CN117078024A - 一种基于视频分析的危废数量变化检测***及方法 - Google Patents
一种基于视频分析的危废数量变化检测***及方法 Download PDFInfo
- Publication number
- CN117078024A CN117078024A CN202311338471.9A CN202311338471A CN117078024A CN 117078024 A CN117078024 A CN 117078024A CN 202311338471 A CN202311338471 A CN 202311338471A CN 117078024 A CN117078024 A CN 117078024A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- data
- risk
- dangerous waste
- enterprises
- 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.)
- Granted
Links
- 239000002699 waste material Substances 0.000 title claims abstract description 206
- 230000008859 change Effects 0.000 title claims abstract description 114
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 238000012546 transfer Methods 0.000 claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000003860 storage Methods 0.000 claims description 51
- 239000002920 hazardous waste Substances 0.000 claims description 50
- 238000007726 management method Methods 0.000 claims description 36
- 238000013079 data visualisation Methods 0.000 claims description 26
- 230000006399 behavior Effects 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000012502 risk assessment Methods 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 14
- 230000010354 integration Effects 0.000 claims description 7
- 238000013524 data verification Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 5
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 208000018747 cerebellar ataxia with neuropathy and bilateral vestibular areflexia syndrome Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于视频分析的危废数量变化检测***及方法,涉及危废数量变化检测技术领域,包括:S1:获取目标区域内各企业的相关数据,对各企业的危废数量变化趋势进行分析;S2:对目标区域内各企业的危废数量变化历史数据进行分析,挖掘各企业的危废处置规律,建立危险废物转移行为判别模型;S3:对目标区域内的各企业的危废数量变化进行监测,对各企业的风险指数进行分析,对超出预设风险指数阈值的企业进行告警提示;S4:对S3标记的风险企业提供风险解读报告,追踪风险企业的调度管理相关数据,并对风险处理结果进行反馈和记录。实时监测区域内的企业危废数量波动,实现对危废处置流程的明确把控。
Description
技术领域
本发明涉及危废数量变化检测技术领域,具体为一种基于视频分析的危废数量变化检测***及方法。
背景技术
随着当今社会对环境保护的重视,由于危险废物存在严重污染和潜在的安全风险,企业能否对生产工作产生的危险废物进行妥善处理成为了企业发展的重要条件。工业化的高速发展伴随着危险废物的产量逐步增多,是否按照规定对危险废物进行管理涉及到企业的经营存续和公众影响度。越来越多的企业开始使用软件***对企业的危废数量情况进行查验,由于危险废物的种类多,隐患大,处理程序繁琐,能否高效的对企业的危废数量变化进行检测和记录是评判企业综合能力的标准之一。
当前的企业危废监管主要关注于危险废物的储存安全,如泄露问题,和储存规范,如超量问题;但是对于区域危废数据整合和危废处置流程的监管并没有实现智能分析,对区域危废数据不能实时汇总,对危废处置的流程把控不够明确,造成企业对危废数量的波动处理不及时,对危废储存的容错率较低,不能实现对危废处置流程的高效协调;如果监管机构审查到企业对危险废物的处置存在违规行为,严重情况下会导致企业停产整改,甚至吊销许可证。
因此,为了解决上述问题或部分问题,本发明提供了一种基于视频分析的危废数量变化检测***及方法。
发明内容
本发明的目的在于提供一种基于视频分析的危废数量变化检测***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于视频分析的危废数量变化检测方法,包括以下步骤:
S1:获取目标区域内各企业的相关数据,对各企业的危废数量变化趋势进行分析;
S2:对目标区域内各企业的危废数量变化历史数据进行分析,挖掘各企业的危废处置规律,建立危险废物转移行为判别模型;
S3:对目标区域内的各企业的危废数量变化进行监测,对各企业的风险指数进行分析,将超出预设风险指数阈值的企业标记为风险企业,对风险企业进行告警提示;
S4:对S3标记的风险企业提供风险解读报告,追踪风险企业的调度管理相关数据,并对风险处理结果进行反馈和记录。
进一步的,所述S1包括:
步骤S1-1:对接入服务器的目标区域内的企业数据访问权限进行获取,读取各企业的危废相关数据,所述危废相关数据包括企业当前危废数量、企业危废储存位置、企业预设危废数量上限和企业合作处置单元名单;
步骤S1-2:从数据库或相关数据源中提取企业危险废物数量的历史数据,包括企业名称、时间和危险废物数量;根据以下步骤对各企业的危险废物数量变化趋势进行分析:
步骤S1-2-1:对提取的数据进行清洗,去除数据中的缺失值,确保数据的完整性和准确性;并将时间数据转换为时间序列格式;可以根据需求对时间项进行格式转换,将数据按照年份或季度进行汇总,以便后续分析;
步骤S1-2-2:对清洗后的数据进行分解,基于季节性分解方法将原始数据Y(t)拆分为长期趋势T(t)、月度波动M(t)、循环波动C(t)和不规则波动B(t),Y(t)=T(t)+M(t)+C(t)+B(t);其中,
T(t)+C(t)=(Σk j=-kyt+j)/N ;
N表示样本数据的数量,N=2k+1,yt+j表示样本数据中t+j时的危险废物数量;
选择上一年度的企业危险废物数量的历史数据作为样本,计算每个月份的去趋势数据的平均数,取各月份对应的平均数代表各月份的月度分量;
所述去趋势数据=M(t)+B(t)=Y(t)-T(t)-C(t);
步骤S1-2-3:建立危险废物变化趋势预测模型:
S废=α+β0*t+βi*Ji+λ;
其中,S废表示危险废物数量,α是截距项,β0表示自变量时间t的系数,βi表示对应于第i个月份的系数,Ji表示第i个月的月度分量,i∈[1,12];λ表示波动残差,由相关工作人员进行预设。
将时间作为自变量,将危险废物数量作为因变量,通过最小二乘法估计模型中的系数α和β0 ,引入的月度分量可以表示月度变化对危险废物数量的波动影响,波动残差是指无法被趋势和月度波动解释的剩余部分,代表了随机波动或其他未被考虑的因素。系数βi的显著性可以通过计算p值的方法或置信区间方法来确定,系数βi的大小表示一个单位月份变化对危险废物数量的影响程度,正系数表示影响为正相关,负系数表示影响为负相关。
进一步的,所述S2包括:
步骤S2-1:获取目标区域内各企业的危险废物变化历史数据,包括储存量变化值和时间点;对收集到的数据进行清洗和整理,去除异常值或缺失数据,并进行标准化处理,以确保数据的一致性和可比性;对时间点和储存量变化值进行排序,使储存量变化值按照时间顺序排列;
步骤S2-2:计算每个时间点的储存量变化值与前一个时间点的储存量变化值之差的绝对值,得到储存量变化值的波动范围,第u+1个波动范围=|第u+1个时间点的数量变化值-第u个时间点的数量变化值|;储存量变化值=当前时间点的储存量-前一个时间点的储存量。
观察波动范围的数值大小,若在持续时间V内的波动范围数值始终小于等于各时间点对应的储存量的c%,认为危险废物数量相对稳定,没有发生转移;若在持续时间V内存在波动范围数值大于各时间点对应的储存量的c%,并且在短时间内发生多次,则认为该时间点存在危险废物转移行为,将存在危险废物转移行为的时间点设为对应企业的危废转移时间点;
步骤S2-3:获取样本集合D={(d1,p1),(d2,p2),...,(dn,pn)},其中,第i个样本(di,pi)中的di表示第i次危险废物储存量变化的时间点,pi表示时间点di时的危险废物储存量变化值;将危废转移时间点标记为叶子节点,认为该叶子节点代表的类别为存在危险废物转移行为,基于决策树分类算法建立危险废物转移行为判别模型。在对新样本进行预测时,从根节点开始遍历决策树,按照每个节点上的***规则选择相应的分支,直到到达叶子节点,将该节点所代表的类别作为预测结果,判断是否存在危险废物转移行为。
进一步的,所述S3包括:
步骤S3-1:对目标区域内各企业的危险废物数量进行监测,根据实时监测数据对各企业的危废数量变换进行预测;根据步骤S1中的危险废物变化趋势预测模型对下一时间t’的各企业危险废物数量进行预测,得到任意企业所对应的t’时的危险废物数量Lt’;
步骤S3-2:根据S2中建立的危险废物转移行为判别模型,结合步骤3-1中的预测数据对各企业的危废转移行为进行判别,将预测的危险废物数量Lt’引入S2中建立的危险废物转移行为判别模型;当任一企业存在危废转移倾向时,将该企业的风险指数的评估影响因子q加1;
步骤S3-3:对各企业当前存放的危险废物的风险指数进行评估,设当前目标区域内有E个企业,根据以下公式计算任一企业e的风险指数Fe;
Fe=(Lt’/Le)×η0+sgn(h-ε)×η1+wg×η2+q×100% ;
其中,Le表示企业e的预设储存量上限,sgn()表示符号函数,h表示该企业的历史转移申请的申请通过率,ε表示数据库中预设的申请通过率阈值;wg表示该企业的历史转移申请中第g次申请的等待时间;η0、η1、η2分别表示各项评估风险指数的影响系数,由相关工作人员预设存储至数据库中;
若目标区域内存在多个企业都有危废转移趋势,而目标区域内的危废处置存在数量限制,则当前企业的转移申请不通过的可能性会增加,若企业危废储存量处于超量临界值,转移申请的延误会导致企业增加违规风险;
步骤S3-4:对各企业的风险指数进行判别,将风险指数超过预设阈值f的企业标记为风险企业,并对风险企业发出告警提示。
进一步的,所述S4包括:
步骤S4-1:向风险企业发出的告警提示包括风险解读报告,风险解读报告中包含告警溯源,企业根据风险源对企业危废情况进行校验,若数据校验显示无异常数据,则企业通过风险解读报告提供的风险解决方案对风险企业的危险废物调度进行管理,通过调度风险企业的危险废物减少该企业的风险指数;若数据校验显示存在异常数据,则企业相关人员发起数据修正,对异常数据进行校正,并根据校正后的数据再次计算企业的风险指数;
步骤S4-2:对调度后的企业相关数据进行更新,并对本次调度进行记录,对数据校验中的异常数据进行标记。
一种基于视频分析的危废数量变化检测***,所述***包括:综合态势检测模块、数据可视化模块、风险判别模块和调度管控模块;
所述综合态势检测模块用于对***接入企业的危废数量变化情况进行检测,并对检测结果进行整合,根据数据整合结果对综合态势变化进行分析;
所述数据可视化模块用于通过可视化技术将综合态势检测模块中的检测数据展示至***界面;
所述风险判别模块用于对各企业的危废状态进行监测,对各企业的实时风险情况进行评估,判断是否存在任意企业的风险指数超过风险阈值;
所述调度管控模块用于根据风险判别模块的风险评估结果对风险企业的危废存放情况进行管理,结合综合态势监测数据对风险企业的危险废物进行调度;
所述综合态势检测模块的输出端连接数据可视化模块、风险判别模块和调度管控模块的输入端,所述风险判别模块的输出端连接数据可视化模块和调度管控模块的输入端。
进一步的,所述综合态势检测模块包括基础数据导入单元、企业数据提取单元和变化趋势分析单元;
所述基础数据导入单元用于对***内各企业的基础数据进行导入,包括企业名称、企业位置和企业权限;
所述企业数据提取单元用于对各企业的危险废物数量变化相关数据进行提取,并对提取的数据进行整合,整合后传输至变化趋势分析单元;
所述变化趋势分析单元用于根据实时数据采集单元采集的各企业危废数量对各企业的态势变化进行分析,获取各企业的危废数量变化趋势走向。
进一步的,所述数据可视化模块包括数据可视化模板和可视化工具接口管理单元;
所述数据可视化模板为相关工作人员预先设计的可视化模板,用户可以根据自己的需求灵活调整和填充数据;
所述可视化工具接口管理单元用于对底层可视化工具的接口进行封装,集中管理可视化工具的接口,减少开发人员对底层接口的直接操作和维护工作;许多数据可视化工具都提供了开放的接口或API,允许开发人员通过编程方式使用它们的功能;对可视化工具接口进行统一管理,简化了接口的管理和维护过程,同时提高了代码的可读性和可维护性,以便于支持新的可视化工具或添加新的功能。
进一步的,所述风险判别模块包括危废状态监测单元、风险评估单元和风险告警单元;
所述危废状态监测单元用于对各企业存放的危险废物实时状态数据进行监测,并将监测数据传输至风险评估单元;
所述风险评估单元用于对企业当前存放的危险废物的风险指数进行评估,计算***内各企业的风险指数;
所述风险告警单元用于对各企业的风险指数进行判别,将风险指数超过预设阈值的企业标记为风险企业,并通过***发出告警。
进一步的,所述调度管控模块包括危废调度管理单元和企业数据更新单元;
所述危废调度管理单元用于对风险企业的危险废物调度进行管理,通过调度风险企业的危险废物减少该企业的风险指数;
所述企业数据更新单元用于对调度后的***中的企业相关数据进行更新,并记录本次调度相关数据。
与现有技术相比,本发明所达到的有益效果是:
本发明通过综合态势检测模块对***接入企业的危废数量变化情况进行检测,并对检测结果进行整合,根据数据整合结果对综合态势变化进行分析;通过综合态势检测模块,可以对***接入企业的危废数量变化情况进行实时监测和检测,及时发现异常情况。
通过数据可视化模块通过可视化技术将综合态势检测模块中的检测数据展示至***界面;通过对检测结果进行整合和分析,可以得到***中各个企业的综合态势变化情况,从而更好地了解危废管理的整体情况。利用数据可视化技术,将综合态势检测模块中的检测数据以直观的方式展示在***界面上,方便用户查看和理解相关信息。
通过风险判别模块对各企业的危废状态进行监测,对各企业的实时风险情况进行评估,判断是否存在任意企业的风险指数超过风险阈值;通过风险判别模块对各企业的危废状态进行监测和评估,可以判断是否存在任意企业的风险指数超过风险阈值,及时预警和处理潜在风险。对于区域危废数据整合和危废处置流程的监管实现智能分析,对区域危废数据的整合能够对企业危废处置的流程把控更加明确,实时监测各企业的危废数量波动,提高企业危废储存的容错率,实现对危废处置流程的高效协调;
通过调度管控模块根据风险判别模块的风险评估结果对风险企业的危废存放情况进行管理,结合综合态势监测数据对风险企业的危险废物进行调度;调度管控模块可以根据风险判别模块的风险评估结果,对风险企业的危废存放情况进行提示管理,确保企业在避免危废储存数量超标的同时企业危废转移流程的安全合规,从而有益于区域综合管理和企业可持续发展。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于视频分析的危废数量变化检测***的模块结构示意图;
图2是本发明一种基于视频分析的危废数量变化检测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1、图2和具体实施例对本发明作进一步的说明。
实施例1:如图1所示,本实施例提供了一种基于视频分析的危废数量变化检测***,所述***包括:综合态势检测模块、数据可视化模块、风险判别模块和调度管控模块;
综合态势检测模块,用于对***接入企业的危废数量变化情况进行检测,并对检测结果进行整合,根据数据整合结果对综合态势变化进行分析;综合态势检测模块包括基础数据导入单元、企业数据提取单元和变化趋势分析单元;
