基于案例推理和機器學(xué)習(xí)的場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)構(gòu)建技術(shù)

張秋壘，黃國鑫，王夏暉，畢二平，季國華，陳茜，盧然

1.生態(tài)環(huán)境部環(huán)境規(guī)劃院 2.中國地質(zhì)大學(xué)(北京)水資源與環(huán)境學(xué)院

目前，我國場地土壤和地下水污染風(fēng)險管理正處在初始階段，面臨著場地污染風(fēng)險管控和修復(fù)效果的不確定性較大，精準化、智能化、高效化技術(shù)與管理水平欠缺，治理修復(fù)投入成本高，風(fēng)險管控措施效率低，修復(fù)效果不理想，修復(fù)方案選擇不合理等突出問題[1-2]。

隨著大數(shù)據(jù)技術(shù)在環(huán)境領(lǐng)域應(yīng)用的日益廣泛和環(huán)境海量數(shù)據(jù)的日益增長[3-4]，大數(shù)據(jù)技術(shù)與場地環(huán)境管理深度融合提高場地污染風(fēng)險管控與修復(fù)的精準化、智能化、高效化、低成本化成為亟待解決的技術(shù)問題。近年來，案例推理(case-based reasoning，CBR)在機器學(xué)習(xí)和環(huán)境應(yīng)急決策領(lǐng)域得到廣泛研究，如環(huán)境突發(fā)應(yīng)急決策[5-7]、突發(fā)化學(xué)品污染應(yīng)急處置[8]、地震類突發(fā)事件[9]和建筑成本預(yù)測[10]等，其中CBR增強了突發(fā)性環(huán)境污染事件中的快速反應(yīng)能力[11]。CBR是利用過去事件案例中求解問題的經(jīng)驗和方法，結(jié)合新問題的特征進行調(diào)整，從而獲得當前問題求解的一種推理模式，即在求解問題時，從案例庫的源案例中找出相似度高且成功的案例，直接復(fù)用或經(jīng)過調(diào)整、修改后復(fù)用，從而獲得目標案例的解決方法[6,9-13]。但目前，案例推理乃至耦合大數(shù)據(jù)深度挖掘技術(shù)(如機器學(xué)習(xí))在場地土壤和地下水污染風(fēng)險管控與修復(fù)方案推薦方面的研究鮮有報道，可以借鑒的經(jīng)驗有限。

鑒于此，筆者借助大數(shù)據(jù)平臺，通過基于案例推理的結(jié)構(gòu)化層次存儲和搜索技術(shù)，基于CBR、K最近鄰算法(K-nearest neighbor，KNN)和層次分析法(analytic hierarchy process，AHP)，構(gòu)建風(fēng)險管控與修復(fù)方案推薦系統(tǒng)案例庫，開展場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)的結(jié)構(gòu)設(shè)計和系統(tǒng)開發(fā)，實現(xiàn)目標場地案例的風(fēng)險管控與修復(fù)方案推薦，以期為場地污染風(fēng)險管理實踐提供理論依據(jù)和技術(shù)支持。

1 系統(tǒng)結(jié)構(gòu)及內(nèi)容設(shè)計

1.1 系統(tǒng)的需求

場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)的目的是將已有的歷史風(fēng)險管控和修復(fù)場地案例(源案例)組成案例庫，總結(jié)與分析案例庫中各源案例的各指標因子，使檢索時能夠快速判定相似度最高的前3個案例，為新污染場地(目標案例)制定風(fēng)險管控與修復(fù)方案提供決策參考。

利用238個污染場地的風(fēng)險管控和修復(fù)案例，考慮區(qū)域自然、經(jīng)濟、社會環(huán)境概況，場地基本情況，特征污染物，污染遷移途徑，敏感目標，風(fēng)險管控和修復(fù)技術(shù)的環(huán)境、經(jīng)濟、社會指標，篩選確定24項場地特征指標，并構(gòu)建三級指標體系(圖1)。其中，特征污染物主要關(guān)注GB 36600—2018《土壤環(huán)境質(zhì)量 建設(shè)用地土壤污染風(fēng)險管控標準(試行)》中的85項污染物。

圖1 場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)的指標體系Fig.1 Index system of site pollution risk control and remediation scheme recommendation system

場地污染風(fēng)險管控與修復(fù)方案推薦流程：首先，對于目標場地經(jīng)過綜合分析生成待解決的問題，進而生成案例特征屬性；其次，遍歷案例庫，計算目標案例與源案例之間的相似度；再次，推薦相似度最高的前3個案例給決策者；最后，將匹配度、相似度最高的源案例的風(fēng)險管控與修復(fù)方案寫入目標案例中，存放于案例庫中間表中，待日后目標案例的其他相關(guān)信息補充完全后，進一步考慮是否將其加入案例庫中。

場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)需包含以下內(nèi)容：1)案例簡介。出現(xiàn)在案例系統(tǒng)展示頁面首頁，介紹案例有關(guān)場地名稱、所在地區(qū)和行業(yè)分類，并提供每個案例的單獨鏈接，顯示案例詳情，如案例風(fēng)險管控與修復(fù)方案信息。2)數(shù)據(jù)管理。進行新案例的輸入、已有案例的編輯和各頁面信息的維護?；A(chǔ)功能包含案例信息的增加、刪除、修改、保存以及數(shù)據(jù)的導(dǎo)入和導(dǎo)出。3)檢索查詢。根據(jù)不同檢索需求，提供模糊查詢、條件查詢?？芍苯訌陌咐龓熘蝎@取案例數(shù)據(jù)，供查詢的因素有場地名稱、所在地區(qū)、行業(yè)分類等；亦可在目標案例信息輸入頁面選擇輸入24項場地特征指標信息，實現(xiàn)案例之間的相似度查詢。4)結(jié)果展示頁面。在方案推薦頁面，可瀏覽相似度最高的前3個案例，主要顯示源案例的基本情況、污染遷移途徑、敏感受體、風(fēng)險管控與修復(fù)方案以及案例匹配相似度等信息。5)系統(tǒng)設(shè)置。用于系統(tǒng)用戶登錄與權(quán)限的管理、個人信息維護等。

1.2 系統(tǒng)總體架構(gòu)

圖2 場地污染風(fēng)險管控與修復(fù)方案 推薦系統(tǒng)的層次結(jié)構(gòu)示意Fig.2 Hierarchical structure of site pollution risk control and remediation scheme recommendation system

1.3 數(shù)據(jù)庫設(shè)計

根據(jù)數(shù)據(jù)需求分析，場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)應(yīng)包括基礎(chǔ)信息數(shù)據(jù)庫、PostgreSQL數(shù)據(jù)庫、HBase數(shù)據(jù)庫和Impala數(shù)據(jù)倉庫。其中，基礎(chǔ)信息數(shù)據(jù)庫是由從案例的地塊調(diào)查、風(fēng)險評估、風(fēng)險管控或修復(fù)以及效果評估報告中獲取的場地概況、污染源、污染物遷移途徑、敏感受體、風(fēng)險管控與修復(fù)技術(shù)、風(fēng)險管控與修復(fù)方案、實施效果等方面的225個信息項匯總而成；HBase數(shù)據(jù)庫用于存儲基礎(chǔ)信息數(shù)據(jù)庫中案例的全部基礎(chǔ)信息，包括結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)；PostgreSQL作為地理數(shù)據(jù)庫存儲案例名稱和經(jīng)緯度坐標相關(guān)信息，用作統(tǒng)計分析與展示；Impala數(shù)據(jù)倉庫提供數(shù)據(jù)分析與挖掘功能，為場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)提供數(shù)據(jù)分析和邏輯計算支持。

基礎(chǔ)信息數(shù)據(jù)庫主要用于對案例的搜索、查詢、增加、刪減和修改，是整個系統(tǒng)平臺的基礎(chǔ)數(shù)據(jù)庫。通過對案例信息的分析，可以獲得統(tǒng)計性的結(jié)論和規(guī)律。為此，案例中信息的儲存方式顯得極其重要。本研究中案例記錄的信息主要通過數(shù)據(jù)和描述性語言2個方面來儲存。案例庫信息如表1所示。

