CN116109142B - 基于人工智能的危险废物监管方法、***及装置 - Google Patents
基于人工智能的危险废物监管方法、***及装置 Download PDFInfo
- Publication number
- CN116109142B CN116109142B CN202310343262.7A CN202310343262A CN116109142B CN 116109142 B CN116109142 B CN 116109142B CN 202310343262 A CN202310343262 A CN 202310343262A CN 116109142 B CN116109142 B CN 116109142B
- Authority
- CN
- China
- Prior art keywords
- supervision
- information
- hazardous waste
- waste
- resource information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002699 waste material Substances 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 38
- 239000002920 hazardous waste Substances 0.000 claims abstract description 140
- 238000007405 data analysis Methods 0.000 claims abstract description 36
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims description 68
- 238000012544 monitoring process Methods 0.000 claims description 22
- 238000012546 transfer Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000012098 association analyses Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000001902 propagating effect Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims 1
- 238000012806 monitoring device Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 239000002253 acid Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000002906 medical waste Substances 0.000 description 2
- 239000002480 mineral oil Substances 0.000 description 2
- 235000010446 mineral oil Nutrition 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 239000002910 solid waste Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 238000004056 waste incineration Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Animal Behavior & Ethology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于人工智能的危险废物监管方法、***及装置,涉及危险废物管理技术领域。本申请通过对获取到的危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息预处理后存储于危险废物数据库中,然后基于典型行业数据分析模型从危险废物数据库中进行信息抽取构建典型行业的危险废物数据图谱,通过多个危险废物监管类别模型分别对危险废物数据图谱进行信息推理对应得到多个监管类别执行情况,然后根据多个监管类别执行情况确定预警事件。本申请通过获取危险废物相关大数据来构建危险废物数据图谱并基于危险废物监管类别模型对危险废物数据图谱进行分析确定不同监管类别执行情况,从而实现对不合理事件自动预警。
Description
技术领域
本发明涉及危险废物管理技术领域,尤其涉及一种基于人工智能的危险废物监管方法、***及装置。
背景技术
