【技术实现步骤摘要】
本专利技术涉及污染源数据整合，具体是一种固定污染源的数据整合处理方法及系统。
技术介绍
1、企事业单位作为固定污染源，是指在生产和经营活动中，持续或者间歇地向环境排放污染物的单位。它们包括各种工厂、矿山、电厂、医院、学校等，涵盖了几乎所有的经济部门和行业。企事业单位是污染物排放的主要来源之一。据统计，约有80%的工业污染物和70%的生活污染物是由企事业单位排放的。这些污染物主要包括废气、废水、固体废物等，其中废气主要来源于火力发电、钢铁、化工、水泥等行业，废水主要来源于食品、纺织、造纸、电镀等行业，固体废物主要来源于矿业、冶金、化工、电子等行业。
2、企事业单位的污染物排放对环境造成了严重的影响。一方面，污染物排放会导致空气质量下降，水体污染加剧，土壤质量下降，从而影响人类的健康和生活质量。另一方面，污染物排放还会破坏生态系统的平衡，导致生物多样性减少，生态系统功能下降，从而影响整个生态系统的稳定和发展。
3、目前对各个企事业单位的污染物排放量的监测是较为独立的，即针对各个污染源分别进行独立的数据监控，在排放量异常时再进行预警或通知整改，然而在大部分情况下，某些污染物排放超标并不是一个企事业单位的个体行为，而是存在大规模的群体效应，因此，还需要一种方法对所有企事业单位的排污行为进行数据整合，以发现内部的群体效应，从而更及时的发现并制止行业内出现的排污乱象；
4、为此，本专利技术提出一种固定污染源的数据整合处理方法及系统。
技术实现思路
1、本专利
2、为实现上述目的，根据本专利技术的实施例1提出一种固定污染源的数据整合处理方法，包括以下步骤：
3、步骤一：收集排污单位数据，并基于排污单位数据，为各个排污单位生成污染监控分配数据；
4、步骤二：将每日划分为若干个排放周期，并在每个排放周期，基于污染监控分配数据，收集各个排污单位的历史排放训练数据；
5、步骤三：基于历史排放训练数据，为每个排污单位的各个排放周期训练一个排放量预测模型集合；
6、步骤四：基于污染监控分配数据，将排污单位划分为若干同类排污单位集合，对于每个同类排污单位集合，将其中的所有同类排污单位，基于历史排放训练数据，使用聚类算法进一步划分为若干同簇排污单位集合；
7、步骤五：收集各个排污单位的实时排放数据，基于实时排放数据和排放量预测模型集合，获得预设的预测时间步长后的排放量预测值；
8、步骤六：经过预测时间步长后，基于此时的实时排放数据和各个排污单位的排放量预测值和同簇排污单位集合，生成污染排放异常分析结果；
9、所述为各个排污单位生成污染监控分配数据的方式为：
10、收集生产不同产品类型的产品时，产生的污染物的类型，作为该产品类型的待监测污染物类型；
11、根据各个排污单位的待监测污染物类型，为每个排污单位的排污点安装对应的各个污染物类型的排放量传感器；
12、所述污染监控分配数据包括各个排污单位的所有待监测污染物类型；
13、所述收集各个排污单位的历史排放训练数据的方式为：
14、选择若干天作为样本采集时间段，在样本采集时间段的每天中的每个排放周期中：
15、对于每个排污单位，使用污染监控分配数据中各个待监测污染物类型对应的排放量传感器，实时采集每单位时长对应的污染物的排放量；
16、将该排放周期中采集的各种待监测污染物类型的排放量按照时间顺序进行排序，获得各个待监测污染物类型的排放量时间序列；
17、将排放量时间序列进行归一化处理；
18、对于样本采集时间段内，每天的该排污单位的该排放周期，所有待监测污染物类型的排放量时间序列组成历史排放训练数据；
19、所述为每个排污单位的各个排放周期训练一个排放量预测模型集合的方式为：
20、对于每个排污单位的每个排放周期的每个待监测污染物类型：
21、预设预测时间步长、滑动步长以及滑动窗口长度，使用滑动窗口方法将该待监测污染物类型对应的排放量时间序列转化为若干个训练样本，将每组训练样本作为排放量预测模型的输入，排放量预测模型以未来的预测时间步长的排放量时间序列作为输出，每个训练样本后续预测时间步长内，在排放量时间序列的后续预测时间步长内的排放量序列作为预测目标，对排放量预测模型进行训练；
22、所述将排污单位划分为若干同类排污单位集合的方式为：
23、将所有排污单位按照具有完全相同的待监测污染物类型的分组条件进行分组，将同一组排污单位合并至一个同类排污单位集合；
