一种基于大数据的环保智能执法应急溯源调度管理方法技术

本发明专利技术提供了一种基于大数据的环保智能执法应急溯源调度管理方法，包括：第一步骤：建立针对执法对象、执法时间、执法人员的个性化三角环境处理效率采集与评估模型；第二步骤：对空气污染数据执行自适应分层分类降维；第三步骤：利用针对执法对象、执法时间、执法人员的个性化三角环境处理效率采集与评估模型，根据自适应分层分类降维后的空气污染数据，结合大数据蚁群算法进行持续的训练细分。

【技术实现步骤摘要】
一种基于大数据的环保智能执法应急溯源调度管理方法
本专利技术涉及大数据领域、机器学习领域、计算机仿真领域、环境保护领域、以及计算机交互系统领域，更具体地说，本专利技术涉及一种基于大数据的环保智能执法应急溯源调度管理方法。
技术介绍
近年来，中国多次爆发大范围雾霾，雾霾物理成分主要为PM2.5、PM10等，化学成分主要为碳、硫酸盐、铅、砷、镉、铜等，人类呼吸系统无法有效防御，严重危害健康。该污染的发生与工业排放具有密切的相关性，由于长期以来缺乏有效的精细化管理手段，导致环保、城管部门对于违规排放的管理较为粗放。主要体现在两个方面：1、溯源不够精细，时间滞后：例如某地发生大规模污染天气，执法人员出动应急处理，针对正在排放的工程进行检查管理。但是，造成当前排放的工厂已经进行过了排放，当执法人员到来时，已“自觉”停止排放，导致扑了个空。2、人员调度安排的粗放性：污染具有阶段性、间歇性，当出现规模污染预警时，执法人员人手极度紧张，疲于应付，降低了执法效率。当平时空气好时，又出现人手的闲置，降低了执法人力资源的利用效率。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种基于大数据的环保智能执法应急溯源调度管理方法。根据本专利技术，提供了一种基于大数据的环保智能执法应急溯源调度管理方法，包括：第一步骤：建立针对执法对象、执法时间、执法人员的个性化三角环境处理效率采集与评估模型；第二步骤：对空气污染数据执行自适应分层分类降维；第三步骤：利用针对执法对象、执法时间、执法人员的个性化三角环境处理效率采集与评估模型，根据自适应分层分类降维后的空气污染数据，结合大数据蚁群算法进行持续的训练细分。优选地，第二步骤包括：结合空气扩散条件作为输入因子，使用误差逆向传播算法训练的多层前馈神经网络，建立用于空气污染溯源和走向预测的前馈模型；执行前馈模型的学习过程，其中采用空气污染历史数据作为前馈模型的输入训练因子，使用误差性能函数的最速下降法，通过误差的反向传播来逐渐调整网络前馈模型的权值和阈值，以使网络前馈模型的输出误差不断减小；并且通过遗传算法进行前馈模型的关联校正。优选地，前馈模型的学习过程包括如下两个阶段：输入训练因子的正向传播阶段，其中输入训练因子从输入层进入网络，经隐含层后，传向输出层，在输出端产生输出信号，在此期间，网络各神经元的权值和阀值保持不变，每一层神经元只影响下一层神经元的输入和状态，如果在输出端没有得到期望的输出值，网络即转入误差信号的反向传播阶段；误差信号的反向传播阶段，其中将网络的实际输出与期望输出之间的差作为误差信号，误差信号由输出端开始逐层回传，在此传播过程中，网络各神经元的权值和阀值根据误差反馈进行调整；其中，输入训练因子的正向传播阶段与误差信号的反向传播阶段交替循环进行，在每完成一次循环时采用实时指标进行污染走向预测。优选地，每次输入新的样本，根据交叉验证法原理，计算SVM分类器识别率，进行适应度评估，不设定遗传算法的终止值，终止条件采用比高法，其中如果训练的识别率高于现有则设为最优参数，否则执行选择、交叉和变异操作以进一步优化训练参数。通过模块化数据接口多维度地呈现预测结果及溯源结果。优选地，前馈模型包括输入层、隐层和输出层。优选地，输入因子包括风速、风力、风向、温度、温差、气压、雨量、云量中的一个或多个。优选地，在第一步骤中，设计如下函数，综合计算“执法对象-执法时间-执法人员”的综合得分，以便与所有“执法对象-执法时间-执法人员”均值进行对比，其中S1、S2、S3分别为执法对象、执法时间、执法人员平均得分，通过已有样本的均值得到，S1i、S2i、S3i为用户第i次的记录；对S1、S2、S3进行小波变换、希尔伯特黄变换和奇异值分解获取脑电信号的小波熵、希尔伯特黄熵、以及作为奇异谱中的最大值的奇异值第一主成分，分别记为特征向量P1、P2、P3；采用Welch算法计算执法对象-执法人员以及执法对象-执法人员功率谱密度以及两者的互功率谱密度，分别记为Pxx(f1)、Pxy(f2)、Pyy(f1,f2)。用改进的相干函数分别计算相干系数，通过上述数据对应关系用下式对应情况进行评分：优选地，在第二步骤中，首先，结合空气扩散条件作为输入因子，使用误差逆向传播算法训练的多层前馈神经网络，建立用于空气污染溯源和走向预测的前馈模型。优选地，在误差信号的反向传播阶段中，反向传播网络的激活函数选用Sigmoid函数经过激活函数的作用，输入的第P个训练样本信息首先传播到隐含层单元上，经过f(u)的作用得到隐含层第j个神经元的输出信息式中：Wij表示输入层第i个神经元到隐含层第j个神经元的权值，XP表示第P个样本在输入层的第i个输入值，表示隐含层第j个神经元的阈值。优选地，污染物的指标值分别为yj＝(y1j,y2j,y3j)，相应的权重系数向量为w＝(w1,w2,w3)，其中w为(-1，1)范围内的一个小数，而且其中按照相关系数先对w进行主观赋权，然后基于客观赋权法对w进行训练调整。优选地，引入相对比较法来衡量各因素对目标层的影响大小，其中定义判断矩阵A：设权重向量为W，此时W为1×(n+1)向量，即：W＝(w1,w2,w3…wn+1)。本专利技术通过蚁群算法和神经网络方式，找到执法人员最高效的执法对象、执法时间和执法路径，从而为政府环保部门雾霾治理事前部署、事中定位、事后追责等决策，提供了直观、清晰的有效手段。附图说明结合附图，并通过参考下面的详细描述，将会更容易地对本专利技术有更完整的理解并且更容易地理解其伴随的优点和特征，其中：图1示意性地示出了根据本专利技术优选实施例的基于大数据的环保智能执法应急溯源调度管理方法的流程图。图2示意性地示出了根据本专利技术优选实施例的基于大数据的环保智能执法应急溯源调度管理方法采用的前馈模型的示例。图3示意性地示出了空气污染指数API值的实际值与空气污染指数API值的预测值之间的对比。图4示意性地示出了根据本专利技术优选实施例的基于大数据的环保智能执法应急溯源调度管理方法的业务流程的示例。需要说明的是，附图用于说明本专利技术，而非限制本专利技术。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。具体实施方式为了使本专利技术的内容更加清楚和易懂，下面结合具体实施例和附图对本专利技术的内容进行详细描述。图1示意性地示出了根据本专利技术优选实施例的基于大数据的环保智能执法应急溯源调度管理方法的流程图。如图1所示，根据本专利技术优选实施例的基于大数据的环保智能执法应急溯源调度管理方法包括：第一步骤S10：建立针对执法对象、执法时间、执法人员的个性化三角环境处理效率采集与评估模型(三角质量矩阵)；以下是一种算法示例。设计如下函数，综合计算“执法对象-执法时间-执法人员”，综合得分。与所有“执法对象-执法时间-执法人员”均值进行对比。其中S1、S2、S3分别为执法对象、执法时间、执法人员平均得分，通过已有样本的均值得到，上表为初始样本的数据。S1i、S2i、S3i为用户第i次的记录。对S1、S2、S3进行小波变换、希尔伯特黄(Hilbert-Huang)变换和奇异值分解获取脑电信号的小波熵、Hilbert-Huang熵，以及奇异值第一主成分(奇异谱中的最大值)，分别本文档来自技高网...