固体废物污染防治关乎着生态环境质量,对企业产生的危险废物开展***性监管,建立信息平台,对危险废物的全过程追溯,有利于对危险废物进行防治,改善生态环境。目前,固体废物信息化管理***缺少大数据分析、数据挖潜应用能力较为落后,难以对企业的危险废物处理行为风险进行有效分析,从而无法针对危险废物进行有效溯源以及对错误处理行为进行预警。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于人工智能的危险废物监管方法、***及装置,能够对危险废物的产生及处理全过程分析和预警。
一方面,本发明实施例提供了一种基于人工智能的危险废物监管方法,包括以下步骤:
获取危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息;
对所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息进行预处理后存储于危险废物数据库中;
基于典型行业数据分析模型从所述危险废物数据库中进行信息抽取并构建典型行业的危险废物数据图谱,其中,所述危险废物数据图谱包括实体、实体关系和事件;
通过多个危险废物监管类别模型分别对所述危险废物数据图谱进行信息推理对应得到多个监管类别执行情况;
根据多个所述监管类别执行情况确定预警事件。
根据本发明一些实施例,所述获取危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息包括以下步骤:
通过智能联网终端获取危险废物台账管理数据信息和操作合规性记录信息,其中,所述危险废物台账管理数据信息包括危险废物转运时的危险废物类别、出入库时间、地点、经办人和出库去向,所述操作合规性记录信息包括出入库过程的视频监控视频、关键环节视频截图和台账合规验证辅助资料图片;
通过接口技术获取企业管理***的企业内部资源信息和政务管理***的政务资源信息,其中,所述企业内部资源信息包括危险废物产生、处置相关的资源信息,所述政务资源信息包括环保审批、排污许可、污染源在线自动监控资源信息。
根据本发明一些实施例,所述对所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息进行预处理后存储进危险废物数据库中包括以下步骤:
对所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息依次进行数据清洗、格式转换和数据整理;
将所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息中的结构化、半结构化和非结构化存储于危险废物数据库的不同分库中。
根据本发明一些实施例,所述典型行业数据分析模型通过以下步骤获得:
获取标记有实体、实体关系和事件标签的训练文档;
初始化基于神经网络的典型行业数据分析模型;
通过所述典型行业数据分析模型在所述训练文档进行正向传播得到预测结果,并根据训练文档的标签和预测结果进行反向传播以更新所述典型行业数据分析模型;
当达到预设更新次数,通过对所述典型行业数据分析模型输出的预测结果进行评估以补充训练文档的标签,并继续训练所述典型行业数据分析模型,直到所述典型行业数据分析模型输出的预测结果达到预设精度。
根据本发明一些实施例,所述通过多个危险废物监管类别模型分别对所述危险废物数据图谱进行信息推理对应得到多个监管类别执行情况包括以下步骤:
将所述危险废物数据图谱输入所述监管类别模型的元素提取层得到监管类别元素;
根据所述监管类别模型的中元素匹配规则对所述监管类别元素进行分析得到对应的监管类别执行情况。
根据本发明一些实施例,多个危险废物监管类别模型分别为环保手续监管模型、贮存管理监管模型、产废单元自行利用处置监管模型、危险废物台账规范化管理监管模型和执行危险废物转移管理规定监管模型,多个所述监管类别执行情况分别为环保手续执行情况、贮存管理执行情况、产废单位自行利用处置情况、危险废物台账规范化管理情况和执行危险废物转移管理规定情况。
根据本发明一些实施例,所述基于人工智能的危险废物监管方法还包括以下步骤:
计算所述危险废物数据图谱中事件之间的相似度;
将相似度大于相似阈值的两个事件互相确定为相似事件;
当目标事件的相似事件个数大于预设数量,则将目标事件和所述目标事件的相似事件泛化为一个事件。
根据本发明一些实施例,所述根据多个所述监管类别执行情况确定预警事件包括以下步骤:
根据监管类别执行情况的确定不合理事件;
根据事件关联逻辑规则确定所述不合理事件的关联事件;
将所述不合理事件和所述关联事件确定为预警事件。
另一方面,本发明实施例还提供一种基于人工智能的危险废物监管***,包括:
第一模块,用于获取危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息;
第二模块,用于对所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息进行预处理后存储于危险废物数据库中;
第三模块,用于基于典型行业数据分析模型从所述危险废物数据库中进行信息抽取并构建典型行业的危险废物数据图谱,其中,所述危险废物数据图谱包括实体、实体关系和事件;
第四模块,用于通过多个危险废物监管类别模型分别对所述危险废物数据图谱进行信息推理对应得到多个监管类别执行情况;
第五模块,用于根据多个所述监管类别执行情况确定预警事件。
另一方面,本发明实施例还提供一种基于人工智能的危险废物监管装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得至少一个所述处理器实现如前面所述的基于人工智能的危险废物监管方法。
本发明上述的技术方案至少具有如下优点或有益效果之一:通过对获取到的危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息进行预处理后存储于危险废物数据库中,然后基于典型行业数据分析模型从危险废物数据库中进行信息抽取构建典型行业的危险废物数据图谱,通过多个危险废物监管类别模型分别对危险废物数据图谱进行信息推理对应得到多个监管类别执行情况,然后根据多个监管类别执行情况确定预警事件。本申请通过获取危险废物相关大数据来构建危险废物数据图谱并基于危险废物监管类别模型对危险废物数据图谱进行分析确定不同监管类别执行情况,从而实现对不合理事件自动预警。
附图说明
图1是本发明实施例提供的基于人工智能的危险废物监管方法流程图;
图2是本发明实施例提供的基于人工智能的危险废物监管装置示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或者类似的标号表示相同或者类似的原件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、左、右等指示的方位或者位置关系为基于附图所示的方位或者位置关系,仅是为了便于描述本发明和简化描述,而不是指示或者暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
本发明的描述中,如果有描述到第一、第二等只是用于区分技术特征为目的,而不能理解为指示或者暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明实施例提供了一种基于人工智能的危险废物监管方法,本申请实施例中的方法,可应用于终端中,也可应用于服务器中,还可以是运行于终端或服务器中的软件等。终端可以是平板电脑、笔记本电脑、台式计算机等,但并不局限于此。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1,本发明实施例提供了一种基于人工智能的危险废物监管方法,包括但不限于以下步骤:
步骤S110,获取危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息;
步骤S120,对危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息进行预处理后存储于危险废物数据库中;
步骤S130,基于典型行业数据分析模型从危险废物数据库中进行信息抽取得到典型行业的危险废物数据图谱,其中,危险废物数据图谱包括实体、实体关系和事件;
步骤S140,通过多个危险废物监管类别模型分别对危险废物数据图谱进行信息推理对应得到多个监管类别执行情况;
步骤S150,根据多个监管类别执行情况确定预警事件。
在步骤S110的一些实施例中,危险废物台账管理数据信息和操作合规性记录信息可以通过智能联网终端获取,智能联网终端可以是智能地磅、标签打印机、RFID移动终端和视频摄像头等,实现对危险废物的称重、出入库等台账数据记录和操作监测。危险废物台账管理数据信息包含相关执行标准中的全部需要记录的内容,包括但不限于危险废物类别、出入库时间、地点、经办人、出库去向等数据信息。通过摄像头对危险废物台账管理操作进行合规性记录得到操作合规性记录信息,操作合规性记录信息包括不限于出入库过程的视频监控视频、关键环节视频截图和拍摄的台账合规验证辅助资料图片等,台账合规验证辅助资料可以是废物转移收据、***、合同、检测报告等。
通过接口技术获取企业管理***的企业内部资源信息和政务管理***的政务资源信息,接口技术可以是WebService、Restful、XML等,通过接口技术与EPR、WMS、MES等软件***对接获取危险废物产生、处置相关的企业内部资源信息,企业内部资源信息包括不限于原材料清单和数量记录、委外利用记录、废物焚烧处置记录、自行处置记录等。政务资源信息包括但不限于环保审批、排污许可证、信访投诉、环境影响评价、日常监督性监测、污染源在线自动监控数据等,以及工商部门、住建部门、卫健部门、交通部门等外部关联数据。
在步骤S120的一些实施例中,预处理过程包括但不限于数据清洗、数据格式转换、数据来源标记、文件格式分类等。危险废物数据库可以搭建于由多台数据存储服务器构成的服务器集群上。
具体地,步骤S120包括但不限于以下步骤:
步骤S210,对危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息依次进行数据清洗、格式转换和数据整理;
步骤S220,将危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息中的结构化、半结构化和非结构化存储于危险废物数据库的不同分库中。
在本实施例中,危险废物数据库获取到的数据包括文本、图片、视频等多模态数据,相较于文本类数据的结构化与半结构化数据类型,图像与视频类数据均属于非结构化数据,***需要对不同结构类型数据进行预处理,将原始输入数据进行对齐,从而将其转化为机器可以统一理解的数据表征。
在步骤S130的一些实施例中,典型行业数据分析模型为基于各典型行业的危险废物专家知识所构建的用于抽取典型行业中相关的实体、实体关系和事件,并基于抽取出的实体、实体关系和事件构建该典型行业的危险废物数据图谱的模型算法。典型行业可以是医疗废物行业、废铅酸电池行业、废矿物油行业和危废综合处置行业,通过对应的典型行业数据分析模型分别构建医疗废物行业的危险废物数据图谱、废铅酸电池行业的危险废物数据图谱、废矿物油行业的危险废物数据图谱和危废综合处置行业的危险废物数据图谱。
危险废物数据图谱是一种采用知识图谱形式表示的危险废物数据库中与典型行业危险废物相关的数据。危险废物数据图谱建立在信息抽取的基础上,信息抽取包括典型行业数据的文本抽取、图像抽取和信息融合,将不同数据来源结合常识知识进行匹配、消歧及融合来进行实体、实体关系和事件抽取。实体抽取即命名实体识别,包括实体的检测和分类,例如识别人名、地名等。关系抽取是指自动识别实体之间具有的某种语义关系,根据参与实体的多少可以分为二元关系抽取(两个实体)和多元关系抽取(三个及以上实体),例如某人生活在某地即为两个实体间的关系。事件抽取是指从描述事件信息的文本中抽取出用户感兴趣的事件并以结构化的形式呈现出来,即将非结构化文本中的事件信息展现为结构化形式;在事件定义中,事件由事件触发词、事件论元以及事件属性构成,事件触发词标识着事件的发生;事件论元为事件主体、客体、时间、地点等,是表达事件重要信息的载体。事件属性包括事件极性、时态,是衡量事件是否真实发生的重要依据,通过极性事件可分为肯定、否定、可能事件,通过时态事件可分为过去发生的事件、现在正在发生的事件、将要发生的事件以及其他无法确定时态的事件。
示例性地,危险废物数据库存储有“A公司在2023年共采用XX型号货车转移100吨B型废物”,通过典型行业数据分析模型对“A公司”和“B型废物”等关键词检索,确定该事件属于医疗行业,然后通过自然语言处理技术对该句子进行划分和向量表示,可以提取出实体“A公司”、“XX型号货车”、“B型废物”、“废物数量”等,“A公司转运B型废物”、“XX型号货车装载B型废物”为两个实体间的关系,然后通过实体和实体关系并添加时间、地点等事件属性,从而构成该转移事件的结构表示。
在一些实施例中,典型行业数据分析模型通过以下步骤获得:
步骤S310,获取标记有实体、实体关系和事件标签的训练文档;
步骤S320,初始化基于神经网络的典型行业数据分析模型;
步骤S330,通过典型行业数据分析模型在训练文档进行正向传播得到预测结果,并根据训练文档的标签和预测结果进行反向传播以更新典型行业数据分析模型;
步骤S340,当达到预设更新次数,通过对典型行业数据分析模型输出的预测结果进行评估以补充训练文档的标签,并继续训练典型行业数据分析模型,直到典型行业数据分析模型输出的预测结果达到预设精度。
在本实施例中,首先通过小样本学习初步训练典型行业数据分析模型学习实体识别、实体关系识别和事件推理,在典型行业数据分析模型训练达到一定次数后,补充典型行业领域概念知识及专家样例标注进行增强学习,通过这种分阶段融合专家深度参与机制,即第一阶段训练完成之后,结合评估结果需要专家参与对识别实体及关系进行评估,调整并补充先验知识,能够提高典型行业数据分析模型的准确性。
在步骤S140的一些实施例中,步骤S140包括但不限于以下步骤:
步骤S410,将危险废物数据图谱输入监管类别模型的元素提取层得到监管类别元素;
步骤S420,根据监管类别模型的中元素匹配规则对监管类别元素进行分析得到对应的监管类别执行情况。
在本实施例中,危险废物监管类别模型用于根据对应的监管类型提取对应的实体、实体关系和事件等元素,并根据监管类型元素匹配规则和元素关联规则确定该监管类别执行情况。危险废物监管类别模型可以是环保手续监管模型、贮存管理监管模型、产废单元自行利用处置监管模型、危险废物台账规范化管理监管模型和执行危险废物转移管理规定监管模型的至少其中之一,对应的监管类别执行情况为环保手续执行情况、贮存管理执行情况、产废单位自行利用处置情况、危险废物台账规范化管理情况和执行危险废物转移管理规定情况。
示例性地,环保手续监管模型从危险废物知识图谱中抽取环境影响评价文件、排污许可、建设项目内容(其包括性质、规模、地点、生产工艺、污染防治设施)、企业产废内容(其包括基础信息、生产设施、原料、产品产量、排污节点、产废节点、危废类别、污染排放情况)等元素,然后根据环保手续监管模型中的元素匹配规则判断建设项目内容是否与环评文件要求一致、企业产废内容是否与排污许可是否一致,根据环保手续监管模型中的元素关联规则从事件时间关联分析可以确定是否存在未批先建、未许可先投、未验先投的情况,也可以从原料投入和废物产出关联分析可以确定是否存在弄虚作假的情况。可以理解的是,环保手续监管模型中的元素匹配规则和元素关联规则可以根据监管需求进行设置,由于监管所涉及的监管和监管事件众多,元素匹配规则和元素关联规则可以通过神经网络算法对该监管类别的基础知识和相关监管文件进行深度学习得到,同时结合专家对学习到事件规则进行评估和经验补充进行强化学习,得到该监管类型的元素匹配规则和元素关联规则。
根据本发明一些实施例,本发明实施例中的基于人工智能的危险废物监管方法还包括以下步骤:
