基于生態(tài)環(huán)境大數(shù)據(jù)與畫像的污染源精準監(jiān)管研究

關(guān)鍵詞：污染源；企業(yè)畫像；精準監(jiān)管；數(shù)據(jù)挖掘

中圖分類號：X171.1 文獻標志碼：A

前言

隨著工業(yè)化和城市化的快速發(fā)展，環(huán)境污染源的精準監(jiān)管成為環(huán)境治理的關(guān)鍵環(huán)節(jié)。不少學(xué)者探討了企業(yè)污染的相關(guān)問題。如文獻[1]韋嘯等提出基于多通道分布式VOCs在線監(jiān)測質(zhì)譜系統(tǒng)精準識別企業(yè)污染源的方法，建立了一個多通道分布式質(zhì)譜系統(tǒng)，通過該系統(tǒng)在企業(yè)內(nèi)部和廠界設(shè)置多個在線監(jiān)測點位，連續(xù)監(jiān)測VOCs無組織排放污染源。運用PMF模型解析廠區(qū)環(huán)境大氣VOCs的污染源因子，再結(jié)合CBPF方法識別各個污染源因子的地理位置信息。但是，該方法需要較高的初始投資用于購買和維護多通道監(jiān)測設(shè)備，且數(shù)據(jù)分析過程較為復(fù)雜，需要專業(yè)的技術(shù)人員進行操作和維護。為解決深圳市生態(tài)環(huán)境局當前污染源監(jiān)管“人少事多量大”的困難局面，避免污染源企業(yè)數(shù)據(jù)造假問題，提升污染源監(jiān)管效率。提出一種基于大數(shù)據(jù)和畫像的污染源精準監(jiān)管方法。通過運用大數(shù)據(jù)和人工智能、機器學(xué)習(xí)、知識圖譜等新技術(shù)構(gòu)建污染源企業(yè)環(huán)保全景多維度畫像體系，賦能污染源監(jiān)管執(zhí)法自動推薦、不同用戶的個性化自動推薦、主動通過檢索快速查找到所需的污染源數(shù)據(jù)，彌補監(jiān)管漏洞。從而實現(xiàn)污染源精準化監(jiān)管、科學(xué)化決策、精細化管理。

1研究方法和主要思路

1.1研究方法

通過深圳市生態(tài)環(huán)境局用戶的實際調(diào)研，針對管理者、決策者和監(jiān)管人員的訪談充分了解用戶需求的基礎(chǔ)上，開展“企業(yè)環(huán)保畫像”場景實現(xiàn)污染源精準監(jiān)管的應(yīng)用研究。

1.2主要思路

如圖1所示，污染源企業(yè)環(huán)保畫像體系的構(gòu)建，應(yīng)以生態(tài)環(huán)境大數(shù)據(jù)平臺整體框架為基礎(chǔ)，匯聚污染源企業(yè)全域數(shù)據(jù)，通過建模形成企業(yè)環(huán)保行為特征標簽體系，為執(zhí)法應(yīng)用、個性化推薦、智能檢索等具像化應(yīng)用場景提供技術(shù)支撐，最終實現(xiàn)“千企千面”智慧化運營和精準監(jiān)管。同時，借助污染源企業(yè)環(huán)保畫像建立以下四大“核心能力”。

（1）建立“動態(tài)采集+數(shù)據(jù)認證”的污染源數(shù)據(jù)收集網(wǎng)絡(luò)體系。

（2）建立“污染源企業(yè)+大數(shù)據(jù)+人工智能+知識圖譜”的能力核心。

（3）建立“執(zhí)法應(yīng)用+個性化推薦+智能檢索”的數(shù)據(jù)應(yīng)用場景模式。

（4）建立“數(shù)據(jù)庫+專家經(jīng)驗智庫”的污染源權(quán)威評估和決策方式。

2總體框架和技術(shù)方案

2.1總體框架

系統(tǒng)包括管理平臺與畫像構(gòu)建及應(yīng)用兩個主要組成部分。

管理平臺主要對標簽進行管理，畫像應(yīng)用場景模型的構(gòu)建，模型成效分析、標簽行為分析、標簽數(shù)據(jù)生產(chǎn)計劃任務(wù)管理、系統(tǒng)用戶權(quán)限、日志管理等基礎(chǔ)功能。

畫像構(gòu)建及應(yīng)用，主要包括從數(shù)據(jù)采集、畫像構(gòu)建、畫像分析、畫像可視化到應(yīng)用場景模型、模型成效改進等幾部分建設(shè)內(nèi)容。（見圖2）

2.2技術(shù)方案

實現(xiàn)基于生態(tài)環(huán)境大數(shù)據(jù)構(gòu)建“企業(yè)環(huán)保畫像”助力污染源精準監(jiān)管，從數(shù)據(jù)準備、企業(yè)環(huán)境畫像構(gòu)建、企業(yè)環(huán)境畫像可視化、企業(yè)環(huán)境畫像應(yīng)用等幾個步驟進行實現(xiàn)。

