纸张表面，然后将纸张放置于阴凉通风处进行二次风干，最后将风干后的土样再中止磨细过筛处置。将处置后的土壤样品进行分析测定，得到土壤中的参数信息，分析测定方法包括：原子吸收光谱法、分光光度法、原子荧光光度法以及气相色谱法等。
上述中的分析测定方法所属领域的技术人员可以清楚地了解到，在此不再赘述。
具体地，对水质信息进行判断主要采用水质评价法，水质评价法中对水的处理分为两类，一类是以水质的物理化学参数的实测值为依据的评价方法，另一类是以水生物种群与水质的关系为依据的生物学评价方法，其中，采用较多的为物理化学参数评价方法，其中又分为：单项参数评价法与多项参数综合评价法，单向参数评价法是用某一参数的实测浓度代表值与水质标准对比，判断水质的优劣或适用程度。多项参数综合评价法是把选用的若干参数综合成一个概括的指数来评价水质，又称指数评价法。指数评价法用两种指数即参数权重评分叠加型指数和参数相对质量叠加型指数两种。参数权重评分叠加型指数的计算方法是，选定若干评价参数，按各项参数对水质影响的程度定出权系数，然后将各参数分成若干等级，按质量优劣评分，最后将各参数的评分相加，求出综合水质指数。数值大表示水质好，数值小表示水质差。参数相对质量叠加型指数的计算方法是，选定若干评价参数，把各参数的实际浓度与其相应的评价标准浓度相比，求出各参数的相对质量指数，然后求总和值。
步骤S11，对预设区域内的经济活动进行调取，得到经济活动信息，经济活动信息为历史周期内的经济活动信息。
具体地，经济活动信息是指在预设区域内，人们为改变土壤质量以及水质质量进行的经济投入，例如：为提升土壤的肥沃力，人们购买肥料对土壤进行施肥，那么经济活动信息就是指人们购买肥料以及人力施肥所耗费的财力物力。
在本申请实施例中，步骤S11可以在步骤S10之前执行，也可以与步骤S10同时执行，具体执行顺序不做限定。
步骤S12，对历史环境信息以及经济活动信息进行数据分析，得到生态节点信息以及与生态节点信息相对应的经济节点信息。
具体地，将历史环境信息以及经济活动信息按照历史周期时间进行时间点追踪，基于经济活动信息中的时间点确定历史环境信息中的生态节点信息以及经济节点信息。
步骤S13，判断经济节点信息中的经济投资数据是否属于生态节点信息中的经济节点范围，若不属于，则基于经济节点信息以及经济节点范围确定经济违规数据，并将经济违规数据与生态节点信息进行结合测算，得到环境调整参数。
其中，经济节点范围用于表示对生态节点信息的经济投资范围，经济违规数据用于表示经济投资超出经济节点范围的投资数据。
步骤S14，控制显示环境调整参数，以使得环保人员根据环境调整参数对当前生态环境进行调整。
本申请实施例提供了一种周期环境整治测算方法，在本申请中，在对生态环境参数进行调节时，获取历史环境信息，其中，历史环境信息用于表示在历史周期内预设区域不同时刻的生态环境参数，然后对预设区域内的经济活动进行调取，得到经济活动信息，然后对历史环境信息以及经济活动信息进行数据分析，得到生态节点信息以及与生态节点信息相对应的经济节点信息，然后判断经济节点信息是否符合生态节点信息中的经济节点范围，若不符合，则基于经济节点信息以及经济节点范围确定经济违规数据，并将经济违规数据与生态节点信息进行结合测算，得到环境调整参数，根据环境调整参数及时调整生态环境整体参数水平，以使得生态环境趋于稳定，从而提高了生态环境的稳定性。
本申请实施例的一种可能的实现方式，步骤S12具体包括步骤S121（图中未示出）、步骤S122（图中未示出）以及步骤S123（图中未示出），其中，
步骤S121，调取经济活动信息中的活动时间信息，并基于活动时间信息确定历史环境信息中与活动时间信息相对应的参数变化信息。
在本申请实施例中，采用arguments函数调取经济活动信息中的活动时间信息，然后根据活动时间信息中的时间点调取历史环境信息中对应的参数变化信息。例如：活动时间信息中的时间点为：2022年1月27日-2022年1月29日，那么根据该时间点的开始时间以及结束时间之间的时间段对历史环境信息中土壤以及水质的参数进行调取，得到对应参数变化信息。
步骤S122，基于参数变化信息确定节点参数数据，并将节点参数数据输入至训练后的经济模型中进行识别，得到经济节点范围。
在本申请实施例中，经济模型为预先训练后的神经网络模型，其采用的训练样本为经济投入数据以及生态的节点参数数据，经济投入数据以及生态的节点参数数据是采用大数据技术对历史经济活动信息以及历史环境参数信息进行数据提取得到的，针对于相同的节点参数数据所对应的不同经济投入数据，确定经济投入最大值以及最小值，即在满足生态稳定的前提下，不同生态节点参数数据所对应的经济投入数据最大值以及最小值。
步骤S123，将参数变化信息、经济节点范围以及经济活动信息按照活动时间信息进行整合，得到生态节点信息以及与生态节点信息相对应的经济节点信息。
本申请实施例的一种可能的实现方式，步骤S13具体包括步骤S131（图中未示出）、步骤S132（图中未示出）以及步骤S133（图中未示出），其中，
步骤S131，分别对经济节点范围中的经济数据以及经济活动信息进行调取，得到与经济活动信息对应的经济活动数据以及与经济节点范围对应的第一经济阈值以及第二经济阈值。
其中，第一经济阈值为经济节点范围中的最高经济阈值，第二经济阈值为经济节点范围中的最低经济阈值。
步骤S132，判断经济活动数据是否大于第一经济阈值，若大于，则计算经济活动数据与第一经济阈值之间的差值，得到经济违规数据。
步骤S133，若经济活动数据不大于第一经济阈值，则判断经济活动数据是否小于第二经济阈值，若小于，则基于第二经济阈值对经济活动数据进行差值计算，得到经济违规数据。
本申请实施例的一种可能的实现方式，步骤S13具体包括：步骤S31（图中未示出）、步骤S32（图中未示出）、步骤S33（图中未示出）以及步骤S34（图中未示出），其中，
步骤S31，根据经济活动信息确定经济活动类型以及与经济活动类型相对应的活动投资数据。
对于本申请实施例，经济活动信息包括活动时间信息、经济活动类型、经济活动名称以及活动投资数据等，其中，活动时间信息在步骤S121中已进行阐述说明，在此不再赘述。经济活动类型包括种植产品施肥、鱼塘水质提升以及提升劳动者的身体健康指数等至少三种活动类型；活动投资数据为经济活动类型中每种活动类型所投入的资金数据。
步骤S32，根据生态节点信息确定与经济活动类型对应投资生效时长以及与投资生效时长对应的生效环境参数，投资生效时长用于表示在实施经济活动信息后完全生效的时长。
具体地，生态节点信息包括当前待投资物品的参数数据、参数数据在不同经济投资时的投资生效时长以及投资生效时长对应的生效环境参数，例如：当前待投资物品为种植土壤，土壤中的参数数据为有机物含量为15%，在进行有机施肥经济投资后，土壤中有机物含量由15%转变为20%，转变所用时长3天，那么该投资生效时长为3天，生效环境参数为有机物含量为20%。
步骤S33，对活动投资数据与生效环境参数进行单位转换计算，得到数据参数单位。
具体地，根据生效环境参数的参数变化值，对活动投资数据进行均值计算，得到数据参数单位，例如：生效环境参数为有机物含量50夸克，原始土壤中的有机物含量为15夸克，那么参数变化值为35夸克，活动投资数据为100元整，将100元整与35夸克进行比值计算，得到每夸克所对应的活动投资金额，该投资金额则为数据参数单位。
步骤S34，基于数据参数单位对经济违规数据进行数据测算，得到环境调整参数。
对于本申请实施例来说，数据参数单位即表示每种生态环境参数每提升1单位所花费的经济资金，例如：生态环境参数为有机物，每提升一夸克有机物，需要花费30元经济资金，那么有机物对应的数据参数单位：0.03夸克/元，再根据数据参数单位对经济违规数据数据测算时，将经济违规数据与数据参数单位进行乘法运算，得到活动投资金额。
本申请实施例的一种可能的实现方式，步骤S13之后还包括：步骤S35（图中未示出）、步骤S36（图中未示出）以及步骤S37（图中未示出），其中，
步骤S35，若经济节点信息属于生态节点信息中的经济节点范围，则获取未来环境信息以及未来活动信息。
其中，未来环境信息用于表示在未来周期时间段内预设区域不同时刻的生态环境参数，未来活动信息用于表示在未来周期时间段内预设区域的经济活动信息。
具体地，未来周期时间段为工作人员预设的时间段，在获取未来周期时间段内的未来环境信息时，通过收集数据、数据同化、数据天气、输出处理以及结果通知五步获取。其中，收集数据是在海面上通过专业人员、自动气象站或者浮标收集的气压、气温、风速、风向、湿度等数据，另外，采集在不同气压、气温、风速、风向以及湿度等数据对应的土壤、水质以及人体参数。世界气象组织协调这些数据采集的时间，并制定标准。这些测量分每小时一次或者每六小时一次；数据同化，在数据同化的过程中被采集的数据与用来做预报的数字模型结合在一起来产生气象分析。其结大气状态的最好估计，它是一个三维的温度、湿度、气压和风速、风向的表示；数据天气，按照物理学和流体力学的结果来计算大气随时间的变化；输出处理，模型计算的原始输出一般要经过加工处理后才能成为天气预报。这些处理包括使用统计学的原理来消除已知的模型中的偏差，或者参考其它模型计算结果进行调整；结果通知，根据有关部门提供的数据上终端上制作全国气象形势图表。
步骤S36，根据未来环境信息、未来活动信息以及历史环境信息对经济活动范围进行预测，得到未来周期时间段内的未来经济活动范围。
步骤S37，判断未来活动信息中的经济投资数据是否属于未来经济活动范围，若不符合，则检测未来活动信息中不符合未来经济活动范围的初始经济节点，并对初始经济节点与未来环境信息进行分析，得到未来调整参数。
其中，初始经济节点用于表示未来活动信息中首次出现经济活动的投资数据超过未来经济活动范围的节点，未来调整参数用于表示未来环境信息中需要调整的环境参数。
在本申请实施例中，初始经济节点与未来环境信息的分析方式与步骤S13中经济节点信息以及历史环境信息进行分析的方式相同，在此不做赘述。
本申请实施例的一种可能的实现方式，步骤S36（图中未示出）具体包括：步骤S61（图中未示出）、步骤S62（图中未示出）以及步骤S63（图中未示出），其中，
步骤S61，对历史环境信息进行分析，确定历史环境信息中预设区域内不同生态气候类别分别对应的生态种类数量以及生态种类数量中每种生态对应的生态环境参数，并基于生态环境参数以及生态种类数量对历史环境信息进行无监督时间序列数据整理，得到第一环境矩阵数据。
