本发明专利技术涉及环境污染预测预警领域，具体是一种污染源排放的预测模型的构建方法、异常检测方法及装置，所述构建方法包括：步骤S1，获取生产线中各个设施的工况数据样本，以及与之对应的监测排放浓度数据样本，所述设施包括一个或多个污染源生产设施以及一个或多个污染防治设施；步骤S2，基于所述工况数据样本以及所述监测排放浓度数据样本进行模型训练，得到所述预测模型。本发明专利技术的构建方法，通过在污染物浓度监测数据的基础上，结合生产设施和污染防治设施的工况数据，来训练预测污染物排放浓度的预测模型，提高了训练得到的预测模型的预测精度，从而能够精准预测污染物排放变化趋势。
【技术实现步骤摘要】
本专利技术涉及环境污染预测预警领域，特别涉及一种污染源排放的预测模型的构建方法、异常检测方法及装置。
技术介绍
1、随着社会经济高速发展，工业、制造业等各类重点排污单位的污染物排放超标问题不断增加，不可避免地对生态环境造成了污染。《环境保护法》第四十二条明确要求重点排污单位安装使用污染物排放自动监测设备，并依法公开排放信息。在此背景下，存在由于生产工况改变，未及时调整污染处理设备，导致污染物排放在线监测数据出现异常的情况。甚至当污染物排放浓度超出排放标准时，存在主观篡改数据以逃避处罚的可能性。因此，有必要建立一种快速高效的污染源排放的异常检测方法，实现污染物排放浓度数据异常的实时判定，这对于污染处理设备运行参数调整、重点污染源高效监管具有重要意义。
2、目前，大气污染源企业的污染物排放在线监测数据的异常识别主要采用阈值规则进行数据的异常判定，基于阈值规则的异常识别方法操作简单，可执行度高，取得了一定的成效。然而该方法需要依靠人工设置阈值参数，对于不同污染指标需要进行参数调整，通用性差，并且该方法忽略了企业生产规律，无法满足快速、准确、低成本异常识别的业务需求，在实际应用中存在较大的局限性。
技术实现思路
1、针对现有技术的上述问题，本专利技术的目的在于提供一种污染源排放的预测模型的构建方法、异常检测方法及装置，能够提高预测模型的预测精度，提高异常检测的检测效率和准确性。
2、为了解决上述问题，本专利技术提供一种污染源排放的预测模型的构建方法，包括：
<
p>3、步骤s1，获取生产线中各个设施的工况数据样本，以及与之对应的监测排放浓度数据样本，所述设施包括一个或多个污染源生产设施以及一个或多个污染防治设施；4、步骤s2，基于所述工况数据样本以及所述监测排放浓度数据样本进行模型训练，得到所述预测模型。
5、进一步地，所述方法还包括：
6、分别对所述工况数据样本和所述监测排放浓度数据样本进行预处理，得到预处理后的工况数据样本和预处理后的监测排放浓度数据样本，所述预处理包括去除所述工况数据样本和所述监测排放浓度数据样本中的负值、零值，以及所述监测排放浓度数据样本中低于污染物浓度检出限的数值；
7、其中，所述步骤s2中，基于预处理后的工况数据样本和预处理后的监测排放浓度数据样本进行模型训练，得到所述预测模型。
8、进一步地，所述步骤s2包括：
9、步骤s21，基于每个所述设施的工况数据样本，提取工况数据特征样本，所述工况数据特征样本包括所述设施的每一预设单位时间的平均功率；
10、步骤s22，获取与所述工况数据特征样本对应的每一预设单位时间的所述监测排放浓度数据样本；
11、步骤s23，基于所述工况数据特征样本、对应的每一预设单位时间的所述监测排放浓度数据样本以及对应的时间段，进行数据匹配，得到结构化数据表；
12、步骤s24，构建表格学习模型，并基于所述结构化数据表对所述表格学习模型进行模型训练，得到所述预测模型。
13、进一步地，所述步骤s24包括：
14、步骤s241，基于所述工况数据特征样本，利用所述表格学习模型确定排放浓度数据的预测值；
15、步骤s242，根据所述排放浓度数据的预测值和与所述工况数据特征样本对应的所述监测排放浓度数据样本，计算损失函数的值，所述损失函数为基于相关性误差和均方误差预先构建的加权损失函数；
16、步骤s243，根据所述损失函数的值优化所述表格学习模型的模型参数，直到所述损失函数的值收敛。
17、进一步地，所述步骤s241包括：
18、获取所述工况数据特征样本的特征重要性，所述特征重要性基于所述工况数据特征样本和利用所述表格学习模型确定的注意力权重计算得到；