步骤S510,计算危险废物数据图谱中事件之间的相似度;
步骤S520,将相似度大于相似阈值的两个事件互相确定为相似事件;
步骤S530,当目标事件的相似事件个数大于预设数量,则将目标事件和目标事件的相似事件泛化为一个事件。
在本实施例中,在构建危险废物数据图谱过程中数据来源众多,在同一事件在不同维度(时间、空间、语法、词法等)存在不同表达。例如危险废物企业在事前申报“危险废物转移计划”中的“拟转危险废物的基本信息”记录内容包含危险废物名称、类别代码、数量、形态、主要有害成分、运输包装方式等,在转移过程中填写“危险废物转移联单”记录内容包含废物名称、类别编号、废物特征、包装方式等,这明显是一个事件,但内容存在差异,其中“危险废物名称”、“类别代码”、“废物特征”、“包装方式”这些是事件的实体属性,在不同维度记录信息不同,因此需要在监管情况分析后将其泛化为“危险废物转移合格”或“危险废物转移合格”事件,也可以再进一步范围为“危险废物转移”事件。泛化事件是通过神经网络等智能化手段将同一主题相关事件元素进行融合,事件泛化需要通过计算事件的相关度性以将有较多相似事件的具体事件泛化为一个主题的事件,在泛化事件的基础上可以继续进行事件泛化。例如将相似度大于相似阈值0.4的两个事件互相确定为相似事件,当目标事件的相似事件个数大于预设数量3个,则进行事件泛化,小于3个则认为该事件缺少一般性而不进行泛化。其中,每一阶段的泛化相似阈值、预设数量以及泛化主题均可以利用标注事件主题的样本并通过深度学习样本训练神经网络得到。
在步骤S150的一些实施例中,步骤S150包括但不限于以下步骤:
步骤S610,根据监管类别执行情况的确定不合理事件;
步骤S620,根据事件关联逻辑规则确定不合理事件的关联事件;
步骤S630,将不合理事件和关联事件确定为预警事件。
示例性地,根据贮存管理监管模型确定贮存管理执行情况,对贮存管理执行情况进行事件泛化确定存在“贮存超期”的不合理事件,通过根据危险废物基础知识库构建的事件关联逻辑规则可以确定“贮存超期”事件与“产废单位自行利用处置”、“危险废物转移”两个事件存在并行关系或串行逻辑关联,通过分别对“产废单位自行利用处置”事件和“危险废物转移”事件的向下数据钻取,“贮存超期”废物类型在某空间或时间,是由于产废单位没有开展自行利用处置或者危险废物转移不及时等业务场景,从而对“贮存超期”事件和存在问题的关联事件进行预警。
预警事件的展示信息可以包括在GIS地图上的空间定位,该预警事件所涉及的具体多模态信息,例如“危险废物转移不合格”事件向下数据钻取到的台账信息和台账凭证信息、危险废物转移联单信息、视频或图像信息等,从而辅助监管人员进行决策分析。本实施例可以短信、***等多种方式进行事件预警,以及将相关预警事件通过API接口发送到可进行任务协同的其他相关***,例如移动执法***、OA办公***等。
本发明实施例能够解决危险废物大数据构建方法存在的人为工作量大、耗费大量的计算机资源、碎片化信息过多、数据不完整、难以对不同来源的数据资源区别提取和融合的问题。采用针对性的典型行业或者监管类型策略抽取实体、事件等并结合深度神经网络、机器学习方法构建对应数据图谱和监管相关规则,能够及时准确发现危险废物规范化环境管理中存在的风险,提高危险废物处理全过程监控和信息化追溯能力。
另一方面,本发明实施例还提供一种基于人工智能的危险废物监管***,包括:
第一模块,用于获取危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息;
第二模块,用于对危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息进行预处理后存储于危险废物数据库中;
第三模块,用于基于典型行业数据分析模型从危险废物数据库中进行信息抽取得到典型行业的危险废物数据图谱,其中,危险废物数据图谱包括实体、实体关系、实体属性和事件;
第四模块,用于通过多个危险废物监管类别模型分别对危险废物数据图谱进行信息推理对应得到多个监管类别执行情况;
第五模块,用于根据多个监管类别执行情况确定预警事件。
可以理解的是,上述基于人工智能的危险废物监管方法实施例中的内容均适用于本***实施例中,本***实施例所具体实现的功能与上述基于人工智能的危险废物监管方法实施例相同,并且达到的有益效果与上述基于人工智能的危险废物监管方法实施例所达到的有益效果也相同。
参照图2,图2是本发明一个实施例提供的基于人工智能的危险废物监管装置的示意图。本发明实施例的基于人工智能的危险废物监管装置包括一个或多个控制处理器和存储器,图2中以一个控制处理器及一个存储器为例。
控制处理器和存储器可以通过总线或者其他方式连接,图2中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于控制处理器远程设置的存储器,这些远程存储器可以通过网络连接至该基于人工智能的危险废物监管装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本领域技术人员可以理解,图2中示出的装置结构并不构成对基于人工智能的危险废物监管装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