基础数据导入单元用于对***内各企业的基础数据进行导入,包括企业名称、企业位置和企业权限;
企业数据提取单元用于对各企业的危险废物数量变化相关数据进行提取,并对提取的数据进行整合,整合后传输至变化趋势分析单元;
变化趋势分析单元用于根据实时数据采集单元采集的各企业危废数量对各企业的态势变化进行分析,获取各企业的危废数量变化趋势走向。
数据可视化模块,用于通过可视化技术将综合态势检测模块中的检测数据展示至***界面;数据可视化模块包括数据可视化模板和可视化工具接口管理单元;
数据可视化模板为相关工作人员预先设计的可视化模板,用户可以根据自己的需求灵活调整和填充数据;这些模板包括各种图表和图形的样式和布局,常见的数据可视化模板包括Infogram、Canva等。
可视化工具接口管理单元用于对底层可视化工具的接口进行封装,集中管理可视化工具的接口,包括D3.js、Plotly、Tableau和ArcGIS等;减少开发人员对底层接口的直接操作和维护工作;许多数据可视化工具都提供了开放的接口或API,允许开发人员通过编程方式使用它们的功能;对可视化工具接口进行统一管理,简化了接口的管理和维护过程,同时提高了代码的可读性和可维护性,以便于支持新的可视化工具或添加新的功能。
风险判别模块,用于对各企业的危废状态进行监测,对各企业的实时风险情况进行评估,判断是否存在任意企业的风险指数超过风险阈值;风险判别模块包括危废状态监测单元、风险评估单元和风险告警单元;
危废状态监测单元用于对各企业存放的危险废物实时状态数据进行监测,并将监测数据传输至风险评估单元;
风险评估单元用于对企业当前存放的危险废物的风险指数进行评估,计算***内各企业的风险指数;
风险告警单元用于对各企业的风险指数进行判别,将风险指数超过预设阈值的企业标记为风险企业,并通过***发出告警。
调度管控模块,用于根据风险判别模块的风险评估结果对风险企业的危废存放情况进行管理,结合综合态势监测数据对风险企业的危险废物进行调度;调度管控模块包括危废调度管理单元和企业数据更新单元;
危废调度管理单元用于对风险企业的危险废物调度进行管理,通过调度风险企业的危险废物减少该企业的风险指数;
企业数据更新单元用于对调度后的***中的企业相关数据进行更新,并记录本次调度相关数据。
综合态势检测模块的输出端连接数据可视化模块、风险判别模块和调度管控模块的输入端,风险判别模块的输出端连接数据可视化模块和调度管控模块的输入端。
实施例2:如图2所示,本实施例提供了一种基于视频分析的危废数量变化检测方法,其基于实施例中的一种基于视频分析的危废数量变化检测***实现,具体包括以下步骤:
S1:获取目标区域内各企业的相关数据,对各企业的危废数量变化趋势进行分析;
步骤S1-1:对接入服务器的目标区域内的企业数据访问权限进行获取,读取各企业的危废相关数据,所述危废相关数据包括企业当前危废数量、企业危废储存位置、企业预设危废数量上限和企业合作处置单元名单;获取方式包括企业自主填写相关数据或企业授权***对企业仓库进行实时监测,通过摄像头采集企业危废的视频数据,基于视频分析的方式对企业的危废相关数据进行获取;
步骤S1-2:从数据库或相关数据源中提取企业危险废物数量的历史数据,包括企业名称、时间和危险废物数量;根据以下步骤对各企业的危险废物数量变化趋势进行分析:
步骤S1-2-1:对提取的数据进行清洗,去除数据中的缺失值,确保数据的完整性和准确性;并将时间数据转换为时间序列格式;可以根据需求对时间项进行格式转换,将数据按照年份或季度进行汇总,以便后续分析;
步骤S1-2-2:对清洗后的数据进行分解,基于季节性分解方法将原始数据Y(t)拆分为长期趋势T(t)、月度波动M(t)、循环波动C(t)和不规则波动B(t),Y(t)=T(t)+M(t)+C(t)+B(t);其中,
T(t)+C(t)=(Σk j=-kyt+j)/N ;
N表示样本数据的数量,N=2k+1,yt+j表示样本数据中t+j时的危险废物数量;
选择上一年度的企业危险废物数量的历史数据作为样本,计算每个月份的去趋势数据的平均数,取各月份对应的平均数代表各月份的月度分量;
所述去趋势数据=M(t)+B(t)=Y(t)-T(t)-C(t);
步骤S1-2-3:建立危险废物变化趋势预测模型:
S废=α+β0*t+βi*Ji+λ;
其中,S废表示危险废物数量,α是截距项,β0表示自变量时间t的系数,βi表示对应于第i个月份的系数,Ji表示第i个月的月度分量,i∈[1,12];λ表示波动残差,由相关工作人员进行预设;
将时间作为自变量,将危险废物数量作为因变量,通过最小二乘法估计模型中的系数α和β0 ,引入的月度分量可以表示月度变化对危险废物数量的波动影响,波动残差是指无法被趋势和月度波动解释的剩余部分,代表了随机波动或其他未被考虑的因素。系数βi的显著性可以通过计算p值的方法或置信区间方法来确定,系数βi的大小表示一个单位月份变化对危险废物数量的影响程度,正系数表示影响为正相关,负系数表示影响为负相关。
S2:对目标区域内各企业的危废数量变化历史数据进行分析,挖掘各企业的危废处置规律,建立危险废物转移行为判别模型;
步骤S2-1:获取目标区域内各企业的危险废物变化历史数据,包括储存量变化值和时间点;对收集到的数据进行清洗和整理,去除异常值或缺失数据,并进行标准化处理,以确保数据的一致性和可比性;对时间点和储存量变化值进行排序,使储存量变化值按照时间顺序排列;
步骤S2-2:计算每个时间点的储存量变化值与前一个时间点的储存量变化值之差的绝对值,得到储存量变化值的波动范围,第u+1个波动范围=|第u+1个时间点的数量变化值-第u个时间点的数量变化值|;储存量变化值=当前时间点的储存量-前一个时间点的储存量。
观察波动范围的数值大小,若在持续时间V内的波动范围数值始终小于等于各时间点对应的储存量的c%,认为危险废物数量相对稳定,没有发生转移;若在持续时间V内存在波动范围数值大于各时间点对应的储存量的c%,并且在短时间内发生多次,则认为该时间点存在危险废物转移行为,将存在危险废物转移行为的时间点设为对应企业的危废转移时间点;使用图表或可视化工具将数据的波动情况进行可视化展示,可以更直观地观察数据的变化趋势和波动情况。
步骤S2-3:获取样本集合D={(d1,p1),(d2,p2),...,(dn,pn)},其中,第i个样本(di,pi)中的di表示第i次危险废物储存量变化的时间点,pi表示时间点di时的危险废物储存量变化值;将危废转移时间点标记为叶子节点,认为该叶子节点代表的类别为存在危险废物转移行为,基于决策树分类算法建立危险废物转移行为判别模型。在对新样本进行预测时,从根节点开始遍历决策树,按照每个节点上的***规则选择相应的分支,直到到达叶子节点,将该节点的类别作为预测结果。
S3:对目标区域内的各企业的危废数量变化进行监测,对各企业的风险指数进行分析,将超出预设风险指数阈值的企业标记为风险企业,对风险企业进行告警提示;
步骤S3-1:对目标区域内各企业的危险废物数量进行监测,根据实时监测数据对各企业的危废数量变换进行预测;根据步骤S1中的危险废物变化趋势预测模型对下一时间t’的各企业危险废物数量进行预测,得到任意企业所对应的t’时的危险废物数量Lt’;
步骤S3-2:根据S2中建立的危险废物转移行为判别模型,结合步骤3-1中的预测数据对各企业的危废转移行为进行判别,将预测的危险废物数量Lt’引入S2中建立的危险废物转移行为判别模型;当任一企业存在危废转移倾向时,将该企业的风险指数的评估影响因子q加1;
步骤S3-3:对各企业当前存放的危险废物的风险指数进行评估,设当前目标区域内有E个企业,根据以下公式计算任一企业e的风险指数Fe;
Fe=(Lt’/Le)×η0+sgn(h-ε)×η1+wg×η2+q×100% ;
其中,Le表示企业e的预设储存量上限,sgn()表示符号函数,h表示该企业的历史转移申请的申请通过率,ε表示数据库中预设的申请通过率阈值;wg表示该企业的历史转移申请中第g次申请的等待时间;η0、η1、η2分别表示各项评估风险指数的影响系数,由相关工作人员预设存储至数据库中;
若目标区域内存在多家企业都有危废转移趋势,而目标区域内的危废处置存在数量限制,则当前企业的转移申请不通过的可能性会增加,若企业危废储存量处于超量临界值,转移申请的延误会导致企业增加违规风险;
步骤S3-4:对各企业的风险指数进行判别,将风险指数超过预设阈值f的企业标记为风险企业,并对风险企业发出告警提示。
S4:对S3标记的风险企业提供风险解读报告,追踪风险企业的调度管理相关数据,并对风险处理结果进行反馈和记录;
步骤S4-1:向风险企业发出的告警提示包括风险解读报告,风险解读报告中包含告警溯源,企业根据风险源对企业危废情况进行校验,若数据校验显示无异常数据,则企业通过风险解读报告提供的风险解决方案对风险企业的危险废物调度进行管理,通过调度风险企业的危险废物减少该企业的风险指数;若数据校验显示存在异常数据,则企业相关人员发起数据修正,对异常数据进行校正,并根据校正后的数据再次计算企业的风险指数;
例如,向该企业发出的风险预警提示该企业需要递交转移申请,风险解读报告提供的风险解决方案中包含目标区域内的相关机构或部门的转移申请递交窗口,企业通过点击跳转链接进入相关界面,危废数量变化检测***读取企业危废相关数据生成第一申请材料,通过企业终端发起对企业仓库摄像头的控制权限,对企业仓库存放的危废数量进行识别,校验第一申请材料中的危废数量是否符合实际情况,若基于视频分析的危废数量检测结果与第一申请材料存在数据不符,则进行数据异常提示,企业相关人员对异常数据进行处理。
步骤S4-2:对调度后的企业相关数据进行更新,并对本次调度进行记录,对数据校验中的异常数据进行标记,以便于后续为了提升准确率进行的产品优化。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于视频分析的危废数量变化检测方法,其特征在于:包括以下步骤:
S1:获取目标区域内各企业的相关数据,对各企业的危废数量变化趋势进行分析;
S2:对目标区域内各企业的危废数量变化历史数据进行分析,挖掘各企业的危废处置规律,建立危险废物转移行为判别模型;
S3:对目标区域内的各企业的危废数量变化进行监测,对各企业的风险指数进行分析,将超出预设风险指数阈值的企业标记为风险企业,对风险企业进行告警提示;
S4:对S3标记的风险企业提供风险解读报告,追踪风险企业的调度管理相关数据,并对风险处理结果进行反馈和记录;
所述S1包括:
步骤S1-1:对接入服务器的目标区域内的企业数据访问权限进行获取,读取各企业的危废相关数据,所述危废相关数据包括企业当前危废数量、企业危废储存位置、企业预设危废数量上限和企业合作处置单元名单;
步骤S1-2:从数据库或相关数据源中提取企业危险废物数量的历史数据,包括企业名称、时间和危险废物数量;根据以下步骤对各企业的危险废物数量变化趋势进行分析:
步骤S1-2-1:对提取的数据进行清洗,去除数据中的缺失值;并将时间数据转换为时间序列格式;
步骤S1-2-2:对清洗后的数据进行分解,将原始数据Y(t)拆分为长期趋势T(t)、月度波动M(t)、循环波动C(t)和不规则波动B(t),Y(t)=T(t)+M(t)+C(t)+B(t);其中,
T(t)+C(t)=(Σk j=-kyt+j)/N ;
N表示样本数据的数量,N=2k+1,yt+j表示样本数据中t+j时的危险废物数量;
选择上一年度的企业危险废物数量的历史数据作为样本,计算每个月份的去趋势数据的平均数,取各月份对应的平均数代表各月份的月度分量;
所述去趋势数据=M(t)+B(t)=Y(t)-T(t)-C(t);
步骤S1-2-3:建立危险废物变化趋势预测模型:
S废=α+β0*t+βi*Ji+λ;
其中,S废表示危险废物数量,α是截距项,β0表示自变量时间t的系数,βi表示对应于第i个月份的系数,Ji表示第i个月的月度分量,i∈[1,12];λ表示波动残差,由相关工作人员进行预设。
2.根据权利要求1所述的一种基于视频分析的危废数量变化检测方法,其特征在于:所述S2包括:
步骤S2-1:获取目标区域内各企业的危险废物变化历史数据,包括储存量变化值和时间点;对时间点和储存量变化值进行排序,使储存量变化值按照时间顺序排列;
步骤S2-2:计算每个时间点的储存量变化值与前一个时间点的储存量变化值之差的绝对值,得到储存量变化值的波动范围,第u+1个波动范围=|第u+1个时间点的数量变化值-第u个时间点的数量变化值|;
若在持续时间V内的波动范围数值始终小于等于各时间点对应的储存量的c%,认为危险废物数量相对稳定,没有发生转移;若在持续时间V内存在波动范围数值大于各时间点对应的储存量的c%,则认为该时间点存在危险废物转移行为,将存在危险废物转移行为的时间点设为对应企业的危废转移时间点;
步骤S2-3:获取样本集合D={(d1,p1),(d2,p2),...,(dn,pn)},其中,第i个样本(di,pi)中的di表示第i次危险废物储存量变化的时间点,pi表示时间点di时的危险废物储存量变化值;将存在危废转移行为的时间点标记为叶子节点,认为该叶子节点代表的类别为存在危险废物转移行为,基于决策树分类算法建立危险废物转移行为判别模型。
3.根据权利要求1所述的一种基于视频分析的危废数量变化检测方法,其特征在于:所述S3包括:
步骤S3-1:对目标区域内各企业的危险废物数量进行监测,根据实时监测数据对各企业的危废数量变换进行预测;根据步骤S1中的危险废物变化趋势预测模型对下一时间t’的各企业危险废物数量进行预测,得到任意企业所对应的t’时的危险废物数量Lt’;
步骤S3-2:根据S2中建立的危险废物转移行为判别模型,结合步骤3-1中的预测数据对各企业的危废转移行为进行判别,当任一企业存在危废转移倾向时,将该企业的风险指数的评估影响因子q加1;
步骤S3-3:对各企业当前存放的危险废物的风险指数进行评估,设当前目标区域内有E个企业,根据以下公式计算任一企业e的风险指数Fe;
Fe=(Lt’/Le)×η0+sgn(h-ε)×η1+wg×η2+q×100% ;
其中,Le表示企业e的预设储存量上限,sgn()表示符号函数,h表示该企业的历史转移申请的申请通过率,ε表示数据库中预设的申请通过率阈值;wg表示该企业的历史转移申请中第g次申请的等待时间;η0、η1、η2分别表示各项评估风险指数的影响系数,由相关工作人员预设存储至数据库中;
步骤S3-4:对各企业的风险指数进行判别,将风险指数超过预设阈值f的企业标记为风险企业,并对风险企业发出告警提示。
4.根据权利要求1所述的一种基于视频分析的危废数量变化检测方法,其特征在于:所述S4包括:
步骤S4-1:向风险企业发出的告警提示包括风险解读报告,风险解读报告中包含告警溯源,企业根据风险源对企业危废情况进行校验,若数据校验显示无异常数据,则企业通过风险解读报告提供的风险解决方案对风险企业的危险废物调度进行管理;若数据校验显示存在异常数据,则企业相关人员发起数据修正,对异常数据进行校正,并根据校正后的数据再次计算企业的风险指数;
步骤S4-2:对调度后的企业相关数据进行更新,并对本次调度进行记录,对数据校验中的异常数据进行标记。
5.一种基于视频分析的危废数量变化检测***,其特征在于:所述***包括:综合态势检测模块、数据可视化模块、风险判别模块和调度管控模块;
所述综合态势检测模块用于对***接入企业的危废数量变化情况进行检测,并对检测结果进行整合,根据数据整合结果对综合态势变化进行分析;
所述数据可视化模块用于通过可视化技术将综合态势检测模块中的检测数据展示至***界面;
所述风险判别模块用于对各企业的危废状态进行监测,对各企业的实时风险情况进行评估,判断是否存在任意企业的风险指数超过风险阈值;
所述调度管控模块用于根据风险判别模块的风险评估结果对风险企业的危废存放情况进行管理,结合综合态势监测数据对风险企业的危险废物进行调度;
所述综合态势检测模块的输出端连接数据可视化模块、风险判别模块和调度管控模块的输入端,所述风险判别模块的输出端连接数据可视化模块和调度管控模块的输入端。
6.根据权利要求5所述的一种基于视频分析的危废数量变化检测***,其特征在于:所述综合态势检测模块包括基础数据导入单元、企业数据提取单元和变化趋势分析单元;
所述基础数据导入单元用于对***内各企业的基础数据进行导入,包括企业名称、企业位置和企业权限;
所述企业数据提取单元用于对各企业的危险废物数量变化相关数据进行提取,并对提取的数据进行整合,整合后传输至变化趋势分析单元;
所述变化趋势分析单元用于根据实时数据采集单元采集的各企业危废数量对各企业的态势变化进行分析,获取各企业的危废数量变化趋势走向。
7.根据权利要求5所述的一种基于视频分析的危废数量变化检测***,其特征在于:所述数据可视化模块包括数据可视化模板和可视化工具接口管理单元;
所述数据可视化模板为相关工作人员预先设计的可视化模板,所述可视化工具接口管理单元用于对底层可视化工具的接口进行封装,集中管理可视化工具的接口。
8.根据权利要求5所述的一种基于视频分析的危废数量变化检测***,其特征在于:所述风险判别模块包括危废状态监测单元、风险评估单元和风险告警单元;
所述危废状态监测单元用于对各企业存放的危险废物实时状态数据进行监测,并将监测数据传输至风险评估单元;
所述风险评估单元用于对企业当前存放的危险废物的风险指数进行评估,计算***内各企业的风险指数;
所述风险告警单元用于对各企业的风险指数进行判别,将风险指数超过预设阈值的企业标记为风险企业,并通过***发出告警。
9.根据权利要求5所述的一种基于视频分析的危废数量变化检测***,其特征在于:所述调度管控模块包括危废调度管理单元和企业数据更新单元;
所述危废调度管理单元用于对风险企业的危险废物调度进行管理,通过调度风险企业的危险废物减少该企业的风险指数;
所述企业数据更新单元用于对调度后的***中的企业相关数据进行更新,并记录本次调度相关数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311338471.9A CN117078024B (zh) | 2023-10-17 | 2023-10-17 | 一种基于视频分析的危废数量变化检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311338471.9A CN117078024B (zh) | 2023-10-17 | 2023-10-17 | 一种基于视频分析的危废数量变化检测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117078024A true CN117078024A (zh) | 2023-11-17 |
CN117078024B CN117078024B (zh) | 2024-02-09 |
Family
ID=88715634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311338471.9A Active CN117078024B (zh) | 2023-10-17 | 2023-10-17 | 一种基于视频分析的危废数量变化检测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078024B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012081420A (ja) * | 2010-10-12 | 2012-04-26 | Jfe Engineering Corp | 有害廃棄物処理方法及び有害廃棄物処理装置 |
CN113361914A (zh) * | 2021-06-04 | 2021-09-07 | 南京大学 | 一种危险废物运输风险管控预警的方法与*** |
CN113850528A (zh) * | 2021-10-11 | 2021-12-28 | 山东绿青数据科技有限公司 | 基于多维特征的固体废物产生量评估分析方法和*** |
CN114219392A (zh) * | 2021-12-02 | 2022-03-22 | 中广核环保产业有限公司 | 集约化危废管理方法与*** |
CN114742302A (zh) * | 2022-04-18 | 2022-07-12 | 哈尔滨工业大学 | 基于lstm多变量时序预测的节假日生活垃圾产量反演方法 |
CN114912787A (zh) * | 2022-05-06 | 2022-08-16 | 南京大学 | 一种企业危险废物瞒报漏报风险的智能评估方法 |
CN115081957A (zh) * | 2022-08-18 | 2022-09-20 | 山东超华环保智能装备有限公司 | 一种危废暂存及监测的危废管理平台 |
CN116050664A (zh) * | 2023-03-11 | 2023-05-02 | 中环洁集团股份有限公司 | 一种垃圾产量预测方法、***、电子设备和可读存储介质 |
CN116090825A (zh) * | 2023-01-29 | 2023-05-09 | 上海第二工业大学 | 一种基于K-means聚类和神经网络的危险废物出口风险预警方法 |
CN116629607A (zh) * | 2023-05-18 | 2023-08-22 | 中钢集团武汉安全环保研究院有限公司 | 一种危险废物环境安全风险辨识与评估方法 |
CN116665803A (zh) * | 2023-05-24 | 2023-08-29 | 阿里云计算有限公司 | 废料处理设备的控制方法、***、电子设备及存储介质 |
CN116823564A (zh) * | 2023-04-20 | 2023-09-29 | 广州巨时信息科技股份有限公司 | 一种危废品智能监测*** |
-
2023
- 2023-10-17 CN CN202311338471.9A patent/CN117078024B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012081420A (ja) * | 2010-10-12 | 2012-04-26 | Jfe Engineering Corp | 有害廃棄物処理方法及び有害廃棄物処理装置 |
CN113361914A (zh) * | 2021-06-04 | 2021-09-07 | 南京大学 | 一种危险废物运输风险管控预警的方法与*** |
CN113850528A (zh) * | 2021-10-11 | 2021-12-28 | 山东绿青数据科技有限公司 | 基于多维特征的固体废物产生量评估分析方法和*** |
CN114219392A (zh) * | 2021-12-02 | 2022-03-22 | 中广核环保产业有限公司 | 集约化危废管理方法与*** |
CN114742302A (zh) * | 2022-04-18 | 2022-07-12 | 哈尔滨工业大学 | 基于lstm多变量时序预测的节假日生活垃圾产量反演方法 |
CN114912787A (zh) * | 2022-05-06 | 2022-08-16 | 南京大学 | 一种企业危险废物瞒报漏报风险的智能评估方法 |
