一种污染源在线监测数据造假识别方法技术

本发明专利技术公开了一种污染源在线监测数据造假识别方法，包括以下步骤：采集污染源的历史在线监测数据，构建基于污染源分值评估指标及污染源分值的BP神经网络预测模型；实时采集污染源排污口的各类分值评估指标的数据；结合各类分值评估指标的预设权重计算得到当前时刻的实际污染源分值；将采集得到的各类分值评估指标数据输入BP神经网络预测模型，得到当前时刻的预测污染源分值；将实际污染源分值与预测污染源分值进行比对分析，实现对在线监测数据是否造假的识别。有益效果：可以实现对污染源在线检测数据是否造假的实时识别与判断，从而可以进一步完善优化在线监控业务，有效地实现对企业废水废气排放的监管。对企业废水废气排放的监管。对企业废水废气排放的监管。

【技术实现步骤摘要】
一种污染源在线监测数据造假识别方法


[0001]本专利技术涉及污染源在线监测
，具体来说，涉及一种污染源在线监测数据造假识别方法。

技术介绍

[0002]近年来，随着国家对环境质量的要求越来越高，老百姓对蓝天白云，繁星闪烁良好生态环境的渴求越来越迫切，各级环保部门也加大了各种执法力量，并在技术手段端上，进一步提升，狠抓环境数据的质量，保证环保在线监测数据如实反映各企业的排放情况。其中，污染源在线监测是生态环境监管的重要信息化手段，其通过在污染源排口安装部署各种监测因子(如pH、氨氮、COD、总磷、烟尘、烟气温度等废水废气监测因子)的传感器，将监测数据通过下位软件进行统一采集汇聚整合，并实时同步推送到各级环保在线监测平台，结合刷卡排污，以达到污染源从源头上进行管控的目的。
[0003]然而，目前存在一些污染排放企业为了追逐经济利益，千方百计对在线监测数据进行造假，以逃避环保部门着力建设的污染源在线监控网络的实时监管，且造假手法层出不穷，给环保部门的环境执法工作带来了巨大挑战。且在以往环保部门公布的在线数据造假案例中，通过修改污染源自动监测设备参数等软件手段的方式，占总数量的70％以上，严重影响如实获取企业排放情况。因此，本专利技术提出了一种污染源在线监测数据造假识别方法。