2.2.1數(shù)據(jù)準備

2.2.1.1數(shù)據(jù)基礎(chǔ)

構(gòu)建企業(yè)環(huán)境行為畫像，需要企業(yè)全生命周期高質(zhì)量數(shù)據(jù)作為支撐。針對深圳市，現(xiàn)有監(jiān)管污染源企業(yè)達九萬余家，包括重點污染源企業(yè)、一般污染源企業(yè)和已核發(fā)排污許可證企業(yè)等，生態(tài)環(huán)境大數(shù)據(jù)中心已經(jīng)匯聚了環(huán)評、許可證、執(zhí)法、行政處罰、監(jiān)測、申報等多元數(shù)據(jù)，所擁有數(shù)量已達120億條，并且以每天5000萬條的數(shù)據(jù)產(chǎn)生量在持續(xù)增加。

2.2.1.2數(shù)據(jù)融合

由于政府各個部門、企業(yè)、三方機構(gòu)等的基礎(chǔ)數(shù)據(jù)存在差異，需提取基本屬性、污染排放、社會監(jiān)督、行政執(zhí)法等企業(yè)對環(huán)境產(chǎn)生影響的部分，基于這些數(shù)據(jù)，采用ETL技術(shù)進行數(shù)據(jù)抽取，清洗，創(chuàng)建企業(yè)環(huán)境行為畫像構(gòu)建需要的各類主題數(shù)據(jù)庫。

2.2.2標簽體系構(gòu)建

2.2.2.1標簽體系

數(shù)據(jù)準備好后，通過調(diào)研與海量歷史數(shù)據(jù)分析結(jié)果，基于目的性、全面性、可獲取性、可比性原則確定標簽體系，包括基本屬性、污染排放、社會監(jiān)督、行政執(zhí)法、環(huán)境風(fēng)險、環(huán)境管理、生態(tài)保護等維度。其中，目的性原則即根據(jù)研究目的選取標簽體系；全面性原則即選取的標簽體系盡量涵蓋企業(yè)各個方面；可獲取性原則即可行性原則，確保選取的標簽體系是容易獲得并具有代表性的；可比性原則即確保所有標簽的量綱統(tǒng)一，使標簽之間具有可比性。

2.2.2.2標簽數(shù)據(jù)開發(fā)

根據(jù)“數(shù)倉分層建模理論”建立以上述7個維度為主的三級模糊標簽指標體系，通過將訓(xùn)練數(shù)據(jù)引入BERT（Bidirectional Encoder Representation from Transformers）即預(yù)訓(xùn)練語言表征模型，抽取不同維度的底層標簽，并依據(jù)標簽抽取的不同方法劃分標簽類型，包括：（1）統(tǒng)計類標簽，根據(jù)企業(yè)多維度數(shù)據(jù)進行統(tǒng)計而來；（2）規(guī)則類標簽，定義規(guī)則，設(shè)置定時任務(wù)，根據(jù)規(guī)則進行規(guī)則類標簽的開發(fā)；（3）數(shù)據(jù)挖掘類標簽，通過數(shù)據(jù)挖掘與機器學(xué)習(xí)方法進行標簽的產(chǎn)生，一般通過監(jiān)測數(shù)據(jù)為主，融合其他數(shù)據(jù)進行某種特定規(guī)律的發(fā)現(xiàn)、數(shù)據(jù)預(yù)測等。

2.2.2.3標簽特征抽取

很多標簽容易出現(xiàn)表達不明確的問題，為了使企業(yè)畫像更為精確，需要對模糊標簽進行特征提取。先利用BERT模型將模糊標簽向量化，再通過特征融合方式，對多源標簽進行向量拼接，并根據(jù)標簽打分結(jié)果計算該權(quán)重，對其賦予權(quán)重后得到特征融合后的企業(yè)信息；再將該向量信息引入BiLSTM（雙向長短期記憶網(wǎng)絡(luò)，Bi-directional Long Short-Term Memory）網(wǎng)絡(luò)捕捉雙向語義依賴，得到更為準確的次級標簽，并構(gòu)建相應(yīng)的標簽庫。例如，某化工企業(yè)被群眾投訴夜間排放污染廢水，投訴中包括企業(yè)具體違法行為、時間，將其向量化后乘以權(quán)重并與執(zhí)法記錄對應(yīng)的執(zhí)法時間及該企業(yè)處罰結(jié)果進行向量拼接，得到企業(yè)“偷排”這一次級標簽，并計算此標簽權(quán)重。