实现上述实施例中应用于基于人工智能的危险废物监管装置的基于人工智能的危险废物监管方法所需的非暂态软件程序以及指令存储在存储器中,当被控制处理器执行时,执行上述实施例中应用于基于人工智能的危险废物监管装置的基于人工智能的危险废物监管方法。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (9)
1.一种基于人工智能的危险废物监管方法,其特征在于,包括以下步骤:
获取危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息;
对所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息进行预处理后存储于危险废物数据库中;
基于典型行业数据分析模型从所述危险废物数据库中进行信息抽取并构建典型行业的危险废物数据图谱,其中,所述危险废物数据图谱包括实体、实体关系和事件;
将所述危险废物数据图谱输入监管类别模型的元素提取层得到监管类别元素;
根据所述监管类别模型中的元素匹配规则和元素关联规则对所述监管类别元素进行分析得到对应的监管类别执行情况,其中,所述元素关联规则用于对多个监管类别元素进行事件时间关联分析和投入产出数量关联分析,所述元素匹配规则和元素关联规则通过神经网络算法对相应监管类别的基础知识和标准监管文件进行深度学习得到;
根据多个所述监管类别执行情况确定预警事件。
2.根据权利要求1所述的基于人工智能的危险废物监管方法,其特征在于,所述获取危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息包括以下步骤:
通过智能联网终端获取危险废物台账管理数据信息和操作合规性记录信息,其中,所述危险废物台账管理数据信息包括危险废物转运时的危险废物类别、出入库时间、地点、经办人和出库去向,所述操作合规性记录信息包括出入库过程的视频监控视频、关键环节视频截图和台账合规验证辅助资料图片;
通过接口技术获取企业管理***的企业内部资源信息和政务管理***的政务资源信息,其中,所述企业内部资源信息包括危险废物产生、处置相关的资源信息,所述政务资源信息包括环保审批、排污许可、污染源在线自动监控资源信息。
3.根据权利要求1所述的基于人工智能的危险废物监管方法,其特征在于,所述对所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息进行预处理后存储进危险废物数据库中包括以下步骤:
对所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息依次进行数据清洗、格式转换和数据整理;
将所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息中的结构化、半结构化和非结构化存储于危险废物数据库的不同分库中。
4.根据权利要求1所述的基于人工智能的危险废物监管方法,其特征在于,所述典型行业数据分析模型通过以下步骤获得:
获取标记有实体、实体关系和事件标签的训练文档;
初始化基于神经网络的典型行业数据分析模型;
通过所述典型行业数据分析模型在所述训练文档进行正向传播得到预测结果,并根据训练文档的标签和预测结果进行反向传播以更新所述典型行业数据分析模型;
当达到预设更新次数,通过对所述典型行业数据分析模型输出的预测结果进行评估以补充训练文档的标签,并继续训练所述典型行业数据分析模型,直到所述典型行业数据分析模型输出的预测结果达到预设精度。
5.根据权利要求1所述的基于人工智能的危险废物监管方法,其特征在于,多个危险废物监管类别模型分别为环保手续监管模型、贮存管理监管模型、产废单元自行利用处置监管模型、危险废物台账规范化管理监管模型和执行危险废物转移管理规定监管模型,多个所述监管类别执行情况分别为环保手续执行情况、贮存管理执行情况、产废单位自行利用处置情况、危险废物台账规范化管理情况和执行危险废物转移管理规定情况。
6.根据权利要求1所述的基于人工智能的危险废物监管方法,其特征在于,所述基于人工智能的危险废物监管方法还包括以下步骤:
计算所述危险废物数据图谱中事件之间的相似度;
将相似度大于相似阈值的两个事件互相确定为相似事件;
当目标事件的相似事件个数大于预设数量,则将目标事件和所述目标事件的相似事件泛化为一个事件。
7.根据权利要求6所述的基于人工智能的危险废物监管方法,其特征在于,所述根据多个所述监管类别执行情况确定预警事件包括以下步骤:
根据监管类别执行情况的确定不合理事件;
根据事件关联逻辑规则确定所述不合理事件的关联事件;
将所述不合理事件和所述关联事件确定为预警事件。
8.一种基于人工智能的危险废物监管***,其特征在于,包括:
第一模块,用于获取危险废物台账管理数据信息、操作合规性记录信息、企业内部资源信息和政务资源信息;
第二模块,用于对所述危险废物台账管理数据信息、所述操作合规性记录信息、所述企业内部资源信息和所述政务资源信息进行预处理后存储于危险废物数据库中;
第三模块,用于基于典型行业数据分析模型从所述危险废物数据库中进行信息抽取并构建典型行业的危险废物数据图谱,其中,所述危险废物数据图谱包括实体、实体关系和事件;
第四模块,用于将所述危险废物数据图谱输入监管类别模型的元素提取层得到监管类别元素;根据所述监管类别模型中的元素匹配规则和元素关联规则对所述监管类别元素进行分析得到对应的监管类别执行情况,其中,所述元素关联规则用于对多个监管类别元素进行事件时间关联分析和投入产出数量关联分析,所述元素匹配规则和元素关联规则通过神经网络算法对相应监管类别的基础知识和标准监管文件进行深度学习得到;
第五模块,用于根据多个所述监管类别执行情况确定预警事件。
9.一种基于人工智能的危险废物监管装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得至少一个所述处理器实现如权利要求1至7任一项所述的基于人工智能的危险废物监管方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310343262.7A CN116109142B (zh) | 2023-04-03 | 2023-04-03 | 基于人工智能的危险废物监管方法、***及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310343262.7A CN116109142B (zh) | 2023-04-03 | 2023-04-03 | 基于人工智能的危险废物监管方法、***及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116109142A CN116109142A (zh) | 2023-05-12 |
CN116109142B true CN116109142B (zh) | 2023-06-27 |
Family
ID=86267543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310343262.7A Active CN116109142B (zh) | 2023-04-03 | 2023-04-03 | 基于人工智能的危险废物监管方法、***及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109142B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107749041A (zh) * | 2017-10-30 | 2018-03-02 | 南京莱斯信息技术股份有限公司 | 一种对危险化学品进行全生命周期监管*** |
WO2021103492A1 (zh) * | 2019-11-28 | 2021-06-03 | 福建亿榕信息技术有限公司 | 一种企业经营风险预测方法和*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085449A (zh) * | 2020-09-15 | 2020-12-15 | 杭州三晟环境服务有限公司 | 一种固体废物管理*** |
CN112541088B (zh) * | 2020-12-29 | 2022-05-17 | 浙大城市学院 | 一种基于知识图谱的危险化学品库构建方法 |
CN112948509B (zh) * | 2021-04-21 | 2024-02-02 | 华东理工大学 | 危险化学品的管理方法及装置以及管理数据库的构建方法 |
CN113779358B (zh) * | 2021-09-14 | 2024-05-24 | 支付宝(杭州)信息技术有限公司 | 一种事件检测方法和*** |
CN114266483B (zh) * | 2021-12-23 | 2022-11-22 | 江苏云聚汇科技有限公司 | 一种基于物联网的危险废物监管*** |
CN114358997A (zh) * | 2021-12-31 | 2022-04-15 | 湖南尚兴科技有限公司 | 工业固液体废物含危险废物信息化监管追溯***及方法 |
CN115186953A (zh) * | 2022-04-18 | 2022-10-14 | 苏州环职安环境工程技术有限公司 | 一种危废仓库的安全识别和预警*** |
CN115221332A (zh) * | 2022-06-13 | 2022-10-21 | 北京石油化工学院 | 一种危化品事故事理图谱的构建方法与*** |
CN115563292A (zh) * | 2022-08-18 | 2023-01-03 | 河北科技大学 | 一种危险废物名录知识图谱的建立方法及构建装置 |
CN115481959A (zh) * | 2022-09-26 | 2022-12-16 | 天津宏菱科技有限公司 | 基于智能化的危险废物出入库台账及联单管理*** |
-
2023
- 2023-04-03 CN CN202310343262.7A patent/CN116109142B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107749041A (zh) * | 2017-10-30 | 2018-03-02 | 南京莱斯信息技术股份有限公司 | 一种对危险化学品进行全生命周期监管*** |