表1 案例庫信息

2 系統(tǒng)開發(fā)與模塊

2.1 案例表現(xiàn)方法

案例表現(xiàn)部分包括源案例的大數(shù)據(jù)信息查詢和案例信息的描述。該模塊中每個案例包括場地概況、污染源、污染物遷移途徑、敏感受體、風(fēng)險管控與修復(fù)技術(shù)、風(fēng)險管控與修復(fù)方案、實施效果等方面的225個信息項，同時該模塊也有新案例信息導(dǎo)入功能。案例展示和單個案例詳情展示頁面分別見圖3和圖4。

圖3 場地污染風(fēng)險管控與修復(fù)方案案例展示頁面Fig.3 Case display page of site pollution risk control and remediation scheme

圖4 場地污染風(fēng)險管控與修復(fù)方案單個案例詳情展示頁面Fig.4 Detailed case display page of site pollution risk control and remediation scheme

在案例的信息描述中對案例進行編碼，確保檢索系統(tǒng)能夠高效、精準、快速地進行檢索。該模塊還具有新案例的輸入，已有案例的編輯、添加、刪除及導(dǎo)入與導(dǎo)出功能。

2.2 案例檢索

2.2.1案例檢索系統(tǒng)

案例推理的核心是案例的檢索系統(tǒng)。將案例檢索功能分為2種：1)通過對案例的主要信息(如企業(yè)名稱、所在地區(qū)和行業(yè)分類)進行單項或多項混合查詢，輸出匹配的查詢結(jié)果；2)采用24個場地特征指標進行相似度計算，得出與目標案例相似度高的前3個案例。

圖5 場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)目標案例信息輸入頁面Fig.5 Target case information input page of site pollution risk control and remediation scheme recommendation system

為實現(xiàn)案例檢索，檢索系統(tǒng)需能輸入目標案例24項場地特征指標信息(圖5)，且檢索結(jié)果在案例推薦頁面中呈現(xiàn)(圖6)。在圖5所在地區(qū)項中，根據(jù)《國務(wù)院關(guān)于調(diào)整城市規(guī)模劃分標準的通知》[14]確定所選城市對應(yīng)的城市等級；在所屬行業(yè)項中，分為化學(xué)原料和化學(xué)制品制造業(yè)、黑色金屬冶煉和壓延加工業(yè)、金屬制品業(yè)、醫(yī)藥制造業(yè)、有色金屬冶煉和壓延加工業(yè)和石油、煤炭及其他燃料加工業(yè)等子項；在土地利用規(guī)劃項中，根據(jù)GB 36600—2018中的建設(shè)用地分類標準，分為城鎮(zhèn)住宅用地、住宅用地、綠地與廣場用地、公園與綠地、居住用地、教育用地、商業(yè)用地、醫(yī)療衛(wèi)生用地、社會福利設(shè)施用地、工業(yè)用地、物流倉儲用地、商服用地、道路與交通設(shè)施用地、公用設(shè)施用地、公共管理與公共服務(wù)用地、除社區(qū)公園或兒童公園用地外的綠地與廣場用地子項；在干濕指數(shù)項中，分為極端干旱、干旱、半干旱、半濕潤、濕潤、潮濕、過潮濕子項；在特征污染物項中，根據(jù)GB 36600—2018的要求，涉及85項污染物；在包氣帶滲透系數(shù)最大巖性和含水層最主要巖性中，分為礫石、砂及砂卵礫石、粗砂、中砂、回填土、素填土、碎石土、細砂、石灰?guī)r、砂巖、砂質(zhì)粉土、雜填土、粉砂質(zhì)黏土、砂質(zhì)黏性土、粉土、粉質(zhì)黏土、黏土子項。

圖6 場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)結(jié)果展示頁面Fig.6 Result display page of site pollution risk control and remediation scheme recommendation system

2.2.2案例檢索方法

相似度檢索時，采用KNN計算源案例與目標案例之間的相似度，實現(xiàn)從案例庫中檢索出與目標案例相似度最高的前3個源案例。源案例與目標案例相似度的計算采用歐式距離sim(s，t)公式，具體如下：

