面向大气环境治理过程的多源异构时序数据动态评估方法
本发明属于环境治理数据处理与决策支持,涉及面向大气环境治理过程的多源异构时序数据动态评估方法。
背景技术:
1、大气环境治理涉及空气质量监测、污染控制、财政投入、跨部门协同、执行响应、监督反馈以及政策文本公开等多类要素,具有数据来源多样、时间尺度不一致、治理措施生效存在时滞、不同治理环节之间存在反馈耦合等特点。随着细颗粒物与臭氧复合污染问题加剧,大气环境治理已不再是单一污染物浓度控制问题,而是由环境压力、资源投入、组织协同、执行响应、监督反馈和治理结果共同作用形成的复杂动态过程。仅依据空气质量指数、污染物浓度或阶段性绩效得分,难以连续表征治理过程运行状态,也难以支撑关键短板识别和干预策略生成。
2、然而,现有空气质量评价及大气环境治理绩效评价方案总体上仍偏重于污染物浓度评价、空气质量等级判定、阶段性绩效测算、权重优化或影响因素分析,其数据处理对象多为单一监测数据、阶段性统计数据或相对静态的指标体系,难以适配实际治理过程中空气质量月度数据、治理投入年度数据、政策文本公开数据、督察整改公开数据、随机抽查月度数据和行政处罚年度数据等多源异构数据并存的应用场景;同时,现有方法通常只能输出评价值、等级、排名或权重结果,缺少在统一时间窗下对不同来源数据进行时间对齐、缺失补齐、标准化处理和治理维度映射的技术流程,也难以刻画治理压力、治理投入、组织协同、执行响应、监督反馈和治理结果之间随时间变化的时滞耦合关系,更不能在动态评估基础上进一步识别关键短板并对候选干预策略进行传播仿真和综合收益排序,导致最终的评估结果不准确的问题。
技术实现思路
1、本发明的目的是提供面向大气环境治理过程的多源异构时序数据动态评估方法,解决了现有评估方法导致的评估结果不准确的问题。
2、本发明所采用的技术方案是,面向大气环境治理过程的多源异构时序数据动态评估方法,具体包括如下步骤:
3、步骤1,获取目标区域在预设时间范围内的大气环境治理相关多源异构时序数据;
4、步骤2,对多源异构时序数据进行时间对齐和预处理;
5、步骤3,根据预设指标映射规则将处理后的数据进行映射,形成连续时间窗下的多维特征矩阵;
6、步骤4,基于多维特征矩阵构建复杂系统时变耦合网络;
7、步骤5,根据复杂系统时变耦合网络和多维特征矩阵计算维度得分和动态评估值;
8、步骤6,根据目标区域与基准区域之间的差异关系输出评估结果。
9、本发明的特点还在于:
10、步骤1中,目标区域为某一地级市、某一城市群、某一流域区域或某一省级行政区;预设时间范围为日尺度、周尺度、月尺度、季度尺度或年度尺度中的任一种;
11、空气质量监测数据包括空气质量指数aqi、pm2.5浓度、pm10浓度、o3浓度、no2浓度、so2浓度、co浓度、优良天数比例、重污染天数比例中的一种或多种;
12、气象环境数据包括温度、湿度、风速、降水量、边界层高度和扩散条件指数中的一种或多种;
13、治理投入数据包括环保财政支出、监测资源投入、执法资源投入和数字治理投入中的一种或多种;
14、组织协同数据包括联席会议频次、联合执法次数、协同事项办结率和跨区域联动频次中的一种或多种;
15、执行响应数据包括预警响应时长、应急措施落实率和整改完成效率中的一种或多种;
16、监督反馈数据包括信息公开频率、群众投诉办结率和督查整改反馈率中的一种或多种;
17、政策文本数据包括政府工作报告、专项整治方案、通报文件和公开治理文件中的一种或多种。
18、步骤2中,时间对齐方式包括:将不同来源数据统一映射到日尺度、周尺度、月尺度、季度尺度或年度尺度中的同一采样周期;对缺失率不高于第一阈值的数据采用线性插值或样条插值进行缺失补齐,对缺失率高于第一阈值的数据采用基于相关指标的加权近邻估计进行缺失补齐;
19、预处理方式包括:采用基于中位数绝对离差的异常检测方式识别异常值,并使用对应时间窗内的截尾均值或邻域估计值进行异常修正。
20、步骤2中,将不同来源数据统一映射到月尺度采样周期;对缺失率小于等于20%的数据采用线性插值或样条插值进行缺失补齐,对缺失率高于20%的数据采用基于相关指标的加权近邻估计进行缺失补齐;采用基于中位数绝对离差的异常检测方式识别异常值,并使用对应时间窗内的截尾均值或邻域估计值进行异常修正。
21、步骤2中,对于数值型指标,执行标准化处理,对于正向指标,采用如下公式:
22、(1)
23、对于逆向指标,采用如下公式:
24、(2)
25、其中,x_{j,t} 表示第 j 个指标在 t 时刻的原始观测值;z_{j,t} 表示标准化后的指标值;max(x_j) 和 min(x_j) 分别表示第j个指标在预设时间范围或滚动时间窗内的最大值和最小值;当 max(x_j)=min(x_j) 时,将该指标在对应时间窗内的标准化值设置为预设中性值;
26、对于文本型数据,文本强度量化包括:对政策文本数据提取环境治理关注词、执法执行词、协同治理词和监督反馈词,按照各类关键词在当前时间窗内的词频、逆文档频率和词类权重计算文本强度特征值,第类文本特征在时刻下的强度值满足:
27、(3)
28、其中,表示第类关键词在时刻下的有效词项数量,表示第个关键词的词类权重,表示第个关键词在时刻下的统计量。
29、步骤3的具体过程为:
30、根据预设指标映射规则将处理后的数据映射到治理压力维度、治理投入维度、组织协同维度、执行响应维度、监督反馈维度和治理结果维度,形成连续时间窗下的多维特征矩阵,在时刻t下,多维特征矩阵表示为x_t=[z_{d,k,t}],其中 d=1,2,...,6,k=1,2,...,m_d;d 表示治理维度,m_d表示第d个维度下的指标数量,z_{d,k,t}表示第d个维度下第k个指标在时刻t的标准化值,连续时间窗下的多维特征矩阵序列表示为 {x_t | t=1,2,...,t}。
31、步骤4的具体过程为:
32、网络的节点为各指标节点或维度节点,节点之间的边用于表征不同指标之间在当前时间窗内的耦合强度,采用长度为的滚动时间窗进行逐窗计算,复杂系统时变耦合网络中任意两个指标节点和在时刻下的耦合边权重满足:
33、(4)
34、其中,表示互信息值,表示最优时滞下的相关系数,表示灰色关联度,、和为非负权重系数,且:
35、(5)
36、最优时滞通过在预设时滞集合内搜索使最大的确定。
37、步骤5的具体过程为:
38、第个维度在时刻下的维度得分满足:
39、(6)
40、其中,表示第个维度下第个指标在时刻下的指标权重,表示标准化后的指标值;
41、第个维度在时刻下的时变权重满足:
42、(7)
43、其中,表示第个维度下第个指标在时刻下的指标权重,表示第个维度的信息熵,表示第个维度在时刻t下复杂系统时变耦合网络中的归一化中心性,和为非负调节系数;表示第u个维度在时刻t下的时变权重;
44、目标区域在时刻下的动态评估值满足:
45、(8)
46、其中,表示协同增益项,表示风险失衡惩罚项,和为非负调节系数;
47、协同增益项满足:
48、(9)
49、风险失衡惩罚项满足:
50、(10)。
51、步骤6的具体过程为:
52、基准区域为行政层级一致且治理任务相近的参考区域,或者为目标区域在历史上表现最优的时间窗构建得到的基准样本;对每一指标,计算目标区域与基准区域之间的差异值,并计算对应指标对动态评估值的敏感度,
53、敏感度采用单指标扰动方式计算,对第个指标分别增加和减少,重新计算得到和,则:
54、(11)
55、其中,和分别表示第个指标增加和减少后的动态评估值;
56、计算指标在复杂系统时变耦合网络中的中心性特征值,综合差异值、敏感度和中心性,可得到短板优先级指数;依据短板优先级指数输出六维特征的关键短板排序结果,如下公式(12)所示:
57、(12)
58、其中,qj表示第j个指标在时刻t下的短板优先级指数;针对候选干预策略,首先按照预设干预强度更新当前时间窗内的目标指标向量;
59、根据候选干预策略对应的干预变量及干预强度更新当前时间窗内的目标指标向量;按照传播迭代公式:
60、(13)
61、执行预设步数的传播计算,其中,表示传播衰减系数,表示当前时间窗下的耦合边权矩阵,表示基准指标向量,表示将计算结果限制在[0,1]区间内;
62、依据传播后的动态评估值增量、稳定性指标和实施成本指标计算综合收益值,候选干预策略的综合收益值满足:
63、(14)
64、其中,为非负调节系数。
65、本发明的有益效果如下:
66、(1)通过对多源异构时序数据进行统一时间对齐、缺失修复和文本强度量化处理,提高了不同类型治理数据进入统一计算框架的可实施性;
67、(2)通过引入时滞相关度、互信息值和灰色关联度构建复杂系统时变耦合网络,使治理压力、治理投入、组织协同、执行响应、监督反馈和治理结果之间的时变关系能够被连续刻画;
68、(3)通过短板优先级指数与干预传播仿真相结合,实现了从动态评估、关键短板识别到目标干预策略生成的闭环处理,提高了结果输出的可解释性与可执行性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com