【技术保护点】
一种基于大数据的环保智能执法应急溯源调度管理方法，其特征在于包括：第一步骤：建立针对执法对象、执法时间、执法人员的个性化三角环境处理效率采集与评估模型；第二步骤：对空气污染数据执行自适应分层分类降维；第三步骤：利用针对执法对象、执法时间、执法人员的个性化三角环境处理效率采集与评估模型，根据自适应分层分类降维后的空气污染数据，结合大数据蚁群算法进行持续的训练细分。

【技术特征摘要】
1.一种基于大数据的环保智能执法应急溯源调度管理方法，其特征在于包括：第一步骤：建立针对执法对象、执法时间、执法人员的个性化三角环境处理效率采集与评估模型；第二步骤：对空气污染数据执行自适应分层分类降维；第三步骤：利用针对执法对象、执法时间、执法人员的个性化三角环境处理效率采集与评估模型，根据自适应分层分类降维后的空气污染数据，结合大数据蚁群算法进行持续的训练细分。2.根据权利要求1所述的基于大数据的环保智能执法应急溯源调度管理方法，其特征在于，第二步骤包括：结合空气扩散条件作为输入因子，使用误差逆向传播算法训练的多层前馈神经网络，建立用于空气污染溯源和走向预测的前馈模型；执行前馈模型的学习过程，其中采用空气污染历史数据作为前馈模型的输入训练因子，使用误差性能函数的最速下降法，通过误差的反向传播来逐渐调整网络前馈模型的权值和阈值，以使网络前馈模型的输出误差不断减小；并且通过遗传算法进行前馈模型的关联校正。3.根据权利要求2所述的基于大数据的环保智能执法应急溯源调度管理方法，前馈模型包括输入层、隐层和输出层；而且，前馈模型的学习过程包括如下两个阶段：输入训练因子的正向传播阶段，其中输入训练因子从输入层进入网络，经隐含层后，传向输出层，在输出端产生输出信号，在此期间，网络各神经元的权值和阀值保持不变，每一层神经元只影响下一层神经元的输入和状态，如果在输出端没有得到期望的输出值，网络即转入误差信号的反向传播阶段；误差信号的反向传播阶段，其中将网络的实际输出与期望输出之间的差作为误差信号，误差信号由输出端开始逐层回传，在此传播过程中，网络各神经元的权值和阀值根据误差反馈进行调整；其中，输入训练因子的正向传播阶段与误差信号的反向传播阶段交替循环进行，在每完成一次循环时采用实时指标进行污染走向预测。4.根据权利要求3所述的基于大数据的环保智能执法应急溯源调度管理方法，其特征在于，在第三步骤中，每次输入新的样本，根据交叉验证法原理，计算SVM分类器识别率，进行适应度评估，不设定遗传算法的终止值，终止条件采用比高法，其中如果训练的识别率高于现有则设为最优参数，否则执行选择、交叉和变异操作以进一步优化训练参数。5.根据权利要求1或2所述的基于大数据的环保智能执法应急溯源调度管理方法，其特征在于，通过模块化数据接口多维度地呈...

【专利技术属性】
技术研发人员：郑智民，卢志勇，
申请(专利权)人：河北百斛环保科技有限公司，
类型：发明
国别省市：河北,13