(1)

式中：i為檢索屬性編號;m為檢索屬性的總個數(shù);wi為編號i檢索屬性的權(quán)重；Di(s，t)為源案例與目標案例在編號i檢索屬性上歸一化處理后的距離。檢索屬性的數(shù)據(jù)類型有邏輯型和數(shù)值型2種，其Di(s，t)計算公式如下：

(2)

(3)

di(s，t)=|Psi-Pti|

(4)

式中：Psi為源案例編號i的屬性值，Pti為目標案例編號i的屬性值s；di(s，t)為源案例和目標案例在編號i檢索屬性上的距離；maxi為編號i的屬性值在案例庫中的最大值；mini為編號i的屬性值在案例庫中的最小值。

對于邏輯型指標，按照既定規(guī)則的文本型進行匹配，當2個案例的特征屬性完全匹配時，得0分；不匹配時，得1分，樣表見表2所示。其中，對于特征污染物指標，按照污染物類型進行分類(圖1)，以“、”進行分割，每個類型中各污染物均作為獨立標識，判斷源案例與目標案例的同類型污染物是否存在交集。當有交集時，賦值為0，否則為1,從而計算出待求解的目標案例與案例庫中源案例之間的相似度。

表2 邏輯型指標比選規(guī)則樣表

2.2.3 一致性檢驗與權(quán)重賦值

采用層次分析法(AHP)確定各場地特征指標的權(quán)重。先根據(jù)各場地特征指標對方案推薦的影響程度確定其重要性，分為4個等級：最重要、中等重要、重要和次重要(表3)，進而建立層次模型，構(gòu)建判斷矩陣(式5)。

表3 各特征因素的重要程度層次分值

(5)

判斷矩陣運算過程中涉及2個重要參數(shù)：

IC=(λmax-n)(n-1)

(6)

RC=ICIR

(7)

式中：λmax為判斷矩陣的最大特征根；n為構(gòu)建判斷矩陣的特征因素個數(shù)；RC為一致性比率；IC為一致性指標；IR為隨機一致性指標。

運算式(5)，生成判斷矩陣的λmax(26.236 73)和其對應(yīng)的特征向量；再根據(jù)式(6)、式(7)進行判斷矩陣的一致性檢驗，確定IC為0.097 25,當n=24時，IR為1.651 1，RC為0.058 9(<0.1)，表明一致性可接受[15-17]；最后，通過歸一化處理得到各場地特征指標的權(quán)重(表4)[7,18-19]。

表4 各場地特征指標的權(quán)重

2.3 案例推薦

搜索結(jié)果呈現(xiàn)相似度最高的前3個案例(圖6)，每個案例包括基本信息、污染情況、污染遷移途徑、敏感受體和其他指標，其中基本情況又包括修復(fù)方案、相似度、所屬行業(yè)、場地現(xiàn)狀等。此外，由圖6中左側(cè)不同顏色的旗幟，可查看圖4展示的相應(yīng)案例的詳細信息。

3 結(jié)語

針對我國場地污染風(fēng)險管控與修復(fù)方法體系的弊端和不足，借助大數(shù)據(jù)平臺，通過基于結(jié)構(gòu)化層次存儲和搜索技術(shù)，運用案例推理和機器學(xué)習(xí)，構(gòu)建了場地污染風(fēng)險管控與修復(fù)方案推薦系統(tǒng)。通過研究案例庫實現(xiàn)途徑和內(nèi)容，進行了方案推薦系統(tǒng)的結(jié)構(gòu)設(shè)計和系統(tǒng)開發(fā)，建立了基于Web技術(shù)的案例檢索查詢頁面。采用KNN和AHP，計算目標案例與源案例之間的相似度，進而實現(xiàn)推薦相似度最高的前3個案例給決策者的功能。通過快速搜索與查找匹配源案例，提供了相對優(yōu)化的方案選取參考工具。研究成果有利于提高我國場地污染風(fēng)險管理的精準化、智能化、高效化和低成本化。在現(xiàn)有研究成果基礎(chǔ)上，建議后續(xù)加強風(fēng)險管控與修復(fù)方案再用的分類研究。