統(tǒng)計類標簽主要是管理標簽的啟用／禁用狀態(tài)；規(guī)則類標簽可以修改標簽的計算規(guī)則、啟用／禁用狀態(tài)等；數(shù)據(jù)挖掘類標簽需要在標簽管理中根據(jù)經(jīng)驗與應(yīng)用進行人工確認與命名，例如：企業(yè)污染排放的規(guī)律、污染排放的周期性特征行為、排放數(shù)據(jù)造假行為等挖掘類標簽。

2.2.3企業(yè)環(huán)境畫像構(gòu)建

利用數(shù)據(jù)挖掘、人工智能、機器學(xué)習(xí)等技術(shù)方法，分析企業(yè)環(huán)境行為特征，刻畫企業(yè)動態(tài)標簽，并根據(jù)建立的標簽體系，構(gòu)建企業(yè)環(huán)境畫像。

根據(jù)各一級標簽下二級標簽的加權(quán)平均數(shù)，得到一級標簽的權(quán)重配比，即企業(yè)整體畫像中不同維度的貢獻率，構(gòu)建出整體企業(yè)畫像。例：社會監(jiān)督維度權(quán)重30%，即社會監(jiān)督維度在企業(yè)整體畫像的貢獻率為30%，則整體企業(yè)畫像中社會投訴生成的標簽重要度為30%。同時也可以提取同一行業(yè)、同一區(qū)域等標簽，根據(jù)含此類標簽企業(yè)整體畫像進一步構(gòu)建行業(yè)企業(yè)畫像或區(qū)域企業(yè)畫像等。

2.2.4應(yīng)用場景模型

結(jié)合用戶實際的應(yīng)用場景，通過標簽的有機組合，形成各個應(yīng)用場景模型，通過應(yīng)用場景模型賦能相應(yīng)的業(yè)務(wù)系統(tǒng)，使業(yè)務(wù)系統(tǒng)使用起來更智能化，同時通過業(yè)務(wù)系統(tǒng)使用的反饋數(shù)據(jù)，如執(zhí)法系統(tǒng)推薦企業(yè)執(zhí)法命中率等數(shù)據(jù)，進一步調(diào)優(yōu)模型，使模型更精準。

3案例應(yīng)用情況

深圳市生態(tài)環(huán)境局現(xiàn)有監(jiān)管污染源企業(yè)達九萬余家，包括重點污染源企業(yè)、一般污染源企業(yè)和已核發(fā)排污許可證企業(yè)等，其中需要重點監(jiān)管的企業(yè)有一萬多家，但是執(zhí)法人員僅有400余人，基本上每個執(zhí)法人員需要監(jiān)管約200家企業(yè)，再加上現(xiàn)場執(zhí)法耗時長，平均一天執(zhí)法人員只能現(xiàn)場執(zhí)法3～4家企業(yè)。通過給污染源企業(yè)進行特征標簽，然后將標簽中與違法情形掛鉤的標簽有機組合，形成執(zhí)法推薦模型，可以有效地幫助監(jiān)管執(zhí)法人員在現(xiàn)場執(zhí)法過程中命中違法企業(yè)，而非靠運氣隨機發(fā)現(xiàn)違法企業(yè)，大大提高了監(jiān)管執(zhí)法人員的工作效率，并有效地降低了企業(yè)違法的僥幸心理。另外，通過不斷的現(xiàn)場執(zhí)法實踐，反饋推薦企業(yè)中違法企業(yè)的數(shù)量、基本信息等數(shù)據(jù)，可以幫助執(zhí)法推薦模型進一步優(yōu)化，提升未來命中違法企業(yè)的準確率。

4結(jié)束語

依托深圳大數(shù)據(jù)平臺匯集的各類企業(yè)生產(chǎn)經(jīng)營活動中產(chǎn)生的數(shù)據(jù)，利用規(guī)律計算、大數(shù)據(jù)挖掘算法、機器學(xué)習(xí)等方式，結(jié)合污染源監(jiān)管業(yè)務(wù)場景等需求，構(gòu)建完善、動態(tài)的標簽體系形成企業(yè)畫像，采集污染源企業(yè)環(huán)境行為特征體系，提取和識別污染源企業(yè)特征行為，幫助生態(tài)環(huán)境監(jiān)管部門構(gòu)建污染源企業(yè)環(huán)保標簽體系，為業(yè)務(wù)系統(tǒng)賦能，使污染源監(jiān)管更智能，更精準。企業(yè)畫像應(yīng)用場景豐富，改變了傳統(tǒng)企業(yè)檔案管理應(yīng)用模式，發(fā)揮了大數(shù)據(jù)平臺的價值，為生態(tài)環(huán)境監(jiān)管部門減輕工作壓力，針對污染源企業(yè)的監(jiān)管效率也大大提升。在大數(shù)據(jù)相關(guān)技術(shù)高速發(fā)展的時代，作為污染源企業(yè)監(jiān)管人員，應(yīng)當積極轉(zhuǎn)變思維模式與工作方式，借助科技的手段，精準有效的實現(xiàn)環(huán)保監(jiān)管。