WO2021103492A1 (zh) * | 2019-11-28 | 2021-06-03 | 福建亿榕信息技术有限公司 | 一种企业经营风险预测方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN116109142A (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11562304B2 (en) | Preventative diagnosis prediction and solution determination of future event using internet of things and artificial intelligence | |
US20240086793A1 (en) | Omnichannel, intelligent, proactive virtual agent | |
CN110889556B (zh) | 一种企业经营风险特征数据信息提取方法和提取*** | |
US11615331B2 (en) | Explainable artificial intelligence | |
CN103778471A (zh) | 提供信息差距的指示的问答*** | |
Hodorog et al. | Machine learning and Natural Language Processing of social media data for event detection in smart cities | |
CN110555568A (zh) | 一种基于社交网络信息的道路交通运行状态实时感知方法 | |
US20190370918A1 (en) | System and method for analyzing and modeling content | |
US11675750B2 (en) | User generated tag collection system and method | |
CN113570269A (zh) | 运维项目的管理方法、装置、设备、介质和程序产品 | |
Guo et al. | Text quality analysis of emergency response plans | |
Graf et al. | Event-driven ontology population-from research to practice in critical infrastructure systems | |
Bibyan et al. | Bug severity prediction using LDA and sentiment scores: A CNN approach | |
US20240028301A1 (en) | System, method, and process for detecting feature requests indicating a security risk | |
CN116109142B (zh) | 基于人工智能的危险废物监管方法、***及装置 | |
Mohamad et al. | Identifying security-related requirements in regulatory documents based on cross-project classification | |
Lesot et al. | Information quality and uncertainty | |
Al Sailawi et al. | Analyzing the Use of Social Media Data to Understand Long-Term Crisis Management Challenges of COVID-19 | |
CN114238641A (zh) | 运维知识的挖掘方法、装置、设备、存储介质和程序产品 | |
CN114140004A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
Deshpande et al. | BI and sentiment analysis | |
CN111797233A (zh) | 基于垂直领域的事件链结构识别的方法和装置 | |
Nguyen et al. | Comparing global news sentiment using hesitant linguistic terms | |
Li et al. | Research on computer static software defect detection system based on big data technology | |
Demirjian et al. | Artificial Intelligence and the Future of Environmental Health and Safety Management. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |