申请/专利权人：重庆市生态环境大数据应用中心

申请日：2023-03-30

公开（公告）日：2024-06-21

公开（公告）号：CN116402252B

主分类号：G06Q10/063

分类号：G06Q10/063;G06Q50/26;G16C20/30;G16C20/70;G06N5/025;G06N7/01;G06N20/20;G06N3/0442;G06F16/25

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2023.07.25#实质审查的生效;2023.07.07#公开

摘要：本发明涉及水污染防治技术领域，公开了用于水污染防治的智能分析决策方法，包括：S1：采集河流的历史水质数据和累积性压力源数据，获取累积性压力源数据对水质数据的累积性压力源贡献占比；S2：以水质数据作为输入数据，累积性压力源贡献占比作为输入数据，建立累积性压力源与水质的响应关系模型；S3：将当前水质数据输入响应关系模型，得到累积性压力源预测占比；S4：根据累积性压力源预测占比，匹配水污染防治措施。本发明通过分析河流的历史水质数据和累积性压力源数据，并建立响应关系模型以分析累积性压力源预测占比，并根据累积性压力源预测占比匹配水污染防治措施，能够为水污染防治问题提供可靠决策及有效参考，保障水环境高质量发展。

主权项：1.用于水污染防治的智能分析决策方法，其特征在于，包括：S1：采集河流的历史水质数据和累积性压力源数据，获取累积性压力源数据对水质数据的累积性压力源贡献占比；S2：以水质数据作为输入数据，累积性压力源贡献占比作为输入数据，建立累积性压力源与水质的响应关系模型；其中响应关系模型采用XGBoost算法，响应关系模型基于机器自学习构建动态权重关系，自适应计算累积性压力源的贡献占比，包括：从一个叶子迭代产生树的枝，在每个节点枚举每一个特征的每一个特征值作为分隔点，使用目标函数作为评价函数，把树分为左右子树，把样本点按照枚举特征和枚举特征值分别划分到左右节点；其中目标函数为： ；其中表示第t轮的模型预测分数，表示保留前面t-1轮的模型预测分数结果，表示第t颗树，t表示所加树的颗树，即树的深度，表示惩罚力度，表示叶子的个数，表示叶子节点的权重，且获取目标函数以后，找到一个使得目标函数能够最小化，通过泰勒二阶展开简化后的目标函数如下： ；其中，，为一阶导数，为二阶导数；得到最优的权重和目标函数为： ；枚举完成后，选出使切分指标最大的那维特征和特征值作为树节点的切割点；找到切割点以后，确定相应的树结构，得到每个叶子结点的分数，将每棵树对应的叶子结点的分数相加，得到样本的预测值；S3：将当前水质数据输入响应关系模型，得到累积性压力源预测占比，包括：S3-1：分析历史水质数据，建立水质预测模型；S3-2：将当前水质数据输入水质预测模型，得到水质预测数据；S3-3：将水质预测数据输入响应关系模型，得到累积性压力源预测占比；S4：根据累积性压力源预测占比，匹配水污染防治措施，包括：S4-1：采集水污染防治大数据，以累积性压力源贡献占比为输入数据，水污染防治措施为输出数据，建立水污染防治决策模型，包括：S4-1-1：采集水污染防治大数据，分析水污染防治大数据的水污染防治措施，建立水污染防治专题数据库；采集历年河流的水污染防治大数据，分析针对不同累积性压力源所采用的具体防治措施，建立水系、河流、行政区划、涉水企业、污水处理厂、工业园区、畜禽养殖、入河排污口、自然环境概述、经济社会情况共10个水污染防治专题数据库，通过水污染防治专题数据库进行模型训；S4-1-2：根据水污染防治专题数据库，以累积性压力源贡献占比为输入数据，水污染防治措施为输出数据，建立水污染防治决策模型；根据水污染防治专题数据库的数据，以累积性压力源贡献占比为输入数据，水污染防治措施为输出数据，建立水污染防治决策模型，分别从点源、内源、面源三个方面来定义累积性压力源的类型，水污染防治决策模型集成多源异构知识提取与融合算法模型集成多源异构知识提取与融合算法模型；S4-2：将累积性压力源预测占比输入水污染防治决策模型，匹配水污染防治措施。

全文数据：

权利要求：

百度查询： 重庆市生态环境大数据应用中心 用于水污染防治的智能分析决策方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD