[发明专利]基于环保大数据的自动分析判别方法

说明书

本发明涉及深度学习网络技术领域，具体地说，涉及基于环保大数据的自动分析判别方法。包括设计自动分析识别方法，对工业产值与污染物排放数据进行整理、对工业产值数据进行预测判别、对污染物排放数据进行预测判别等步骤。本发明设计先基于深度学习网络以及大数据处理的算法来设计自动分析识别方法的基本流程，并依次分别对工业产值数据及污染物排放数据进行真伪判别；同时通过神经网络来提取连续几年工业总产值数据之间的相关信息，建立适应于特殊影响的模型，再分别训练出数据筛选器、弱分类器及强分类器，可以实现对工业总产值数据的预测判别；另外训练基于卷积神经网络的污染物排放数据预测模型，可以实现对污染物排放数据进行预测判别。

技术领域

本发明涉及深度学习网络技术领域，具体地说，涉及基于环保大数据的自动分析判别方法。

背景技术

工业中各个部门在生产过程中都会有污染物的产生，随着技术的不断发展以及社会对生态环境保护的重视，对用污染物排放量有着更为严格的要求，所以对工业排污数据的检测就格外重要。传统的方式是人工根据工业部门所提交的生产总量与相关污染物排放量的数值来进行判定，但部分工业部门为了降低环保成本提升效益进行瞒报谎报工业排污数据，因而通常需要相关环保部门出动大量人力物力对工厂上报的排污数据的真伪进行核验。

随着人工智能与大数据等相关技术的不断发展，基于大数据的智能判别与预测也在不断的被人们所提及。在海量的工业污染物排放与产值数据中，工业污染物的排放量与产值的比例是衡量该工厂环保是否达标的重要评判指标，所以对工业污染物的排放量与产值数据的真实性判别是一份十分重要的工作。

工业污染物的排放量与产值数据的真实性判别往往是根据人为的结合相关模型、经验与实地考察判断，除了需要消耗大量的人力物力，当生产环境发生变化时(如疫情影响工业总产值降低)，传统模型有着较低的鲁棒性，会导致判断出错。因此，我们可以采用机器学习与大数据挖掘的相关知识来解决这个问题，对工厂数据进行预先筛选判断。

发明内容

本发明的目的在于提供了基于环保大数据的自动分析判别方法，以解决上述背景技术中提出的问题。

为实现上述技术问题的解决，本发明的目的之一在于，提供了基于环保大数据的自动分析判别方法，包括如下步骤：

S1、设计自动分析识别方法，对工业产值与污染物排放数据进行整理；

S2、对工业产值数据进行预测判别；

S3、对污染物排放数据进行预测判别。

作为本技术方案的进一步改进，所述S1中，自动分析识别方法包括如下步骤：

S1.1、通过原始环保大数据数据库，剔除明显有误的数据，根据数据来源及工厂种类进行划分与初始计算；

S1.2、根据分类好的数据与初始计算结果，训练一个弱分类器并训练数据筛选网络，通过筛选后的数据训练一个强分类器，对弱分类器与强分类器的分类结果与实际上报数据的误差进行加权融合，并根据阈值输出置信度；

S1.3、根据S1.2的判别结果，在剔除工业产值为伪的数据后，通过现有的真实数据训练神经网络预测模型，并根据连续三年的相关污染物排放数据预测今年的污染物排放占比，并根据阈值输出置信度；

S1.4、结合S1.2与S1.3的判别结果，输出整合后的判别结果。

其中，所述S1.1中，对工厂种类进行划分，例如将炼钢工厂分为一类，纺织业工厂分为一类等，因为相同类型的工厂所受的外界影响有着共同之处，例如，假设钢需求降低，那么所有的钢厂都会相应的降低总产值而纺织业不受影响。

进而，在此基础上，根据历年核实过的真实数据计算连续三年的工业产值增加/下降百分比作为神经网络的输入，将计算今年上报的工业总产值的增长/下降百分比作为神经网络的输出的真实值，并针对不同类型的工厂数据进行训练。