基于DPSIR-DFCM-LLM的跨域大气污染治理趋势评估与分析方法技术

本发明专利技术公开了一种基于DPSIR‑DFCM‑LLM的跨域大气污染治理趋势评估与分析方法，包括如下步骤：基于DPSIR框架搭建大气污染治理评估体系；动态模糊认知图(DFCM)和大型语言模型(LLM)的融合；评估指标的权重确定；评估过程及模拟分析。本发明专利技术采用DPSIR模型搭建大气污染跨区域治理评估体系，构造动态模糊认知地图计算评估体系的各项指标权重，提供科学可行的政策建议；同时，融合大语言模型(LLM)，提升了政策文本分析和公众意见挖掘的效率和准确性，进一步优化评估体系；有利于推动大气污染跨区域治理迈向更高水平，也为更大范围、不同领域的区域协同治理提供经验支持。

【技术实现步骤摘要】

本专利技术涉及大气污染治理评估与分析领域，尤其涉及一种基于dpsir-dfcm-llm的跨域大气污染治理趋势评估与分析方法。

技术介绍

1、对于协同治理的必要性和面临的现实挑战，大部分从理论层面进行论证。但对异质性问题进行跨区域治理的空气污染效果评估，并非易事。尽管许多研究通过传统方法，如添加交互项或采用分组回归分析来探索异质性的政策效应并获得了有价值的见解，这种方法面临一些挑战：当异质性变量与政策变量高度共线性时，它们之间的交互项可能无法提供有意义的解释，且难以处理多重异质性。另外，传统模型对函数形式(例如仅限线性或分段式)的严格要求，常与实际资料的复杂结构不符，容易造成模型设定错误，多重异质性的刻画也不能有效地进行。因此，在传统的分析框架中加入互动性的项目，这种互动性的项目在面临多重异质性的复杂局面时不能被充分利用，尽管它是为了简化对现实世界的解释。这就限制了传统方法得出异质性政策效应结论的价值，特别是在大数据条件下，非线性、异质性、动态性等数据的关键特征被样本量、变量维度和噪声的增加所限制。

技术实现思路

<本文档来自技高网...

【技术保护点】

1.一种基于DPSIR-DFCM-LLM的跨域大气污染治理趋势评估与分析方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于DPSIR-DFCM-LLM的跨域大气污染治理趋势评估与分析方法，其特征在于，所述步骤(1)基于DPSIR框架包括16项指标。

3.根据权利要求1所述的基于DPSIR-DFCM-LLM的跨域大气污染治理趋势评估与分析方法，其特征在于，所述步骤(2)包括动态模糊认知图因果关系的确定以及DFCM和LLM的融合。

4.根据权利要求3所述的基于DPSIR-DFCM-LLM的跨域大气污染治理趋势评估与分析方法，其特征在于，所述动态...

【技术特征摘要】

1.一种基于dpsir-dfcm-llm的跨域大气污染治理趋势评估与分析方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于dpsir-dfcm-llm的跨域大气污染治理趋势评估与分析方法，其特征在于，所述步骤(1)基于dpsir框架包括16项指标。

3.根据权利要求1所述的基于dpsir-dfcm-llm的跨域大气污染治理趋势评估与分析方法，其特征在于，所述步骤(2)包括动态模糊认知图因果关系的确定以及dfcm和llm的融合。

4.根据权利要求3所述的基于dpsir-dfcm-llm的跨域大气污染治理趋势评估与分析方法，其特征在于，所述动态模糊认知图因果关系在结构层面上以图的形式表示，模糊认知图的节点表示被研究系统的概念，边表示这些概念之间的因果关系。

5.根据权利要求4所述的基于dpsir-dfcm-llm的跨域大气污染治理趋势评估与分析方法，其特征在于，所述模糊认知图是用来描述输入概念和输出之间的关系，使用“if-then”模糊规则，两个节点之间因果关系的权重wij采用模推理系统描述，代表概念节点ci，cj之间的因果影响程度，是一种映射，在动态模糊认知图中，规则有一个与概念或概念变化相关的单一前因，并输出表示目标概念中扰动的变化强度vij：

6.根据权利要求4所述的基于dpsir-dfcm-llm的跨域大气污染治理趋势评估与分析方法，其特征在于，所述模糊认知图由一个三元组{c，w，f}表示，其中c为概念节点的集合，两...

【专利技术属性】
技术研发人员：陈向坚，陆安颉，李迪，
申请(专利权)人：扬州大学，
类型：发明
国别省市：