19、基于所述工况数据特征样本的特征重要性，利用激活函数确定所述排放浓度数据的预测值。
20、进一步地，所述获取所述工况数据特征样本的特征重要性，包括：
21、基于所述表格学习模型的特征选择层获取每一决策步骤的所述注意力权重，所述注意力权重用于表示每一所述决策步骤中对应的所述工况数据特征样本的关注程度；
22、将每一决策步骤的所述注意力权重和所述工况数据特征样本的内积通过特征变换器进行特征变换，得到每一决策步骤的所述工况数据特征样本的特征重要性。
23、本专利技术另一方面提供一种污染源排放的异常检测方法，包括：
24、获取待检测的一个或多个污染源生产设施和一个或多个污染防治设施的工况数据，以及与之对应的监测排放浓度数据；
25、利用如上述的方法所构建的预测模型，基于所述工况数据，得到预测排放浓度数据；
26、根据所述监测排放浓度数据和所述预测排放浓度数据的偏差值确定所述监测排放浓度数据是否存在异常。
27、进一步地，所述根据所述监测排放浓度数据和所述预测排放浓度数据的偏差值确定所述监测排放浓度数据是否存在异常，包括：
28、基于所述监测排放浓度数据和所述预测排放浓度数据计算平均绝对误差和平均绝对百分比误差；
29、基于所述平均绝对误差和所述平均绝对百分比误差，利用k-error算法计算得到对应的预测阈值；
30、若所述偏差值大于所述预测阈值，则确定所述监测排放浓度数据为异常数据。
31、本专利技术另一方面提供一种污染源排放的预测模型的构建装置，包括：
32、样本数据获取模块，用于获取生产线中各个设施的工况数据样本，以及与之对应的监测排放浓度数据样本，所述设施包括一个或多个污染源生产设施以及一个或多个污染防治设施；
33、模型训练模块，用于基于所述工况数据样本以及所述监测排放浓度数据样本进行模型训练，得到所述预测模型。
34、本专利技术另一方面提供一种污染源排放的异常检测装置，包括：
35、检测数据获取模块，用于获取待检测的一个或多个污染源生产设施和一个或多个污染防治设施的工况数据，以及与之对应的监测排放浓度数据；
36、模型预测模块，用于利用如上述的方法所构建的预测模型，基于所述工况数据，得到预测排放浓度数据；
37、异常检测模块，用于根据所述监测排放浓度数据和所述预测排放浓度数据的偏差值确定所述监测排放浓度数据是否存在异常。
38、本专利技术另一方面提供一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的污染源排放的预测模型的构建方法或者污染源排放的异常检测方法。
39、本专利技术另一方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的污染源排放的预测模型的构建方法或者污染源排放的异常检测方法。
<本文档来自技高网...
【技术保护点】
1.一种污染源排放的预测模型的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：
4.根据权利要求3所述的方法，其特征在于，所述步骤S24包括：
5.根据权利要求4所述的方法，其特征在于，所述步骤S241包括：
6.根据权利要求5所述的方法，其特征在于，所述获取所述工况数据特征样本的特征重要性，包括：
7.一种污染源排放的异常检测方法，其特征在于，所述方法包括：
8.根据权利要求7所述的方法，其特征在于，所述根据所述监测排放浓度数据和所述预测排放浓度数据的偏差值确定所述监测排放浓度数据是否存在异常，包括：
9.一种污染源排放的预测模型的构建装置，其特征在于，所述装置包括：
10.一种污染源排放的异常检测装置，其特征在于，所述装置包括：
【技术特征摘要】
1.一种污染源排放的预测模型的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤s2包括：
4.根据权利要求3所述的方法，其特征在于，所述步骤s24包括：
5.根据权利要求4所述的方法，其特征在于，所述步骤s241包括：
6.根据权利要求5所述的方法，其特征在于，所述获取...
【专利技术属性】
技术研发人员：何炜琪，陈蓉，马旭，吴志杰，刘毅，
申请(专利权)人：清华苏州环境创新研究院，
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。