CN115081957A (zh) * | 2022-08-18 | 2022-09-20 | 山东超华环保智能装备有限公司 | 一种危废暂存及监测的危废管理平台 |
CN116090825A (zh) * | 2023-01-29 | 2023-05-09 | 上海第二工业大学 | 一种基于K-means聚类和神经网络的危险废物出口风险预警方法 |
CN116050664A (zh) * | 2023-03-11 | 2023-05-02 | 中环洁集团股份有限公司 | 一种垃圾产量预测方法、***、电子设备和可读存储介质 |
CN116823564A (zh) * | 2023-04-20 | 2023-09-29 | 广州巨时信息科技股份有限公司 | 一种危废品智能监测*** |
CN116629607A (zh) * | 2023-05-18 | 2023-08-22 | 中钢集团武汉安全环保研究院有限公司 | 一种危险废物环境安全风险辨识与评估方法 |
CN116665803A (zh) * | 2023-05-24 | 2023-08-29 | 阿里云计算有限公司 | 废料处理设备的控制方法、***、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
巢国良: "江门市工业源危险废物处置及未来趋势探讨", 《资源节约与环保》, no. 05, pages 106 - 109 * |
曲兵等: "基于人工神经网络模型预测2017~2018年成都市危险废物增量研究", 《四川环境》, vol. 40, no. 01, pages 190 - 197 * |
李静: "危险废物焚烧处理环境污染控制分析", 《山西化工》, vol. 43, no. 07, pages 199 - 201 * |
Also Published As
Publication number | Publication date |
---|---|
CN117078024B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154291B (zh) | 一种基于策略库的供电厂性能指标评价方法及*** | |
CN100468246C (zh) | 生产过程的实时监控***及监控方法 | |
Song et al. | Narrative texts-based anomaly detection using accident report documents: The case of chemical process safety | |
CN102032115A (zh) | 用于分析报告数据的***和方法 | |
BahooToroody et al. | A condition monitoring based signal filtering approach for dynamic time dependent safety assessment of natural gas distribution process | |
Kim | Considerations for generating meaningful HRA data: Lessons learned from HuREX data collection | |
CN117439256A (zh) | 一种基于物联网的电站设备管理方法及*** | |
CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
CN117056688A (zh) | 一种基于数据分析的新材料生产数据管理***及方法 | |
CN114416826A (zh) | 一种设备点检数据统计方法、分析方法及计算机存储介质 | |
CN103016064B (zh) | 一种瓦斯事故原因的分析方法及其*** | |
CN111240256A (zh) | 一种建筑工程现场监测管理*** | |
CN117726036A (zh) | 污染源监测设备的智慧管理***、方法及存储介质 | |
CN117078024B (zh) | 一种基于视频分析的危废数量变化检测***及方法 | |
CN117591679A (zh) | 基于知识图谱的积木式产品碳足迹智能分析***及方法 | |
CN112308437A (zh) | 基于大数据分析的线损治理方法、***、装置和存储介质 | |
CN115600695A (zh) | 一种计量设备的故障诊断方法 | |
CN113869758A (zh) | 智慧两票管理及作业现场风险预警*** | |
Pham et al. | AGR-2 Final Data Qualification Report for US Capsules-ATR Cycles 147A Through 154B | |
CN116633990B (zh) | 一种基于云计算的远程信息数字化监管***及方法 | |
CN117745110B (zh) | 一种基于行为分析的智慧校园餐厅运行管控方法及*** | |
CN117217625B (zh) | 一种基于数据分析的企业***方法及装置 | |
CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升*** | |
CN118013396A (zh) | 一种基于边缘计算的工业数据管理***及方法 | |
BAHOO TOROODY | Dynamic Risk-based Asset Integrity Modelling of Engineering Processes |
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 |