[发明专利]一种企业危险废物瞒报漏报风险的智能评估方法

说明书

本发明提供一种企业危险废物瞒报漏报风险的智能评估方法，获取企业相关数据表，完成数据表间的精确匹配，构建不同行业的产废多维数据库；消除多维数据库中的脏数据，确定时间分辨率进行合并，得到初始样本数据集；利用无监督异常检测集成框架对初始样本数据集进行异常数据的识别、剔除，获得预测数据集；利用预测数据集，进行随机森林模型的训练和验证，对监管时间段内企业的理论产废量和理论产废范围进行预测，计算企业危废产量瞒报漏报概率和数量。本发明基于企业的基础信息和在线监测数据，结合无监督异常检测和有监督机器学习方法，精准预测企业的危废理论产废量和瞒报漏报风险，从而实现危险废物源头的智能监管。

技术领域

本发明涉及危险废物产量评估技术领域，特别是涉及一种企业危险废物瞒报漏报风险的智能评估方法。

背景技术

危险废物是指列入国家危险废物名录或者根据国家规定的危险废物鉴别标准和鉴别方法认定的具有危险特性(包括腐蚀性、毒性、易燃性、反应性和感染性)的固体废物。近年来随着城市化和工业化进程的加快，我国危险废物的产生量保持高位增长。且危险废物种类繁多，成分复杂，整体呈现产生强度大、处置利用能力不足、污染事故频发的态势，对生态环境和人体健康带来巨大威胁。

国家高度重视生态文明建设和环境保护工作，固体废物尤其是危险废物的管理工作是加强生态文明建设和改善环境质量的关键。危险废物的管理工作目前面临的挑战之一是危险废物底数不清。为了获取企业危险废物的产生和流动信息，我国目前实施的是基于企业自主申报登记危废信息的管理制度。然而部分企业在经济利益和侥幸心理的驱动下，极易发生瞒报漏报的行为。瞒报漏报的现象如果不能被及时有效地管控，可能会导致大量危险废物游离于监管范围之外，被非法地处置或倾倒，造成严重的环境风险。

为了确定企业是否存在瞒报漏报行为，需要准确掌握企业理论产废量，将理论产废量与企业申报值进行对比后，判断企业是否瞒报漏报。现有的预测企业理论产废量的方法主要包括：产排污系数法、物料衡算法和实测法。产排污系数法依据《排放源统计调查产排污核算方法和系数手册》等各类手册获得污染物产排系数，结合企业产品产量信息，计算出特定污染物的排放总量；物料衡算法和实测法通过实地研究和对特定企业生产条件的考虑，直接从生产设施收集信息。现有的技术方法都存在着一定局限性：①产废系数从地区或行业的平均水平考虑，对具体企业的实用性及适应性存在局限；②物料衡算法和实测法需精准掌握企业的生产工艺和流程，技术难度大，也很难在国家和地区层面上实施；③上述方法在工艺复杂、干扰因素多时都会引入较大偏差。

因此，有必要运用更加科学恰当的方法评估企业级别的危险废物排放，掌握企业危险废物的理论产生量，结合自主申报数据进行核查，从而实现对企业瞒报漏报行为的智能识别，有效提升危险废物管理水平。

发明内容

本发明所要解决的技术问题是：为了克服现有技术中的不足，本发明提供一种企业危险废物瞒报漏报风险的智能评估方法，提高环境监管的准度和效率。

本发明解决其技术问题所要采用的技术方案是：一种企业危险废物瞒报漏报风险的智能评估方法，包括以下步骤：

步骤1：获取企业基本信息表、企业生产数据表、污染物在线监测数据表、危废产量申报数据表、转移联单数据表、企业信用评价数据表和移动执法数据表，完成数据表间的精确匹配，并根据行业代码进行分类，构建不同行业的产废多维数据库。

步骤2：针对步骤1中的产废多维数据库中的数据进行人工清洗，消除多维数据库中的脏数据，具体的；并根据实际应用需求确定时间分辨率，对人工清洗后的数据进行合并，得到初始样本数据集；其中，脏数据是指影响预测模型构建的数据，具体是把重复、不合规、异常数据统称为脏数据；时间分辨率是指数据整理时候用的时间，也就是训练和预测的时间是企业每天、每月、还是每年产生的危废量。