具体地，时间序列是按照时间排序的一组随机变量，它通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果。时间序列数据本质上反映的是某个或者某些随机变量随时间不断变化的趋势，而时间序列预测方法的核心就是从数据中挖掘出这种规律，并利用其对将来的数据做出估计。
在本申请实施例中，时间序列长度表示的是历史环境信息随时间不断变化的长度。
根据时间序列长度以及不同生态种类数量对历史环境信息进行无监督时间序列数据整理，得到以下第一环境矩阵数据：
其中，m为生态种类数量，n为时间序列长度。
步骤S62，将第一环境矩阵数据输入至训练好的环境模型进行向量特征提取，得到环境特征维度数量，并将得到的环境特征维度数量与第一环境矩阵数据进行数据结合处理，生成第二环境矩阵数据。
具体地，在将第一环境矩阵数据输入至环境模型中进行向量特征提取，需要预先获取矩阵数据样本，矩阵数据样本包括历史环境信息所形成的第一环境矩阵数据以及第一环境矩阵数据中的向量特征，然后创建环境模型，并基于一环境矩阵数据以及第一环境矩阵数据中的向量特征对环境模型进行训练，得到训练好的环境模型。
在本申请实施例中，环境模型为预先训练好的神经网络模型。
具体地，将第一环境矩阵数据输入至环境模型中进行向量特征提取，并将提取到的向量特征进行统计，得到特征维度数量，其中，向量特征包括历史环境信息中的气候向量特征、时间向量特征以及生态种类组合向量特征等，然后将特征维度数量与第一环境矩阵数据进行数据结合，得到第二环境矩阵数据。
在本申请实施例中，将环境特征维度数量与第一环境矩阵数据进行整合，生成维度矩阵数据。
具体地，将环境特征维度数量作为维度与第一环境矩阵数据进行整合，本申请实施例采用pytorch技术进行举例说明，包括但不局限于pytorch技术一种可实现方式。
通过pytorch中的指令“out.unsqueeze(-1)”将环境特征维度数量以维度的方式添加到第一环境矩阵数据中，实现维度整合。
具体地，PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。PyTorch提供了两个高级功能：1.具有强大的GPU加速的张量计算（如Numpy）；2.包含自动求导系统的深度神经网络除了Facebook之外，Twitter、GMU和Salesforce等机构都采用了PyTorch。
将环境特征维度数量与第一环境矩阵数据进行整合完毕后，得到以下维度矩阵数据：
其中，v表示环境特征维度数量。
具体地，将维度矩阵数据导入到Excel表格中，并且配置Python集成jupyter环境，针对维度矩阵数据中n时间序列做基本数据分布探查，主要目的在于找到对应序列的的相对周期性规律，然后根据相周期性规律确定时间周期长度。基于时间周期长度对维度矩阵数据进行有监督时间序列数据整理，得到预测矩阵数据。
具体地，用t来代替时间周期性长度，并将维度矩阵数据中的n替换为t，得到新的环境预测矩阵数据：
                                                                    。
基于预测矩阵数据对未来周期时间段内的环境参数的变化趋势进行预测，生成第二环境矩阵数据。
具体地，假设预设未来预设时间段为k，即移动步长为k步预测，得到第二环境矩阵数据：
                                                                    。
步骤S63，对第二环境矩阵数据中所包含的数据进行数据处理，得到环境参数数据，并将得到的环境参数数据输入至预设算法模型中进行数据推算，生成生态种类数量以及生态种类数量中每种生态在未来周期时间段内的环境参数。
对于本申请实施例，采用双向LSTM模型为预设算法模型进行举例说明，包括但不仅限于双向LSTM模型。
具体地，预设算法模型构建，模型主体采用双向LSTM作为趋势预测模型，LSTM主要有遗忘门，输入门，输出门构成；
遗忘门：；
输入门：
经过遗忘门和输入门的信息过滤后，将历史的记忆和当前阶段的记忆内容合并，生成的值为：
输出门：
在上面描述的LSTM之后，在反向接入一层LSTM网络层，通过该过程可以得到BI-LSTM层，由于是若干组微生物物种组合共同训练；添加物种空间特征联合学习层，初始化关联向量矩阵大小为M*V*K，取LSTM最后一层的输出向量，转置乘关联向量参数矩阵，最终连接回归损失函数，完成预设算法模型的构建。
步骤S64，将未来环境信息中的生态气候类别与不同生态气候类别进行匹配，得到未来生态种类数量以及与未来未来种类数量对应的未来环境参数。
具体地，调取未来环境信息中的Key值，然后对Key值进行生态气候类别筛选，得到Key值对应的Vulue值，即生态气候类别，然后将生态气候类别与步骤S61中的生态气候类别进行匹配，得到未来生态种类数量以及未来环境参数。
步骤S65，调取未来活动信息中的未来时间信息，并基于未来时间信息以及未来环境参数确定未来环境信息中与活动时间信息相对应的未来变化信息。
步骤S66，基于未来变化信息确定未来参数数据，并将未来参数数据输入至经济模型中进行识别，得到未来经济活动范围。
