【技术实现步骤摘要】
一种基于深度学习的在产化工园区环境污染风险评估方法
[0001]本专利技术涉及环境污染风险评估
，更具体的，涉及一种基于深度学习的在产化工园区环境污染风险评估方法。
技术介绍
[0002]近年来，随着我国经济的高速发展，化工企业数量不断增加，建立了大量的化工园区，由于化工企业使用化学物品比较多，生产工艺比较复杂，除了使用大量的化学原料之外，在生产过程中还会产生多种副产物。生产过程中产生的“三废”成分复杂、数量大，产生的废水、废渣、废气等可能对环境造成长期、潜在的危害或直接对人群的健康造成影响。及时对在产化工园区的环境污染风险进行评估，可以为化工园区早期的污染预防和污染治理提供技术支撑，防止对环境造成更深度的污染。由于化工园区的环境风险具有复杂性、综合性和不确定性，目前还未有报道对在产化工园区环境污染风险评估方法。
[0003]对于在产化工园区环境污染风险评估，有助于了解化工园区区域内环境状况，为区域内环境治理提供重要的数据参考。现阶段，在环境污染风险评估中，根据现有特征指标进行污染风险评估往往只考虑指标自身特征...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的在产化工园区环境污染风险评估方法，其特征在于，包括以下步骤：获取目标在产化工园区的多源数据，根据所述多源数据获取污染物类别信息，并读取各类别污染物对应污染源的空间分布；将所述多源数据进行预处理，生成预设时间内多源数据时序序列获取主要污染物，基于图卷积神经网络提取园区范围内污染的时序特征及空间特征，将所述时序特征及空间特征进行融合获取时空融合特征；基于深度学习构建在产化工园区的环境污染评估模型，根据所述时空融合特征进行训练；获取目标在产化工园区的实时多源数据，进行数据分析处理完成特征提取与分类，生成当前目标在产化工园区污染的风险评估等级。2.根据权利要求1所述的一种基于深度学习的在产化工园区环境污染风险评估方法，其特征在于，根据所述多源数据获取污染物类别信息，并读取各类别污染物对应污染源的空间分布，具体为：收集目标在产化工园区的多源数据，所述多源数据包括园区企业类型、企业生产信息、企业数量及园区水资源、土壤和大气的环境数据，所述环境数据包括水资源、土壤和大气中的污染物及污染物浓度信息；读取多源数据中的企业相关信息，通过分词处理获取若干词向量，根据所述词向量获取污染物关键词，根据所述污染物关键词获取污染物类别信息与企业进行关联，为企业设置污染物类别标签；获取各企业地理位置信息，将园区区域划分为若干格栅区域，根据企业的地理位置信息判断所属格栅区域，在格栅区域中进行标记，生成污染源位置标记，获取各类别污染物对应污染的空间分布；将格栅区域中企业的污染物类别标签进行去重操作后作为所述格栅区域的污染物类别标签，并根据园区水资源、土壤和大气的环境数据进行污染物类别标签的验证及修正。3.根据权利要求2所述的一种基于深度学习的在产化工园区环境污染风险评估方法，其特征在于，获取各格栅区域的主要污染物，具体为：获取各格栅区域预设时间内的多源数据时序序列，提取各格栅区域中不同类别污染物的浓度时序序列；根据不同格栅区域中不同类别污染物的浓度时序序列计算不同格栅区域的皮尔逊相关系数，当两格栅区域中的某种污染物浓度对应皮尔逊相关系数大于预设阈值且有一格栅区域的污染物类别标签不包括该种污染物，则在此格栅区域中增设污染物类别标签；遍历所有格栅区域，更新格栅区域的污染物类别标签，根据更新后的污染物类别标签确定各格栅区域的主要污染物。4.根据权利要求1所述的一种基于深度学习的在产化工园区环境污染风险评估方法，其特征在于，基于图卷积神经网络提取园区范围内污染的时序特征及空间特征，具体为：根据目标在产化工园区中各格栅区域构建无向图，将格栅区域节点对应的主要污染物、土壤岩性及气象特征作为无向图中各格栅区域节点的附加特征；计算各格栅区域节点的特征相似度选取邻接格栅区域节点，构建相似度邻接矩阵，计
算各格栅区域节点的欧式距离获取，选取符合距离要求的格栅区域节点构建距离邻接矩阵；根据不同格栅区域之间的皮尔逊相关系数作为格栅区域节点的聚合权重，通过特征传递和特征聚合机制利用相似度邻接矩阵及距离邻接矩阵分别生成主要污染物的空间特征；利用时间卷积神经...
【专利技术属性】
技术研发人员：韩亚萌，郭丽莉，王蓓丽，李书鹏，杨旭，宋倩，李亚秀，张孟昭，许铁柱，
申请(专利权)人：北京建工环境修复股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。