[01102765]企业污染物排放大数据监控及知识图谱构建

所属领域

环境保护、数据处理

成果介绍

本项成果不依赖于企业具体造假手段， 基于大数据分析， 构建一种通用、普 适的区域企业的环境数据造假识别 AI 模型， 应用了概率连续性检验技术，通过 识别排放标准值附近的概率密度异常跳跃， 实现区域企业数据异常行为可能性的 定量判断，可提高执法工作的针对性和有效性。

从最原始的数据(包括结构化、半结构化、非结构化数据) 出发， 采用一系 列自动或者半自动的技术手段， 从原始数据库和第三方数据库中提取知识事实， 并将其存入知识库的数据层和模式层， 辅以专家知识和行业调研经验， 构建行业 工艺领域知识图谱，助力重点行业的技术革新。

应用介绍

同类产品主要为简单的数据异常判断， 包括企业仪器故障、运维记录作假等 结果筛查， 主要用于解决企业在线监控运维不规范等问题， 不能定量化分析企业 污染物排放数据造假的可能性， 也不能准确定位具体企业数据异常行为。在构建 知识图谱方面， 同类产品人工依赖大， 工作量巨大， 专家要求高， 易造成知识信 息缺损与冗余。本技术可实现对海量数据的实时动态分析， 定量化分析企业数据 造假行为， 有效减少人力成本与专家依赖度， 具有显著的技术竞争力和广阔的应 用前景。

技术优势

本项成果创新性地应用了概率连续性检验技术对企业污染排放数据进行分 析，通过识别排放标准值附近的概率密度异常跳跃及基于时间序列的相似度分析 技术， 挖掘排放规律， 定位具体企业数据异常(造假) 行为， 定量化分析企业数 据造假可能性。

本项成果区分结构化、非结构化资料信息提取过程， 从结构化的资料中提取 实体、关系以及实体属性信息， 作为训练样本，应用于非结构化的知识提取中， 能够在保证精度的同时降低人工成本提供工作效率。

合作方式

1、寻找应用场景；

2、寻求资源对接。