本申请实施例的一种可能的实现方式，步骤S63（图中未示出）具体包括：步骤S631（图中未示出）、步骤S632（图中未示出）、步骤S633（图中未示出）以及步骤S634（图中未示出），其中，
步骤S631，计算第二环境矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于正态分布均值以及正态分布方差确定第二环境矩阵数据的3σ范围。
步骤S632，判断数据是否在3σ范围之外，若数据在3σ范围之外，则确定数据所在第二环境矩阵数据的第一矩阵序列。
具体地，3σ范围是建立在正态分布的等精度重复测量基础上而造成奇异数据的干扰或噪声难以满足正态分布。如果一组测量数据中某个测量值的残余误差的绝对值νi＞3σ，则该测量值为坏值，应剔除。通常把等于±3σ的误差作为极限误差，对于正态分布的随机误差，落在±3σ以外的概率只有0.27%，它在有限次测量中发生的可能性很小，故存在3σ准则。3σ准则是最常用也是最简单的粗大误差判别准则，它一般应用于测量次数充分多（n≥30）或当n＞10做粗略判别时的情况。
具体地，缺失值是指矩阵序列中由于缺少信息而造成的数据聚类、分组、删失或截断，对于缺失值的处理，从总体上来说分为删除存在缺失值的个案和缺失值插补，本申请实施例采用删除存在缺失值的个案对矩阵序列进行处理，删除存在缺失值的个案主要有简单删除法和权重法。简单删除法是对缺失值进行处理的最原始方法。它将存在缺失值的个案删除。如果数据缺失问题可以通过简单的删除小部分样本来达到目标，那么这个方法是最有效的。当缺失值的类型为非完全随机缺失的时候，可以通过对完整的数据加权来减小偏差。把数据不完全的个案标记后，将完整的数据个案赋予不同的权重，个案的权重可以通过logistic或probit回归求得。
步骤S633，计算第一矩阵序列的序列平均值，用序列平均值对数据进行替换，得到替换后的第二矩阵序列。
步骤S634，对第二矩阵序列进行缺失值以及归一化处理，得到环境参数数据。
具体地，归一化方法有两种形式，一种是把数变为（0，1）之间的小数，一种是把有量纲表达式变为无量纲表达式。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。
具体处理归一方法为：。
上述实施例从方法流程的角度介绍一种周期环境整治测算方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种周期环境整治测算装置，具体详见下述实施例。
本申请实施例提供一种周期环境整治测算装置，如图2所示，该周期环境整治测算装置20具体可以包括：信息获取模块21、信息调取模块22、数据分析模块23、节点判断模块24以及控制显示模块25，其中，
信息获取模块21，用于获取历史环境信息，历史环境信息用于表示在历史周期内预设区域不同时刻的生态环境参数；
信息调取模块22，用于对预设区域内的经济活动进行调取，得到经济活动信息，经济活动信息为历史周期内的经济活动信息；
数据分析模块23，用于对历史环境信息以及经济活动信息进行数据分析，得到生态节点信息以及与生态节点信息相对应的经济节点信息；
节点判断模块24，用于判断经济节点信息中的经济投资数据是否属于生态节点信息中的经济节点范围，若不属于，则基于经济节点信息以及经济节点范围确定经济违规数据，并将经济违规数据与生态节点信息进行结合测算，得到环境调整参数，经济节点范围用于表示对生态节点信息的经济投资范围，经济违规数据用于表示经济投资超出经济节点范围的投资数据；
控制显示模块25，用于控制显示环境调整参数，以使得环保人员根据环境调整参数对当前生态环境进行调整。
本申请实施例的一种可能的实现方式，数据分析模块23在对历史环境信息以及经济活动信息进行数据分析，得到生态节点信息以及与生态节点信息相对应的经济节点信息时，具体用于：
调取经济活动信息中的活动时间信息，并基于活动时间信息确定历史环境信息中与活动时间信息相对应的参数变化信息；
基于参数变化信息确定节点参数数据，并将节点参数数据输入至训练后的经济模型中进行识别，得到经济节点范围；
将参数变化信息、经济节点范围以及经济活动信息按照活动时间信息进行整合，得到生态节点信息以及与生态节点信息相对应的经济节点信息。
本申请实施例的另一种可能的实现方式，节点判断模块24在基于经济节点信息以及经济节点范围确定经济违规数据时，具体用于：
分别对经济节点范围中的经济数据以及经济活动信息进行调取，得到与经济活动信息对应的经济活动数据以及与经济节点范围对应的第一经济阈值以及第二经济阈值，第一经济阈值为经济节点范围中的最高经济阈值，第二经济阈值为经济节点范围中的最低经济阈值；
判断经济活动数据是否大于第一经济阈值，若大于，则计算经济活动数据与第一经济阈值之间的差值，得到经济违规数据；
若经济活动数据不大于第一经济阈值，则判断经济活动数据是否小于第二经济阈值，若小于，则计算经济活动数据与第二经济阈值之间的差值，得到经济违规数据。
本申请实施例的另一种可能的实现方式，节点判断模块24在将经济违规数据与生态节点信息进行结合测算，得到环境调整参数时，具体用于：
根据经济活动信息确定经济活动类型以及与经济活动类型相对应的活动投资数据；
根据生态节点信息确定与经济活动类型对应投资生效时长以及与投资生效时长对应的生效环境参数，投资生效时长用于表示在实施经济活动信息后完全生效的时长；
对活动投资数据与生效环境参数进行单位转换计算，得到数据参数单位；
基于数据参数单位对经济违规数据进行数据测算，得到环境调整参数。
本申请实施例的另一种可能的实现方式，装置还包括：未来信息获取模块、预测模块以及未来信息判断模块，其中，
未来信息获取模块，用于当经济节点信息属于生态节点信息中的经济节点范围，则获取未来环境信息以及未来活动信息，未来环境信息用于表示在未来周期时间段内预设区域不同时刻的生态环境参数，未来活动信息用于表示在未来周期时间段内预设区域的经济活动信息；
预测模块，用于根据未来环境信息、未来活动信息以及历史环境信息对经济活动范围进行预测，得到未来周期时间段内的未来经济活动范围；
未来信息判断模块，用于判断未来活动信息中的经济投资数据是否属于未来经济活动范围，若不符合，则检测未来活动信息中不符合未来经济活动范围的初始经济节点，并对初始经济节点与未来环境信息进行分析，得到未来调整参数，初始经济节点用于表示未来活动信息中首次出现经济活动的投资数据超过未来经济活动范围的节点，未来调整参数用于表示未来环境信息中需要调整的环境参数。
本申请实施例的另一种可能的实现方式，预测模块在根据未来环境信息以及历史环境信息对经济活动范围进行预测，得到未来周期时间段内的未来经济活动范围时，具体用于：
对历史环境信息进行分析，确定历史环境信息中预设区域内不同生态气候类别分别对应的生态种类数量以及生态种类数量中每种生态对应的生态环境参数，并基于生态环境参数以及生态种类数量对历史环境信息进行无监督时间序列数据整理，得到第一环境矩阵数据；
将第一环境矩阵数据输入至训练好的环境模型进行向量特征提取，得到环境特征维度数量，并将得到的环境特征维度数量与第一环境矩阵数据进行数据结合处理，生成第二环境矩阵数据；
对第二环境矩阵数据中所包含的数据进行数据处理，得到环境参数数据，并将得到的环境参数数据输入至预设算法模型中进行数据推算，生成生态种类数量以及生态种类数量中每种生态在未来周期时间段内的环境参数；
将未来环境信息中的生态气候类别与不同生态气候类别进行匹配，得到未来生态种类数量以及与未来未来种类数量对应的未来环境参数；
调取未来活动信息中的未来时间信息，并基于未来时间信息以及未来环境参数确定未来环境信息中与活动时间信息相对应的未来变化信息；
基于未来变化信息确定未来参数数据，并将未来参数数据输入至经济模型中进行识别，得到未来经济活动范围。
本申请实施例的另一种可能的实现方式，预测模块在对第二环境矩阵数据中所包含的数据进行数据处理，得到环境参数数据时，具体用于：
计算第二环境矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于正态分布均值以及正态分布方差确定第二环境矩阵数据的3σ范围；
判断数据是否在3σ范围之外，若数据在3σ范围之外，则确定数据所在第二环境矩阵数据的第一矩阵序列；
计算第一矩阵序列的序列平均值，用序列平均值对数据进行替换，得到替换后的第二矩阵序列；
对第二矩阵序列进行缺失值以及归一化处理，得到环境参数数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还从实体装置的角度介绍了一种电子设备，如图3所示，图3所示的电子设备30除常规配置装置外包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备30还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备30的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，在本申请实施例中，对生态环境参数进行调节时，获取历史环境信息，其中，历史环境信息用于表示在历史周期内预设区域不同时刻的生态环境参数，然后对预设区域内的经济活动进行调取，得到经济活动信息，然后对历史环境信息以及经济活动信息进行数据分析，得到生态节点信息以及与生态节点信息相对应的经济节点信息，然后判断经济节点信息是否符合生态节点信息中的经济节点范围，若不符合，则基于经济节点信息以及经济节点范围确定经济违规数据，并将经济违规数据与生态节点信息进行结合测算，得到环境调整参数，根据环境调整参数及时调整生态环境整体参数水平，以使得生态环境趋于稳定，从而提高了生态环境的稳定性。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种周期环境整治测算方法，其特征在于，包括：
获取历史环境信息，所述历史环境信息用于表示在历史周期内预设区域不同时刻的生态环境参数；
对所述预设区域内的经济活动进行调取，得到经济活动信息，所述经济活动信息为所述历史周期内的经济活动信息；
对所述历史环境信息以及所述经济活动信息进行数据分析，得到生态节点信息以及与所述生态节点信息相对应的经济节点信息；
判断所述经济节点信息中的经济投资数据是否属于所述生态节点信息中的经济节点范围，若不属于，则基于所述经济节点信息以及所述经济节点范围确定经济违规数据，并将所述经济违规数据与所述生态节点信息进行结合测算，得到环境调整参数，所述经济节点范围用于表示对所述生态节点信息的经济投资范围，所述经济违规数据用于表示所述经济投资超出所述经济节点范围的投资数据；
控制显示所述环境调整参数，以使得环保人员根据环境调整参数对当前生态环境进行调整。
2.根据权利要求1所述的一种周期环境整治测算方法，其特征在于，所述对所述历史环境信息以及所述经济活动信息进行数据分析，得到生态节点信息以及与所述生态节点信息相对应的经济节点信息，包括：
调取所述经济活动信息中的活动时间信息，并基于所述活动时间信息确定所述历史环境信息中与所述活动时间信息相对应的参数变化信息；
基于所述参数变化信息确定节点参数数据，并将所述节点参数数据输入至训练后的经济模型中进行识别，得到经济节点范围；
将所述参数变化信息、所述经济节点范围以及所述经济活动信息按照所述活动时间信息进行整合，得到所述生态节点信息以及与所述生态节点信息相对应的经济节点信息。
3.根据权利要求2所述的一种周期环境整治测算方法，其特征在于，所述基于所述经济节点信息以及所述经济节点范围确定经济违规数据，包括：
分别对所述经济节点范围中的经济数据以及所述经济活动信息进行调取，得到与所述经济活动信息对应的经济活动数据以及与所述经济节点范围对应的第一经济阈值以及第二经济阈值，所述第一经济阈值为所述经济节点范围中的最高经济阈值，所述第二经济阈值为所述经济节点范围中的最低经济阈值；
判断所述经济活动数据是否大于所述第一经济阈值，若大于，则计算所述经济活动数据与所述第一经济阈值之间的差值，得到所述经济违规数据；
若所述经济活动数据不大于所述第一经济阈值，则判断所述经济活动数据是否小于所述第二经济阈值，若小于，则计算所述经济活动数据与所述第二经济阈值之间的差值，得到所述经济违规数据。
4.根据权利要求2所述的一种周期环境整治测算方法，其特征在于，所述将所述经济违规数据与所述生态节点信息进行结合测算，得到环境调整参数，包括：
根据所述经济活动信息确定经济活动类型以及与所述经济活动类型相对应的活动投资数据；
根据所述生态节点信息确定与所述经济活动类型对应投资生效时长以及与所述投资生效时长对应的生效环境参数，所述投资生效时长用于表示在实施所述经济活动信息后完全生效的时长；
对所述活动投资数据与所述生效环境参数进行单位转换计算，得到数据参数单位；
基于所述数据参数单位对所述经济违规数据进行数据测算，得到环境调整参数。
5.根据权利要求2所述的一种周期环境整治测算方法，其特征在于,所述判断所述经济节点信息中的经济投资数据是否属于所述生态节点信息中的经济节点范围,之后还包括：
若所述经济节点信息属于所述生态节点信息中的经济节点范围，则获取未来环境信息以及未来活动信息，所述未来环境信息用于表示在未来周期时间段内预设区域不同时刻的生态环境参数，所述未来活动信息用于表示在未来周期时间段内预设区域的经济活动信息；
根据所述未来环境信息、所述未来活动信息以及所述历史环境信息对所述经济活动范围进行预测，得到所述未来周期时间段内的未来经济活动范围；
判断所述未来活动信息中的经济投资数据是否属于未来经济活动范围，若不符合，则检测所述未来活动信息中不符合所述未来经济活动范围的初始经济节点，并对所述初始经济节点与所述未来环境信息进行分析，得到未来调整参数，所述初始经济节点用于表示所述未来活动信息中首次出现经济活动的投资数据超过未来经济活动范围的节点，所述未来调整参数用于表示所述未来环境信息中需要调整的环境参数。
6.根据权利要求5所述的一种周期环境整治测算方法，其特征在于，所述根据所述未来环境信息、所述未来活动信息以及所述历史环境信息对所述经济活动范围进行预测，得到所述未来周期时间段内的未来经济活动范围，包括：
对所述历史环境信息进行分析，确定所述历史环境信息中预设区域内不同生态气候类别分别对应的生态种类数量以及所述生态种类数量中每种生态对应的生态环境参数，并基于所述生态环境参数以及所述生态种类数量对所述历史环境信息进行无监督时间序列数据整理，得到第一环境矩阵数据；
将所述第一环境矩阵数据输入至训练好的环境模型进行向量特征提取，得到环境特征维度数量，并将得到的所述环境特征维度数量与所述第一环境矩阵数据进行数据结合处理，生成第二环境矩阵数据；
对所述第二环境矩阵数据中所包含的数据进行数据处理，得到环境参数数据，并将得到的所述环境参数数据输入至预设算法模型中进行数据推算，生成所述生态种类数量以及所述生态种类数量中每种生态在所述未来周期时间段内的环境参数；
将所述未来环境信息中的生态气候类别与所述不同生态气候类别进行匹配，得到未来生态种类数量以及与所述未来种类数量对应的未来环境参数；
调取所述未来活动信息中的未来时间信息，并基于所述未来时间信息以及所述未来环境参数确定所述未来环境信息中与所述活动时间信息相对应的未来变化信息；
基于所述未来变化信息确定未来参数数据，并将所述未来参数数据输入至所述经济模型中进行识别，得到未来经济活动范围。
7.根据权利要求6所述的一种周期环境整治测算方法，其特征在于，所述对所述第二环境矩阵数据中所包含的数据进行数据处理，得到环境参数数据，包括：
计算所述第二环境矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于所述正态分布均值以及所述正态分布方差确定所述第二环境矩阵数据的3σ范围；
判断所述数据是否在所述3σ范围之外，若所述数据在所述3σ范围之外，则确定所述数据所在所述第二环境矩阵数据的第一矩阵序列；
计算所述第一矩阵序列的序列平均值，用所述序列平均值对所述数据进行替换，得到替换后的第二矩阵序列；
对所述第二矩阵序列进行缺失值以及归一化处理，得到环境参数数据。
8.一种周期环境整治测算装置，其特征在于，包括：
信息获取模块，用于获取历史环境信息，所述历史环境信息用于表示在历史周期内预设区域不同时刻的生态环境参数；
信息调取模块，用于对所述预设区域内的经济活动进行调取，得到经济活动信息，所述经济活动信息为所述历史周期内的经济活动信息；
数据分析模块，用于对所述历史环境信息以及所述经济活动信息进行数据分析，得到生态节点信息以及与所述生态节点信息相对应的经济节点信息；
节点判断模块，用于判断所述经济节点信息是否符合所述生态节点信息中的经济节点范围，若不符合，则基于所述经济节点信息以及所述经济节点范围确定经济违规数据，并将所述经济违规数据与所述生态节点信息进行结合测算，得到环境调整参数；
控制显示模块，用于控制显示所述环境调整参数，以使得环保人员根据环境调整参数对当前生态环境进行调整。
9.一种电子设备，其特征在于，该电子设备包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1～7任一项所述的周期环境整治测算方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～7任一项所述的周期环境整治测算方法。
CN202310205554.4A 2023-03-06 2023-03-06 一种周期环境整治测算方法、装置、电子设备及介质 Pending CN116091103A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310205554.4A CN116091103A (zh) 2023-03-06 2023-03-06 一种周期环境整治测算方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310205554.4A CN116091103A (zh) 2023-03-06 2023-03-06 一种周期环境整治测算方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN116091103A true CN116091103A (zh) 2023-05-09

Family

ID=86199338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310205554.4A Pending CN116091103A (zh) 2023-03-06 2023-03-06 一种周期环境整治测算方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN116091103A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116934354A (zh) * 2023-07-21 2023-10-24 浙江远图技术股份有限公司 一种药品计量称的监管方法、装置、电子设备及介质
CN117421679A (zh) * 2023-10-08 2024-01-19 宁波创基机械股份有限公司 一种注塑机周期管控方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116934354A (zh) * 2023-07-21 2023-10-24 浙江远图技术股份有限公司 一种药品计量称的监管方法、装置、电子设备及介质
CN116934354B (zh) * 2023-07-21 2024-04-05 浙江远图技术股份有限公司 一种药品计量称的监管方法、装置、电子设备及介质
CN117421679A (zh) * 2023-10-08 2024-01-19 宁波创基机械股份有限公司 一种注塑机周期管控方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Memarian et al. SWAT-based hydrological modelling of tropical land-use scenarios
Wu et al. Diagnosis of wetland ecosystem health in the Zoige Wetland, Sichuan of China
CN116091103A (zh) 一种周期环境整治测算方法、装置、电子设备及介质
Jalalkamali Using of hybrid fuzzy models to predict spatiotemporal groundwater quality parameters
CN116362570B (zh) 一种基于大数据平台的多维度污染分析方法及系统
Confalonieri et al. A model for simulating the height of rice plants
Wieland et al. Using Shapley additive explanations to interpret extreme gradient boosting predictions of grassland degradation in Xilingol, China
Niaz et al. A novel spatially weighted accumulative procedure for regional drought monitoring
Tran et al. Household social vulnerability to natural hazards in the coastal tran van thoi district, Ca mau province, Mekong delta, Vietnam
Wang et al. Oxygen data assimilation for estimating micro-organism communities’ parameters in river systems
Ropero et al. Bayesian networks for evaluating climate change influence in olive crops in Andalusia, Spain
Rafiei et al. An improved calibration technique to address high dimensionality and non-linearity in integrated groundwater and surface water models
Piri Sahragard et al. Landscape structure and suitable habitat analysis for effective restoration planning in semi-arid mountain forests
Ebrahimi Gatgash et al. Prioritization-based management of the watershed using health assessment analysis at sub-watershed scale
Borisova et al. Value of information for water quality management
Selim et al. Determination of the optimum number of sample points to classify land cover types and estimate the contribution of trees on ecosystem services using the I‐Tree Canopy tool
CN116090710B (zh) 一种企业排污许可的管理方法、系统、电子设备及介质
Lee et al. Development of a deep neural network for predicting 6 h average PM 2.5 concentrations up to 2 subsequent days using various training data
Confalonieri et al. An integrated procedure to evaluate hydrological models
Pearlstine et al. Near-term spatial hydrologic forecasting in Everglades, USA for landscape planning and ecological forecasting
Akter et al. Estimation of drought trends and comparison between SPI and SPEI with prediction using machine learning models in Rangpur, Bangladesh
Wang et al. Study on selecting sensitive environmental variables in modelling species spatial distribution
Anderson Essential probabilistics in modelling
Turhan et al. The investigation of the applicability of data-driven techniques in hydrological modeling: The case of seyhan basin
CN115345488A (zh) 一种湿地生态系统服务评估方法、装置、服务器及介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230509

RJ01 Rejection of invention patent application after publication