技术实现思路

[0004]针对相关技术中的问题，本专利技术提出一种污染源在线监测数据造假识别方法，以克服现有相关技术所存在的上述技术问题。
[0005]为此，本专利技术采用的具体技术方案如下：
[0006]一种污染源在线监测数据造假识别方法，该识别方法包括以下步骤：
[0007]S1、采集污染源的历史在线监测数据，并构建基于污染源分值评估指标及污染源分值的BP神经网络预测模型；
[0008]S2、利用预设的监测传感器实时采集污染源排污口的各类分值评估指标的数据；
[0009]S3、利用采集的各类分值评估指标数据结合各类分值评估指标的预设权重计算得到当前时刻的实际污染源分值；
[0010]S4、将采集得到的各类分值评估指标数据输入BP神经网络预测模型，得到当前时刻的预测污染源分值；
[0011]S5、将实际污染源分值与预测污染源分值进行比对分析，并利用该比对分析结果实现对在线监测数据是否造假的识别。
[0012]进一步的，所述S1中采集污染源的历史在线监测数据，并构建基于污染源分值评估指标及污染源分值的BP神经网络预测模型包括以下步骤：
[0013]S11、采集污染源的历史在线监测数据，并按照时间顺序对获取的历史在线监测数
据进行分组处理；
[0014]S12、利用获取的历史在线监测数据构建基于在线监测数据的污染源分值评估指标体系；
[0015]S13、针对不同的分值评估指标赋予不同的预设权重，并利用各项评估指标的加权求和得到每组历史在线监测数据的污染源分值；
[0016]S14、基于污染源分值评估指标及污染源分值构建BP神经网络预测模型。
[0017]进一步的，所述S11中按照时间顺序将获取的历史在线监测数据进行分组处理包括以下步骤：
[0018]将获取的历史在线监测数据按照时间顺序进行排序处理，得到若干组历史在线监测数据，并将每组排序后的历史在线监测数据中明显异常的数据进行清除处理。
[0019]进一步的，所述S12中的分值评估指标包括pH、氨氮含量、化学需氧量、总磷含量、烟尘含量及烟气温度。
[0020]进一步的，所述S13中针对不同的分值评估指标赋予不同的预设权重，并利用各项评估指标的加权求和得到每组历史在线监测数据的分值还包括以下步骤：
[0021]基于每组历史在线监测数据中的分值评估指标及污染源分值构建污染源分值与分值评估指标相对应的关系表。
[0022]进一步的，所述S14中基于污染源分值评估指标及污染源分值构建BP神经网络预测模型包括以下步骤：
[0023]S141、将带有污染源分值的若干组历史在线监测数据分为训练集和测试集；
[0024]S142、基于污染源分值评估指标及污染源分值构建BP神经网络预测模型，并利用S141中的训练集及测试集分别对该模型进行训练与测试。
[0025]进一步的，所述S142中对该模型进行训练还包括以下步骤：
[0026]对于训练不足的情况，通过增加网络中的节点，或者增加网络的训练周期来达到训练效果；
[0027]对于过度拟合的情况，通多减少或控制训练周期，在数据出现拐点前，停止对网络的训练来达到训练效果。
[0028]进一步的，所述S2中利用预设的监测传感器实时采集污染源排污口的各类分值评估指标的数据还包括以下步骤：
[0029]利用预设的视频采集装置实时获取排污口的视频数据，并判断是否有人靠近；
[0030]利用预设的视频采集装置实时获取站房的视频数据，并判断是否有非法人员闯入；
[0031]当检测到排污口有人靠近或站房有非法人员闯入则进行语音报警，并及时通知现场稽查人员进行现场稽查。
[0032]进一步的，所述S3中实际污染源分值的计算公式为：
[0033]y＝a1x1+a2x2+a3x3+a4x4+...+a
n
x
n
；
[0034]其中，x1、x2、x3、x4…
x
n
表示不同的分值评估指标，a1、a2、a3、a4…
a
n
表示各评估指标的权重，且a1+a2+a3+a4+
…
+a
n
＝1。
[0035]进一步的，所述S5中将实际污染源分值与预测污染源分值进行比对分析，并利用该比对分析结果实现对在线监测数据是否造假的识别包括以下步骤：
[0036]S51、分别获取实际污染源分值及预测污染源分值并判断二者是否相同，若分值相同则执行S52，若分值不相同则发出预警并通知现场稽查人员进行现场稽查；
[0037]S52、获取实时采集的污染源排污口的各类分值评估指标数据，并利用污染源分值与分值评估指标相对应的关系表对实时采集的各类分值评估指标数据进行验证；
[0038]S53、判断实时采集的各类分值评估指标数据是否与污染源分值与分值评估指标相对应的关系表中的数据相符，若相符则判断在线监测数据没有造假，若不符则执行S54；
[0039]S54、判断实时采集的各类分值评估指标数据是否大于预设的阈值或小于预设监测传感器的检出限，若是则发出预警并通知现场稽查人员进行现场稽查，若不是则执行S55；
[0040]S55、分别对预设时间段内采集的各类分值评估指标数据进行方差处理并判断方差是否为零，若是则发出预警并通知现场稽查人员进行现场稽查，若不是则判断在线监测数据没有造假。
[0041]本专利技术的有益效果为：通过利用历史在线监测数据构建基于污染源分值评估指标及污染源分值的BP神经网络预测模型，使得该模型可以依据实时采集的分值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种污染源在线监测数据造假识别方法，其特征在于，该识别方法包括以下步骤：S1、采集污染源的历史在线监测数据，并构建基于污染源分值评估指标及污染源分值的BP神经网络预测模型；S2、利用预设的监测传感器实时采集污染源排污口的各类分值评估指标的数据；S3、利用采集的各类分值评估指标数据结合各类分值评估指标的预设权重计算得到当前时刻的实际污染源分值；S4、将采集得到的各类分值评估指标数据输入BP神经网络预测模型，得到当前时刻的预测污染源分值；S5、将实际污染源分值与预测污染源分值进行比对分析，并利用该比对分析结果实现对在线监测数据是否造假的识别。2.根据权利要求1所述的一种污染源在线监测数据造假识别方法，其特征在于，所述S1中采集污染源的历史在线监测数据，并构建基于污染源分值评估指标及污染源分值的BP神经网络预测模型包括以下步骤：S11、采集污染源的历史在线监测数据，并按照时间顺序对获取的历史在线监测数据进行分组处理；S12、利用获取的历史在线监测数据构建基于在线监测数据的污染源分值评估指标体系；S13、针对不同的分值评估指标赋予不同的预设权重，并利用各项评估指标的加权求和得到每组历史在线监测数据的污染源分值；S14、基于污染源分值评估指标及污染源分值构建BP神经网络预测模型。3.根据权利要求2所述的一种污染源在线监测数据造假识别方法，其特征在于，所述S11中按照时间顺序将获取的历史在线监测数据进行分组处理包括以下步骤：将获取的历史在线监测数据按照时间顺序进行排序处理，得到若干组历史在线监测数据，并将每组排序后的历史在线监测数据中明显异常的数据进行清除处理。4.根据权利要求2所述的一种污染源在线监测数据造假识别方法，其特征在于，所述S12中的分值评估指标包括pH、氨氮含量、化学需氧量、总磷含量、烟尘含量及烟气温度。5.根据权利要求2所述的一种污染源在线监测数据造假识别方法，其特征在于，所述S13中针对不同的分值评估指标赋予不同的预设权重，并利用各项评估指标的加权求和得到每组历史在线监测数据的分值还包括以下步骤：基于每组历史在线监测数据中的分值评估指标及污染源分值构建污染源分值与分值评估指标相对应的关系表。6.根据权利要求2所述的一种污染源在线监测数据造假识别方法，其特征在于，所述S14中基于污染源分值评估指标及污染源分值构建BP神经网络预测模型包括以下步骤：S141、将带有污染源分值的若干组历史在线监测数据分为训练集和测试集；S142、基于污染源分值评估指标及污染源分值构建BP神经网络预测模型，并利用S141中的训练集及测试集分别对该模型进行训练与测试。...

【专利技术属性】
技术研发人员：段然，冉茂杰，谢春，漆浩，张坤，冯旭，唐道德，
申请(专利权)人：重庆商勤科技有限公司，
类型：发明
国别省市：