[发明专利]污染源异常排放行为的检测方法、装置及计算机设备

权利要求书

1.一种污染源异常排放行为的检测方法，其特征在于，包括：

获取待检测污染源的多维度属性数据，其中，所述多维度属性数据包括：生态环境质量数据、污染源管理数据和物联网监管数据；所述生态环境质量数据包括空气质量数据，所述污染源管理数据至少包括污染源的位置信息、所属行业信息、企业评价信息、工商数据、周边土地利用数据和执法检查数据的一种或几种，所述物联网监管数据至少包括视频监控数据、环保设施用水数据和用电监控数据的一种或几种；

分别计算所述待检测污染源在所述多维度属性数据下存在异常排放行为的第一概率值和不存在异常排放行为的第二概率值；

若所述第一概率值大于所述第二概率值，则判定所述待检测污染源存在疑似异常排放行为；

其中，所述分别计算所述待检测污染源在所述多维度属性数据下存在异常排放行为的第一概率值和不存在异常排放行为的第二概率值，包括：

获取样本污染源的多维度样本属性数据，并基于所述多维度样本属性数据构建预设异常排放识别贝叶斯模型；

利用所述预设异常排放识别贝叶斯模型计算所述样本污染源存在异常排放行为的第三概率值和不存在异常排放行为的第四概率值，以及所述多维度属性数据分别在存在异常排放行为条件下的第五概率值和不存在异常排放行为条件下的第六概率值；

根据所述第三概率值、所述第四概率值、所述第五概率值和所述第六概率值，计算所述待检测污染源在多维度属性下存在异常排放行为的第一概率值和不存在异常排放行为的第二概率值；

其中，计算所述第五概率值及所述第六概率值的具体方法为：

其中，A₁、A₂、A₃为所述多维度样本属性数据中的3种数据，且所述多维度属性数据中的3种数据之间相互独立，C₀为所述待检测污染源存在异常排放行为，C₁为所述待检测污染源不存在异常排放行为，为所述第五概率值，为所述第六概率值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第三概率值、所述第四概率值、所述第五概率值和所述第六概率值，计算所述待检测污染源在多维度属性下存在异常排放行为的第一概率值和不存在异常排放行为的第二概率值，包括：

将所述第三概率值和所述第五概率值相乘，得到所述待检测污染源在多维度属性下存在异常排放行为的第一概率值；

将所述第四概率值和所述第六概率值相乘，得到所述待检测污染源在多维度属性下不存在异常排放行为的第二概率值。

3.根据权利要求1所述的方法，其特征在于，在所述基于所述多维度样本属性数据构建预设异常排放识别贝叶斯模型之后，所述方法还包括：

利用数据验证集对构建的预设异常排放识别贝叶斯模型进行准确度验证，得到检测结果正确的数据量；

将所述检测结果正确的数据量除以所述数据验证集的总数据量，得到所述预设异常排放识别贝叶斯模型的准确度；

若所述预设异常排放识别贝叶斯模型对应的准确度小于预设准确度，则对所述预设异常排放识别贝叶斯模型进行参数优化。

4.根据权利要求3所述的方法，其特征在于，所述对所述预设异常排放识别贝叶斯模型进行参数优化，包括：

确定所述数据验证集中检测结果错误的多维度验证属性数据的类别信息，并将所述多维度样本属性数据按照所述类别信息进行细化；

基于细化后的多维度样本属性数据，训练所述预设异常排放识别贝叶斯模型；或者

对所述预设异常排放识别贝叶斯模型中的拉普拉斯参数进行调整，直至调整后的预设异常排放识别贝叶斯模型通过准确度验证。

5.根据权利要求1所述的方法，其特征在于，所述获取待检测污染源的多维度属性数据，包括：

收集待检测污染源的多维度监测数据；

对所述多维度监测数据进行缺失值补值处理，得到补值处理后的多维度监测数据；

对所述补值处理后的多维度监测数据进行离散化处理，得到所述待检测污染源的多维度属性数据。