24、所述使用聚类算法进一步划分为若干同簇排污单位集合的方式为：
25、对于每个同类排污单位集合中的每个排污单位：
26、计算该排污单位的各个待监测污染物类型在各个排放周期的排放量均值；
27、所述排放量均值的计算方式为：
28、统计每天的各个排放周期内，该排污单位的各个待监测污染物类型的排放量时间序列的平均值；
29、统计样本采集时间段中，各个待监测污染物类型的排放量的平均值的平均值作为排放量均值；
30、对于该排污单位的各个待监测污染物类型，将排放量均值按照排放周期的时间顺序进行排序，获得排放量均值序列；
31、将排放量均值序列进行归一化处理；
32、对于该排污单位，将各个待监测污染物类型的排放量均值序列合并，获得聚类向量；
33、预设聚类簇数量k；
34、对于每个同类排污单位集合：
35、将该同类排污单位集合中的每个排污单位的聚类向量作为一个数据点；
36、对该同类排污单位集合中的所有数据点使用聚类算法，获得k个聚类簇；
37、每个聚类簇对应一个同簇排污单位集合，每个同簇排污单位集合中的排污单位为处于同一个聚类簇中的数据点对应的排污单位；
38、所述收集各个排污单位的实时排放数据的方式为：
39、在每个排放周期开始时，通过各个排放量传感器收集各个排污单位的各个待监测污染物类型的排放量时间序列；
40、将该排放周期以及收集的排放量时间序列进行归一化后作为实时排放数据；
41、所述基于实时排放数据和排放量预测模型集合，获得预设的预测时间步长后的排放量预测值的方式为：
42、对于每种待监测污染物类型：
43、将实时排放数据中对应的排放量时间序列内，最近的滑动窗口长度内的子序列作为排放量预测模型的输入，获得排放量预测模型输出的预测时间步长内的排放量序列；
44、将输出的排放量序列中的最后一个元素作为排放量预测值；
45、所述生成污染排放异常分析结果的方式为：
<本文档来自技高网...【技术保护点】
1.一种固定污染源的数据整合处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种固定污染源的数据整合处理方法，其特征在于，所述为各个排污单位生成污染监控分配数据的方式为：
3.根据权利要求2所述的一种固定污染源的数据整合处理方法，其特征在于，所述收集各个排污单位的历史排放训练数据的方式为：
4.根据权利要求3所述的一种固定污染源的数据整合处理方法，其特征在于，所述为每个排污单位的各个排放周期训练一个排放量预测模型集合的方式为：
5.根据权利要求4所述的一种固定污染源的数据整合处理方法，其特征在于，所述使用聚类算法进一步划分为若干同簇排污单位集合的方式为：
6.根据权利要求5所述的一种固定污染源的数据整合处理方法，其特征在于，所述排放量均值的计算方式为：
7.根据权利要求6所述的一种固定污染源的数据整合处理方法，其特征在于，所述污染排放异常分析结果的生成方式为：
8.一种固定污染源的数据整合处理系统，其基于权利要求1-7中任意一项所述的固定污染源的数据整合处理方法实现，其特征在于，包括
9.一种电子设备，其特征在于，包括：处理器和存储器，其中：
10.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；
...【技术特征摘要】
1.一种固定污染源的数据整合处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种固定污染源的数据整合处理方法，其特征在于，所述为各个排污单位生成污染监控分配数据的方式为：
3.根据权利要求2所述的一种固定污染源的数据整合处理方法，其特征在于，所述收集各个排污单位的历史排放训练数据的方式为：
4.根据权利要求3所述的一种固定污染源的数据整合处理方法，其特征在于，所述为每个排污单位的各个排放周期训练一个排放量预测模型集合的方式为：
5.根据权利要求4所述的一种固定污染源的数据整合处理方法，其特征在于，所述使用聚类算法进一步划分为若干同簇排污单位集合的方式为：
6.根据权利要求5...
【专利技术属性】
技术研发人员：赵永志，吉增强，武美玲，
申请(专利权)人：天津市扬天环保科技有限公司，
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。